Dengan jaringan lebih dari 700.000 mesin penjual otomatis (vending machine) di seluruh Jepang, Coca Cola Bottlers Japan Inc (CCBJI) mengumpulkan sejumlah besar data tidak hanya mengenai kinerja penjualan keseluruhan setiap mesin, tetapi juga kinerja masing-masing produk per mesin dan lokasinya masing-masing.

CCBJI membangun platform analitik dan pembelajaran mesin sebagai lapisan di atas sistem yang ada yang berpusat pada Google Cloud BigQuery dengan hasil yang divisualisasikan menggunakan Dasbor Kecerdasan Lokasi (Location Intelligence)

Dengan platform baru mereka, mereka dapat menggunakan berbagai jenis data seperti POI & data lalu lintas pejalan kaki untuk memahami kesenjangan dan peluang dalam jaringan. CCBJI juga dapat memprediksi kinerja berdasarkan lokasi, memberikan wawasan kepada pemangku kepentingan utama dalam penjualan, pemasaran, dan operasi.

Minori Matsuda
Vending Business Unit Data Scientist Manager
Coca Cola Bottlers Japan Inc

Memonetisasi sumber daya seperti data transaksi di Mastercard memiliki banyak tantangan karena sifat dan cakupan datanya sangat beragam. Permasalahan utama yang perlu diingat adalah keselamatan dan keamanan dari data, menghasilkan wawasan yang luas, beradaptasi dengan beragam kebutuhan khalayak yang luas dan perincian wawasan yang bervariasi, yang menyiratkan perlunya agregasi dalam cakupan yang luas.

Dengan menggunakan penyaringan berdasarkan waktu, sosiodemografi dan pengkategori ritel, pengguna dari beragam industri dapat memperoleh wawasan dari data transaksi Mastercard yang luas

Solusi spasial yang dirancang khusus ini memungkinkan klien dan mitra mendapatkan wawasan mendalam dari data mereka serta menghadapi tantangan yang muncul.

Solusi geospasial telah mengubah cara ING membantu para pengguna mencari rumah baru. Langkah ini merupakan evolusi dari platform tradisional yang berfokus pada karakteristik properti. ING melihat peluang karena klien mereka sering kali berfokus pada informasi properti utama seperti: ukuran meter persegi, jumlah kamar, letak ruangan, renovasi terkini, atau bahkan seberapa banyak sinar matahari yang didapat di area perumahan, daripada berfokus pada lokasi geografis saja.

Oleh karena itu ING memutuskan untuk menciptakan solusi pemilihan lingkungan perumahan yang memungkinkan klien mereka saat ini dan calon klien mereka untuk menemukan lingkungan yang tepat, berdasarkan kebutuhan, preferensi, dan anggaran mereka.

Branded Content & Social Media Manager, ING
Iván Fanego

Philip Morris International (PMI) meningkatkan skala dan jangkauan partisipasinya dalam kegiatan pembersihan untuk meningkatkan kesadaran akan masalah sampah sembarangan dan puntung rokok, khususnya di lingkungan komunitas lokal, sehingga membantu meningkatkan kualitas hidup warga. Mereka telah menerapkan pendekatan berbasis data ini untuk menilai prevalensi sampah puntung rokok di seluruh dunia; mengidentifikasi titik-titik rawan sampah dan memantau dampak kegiatan anti-buang sampah sembarangan.

Dengan penggunaan kecerdasan lokasi dan memanfaatkan teknologi dan Ilmu Data Spasial untuk memantau dan memitigasi masalah yang disebabkan oleh bahaya lingkungan ini. Philip Morris International (PMI) dapat dengan cepat memanfaatkan teknologi gabungan ini untuk mengumpulkan wawasan perilaku mengenai membuang puntung rokok, memetakan area permasalahan, dan mitigasi resikonya di masa depan.