首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

喜报!腾讯文旅6大解决方案入选文旅部“上云用数赋智”提名,数量位居榜首

为深入贯彻《国家十四五规划和2035年远景目标纲要》关于“深入发展大众旅游、智慧旅游,创新旅游产品体系,改善旅游消费体验”部署安排,文化和旅游部资源开发司委托中国旅游报社发起的智慧旅游“上云用数赋智”解决方案征集。腾讯文旅凭借在技术、产品和实践经验等方面的领先优势共提报六个项目,全部入选最终名单,数量位列科技公司榜首。 智慧旅游“上云用数赋智”解决方案提名名单公示  2022年10月10日文旅部资源开发司发布了 “上云用数赋智”解决方案首批征集,分为旅游目的地、旅游景区(度假区)和新技术新业态三大方向及十

02
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    【数据分析】大数据分析让个性化的客户体验美梦成真

    顾客通过多种渠道制造大量数据,企业则热衷于利用这些信息来实现更为个性化的体验。 分析公司Gartner表示,高级分析会成为客户服务的关键,但是大数据分析的采用目前仅局限于不到一成的企业。 挑战在于企业还在努力适应结构化数据,疲于根据自身的客户关系管理(CRM)系统部署有效的分析框架,以及集成不同的内外部信息源。 然而,面对顾客通过数字技术参与而产生的快速变化的信息,企业需要及时作出反应。要想实时反应,使客户感受到个体价值,企业只能通过高级分析来实现。 大数据为实现基于顾客个性的交互提供了可能,通过理解他们的

    05

    数据剖析:了解用户的十个大数据分析途径

    我们正处于福雷斯特研究公司所描述的“用户时代”,这个时代中驱动业务决策的不再是公司,而是用户。基于这个原因,深度理解用户的重要性已经远胜以往,因此许多机构开始使用大数据技术来挖掘用户信息。 在这个时代,企图收获成功(甚至是求生存)的在线业务必须切实的理解顾客的体验和行为,因此海量数据的收集及挖掘能力成了这些机构的必备手段。当下,有许多机构的分析仍处于数据的收集上,组织能力的缺乏和技术的限制让这些收集来的数据失去了应有的价值。而在用户体验上也缺乏按部就班的计划,从而丧失了获取关键见解的途径。因此,这样的数据分

    09

    大数据没用?5个通过大数据分析提升客户体验的方式

    在互联时代,拥有一个大数据战略来收集、存储、组织和分析广泛客户数据的踪迹,对于及时开展个性化客户交互至关重要。幸运的是,通过采用正确的技术、基础设施和分析功能来全面释放这一数据的潜力,实现与互联客户的更深入交流,绝非空想。 以下这五种使用大数据分析的途径将能够帮助您提升互联客户体验: 1. 找到“隐藏的”大数据见解,更全面地了解客户。 在大数据的初期,从电子邮件和网站点击收集到的见解帮助企业重塑了营销计划,启动了新的活动,并带来了更加个性化的体验。但所有这些优势通常采用产品推荐的形式完成。 现在,新的数据类

    08

    何为敏捷大数据与敏捷AI?

    人工智能的诞生可以追溯到上世纪50年代,在达特茅斯会议上,麦卡锡提出了AI的概念,但在初期的热度过后,人工智能的发展经历了多次低谷,直到从90年代中末期开始至今的这近二十年的时间里,人工智能才真正迎来了黄金时期。尤其是在近10年来,各方面因素都推动其不断发展:理论上,机器学习,尤其是统计学习和神经网络理论不断突破,效果显著;外部环境上,软硬件技术的进步为人工智能模型的实现提供了足够的计算能力;此外,极为重要的一个因素就是在数据方面,大数据技术的发展使人工智能终于摆脱了数据的桎梏,可以在充足的样本基础上提升模型的能力。可以说,现在各领域智能模型的研发绝大多数都离不开大数据技术的支持。

    02

    未来已来,变革中的数据可视化--遇见大数据可视化系列文章之一

    前言 今天,大数据已无所不在,并且正被越来越广泛的被应用到历史,政治,科学,经济,商业甚至渗透到我们生活的方方面面中,获取的渠道也越来越便利。通过本系列的前面几篇文章,我们已经了解了数据可视化的必要性,而目前市面上也已经具备了非常多成熟的BI绘制工具,如画面,QlikView的的和魔镜等等。虽然这些工具正在变得越来越自动化,然而,随着大数据时代的来临,信息每天都在以爆炸式的速度增长,其复杂性也越来越高;其次,随着越来越多科学可视化的需求产生,地图,3D物理结构等技术将会被更加广泛的使用。所以,当人类的认知能

    02

    oushudb丨案例分析 丨湖仓一体助力保险企业数据战略转型升级

    当下,海量数据结合前沿技术架构正在为保险业带来根本性的变革。本文以某知名保险机构为例,结合偶数行业实践经验,介绍保险企业如何利用湖仓一体技术推动数据战略转型升级。背景介绍在对该客户需求进行深度挖掘并横向比较行业现状后,我们发现:(1) 包括该客户在内的多数保险企业的数据分析场景较为单一,直接产生业务价值的数据挖掘不够丰富;(2) 该客户现有数据分析场景的效率、性能、用户体验都亟待提升。下文我们详细展开分析。业务场景分析客户现有的数据分析应用集中在经营分析、监管报送和风险管控等几个传统场景,其实不止该客户,目前大多数保险企业的大数据业务应用价值挖掘都还不够丰富。1.风险管控仅以目前多数保险企业都非常关注的风控环节为例,该客户仍以风险部门固定报表分析为主,而通过风险数据建模,应用在投保前风险排查、承保中风险管控及理赔时风险识别和反欺诈等全业务链条还非常有限。在投保环节,可以利用数据搭建风险评估模型,筛查高风险客户,对大概率产生负价值的客户采用拒保或者提高保费的方式以减少损失。以互联网场景下的意外险和健康险为例,由于投保手续较为简单,很多产品免体检,只需要填写投保人基本信息即可,这些业务中,很容易出现投保人隐瞒病情、造假家庭收入的情况,逆向选择甚至欺诈的可能性非常大。因此在投保场景下可以利用数据进行多维分析,及时发现高风险投保客户,避免欺诈行为的发生。在承保运营环节,相比较传统风控,大数据风控让保险机构对保险用户的动态跟踪反馈,定期对承保中用户信息进行维护,更新用户风险指数。此外,在加强用户信息安全管理和隐私方面,保险公司借助大数据和人工智能(如设备指纹、IP 画像、机器行为识别等工具)加以防范,在回访环节,根据用户情况及其手机在网状态选择拨打方式及话术,更有利于提高回访效率,提升客户体验。在理赔环节,大数据风控先通过构建模型的方式筛查出疑似欺诈的高风险案件,然后再人工重点审核和调查,减少现场查勘误差,提高查勘效率。除了风险管控,通过数据赋能业务还可以落地在其他几个重点保险场景中,包括产品创新、风险定价、精准获客。接下来我们展开说明下数据赋能这些场景的形式和实现逻辑。

    01
    领券