Kelley Blue Book正在使用复杂的数据分析工具来筛选大量的历史和当前数据，以获得公司高管所说的要更好的汽车估值。
希望购买新车或二手车的汽车购买者依靠凯利蓝皮书，以估算他们真正价值多少。
直到最近，这些数字是凯利分析师通过基本定价算法运行少量汽车销售和其他指标来实现的猜想。
不再。凯利（Kelley）已开始使用复杂的数据分析工具来筛选大量的历史和当前数据，以获得公司高管所说的要更好的汽车估值。
Kelley Blue Book分析洞察技术副总裁Dan Ingle说：“我们从使用兆字节的数据到使用数据的估计估计汽车价值”。他说：“我们从简单地平均数据转移到运行复杂的模型。”
KBB是越来越多的中小型企业（SMB）成功地应用数据分析以改善其业务方式的一个例子。推动趋势的是，相对较低的成本，专业工具的可用性日益增加，用于分析大量结构化和非结构化数据。数据仓库学院。
凯利（Kelley）是SMB领域的早期采用者。Ingle说，该公司大约三年前开始接受分析技术，以更好地利用其历史数据以及它已开始从网站用户和社交媒体捕获的新数据。
该公司发现了它的微软基于SQL商业智能数据仓库基础架构不足以应付Kelley不断增长的数据分析要求。
大约两年前，该公司转向了新的IBMNetezza Twinfin Data Data Warehousing设备于去年12月补充了第二个类似系统。这两个系统与信息构建者和MicroStrategy的软件一起构成了Kelley的新数据仓库和商业智能功能的核心。
Kelley还使用SAS Institute的各种预测分析，数据挖掘和文本分析工具来帮助分析其收集的数据。用于交付新的和二手车值，有针对性的广告，定制优惠和评论的大部分分析（分析）网站kbb.com由SAS的软件提供动力。
凯利·赫什曼（Shawn Hushman）表示，凯利（Kelley）从成为一家遗产书出版公司就变成了一家完全由分析的公司。他说，分析几乎为公司业务的各个方面提供了支持，包括其汽车估值流程，市场研究，客户分析，财务预测和需求计划。凯利（Kelley）的分析小组仅在短短三年内就从一个人增长到23个。
这项努力已经开始在多个领域获得回报。赫什曼说，最大的改进之一是凯利的汽车估值，基于比以前更丰富的数据集。从每五个月更新汽车值一次，凯利现在每周更新价值超过20,000辆汽车。他说：“如果愿意，我们每天都可以做到这一点。”
凯利（Kelley）为挖掘社交媒体和网络数据（例如Weblogs and ClickStream数据）所做的努力也大大提高了公司预测广告库存，衡量客户情感和预测用户行为的能力。
英格尔说：“如果您查看我们的分析工作的重点，那就大约有两个不同的数据集。”其中之一是提供更好的车辆估值数据，而另一个是关于公司的网络业务。
SAS的预测分析和数据挖掘小组全球营销经理Tapan Patel表示，Kelley数据分析工作的更有趣的方面之一是它关注社交媒体和文本分析。他说，对于凯利（Kelley）规模的公司而言，很少有公司在分析生命周期的早期开始社交媒体和文本分析。
他说，即使是许多多年来进行数据分析的大型公司，现在才开始探索如何利用社交媒体和文本挖掘工具来提高其分析能力。
Jaikumar Vijayan涵盖了数据安全性和隐私问题，金融服务安全性以及计算机世界的电子投票。在Twitter上关注Jaikumar@jaivijayan或订阅Jaikumar的RSS feed。他的电子邮件地址是jvijayan@computerworld.com。
阅读有关BI和分析的更多信息在计算机世界的BI和分析主题中心。
这个故事是“凯利蓝皮书攻击数据分析工具以提高汽车估值”，最初是由计算机世界 。