Symphony Care Network 是一家拥有 34 家护理机构的医疗保健提供商，在追踪患者和员工的 COVID-19 暴露和治疗情况方面面临巨大挑战。现有系统无法提供一致的方式来追踪这些关键信息，导致效率低下，并可能在护理和安全措施方面存在差距。

西门子天然气与电力部门于 2016 年针对发电厂服务发起了一场生产力攻势。目标是分析哪些领域可以避免不必要的成本，例如过高的材料费用。由于该业务部门有数千种不同的指标、超过 5,000 个不同的数据集和超过 8,000 名员工，调查工作非常复杂且耗时。当结果出来时，分析几乎已经过时了。第一步是改用 Tableau 来改进可视化。然而，耗时且复杂的数据提供实际问题仍未得到解决。

SKOPOS 是一家位于欧洲的科技公司，该公司正在寻找一种解决方案来准备、丰富和建模数据，以便在 Tableau 中进行可视化。该公司的目标是帮助其团队以更高效、更有效的方式可视化调查数据。该公司正在处理大量数据，超过 200 万份调查回复，需要一种近乎实时地分析这些数据的方法。该公司面临的挑战是找到一种能够处理数据的复杂性和数量并提供所需结果的解决方案。

竹中公司是一家大型总承包商，成立于 1610 年，拥有 300 多年的丰富建筑数据。然而，将这些海量数据转化为可用于现代建筑设计的信息是一项艰巨的挑战。数据以各种格式存储，难以管理和有效使用。该公司希望利用这些数据来扩展建筑设计的可能性，并将其与当今人们的思想和感受相结合。该公司正在使用商业智能工具 Tableau 来可视化这些数据，但这还不足以满足他们的需求。

7-Eleven 在管理供应商数据和了解其促销活动方面面临挑战。请求供应商报告或计划的过程非常耗时，最多需要 100 个小时。该公司需要一种可供业务用户日常使用且无需太多技术支持的解决方案。他们需要快速获得结果以与外部业务伙伴共享，并以边际成本提供多种功能。

Ares Management 是一家领先的全球另类投资管理公司，在实现流程自动化和打破团队之间的隔阂方面面临挑战。他们还努力提供更好的洞察渠道。他们的一个团队每年要花两个月的时间才能完成一个流程，效率极低，耗时极长。

三菱日联银行的全球金融犯罪部门 (GFCD) 面临着处理海量数据和多样化 IT 系统的挑战。作为一家大型银行，该银行拥有大量交易数据。在反洗钱 (AML) 业务中，工作人员必须亲眼逐一判断 AML 系统检测到的每个案例是否真正可疑。此外，检测新的高风险交易是一项挑战，因为它需要大量的工作量。另一个挑战是缺乏能够进行探索性分析的数据科学家人力资源。他们需要探索性数据分析技能来发现全球金融犯罪并迅速采取行动。然而，目前日本劳动力市场上的数据科学家数量不足。

ADL Digital Lab 的平台 Augusta 需要一种灵活高效的分析自动化技术，该技术可以与任何数据源集成，从而帮助提高平台的效率和安全性。目标是找到一种可以增强平台功能并为 ADL 及其客户提供更好结果的解决方案。

Experian Marketing Services 面临着在短时间内为客户提供高质量、高度定制的报告的挑战。该公司正在处理大量不一致的客户数据文件，这些数据文件的数据量达到数 TB，包含各种数据格式。用于处理数据的旧系统通常需要工程和交付资源的干预才能满足客户要求。这个过程很长，涉及自定义编码、多种复杂的分析工具以及昂贵的数据转换资源。Experian 希望降低处理和分析成本，更快地为客户生产最终产品，并提高整体客户满意度。

Great Clips 是全球规模最大、增长最快的美发沙龙品牌，但其增长战略面临挑战。该公司的成功基于在合适的地点和市场快速开设新店。然而，根据潜在客户群、人口趋势和对现有特许经营店的销售影响来确定这些地点的过程耗时太长，而且成本高昂。该过程需要分析师资源手动访问、集成和分析多个数据源，才能为单个地点生成报告。这种延迟有可能导致黄金地段被竞争对手和其他房地产利益集团抢占。此外，该公司还聘请了成本高昂的外部承包商来处理积压工作。

南方州合作社是美国一家大型农民合作社，该公司希望优化其营销工作，尤其是其高价值的直接营销活动。然而，该公司面临着重大挑战。它缺乏一种方法来整合来自公司多个来源的客户和营销数据以供分析。它还缺乏推动营销分析的复杂工具，而是依赖于 Microsoft Excel 等通用生产力工具。由于无法访问相关数据，直接邮寄无法有效定位，从而导致不必要的支出。

TargetSmart Communications 是一家政治数据公司，其任务是为奥巴马竞选团队的政治筹款活动建立选民倾向模型并评估全国档案。该公司需要处理来自数十个数据源的数百万条数据记录，包括国家、州、县和市记录，以识别选民、跟踪他们的倾向，并在选举前准确统计和呼吁未登记的选民。该公司正在使用开源软件解决方案合并多个数据库，其中两个数据库各包含 2 亿选民。然而，由于缺乏针对各种选民类别的政府数据的通用格式，并且需要不断汇总、更新、清理和增强人口统计数据，因此带来了重大挑战。该公司选择的数据处理工具导致效率、准确性和可靠性的不足，令人不安。

AAA National 希望更好地支持其会员俱乐部向现有会员销售更多产品、在各个地区寻找新会员，并确保实体办公地点根据俱乐部会员的人口统计和驾车时间处于最佳位置。收集和分析必要数据的过程既耗时又复杂，通常需要三天时间才能生成完整而准确的数据集以供分析。数据来自不同的系统，很难与第三方人口统计和人口普查数据匹配和融合。使用多种工具处理数据进一步复杂化了流程，并增加了出错的可能性。

Rent-A-Center 是北美一家领先的零售公司，在为其 3,000 家商店创建地图时面临挑战。该过程是手动的，涉及大量点击、连接、查询和子查询。这既耗时又低效，最多需要 12-1/2 周才能完成。该公司需要一个可以简化此流程并提高效率的解决方案。

施耐德电气是一家全球能源管理专家，该公司面临着识别高潜力客户和有效部署销售资源的挑战。该公司采用手动方式确定如何以及在何处部署销售资源，这既耗时又低效。销售运营部门和 20 多名销售经理将与分析团队合作，收集数据并评估与每个客户账户相关的众多因素，包括账户规模、垂直市场以及增长和购买历史。这个过程不仅缓慢，而且导致销售团队等待新年开始所需的信息，通常要到二月份才能收到。

Novus 是一家领先的广告代理公司，该公司经历了显著的增长，客户群和服务范围都在扩大。因此，数据使用和报告的复杂性（无论是内部还是外部）都在增加。该公司一直在寻求一种快速有效的方法来处理规划和衡量有效媒体活动所涉及的数百个变量。对每个客户可能超过 3,000 个出版商的成功进行持续评估和优化技术的应用变得非常繁琐。能够以自动化方式跟踪进度和结果变得越来越重要。

电子商务的兴起导致许多实体店倒闭，美国人每年在网上的消费超过 4000 亿美元。然而，网上购物体验主要是交易性的，缺乏实体购物所带来的人际互动和情感。Hush 是美国顶级社交商务应用，旨在将购物的社交性带入数字世界。该公司认为，购物是一种社交体验，许多购买都是体验性和情感性的。对于 Hush 的重点美容产品来说尤其如此，人们希望与志同道合的人互动并谈论他们要购买的东西。

Amaysim 是澳大利亚最大的 MVNO，拥有超过 60 万名客户，正在处理大量数据。他们有超过 100 亿条通话数据记录需要分析，每天新增 2000-3000 万条通话数据记录。数据的速度和复杂性很高，有多个数据源，包括 Livechat、Zendesk、通话数据记录、Google 分析/网站数据、销售点数据和精确目标。该公司有一个由三人组成的小型分析团队，负责广泛的职能。他们需要一种解决方案，使业务线用户能够快速构建分析基础，快速解决自己的特定业务问题，而不必等待商业智能团队。

VF Corporation 是一家高度多元化的品牌生活方式服装、鞋类和相关产品公司，该公司希望提高企业盈利能力、支持零售扩张并最大限度地提高公司在 10,000 多个零售点的 100,000 多个 SKU 的绩效。2009 年，公司的 RFSM 组织负责公司与零售商的客户关系管理 (CRM) 工作。虽然该公司已经有一个内部 CRM 数据库，但它还需要关联和分析这些数据以及来自许多其他不同内部和外部来源的大量数据。对于像 VF Corporation 这样规模的公司来说，该公司现有的解决方案不够可扩展或可靠。现有解决方案不允许 VF Corporation 包含空间信息，而空间信息对公司及其零售扩张工作来说正变得越来越重要。

Chipotle 的房地产经理花费了大量时间与静态数据集交互，以分析潜在餐厅选址的潜在收入和目标市场。该公司需要一种更有效的方法来向经纪人部署及时的销售预测数据及其复杂的选址选择模型。现有系统非常耗时，而且相关的最新数据并不总是所有员工都能随时访问。确保餐厅黄金地段的关键是新地点的定位和开发速度。Chipotle 正在寻找一种系统，可以更有效地在浏览器中部署销售预测工具及其复杂的选址选择模型，而不是要求现场员工在多个笔记本电脑程序中搜索、选择和输入数据。

DatabaseUSA 是一家领先的商业和个人邮寄名单、电子邮件列表、销售线索和相关数据库产品提供商，在维护数据质量和准确性方面面临挑战。该公司正在处理来自数百个不同来源和多个目录的原始数据，包括来自公用事业公司的数据和来自其呼叫中心的呼叫数据。为了管理这些数据，该公司必须聘请具有高级数据专业知识的人员，而这需要付出高昂的成本。此外，每次引入新数据时，该公司都必须开发大量新的低级代码，才能成功准确地将数据导入数据库。这个过程不仅成本高昂，而且难以扩展。

Rosenblatt Securities 是一家领先的独立机构经纪和投资银行精品公司，在为客户执行复杂的数据分析时面临挑战。该公司正在处理数百万行执行记录和市场报价数据，通常需要几天甚至几周的时间才能处理完。该公司自 2006 年以来一直在使用 Tableau 可视化软件，但许多流程包括混合不同的异构数据集和运行多个分析模型，这可能需要几天甚至几周的预处理时间，并且仍然需要手动进行错误抽样。该公司面临着一个决定：是花费数千美元购买专门的 ETL 工具来与其结构化和非结构化数据源进行交互，还是在内部构建这样的工具。

代顿大学需要快速处理来自全校不同系统的数千条学生数据，以便招募、招收和留住最有可能在该校取得成功的学生。高等教育成本的上升和政府参与度的提高使学生的成绩受到更多关注。与此同时，数据来源和部门越来越多——内部和外部、结构化和非结构化。代顿大学正在利用公开的人口普查数据、高中学业记录、大学入学考试、学生活动和成绩单数据以及毕业信息。

Brookson 在运营中面临多项挑战。他们无法跨部门查看信息，因此需要花费大量时间创建电子表格。他们还拥有大量内部工作订单和孤立的客户体验。这些挑战阻碍了他们提供卓越客户体验的能力。他们需要提高准确性和及时性，减少管理投资，确保任务一次正确完成，减少被动反应，提高主动性。

7-Eleven 是一家跨国便利店连锁店，该公司正在寻找一种解决方案，让企业用户可以每天使用，而无需太多技术支持。他们需要快速获得结果，与外部业务伙伴共享，并以边际成本提供多种功能。该公司希望将所有供应商数据源整合到一个输出中，以更深入地了解他们的促销活动，了解哪些有效，哪些无效。

良品计划株式会社以无印良品为中心经营零售店，并进行商品策划、开发、制造、批发和销售。该公司在全球拥有 1,029 家门店，其中日本国内 479 家，海外 550 家（截至 2020 年 8 月）。2017 年，该公司引入了 Tableau 作为 BI（商业智能）工具，以可视化和分析各种数据（包括客户信息和销售结果），用于销售指标分析。随着 2018 年一切按计划进行，将日本正在使用的报表应用于海外的愿望变得更加强烈。但是，当良品计划在核心系统程序上为 Tableau 创建中间数据时，只有开发人员才能进行维护。因此，很难快速响应用户的改进请求。在重建全球系统的项目中，他们也缺乏具有所需专业知识的人员来参与 Tableau 报表创建的全球推广。