目前PaddlePaddle在图像、文字、语音等方向的应用案例较多，且场景也在逐步扩宽。这里列举四个代表性的例子。

生鲜进货量智能预测

生鲜产品保质期极短，需要丰富进货经验，商家才能降低货物过期报损率，而如果要做销量预估会耗费大量的时间成本。

使用PaddlePaddle综合商超生鲜的历史销售数据，提取出多个影响销量的条件，借助DNN神经网络建立销量预测模型，就可以预测出有效的进货量。

经过试点实验计算，每年为连锁商超节约百万报损。

热点预估模型

人工筛选互联网中质量好、热度高的内容需耗费大量时间，而热点时效性较强，很可能被发现时已经开始降温了。

使用PaddlePaddle搜集内容分类、内容来源、舆情热点等60+维度，经过训练可得到热点预估模型。

热点预估模型可以自动完成文本内容质量的初步判定，节约编辑团队筛选优质内容的工作时间，保证热点能够迅速被发现。

楼宇机电系统智能调控

目前楼宇的设备工况调控依赖人工，运行效率不高，可能会导致能源浪费、用户体验不好等问题。

通过PaddlePaddle，结合设备效率公式以及高效率为输出结果，对监控时序数据进行建模，通过模型建设和训练最终得到最合适的系统。

可以实现楼宇日均节电20%+，年节电约100万度的优良效果。

银行营销智能大脑

目前银行堆积大量历史数据，且现有客户画像在复杂多变的客户群体中无法发挥作用，导致难以进行产品精准推荐。

借助PaddlePaddle，可以利用客户购买行为，预测其对不同理财产品偏好。

同时，使用用户的个人属性、理财产品属性等几十个维度数据， 深度学习可以帮助银行最大化数据价值，为银行营销工作精准匹配客户，实现最全面的客户管理。