Τα πρόσφατα νέα για τα Ηνωμένα Αραβικά Εμιράτα που καθιστούν υποχρεωτική τη στρατιωτική θητεία για όλους τους άνδρες της Εμιράτης μεταξύ των ηλικιακών ομάδων ηλικίας 18 και 30 ετών με ώθησαν να σκεφτώ γιατί οι χώρες ανεξάρτητα από την οικονομική τους κατάσταση διασφαλίζουν ότι οι πολίτες είναι έτοιμοι να υπερασπιστούν τη χώρα.
Θα μπορούσε κανείς να υποστηρίξει ότι περιορισμένος αριθμός πολιτών σε μια χώρα, συχνά αναγκάζει την κυβέρνηση να υποχρεώσει τη στρατιωτική θητεία. Τι γίνεται όμως με την Κίνα; Είναι η μεγαλύτερη χώρα ανά πληθυσμό, αλλά διασφαλίζει επίσης ότι οι πολίτες που πηγαίνουν για περαιτέρω εκπαίδευση υπηρετούν υποχρεωτικό στρατιωτικό χρόνο. Εν ολίγοις, τα έθνη προετοιμάζονται βασικά για να αμυνθούν σε περίπτωση σύγκρουσης και όλοι πρέπει να είναι προετοιμασμένοι για αυτό. Είτε πρόκειται για ηλεκτρολόγο, επιχειρηματίες, ξυλουργός, όλοι ενώνονται για έναν κοινό σκοπό.
Παράξενο όπως ακούγεται, μπορεί κανείς να δημιουργήσει έναν παράξενο παράλληλο μεταξύ τέτοιων εθνών και των σημερινών οργανώσεων που θέλουν να παραμείνουν ανταγωνιστικοί. Η τρέχουσα απειλή ή μάλλον μια πρόκληση με τη μορφή Big Data ώθησε τους οργανισμούς μεγάλους και μικρούς να ενώσουν το ανθρώπινο δυναμικό τους σε διάφορα τμήματα για να την αντιμετωπίσουν συνήθως. Για να προχωρήσουμε περαιτέρω σε αυτό, συνήθως τα έθνη που επιβάλλουν την υποχρεωτική στρατιωτική θητεία έχουν πάντα κριτήρια επιλεξιμότητας, με τον ίδιο τρόπο οι οργανισμοί το θεωρούν λογικό να παρέχουν εκπαίδευση μεγάλων δεδομένων μόνο σε εκείνους τους υπαλλήλους που έχουν κάποια μορφή αλληλεπίδρασης με μεγάλα κομμάτια δεδομένων και απαιτείται να απασχολούν Hadoop σε κάθε σημείο αφής.
Ακριβώς όπως ένας στρατηγός του στρατού σε συνεργασία με την κυβέρνηση αποφασίζει το είδος των όπλων και την κατάρτιση που θα ανατεθεί στους ειδάλλως αρχάριους πολίτες που έγιναν νέοι-στρατολογητές, με τον ίδιο τρόπο αναμένεται ότι ένας ΚΟΤ θα είναι στο τιμόνι της υποδομής πληροφορικής και της κληρονομιάς συστήματα που οδηγούν την καινοτομία νέας τεχνολογίας για να επιτρέπουν στους υπαλλήλους του να αποδίδουν καλύτερα. Με κοινό στόχο την αντιμετώπιση μεγάλων δεδομένων, ας προσπαθήσουμε να κατανοήσουμε λεπτομερώς πού χρησιμοποιούνται τα μεγάλα δεδομένα και γιατί είναι σημαντικό να εκπαιδεύσετε τους συντρόφους σας σε αυτό.
1. Τεχνολογία πληροφοριών: Βελτίωση της παραγωγικότητας με την εκπαίδευση Big Data
Ίσως στην πρώτη γραμμή της εφαρμογής μεγάλων δεδομένων, η ομάδα πληροφορικής είναι το επίκεντρο της προώθησης της αλλαγής. Ένας υπεύθυνος λήψης αποφάσεων κατάρτισης πληροφορικής που επιθυμεί να φέρει εκπαίδευση μεγάλων δεδομένων στους υπαλλήλους πρέπει να ξεκινήσει με το τμήμα πληροφορικής. Γιατί; Διότι όταν πρόκειται για την εμπλοκή με την τεχνολογία σε κάθε στάδιο δραστηριότητας, οι geeks στο υπόγειο (δημοφιλής αργκό για IT) είναι οι πιο κοντινοί. Πόσο σχετικό είναι λοιπόν;
Ας δούμε μια αναφορά που υποβλήθηκε από τον δημοφιλή ιστότοπο, το CIO, το οποίο αναφέρει:
«Σύμφωνα με μια πρόσφατη έρευνα της CompTIA σε 500 στελέχη επιχειρήσεων και πληροφορικής των ΗΠΑ, το 50% των επιχειρήσεων που βρίσκονται μπροστά από την καμπύλη αξιοποίησης δεδομένων και το 71% των επιχειρήσεων που είναι μέσες ή υστερούν στη χρήση δεδομένων, πιστεύουν ότι το προσωπικό τους είναι μέτρια ή σημαντική έλλειψη δεξιοτήτων διαχείρισης δεδομένων και ανάλυσης »
Δεδομένου του γεγονότος ότι η διαχείριση και αποθήκευση δεδομένων αποτελεί μέρος της βασικής λειτουργίας της πληροφορικής, υπάρχει ανάγκη να υπάρχει παράλληλη προσέγγιση όσον αφορά την εφαρμογή πλατφόρμας μεγάλων δεδομένων και την ενίσχυση των δεξιοτήτων πληροφορικής εντός μεγάλων δεδομένων. Υποστηρίζοντας το γεγονός είναι μια έκθεση McKinsey που δηλώνει ότι έως το 2018, θα υπάρξει έλλειψη περισσότερων από 140.000-190.0000 επαγγελματιών με βαθιά τεχνική και αναλυτική εμπειρία! Καθώς όλο και περισσότεροι τεχνικοί επαγγελματίες απαιτούν μεγάλη κατάρτιση δεδομένων, οι οργανισμοί επιδιώκουν να εκπαιδεύσουν τεχνικούς επαγγελματίες για γρήγορους ROI και ειδικούς πλατφόρμας, διαχειριστές και μηχανικοί που εργάζονται στο τμήμα πληροφορικής βρίσκονται στο τιμόνι του.
Παντρεύοντας τη λειτουργία Trinity of Core IT με Big Data
Ο όρος Trinity μου θυμίζει συχνά δύο θρησκευτικές έννοιες: Η μία είναι η ινδουιστική μυθολογία του δημιουργού, του συντηρητή και του καταστροφέα και η άλλη είναι η χριστιανική έννοια του πατέρα, του γιου και του ιερού φάντασμα. Και οι δύο αγωνίζονται για τη βελτίωση της ανθρωπότητας. Με τον ίδιο τρόπο, αυτές οι τρεις λειτουργίες μιας ομάδας πληροφορικής προσπαθούν να βελτιώσουν ολόκληρο τον οργανισμό με τμήματα με διαφορετικές ανάγκες όσον αφορά την τεχνολογία πληροφοριών. Εκτός από τις λειτουργίες ασφάλειας και υποστήριξης, ένα τμήμα πληροφορικής μπορεί να σχετίζεται με αυτές τις λειτουργίες όταν πρόκειται για την υλοποίηση μεγάλων δεδομένων.
Προγραμματισμός - Η δραστηριότητα προγραμματισμού εντός μιας ομάδας πληροφορικής επικεντρώνεται στη διασφάλιση της ευθυγράμμισης της στρατηγικής πληροφορικής του οργανισμού με τους επιχειρηματικούς στόχους. Αυτό περιλαμβάνει την εργασία για την προσαρμογή λογισμικού, φέρνοντας νέες πλατφόρμες που ικανοποιούν τις ανάγκες διαφορετικών επιχειρηματικών τμημάτων. Με άλλα λόγια, κάθε νέα εφαρμογή θα ξεκινά πάντα από την πληροφορική.
ταξινόμηση γ ++ ()
Δίκτυο - Περιλαμβάνει την ανάπτυξη δικτύων που διευκολύνουν όλες τις μορφές επικοινωνίας μεταξύ φωνής, δεδομένων, βίντεο και κίνησης στο Διαδίκτυο και υπάρχουν διάφορα σημεία ελέγχου για την καταγραφή δεδομένων, είτε πρόκειται για αλληλεπίδραση πελατών, ανάλυση συναισθημάτων και ενημέρωση κίνησης, όλα συλλέγουν δεδομένα σε πραγματικό χρόνο! Ένα τμήμα πληροφορικής διασφαλίζει συχνά την ομαλή ολοκλήρωση των δικτύων για να λειτουργήσει μαζί με τον στόχο της επεξεργασίας μεγάλων δεδομένων.
Δεδομένα - Για να το θέσουμε απλά, μια ομάδα πληροφορικής φέρνει εργαλεία για τη συλλογή, αποθήκευση, διαχείριση, ασφάλεια και διανομή δεδομένων σε υπαλλήλους για διάφορες στρατηγικές αποφάσεις στον οργανισμό. Όλες οι μορφές δεδομένων όπως το αρχείο πωλήσεων, τα οικονομικά αρχεία, οι λεπτομέρειες αποθεμάτων αποθηκεύονται σε ένα μόνο κέντρο δεδομένων. Αυτό δημιουργεί ευθύνη στην ομάδα IT να εφαρμόζει πλατφόρμες για μεγάλα δεδομένα που επιτρέπουν στους καθορισμένους χρήστες να αποθηκεύουν και να ανακτούν πληροφορίες σε οποιαδήποτε τοποθεσία δεδομένων.
Σε οποιαδήποτε ομάδα πληροφορικής, χρειάζεται ένας ευέλικτος συνδυασμός μελών με διαφορετικά καθήκοντα για την υλοποίηση μεγάλων δεδομένων. Καταρχάς, υπάρχει ανάγκη για έναν ειδικό που εξασφαλίζει ομαλή μετάβαση από παραδοσιακά συστήματα σε μεγάλες πλατφόρμες δεδομένων. Για αυτό απαιτείται από έναν τεχνικό να επικεντρωθεί στη διατήρηση της πλατφόρμας σε ολόκληρο τον κύκλο ζωής της σε όλα τα τμήματα. Έπειτα έρχεται η ανάγκη για ένα μέλος που πρέπει να παρακολουθεί συνεχώς εάν κάθε τεχνολογική υλοποίηση ευθυγραμμίζεται με τον οργανωτικό στόχο.
2. Ανάπτυξη προϊόντων: Επανεξέταση της καινοτομίας σε όλα τα στάδια της Ε & Α
Ίσως ένα από τα πιο σημαντικά τμήματα όσον αφορά τη συμμετοχή του οργανισμού στο επόμενο επίπεδο καινοτομίας! Ένα από τα μεγαλύτερα πλεονεκτήματα των μεγάλων δεδομένων είναι η ενσωμάτωση δεδομένων σε διαφορετικά σημεία επαφής στην ανάπτυξη προϊόντων απευθείας από το σχεδιασμό προϊόντων, την κατασκευή, την ποιότητα, την εγγύηση, τη διάγνωση, τις εφαρμογές οχημάτων και λογισμικού. Τα δεδομένα που δημιουργούνται από αυτά τα σημεία επαφής καθορίζουν τον τρόπο με τον οποίο είναι το προϊόν και πόσο επιτυχής μπορεί να είναι. Αυτό βασικά οδηγεί τους προγραμματιστές προϊόντων, τους επαγγελματίες Ε & Α και τους σχεδιαστές στην προσέγγιση βάσει δεδομένων και ανάλυσης δεδομένων.
Μηχανική Big Data στην πραγματικότητα
Όσον αφορά την ανάπτυξη προϊόντων, ένα δημοφιλές παράδειγμα θα ήταν ο οδηγός λιγότερο αυτοκίνητο που αναπτύσσει και σχεδιάζει να λανσάρει η Audi έως το 2016. Ναι, υπάρχει η ομάδα ανάπτυξης προϊόντων που έχει το τεράστιο καθήκον να διασφαλίσει την ολοκλήρωση του οράματος του Διευθύνοντος Συμβούλου για την καινοτομία . Αλλά στην πορεία, υπάρχουν διάφορες προκλήσεις και ερωτήσεις από την ανάπτυξη έως τη δοκιμή που μόνο τα μεγάλα δεδομένα μπορούν να απαντήσουν. Ας δούμε γιατί.
Εξετάστε το ενδεχόμενο να παρακολουθείτε μια δοκιμαστική διαδρομή από το σημείο Α έως το σημείο Β. Ακολουθούν τα είδη δεδομένων που μπορούν να δημιουργηθούν:
ένα. Δεδομένα αισθητήρα - Οι αισθητήρες μέσα στο αυτοκίνητο θα μπορούσαν να αποθηκεύσουν λεπτομέρειες σχετικά με την απόσταση που είχε μετρήσει μεταξύ των αυτοκινήτων πίσω από αυτό και μπροστά του και τη συχνότητα των οχημάτων που αντιμετώπισε στο ταξίδι.
σι. Δεδομένα προγράμματος οδήγησης - Θα μπορούσαν να διεξαχθούν πολλαπλές δοκιμές με διαφορετικές ηλικιακές ομάδες και οι λεπτομέρειες του επιπέδου άνεσης, της απόδοσης και πόσες φορές ο οδηγός χρειάζεται για να παρακάμψει την αυτόματη οδήγηση θα συμπιεστούν σε μεγάλες σειρές σειρών και στηλών για ανάλυση.
ντο. Δημογραφικά δεδομένα - Μια δοκιμή μπορεί να πραγματοποιηθεί στην Ινδία και στις ΗΠΑ. Το A.I στην αυτόματη οδήγηση θα μπορούσε να αναλύσει τα εμπόδια που συναντά στην οδήγηση σε δύο διαφορετικές χώρες. Ποια χώρα είναι πιο βιώσιμη για αυτόματη οδήγηση και ποια χώρα δεν είναι;
ρε. Δεδομένα απόδοσης αγοράς - Αφού κυκλοφορήσει το προϊόν και είναι στο δρόμο, οι μηχανικοί θα μπορούσαν επίσης να παρακολουθήσουν την επιτυχία του αναλύοντας ζωντανά δεδομένα με τροφοδοσίες 24 × 7 από το πρόγραμμα του αυτοκινήτου δίνοντας πληροφορίες εάν η εισαγωγή της αυτόματης οδήγησης βοηθά στη διατήρηση ο δρόμος είναι ασφαλέστερος;
Υπάρχει N αριθμός πιθανών δεδομένων που μπορούν να προκύψουν από τη μηχανική προϊόντων. Αρχίζουμε να εξερευνούμε OEM από την αυτοκινητοβιομηχανία. Σκεφτείτε τις δυνατότητες των μεγάλων δεδομένων σε διάφορους τομείς, όπως ιατρική, υγειονομική περίθαλψη, ηλεκτρονικά και ούτω καθεξής. Ποιός ξέρει?
ΔΙΑΣΚΕΔΑΣΗ ΓΕΓΟΝΟΣ: Γνωρίζατε ότι η υιοθέτηση της Big Data και του Analytics από τη Ford την έσωσε από μια εμπειρία σχεδόν θανάτου τη δεκαετία του 2000 όταν ο ανταγωνισμός ήταν σκληρός από τους Ευρωπαίους και τους Ασιατικούς κατασκευαστές αυτοκινήτων!
3. Χρηματοοικονομικά: Εκπαίδευση υπαλλήλων σε μεγάλες πλατφόρμες δεδομένων για τη διαχείριση χρηματοοικονομικών μοντέλων
Ίσως έχουμε ακούσει συχνά τον όρο ότι τα χρήματα είναι το αίμα της επιχείρησης. Η φροντίδα αυτών των χρημάτων αποτελεί ευθύνη του χρηματοοικονομικού τμήματος. Ο επιχειρηματικός κόσμος ορίζει τις λειτουργίες του χρηματοοικονομικού τμήματος ως συνήθως εμπλέκονται στον «προγραμματισμό, οργάνωση, έλεγχο, λογιστική και έλεγχο των οικονομικών της εταιρείας, καθώς και στην παραγωγή των οικονομικών της εταιρείας.
Τούτου λεχθέντος ότι το τμήμα οικονομικών γενικά είναι συχνά το πνευματικό τέκνο όσον αφορά τη διαχείριση χρημάτων και ο ρόλος επεκτείνεται σε διάφορες δραστηριότητες όπως η δημιουργία καταστάσεων ταμειακών ροών, μοντελοποίηση κόστους, πραγματοποίηση βραβείων και συμμόρφωση για να αναφέρουμε μερικές. Πριν από μερικές δεκαετίες η εκτέλεση όλων αυτών των δραστηριοτήτων με περιορισμένα συστήματα και πλατφόρμες ήταν αρκετά εφικτή, αλλά στην εποχή των μεγάλων δεδομένων, οι δύο προκλήσεις που αντιμετωπίζει κάθε τμήμα χρηματοοικονομικών εκτελεί τακτικές χρηματοοικονομικές λειτουργίες στο μεταβαλλόμενο σενάριο και συλλέγει πληροφορίες για το μέλλον. Ας το δούμε από μια βαθύτερη προοπτική.
Με τις πληροφορίες που διαδίδονται σε διαφορετικούς διακομιστές, οι οργανισμοί αντιμετωπίζουν συχνά την πρόκληση της ενοποίησης αυτών των δεδομένων και εκτελούν ενέργειες σύμφωνα με τις επιχειρηματικές απαιτήσεις. Μια σημαντική λειτουργία είναι ο εσωτερικός έλεγχος που διατηρεί μια καρτέλα σχετικά με τη διακυβέρνηση του οργανισμού, τους ελέγχους διαχείρισης και διαχείρισης κινδύνων και τη διεξαγωγή προληπτικών ελέγχων απάτης για τον εντοπισμό δόλιων πράξεων. Με την άνοδο των αναλυτικών στοιχείων, υπάρχει ανάγκη να ενσωματωθεί και ο εσωτερικός έλεγχος. Αυτό προκάλεσε νέες μεθόδους, όπως η ανάλυση δεδομένων ελέγχου που βοηθούν στην εκτίμηση του κινδύνου, δημιουργούν οικονομικά μοντέλα και δίνουν μια συνολική εικόνα της χρηματοδότησης εντός ενός οργανισμού.
Μοντελοποίηση Κόστους & Πραγματοποίηση Τιμών
Η μοντελοποίηση κόστους είναι ένα σημαντικό συστατικό για την αποτελεσματική χρήση των πόρων. Οι εταιρείες πρέπει να προσδιορίσουν τις δραστηριότητες που αυξάνουν το κόστος, το συνολικό άμεσο υλικό και την εργασία που απαιτείται για την ολοκλήρωση των εργασιών και ούτω καθεξής. Η μοντελοποίηση κόστους βοηθά τις εταιρείες να προσδιορίσουν με ακρίβεια το συνολικό κόστος παραγωγής σε προϊόντα σε όλες τις δραστηριότητες εντός της εταιρείας. Στην εποχή των μεγάλων δεδομένων καθίσταται σημαντικό να παρακολουθείτε κάθε οικονομική δραστηριότητα που λαμβάνει χώρα σε διαφορετικά τμήματα ενός οργανισμού που ενοποιεί αυτές τις πληροφορίες για να δημιουργήσει ένα ιδανικό μοντέλο κόστους. Από την αγορά έως την πώληση, όλα τα δεδομένα αποθηκεύονται στο ιστορικό χρηματοοικονομικών και τα βασικά βασικά στοιχεία της ανάπτυξης ενός μοντέλου κόστους είναι η ανάκτηση των μεγάλων κομματιών δεδομένων και η δημιουργία ενός μοντέλου που μπορεί να εφαρμοστεί για το μέλλον.
Αν και μπορεί κανείς να συζητήσει ότι οι προσπάθειες για την πραγματοποίηση τιμών κατευθύνονται περισσότερο προς τις πωλήσεις για τη βελτίωση της κερδοφορίας, υπάρχει ένας μεγαλύτερος ρόλος που διαδραματίζει το τμήμα οικονομικών όταν επωφελείται από την πραγματοποίηση των τιμών. Για να το αναλύσετε σε απλούστερους όρους, σκεφτείτε ένα κατάστημα λιανικής που σχεδιάζει να προσφέρει εκπτώσεις για να ωθήσει τις πωλήσεις. Ο βασικός στόχος είναι να μειωθεί η διαρροή τιμών και να βελτιωθεί η τιμή τσέπης.
Διαρροή τιμών συμβαίνει όταν η τιμή ενός προϊόντος προεξοφλείται τόσο λιγότερο (σε μια προσπάθεια πραγματοποίησης πωλήσεων) που συμβιβάζονται στην κερδοφορία και η τιμή τσέπης είναι η τιμή πώλησης μετά τις εκπτώσεις. Για να εκπληρώσει μια κερδοφόρα προσπάθεια πραγματοποίησης τιμών, η ομάδα πωλήσεων συνεργάζεται με το χρηματοοικονομικό τμήμα για να κατανοήσει τη δομή του κόστους για κάθε μεμονωμένο προϊόν και πού μπορούν να δοθούν εκπτώσεις. Αυτό με τη σειρά του απαιτεί από το χρηματοοικονομικό τμήμα να αναπτύξει ένα πλαίσιο για μοντέλα ρευστοποίησης τιμών για το μέλλον και να καθορίσει τα όρια σε αυτές τις δραστηριότητες μάρκετινγκ. Η εργασία περιλαμβάνει την επεξεργασία δεδομένων από προμήθειες, κόστος αποθήκης, διάρκεια ζωής και στη συνέχεια την εκτίμηση του κόστους των πωληθέντων αγαθών (CGS).
F-12 & Predictive Analytics
Μία από τις σημαντικές δραστηριότητες του χρηματοοικονομικού τμήματος είναι η παρακολούθηση της οικονομικής υγείας του οργανισμού. Ακριβώς όπως ένας γιατρός χρησιμοποιεί διαφορετικές μετρήσεις όπως ο ρυθμός παλμού, η θερμότητα του σώματος ή η αντίδραση ερεθισμάτων για να κρίνει εάν ο ασθενής είναι ζωντανός ή νεκρός, με τον ίδιο τρόπο ο οικονομικός κόσμος παρακολουθεί τις 12 μετρήσεις για να γνωρίζει πού κατευθύνεται νομισματικά η εταιρεία και τι βρίσκεται πέρα από . Από την αύξηση πραγματικών εσόδων, την ανάπτυξη βιώσιμων εσόδων, την πολιτική τιμολόγησης και τον δείκτη τιμολόγησης, τον έλεγχο των λειτουργικών εξόδων, τη σύγκριση του EBITDA έναντι της ταμειακής ροής, της ροής μετρητών χωρίς χρέους, της υπεραξίας, της απόδοσης περιουσιακών στοιχείων, του κεφαλαίου κίνησης, της χρήσης χρηματοδότησης χρέους, του καθαρού κύκλου συναλλαγών και του κόστους του Κεφαλαίου αποτελούν σημαντικά στοιχεία της χρηματοοικονομικής πληροφόρησης για έναν οργανισμό, έτσι ώστε η ανώτερη διοίκηση να μπορεί να λάβει σωστή απόφαση.
Ως μέρος της πρόκλησης στον κόσμο των μεγάλων δεδομένων, η κατανόηση αυτών των αναλογιών απαιτεί την επεξεργασία μεγάλων τμημάτων πληροφοριών που διανέμονται σε ολόκληρο τον οργανισμό για να γίνει σε μια τυπική μορφή ανάλυσης. Τα προληπτικά αναλυτικά στοιχεία μπαίνουν στο παιχνίδι όταν αυτά τα δεδομένα υποβάλλονται σε επεξεργασία από το παρελθόν ιστορικό, σε σύγκριση με τα ίδια στοιχεία στο παρόν έτσι ώστε να γίνονται ακριβείς εκτιμήσεις για το μέλλον. Το καλύτερο μέρος είναι η πλατφόρμα προβλέψιμης ανάλυσης και οι μέθοδοι έχουν δημιουργηθεί για την επεξεργασία μεγάλων δεδομένων, απλοποιώντας έτσι την αποστολή του χρηματοοικονομικού τμήματος.
ΔΙΑΣΚΕΔΑΣΗ ΓΕΓΟΝΟΣ: Γνωρίζατε ότι η Oversea-Banking Corporation (OCBC) που εδρεύει στη Σιγκαπούρη μπόρεσε να χρησιμοποιήσει μεγάλα δεδομένα για πληροφορίες πελατών, η οποία ήταν άμεσα υπεύθυνη για την αύξηση 40% στην απόκτηση νέου πελάτη!
4. Ανθρώπινοι πόροι: Επαναπροσδιορισμός των δυνατοτήτων υπαλλήλων ανθρώπινου δυναμικού
Η φαντασία μεγάλων δεδομένων στο Ανθρώπινο Δυναμικό μπορεί συχνά να ωθήσει τους αναγνώστες να απορρίψουν ως ταπεινό, δεδομένου ότι ένας οργανισμός συνήθως δεν δίνει προτεραιότητα στην εφαρμογή της τεχνολογίας Big Data στο τμήμα Ανθρώπινου Δυναμικού, καθώς θα προτιμούσε να επικεντρωθεί στο μάρκετινγκ, τη λειτουργία ή τη χρηματοδότηση. Αλλά στην πραγματικότητα, το τμήμα Ανθρώπινου Δυναμικού διαδραματίζει καθοριστικό ρόλο για να διασφαλίσει ότι το σωστό ταλέντο θα εισέλθει στην οργάνωση μεταξύ άλλων δραστηριοτήτων.
Προσθέτοντας περισσότερα δόντια στο HR
Ίσως το πιο αγνοημένο από όλα τα τμήματα όσον αφορά την εφαρμογή Big data, αλλά στον σημερινό ταχύτατα μεταβαλλόμενο κόσμο, ο τρόπος με τον οποίο λειτουργεί ένα τμήμα Ανθρώπινου Δυναμικού καθορίζει την επιτυχία ενός οργανισμού.
Σύμφωνα με το Forbes, μια μέση μεγάλη εταιρεία έχει περισσότερες από 10 διαφορετικές εφαρμογές HR και το βασικό τους σύστημα HR είναι άνω των 6 ετών. Αυτή η τάση επισημαίνει το γεγονός ότι ένας οργανισμός χρειάζεται τους σωστούς πόρους για να συγκεντρώσει αυτά τα δεδομένα. Η εκπαίδευση στο Big Data & Analytics φέρνει δεξιότητες όπως ανάλυση δεδομένων, οπτικοποίηση και επίλυση προβλημάτων, από λειτουργικές αναφορές έως στρατηγικές αναλύσεις.
Ένα τμήμα Ανθρώπινου Δυναμικού αναμένεται να προσφέρει από την άποψη των βασικών λειτουργιών Ανθρώπινου Δυναμικού, αλλά η εκπαίδευση Big Data το μεταφέρει σε ένα εντελώς νέο επίπεδο. Καθώς το τμήμα Ανθρώπινου Δυναμικού γίνεται πιο αναλυτικό με εργαλεία, αλλάζει την προσέγγισή τους για να συμμετάσχουν σε πιο στρατηγική δραστηριότητα. Κρίσιμη ερώτηση, όπως πώς να έχουμε περισσότερους παράγοντες διατήρησης των εργαζομένων που επηρεάζουν την ποιότητα των πωλήσεων των υποψηφίων και να αξιολογήσει τα κενά των ταλέντων προσδιορίζεται και λαμβάνονται στρατηγικά βήματα μέσω της ανάλυσης σχετικών δεδομένων μέσω αυτού.
Η μετατόπιση θα μετακινηθεί από απλό αριθμό σε πιο προβλέψιμη ανάλυση.
Το Μαντείο στο Ανθρώπινο Δυναμικό
Υπήρχε μια αστεία ιστορία που θυμάμαι έναν φίλο που εργάστηκε ως HR. Είχε μια κουραστική δουλειά στο κυνήγι κεφαλής πριν στείλει τον υποψήφιο στον αρμόδιο αρχηγό του τμήματος που θα έλεγε μόνο τις μαγικές λέξεις: «Εντάξει, ας τον προσλάβουμε».
Για λίγο, τα πράγματα πήγαν καλά καθώς έφερε καλό ταλέντο στην εταιρεία. Με την πάροδο του χρόνου, εμπιστεύτηκε τις ικανότητες πρόσληψής της στο βαθμό που ωθεί την ανώτερη διοίκηση να προσθέσει περισσότερα άτομα στην ομάδα της, εφαρμόζοντας συστήματα ανθρώπινου δυναμικού και συμπεριλαμβάνοντας περισσότερες συμβουλευτικές υπηρεσίες τρίτων. Το δύσκολο μέρος ήταν ότι έκανε υψηλές υποσχέσεις στην ανώτερη διοίκηση με την εμπιστοσύνη της.
Η ιστορία έχει δείξει ότι αυτός που προετοιμάζεται για μελλοντική εκδήλωση είναι πιο επιτυχημένος από αυτόν που οδηγεί στο παρελθόν. Υπήρχε μια εποχή που αναμενόταν να προσλάβει μεγάλο αριθμό επαγγελματιών στον τομέα στον οποίο επεκτάθηκε η εταιρεία. Άρχισε να γεμίζει κενές θέσεις με συμβιβασμό στην πρόσληψη επαγγελματιών ποιότητας. Υιοθέτησε μια πιο στοχοθετημένη προσέγγιση. Το αποτέλεσμα? Οι περισσότεροι από τους επαγγελματίες που προσέλαβε κατέθεσαν χαρτιά επικαλούμενα διάφορους λόγους και ανακρίθηκε από τη διοίκηση. Συχνά την άκουγα να μουρμουρίζει:
«Ψάχνω στο κεφάλι μου 1000 Cv, σύντομη λίστα 100 Cv, καλέσω 50 υποψήφιους για συνέντευξη, φιλτράρω 10 από τις ψυχομετρικές εκτιμήσεις μου, μεταξύ των 10, παίρνω 5 που αξίζουν, στέλνω τα 5 στη διοίκηση, μηδενίζονται στο 1 και που ένας άντρας φεύγει μετά από 2 μήνες. '
Έχω γελάσει με τη δυστυχία της εκτός από το να προσφέρω τις συμπάθειές μου, αλλά με έκανε να αναρωτιέμαι αν οι ανθρώπινοι πόροι μπορούν να κρίνουν καλύτερα με την εμπειρία τους ή υπάρχει ανάγκη να έχουμε μια πιο βασισμένη σε δεδομένα προσέγγιση σε όλη αυτή τη διαδικασία πρόσληψης; Λοιπόν, χρησιμοποιούμε προγνωστική ανάλυση για να βρούμε ποια ομάδα θα κερδίσει το Παγκόσμιο Κύπελλο, αλλά γιατί να μην χρησιμοποιήσουμε τις ίδιες τεχνικές στη διαδικασία πρόσληψης, ειδικά όταν έχουμε να κάνουμε με σύνθετα στοιχεία όπως τα ανθρώπινα όντα;
Τώρα, η δουλειά της πρόσληψης δεν είναι απαραίτητα εύκολη δουλειά, περιλαμβάνει πολλές διαδικασίες και οι κανόνες πρόσληψης αλλάζουν συχνά ανάλογα με τη βιομηχανία που η Ανθρώπινη Αρχή είναι στο ρόλο που προσλαμβάνει για τους κανόνες του οργανισμού και ούτω καθεξής.
Εάν κάποιος παρατηρήσει επιτυχημένους οργανισμούς που χρησιμοποιούν προγνωστικά αναλυτικά στοιχεία και έχουν χαμηλότερα ποσοστά φθοράς, υπάρχει ένα μοτίβο πρώτης απόφασης σχετικά με τα επιθυμητά χαρακτηριστικά μέσα σε έναν υποψήφιο που διασφαλίζει την επιτυχία, ενοποιώντας το σε ένα «ιδανικό» προφίλ και συγκρίνοντάς το με κάθε υποψήφιο που είναι πιο κοντά σε αυτό και στη συνέχεια να τους εμπλέκουμε με προσαρμοσμένες αξιολογήσεις που αξιολογούν τα χαρακτηριστικά αυτών των υποψηφίων.
Ένα σημείο που πρέπει να σημειωθεί είναι ότι ολόκληρος ο κλάδος της ψυχομετρικής αξιολόγησης με κορυφαίους παίκτες όπως οι Pearsons, Thomas Assessment & SHL ξεπήδησε λόγω της απαίτησης από επαγγελματίες Ανθρώπινου Δυναμικού για ανάλυση του προφίλ των υποψηφίων για την ανάγκη τους να τελειοποιήσουν τη διαδικασία πρόσληψης!
Επιστρέφοντας στα προγνωστικά αναλυτικά στοιχεία, ως μέρος της εφαρμογής του, το προσωπικό Ανθρώπινου Δυναμικού πρέπει πρώτα να καθορίσει ποιος είναι «επιτυχημένος υποψήφιος» σύμφωνα με τον οργανισμό και στη συνέχεια πρέπει να καθορίσει τους παράγοντες που μπορούν να οδηγήσουν στην αποτελεσματικότητα της πρόσληψης και να αναπτύξουν και να παρατηρήσουν ως γιατί κάποιες προσλήψεις κάνουν καλύτερα από άλλες με μια υπόθεση, αν χρειαστεί. Με βάση αυτό, μπορεί να το συγκρίνει με τα δεδομένα των επιτυχημένων υπαλλήλων που έχουν μείνει πολύ καιρό με τον οργανισμό και τρίτον χρησιμοποιούν στατιστικές τεχνικές για να μετρήσουν γιατί μερικοί άνθρωποι παραμένουν περισσότερο.
Η προσέγγιση είναι καλή για αρχή, αλλά η εφαρμογή προγνωστικών αναλυτικών στοιχείων στο HR περιλαμβάνει πολλές τεχνικές που ένας HR είναι ελεύθερος να εξερευνήσει. Το καλύτερο μέρος αυτής της διαδικασίας είναι η μείωση του κόστους αντικατάστασης ενός υπαλλήλου με καινούργιο και ίσως η απόκτηση περισσότερης απόδοσης επένδυσης από την παλιά.
πώς να δημιουργήσετε δυναμικό πίνακα στο java
Στο τέλος της ημέρας, ο συνδυασμός της διαίσθησης, της εμπειρίας και μιας ορθής προσέγγισης βάσει δεδομένων συχνά βελτιώνει όχι μόνο την κρίση ενός ανθρώπου αλλά και τη δική μας.
ΔΙΑΣΚΕΔΑΣΗ ΓΕΓΟΝΟΣ: Γνωρίζατε ότι ο αμερικανικός γίγαντας Xerox μείωσε τον κύκλο εργασιών του τηλεφωνικού κέντρου κατά 20% εφαρμόζοντας αναλυτικά στοιχεία σε υποψήφιους υποψήφιους, με το συμπέρασμα ότι οι δημιουργικοί άνθρωποι ήταν πιο πιθανό να παραμείνουν στην εταιρεία για τους 6 μήνες που απαιτούνται για να ανακτήσουν το κόστος της εκπαίδευσής τους των 6.000 δολαρίων από το περίεργο Ανθρωποι?
5.Εφοδιαστική αλυσίδα & Logistics: Εκπαίδευση ομάδας παράδοσης με μεγάλες πλατφόρμες δεδομένων
Η εφοδιαστική αλυσίδα & η εφοδιαστική αποτελούν βασικά ένα σημαντικό συστατικό στις οργανωτικές στρατηγικές και στόχους. Ο στόχος για την εφοδιαστική αλυσίδα & την εφοδιαστική είναι η εξοικονόμηση κόστους και η βελτίωση της απόδοσης, της ταχύτητας και της ευελιξίας. Όσον αφορά την εφοδιαστική, συλλαμβάνουν και παρακολουθούν διάφορες μορφές δεδομένων για να βελτιώσουν ουσιαστικά την επιχειρησιακή αποδοτικότητα, βελτιώνοντας την εμπειρία των πελατών και νέα επιχειρηματικά μοντέλα. Αυτοί οι παράγοντες μπορούν συχνά να βοηθήσουν τους οργανισμούς να εξοικονομήσουν πόρους, να δημιουργήσουν ένα καλύτερο εμπορικό σήμα και να δημιουργήσουν μια συστηματική διαδικασία για την αλυσίδα εφοδιασμού και την εφοδιαστική.
Παρακολούθηση μεγάλων δεδομένων σε όλο τον κόσμο
Ας πάρουμε ένα παράδειγμα ενός γίγαντα ηλεκτρονικού εμπορίου που χρησιμοποιεί τα Big Data για παράδοση στους πελάτες του. Ένα προϊόν αποστέλλεται από μια τοποθεσία στη διεύθυνση του πελάτη. Συσκευές μέσα στο όχημα μεταφοράς όπως GPS tracker, μικρόφωνο, αισθητήρας έχουν δομημένα και μη δομημένα δεδομένα που αποστέλλονται πίσω στο κέντρο παρακολούθησης για ενημερώσεις σε πραγματικό χρόνο. Μαζί με αυτό βοηθά επίσης στην ανάλυση της αποτελεσματικότητας του χρόνου παράδοσης, της συντομότερης διαδρομής και των πόρων που χρησιμοποιούνται για την εκτέλεση μιας λειτουργίας παράδοσης στη λίστα εκατομμυρίων τέτοιων συναλλαγών. Αυτό το ορυχείο χρυσού δεδομένων σε διαφορετικές αγορές ενοποιείται από τους οργανισμούς και στη συνέχεια αναλύεται για να επιφέρει περαιτέρω βελτίωση στη διαδικασία ή να φέρει ένα ολόκληρο επίπεδο νέας καινοτομίας!
ΔΙΑΣΚΕΔΑΣΗ ΓΕΓΟΝΟΣ: Γνωρίζατε ότι τα μεγάλα δεδομένα με τη μορφή παρακολούθησης σελίδων πελατών από την Amazon τη βοήθησαν να τοποθετήσει τα προϊόντα της στην αποθήκη πλησιέστερα στον πελάτη προκειμένου να βελτιώσει την ταχύτητα και την αποτελεσματικότητα παράδοσης;
php mysql_fetch_array
6. Λειτουργίες, Υποστήριξη & Εξυπηρέτηση πελατών: Εκπαίδευση υπαλλήλων σε μεγάλα δεδομένα σε κάθε αλληλεπίδραση με τον πελάτη
Η επιτυχία οποιουδήποτε προϊόντος ή υπηρεσίας βασίζεται στην υποστήριξη μετά την πώληση που λαμβάνει ένας πελάτης και συχνά ο πωλητής ορκίζεται να βρίσκεται εκεί για πάντα. Αυτό οφείλεται στο γεγονός ότι όταν ένας πελάτης παίρνει ένα προϊόν ή μια υπηρεσία, κάνει ένα «άλμα πίστης» με την ελπίδα ότι ο πωλητής δεν θα τον αφήσει κάτω στη διάρκεια ζωής του προϊόντος / της υπηρεσίας. Η παροχή από αυτήν την οπτική είναι ζωτικής σημασίας για την οργανωτική επιτυχία.
Ας δούμε την υποστήριξη σε κοκκώδες επίπεδο. Πρόσφατα είχα την ευκαιρία να παρακολουθήσω το «Διαστημικό» του Christopher Nolan που εξερεύνησε τα διαστημικά ταξίδια στο τέλος του διαστήματος. Αυτό με έκανε να σκεφτώ μελλοντικές αεροπορικές εταιρείες που θα προσφέρουν υπηρεσίες πτήσεων μέσω σκουληκιών που εκτείνονται σε εκατομμύρια έτη φωτός μακριά! Ποιες θα ήταν λοιπόν οι προκλήσεις; Τι είδους μεγάλα δεδομένα πρόκειται να δημιουργηθούν σε αυτό το σχεδόν ατελείωτο ταξίδι; Πώς θα διασφαλίσει η ομάδα του πλοίου ότι ο επιβάτης απολαμβάνει τη διαδρομή καθ 'όλη τη διάρκεια; Κατ 'αρχάς, ο πάροχος υπηρεσιών πρέπει να επικεντρωθεί σε πρωταρχικούς στόχους όπως η διασφάλιση της ασφάλειας του αέρα, η παρακολούθηση της πορείας της πτήσης του, η παροχή απαιτήσεων πελατών και ούτω καθεξής.
Big On-the-go Big Data 24 × 7
Η ιδέα για τα διαστρικά ταξίδια μπορεί να είναι ένα μακρινό όνειρο για τα επόμενα 100 χρόνια (να είμαστε αισιόδοξοι!), Αλλά δεν μας εμποδίζει να δούμε τα δεδομένα που δημιουργούνται από μια παρόμοια υπηρεσία που λειτουργεί αυτήν τη στιγμή, η οποία θα ρίξει περισσότερο φως στον τρόπο με τον οποίο ο πελάτης η εξυπηρέτηση και η υποστήριξη πραγματοποιούνται στο σενάριο «μετά την πώληση» και πώς οι οργανισμοί μπορούν να εμπλακούν στη βελτίωση των προσπαθειών τους σε πραγματικό χρόνο.
Αρχικά, η Southwest Airlines είναι μία από τις πιο γνωστές αεροπορικές εταιρείες που εκμεταλλεύτηκαν τα Big data προκειμένου να βελτιώσει την εμπειρία των πελατών της. Στην προσπάθειά της να βελτιώσει την ασφάλεια των αερομεταφορών, η Southwest Airlines συνεργάστηκε με τη NASA για να συμμετάσχει σε πείραμα big-data για τη βελτίωση της συνολικής εμπειρίας πτήσης. Αυτό περιλαμβάνει ping ping δορυφόρους της NASA με πληροφορίες σχετικά με τη διαδρομή πτήσης, αναφορές από πιλότους και άλλες πληροφορίες εναέριας κυκλοφορίας. Στο αποκορύφωμα μιας τέτοιας καινοτόμου τεχνικής, βρίσκεται η βασική ιδέα μεγάλων δεδομένων που ονομάζεται «εξόρυξη δεδομένων κειμένου», η οποία μετατρέπει τις μη δομημένες πληροφορίες κειμένου σε ουσιαστικό κείμενο για πληροφορίες. Πιστεύετε λοιπόν ότι η εξόρυξη δεδομένων κειμένου τελειώνει εκεί;
Φυσικά δεν συμβαίνει, ακόμη και μια απλή ιδέα σε μεγάλα δεδομένα όπως η εξόρυξη δεδομένων κειμένου επεκτείνεται πολύ πέρα από αυτό. Όλοι γνωρίζουμε ότι η ανατροφοδότηση των πελατών είναι ένα σημαντικό στοιχείο για την κατανόηση του πού ένας οργανισμός πηγαίνει στραβά σε κάθε σημείο της αλληλεπίδρασης των πελατών. Η εξόρυξη δεδομένων κειμένου βοηθά επίσης την εξυπηρέτηση πελατών αναλύοντας τις απαντήσεις σε ανοιχτές έρευνες. Αντί να περιορίζουν τους πελάτες σε κοινές επιλογές όπως η επιλογή Α, η επιλογή Β, η επιλογή Γ, οι ανοιχτές ερωτήσεις παρέχουν περισσότερες πληροφορίες, αλλά η ταξινόμησή τους και η καταγραφή των απαντήσεων μπορεί να είναι βασικό ζήτημα. Εκεί μπαίνει το παιχνίδι εξόρυξης δεδομένων κειμένου όπου ομαδοποιεί συγκεκριμένες λέξεις και τις ενοποιεί για πληροφορίες!
Κοιτώντας πέρα από αυτό, όλοι πρέπει να παραδεχτούμε ότι κανένας οργανισμός δεν είναι τέλειος και ότι ο καθένας από αυτούς έχει ένα μικρό σύνολο πελατών που μπορεί να μην είναι ικανοποιημένοι με την υπηρεσία. Το αποτέλεσμα? Μια βάση δεδομένων πλημμυρισμένη από email, μηνύματα, tweets από πελάτες που καταγράφουν παράπονα ή συμβουλές «τομείς βελτίωσης» για να το θέσει μάλλον απαλά. Η εξόρυξη δεδομένων κειμένου προχωρά ένα βήμα μπροστά από τα παραδοσιακά φίλτρα αλληλογραφίας και μπορεί να ταξινομήσει τα μηνύματα σύμφωνα με την προτεραιότητα και να το ανακατευθύνει στο εν λόγω τμήμα.
ΔΙΑΣΚΕΔΑΣΗ ΓΕΓΟΝΟΣ: Γνωρίζατε ότι η Southwest Airlines, στο πλαίσιο της προσπάθειάς της να βελτιώσει τις υπηρεσίες πελατών, έχει αναπτύξει ανάλυση δεδομένων με τη δυνατότητα που ονομάζεται «ανάλυση ομιλίας» που καταγράφει την αλληλεπίδραση μεταξύ πελατών και προσωπικού για πληροφορίες!
7. Μάρκετινγκ: Εκπαίδευση υπαλλήλων σε μια συστηματική προσέγγιση μάρκετινγκ με μεγάλα δεδομένα
Το μάρκετινγκ ως δραστηριότητα αφορά τους αριθμούς σήμερα. Με την άνοδο του ψηφιακού μάρκετινγκ, μπορούμε τώρα να μετρήσουμε με ακρίβεια την απόκριση των διαφημίσεων, την αναλογία κλικ προς αριθμό εμφανίσεων, τις εμφανίσεις, την απόδοση επένδυσης και ούτω καθεξής. Για επαγγελματίες μη μάρκετινγκ, τέτοιες μετρήσεις μπορεί να είναι ελληνικές, αλλά για όσους εμπορεύονται αυτά τα δεδομένα είναι ορυχείο χρυσού. Στη συνέχεια, μαζί με μετρήσεις, δημιουργούνται μεγάλα κομμάτια δεδομένων σε κάθε σημείο αλληλεπίδρασης πελατών, κοινωνικών μέσων και πωλήσεων. Εναπόκειται στον επαγγελματία μάρκετινγκ να παρακολουθεί τέτοια δεδομένα και να τα χρησιμοποιεί για να προωθεί τα προϊόντα ενός πιο αποτελεσματικά. Η εκπαίδευση στο Big Data παίζει ουσιαστικό ρόλο εδώ, καθώς πλατφόρμες όπως το Hadoop & R βοηθούν στην εξυπηρέτηση του σκοπού.
Δεύτερον, οι επαγγελματίες μάρκετινγκ από καιρό σε καιρό συχνά επιδοθούν σε αναδρομή για την επωνυμία τους. Ερωτήσεις όπως:
Πώς είναι η επωνυμία μου καλύτερη από άλλες;
Τι προσφέρουν άλλες μάρκες;
Τι χαρακτηριστικά διαθέτει ο ανταγωνιστής μου στο ίδιο προϊόν;
Η μελέτη πηγαίνει πολύ βαθύτερα από αυτό. Από την ανάλυση του ανταγωνιστικού προϊόντος με βάση τα 4P (Προϊόν, Τιμή, Τόπος, Θέση) έως την κατανόηση του περιεχομένου του προϊόντος που παρουσιάζεται στην ιστοσελίδα του ανταγωνιστή, η ποσότητα των δεδομένων που παράγονται είναι τεράστια και περίπλοκη. Όπως ειπώθηκε προηγουμένως, η αξιοποίηση της εξόρυξης κειμένου μπορεί να βοηθήσει τον έμπορο να πραγματοποιήσει ανάλυση ανταγωνιστή ανιχνεύοντας απλώς τον ιστότοπο του ανταγωνιστή. Αυτή η απλή λειτουργία στον τομέα των μεγάλων δεδομένων μπορεί να δώσει μια ενοποιημένη ιδέα για το τι κάνει ο ανταγωνιστής και ποια προϊόντα διαθέτει για την αγορά, δίνοντας έτσι στον έμπορο που αγκαλιάζει τα μεγάλα δεδομένα ένα πλεονέκτημα!
Οπλισμός του δημιουργικού
Για παράδειγμα, ένας στρατηγικός κοινωνικών μέσων μαζικής ενημέρωσης θέλει να μάθει για την αντίληψη της επωνυμίας του για την οργάνωσή του σε πλατφόρμες κοινωνικών μέσων, τότε πιθανότατα η συμμετοχή σε ανάλυση συναισθημάτων στο R & Hadoop θα βοηθήσει στην επίτευξη αυτού του στόχου. Με τον ίδιο τρόπο, η χρήση εργαλείων Big Data βοηθά στο μάρκετινγκ σε διάφορες δραστηριότητες όπως η τιμολόγηση, η τοποθέτηση προϊόντων και ούτω καθεξής.
Ένα άλλο παράδειγμα θα μπορούσε να είναι ένας διευθυντής μάρκετινγκ σε ένα κατάστημα λιανικής που θέλει να μεγιστοποιήσει τις πωλήσεις. Όλοι θα γνώριζαν το παράδειγμα της Walmart που μπόρεσε να τοποθετήσει την μπύρα και το γάλα δίπλα-δίπλα στο διάδρομο με βάση το παρελθόν ιστορικό αγορών πελατών, ανακτώντας μεγάλα κομμάτια δεδομένων που εκτείνονται σε εκατομμύρια πελάτες σε ένα χρονικό διάστημα!
ΔΙΑΣΚΕΔΑΣΗ ΓΕΓΟΝΟΣ: Γνωρίζατε ότι η General Motors με τον ετήσιο προϋπολογισμό μάρκετινγκ ύψους 2 δισεκατομμυρίων $ ετησίως χρησιμοποίησε το Big Data Analytics για να δημιουργήσει λεπτομερή προφίλ πελατών και να συνδυάσει αναλυτικά χωρικά δεδομένα με λεπτομερή δημογραφικά στοιχεία / πληροφορίες πελατών για πιο εξατομικευμένο μάρκετινγκ!
Γιατί οι εταιρείες μεταβαίνουν σε πλατφόρμες Big Data
Συνήθως, οι οργανισμοί που χρησιμοποιούν παλαιά συστήματα παλαιού τύπου έχουν δεδομένα εξαπλωμένα σε πολλά συστήματα. Λόγω της εξάπλωσης δεδομένων σε διαφορετικές τοποθεσίες, η ταχύτητα επεξεργασίας μειώνεται μαζί με την ακρίβεια της ανάλυσης δεδομένων. Αυτό απαιτεί ενοποίηση δεδομένων εντός ενός εταιρικού κόμβου δεδομένων που δημιουργεί ταχύτερη πρόσβαση σε δεδομένα με αποτέλεσμα βαθύτερα αναλυτικά στοιχεία. Ένας από τους σημαντικούς στόχους του τμήματος Πληροφορικής σε οποιονδήποτε οργανισμό είναι να παρέχει γρήγορα ακριβή δεδομένα για όλα τα τμήματα του οργανισμού, κατόπιν αιτήματος.
Με τη συλλογή δεδομένων, είναι σημαντικό να ενοποιήσετε μη δομημένες, δομημένες και ημι-δομημένες πηγές δεδομένων σε μια πλατφόρμα για να εκτελέσετε σε βάθος ανάλυση και ουσιαστικά να βοηθήσετε στη λήψη επιχειρηματικών αποφάσεων. Αυτή η δυνατότητα του Hadoop φέρνει περισσότερους ανθρώπους στο τραπέζι του οργανισμού, καθώς υπάρχουν υπάλληλοι που αλληλεπιδρούν με δεδομένα σε διαφορετικά σημεία επαφής σε καθημερινές λειτουργίες. Επίσης, οι παραδοσιακές διεργασίες ETL και παρτίδας μπορεί να διαρκέσουν πολύ, ενώ το Hadoop με την επεξεργασία παρτίδας μεγάλου όγκου το επιταχύνει έως και 10 φορές.
Η σημασία του Hadoop δεν σημαίνει απαραίτητα ότι κάθε υπάλληλος σε έναν οργανισμό πρέπει να εκπαιδευτεί στην πλατφόρμα Big Data, κάτι που ενδέχεται να μην είναι εφικτό στις περισσότερες περιπτώσεις. Αλλά θα ήταν στρατηγικό πλεονέκτημα για έναν ΚΟΤ να εντοπίζει και να εκπαιδεύει αυτούς τους επαγγελματίες που βρίσκονται σε συνεχή αλληλεπίδραση με δεδομένα.
Έχοντας καλύψει την αποθήκευση, την επεξεργασία, την ανάκτηση δεδομένων μέσω της δημοφιλούς πλατφόρμας Hadoop, ένα άλλο σημαντικό φαινόμενο που αποτελεί μέρος της φυσικής εξέλιξης είναι τα Big Data analytics. Για να το καταστήσουμε απλούστερο, οι οργανισμοί χρειάζονται πολλαπλή οπτική γωνία από διάφορους επαγγελματίες εντός ενός οργανισμού.
Ο αριθμός «6» μπορεί να θεωρηθεί ως ο αριθμός «9» από την άλλη πλευρά του πίνακα. Με άλλα λόγια, το συμπέρασμα από την παρατήρηση δεδομένων διαφέρει από άτομο σε άτομο.
Οι οργανισμοί το γνωρίζουν αυτό και συχνά ασχολούνται με την κατάρτιση υπαλλήλων σε παρόμοια πλατφόρμα, έτσι ώστε άτομα από διαφορετικά τμήματα που διασυνδέονται από την ίδια δραστηριότητα να συζητούν, να εμπλέκονται και να μοιράζονται πληροφορίες για τη σωστή λήψη αποφάσεων. Πιστεύω λοιπόν ότι θα ήταν ασφαλές να ορίσετε την εκπαίδευση Big Data ως ευκαιρία για κάθε υπάλληλο να βρίσκεται στην ίδια σελίδα και να μεταφέρει οργανισμούς στο επόμενο επίπεδο!
Έχετε μια ερώτηση για εμάς; Αναφέρετέ τα στην ενότητα σχολίων και θα επικοινωνήσουμε μαζί σας.
Σχετικές αναρτήσεις: