Sedem spôsobov, ako školenie veľkých dát môže zmeniť vašu organizáciu



Školenie Big Data preniklo do 7 domén. Zistite, ako to funguje, prostredníctvom blogového príspevku!

Nedávne správy o Spojených arabských emirátoch, podľa ktorých je vojenská služba povinná pre všetkých emirátskych mužov vo vekových skupinách od 18 do 30 rokov, ma podnietili k úvahám, prečo krajiny bez ohľadu na ich ekonomický status zabezpečujú, aby boli občania pripravení brániť túto krajinu.





Niekto by mohol namietať, že obmedzený počet občanov v krajine často núti vládu, aby ustanovila povinnú vojenskú službu. Ale čo Čína? Je to najväčšia krajina podľa počtu obyvateľov, ale tiež zaručuje, že občania idúci na ďalšie vzdelávanie budú slúžiť v povinnom vojenskom čase. Stručne povedané, národy sa v podstate pripravujú na obranu v prípade konfliktu a každý musí byť na to pripravený. Či už je to elektrikár, obchodník, stolár, všetci sa spájajú pre spoločnú vec.

Akokoľvek to môže znieť čudne, je možné vytvoriť nezvyčajnú paralelu medzi takými národmi a dnešnými organizáciami, ktoré chcú zostať konkurencieschopné. Súčasná hrozba, alebo skôr výzva v podobe veľkých dát, podnietila veľké i malé organizácie, aby spojili svoje sily v rôznych odboroch, aby sa tomu bežne venovali. Aby sme to dotiahli ďalej, zvyčajne majú krajiny presadzujúce povinnú vojenskú službu vždy kritériá spôsobilosti, rovnako je pre organizácie logické poskytovať školenie o veľkých dátach iba tým zamestnancom, ktorí majú určitú formu interakcie s veľkým počtom údajov a sú povinní zamestnávať Hadoop v každom kontaktnom bode.



Rovnako ako armádny generál v spolupráci s vládou rozhoduje o druhoch zbraní a výcviku, ktoré sa majú prideliť jeho inak začínajúcim občanom, z ktorých sa stal nový nábor, rovnako sa očakáva, že CTO bude na čele IT infraštruktúry a dedičstva. systémy poháňajúce nové technologické inovácie, ktoré umožňujú jeho / jej zamestnancom lepší výkon. So spoločným cieľom v boji proti veľkým dátam sa pokúsme podrobne pochopiť, kde sa veľké dáta používajú a prečo je dôležité trénovať v nich súdruhov.

1. Informačná technológia: Zvyšovanie produktivity pomocou Big Data Training

Možno v čele implementácie veľkých dát je IT tím epicentrom pre uskutočňovanie zmien vpred. Pracovník v oblasti rozhodovania o školení v oblasti IT, ktorý chce zamestnancom priniesť školenie o veľkých dátach, musí začať s oddelením IT. Prečo? Pretože pokiaľ ide o interakciu s technológiou v každej fáze činnosti, mágovia v suteréne (obľúbený slang pre IT) sú si najbližší. Nakoľko je to relevantné?

Pozrime sa na správu, ktorú predložila populárna stránka CIO a ktorá uvádza:



„Podľa nedávneho prieskumu CompTIA medzi 500 americkými obchodnými a IT manažérmi má 50 percent firiem, ktoré sú v predstihu v oblasti využívania údajov, a 71 percent spoločností, ktoré sú priemerné alebo zaostávajú v oblasti využívania údajov, pocit, že ich zamestnanci sú mierne alebo významne nedostatočný v schopnostiach správy a analýzy údajov “

Vzhľadom na to, že správa a ukladanie údajov je súčasťou základnej funkcie IT, je potrebné pristupovať paralelne k implementácii platformy veľkých dát a posilňovať ich zručnosti v oblasti IT. Túto skutočnosť podporuje správa spoločnosti McKinsey, ktorá uvádza, že do roku 2018 bude nedostatok viac ako 140 000 - 190 000 odborníkov s hlbokými technickými a analytickými znalosťami! Pretože čoraz viac technických odborníkov vyžaduje školenie v oblasti veľkých dát, organizácie sa usilujú viac trénovať technických odborníkov pre rýchlu návratnosť investícií a špecialistov na platformy, na ich čele sú administrátori a technici pracujúci v oddelení IT.

Spojenie trojice základných funkcií IT s veľkými dátami

Pojem Trojica mi často pripomína dva náboženské koncepty: Jeden je hinduistická mytológia tvorcu, ochrancu a ničiteľa a druhý je kresťanský koncept otca, syna a svätého ducha. Obaja sa usilujú o zlepšenie ľudstva. Rovnakým spôsobom sa tieto tri funkcie IT tímu usilujú o zlepšenie celej organizácie s oddeleniami s rôznymi potrebami, pokiaľ ide o informačné technológie. Okrem bezpečnostných a podporných funkcií sa na tieto funkcie môže vzťahovať IT oddelenie, pokiaľ ide o implementáciu veľkých dát.

Plánovanie - Činnosť plánovania v rámci IT tímu sa zameriava na zabezpečenie súladu IT stratégie organizácie s obchodnými cieľmi. Patrí sem práca na prispôsobení softvéru, uvedenie nových platforiem, ktoré vyhovujú potrebám rôznych obchodných oddelení. Inými slovami, každá nová implementácia bude vždy začínať od IT.

Sieť - Zahŕňa vývoj sietí, ktoré uľahčujú všetky formy komunikácie medzi hlasovým, dátovým, video a internetovým prenosom, a existujú rôzne kontrolné body na zaznamenávanie údajov, či už ide o interakciu so zákazníkom, analýzu sentimentu a aktualizáciu prenosu, všetky zhromažďujú údaje v reálnom čase! IT oddelenie často zaisťuje hladkú integráciu sietí, aby fungovali spolu s cieľom spracovania veľkých dát.

Dáta - zjednodušene povedané, IT tím prináša nástroje na zhromažďovanie, ukladanie, správu, zabezpečenie a distribúciu údajov zamestnancom na účely rôznych strategických rozhodnutí v organizácii. Všetky formy údajov, ako napríklad záznam o predaji, finančné záznamy, údaje o sklade, sú uložené v jednom dátovom centre. To v rámci IT tímu vytvára zodpovednosť za implementáciu platforiem pre veľké dáta, ktoré umožňujú určeným používateľom ukladať a načítať informácie na akomkoľvek dátovom mieste.

V každom IT tíme je potrebné nasadiť všestrannú kombináciu členov s rôznymi úlohami smerom k implementácii veľkých dát. Na úvod je potrebný špecialista, ktorý zabezpečí plynulý prechod z tradičných systémov na platformy veľkých dát. Preto je potrebné, aby sa technik zameral na udržanie platformy v celom jej životnom cykle vo všetkých oddeleniach. Potom nastane potreba člena, ktorý musí neustále monitorovať, či je každá technologická implementácia v súlade s organizačným cieľom.

2. Vývoj produktu: Prehodnotenie inovácie vo všetkých fázach výskumu a vývoja

Big Data Training, vývoj produktov, inžinierstvo

Možno jedno z najdôležitejších oddelení, pokiaľ ide o posunutie organizácie na vyššiu úroveň inovácií! Jednou z najväčších výhod veľkých dát je integrácia dát medzi rôznymi kontaktnými bodmi pri vývoji produktu, a to priamo od návrhu produktu, výroby, kvality, záruky, diagnostiky, vozidla a softvérových aplikácií. Údaje generované z týchto kontaktných bodov definujú spôsob, akým je produkt a ako úspešný môže byť. To v podstate vedie vývojárov produktov, odborníkov na výskum a vývoj a návrhárov k prístupu založenému na údajoch a analýze údajov.

Inžiniering veľkých dát do reality

Pokiaľ ide o vývoj produktu, jedným populárnym príkladom by mohlo byť menej vodičské auto, ktoré Audi vyvíja a plánuje uviesť na trh do roku 2016. Áno, existuje tím pre vývoj produktov, ktorý má obrovskú úlohu zabezpečiť, aby bola vízia inovácie CEO splnená. . Na ceste však budú od vývoja až po testovanie rôzne výzvy a otázky, na ktoré môžu odpovedať iba veľké dáta. Pozrime sa prečo.

Zvážte, či je testovaná jazda monitorovaná z bodu A do bodu B. Tu sú druhy údajov, ktoré je možné generovať:

a. Údaje senzora - Senzory vo vozidle mohli ukladať podrobnosti o vzdialenosti, ktorú meral medzi autami za ním a pred ním, a o frekvencii vozidiel, s ktorými sa stretol počas jazdy.

b. Údaje o vodičovi - Mohlo by sa vykonať niekoľko testov s rôznymi vekovými skupinami a podrobnosti o úrovni komfortu, výkonnosti a tom, koľkokrát vodič potreboval prekonať automatickú jazdu, sa na analýzu skomprimujú do veľkých skupín riadkov a stĺpcov.

c. Demografické údaje - Test je možné vykonať v Indii a USA. Systém AI v automatickej jazde by mohol analyzovať prekážky, s ktorými sa stretáva pri jazde v dvoch rôznych krajinách. Ktorá krajina je životaschopnejšia pre automatickú jazdu a ktorá nie?

d. Údaje o výkonnosti na trhu - Po uvedení produktu na trh môžu inžinieri tiež sledovať jeho úspešnosť analýzou živých údajov s informáciami poskytovanými krmivom 24 × 7 v rámci programu automobilu, ktorý poskytuje informácie o tom, či zavedenie automatickej jazdy pomáha udržiavať cesta je bezpečnejšia?

Existuje N počet možných údajov, ktoré je možné vylúčiť z produktového inžinierstva. Začíname skúmať OEM z automobilového priemyslu. Zamyslite sa nad možnosťami veľkých dát v rôznych odvetviach, napríklad v medicíne, zdravotníctve, elektronike atď. Kto vie?

ZÁBAVNÝ FAKT: Vedeli ste, že prijatie Big Data a Analytics spoločnosťou Ford ju zachránilo pred zážitkom na prahu smrti v roku 2000, keď bola tvrdá konkurencia európskych a ázijských výrobcov automobilov!

3. Financie: Školenie zamestnancov na platformách veľkých dát, aby zvládli finančné modelovanie

Možno sme často počuli výraz, že peniaze sú krvou podnikania. Starostlivosť o tieto peniaze je zodpovednosťou finančného oddelenia. Podnikateľský svet definuje funkcie finančného oddelenia ako obvykle zapojené do „plánovania, organizovania, auditu, účtovníctva a kontroly financií svojej spoločnosti spolu s produkciou finančných prostriedkov spoločnosti.

Zmienené o tom, že finančné oddelenie je vo všeobecnosti často duchovným dieťaťom, pokiaľ ide o narábanie s peniazmi, a táto rola sa rozširuje o rôzne činnosti, ako je generovanie výkazov peňažných tokov, modelovanie nákladov, realizácia cien a dodržiavanie predpisov. Pred niekoľkými desaťročiami bolo vykonávanie všetkých týchto činností s obmedzenými systémami a platformami celkom uskutočniteľné, ale v dobe veľkých dát sú tieto dve výzvy, ktorým čelí každé finančné oddelenie, pravidelné finančné funkcie v meniacom sa scenári a zhromažďovanie poznatkov o budúcnosti. Pozrime sa na to z hlbšej perspektívy.

Vďaka informáciám rozloženým na rôzne servery sa organizácie často stretávajú s problémom konsolidácie týchto údajov a vykonávania akcií podľa obchodných požiadaviek. Dôležitou funkciou v rámci je interný audit, ktorý sleduje kartu správy a riadenia organizácie, riadenia rizík a riadenia a vykonávanie proaktívnych auditov podvodov s cieľom identifikovať podvodné činy. S nárastom analytiky je potrebné integrovať aj interný audit. To vyvolalo nové metódy, ako je analýza údajov z auditu, ktoré pomáhajú posúdiť riziko, vytvoriť finančné modely a poskytnúť celkový obraz o financiách v organizácii.

ako urobiť varovanie v javascript

Modelovanie nákladov a realizácia ceny

Nákladové modelovanie je dôležitým komponentom pre efektívne využitie zdrojov. Spoločnosti musia identifikovať činnosti, ktoré zvyšujú náklady, celkový priamy materiál a prácu potrebnú na dokončenie úlohy atď. Nákladové modelovanie pomáha spoločnostiam presne identifikovať celkové výrobné náklady výrobkov pri všetkých činnostiach v rámci spoločnosti. V dobe veľkých dát je dôležité sledovať všetky finančné aktivity prebiehajúce na rôznych oddeleniach v rámci organizácie, ktorá konsoliduje tieto informácie a vytvára tak ideálny nákladový model. Od nákupu po predaj sa všetky údaje ukladajú do histórie financií. Základným základom vývoja nákladového modelu je získanie veľkého množstva údajov a vytvorenie modelu, ktorý sa môže uplatniť v budúcnosti.

Aj keď možno diskutovať o tom, že úsilie zamerané na realizáciu cien smeruje viac k predaju s cieľom zvýšiť ziskovosť, v prospech úžitku z realizácie ceny zohráva väčšiu úlohu finančné oddelenie. Ak to chcete členiť na jednoduchšie podmienky, zvážte maloobchodnú predajňu, ktorá plánuje poskytovať zľavy na podporu predaja. Základným cieľom je znížiť únik cien a zlepšiť vreckové ceny.

K úniku cien dochádza, keď je cena produktu znížená tak menej (pri snahe dosiahnuť predaj), že kompromituje ziskovosť a vrecková cena predstavuje predajnú cenu po zľavách. Na splnenie úsilia o dosiahnutie ziskovej ceny predajný tím spolupracuje s finančným oddelením, aby porozumel štruktúre nákladov na jednotlivé produkty a kde je možné poskytnúť zľavy. To si zase vyžaduje, aby finančné oddelenie vytvorilo rámec pre modely realizácie cien do budúcnosti a definovalo limity v rámci týchto marketingových aktivít. Súčasťou úlohy je spracovanie údajov z obstarania, nákladov na sklad, doby použiteľnosti a následný odhad nákladov na predaný tovar (CGS).

F-12 a prediktívna analýza

premenlivé a nemenné v jave

Jednou z dôležitých činností v rámci finančného oddelenia je sledovanie finančného zdravia organizácie. Rovnako ako lekár používa rôzne metriky, ako je pulzová frekvencia, telesné teplo alebo reakcia na podnety, aby posúdil, či je pacient nažive alebo mŕtvy, rovnako finančný svet monitoruje 12 metrík, aby vedel, kam spoločnosť smeruje monetárne a čo leží ďalej . Od rastu reálnych výnosov, udržateľného rastu výnosov, cenovej politiky a cenového indexu, kontroly prevádzkových nákladov, porovnania EBITDA a hotovostných tokov, bezdlžných hotovostných tokov, prebytočných hotovostí, návratnosti aktív, pracovného kapitálu, použitia financovania dlhov, čistého obchodného cyklu a nákladov. kapitálu tvoria dôležité zložky finančného výkazníctva pre organizáciu, aby vrcholový manažment mohol prijať spoľahlivé rozhodnutie.

Ako súčasť výzvy vo svete veľkých dát vyžaduje pochopenie týchto pomerov spracovanie veľkého množstva informácií rozložených po celej organizácii, aby boli v štandardnom formáte na analýzu. Prediktívna analýza prichádza do úvahy, keď sa tieto údaje spracúvajú z minulej histórie v porovnaní s rovnakými prvkami v súčasnosti, takže sa dajú robiť presné odhady pre budúcnosť. Najlepšie na tom je platforma prediktívnej analýzy a sú vyvinuté metódy na spracovanie veľkých dát, čím sa zjednodušuje úloha finančného oddelenia.

ZÁBAVNÝ FAKT: Vedeli ste, že Oversea-Banking Corporation (OCBC) so sídlom v Singapure dokázala využiť veľké dáta na nahliadnutie do zákazníkov, čo bolo priamo zodpovedné za 40% nárast pri získavaní nových zákazníkov!

4. Ľudské zdroje: Predefinovanie schopností zamestnancov HR

Predstava veľkých dát v oblasti ľudských zdrojov môže často vyzývať čitateľov, aby ich odmietli ako humbug, pretože organizácia zvyčajne nedáva príliš vysoké priority pri implementácii veľkých dát v HR oddelení, pretože by sa radšej zamerala na marketing, prevádzku alebo financie. Ale v skutočnosti zohráva oddelenie ľudských zdrojov rozhodujúcu úlohu pri zabezpečovaní toho, aby do organizácie vstupoval medzi ostatnými činnosťami správny talent.

Pridanie ďalších zubov k HR

Možno najviac ignorovaný zo všetkých oddelení, pokiaľ ide o implementáciu veľkých dát, ale v dnešnom rýchlo sa meniacom svete určuje spôsob fungovania HR oddelenia úspech organizácie.

Podľa Forbesu má priemerná veľká spoločnosť viac ako 10 rôznych HR aplikácií a ich hlavný HR systém je starší ako 6 rokov. Tento trend zdôrazňuje skutočnosť, že organizácia potrebuje správne zdroje na zhromaždenie týchto údajov. Školenie v oblasti Big Data & Analytics prináša zručnosti, ako je analýza dát, vizualizácia a riešenie problémov, priamo od prevádzkových správ až po strategické analýzy.

Očakáva sa, že personálne oddelenie bude štandardne poskytovať základné HR operácie, ale školenie veľkých dát ho posunie na úplne novú úroveň. Keď bude personálne oddelenie analytickejšie s nástrojmi, mení svoj prístup k strategickejším činnostiam. Zistila sa kritická otázka, ako získať viac faktorov na udržanie zamestnancov, ktoré ovplyvňujú kvalitu predaja kandidátskych plynovodov a hodnotenie medzier v talentoch, a prostredníctvom analýzy príslušných údajov sa prijímajú strategické kroky.

Tento posun sa presunie od jednoduchého počtu zamestnancov k prediktívnejšej analýze.

Oracle v rámci ľudských zdrojov

Prišla jedna vtipná príhoda, ktorú si pamätám na priateľa, ktorý pracoval ako personalista. Predtým, ako poslala kandidátku na vedúceho príslušného oddelenia, ktorá mala iba magické slová: „Dobre, nechajme ho najať, mala náročnú prácu v oblasti lovu hláv.“

Na chvíľu to dobre dopadlo, pretože do spoločnosti priniesla dobrý talent. Postupom času si získala sebavedomie v náborových schopnostiach, keď tlačila na vrchné vedenie, aby do svojho tímu pridávalo viac ľudí, implementovalo HR systémy a zahŕňalo viac konzultácií s tretími stranami. Zložitou časťou bolo, že svojou dôverou dávala prísne sľuby vrcholovému manažmentu.

Dejiny ukazujú, že ten, kto sa pripravuje na budúce podujatie, je úspešnejší ako ten, ktorý jazdí na zašlej sláve. Boli časy, keď sa od nej očakávalo, že v oblasti, do ktorej spoločnosť expanduje, zamestná veľké množstvo profesionálov. Začala obsadzovať voľné miesta kompromisom v oblasti prijímania kvalitných profesionálov. Prijala prístup viac zameraný na cieľ. Výsledok? Väčšina odborníkov, ktorých najala, odložila papiere z rôznych dôvodov a vedenie ju vypočulo. Často som počul jej mumlanie:

„Lovím na čele 1 000 životov, do užšieho výberu 100 životov, volám 50 kandidátov na pohovor, filtrujem 10 z mojich psychometrických hodnotení, z tých 10 beriem 5, ktorí to stoja za to, tých 5 pošlem vedeniu, vynulujú sa na 1 a že jeden chlap odíde po 2 mesiacoch. “

Okrem toho, že som ponúkol svoje sympatie, som sa nad jej trápením zasmial, ale prinútilo ma zamyslieť sa nad tým, či ľudské zdroje dokážu lepšie posúdiť svoje skúsenosti, alebo je potrebné, aby bol k celému tomuto procesu prijímania prístup založený viac na údajoch? Používame prediktívne analýzy na zistenie, ktorý tím vyhrá svetový pohár, ale prečo nepoužiť pri prijímaní zamestnancov rovnaké techniky, zvlášť keď máme do činenia so zložitými prvkami, ako sú ľudia?

Teraz nie je práca pri prijímaní pracovníkov nevyhnutne ľahká práca, vyžaduje veľa procesov a pravidlá prijímania sa často menia podľa odvetvia, v ktorom je HR v roli, ktorú prijíma pre pravidlá organizácie atď.

Ak spozorujete úspešné organizácie, ktoré používajú prediktívne analýzy a majú nižšiu mieru opotrebovania, existuje vzor prvého rozhodovania o požadovaných vlastnostiach kandidáta, ktoré zabezpečia úspech, jeho konsolidácia do „ideálneho“ profilu a porovnanie s každým kandidátom, ktorý je mu najbližšie. a potom ich zapojiť do prispôsobených hodnotení, ktoré hodnotia vlastnosti týchto kandidátov.

Je potrebné poznamenať, že celé odvetvie psychometrického hodnotenia s poprednými hráčmi, ako sú Pearsons, Thomas Assessment a SHL, vzniklo v dôsledku dopytu personalistov po analýze profilu kandidátov, pokiaľ ide o ich potrebu dokonalého procesu prijímania!

Keď sa vrátime k prediktívnej analýze, v rámci jej implementácie musí personalista najskôr definovať, kto je podľa organizácie „úspešný kandidát“, potom musí definovať faktory, ktoré môžu viesť k efektívnosti prijímania zamestnancov, rozvíjať a pozorovať, ako prečo niektorí najímajú, ak je to potrebné, lepšie ako ostatní, majú hypotézu. Na základe toho ho môže porovnať s údajmi úspešných zamestnancov, ktorí v organizácii zostali dlho, a po tretie pomocou štatistických metód zmerať, prečo niektorí ľudia zostávajú dlhšie.

Tento prístup je na začiatok dobrý, ale implementácia prediktívnej analýzy v HR zahŕňa veľa techník, ktoré môže HR preskúmať. Najlepšou súčasťou tohto procesu je zníženie nákladov na výmenu zamestnanca za nových a možno získanie väčšej návratnosti investícií ako ten starý.

Na konci dňa kombinácia intuície, skúseností a spoľahlivého prístupu založeného na údajoch často vylepšuje nielen úsudok HR, ale aj náš.

ZÁBAVNÝ FAKT: Vedeli ste, že americký gigant Xerox znížil obrat call centra o 20% uplatnením analytiky na potenciálnych kandidátov so zistením, že kreatívni ľudia vo firme zostanú viac ako 6 mesiacov potrebných na to, aby im vrátili náklady na ich školenie v hodnote 6 000 dolárov ako zvedavé ludia?

5. Supply Chain & Logistics: Training delivery team with big data platforms

Dodávateľský reťazec a logistika v zásade tvoria dôležitú súčasť organizačných stratégií a cieľov. Cieľom Supply Chain & Logistics je úspora nákladov a zlepšenie výkonu, rýchlosti a agility. Pokiaľ ide o logistiku, zachytávajú a sledujú rôzne formy údajov, aby zásadne zvýšili prevádzkovú efektívnosť, zlepšili zákaznícke skúsenosti a nové obchodné modely. Tieto faktory môžu často pomôcť organizáciám šetriť zdroje, budovať lepšiu obchodnú značku a vytvárať systematický proces pre dodávateľský reťazec a logistiku.

Sledovanie veľkých dát po celom svete

Vezmime si príklad giganta elektronického obchodu, ktorý používa Big Data na doručovanie zákazníkom. Produkt sa odosiela z miesta na adresu zákazníka. Zariadenia v dopravnom prostriedku, ako napríklad GPS tracker, mikrofón, senzor, majú štruktúrované a neštruktúrované údaje, ktoré sa odosielajú späť do monitorovacieho centra na aktualizáciu v reálnom čase. Spolu s tým tiež pomáha analyzovať efektívnosť dodacieho času, najkratšiu cestu a zdroje použité na vykonanie jednej doručovacej operácie v zozname miliónov takýchto transakcií. Táto zlatá baňa dát na rôznych trhoch je konsolidovaná organizáciami a potom analyzovaná, aby priniesla ďalšie zlepšenie procesu alebo priniesla celú úroveň nových inovácií!

ZÁBAVNÝ FAKT : Vedeli ste, že veľké dáta vo forme sledovania stránok zákazníkov spoločnosťou Amazon jej pomohli umiestniť svoje produkty do skladu najbližšie k zákazníkovi, aby sa zlepšila rýchlosť a efektívnosť dodania?

6. Prevádzka, podpora a zákaznícky servis: Školenie zamestnancov o veľkých dátach pri každej interakcii so zákazníkom

Úspešnosť každého produktu alebo služby je založená na popredajnej podpore, ktorú zákazník dostane a predávajúci často zloží prísahu, že mu bude kedykoľvek k dispozícii. Vyplýva to zo skutočnosti, že keď zákazník vezme produkt alebo službu, urobí „skok viery“ v nádeji, že ho predajca nesklame počas celej životnosti produktu / služby. Dosiahnutie z tohto pohľadu je rozhodujúce pre organizačný úspech.

Pozrime sa na podporu na granulárnej úrovni. Nedávno som mal možnosť sledovať film „Interstellar“ od Christophera Nolana, ktorý skúmal cestovanie vesmírom až na jeho koniec. To ma prinútilo premýšľať o budúcich leteckých spoločnostiach, ktoré budú ponúkať letové služby prostredníctvom červích dier, ktoré sa tiahnu miliónmi svetelných rokov ďalej! Aké by boli potom výzvy? Aké veľké dáta sa budú generovať na tejto takmer nikdy nekončiacej ceste? Ako zabezpečí tím na palube, aby si cestujúci počas celej jazdy užíval? Poskytovateľ služieb sa najskôr musí zamerať na primárne ciele, ako je zaistenie leteckej bezpečnosti, sledovanie jeho dráhy letu, plnenie požiadaviek zákazníka a podobne.

Veľké dáta na cestách 24 × 7

Myšlienka medzihviezdneho cestovania môže byť vzdialeným snom na najbližších 100 rokov (byť optimistickým!), Ale nebráni nám to pozerať sa na dáta generované podobnou službou, ktorá je v súčasnosti v prevádzke a ktorá viac objasní, ako zákazníci servis a podpora sa vykonáva v scenári „popredajného predaja“ a spôsobu, akým sa organizácie môžu zapojiť do zlepšovania svojho úsilia v reálnom čase.

Na začiatok je Southwest Airlines jednou z najuznávanejších leteckých spoločností, ktorá využila výhodu veľkých dát na zlepšenie svojej zákazníckej skúsenosti. Spoločnosť Southwest Airlines v snahe o zlepšenie leteckej bezpečnosti spolupracovala s NASA na experimente s veľkými údajmi zameranom na zlepšenie celkového zážitku z letu. Patrí sem napríklad ping na satelity NASA s informáciami o dráhe letu, správami od pilotov a ďalšími informáciami o letovej prevádzke. Na vrchole takejto inovatívnej techniky leží základný koncept veľkých dát s názvom „dolovanie textových dát“, ktorý prevádza neštruktúrované textové informácie na zmysluplný text pre lepšie pochopenie. Takže ste si mysleli, že tým sa ťažba textových dát končí?

Samozrejme, že to tak nie je, dokonca ani jednoduchá koncepcia veľkých dát, ako je napríklad ťažba textových dát, presahuje rámec toho. Všetci vieme, že spätná väzba od zákazníkov je dôležitým prvkom v porozumení toho, kde sa organizácia pokazí v každom bode interakcie so zákazníkom. Dolovanie textových údajov tiež pomáha zákazníckym službám analýzou otvorených odpovedí na prieskumy. Namiesto obmedzovania zákazníkov na bežné možnosti, ako je možnosť A, možnosť B, možnosť C, poskytujú otvorené otázky viac poznatkov, ale ich klasifikácia a zaznamenávanie odpovedí môžu byť kľúčovým problémom. To je miesto, kde prichádza na rad ťažba textových dát, kde zoskupuje určitú množinu slov a konsoliduje ich pre získanie poznatkov!

Ak sa pozrieme ďalej, všetci musíme uznať, že žiadna organizácia nie je dokonalá a že každá z nich má malú skupinu zákazníkov, ktorí nemusia byť so službou spokojní. Výsledok? Databáza zaplavená e-mailmi, správami, tweetmi od zákazníkov registrujúcich sťažnosti alebo tipmi na „vylepšenia“, aby sme to vyjadrili dosť jemne. Dolovanie textových údajov ide o krok vpred od tradičných poštových filtrov a dokáže klasifikovať e-maily podľa priority a presmerovať ich na príslušné oddelenie.

ZÁBAVNÝ FAKT : Vedeli ste, že spoločnosť Southwest Airlines v rámci svojho úsilia o zlepšenie služieb zákazníkom nasadila analýzu dát pomocou funkcie nazvanej „analýza reči“, ktorá zaznamenáva interakciu medzi zákazníkom a personálom!

7. Marketing: Školenie zamestnancov o systematickom marketingovom prístupe s veľkými dátami

Marketing ako činnosť je dnes predovšetkým o číslach. S nárastom digitálneho marketingu môžeme teraz presne merať odozvu reklám, mieru prekliknutia, zobrazenia, návratnosť investícií atď. Pre pracovníkov mimo marketingu sú tieto metriky možno grécke, ale pre tých, ktorí marketingu používajú, sú tieto údaje zlatou baňou. Spolu s metrikami sa následne v každom okamihu interakcie so zákazníkom, sociálnych médií a predaja generuje veľké množstvo dát. Je na marketingovom profesionálovi, aby tieto údaje sledoval a využíval ich na efektívnejšie presadzovanie svojich produktov. Školenie v oblasti veľkých dát tu hrá zásadnú úlohu, pretože platformy ako Hadoop & R slúžia tomuto účelu.

Po druhé, občasní marketingoví profesionáli sa často oddávajú retrospektíve svojej značky. Otázky ako:

V čom je moja značka lepšia ako ostatné?

Čo ponúkajú ďalšie značky?

Aké vlastnosti má môj konkurent pri rovnakom produkte?

Štúdia siaha oveľa hlbšie ako toto. Od analýzy konkurenčného produktu založeného na 4P (produkt, cena, miesto, umiestnenie) až po pochopenie obsahu, ktorý produkt predstavuje na webovej stránke konkurenta, je množstvo generovaných údajov obrovské a komplikované. Ako už bolo povedané, využitie výhody ťažby textu môže pomôcť marketingovému pracovníkovi vykonať analýzu konkurencie jednoduchým prehľadaním webovej stránky konkurenta. Táto jednoduchá funkcia v oblasti veľkých dát môže poskytnúť ucelenú predstavu o tom, čo robí konkurencia a aké produkty má pre trh zavedené, čím získa výhodu pre obchodníka, ktorý prijal veľké dáta!

Ozbrojenie kreatívneho

Napríklad stratég v oblasti sociálnych médií chce vedieť o vnímaní značky svojej organizácie na platformách sociálnych médií, potom pravdepodobne pomôže dosiahnuť tento cieľ zapojenie sa do analýzy sentimentu v spoločnosti R & Hadoop. Rovnakým spôsobom pomáha použitie nástrojov Big Data marketingu pri rôznych činnostiach, ako sú tvorba cien, umiestňovanie produktov a podobne.

príklad vyvolania vzdialenej metódy v jave

Ďalším príkladom môže byť marketingový manažér v maloobchode, ktorý sa snaží maximalizovať predaj. Každý by poznal príklad spoločnosti Walmart, ktorá dokázala umiestniť pivo a mlieko vedľa seba v uličke na základe histórie nákupov zákazníkov v minulosti, a to načítaním veľkého množstva údajov pokrývajúcich milióny zákazníkov v časovom rámci!

ZÁBAVNÝ FAKT: Vedeli ste, že spoločnosť General Motors s ročným marketingovým rozpočtom 2 miliardy dolárov ročne použila analýzu veľkých dát na vytvorenie podrobných profilov zákazníkov a kombináciu analýzy priestorových údajov s podrobnými demografickými údajmi / informáciami o zákazníkoch na personalizovanejší marketing!

Prečo spoločnosti prechádzajú na platformy Big Data

Organizácie, ktoré používajú staré staršie systémy, majú údaje zvyčajne rozšírené v mnohých systémoch. Vďaka šíreniu údajov na rôznych miestach klesá rýchlosť spracovania spolu s presnosťou ich analýzy. To si vyžaduje konsolidáciu údajov v rámci podnikového dátového centra, čo umožňuje rýchlejší prístup k údajom, čo vedie k hlbšej analýze. Jedným z dôležitých cieľov oddelenia IT v ktorejkoľvek organizácii je rýchle poskytnutie presných údajov všetkým oddeleniam v organizácii na požiadanie.

Pri zhromažďovaní údajov je dôležité zjednotiť zdroje neštruktúrovaných, štruktúrovaných a pološtruktúrovaných údajov na jednu platformu, aby bolo možné vykonať hĺbkovú analýzu a v zásade pomôcť pri podnikaní pri rozhodovaní. Táto vlastnosť systému Hadoop priťahuje viac ľudí k stolu v organizácii, pretože existujú zamestnanci, ktorí v každodennej prevádzke pracujú s dátami na rôznych kontaktných miestach. Tiež tradičné ETL a dávkové procesy môžu trvať dlho, zatiaľ čo Hadoop vďaka veľkému množstvu dávkového spracovania zrýchľuje až 10-krát.

Význam Hadoop nemusí nutne znamenať, že každý zamestnanec v organizácii musí byť vyškolený v platforme Big Data, čo vo väčšine prípadov nemusí byť uskutočniteľné. Pre CTO by však bolo strategickou výhodou identifikovať a vyškoliť tých odborníkov, ktorí neustále pracujú s údajmi.

Po pokrytí ukladania, spracovania a načítania údajov prostredníctvom populárnej platformy Hadoop je ďalším dôležitým javom, ktorý je súčasťou prirodzeného postupu, analýza veľkých dát. Aby sme to zjednodušili, organizácie potrebujú viacnásobný pohľad od rôznych odborníkov v rámci organizácie.

Na číslo „6“ sa dá pozerať ako na číslo „9“ na druhej strane tabuľky. Inými slovami, záver z pozorovania údajov sa líši od človeka k človeku.

Organizácie to vedia a často sa zaoberajú školením zamestnancov na podobnej platforme, aby ľudia z rôznych oddelení prepojených rovnakou činnosťou diskutovali, zapojili sa a zdieľali poznatky o správnom rozhodovaní. Verím teda, že by bolo bezpečné definovať školenie o veľkých dátach ako príležitosť pre každého zamestnanca byť na tej istej stránke a posunúť organizácie na vyššiu úroveň!

Máte na nás otázku? Uveďte ich v sekcii komentárov a my sa vám ozveme.

Súvisiace príspevky: