Viimeaikaiset uutiset Yhdistyneistä arabiemiirikunnista, jotka asettivat asepalveluksen pakolliseksi kaikille emiraatin miehille 18–30-vuotiaille, ovat saaneet minut ajattelemaan, miksi maat taloudellisesta asemastaan huolimatta varmistavat, että kansalaiset ovat valmiita puolustamaan maata.
Voidaan väittää, että rajoitettu määrä kansalaisia maassa pakottaa hallituksen usein asettamaan asepalveluksen pakolliseksi. Mutta entä Kiina? Se on väestömäärältään suurin maa, mutta se varmistaa myös, että jatkokoulutukseen osallistuvat kansalaiset palvelevat pakollista sotilaallista aikaa. Lyhyesti sanottuna kansakunnat valmistautuvat periaatteessa puolustautumaan konfliktitilanteissa, ja kaikkien on oltava valmiita siihen. Olkoon se sähköasentaja, liikemiehet, puuseppä, he kaikki yhdistyvät yhteisen asian hyväksi.
Vaikka se kuulostaakin outolta, voidaan vetää hämärä rinnakkaisuus sellaisten kansakuntien ja nykyisten organisaatioiden välille, jotka haluavat pysyä kilpailukykyisinä. Nykyinen uhka tai pikemminkin haaste suurten tietojen muodossa on saanut suuret ja pienet organisaatiot kokoamaan henkilöstönsä eri osastoilta käsittelemään sitä yleisesti. Jatkaaksemme tätä, tyypillisesti pakollista asepalvelusta suorittavilla mailla on aina kelpoisuuskriteerit, samalla tavalla organisaatioiden mielestä on loogista antaa big data -koulutusta vain niille työntekijöille, joilla on jonkinlainen vuorovaikutus suurten tietojenkeräysten kanssa ja joiden on pakko käyttää Hadoopia jokaisessa kosketuspisteessä.
Aivan kuten armeijan kenraali yhdessä hallituksen kanssa päättää, millaiset aseet ja koulutus osoitetaan sen muuten aloittelevalle kansalaiselle, joka on muuttunut uudeksi rekrytoijaksi, samalla tavoin teknisen johtajan odotetaan olevan IT-infrastruktuurin ja perinnön kärjessä. uudet teknologiainnovaatiot johtavat järjestelmät, jotta työntekijöillä on parempi suorituskyky. Yritämme ymmärtää yksityiskohtaisesti, missä big dataa käytetään jaetun tavoitteen saavuttamiseksi, missä dataa käytetään ja miksi on tärkeää kouluttaa toverit siinä.
1. tietotekniikka: tuottavuuden parantaminen Big Data -koulutuksella
Ehkä suurten tietojen käyttöönoton eturintamassa IT-tiimi on muutoksen eteenpäin vievä keskus. IT-koulutuksen päätöksentekijän, joka haluaa tuoda työntekijöille big data -koulutuksen, on aloitettava IT-osastolta. Miksi? Koska kun on kyse teknisestä toiminnasta jokaisessa toimintavaiheessa, kellarin geeksit (suosittu slangi IT: lle) ovat lähimpänä. Joten kuinka asiaankuuluva se on?
Tarkastellaan suositun sivuston CIO: n toimittamaa raporttia, jossa todetaan:
'Äskettäisen CompTIA-tutkimuksen mukaan, johon osallistui 500 yhdysvaltalaista yritys- ja IT-johtajaa, 50 prosenttia yrityksistä, jotka ovat tiedonsiirtokäyrän edellä, ja 71 prosenttia yrityksistä, jotka ovat keskimääräisiä tai jäljessä vipuvaikutustiedoista, kokevat henkilöstön olevan kohtuullisen tai merkittävästi puutteellisia tiedonhallinta- ja analysointitaidoissa ”
Ottaen huomioon tosiasian, että tiedonhallinta ja tallennus ovat osa tietotekniikan ydintoimintoa, on tarpeen noudattaa rinnakkaista lähestymistapaa isojen data-alustojen toteuttamiseen ja vahvistaa suurten tietojen tietotekniikan taitoja. Tosiasiaa tukee McKinseyn raportti, jossa todetaan, että vuoteen 2018 mennessä on pulaa yli 140 000-190 0000 ammattilaisesta, jolla on syvää teknistä ja analyyttistä asiantuntemusta! Koska yhä useammat tekniset ammattilaiset tarvitsevat big data -koulutusta, organisaatiot haluavat kouluttaa teknisiä ammattilaisia enemmän nopean sijoitetun pääoman tuottoprosentille ja IT-osastolla työskentelevät alustaasiantuntijat, järjestelmänvalvojat ja insinöörit.
Naimisiin ydinteknologian kolminaisuuden ja Big Data -palvelun kanssa
Termi Kolminaisuus muistuttaa minua usein kahdesta uskonnollisesta käsitteestä: toinen on hindun mytologia luojasta, säilyttäjästä ja tuhoajasta ja toinen on kristillinen käsite isästä, pojasta ja pyhästä haamusta. Molemmat pyrkivät ihmiskunnan parantamiseen. Samalla tavoin nämä kolme IT-tiimin toimintoa pyrkivät parantamaan koko organisaatiota osastoilla, joilla on erilaisia tarpeita tietotekniikan suhteen. Tietoturva- ja tukitoimintojen lisäksi IT-osasto voi liittyä näihin toimintoihin, kun on kyse isojen tietojen käyttöönotosta.
Suunnittelu - IT-tiimin suunnittelutoiminta keskittyy organisaation IT-strategian vastaavuuteen liiketoiminnan tavoitteiden kanssa. Tähän sisältyy ohjelmistojen mukauttaminen, uusien alusten tuominen mukaan eri liiketoimintaosastojen tarpeisiin. Toisin sanoen kaikki uudet toteutukset alkavat aina IT: stä.
Verkko - Siihen kuuluu verkkojen kehittäminen, jotka helpottavat kaikenlaista viestintää ääni-, data-, video- ja Internet-liikenteen välillä, ja tietojen tallentamiseen on olemassa erilaisia tarkistuspisteitä, olipa kyse asiakkaiden vuorovaikutuksesta, mielipiteiden analysoinnista ja liikenteen päivityksestä. Ne kaikki keräävät tietoja reaaliajassa! IT-osasto varmistaa usein verkkojen sujuvan integroinnin toimimaan yhdessä isojen tietojen käsittelyn tavoitteen kanssa.
Data - Yksinkertaisesti sanottuna, IT-tiimi tuo työkaluja kerätä, tallentaa, hallita, suojata ja jakaa työntekijöille erilaisia strategisia päätöksiä organisaatiossa. Kaikenlaiset tiedot, kuten myyntitiedot, taloudelliset tiedot ja varastotiedot, tallennetaan yhteen tietokeskukseen. Tämä luo IT-tiimille vastuun isojen tietojen alustojen toteuttamisesta, joiden avulla nimetyt käyttäjät voivat tallentaa ja noutaa tietoja missä tahansa datapaikassa.
Missä tahansa IT-tiimissä tarvitaan monipuolinen joukko jäseniä, joilla on erilaisia tehtäviä kohti big datan käyttöönottoa. Ensinnäkin tarvitaan asiantuntija, joka varmistaa sujuvan siirtymisen perinteisistä järjestelmistä suuriin tietoyhteyksiin. Siksi vaaditaan teknikkoa keskittymään alustan ylläpitoon sen koko elinkaaressa kaikissa osastoissa. Sitten syntyy tarve jäsenelle, jonka on seurattava jatkuvasti, ovatko kaikki tekniset toteutukset organisaation tavoitteiden mukaisia.
2.Tuotekehitys: Innovaatioiden uudelleentarkastelu kaikissa T & K-vaiheissa
Ehkä yksi tärkeimmistä osastoista organisaation siirtämisessä seuraavalle innovaatiotasolle! Yksi big datan suurimmista eduista on tietojen integrointi tuotekehityksen eri kosketuspisteisiin tuotesuunnittelusta, valmistuksesta, laadusta, takuusta, diagnostiikasta, ajoneuvojen ja ohjelmistojen sovelluksista alkaen. Näistä kosketuspisteistä tuotettu data määrittelee tuotteen tavan ja sen onnistumisen. Tämä vie periaatteessa tuotekehittäjät, tuotekehitysammattilaiset ja suunnittelijat dataan perustuvaan ja data-analyysiin.
Suunnittele Big Data todellisuudeksi
Tuotekehityksen osalta yksi suosittu esimerkki olisi kuljettajien vähemmän autoja, joita Audi kehittää ja aikoo lanseerata vuoteen 2016 mennessä. Kyllä, tuotekehitystiimillä on valtava tehtävä varmistaa, että toimitusjohtajan visio innovaatioista toteutuu . Mutta matkan varrella on erilaisia haasteita ja kysymyksiä kehityksestä testaamiseen, joihin vain iso data voi vastata. Katsotaanpa miksi.
Harkitse testimatkaa, jota seurataan pisteestä A pisteeseen B. Tässä voidaan tuottaa erilaisia tietoja:
a. Anturitiedot - Auton sisällä olevat anturit pystyivät tallentamaan yksityiskohtia matkansa takana ja edessä olevista autoista ja matkan aikana kohtaamiensa ajoneuvojen taajuudesta.
b. Kuljettajatiedot - Useita testejä eri ikäryhmille voitaisiin suorittaa, ja yksityiskohdat mukavustasosta, suorituskyvystä ja siitä, kuinka monta kertaa kuljettajan tarvitsi automaattisen ajon ohittamisen, pakataan suuriksi riveiksi ja sarakkeiksi analysointia varten.
c. Väestötiedot - testi voidaan suorittaa Intiassa ja Yhdysvalloissa. Automaattisen ajon sisäinen A.I voisi analysoida esteitä, joita sillä on ajettaessa kahdessa eri maassa. Mikä maa on kannattavampi automaattiselle ajamiselle ja mikä ei?
d. Markkinoiden kehitystiedot - Kun tuote on lanseerattu ja se on tien päällä, insinöörit voisivat myös seurata sen menestystä analysoimalla reaaliaikaisia tietoja syötteillä, joita auton ohjelma tarjoaa 24 × 7 ja antaa oivalluksia, jos automaattisen ajon käyttöönotto auttaa pitämään tie on turvallisempi?
kahden numeron lisääminen java
Tuotesuunnittelusta voidaan korjata N mahdollista määrää tietoa. Olemme vasta alkaneet tutkia autoteollisuuden OEM-valmistajia. Ajattele suurten tietojen mahdollisuuksia eri aloilla, kuten lääketiede, terveydenhuolto, elektroniikka ja niin edelleen. Kuka tietää?
HAUSKA SEIKKA: Tiesitkö, että Fordin Big Data- ja Analytics-tietojen käyttöönotto pelasti sen lähes kuolemasta 2000-luvulla, kun kilpailu oli kovaa Euroopan ja Aasian autovalmistajien keskuudessa!
3.Rahoitus: Työntekijöiden kouluttaminen suurilla tietoyhteisöillä käsittelemään taloudellista mallintamista
Olemme saattaneet usein kuulla sanan, että raha on liiketoiminnan verta. Rahasta huolehtiminen on talousosaston vastuulla. Liikemaailma määrittelee rahoitusosaston toiminnot tyypillisesti osallistuvaksi yrityksen suunnitteluun, organisointiin, tilintarkastukseen, kirjanpitoon ja valvontaan sekä yrityksen talouden tuottamiseen.
Sanottuasi, että rahoitusosasto yleensä on aivosydän, kun on kyse rahan käsittelystä, ja rooli laajenee erilaisiin toimintoihin, kuten kassavirtalaskelmien tuottamiseen, kustannusmallinnukseen, palkintojen toteuttamiseen ja sääntöjen noudattamiseen. Muutama vuosikymmen sitten kaikkien näiden toimintojen suorittaminen rajoitetuilla järjestelmillä ja alustoilla oli varsin mahdollista, mutta big data -ajan aikakaudella molempien rahoitusosastojen kohtaamat kaksi haastetta hoitavat säännöllisiä rahoitustoimintoja muuttuvassa skenaariossa ja keräävät oivalluksia tulevaisuutta varten. Katsotaanpa sitä syvemmästä näkökulmasta.
Eri palvelimille levitetyn tiedon avulla organisaatiot kohtaavat usein haasteen yhdistää nämä tiedot ja suorittaa toimia liiketoiminnan vaatimusten mukaisesti. Tärkeä toiminto on sisäinen tarkastus, joka pitää välilehteä organisaation hallinnosta, riskienhallinnasta ja hallinnan valvonnasta sekä ennakoivien petostarkastusten suorittamisesta petosten tunnistamiseksi. Analytiikan lisääntyessä on tarpeen integroida myös sisäinen tarkastus. Tämä on herättänyt uusia menetelmiä, kuten tarkastustietojen analytiikan, jotka auttavat arvioimaan riskiä, luomaan rahoitusmalleja ja antamaan kokonaiskuvan organisaation taloudesta.
Kustannusten mallintaminen ja hintojen toteutus
Kustannusmallinnus on tärkeä osa resurssien tehokasta käyttöä. Yritysten on tunnistettava kustannuksia ohjaavat toiminnot, tehtävien suorittamiseen tarvittava suorien materiaalien ja työvoiman kokonaismäärä ja niin edelleen. Kustannusmallinnus auttaa yrityksiä tunnistamaan tuotteiden yleiset tuotantokustannukset tarkasti kaikissa yrityksen toiminnoissa. Suurten tietojen aikakaudella on tärkeää pitää kirjaa jokaisesta organisaation eri osastojen taloudellisesta toiminnasta, joka yhdistää nämä tiedot ideaalisen kustannusmallin rakentamiseksi. Ostosta myyntiin kaikki tiedot tallennetaan taloushistoriaan, ja kustannusmallin kehittämisen perusasiat on noutaa suuret tietopalat ja luoda malli, jota voidaan soveltaa tulevaisuuteen.
kuinka käyttää iteraattoria java
Vaikka voidaan keskustella siitä, että hintatoteutus on suunnattu enemmän myyntiin kannattavuuden parantamiseksi, rahoitusosastolla on suurempi rooli hintatoteutuksesta hyötymisessä. Harkitse yksinkertaisempiin termeihin harkitsemalla vähittäiskauppaa, joka aikoo tarjota alennuksia myynnin työntämiseksi. Perustavoitteena on vähentää hintavuotoja ja parantaa taskuhintoja.
Hintavuoto tapahtuu, kun tuotteen hinta alennetaan niin vähän (tarjouksessa myyntiin), että se vaarantaa kannattavuuden ja tasehinta on myyntihinta alennusten jälkeen. Kannattavan hinnan toteuttamiseksi myyntitiimi tekee yhteistyötä talousosaston kanssa ymmärtääkseen kunkin tuotteen kustannusrakenteen ja missä voidaan antaa alennuksia. Tämä puolestaan edellyttää, että rahoitusosasto kehittää puitteet hintojen toteutusmalleille tulevaisuutta varten ja määrittelee rajat tällaiselle markkinoinnille. Tehtävä sisältää hankintatietojen, varastokustannusten, säilyvyysaikojen käsittelyn ja sitten myytyjen tuotteiden kustannusten arvioinnin (CGS).
F-12 ja ennakoiva analyysi
Yksi tärkeimmistä tehtävistä talousosastolla on seurata organisaation taloudellista tilaa. Aivan kuten lääkäri käyttää erilaisia mittareita, kuten syke, ruumiinlämpö tai ärsykereaktio, arvioidakseen, onko potilas elossa vai kuollut, samalla tavoin finanssimaailma valvoo 12 mittaria tietääkseen, mihin yritys on menossa rahallisesti ja mikä on sen ulkopuolella . Todellisesta liikevaihdon kasvusta, kestävästä liikevaihdon kasvusta, hinnoittelupolitiikasta ja hinnoittelusta, käyttökustannusten hallinnasta, EBITDA: n ja kassavirran, velattoman kassavirran, ylimääräisen kassavirran, varojen tuoton, käyttöpääoman, velkarahoituksen käytöstä, nettokaupan syklistä ja kustannuksista vertailusta pääoman osuus organisaation taloudellisesta raportoinnista, jotta ylempi johto voi tehdä järkevän päätöksen.
Osana suurdatamaailman haastetta näiden suhdelukujen ymmärtäminen vaatii suurten tietojenkäsittelyjen käsittelyä koko organisaatiossa, jotta se voidaan tehdä vakiona analyysia varten. Ennakoiva analytiikka tulee esiin, kun nämä tiedot käsitellään aiemmasta historiasta verrattuna nykyisiin samoihin elementteihin siten, että tehdään tarkkoja arvioita tulevaisuutta varten. Parasta on ennakoiva analyysiympäristö ja menetelmät on rakennettu käsittelemään suuria tietoja, mikä yksinkertaistaa talousosaston tehtävää.
HAUSKA SEIKKA: Tiesitkö, että Singaporessa toimiva Oversea-Banking Corporation (OCBC) pystyi käyttämään suurtietoja asiakkaiden oivalluksiin, mikä oli suoraan vastuussa 40 prosentin kasvusta uuden asiakkaan hankinnassa!
4.Henkilöresurssit: HR-henkilöstön valmiuksien uudelleen määritteleminen
Suurten tietojen kuvitteleminen henkilöstöresursseissa voi usein kehottaa lukijoita hylkäämään nöyränä, koska organisaatio ei yleensä aseta etusijalle Big Data -tekniikan käyttöönottoa henkilöstöosastossa, koska se keskittyy mieluummin markkinointiin, toimintaan tai talouteen. Mutta todellisuudessa henkilöstöosastolla on ratkaiseva rooli sen varmistamisessa, että oikeat kyvyt tulevat organisaatioon muun toiminnan ohella.
Lisää hampaita HR: ään
Ehkä kaikkein huomiotta jätetty kaikkien osastojen joukossa Big Data -asennuksen suhteen, mutta nykypäivän nopeasti muuttuvassa maailmassa henkilöstöosaston toimintatapa määrittää organisaation menestyksen.
Forbesin mukaan keskimäärin suurella yrityksellä on yli 10 erilaista HR-sovellusta ja niiden ydin HR-järjestelmä on yli 6 vuotta vanha. Tämä suuntaus korostaa sitä, että organisaatio tarvitsee oikeat resurssit näiden tietojen yhdistämiseksi. Big Data & Analytics -koulutus tuo taitoja, kuten tietojen analysointi, visualisointi ja ongelmanratkaisu, operatiivisesta raportoinnista strategiseen analytiikkaan.
Henkilöstöosaston odotetaan oletusarvoisesti toimivan henkilöstön perustoiminnoissa, mutta Big Data -koulutus vie sen kokonaan uudelle tasolle. Kun henkilöstöosasto muuttuu analyyttisemmäksi työkalujen avulla, se muuttaa heidän lähestymistapaansa strategisempaan toimintaan. Kriittinen kysymys, kuten miten työntekijöiden säilyttämiskertoimet vaikuttavat enemmän ehdokasputkilinjan myyntiin ja kykyjen puutteiden arviointi, tunnistetaan ja strategiset vaiheet toteutetaan analysoimalla asiaankuuluvia tietoja sen kautta.
Siirtyminen siirtyy yksinkertaisesta henkilöstömäärästä ennakoivampaan analyysiin.
Oracle henkilöstöresursseissa
Oli hauska tarina, jonka muistan ystävästä, joka työskenteli HR: nä. Hänellä oli uuvuttava päämetsästystyö ennen kuin hän lähetti ehdokkaan asianomaiselle osastopäällikölle, joka sanoisi vain taikasanat: 'Ok, antaa hänen palkata.'
Jonkin aikaa asiat menivät hyvin, kun hän toi yritykselle hyviä kykyjä. Ajan myötä hän luotti palkkaamiseen liittyviin taitoihinsa ylimmän johdon työntämiseksi siihen, että joukkueeseen lisätään enemmän ihmisiä, toteutettiin henkilöstöjärjestelmiä ja lisättiin kolmannen osapuolen konsultointia. Hankala osa oli se, että hän antoi korkeita lupauksia ylimmälle johdolle luottavaisin mielin.
Historia on osoittanut, että se, joka valmistautuu tulevaan tapahtumaan, on menestyksekkäämpi kuin se, joka ratsastaa menneisyyden kunniaan. Oli aika, jolloin hänen odotettiin palkkaavan suuren määrän ammattilaisia yritykselle, jolla yritys laajeni. Hän alkoi täyttää avoimet työpaikat kompromissilla laadukkaiden ammattilaisten palkkaamisesta. Hän omaksui tavoitteellisemman lähestymistavan. Lopputulos? Suurin osa hänen palkkaamistaan ammattilaisista laski papereita eri syistä ja johto kuulusteli häntä. Usein kuulin hänen mölyn:
'Metsästän 1000 Cv: tä, luetteloin 100 Cv: tä, kutsun 50 ehdokasta haastatteluun, suodatan 10 psykometristen arviointini joukosta, 10 joukosta otan 5, jotka ovat sen arvoisia, lähetän 5 johdolle, he nollaavat yhden ja että yksi kaveri lähtee kahden kuukauden kuluttua. '
Nauroin hänen kurjuudestaan lukuun ottamatta myötätuntoni, mutta se sai minut miettimään, pystyvätkö henkilöstöresurssit tekemään parempia päätöksiä kokemuksellaan vai onko koko tähän palkkaamisprosessiin tarpeen soveltaa enemmän tietojenkäsittelyä? No, käytämme ennakoivaa analyysiä siitä, millainen joukkue aikoo voittaa maailmancupin, mutta miksi emme käytä samoja tekniikoita palkkaamisprosessissa, varsinkin kun kyseessä on monimutkainen elementti, kuten ihminen?
Nyt palkkaaminen ei ole välttämättä helppoa työtä, siihen liittyy paljon prosesseja, ja palkkaamisen säännöt muuttuvat usein sen toimialan mukaan, jonka henkilöstöhallinto on palkkaamassaan roolissa organisaation sääntöjen ja niin edelleen suhteen.
Jos havaitaan onnistuneita organisaatioita, jotka käyttävät ennakoivaa analytiikkaa ja joilla on pienempi kulumisaste, on olemassa malli, jossa ensin päätetään ehdokkaan haluamista ominaisuuksista, jotka takaavat menestyksen, yhdistämällä se 'ihanteelliseksi' profiiliksi ja vertaamalla sitä kaikkiin lähimpään ehdokkaaseen ja sitouttamalla heidät sitten räätälöityihin arviointeihin, joissa arvioidaan näiden ehdokkaiden ominaisuuksia.
Huomattavaa on, että koko psykometrisen arvioinnin ala ja johtavat pelaajat, kuten Pearsons, Thomas Assessment & SHL, syntyi johtuen HR-ammattilaisten vaatimuksesta analysoida ehdokasprofiilia heidän tarpeessaan täydentää palkkaamisprosessia!
Palatakseni ennakoivaan analytiikkaan, osana henkilöstön henkilöstöä on ensin määriteltävä organisaation mukaan kuka on 'onnistunut ehdokas', sitten hänen on määriteltävä tekijät, jotka voivat edistää palkkaamista, ja kehittyä ja tarkkailla siihen, miksi jotkut palkkaajat pärjäävät paremmin kuin toiset hypoteesilla tarvittaessa. Tämän perusteella hän voi verrata sitä menestyvien työntekijöiden tietoihin, jotka ovat pysyneet pitkään organisaatiossa, ja kolmanneksi käyttää tilastollisia tekniikoita mittaamaan, miksi jotkut ihmiset pysyvät pidempään.
Lähestymistapa on hyvä aluksi, mutta ennakoivan analytiikan toteuttaminen HR: ssä sisältää paljon tekniikoita, joita HR voi tutkia vapaasti. Parasta tässä prosessissa on työntekijän korvaamisesta uusilla aiheutuvien kustannusten aleneminen ja ehkä entistä korkeamman sijoitetun pääoman tuottoprosentin saaminen.
Päivän päätteeksi intuition, kokemuksen ja vankan dataan perustuvan lähestymistavan yhdistelmä tarkentaa usein korkean edustajan ja myös meidän mielipiteitämme.
HAUSKA SEIKKA: Tiesitkö, että yhdysvaltalainen jättiläinen Xerox vähensi puhelinkeskuksen liikevaihtoa 20% soveltamalla analytiikkaa mahdollisille ehdokkaille havaitsemalla, että luovat ihmiset todennäköisemmin pysyivät yrityksessä kuuden kuukauden ajan, jotta he saisivat takaisin 6000 dollarin koulutuskustannuksensa kuin utelevat ihmiset?
5.Toimitusketju ja logistiikka: Koulutuksen toimitusryhmä, jolla on suuret data-alustat
Toimitusketju ja logistiikka ovat periaatteessa tärkeä osa organisaation strategioita ja tavoitteita. Toimitusketjun ja logistiikan tavoitteena on säästää kustannuksia sekä parantaa suorituskykyä, nopeutta ja ketteryyttä. Logistiikan alalla he kaappaavat ja seuraavat erilaisia tietoja parantaakseen toiminnan tehokkuutta, parantamalla asiakaskokemusta ja uusia liiketoimintamalleja. Nämä tekijät voivat usein auttaa organisaatioita säästämään resursseja, rakentamaan paremman tuotenimen ja luomaan järjestelmällisen prosessin toimitusketjuun ja logistiikkaan.
Suurten tietojen seuranta kaikkialla maailmassa
Otetaan esimerkki verkkokaupan jättiläisestä, joka käyttää Big Dataa toimitettaessa asiakkailleen. Tuote lähetetään paikasta asiakkaan osoitteeseen. Kuljetusajoneuvon laitteissa, kuten GPS-paikannimessa, mikrofonissa, anturissa, on jäsenneltyjä ja jäsentämättömiä tietoja, jotka lähetetään takaisin valvontakeskukseen reaaliaikaisia päivityksiä varten. Sen lisäksi se auttaa myös analysoimaan toimitusajan, lyhimmän polun ja yhden toimituksen suorittamiseen käytetyt resurssit miljoonien tällaisten tapahtumien luettelossa. Organisaatiot konsolidoivat tämän kullakaivoksen eri markkinoilla eri markkinoilta ja analysoivat prosessin edelleen parantamiseksi tai kokonaisen tason uuden innovaation saamiseksi!
HAUSKA SEIKKA : Tiesitkö, että Amazon on seurannut asiakassivuja suurilla tiedoilla, mikä on auttanut sitä sijoittamaan tuotteitaan lähimpään varastoon toimituksen nopeuden ja tehokkuuden parantamiseksi?
6.Toiminnot, tuki ja asiakaspalvelu: Työntekijöiden koulutus suurista tiedoista jokaisessa asiakasyhteydessä
Minkä tahansa tuotteen tai palvelun menestys perustuu myynnin jälkeiseen tukeen, jonka asiakas saa, ja myyjä usein vannoo olevan valan olla aina hänen puolestaan. Tämä johtuu tosiasiasta, että kun asiakas ottaa tuotteen tai palvelun, hän tekee ”harppauksen” siinä toivossa, että myyjä ei petä häntä tuotteen / palvelun elinkaaren aikana. Toiminta tästä näkökulmasta on kriittinen organisaation menestymisen kannalta.
Tarkastellaan tukea rakeisella tasolla. Minulla oli äskettäin tilaisuus katsella Christopher Nolanin ”Tähtienvälistä”, joka tutki avaruusmatkaa avaruuden loppuun. Tämä sai minut ajattelemaan tulevia lentoyhtiöitä, jotka tarjoavat lentopalveluja madonreikien kautta, jotka ulottuvat miljoonien valovuosien päässä! Mitkä ovat sitten haasteet? Minkälaista suuria tietoja tällä lähes loputtomalla matkalla syntyy? Kuinka aluksella oleva tiimi varmistaa, että matkustaja nauttii ajamisesta koko ajan? Ensinnäkin palveluntarjoajan on keskityttävä ensisijaisiin tavoitteisiin, kuten lentoturvallisuuden varmistamiseen, lentoreitin seuraamiseen, asiakkaiden vaatimusten täyttämiseen ja niin edelleen.
Liikkuva Big Data 24 × 7
Tähtienvälisen matkan idea voi olla kaukainen unelma seuraaville sadalle vuodelle (olla optimistinen!), Mutta se ei estä meitä katsomasta tietoja, joita nykyinen toiminnassa oleva vastaava palvelu tuottaa, mikä valaisee entistä paremmin asiakkaan palvelu ja tuki toteutetaan myynnin jälkeisessä skenaariossa ja kuinka organisaatiot voivat sitoutua parantamaan ponnistelujaan reaaliajassa.
Aluksi Southwest Airlines on yksi tunnetuimmista lentoyhtiöistä, joka hyödynsi Big-dataa asiakaskokemuksensa parantamiseksi. Lentoturvallisuuden parantamiseksi Southwest Airlines teki yhteistyötä NASA: n kanssa suurten tietojen kokeilun parantamiseksi kokonaiskokemuksen parantamiseksi. Tämä sisältää NASA-satelliittien pingaamisen lentoreittiä, lentäjien raportteja ja muuta ilmaliikennetietoa koskevilla tiedoilla. Tällaisen innovatiivisen tekniikan huipulla on perusdata-käsite, nimeltään 'tekstidatan louhinta', joka muuntaa rakentamattoman tekstitiedon merkitykselliseksi tekstiksi oivalluksia varten. Luulitko, että tekstidatan louhinta loppuu tähän?
Tietenkään ei, edes yksinkertainen käsite suurissa tiedoissa, kuten tekstidatan louhinta, ulottuu paljon pidemmälle. Me kaikki tiedämme, että asiakaspalautteet ovat tärkeä osa sen ymmärtämisessä, missä organisaatio menee pieleen asiakkaiden kanssa tapahtuvassa vuorovaikutuksessa. Tekstidatan louhinta auttaa myös asiakaspalvelua analysoimalla avoimia kyselyvastauksia. Sen sijaan, että rajoitettaisiin asiakkaita yleisiin vaihtoehtoihin, kuten vaihtoehto A, vaihtoehto B, vaihtoehto C, avoimet kysymykset tarjoavat enemmän oivalluksia, mutta niiden luokittelu ja vastausten tallentaminen voi olla avainasia. Siellä tekstidatan louhinta tulee esiin, kun se ryhmitää tietyt sanaryhmät ja yhdistää ne oivalluksia varten!
Tämän lisäksi meidän kaikkien on myönnettävä, että yksikään organisaatio ei ole täydellinen ja että jokaisella heistä on pieni joukko asiakkaita, jotka eivät ehkä ole tyytyväisiä palveluun. Lopputulos? Tietokanta, joka on täynnä sähköposteja, viestejä, twiittejä asiakkailta, jotka rekisteröivät valituksia, tai 'parannuskohteita' koskevia vinkkejä, jotta se olisi melko pehmeä. Tekstidatan louhinta menee askeleen eteenpäin perinteisistä postisuodattimista ja voi luokitella sähköpostit prioriteetin mukaan ja ohjata ne uudelleen kyseiselle osastolle.
HAUSKA SEIKKA : Tiesitkö, että Southwest Airlines on osana asiakaspalvelunsa parantamista toteuttanut data-analyysin ominaisuudella nimeltä puhe-analyysi, joka tallentaa asiakkaan ja henkilöstön välisen vuorovaikutuksen oivalluksia varten!
7. markkinointi: työntekijöiden kouluttaminen systemaattiseen markkinointitapaan suurten tietojen avulla
Markkinointi toimintana on nykyään vain numeroita. Digitaalisen markkinoinnin lisääntyessä voimme nyt mitata tarkasti mainosten vastausta, napsautussuhdetta, näyttökertoja, sijoitetun pääoman tuottoprosenttia ja niin edelleen. Ei-markkinoinnin ammattilaisille tällaiset mittarit saattavat olla kreikkalaisia, mutta markkinoiville tämä tieto on kultakaivos. Myöhemmin yhdessä mittareiden kanssa syntyy suuria osia dataa kaikissa vuorovaikutuksen, sosiaalisen median ja myynnin pisteissä. Markkinoinnin ammattilaisen on seurattava tällaisia tietoja ja käytettävä niitä tuotteidensa tuottamiseen. Big Data -koulutuksella on tässä tärkeä rooli, koska Hadoop & R: n kaltaiset alustat auttavat palvelemaan tarkoitusta.
Toiseksi markkinoinnin ammattilaiset harjoittavat usein tuotemerkkinsä jälkikäteen. Kysymyksiä, kuten:
ohittaa arvo java
Kuinka brändini on parempi kuin muut?
Mitä muut tuotemerkit tarjoavat?
Mitä ominaisuuksia kilpailijalla on samaan tuotteeseen?
Tutkimus menee paljon syvemmälle kuin tämä. Tuotettujen tietojen määrä on valtava ja monimutkainen, analysoimalla 4P-tuotteisiin (tuote, hinta, paikka, paikannus) perustuvan kilpailijan tuotteen (tuotteen, hinnan, paikan, paikannuksen) pohjalta. Kuten aiemmin kerrottiin, tekstin louhinnan hyödyntäminen voi auttaa markkinoijaa suorittamaan kilpailija-analyysin yksinkertaisesti indeksoimalla kilpailijan verkkosivuston. Tämä yksinkertainen toiminto big data -alueella voi antaa konsolidoidun käsityksen siitä, mitä kilpailija tekee ja mitä tuotteita heillä on markkinoilla, mikä antaa big data -tietoon sitoutuneelle markkinoijalle edun!
Mainoksen virittäminen
Esimerkiksi sosiaalisen median strategi haluaa tietää organisaationsa brändikäsityksestä sosiaalisen median alustoilla, ja luultavasti mielipiteiden analysointi R & Hadoopissa auttaa saavuttamaan tämän tavoitteen. Samalla tavalla Big Data -työkalujen käyttö auttaa markkinointia erilaisissa toiminnoissa, kuten hinnoittelussa, tuotteiden sijoittelussa ja niin edelleen.
Toinen esimerkki voisi olla markkinointipäällikkö vähittäiskaupassa, joka haluaa maksimoida myynnin. Kaikki tietäisivät esimerkin Walmartista, joka pystyi sijoittamaan oluen ja maidon vierekkäin käytävään aiempien asiakkaiden ostohistoriaan perustuen hakemalla suuria paloja miljoonia asiakkaita ajanjakson aikana!
HAUSKA SEIKKA: Tiesitkö, että General Motors, jonka vuotuinen markkinointibudjetti on 2 miljardia dollaria vuodessa, käytti Big Data Analyticsia yksityiskohtaisten asiakasprofiilien luomiseen ja paikkatietoanalytiikan yhdistämiseen yksityiskohtaisiin väestötietoihin / asiakastietoihin henkilökohtaisemman markkinoinnin luomiseksi!
Miksi yritykset siirtyvät Big Data -alustoille
Vanhoja vanhoja järjestelmiä käyttävillä organisaatioilla on tyypillisesti tietoja hajautettuna useisiin järjestelmiin. Tietojen leviämisen vuoksi eri paikoissa käsittelynopeus laskee samoin kuin tietojen analysoinnin tarkkuus. Tämä edellyttää tietojen yhdistämistä yritystietokeskukseen, mikä luo nopeamman pääsyn tietoihin, mikä johtaa syvempään analytiikkaan. Yksi tärkeimmistä IT-osastojen tavoitteista missä tahansa organisaatiossa on tarjota tarkkoja tietoja nopeasti organisaation kaikille osastoille pyynnöstä.
Kun tietoja kerätään, on tärkeää yhdistää strukturoimattomat, jäsennellyt ja osittain strukturoidut tietolähteet yhdelle alustalle perusteellisen analyysin suorittamiseksi ja pohjimmiltaan liiketoiminnan päätöksenteon helpottamiseksi. Tämä Hadoop-ominaisuus tuo enemmän ihmisiä pöydälle organisaatiossa, koska on työntekijöitä, jotka ovat vuorovaikutuksessa datan kanssa eri kosketuspisteissä päivittäisessä toiminnassa. Myös perinteiset ETL- ja eräprosessit voivat viedä kauan, kun taas Hadoop suurella volyymierällä prosessoinnilla nopeuttaa sitä jopa 10 kertaa.
Hadoopin merkitys ei välttämättä tarkoita sitä, että jokainen organisaation työntekijä on koulutettava Big Data -alustalla, mikä ei ehkä ole mahdollista useimmissa tapauksissa. Strategisen edun mukaista olisi kuitenkin, että CTO tunnistaa ja kouluttaa ne ammattilaiset, jotka ovat jatkuvasti vuorovaikutuksessa datan kanssa.
Big Data -analytiikka on kattanut tietojen tallennuksen, käsittelyn ja noutamisen suositun Hadoop-alustan kautta, ja toinen tärkeä ilmiö, joka on osa luonnollista etenemistä. Yksinkertaistettuna organisaatiot tarvitsevat useita näkökulmia organisaation eri ammattilaisilta.
Numeroa 6 voidaan pitää numerona 9 taulukon toiselta puolelta. Toisin sanoen johtopäätös tietojen havainnoinnista eroaa henkilöstä toiseen.
Organisaatiot tietävät tämän ja harjoittavat usein työntekijöiden kouluttamista samankaltaisella alustalla, jotta saman toiminnan yhteydessä olevat eri osastojen ihmiset keskustelevat, osallistuvat ja jakavat oivalluksia moitteettomasta päätöksenteosta. Joten uskon, että olisi turvallista määritellä Big Data -koulutus mahdollisuutena jokaiselle työntekijälle olla samalla sivulla ja viedä organisaatiot seuraavalle tasolle!
Onko sinulla kysymys meille? Mainitse ne kommenttiosassa ja palaamme sinuun.
Aiheeseen liittyvät julkaisut: