Niedawna wiadomość o tym, że Zjednoczone Emiraty Arabskie nakładają obowiązek służby wojskowej na wszystkich emirackich mężczyzn w wieku od 18 do 30 lat, skłoniły mnie do zastanowienia się, dlaczego kraje, niezależnie od ich statusu ekonomicznego, zapewniają obywatelom gotowość do obrony kraju.
Można argumentować, że ograniczona liczba obywateli w kraju często zmusza rząd do wprowadzenia obowiązkowej służby wojskowej. A co z Chinami? Jest to największy kraj pod względem liczby ludności, ale zapewnia również obywatelom udającym się na dalszą edukację odbycie obowiązkowego czasu wojskowego. Krótko mówiąc, narody zasadniczo przygotowują się do obrony w przypadku konfliktu i każdy musi być do niej przygotowany. Czy to elektryk, biznesmen, stolarz, wszyscy jednoczą się we wspólnym celu.
Choć może się to wydawać dziwne, można narysować niesamowitą paralelę między takimi narodami a współczesnymi organizacjami, które chcą pozostać konkurencyjne. Obecne zagrożenie, a raczej wyzwanie w postaci Big Data, skłoniło organizacje duże i małe do zebrania siły roboczej w różnych działach w celu wspólnego rozwiązania tego problemu. Idąc dalej, zazwyczaj kraje egzekwujące obowiązkową służbę wojskową zawsze mają kryteria kwalifikowalności, w ten sam sposób, w jaki organizacje uważają, że logiczne jest organizowanie szkoleń w zakresie dużych zbiorów danych tylko dla tych pracowników, którzy mają jakąś formę interakcji z dużymi ilościami danych i są zobowiązani do zatrudniaj Hadoop w każdym punkcie kontaktu.
Tak jak generał armii w porozumieniu z rządem decyduje o rodzaju uzbrojenia i szkolenia, które zostaną przydzielone jego nowicjuszowi, który stał się nowym rekrutem, w taki sam sposób, w jaki CTO powinien stać u steru infrastruktury IT i dziedzictwa systemy napędzające innowacje w nowych technologiach, aby umożliwić jego pracownikom lepsze wyniki. Mając wspólny cel, jakim jest zajęcie się dużymi zbiorami danych, spróbujmy szczegółowo zrozumieć, gdzie są wykorzystywane duże zbiory danych i dlaczego ważne jest, aby szkolić w tym swoich towarzyszy.
1.Technologia informacyjna: zwiększanie produktywności dzięki szkoleniom z zakresu Big Data
Być może na czele implementacji dużych zbiorów danych zespół IT jest epicentrum wprowadzania zmian. Decydent zajmujący się szkoleniami IT, który chce przeprowadzić szkolenie z dużych zbiorów danych dla pracowników, musi zacząć od działu IT. Czemu? Bo jeśli chodzi o zaangażowanie w technologię na każdym etapie działalności, najbliżsi są maniacy w piwnicy (popularny slang IT). Więc jakie to ma znaczenie?
Spójrzmy na raport przesłany przez popularną witrynę CIO, w którym stwierdza się:
„Według niedawnej ankiety CompTIA przeprowadzonej wśród 500 amerykańskich dyrektorów biznesu i informatyki, 50 procent firm, które wyprzedzają konkurencję w zakresie wykorzystania danych i 71 procent firm, które mają średnie lub opóźnione w wykorzystywaniu danych, uważa, że ich personel jest umiarkowany lub znacząco brakuje umiejętności zarządzania danymi i ich analizy ”
Biorąc pod uwagę fakt, że zarządzanie danymi i ich przechowywanie są częścią podstawowych funkcji IT, istnieje potrzeba równoległego podejścia do wdrażania platformy Big Data i wzmacniania umiejętności IT w zakresie Big Data. Potwierdza to raport McKinsey stwierdzający, że do 2018 roku zabraknie ponad 140000-1900000 specjalistów z głęboką wiedzą techniczną i analityczną! Ponieważ coraz więcej specjalistów technicznych wymaga szkolenia w zakresie dużych zbiorów danych, organizacje chcą więcej przeszkolić specjalistów technicznych w zakresie szybkiego zwrotu z inwestycji, a na czele stoją specjaliści ds. Platform, administratorzy i inżynierowie pracujący w dziale IT.
Połączenie trójcy podstawowych funkcji IT z Big Data
Termin Trinity często przypomina mi dwie koncepcje religijne: jedna to hinduska mitologia stwórcy, obrońcy i niszczyciela, a druga to chrześcijańska koncepcja ojca, syna i ducha świętego. Obaj dążą do poprawy ludzkości. W ten sam sposób te trzy funkcje zespołu IT dążą do usprawnienia całej organizacji z działami o różnych potrzebach informatycznych. Oprócz funkcji bezpieczeństwa i wsparcia dział IT może odnieść się do tych funkcji, jeśli chodzi o wdrażanie dużych zbiorów danych.
Planowanie - czynności związane z planowaniem w zespole IT koncentrują się na zapewnieniu zgodności strategii IT organizacji z celami biznesowymi. Obejmuje to pracę nad dostosowywaniem oprogramowania, wprowadzanie nowych platform, które spełniają potrzeby różnych działów biznesowych. Innymi słowy, każda nowa implementacja zawsze zaczyna się od działu IT.
Sieć - obejmuje rozwój sieci, które ułatwiają wszystkie formy komunikacji między głosem, danymi, wideo i ruchem internetowym, a także istnieją różne punkty kontrolne do rejestrowania danych, czy to interakcji z klientami, analizy nastrojów i aktualizacji ruchu, wszystkie zbierają dane w czasie rzeczywistym! Dział IT często zapewnia płynną integrację sieci do pracy w celu przetwarzania dużych zbiorów danych.
Dane - Mówiąc prościej, zespół IT zapewnia narzędzia do gromadzenia, przechowywania, zarządzania, zabezpieczania i dystrybucji danych do pracowników w celu podjęcia różnych strategicznych decyzji w organizacji. Wszystkie formy danych, takie jak rekord sprzedaży, dokumentacja finansowa, szczegóły zapasów, są przechowywane w jednym centrum danych. Stwarza to odpowiedzialność w zespole IT za wdrażanie platform dla dużych zbiorów danych, które umożliwiają wyznaczonym użytkownikom przechowywanie i odzyskiwanie informacji w dowolnym miejscu danych.
W każdym zespole IT potrzebna jest wszechstronna mieszanka członków z różnymi zadaniami związanymi z wdrażaniem dużych zbiorów danych. Na początek potrzebny jest specjalista, który zapewni płynne przejście z tradycyjnych systemów na platformy big data. W tym celu technik musi skupić się na utrzymaniu platformy w całym jej cyklu życia we wszystkich działach. Następnie pojawia się potrzeba członka, który musi stale monitorować, czy każde wdrożenie technologiczne jest zgodne z celem organizacyjnym.
2.Rozwój produktu: przemyślenie innowacji na wszystkich etapach badań i rozwoju
Być może jeden z najważniejszych działów, jeśli chodzi o wprowadzenie organizacji na kolejny poziom innowacji! Jedną z największych zalet Big Data jest integracja danych z różnych punktów styku w rozwoju produktu, począwszy od projektu produktu, produkcji, jakości, gwarancji, diagnostyki, pojazdów i aplikacji. Dane generowane z tych punktów styku określają sposób, w jaki produkt jest i jak skuteczny może być. Zasadniczo prowadzi to twórców produktów, specjalistów ds. Badań i rozwoju oraz projektantów do podejścia opartego na danych i analizie danych.
Inżynieria Big Data w rzeczywistości
jak zainstalować Hadoop w Ubuntu
Jeśli chodzi o rozwój produktu, jednym z popularnych przykładów może być samochód bez kierowcy, który Audi opracowuje i planuje wprowadzić na rynek do 2016 roku. Tak, istnieje zespół ds. Rozwoju produktu, który ma ogromne zadanie dopilnować, aby wizja innowacji CEO została zrealizowana. . Ale po drodze pojawiają się różne wyzwania i pytania, od programowania po testowanie, na które mogą odpowiedzieć tylko duże zbiory danych. Zobaczmy, dlaczego.
Rozważ jazdę próbną monitorowaną od punktu A do punktu B. Oto rodzaje danych, które można wygenerować:
za. Dane czujnika - czujniki w samochodzie mogły przechowywać szczegółowe informacje o odległości, jaką zmierzył między samochodami znajdującymi się za nim i przed nim, a także o częstotliwości napotkanych pojazdów na trasie.
b. Dane kierowcy - można przeprowadzić wiele testów z różnymi grupami wiekowymi, a szczegółowe informacje dotyczące poziomu komfortu, osiągów i tego, ile razy kierowca musiał pominąć automatyczną jazdę, zostaną skompresowane w duże zestawy wierszy i kolumn do analizy.
do. Dane demograficzne - test można przeprowadzić w Indiach i Stanach Zjednoczonych. Sztuczna inteligencja w automatycznej jeździe może analizować przeszkody, które napotyka podczas jazdy w dwóch różnych krajach. Który kraj jest bardziej opłacalny dla automatycznej jazdy, a który nie?
re. Dane dotyczące wydajności rynku - Po wprowadzeniu produktu na rynek i już w drodze, inżynierowie mogli również monitorować jego sukces, analizując dane na żywo z zasilaniem dostarczanym 24 × 7 przez program samochodu, dając wgląd w to, czy wprowadzenie automatycznej jazdy pomaga w utrzymaniu droga jest bezpieczniejsza?
Istnieje liczba możliwych danych, które można wyrzucić z inżynierii produktu. Dopiero zaczynamy odkrywać OEM z przemysłu samochodowego. Pomyśl o możliwościach dużych zbiorów danych w różnych sektorach, powiedzmy, że medycyna, opieka zdrowotna, elektronika i tak dalej. Kto wie?
ŚMIESZNY FAKT: Czy wiesz, że przyjęcie przez Forda Big Data i Analytics uratowało go przed bliską śmiercią w 2000 roku, kiedy konkurencja była silna ze strony europejskich i azjatyckich producentów samochodów!
3. Finanse: Szkolenie pracowników na platformach Big Data w zakresie modelowania finansowego
Być może często słyszeliśmy stwierdzenie, że pieniądze to krew biznesu. Dbanie o te pieniądze jest obowiązkiem działu finansowego. Świat biznesu definiuje funkcje działu finansowego jako zwykle zaangażowane w „planowanie, organizowanie, audyt, księgowość i kontrolowanie finansów firmy, a także wytwarzanie finansów firmy.
Powiedziawszy, że ogólnie dział finansowy jest często pomysłem, jeśli chodzi o obsługę pieniędzy, a jego rola rozszerza się na różne czynności, takie jak generowanie zestawień przepływów pieniężnych, modelowanie kosztów, realizacja nagród i zgodność, by wymienić tylko kilka. Kilkadziesiąt lat temu wykonywanie tych wszystkich czynności na ograniczonych systemach i platformach było całkiem wykonalne, ale w dobie dużych zbiorów danych dwa wyzwania, przed którymi stoi każdy dział finansowy, to wykonywanie regularnych funkcji finansowych w zmieniającym się scenariuszu i zbieranie informacji na przyszłość. Spójrzmy na to z głębszej perspektywy.
Ponieważ informacje są rozmieszczone na różnych serwerach, organizacje często napotykają wyzwanie konsolidacji tych danych i wykonywania działań zgodnie z wymaganiami biznesowymi. Ważną funkcją w ramach programu jest audyt wewnętrzny, który pozwala śledzić ład organizacji, zarządzanie ryzykiem i kontrole zarządcze oraz przeprowadzać proaktywne audyty pod kątem oszustw w celu identyfikacji oszustw. Wraz z rozwojem analityki istnieje również potrzeba zintegrowania audytu wewnętrznego. Doprowadziło to do powstania nowych metod, takich jak analiza danych audytowych, które pomagają w ocenie ryzyka, tworzeniu modeli finansowych i dają ogólny obraz finansów w organizacji.
Modelowanie kosztów i realizacja cen
Modelowanie kosztów jest ważnym elementem efektywnego wykorzystania zasobów. Firmy muszą określić czynności, które generują koszty, całkowitą liczbę bezpośrednich materiałów i robocizny potrzebnych do wykonania zadania i tak dalej. Modelowanie kosztów pomaga firmom dokładnie określić całkowite koszty produkcji produktów we wszystkich działaniach firmy. W dobie dużych zbiorów danych ważne staje się śledzenie każdej czynności finansowej mającej miejsce w różnych działach organizacji, która konsoliduje te informacje w celu zbudowania idealnego modelu kosztów. Od zakupu do sprzedaży wszystkie dane są przechowywane w historii finansów, a podstawową podstawą tworzenia modelu kosztowego jest pobranie dużych porcji danych i utworzenie modelu, który można zastosować w przyszłości.
Chociaż można dyskutować, że wysiłki związane z realizacją cen są bardziej ukierunkowane na sprzedaż w celu poprawy rentowności, to dział finansowy odgrywa większą rolę, jeśli chodzi o czerpanie korzyści z realizacji ceny. Aby rozbić to na prostsze terminy, rozważ punkt sprzedaży detalicznej, który planuje oferować rabaty, aby zwiększyć sprzedaż. Podstawowym celem jest ograniczenie wycieku cen i poprawa ceny kieszonkowej.
Wyciek cen ma miejsce, gdy cena produktu jest tak obniżona (w celu dokonania sprzedaży), że zagraża rentowności, a cena kieszonkowa to cena sprzedaży po obniżeniu ceny. Aby osiągnąć opłacalny wysiłek w zakresie realizacji ceny, zespół sprzedaży współpracuje z działem finansowym w celu zrozumienia struktury kosztów dla każdego produktu i możliwości przyznania rabatów. To z kolei wymaga od działu finansowego opracowania ram dla modeli realizacji cen na przyszłość oraz określenia ograniczeń w ramach takich działań marketingowych. Zadanie obejmuje przetwarzanie danych z zakupów, kosztów magazynowych, okresu przydatności do spożycia, a następnie oszacowanie kosztu sprzedanych towarów (CGS).
F-12 i analizy predykcyjne
Jednym z ważnych działań w dziale finansowym jest monitorowanie kondycji finansowej organizacji. Tak jak lekarz używa różnych wskaźników, takich jak tętno, ciepło ciała lub reakcja na bodźce, aby ocenić, czy pacjent żyje, czy nie, w ten sam sposób świat finansów monitoruje 12 wskaźników, aby wiedzieć, dokąd zmierza firma pod względem finansowym i co jest poza nią. . Od rzeczywistego wzrostu dochodów, trwałego wzrostu przychodów, polityki cenowej i wskaźnika cen, kontroli kosztów operacyjnych, porównania EBITDA z przepływami pieniężnymi, przepływów pieniężnych bez zadłużenia, nadwyżki gotówki, zwrotu z aktywów, kapitału obrotowego, wykorzystania finansowania dłużnego, cyklu handlowego i kosztów netto kapitału stanowią ważne elementy sprawozdawczości finansowej organizacji, tak aby kierownictwo wyższego szczebla mogło podjąć rozsądną decyzję.
Jako część wyzwania w świecie dużych zbiorów danych, zrozumienie tych wskaźników wymaga przetworzenia dużych porcji informacji rozrzuconych po całej organizacji, aby uzyskać je w standardowym formacie do analizy. Analizy predykcyjne wchodzą w grę, gdy dane te są przetwarzane z przeszłości, w porównaniu z tymi samymi elementami w teraźniejszości, tak że dokonywane są dokładne szacunki na przyszłość. Najlepsze jest to, że platforma do analiz predykcyjnych i metody są zbudowane do przetwarzania dużych zbiorów danych, upraszczając tym samym zadania działu finansowego.
ŚMIESZNY FAKT: Czy wiesz, że Oversea-Banking Corporation (OCBC) z siedzibą w Singapurze była w stanie wykorzystać duże zbiory danych do wglądu w klientów, co było bezpośrednio odpowiedzialne za 40% wzrost pozyskania nowego klienta!
4. Zasoby ludzkie: przedefiniowanie możliwości pracowników HR
Wyobrażanie sobie Big Data w zasobach ludzkich może często skłaniać czytelników do odrzucenia ich jako bzdury, ponieważ organizacja zazwyczaj nie przywiązuje dużej wagi do wdrażania technologii Big Data w dziale HR, ponieważ wolałaby skupić się na marketingu, operacjach lub finansach. Ale w rzeczywistości dział zasobów ludzkich odgrywa kluczową rolę w upewnianiu się, że odpowiedni talent trafia do organizacji wśród innych działań.
Dodanie większej liczby zębów do HR
Być może najbardziej ignorowany ze wszystkich działów, jeśli chodzi o wdrażanie Big Data, ale w dzisiejszym szybko zmieniającym się świecie sposób działania działu HR definiuje sukces organizacji.
Według Forbesa, przeciętna duża firma ma ponad 10 różnych aplikacji HR, a ich podstawowy system HR ma ponad 6 lat. Ten trend podkreśla fakt, że organizacja potrzebuje odpowiednich zasobów, aby zebrać te dane. Szkolenie w zakresie Big Data & Analytics zapewnia umiejętności, takie jak analiza danych, wizualizacja i rozwiązywanie problemów, od raportowania operacyjnego do analizy strategicznej.
Oczekuje się, że dział HR domyślnie będzie zapewniać podstawowe operacje HR, ale szkolenia z zakresu Big Data przenoszą je na zupełnie nowy poziom. Ponieważ dział HR staje się bardziej analityczny dzięki narzędziom, zmienia swoje podejście do angażowania się w bardziej strategiczne działania. Krytyczne pytanie, takie jak zwiększenie liczby czynników zatrzymania pracowników wpływających na jakość sprzedaży kandydatów i ocena luk w talentach, zostało zidentyfikowane, a poprzez analizę odpowiednich danych podejmuje się kroki strategiczne.
kończenie programu w java
Przejście od zwykłego zatrudnienia do bardziej predykcyjnej analizy.
Oracle w ramach zasobów ludzkich
Pamiętam zabawną historię o znajomym, który pracował jako HR. Miała wyczerpującą pracę polegającą na szukaniu głowy, zanim wysłała kandydata do odpowiedniego szefa działu, który wypowiedział tylko magiczne słowa: „Ok, zatrudnijmy go”.
Przez jakiś czas wszystko szło dobrze, ponieważ wprowadziła do firmy dobry talent. Z biegiem czasu nabierała pewności w swoich umiejętnościach zatrudniania, a także naciskała na wyższą kadrę zarządzającą, aby dodawała więcej osób do swojego zespołu, wdrażając systemy HR i włączając więcej zewnętrznych konsultantów. Najtrudniejsze było to, że z pewnością siebie składała wysokie obietnice kierownictwu.
Historia pokazała, że ten, kto przygotowuje się do przyszłego wydarzenia, odnosi większe sukcesy niż ten, który jedzie w przeszłej chwale. Był czas, kiedy oczekiwano, że będzie zatrudniać dużą liczbę specjalistów w dziedzinie, w której firma się rozwijała. Zaczęła obsadzać wakaty kompromisem w zakresie zatrudniania wysokiej jakości specjalistów. Przyjęła bardziej ukierunkowane na cel podejście. Wynik? Większość zatrudnionych przez nią specjalistów odłożyła dokumenty, podając różne powody, i została przesłuchana przez kierownictwo. Często słyszałem jej mamrotanie:
„Poluję na 1000 CV, wybieram krótką listę 100 CV, dzwonię do 50 kandydatów na rozmowę kwalifikacyjną, filtruję 10 z moich ocen psychometrycznych, spośród 10 biorę 5, którzy są tego warci, wysyłam 5 do kierownictwa, wybierają 1 i ten jeden facet odchodzi po 2 miesiącach ”.
Chichotałem z jej nieszczęścia, nie licząc okazywania współczucia, ale zastanawiałem się, czy zasoby ludzkie mogą lepiej ocenić swoje doświadczenie, czy też istnieje potrzeba bardziej opartego na danych podejścia do całego procesu rekrutacji? Cóż, używamy analizy predykcyjnej w celu ustalenia, która drużyna wygra mistrzostwa świata, ale dlaczego nie zastosować tych samych technik w procesie rekrutacji, zwłaszcza gdy mamy do czynienia ze złożonymi elementami, takimi jak ludzie?
Teraz zatrudnienie niekoniecznie jest zadaniem łatwym, wiąże się z wieloma procesami, a zasady zatrudniania często zmieniają się w zależności od branży, w której HR pełni rolę, którą zatrudnia, zgodnie z zasadami organizacji i tak dalej.
Jeśli obserwuje się organizacje odnoszące sukcesy, które stosują analizy predykcyjne i mają mniejsze wskaźniki rezygnacji, istnieje wzorzec polegający na tym, że najpierw decyduje się o pożądanych cechach kandydata, które zapewniają sukces, konsolidując go w `` idealny '' profil i porównując go z każdym kandydatem, który jest najbliżej do niego, a następnie angażując ich w indywidualne oceny, które oceniają cechy tych kandydatów.
Warto zauważyć, że cała branża oceny psychometrycznej z wiodącymi graczami, takimi jak Pearsons, Thomas Assessment i SHL, powstała z powodu zapotrzebowania specjalistów HR na analizę profilu kandydata w ich potrzebie doskonalenia procesu rekrutacji!
Wracając do analityki predykcyjnej, w ramach jej wdrażania personel HR musi najpierw zdefiniować, kto jest `` dobrym kandydatem '' według organizacji, a następnie musi zdefiniować czynniki, które mogą wpływać na efektywność zatrudniania i rozwijać się oraz obserwować dlaczego niektórzy pracownicy radzą sobie lepiej niż inni z hipotezą, jeśli zajdzie taka potrzeba. Na tej podstawie może porównać je z danymi pracowników odnoszących sukcesy, którzy pozostali w organizacji długo, a po trzecie, może wykorzystać techniki statystyczne, aby zmierzyć, dlaczego niektórzy ludzie zostają dłużej.
Podejście to jest dobre na początek, ale wdrażanie analityki predykcyjnej w HR obejmuje wiele technik, które HR może swobodnie zbadać. Najlepszą częścią tego procesu jest obniżenie kosztów wymiany pracownika na nowego i być może uzyskanie większego zwrotu z inwestycji niż stary.
Ostatecznie połączenie intuicji, doświadczenia i rzetelnego podejścia opartego na danych często udoskonala nie tylko ocenę HR, ale także naszą.
ŚMIESZNY FAKT: Czy wiesz, że amerykański gigant Xerox zmniejszył obroty swojego centrum telefonicznego o 20%, stosując analitykę do potencjalnych kandydatów, odkrywając, że kreatywni ludzie byli bardziej skłonni pozostać w firmie przez 6 miesięcy niezbędnych do odzyskania 6000 USD kosztów szkolenia niż dociekliwi ludzie?
5. Łańcuch dostaw i logistyka: Zespół szkoleniowy z platformami Big Data
Łańcuch dostaw i logistyka zasadniczo stanowią ważny element strategii i celów organizacyjnych. Celem łańcucha dostaw i logistyki jest oszczędność kosztów oraz poprawa wydajności, szybkości i zwinności. Jeśli chodzi o logistykę, przechwytują i śledzą różne formy danych, aby zasadniczo poprawić wydajność operacyjną, poprawić jakość obsługi klienta i nowe modele biznesowe. Czynniki te mogą często pomóc organizacjom w oszczędzaniu zasobów, budowaniu lepszej marki i tworzeniu systematycznego procesu dla łańcucha dostaw i logistyki.
Śledzenie dużych zbiorów danych na całym świecie
Weźmy przykład giganta e-commerce, który wykorzystuje Big Data do dostaw do swoich klientów. Produkt jest wysyłany z lokalizacji na adres klienta. Urządzenia w pojeździe transportowym, takie jak lokalizator GPS, mikrofon, czujnik, mają ustrukturyzowane i nieustrukturyzowane dane, które są wysyłane z powrotem do centrum monitorowania w celu aktualizacji w czasie rzeczywistym. Pomaga przy tym analizować efektywność czasu dostawy, najkrótszą drogę i zasoby wykorzystane do wykonania jednej operacji dostawy na liście milionów takich transakcji. Ta kopalnia złota danych z różnych rynków jest konsolidowana przez organizacje, a następnie analizowana w celu dalszego udoskonalenia procesu lub wprowadzenia całego poziomu nowych innowacji!
ŚMIESZNY FAKT : Czy wiesz, że Big data w postaci śledzenia stron klientów przez Amazon pomogła mu w pozycjonowaniu produktów do magazynu najbliżej klienta w celu poprawy szybkości i wydajności dostaw?
6.Operacje, wsparcie i obsługa klienta: szkolenie pracowników w zakresie dużych zbiorów danych przy każdej interakcji z klientem
Sukces każdego produktu lub usługi opiera się na wsparciu posprzedażowym, które otrzymuje klient, a często sprzedawca składa przysięgę, że będzie dla niego / niej przez cały czas. Wynika to z faktu, że gdy klient bierze produkt lub usługę, robi „skok wiary” w nadziei, że sprzedawca nie zawiedzie go w okresie użytkowania produktu / usługi. Realizacja z tej perspektywy ma kluczowe znaczenie dla sukcesu organizacji.
Spójrzmy na wsparcie na szczegółowym poziomie. Niedawno miałem okazję oglądać „Interstellar” Christophera Nolana, który badał podróże kosmiczne na koniec kosmosu. To skłoniło mnie do zastanowienia się nad przyszłymi liniami lotniczymi, które będą oferować usługi lotów przez tunele ślimakowe oddalone o miliony lat świetlnych! Jakie byłyby wtedy wyzwania? Jakie duże zbiory danych zostaną wygenerowane w tej prawie niekończącej się podróży? W jaki sposób zespół pokładowy zapewni pasażerowi przyjemność z jazdy przez cały czas? Po pierwsze, dostawca usług musi skupić się na głównych celach, takich jak zapewnienie bezpieczeństwa w powietrzu, śledzenie ścieżki lotu, spełnianie wymagań klientów i tak dalej.
Big Data w ruchu 24 × 7
Pomysł na podróż międzygwiezdną może być odległym marzeniem na następne 100 lat (optymistycznie!), Ale nie powstrzymuje nas to przed spojrzeniem na dane generowane przez podobną, obecnie działającą usługę, która rzuci więcej światła na to, jak klient serwis i wsparcie są realizowane w ramach scenariusza „posprzedażnego” oraz w jaki sposób organizacje mogą zaangażować się w poprawę swoich wysiłków w czasie rzeczywistym.
Zacznijmy od tego, że Southwest Airlines to jedna z najbardziej uznanych linii lotniczych, która wykorzystała Big Data w celu poprawy obsługi klienta. Dążąc do poprawy bezpieczeństwa lotniczego, Southwest Airlines współpracowały z NASA, aby zaangażować się w eksperyment z dużymi danymi, aby poprawić ogólne wrażenia z lotu. Obejmuje to pingowanie satelitów NASA z informacjami o trasie lotu, raportami pilotów i innymi informacjami o ruchu lotniczym. U szczytu tej innowacyjnej techniki leży podstawowa koncepcja dużych zbiorów danych zwana „eksploracją danych tekstowych”, która przekształca nieustrukturyzowane informacje tekstowe w zrozumiały tekst w celu uzyskania wglądu. Więc myślałeś, że eksploracja danych tekstowych się kończy?
tableau jak stworzyć zestaw
Oczywiście, że nie, nawet prosta koncepcja w big data, taka jak eksploracja danych tekstowych, wykracza daleko poza to. Wszyscy wiemy, że informacje zwrotne od klientów są ważnym elementem zrozumienia, gdzie organizacja nie działa na każdym etapie interakcji z klientem. Eksploracja danych tekstowych pomaga również w obsłudze klienta, analizując otwarte odpowiedzi na ankiety. Zamiast ograniczać klientów do typowych opcji, takich jak opcja A, opcja B, opcja C, pytania otwarte zapewniają więcej wglądu, ale klasyfikacja ich i rejestrowanie odpowiedzi może być kluczową kwestią. W tym miejscu do gry wkracza eksploracja danych tekstowych, która grupuje określone zestawy słów i konsoliduje je w celu uzyskania wglądu!
Patrząc poza to, wszyscy musimy przyznać, że żadna organizacja nie jest idealna i każda z nich ma niewielką grupę klientów, którzy mogą nie być zadowoleni z obsługi. Wynik? Baza danych zalewana e-mailami, wiadomościami, tweetami od klientów zgłaszających skargi lub wskazówkami „obszary wymagające poprawy”, delikatnie mówiąc. Eksploracja danych tekstowych idzie o krok dalej od tradycyjnych filtrów poczty i może klasyfikować wiadomości według priorytetu i przekierowywać je do odpowiedniego działu.
ŚMIESZNY FAKT : Czy wiesz, że Southwest Airlines, w ramach swoich wysiłków na rzecz poprawy obsługi klienta, wdrożyły analizę danych z funkcją zwaną „analizą mowy”, która rejestruje interakcje między klientem a personelem w celu uzyskania szczegółowych informacji!
7.Marketing: Szkolenie pracowników w zakresie systematycznego podejścia marketingowego z wykorzystaniem dużych zbiorów danych
Marketing jako działalność dotyczy dziś liczb. Wraz z rozwojem marketingu cyfrowego możemy teraz dokładnie mierzyć reakcję reklam, współczynnik klikalności, wyświetlenia, ROI i tak dalej. Dla osób nie zajmujących się marketingiem takie wskaźniki mogą być greckie, ale dla tych, którzy zajmują się marketingiem, te dane są kopalnią złota. Następnie, wraz z metrykami, generowane są duże porcje danych w każdym punkcie interakcji z klientem, w mediach społecznościowych i sprzedaży. Śledzenie takich danych i wykorzystywanie ich do skuteczniejszego promowania swoich produktów należy do specjalisty ds. Marketingu. Szkolenie w zakresie Big Data odgrywa tutaj istotną rolę, ponieważ platformy takie jak Hadoop & R pomagają w tym celu.
Po drugie, sporadyczni specjaliści od marketingu często oddają się retrospekcji swojej marki. Pytania takie jak:
W jaki sposób moja marka jest lepsza od innych?
Co oferują inne marki?
Jakie funkcje ma mój konkurent w tym samym produkcie?
Badanie sięga znacznie głębiej niż to. Od analizy produktu konkurencji na podstawie 4P (produkt, cena, miejsce, pozycjonowanie) do zrozumienia treści produktu prezentowanego na stronie internetowej konkurencji, ilość generowanych danych jest ogromna i skomplikowana. Jak powiedziano wcześniej, wykorzystanie eksploracji tekstu może pomóc marketerowi w przeprowadzeniu analizy konkurencji, po prostu przeszukując witrynę konkurencji. Ta prosta funkcja w dziedzinie dużych zbiorów danych może dać skonsolidowane wyobrażenie o tym, co robi konkurent i jakie produkty ma na rynku, dając tym samym przewagę marketerowi, który wybrał duże zbiory danych!
Uzbrojenie kreacji
Na przykład strateg mediów społecznościowych chce wiedzieć o postrzeganiu marki swojej organizacji na platformach mediów społecznościowych, wtedy prawdopodobnie zaangażowanie się w analizę sentymentów w R & Hadoop pomoże osiągnąć ten cel. W ten sam sposób wykorzystanie narzędzi Big Data pomaga w marketingu przy różnych działaniach, takich jak ustalanie cen, pozycjonowanie produktów i tak dalej.
Innym przykładem może być kierownik ds. Marketingu w punkcie sprzedaży detalicznej, który chce zmaksymalizować sprzedaż. Każdy znałby przykład Walmart, który był w stanie umieścić piwo i mleko obok siebie w przejściu na podstawie historii zakupów klientów z przeszłości, pobierając duże porcje danych obejmujących miliony klientów w określonym przedziale czasowym!
ŚMIESZNY FAKT: Czy wiesz, że General Motors ze swoim rocznym budżetem marketingowym w wysokości 2 miliardów dolarów rocznie wykorzystywał Big Data Analytics do tworzenia szczegółowych profili klientów i łączenia analiz danych przestrzennych ze szczegółowymi danymi demograficznymi / informacjami o klientach w celu bardziej spersonalizowanego marketingu!
Dlaczego firmy przechodzą na platformy Big Data
Zazwyczaj organizacje korzystające ze starych, starszych systemów mają dane rozproszone w wielu systemach. Ze względu na rozproszenie danych w różnych lokalizacjach prędkość przetwarzania spada wraz z dokładnością analizy danych. Wymaga to konsolidacji danych w korporacyjnym centrum danych, co zapewnia szybszy dostęp do danych, co skutkuje głębszą analizą. Jednym z ważnych celów działu IT w każdej organizacji jest szybkie dostarczanie dokładnych danych dla wszystkich działów organizacji na żądanie.
Podczas gromadzenia danych ważne jest, aby ujednolicić nieustrukturyzowane, ustrukturyzowane i częściowo ustrukturyzowane źródła danych na jednej platformie, aby przeprowadzić dogłębną analizę i zasadniczo ułatwić podejmowanie decyzji biznesowych. Ta funkcja Hadoop przyciąga więcej osób do stołu w organizacji, ponieważ są pracownicy, którzy wchodzą w interakcje z danymi w różnych punktach styczności w codziennych operacjach. Ponadto tradycyjne procesy ETL i procesy wsadowe mogą zająć dużo czasu, podczas gdy Hadoop dzięki przetwarzaniu wsadowemu na dużą skalę przyspiesza je nawet 10 razy.
Znaczenie Hadoop niekoniecznie oznacza, że każdy pracownik w organizacji musi zostać przeszkolony w zakresie platformy Big Data, co w większości przypadków może być niewykonalne. Jednak dla dyrektora technicznego zidentyfikowanie i przeszkolenie tych specjalistów, którzy są w ciągłym kontakcie z danymi, przyniosłoby strategiczną korzyść.
Po omówieniu przechowywania, przetwarzania, pobierania danych za pośrednictwem popularnej platformy Hadoop, kolejnym ważnym zjawiskiem będącym częścią naturalnego postępu jest analityka Big Data. Mówiąc prościej, organizacje potrzebują wielu perspektyw ze strony różnych specjalistów w organizacji.
Cyfrę „6” można odczytać jako liczbę „9” z drugiej strony tabeli. Innymi słowy, wnioski z obserwacji danych różnią się w zależności od osoby.
Organizacje o tym wiedzą i często angażują się w szkolenie pracowników na podobnej platformie, tak aby ludzie z różnych działów połączonych tą samą działalnością dyskutowali, angażowali się i dzielili spostrzeżeniami na temat podejmowania rozsądnych decyzji. Dlatego uważam, że bezpieczne byłoby zdefiniowanie szkolenia z zakresu Big Data jako szansy dla każdego pracownika, aby być na tej samej stronie i przenieść organizacje na wyższy poziom!
Masz do nas pytanie? Wspomnij o nich w sekcji komentarzy, a my skontaktujemy się z Tobą.
Powiązane posty: