Berita baru-baru ini mengenai Emiriah Arab Bersatu yang menjadikan perkhidmatan ketenteraan wajib bagi semua lelaki Emirat yang berumur antara 18 hingga 30 tahun mendorong saya untuk berfikir mengapa negara-negara tanpa mengira status ekonomi mereka memastikan bahawa rakyat bersedia untuk mempertahankan negara tersebut.
Seseorang boleh berpendapat bahawa sebilangan kecil warganegara di sebuah negara, sering memaksa pemerintah untuk menjadikan perkhidmatan ketenteraan wajib. Tetapi bagaimana dengan China? Ini adalah negara terbesar berdasarkan populasi tetapi juga memastikan bahawa warga yang melanjutkan pelajaran menjalani masa wajib tentera. Pendek kata, negara pada dasarnya mempersiapkan diri untuk mempertahankan diri sekiranya berlaku konflik dan setiap orang mesti bersiap sedia untuknya. Sama ada juruelektrik, peniaga, tukang kayu, mereka semua bersatu untuk tujuan bersama.
Anehnya, seseorang dapat menarik selari yang luar biasa antara negara-negara tersebut dan organisasi hari ini yang ingin terus berdaya saing. Ancaman semasa atau lebih tepatnya tantangan dalam bentuk Big Data telah mendorong organisasi besar dan kecil untuk mengumpulkan tenaga kerjanya di pelbagai jabatan untuk mengatasinya. Untuk melangkah lebih jauh dalam hal ini, biasanya negara-negara yang menerapkan wajib militer selalu memiliki kriteria kelayakan, dengan cara yang sama organisasi menganggapnya logik dalam memberikan latihan data yang besar hanya untuk pekerja yang memiliki beberapa bentuk interaksi dengan sejumlah besar data dan diminta untuk menggunakan Hadoop di setiap titik sentuhan.
Sama seperti seorang Jeneral Tentera yang bekerjasama dengan pemerintah memutuskan jenis persenjataan dan latihan yang akan ditugaskan kepada perekrut warganegara baru yang berubah menjadi baru, dengan cara yang sama CTO diharapkan dapat menjadi pelopor infrastruktur dan warisan IT sistem mendorong inovasi teknologi baru untuk membolehkan pekerjanya berprestasi lebih baik. Dengan objektif bersama untuk mengatasi data besar, mari kita cuba memahami secara terperinci di mana data besar digunakan dan mengapa penting untuk melatih rakan anda di dalamnya.
1. Teknologi Maklumat: Meningkatkan produktiviti dengan Latihan Data Besar
Mungkin di barisan depan pelaksanaan data besar, pasukan IT adalah pusat untuk membawa perubahan ke hadapan. Seorang pembuat keputusan latihan IT yang ingin membawa latihan data besar kepada pekerja harus bermula dengan jabatan IT. Kenapa? Kerana ketika berhubungan dengan teknologi di setiap tahap aktiviti, orang-orang geek di ruang bawah tanah (slang popular untuk IT) adalah yang paling dekat. Oleh itu, bagaimana ia relevan?
Mari kita lihat laporan yang dihantar oleh laman web popular, CIO, yang menyatakan:
'Menurut tinjauan CompTIA baru-baru ini terhadap 500 eksekutif perniagaan dan IT AS, 50 peratus syarikat yang berada di depan kurva dalam memanfaatkan data, dan 71 persen syarikat yang rata-rata atau ketinggalan dalam memanfaatkan data, merasa bahwa staf mereka sedang atau kekurangan ketara dalam kemahiran pengurusan data dan analisis ”
Memandangkan fakta bahawa pengurusan dan penyimpanan data adalah sebahagian dari fungsi inti IT, ada keperluan untuk memiliki pendekatan selari terhadap pelaksanaan platform data besar dan memperkuat keterampilan IT dalam data besar. Menyokong kenyataan itu adalah laporan McKinsey yang menyatakan bahawa menjelang 2018, akan ada kekurangan lebih dari 140,000-190,0000 profesional dengan kepakaran teknikal dan analitik yang mendalam! Oleh kerana semakin banyak profesional teknikal memerlukan latihan data yang besar, organisasi ingin melatih profesional teknikal lebih banyak untuk pakar ROI dan platform yang cepat, pentadbir dan jurutera yang bekerja di jabatan IT berada di bawahnya.
Mengahwini Trinity of Core IT Function dengan Big Data
Istilah Trinity sering mengingatkan saya kepada dua konsep keagamaan: Salah satunya adalah mitologi Hindu mengenai pencipta, pemelihara dan pemusnah dan yang lain adalah konsep Kristiani bapa, anak lelaki dan hantu suci. Kedua-duanya berusaha untuk kesejahteraan manusia. Dengan cara yang sama, ketiga fungsi pasukan IT berusaha untuk peningkatan keseluruhan organisasi dengan jabatan dengan keperluan yang berbeza ketika datang ke teknologi maklumat. Selain fungsi keselamatan dan sokongan, sebuah jabatan IT dapat menghubungkan fungsi-fungsi ini ketika berkaitan dengan pelaksanaan data besar.
Perancangan- Aktiviti Perancangan dalam pasukan IT memfokuskan pada memastikan strategi IT organisasi selaras dengan objektif perniagaan. Ini termasuk mengusahakan penyesuaian perisian, membawa platform baru yang memenuhi keperluan pelbagai jabatan perniagaan. Dengan kata lain, setiap pelaksanaan baru akan selalu bermula dari IT.
Rangkaian- Ini melibatkan pengembangan rangkaian yang memfasilitasi semua bentuk komunikasi antara suara, data, video dan lalu lintas Internet dan terdapat berbagai pusat pemeriksaan untuk merekam data sama ada interaksi pelanggan, analisis sentimen dan kemas kini lalu lintas, semuanya mengumpulkan data secara real time! Sebuah jabatan IT sering memastikan penyatuan jaringan yang lancar untuk berfungsi seiring dengan objektif memproses data besar.
Data- Secara sederhana, pasukan IT membawa alat untuk mengumpulkan, menyimpan, mengurus, mengamankan dan mengedarkan data kepada pekerja untuk pelbagai keputusan strategik dalam organisasi. Semua bentuk data seperti rekod penjualan, rekod kewangan, butiran stok disimpan di satu pusat data. Ini menimbulkan tanggungjawab dalam pasukan IT untuk melaksanakan platform untuk data besar yang membolehkan pengguna yang ditentukan menyimpan dan mengambil maklumat di mana-mana lokasi data.
Dalam mana-mana pasukan IT, seseorang memerlukan gabungan anggota yang serba boleh dengan tugas yang berbeza ke arah pelaksanaan data besar. Sebagai permulaan, ada keperluan untuk pakar yang memastikan peralihan yang lancar dari sistem tradisional ke platform data besar. Untuk itu seseorang memerlukan seorang juruteknik untuk menumpukan perhatian untuk mengekalkan platform dalam seluruh kitaran hidupnya di semua jabatan. Maka timbul keperluan bagi seorang anggota yang mesti sentiasa memantau sama ada setiap pelaksanaan teknologi selaras dengan objektif organisasi.
2. Pembangunan Produk: Memikirkan semula inovasi di semua peringkat R&D
Mungkin salah satu jabatan yang paling penting ketika membawa organisasi ke tahap inovasi seterusnya! Salah satu kelebihan terbesar dari data besar adalah integrasi data di berbagai titik sentuh dalam pengembangan produk langsung dari reka bentuk produk, pembuatan, kualiti, jaminan, diagnostik, aplikasi kenderaan dan perisian. Data yang dihasilkan dari titik sentuh ini menentukan cara produk dan sejauh mana kejayaannya. Ini pada dasarnya membawa pembangun produk, profesional R&D dan pereka ke pendekatan berdasarkan data dan analisis data.
Kejuruteraan Data Besar menjadi kenyataan
Dalam soal pengembangan produk, salah satu contoh yang popular adalah kereta kurang pemandu yang Audi sedang bangun dan rancangkan untuk dilancarkan pada tahun 2016. Ya, ada pasukan pengembangan produk yang mempunyai tugas besar untuk memastikan visi CEO inovasi tercapai . Tetapi selama ini, terdapat pelbagai cabaran dan pertanyaan mulai dari pengembangan hingga pengujian yang hanya dapat dijawab oleh data besar. Mari kita lihat mengapa.
Pertimbangkan perjalanan ujian dipantau dari titik A hingga titik B. Berikut adalah jenis data yang dapat dihasilkan:
a. Data Sensor - Sensor di dalam kereta dapat menyimpan perincian tentang jarak yang diukur antara kereta di belakangnya dan di hadapannya dan frekuensi kenderaan yang ditemuinya dalam perjalanan.
b. Data Pemandu - Pelbagai ujian dengan kumpulan umur yang berbeza dapat dilakukan dan perincian tahap keselesaan, prestasi dan berapa kali pemandu yang diperlukan untuk mengatasi pemanduan automatik akan dimampatkan ke dalam set baris dan lajur yang besar untuk dianalisis.
c. Data Demografi - Ujian mungkin dilakukan di India dan AS. A.I dalam pemanduan automatik dapat menganalisis halangan yang dihadapinya ketika memandu di dua negara yang berbeza. Negara mana yang lebih layak untuk pemanduan automatik dan daerah mana yang tidak?
d. Data Prestasi Pasaran - Setelah produk dilancarkan dan ia berada di jalan, jurutera juga dapat memantau keberhasilannya dengan menganalisis data langsung dengan suapan yang disediakan 24 × 7 oleh program kereta yang memberikan pandangan jika pengenalan pemanduan automatik membantu menjaga jalan lebih selamat?
Terdapat N sejumlah kemungkinan data yang dapat diperoleh dari kejuruteraan produk. Kami baru mula meneroka OEM dari industri automatik. Fikirkan kemungkinan data besar di pelbagai sektor mengatakan perubatan, penjagaan kesihatan, elektronik dan sebagainya. Siapa tahu?
FAKTA MENYENANGKAN: Adakah anda tahu bahawa penggunaan Big Data dan Analytics oleh Ford menyelamatkannya dari pengalaman hampir mati pada tahun 2000 ketika persaingan sengit dari pembuat kenderaan Eropah dan Asia!
3. Kewangan: Melatih pekerja di platform data besar untuk menangani pemodelan kewangan
Kita mungkin sering mendengar istilah bahawa wang adalah darah perniagaan. Menjaga wang itu adalah tanggungjawab jabatan kewangan. Dunia perniagaan mendefinisikan fungsi jabatan kewangan seperti biasanya terlibat dalam 'merancang, mengatur, mengaudit, perakaunan dan mengawal kewangan syarikatnya bersama-sama dengan menghasilkan kewangan syarikat.
Setelah mengatakan bahawa jabatan kewangan pada umumnya sering menjadi idea untuk menguruskan wang dan peranannya berkembang ke pelbagai aktiviti seperti menghasilkan penyata aliran tunai, pemodelan kos, merealisasikan hadiah dan kepatuhan untuk menamakan beberapa perkara. Beberapa dekad yang lalu, melakukan semua aktiviti ini dengan sistem dan platform yang terhad memang dapat dilaksanakan, tetapi dalam usia data yang besar, dua cabaran yang dihadapi setiap jabatan kewangan adalah melaksanakan fungsi kewangan biasa dalam senario yang berubah dan mengumpulkan wawasan untuk masa depan. Mari kita melihatnya dari perspektif yang lebih mendalam.
Dengan maklumat yang tersebar di pelayan yang berbeza, organisasi sering menghadapi cabaran menggabungkan data tersebut dan melakukan tindakan sesuai dengan keperluan perniagaan. Fungsi penting dalam adalah audit internal yang mengawasi tata kelola organisasi, pengurusan risiko dan pengurusan dan melakukan audit penipuan proaktif untuk mengenal pasti tindakan penipuan. Dengan meningkatnya analitik, terdapat keperluan untuk mengintegrasikan audit dalaman juga. Ini telah mencetuskan kaedah baru seperti analisis data audit yang membantu menilai risiko, membuat model kewangan dan memberi gambaran keseluruhan mengenai kewangan dalam organisasi.
menghuraikan fail xml di java
Pemodelan Kos & Realisasi Harga
Pemodelan kos adalah komponen penting untuk penggunaan sumber secara berkesan. Syarikat mesti mengenal pasti aktiviti yang mendorong kos, jumlah bahan langsung dan tenaga kerja yang diperlukan untuk menyelesaikan tugas dan sebagainya. Pemodelan kos membantu syarikat untuk mengenal pasti keseluruhan kos pengeluaran produk dengan tepat di semua aktiviti dalam syarikat. Dalam usia data yang besar, menjadi penting untuk mengawasi setiap aktiviti kewangan yang berlaku di jabatan yang berlainan dalam organisasi yang menggabungkan maklumat tersebut untuk membina model kos yang ideal. Dari pembelian hingga penjualan, semua data disimpan dalam sejarah kewangan dan asas-asas asas untuk mengembangkan model kos adalah dengan mengambil sejumlah besar data dan membuat model yang dapat berlaku untuk masa depan.
Walaupun seseorang dapat memperdebatkan bahawa usaha Realisasi Harga diarahkan lebih banyak ke arah penjualan untuk meningkatkan keuntungan, ada peranan yang lebih besar yang dimainkan oleh jabatan keuangan ketika mendapat manfaat dari realisasi harga. Untuk memecahnya menjadi lebih sederhana, pertimbangkan kedai runcit yang merancang untuk memberikan potongan untuk mendorong penjualan. Objektif asasnya adalah untuk mengurangkan kebocoran harga dan meningkatkan harga saku.
Kebocoran harga berlaku apabila harga produk didiskaunkan sehingga lebih rendah (dalam usaha untuk membuat penjualan) sehingga mereka berkompromi pada keuntungan dan harga saku adalah harga jualan setelah diskaun. Untuk memenuhi usaha merealisasikan harga yang menguntungkan, pasukan penjualan bekerjasama dengan jabatan kewangan untuk memahami struktur kos untuk setiap produk individu dan di mana diskaun dapat diberikan. Ini seterusnya memerlukan jabatan kewangan untuk mengembangkan kerangka untuk model realisasi harga untuk masa depan dan menentukan had dalam aktiviti pemasaran tersebut. Tugas itu merangkumi memproses data dari perolehan, kos gudang, jangka hayat dan kemudian menganggarkan kos barang yang dijual (CGS).
F-12 & Analisis Ramalan
Salah satu aktiviti penting dalam jabatan kewangan adalah memantau kesihatan kewangan organisasi. Sama seperti doktor yang menggunakan metrik yang berbeza seperti kadar nadi, kehangatan badan atau reaksi rangsangan untuk menilai sama ada pesakit masih hidup atau mati, dengan cara yang sama dunia kewangan memantau 12 metrik untuk mengetahui di mana syarikat diketuai secara monetari dan apa yang ada di luar . Dari Pertumbuhan Hasil Sebenar, Pertumbuhan Pendapatan Lestari, Dasar Penentuan Harga dan Indeks Harga, Pengendalian Belanja Operasi, Membandingkan EBITDA berbanding Aliran Tunai, Aliran Tunai Bebas Hutang, Lebihan Tunai, Pulangan Aset, Modal Kerja, Penggunaan Pembiayaan Hutang, Kitaran dan Kos Perdagangan Bersih Modal membentuk komponen penting dalam pelaporan kewangan untuk organisasi agar pihak pengurusan atasan dapat mengambil keputusan yang tepat.
Sebagai sebahagian daripada cabaran dalam dunia data besar, memahami nisbah ini memerlukan pemprosesan sejumlah besar maklumat yang tersebar di seluruh organisasi untuk membuatnya dalam format standard untuk analisis. Analisis ramalan akan dimainkan apabila data ini diproses dari sejarah masa lalu, dibandingkan dengan elemen yang sama pada masa kini sehingga anggaran yang tepat dibuat untuk masa depan. Bahagian terbaik adalah platform analitik ramalan dan kaedah dibina untuk memproses data besar sehingga memudahkan tugas jabatan kewangan.
FAKTA MENYENANGKAN: Tahukah anda bahawa Oversea-Banking Corporation (OCBC) yang berpusat di Singapura dapat menggunakan data besar untuk pandangan pelanggan yang secara langsung bertanggungjawab untuk peningkatan 40% dalam memperoleh pelanggan baru!
4. Sumber Manusia: Mentakrifkan semula kemampuan pekerja HR
Membayangkan Data Besar dalam Sumber Manusia sering kali mendorong para pembaca untuk menganggapnya sebagai humbug, kerana sebuah organisasi biasanya tidak mengutamakan banyak penerapan teknologi Big Data di jabatan HR kerana lebih suka memfokuskan pada Pemasaran, Operasi atau Kewangan. Tetapi pada hakikatnya, jabatan sumber manusia memainkan peranan penting dalam memastikan bahawa bakat yang tepat memasuki organisasi antara aktiviti lain.
Menambah lebih banyak gigi pada HR
Mungkin yang paling tidak dihiraukan oleh semua jabatan dalam pelaksanaan Big data, tetapi dalam dunia yang berubah dengan pantas hari ini, cara kerja jabatan HR menentukan kejayaan organisasi.
Menurut Forbes, sebuah syarikat besar rata-rata mempunyai lebih dari 10 aplikasi HR yang berbeza dan sistem HR teras mereka berumur lebih dari 6 tahun. Trend ini menyoroti fakta bahawa organisasi memerlukan sumber yang betul untuk menyatukan data ini. Latihan dalam Big Data & Analytics membawa kemahiran seperti analisis data, visualisasi dan penyelesaian masalah dari pelaporan operasi hingga analisis strategik.
Sebuah jabatan HR secara lalai diharapkan dapat menghasilkan operasi HR asas, tetapi latihan Big Data membawanya ke tahap yang baru. Oleh kerana jabatan HR menjadi lebih analitis dengan alat, ia mengubah pendekatan mereka untuk terlibat dalam aktiviti yang lebih strategik. Soalan kritikal seperti bagaimana mempunyai lebih banyak faktor pengekalan pekerja yang mempengaruhi kualiti penjualan calon calon dan menilai jurang bakat dikenal pasti dan langkah-langkah strategik diambil melalui analisis data yang relevan melaluinya.
Pergeseran akan beralih dari jumlah yang sederhana ke analisis yang lebih ramalan.
Oracle dalam Sumber Manusia
Ada kisah lucu yang saya ingat tentang seorang rakan yang bekerja sebagai HR. Dia memiliki tugas memburu kepala yang melelahkan sebelum mengirim calon ke kepala departemen yang relevan yang hanya akan mengucapkan kata-kata ajaib: 'Baiklah, mari mengupahnya.'
Untuk beberapa ketika, semuanya berjalan lancar kerana dia membawa bakat yang baik kepada syarikat itu. Seiring berjalannya waktu, dia semakin yakin dengan kemahiran merekrutnya sehingga mendorong pihak atasan untuk menambahkan lebih banyak orang ke dalam pasukannya, melaksanakan sistem SDM dan termasuk lebih banyak perunding pihak ketiga. Bahagian yang sukar adalah dia membuat janji tinggi kepada pihak atasan dengan keyakinannya.
Sejarah telah menunjukkan bahawa orang yang mempersiapkan diri untuk acara yang akan datang lebih berjaya daripada yang mengungguli kejayaan masa lalu. Ada masanya dia diharapkan dapat merekrut sejumlah besar profesional dalam domain yang diperluas syarikatnya. Dia mulai mengisi kekosongan jawatan dengan kompromi untuk mengambil profesional yang berkualiti. Dia menggunakan pendekatan yang lebih berasaskan sasaran. Keputusan? Sebilangan besar profesional yang diupahnya meletakkan kertas dengan alasan pelbagai alasan dan dia disoal oleh pihak pengurusan. Selalunya saya akan mendengarnya bergumam:
'Saya mencari 1000 Cv, senarai pendek 100 CV, memanggil 50 calon wawancara, menyaring 10 dari penilaian psikometrik saya, di antara 10, saya mengambil 5 yang layak, menghantar 5 ke pengurusan, mereka tidak mendapat 1 dan 1 seorang lelaki pergi selepas 2 bulan. '
tutorial studio android untuk pemula
Saya terkilan dengan kesengsaraannya selain menawarkan simpati, tetapi membuat saya tertanya-tanya sama ada sumber manusia dapat membuat penilaian yang lebih baik dengan pengalaman mereka atau ada keperluan untuk mempunyai pendekatan yang lebih berasaskan data untuk keseluruhan proses pengambilan pekerja ini? Kita menggunakan analisis ramalan dari mencari pasukan mana yang akan memenangi piala dunia tetapi mengapa tidak menggunakan teknik yang sama dalam proses pengambilan pekerja, terutama ketika kita berhadapan dengan elemen kompleks seperti manusia?
Sekarang, pekerjaan pengambilan pekerja tidak semestinya pekerjaan yang mudah, ia melibatkan banyak proses dan peraturan pengambilan pekerja sering berubah mengikut industri yang mana HR mengambil peranan untuk mendapatkan peraturan organisasi dan sebagainya.
Sekiranya seseorang memerhatikan organisasi yang berjaya yang menggunakan analitik ramalan dan mempunyai kadar pengurangan yang lebih rendah, ada corak pertama menentukan ciri yang diinginkan dalam calon yang memastikan kejayaan, menggabungkannya menjadi profil 'ideal' dan membandingkannya dengan setiap calon yang paling dekat dan kemudian melibatkan mereka dengan penilaian khusus yang menilai ciri-ciri calon ini.
Satu perkara yang perlu diperhatikan adalah bahawa keseluruhan industri penilaian psikometrik dengan pemain terkemuka seperti Pearsons, Thomas Assessment & SHL muncul kerana permintaan profesional HR untuk menganalisis profil calon dalam keperluan mereka untuk menyempurnakan proses pengambilan pekerja!
Kembali ke analitik ramalan, sebagai sebahagian dari pelaksanaannya, personel SDM harus terlebih dahulu menentukan siapa 'calon yang berjaya' menurut organisasi, kemudian dia harus menentukan faktor-faktor yang dapat mendorong keberkesanan pengambilan pekerja dan mengembangkan dan mengamati sebagai mengapa beberapa pekerja lebih baik daripada yang lain dengan hipotesis jika perlu. Berdasarkan itu, dia dapat membandingkannya dengan data pekerja berjaya yang telah lama tinggal dengan organisasi dan ketiga menggunakan teknik statistik untuk mengukur mengapa sebilangan orang tinggal lebih lama.
Pendekatannya bagus untuk permulaan, tetapi menerapkan analitik ramalan dalam HR merangkumi banyak teknik yang bebas diterokai oleh seorang HR. Bahagian terbaik dari proses ini adalah pengurangan kos penggantian pekerja dengan pekerja baru dan mungkin memperoleh ROI lebih banyak daripada yang lama.
Pada penghujung hari, gabungan intuisi, pengalaman dan pendekatan berdasarkan data yang baik sering menyempurnakan bukan sahaja penilaian HR tetapi juga kita.
FAKTA MENYENANGKAN: Tahukah anda bahawa syarikat gergasi Amerika Xerox mengurangkan perolehan pusat panggilannya sebanyak 20% dengan menerapkan analitik kepada calon calon dengan penemuan bahawa orang kreatif lebih cenderung untuk kekal bersama syarikat selama 6 bulan yang diperlukan untuk mendapatkan semula kos latihan mereka $ 6,000 daripada ingin tahu orang?
5. Rantai Bekalan & Logistik: Melatih pasukan penyampaian dengan platform data besar
Supply Chain & Logistics pada dasarnya membentuk komponen penting dalam strategi dan matlamat organisasi. Objektif untuk Supply Chain & Logistics adalah menjimatkan kos dan meningkatkan prestasi, kelajuan dan ketangkasan. Dalam hal logistik, mereka menangkap dan melacak berbagai bentuk data untuk meningkatkan kecekapan operasi, meningkatkan pengalaman pelanggan dan model perniagaan baru. Faktor-faktor ini sering dapat membantu organisasi untuk menjimatkan sumber, membina jenama yang lebih baik dan membuat proses yang sistematik untuk rantaian bekalan & logistik.
Menjejaki Data Besar di seluruh dunia
Mari kita ambil contoh gergasi e-dagang yang menggunakan Big Data untuk penghantaran kepada pelanggannya. Produk dihantar dari lokasi ke alamat pelanggan. Peranti dalam kenderaan pengangkutan seperti pelacak GPS, mikrofon, sensor mempunyai data terstruktur dan tidak terstruktur yang dihantar kembali ke pusat pemantauan untuk kemas kini masa nyata. Bersamaan dengan itu, ia juga membantu menganalisis kecekapan waktu penghantaran, jalan terpendek dan sumber daya yang digunakan untuk melakukan satu operasi penghantaran dalam senarai berjuta-juta transaksi tersebut. Data lombong emas ini di pelbagai pasaran disatukan oleh organisasi dan kemudian dianalisis untuk membawa peningkatan lebih lanjut dalam proses atau membawa keseluruhan tahap inovasi baru!
FAKTA MENYENANGKAN: Tahukah anda bahawa data besar dalam bentuk pelacakan halaman pelanggan oleh Amazon telah membantunya meletakkan produknya ke gudang yang paling dekat dengan pelanggan untuk meningkatkan kelajuan dan kecekapan penghantaran?
6. Operasi, Sokongan & Khidmat Pelanggan: Latihan pekerja mengenai data besar pada setiap interaksi pelanggan
Kejayaan mana-mana produk atau perkhidmatan didasarkan pada sokongan purna jual yang diterima oleh pelanggan dan selalunya vendor bersumpah untuk selalu berada di sana untuknya. Ini berpunca dari kenyataan bahawa ketika pelanggan mengambil produk atau perkhidmatan, dia membuat 'lompatan-iman' dengan harapan bahawa penjual tidak akan membiarkannya turun dalam jangka masa produk / perkhidmatan tersebut. Menyampaikan dari perspektif ini sangat penting untuk kejayaan organisasi.
Mari kita lihat sokongan pada tahap butiran. Baru-baru ini saya berpeluang menonton ‘Interstellar’ Christopher Nolan yang menjelajah perjalanan angkasa ke hujung angkasa. Ini membuat saya berfikir tentang syarikat penerbangan masa depan yang akan menawarkan perkhidmatan penerbangan melalui lubang cacing yang merangkumi berjuta-juta tahun cahaya! Apa cabarannya? Apa jenis data besar yang akan dihasilkan dalam perjalanan yang hampir tidak pernah berakhir ini? Bagaimana pasukan penumpang memastikan bahawa penumpang menikmati perjalanan sepanjang perjalanan? Sebagai permulaan, penyedia perkhidmatan mesti menumpukan pada objektif utama seperti memastikan keselamatan udara, memantau laluan penerbangannya, memenuhi keperluan pelanggan dan sebagainya.
Data Besar Dalam Perjalanan 24 × 7
Idea untuk perjalanan antara bintang mungkin menjadi impian yang jauh untuk 100 tahun akan datang (bersikap optimis!), Tetapi ia tidak menghalang kita untuk melihat data yang dihasilkan oleh perkhidmatan serupa yang kini beroperasi sekarang yang akan memberi lebih banyak penerangan tentang bagaimana pelanggan perkhidmatan & sokongan dijalankan dalam senario 'selepas penjualan' dan bagaimana organisasi dapat terlibat dalam meningkatkan usaha mereka dalam masa nyata.
Sebagai permulaan, Southwest Airlines adalah salah satu syarikat penerbangan paling terkenal yang memanfaatkan Big data untuk meningkatkan pengalaman pelanggannya. Dalam usaha meningkatkan keselamatan udara, Southwest Airlines bekerjasama dengan NASA untuk terlibat dalam eksperimen data besar untuk meningkatkan keseluruhan pengalaman penerbangan. Ini termasuk ping satelit NASA dengan maklumat mengenai jalur penerbangan, laporan dari juruterbang dan maklumat lalu lintas udara yang lain. Di puncak teknik inovatif seperti itu, terdapat konsep asas data besar yang disebut ‘data-mining data’ yang mengubah maklumat teks yang tidak tersusun menjadi teks yang bermakna untuk pandangan. Jadi anda fikir perlombongan data teks berakhir di sana?
Sudah tentu tidak, bahkan konsep sederhana dalam data besar seperti perlombongan data teks melampaui itu. Kita semua tahu bahawa maklum balas pelanggan adalah komponen penting dalam memahami di mana organisasi menjadi salah pada setiap titik interaksi pelanggan. Perlombongan data teks juga membantu perkhidmatan pelanggan dengan menganalisis respons tinjauan terbuka. Daripada membatasi pelanggan ke pilihan umum seperti pilihan A, pilihan B, pilihan C, soalan terbuka memberikan lebih banyak pandangan, tetapi mengklasifikasikannya dan mencatat respons mungkin menjadi masalah utama. Di situlah perlombongan data teks dimainkan di mana ia mengumpulkan kumpulan kata tertentu dan menggabungkannya untuk mendapatkan pandangan!
Melihat lebih dari itu, kita semua harus mengakui bahawa tidak ada organisasi yang sempurna dan setiap daripada mereka mempunyai sebilangan kecil pelanggan yang mungkin tidak berpuas hati dengan perkhidmatan ini. Keputusan? Pangkalan data dibanjiri e-mel, mesej, tweet dari pelanggan yang mendaftarkan aduan atau petua 'bidang peningkatan' untuk membuatnya lebih lembut. Perlombongan data teks melangkah lebih jauh dari penapis surat tradisional dan dapat mengklasifikasikan surat mengikut keutamaan dan mengarahkannya kembali ke jabatan yang berkenaan.
FAKTA MENYENANGKAN: Tahukah anda bahawa Southwest Airlines, sebagai sebahagian daripada usaha untuk meningkatkan perkhidmatan pelanggan telah menggunakan analisis data dengan ciri yang disebut 'analisis ucapan' yang mencatat interaksi antara pelanggan dan personel untuk mendapatkan pandangan!
7. Pemasaran: Melatih pekerja menggunakan pendekatan pemasaran yang sistematik dengan data yang besar
Pemasaran sebagai aktiviti adalah mengenai nombor hari ini. Dengan lonjakan pemasaran digital, kita kini dapat mengukur respons iklan, kadar klik-tayang, tera, ROI dan sebagainya dengan tepat. Bagi profesional bukan pemasaran, metrik seperti itu mungkin bahasa Yunani, tetapi bagi mereka yang memasarkan data ini adalah lombong emas. Selepas itu, bersama dengan metrik, sebahagian besar data dihasilkan di setiap titik interaksi pelanggan, media sosial & penjualan. Terpulang pada profesional pemasaran untuk melacak data tersebut dan menggunakannya untuk mendorong produk seseorang dengan lebih berkesan. Latihan di Big Data memainkan peranan penting di sini kerana platform seperti Hadoop & R membantu memenuhi tujuan tersebut.
Kedua, para profesional pemasaran dari masa ke masa sering menggunakan retrospeksi untuk jenama mereka. Soalan seperti:
Bagaimana jenama saya lebih baik daripada yang lain?
Apa yang ditawarkan oleh jenama lain?
Apakah ciri-ciri pesaing saya pada produk yang sama?
Kajian ini jauh lebih mendalam daripada ini. Dari menganalisis produk pesaing berdasarkan 4P (Produk, Harga, Tempat, Kedudukan) hingga memahami kandungan produk mana yang disajikan di laman web pesaing, jumlah data yang dihasilkan sangat besar dan rumit. Seperti yang diberitahu sebelumnya, memanfaatkan penambangan teks dapat membantu pemasar melakukan analisis pesaing dengan hanya merangkak laman web pesaing. Fungsi mudah ini dalam domain data besar dapat memberikan idea gabungan tentang apa yang dilakukan pesaing dan produk apa yang mereka miliki untuk pasaran, sehingga memberikan pemasar yang menggunakan data besar kelebihan!
Memanaskan Kreatif
Sebagai contoh ahli strategi media sosial ingin mengetahui tentang persepsi jenama terhadap organisasinya di platform media sosial, maka mungkin melibatkan analisis sentimen dalam R & Hadoop akan membantu mencapai matlamat ini. Dengan cara yang sama, penggunaan alat Big Data membantu pemasaran di pelbagai aktiviti seperti harga, kedudukan produk dan sebagainya.
perpuluhan hingga kod python binari
Contoh lain ialah pengurus pemasaran di kedai runcit yang ingin memaksimumkan penjualan. Semua orang akan mengetahui contoh Walmart yang dapat meletakkan bir dan susu secara bersebelahan di lorong berdasarkan sejarah pembelian pelanggan masa lalu dengan mengambil sebahagian besar data yang merangkumi berjuta-juta pelanggan dalam jangka masa!
FAKTA MENYENANGKAN: Tahukah anda bahawa General Motors dengan anggaran pemasaran tahunannya $ 2 Billion setahun menggunakan Big Data Analytics untuk membuat profil pelanggan terperinci dan menggabungkan analisis data spatial dengan demografi / maklumat pelanggan terperinci untuk pemasaran yang lebih diperibadikan!
Mengapa syarikat beralih ke platform Big Data
Biasanya, organisasi yang menggunakan sistem warisan lama mempunyai data yang tersebar di banyak sistem. Oleh kerana penyebaran data di lokasi yang berlainan, kecepatan pemprosesan turun seiring dengan ketepatan menganalisis data. Ini memerlukan penggabungan data dalam hab data perusahaan yang mewujudkan akses data yang lebih cepat sehingga menghasilkan analisis yang lebih mendalam. Salah satu objektif penting jabatan IT dalam organisasi mana pun adalah menyediakan data yang tepat untuk semua jabatan dalam organisasi dengan pantas.
Dengan pengumpulan data, penting untuk menyatukan sumber data yang tidak terstruktur, berstruktur dan separa berstruktur ke dalam satu platform untuk melakukan analisis mendalam dan pada dasarnya membantu membuat keputusan perniagaan. Ciri Hadoop ini membawa lebih banyak orang ke dalam organisasi kerana terdapat pekerja yang berinteraksi dengan data pada titik sentuhan yang berbeza dalam operasi sehari-hari. Juga, proses ETL dan kumpulan tradisional boleh memakan masa yang lama, sedangkan Hadoop dengan pemprosesan kumpulan yang tinggi mempercepatnya hingga 10 kali ganda.
Kepentingan Hadoop tidak semestinya bermaksud bahawa setiap pekerja dalam organisasi perlu dilatih dalam platform Big Data yang mungkin tidak dapat dilaksanakan dalam kebanyakan kes. Tetapi akan menjadi kelebihan strategik bagi CTO untuk mengenal pasti dan melatih para profesional yang selalu berinteraksi dengan data.
Setelah merangkumi penyimpanan, pemprosesan, pengambilan data melalui platform Hadoop yang popular, satu lagi fenomena penting yang menjadi sebahagian daripada perkembangan semula jadi adalah analisis Big Data. Untuk menjadikannya lebih mudah, organisasi memerlukan pelbagai perspektif dari pelbagai profesional dalam organisasi.
Nombor ‘6’ boleh dilihat sebagai nombor ‘9’ dari sisi lain meja. Dengan kata lain, kesimpulan dari pemerhatian data berbeza dari orang ke orang.
Organisasi mengetahui perkara ini dan sering terlibat dalam melatih pekerja di platform yang serupa sehingga orang dari pelbagai jabatan yang saling berkaitan dengan aktiviti yang sama membincangkan, terlibat dan berkongsi pandangan untuk membuat keputusan yang tepat. Oleh itu, saya yakin akan selamat untuk menentukan latihan Big Data sebagai peluang bagi setiap pekerja untuk berada di halaman yang sama dan membawa organisasi ke tahap seterusnya!
Ada soalan untuk kami? Sebutkannya di bahagian komen dan kami akan menghubungi anda.
Catatan berkaitan: