7 způsobů, jak školení velkých dat může změnit vaši organizaci



Školení Big Data proniklo do 7 domén. Zjistěte, jak to funguje, prostřednictvím blogového příspěvku!

Nedávné zprávy o tom, že Spojené arabské emiráty stanoví povinnou vojenskou službu pro všechny emirátské muže ve věkových skupinách od 18 do 30 let, mě přimělo přemýšlet o tom, proč země bez ohledu na jejich ekonomický status zajišťují, aby byli občané připraveni bránit zemi.





Dalo by se namítnout, že omezený počet občanů v zemi často nutí vládu, aby stanovila povinnou vojenskou službu. Ale co Čína? Jedná se o největší zemi podle počtu obyvatel, ale také zajišťuje, aby občané, kteří se chystají na další vzdělávání, sloužili povinnému vojenskému času. Stručně řečeno, národy se v zásadě připravují na obranu v případě konfliktu a každý musí být na to připraven. Ať už je to elektrikář, obchodník, tesař, všichni se spojí pro společnou věc.

Jakkoli to může znít bizarně, lze vytvořit záhadnou paralelu mezi takovými národy a dnešními organizacemi, které chtějí zůstat konkurenceschopné. Současná hrozba nebo spíše výzva v podobě velkých dat přiměla organizace velké i malé, aby spojily své pracovní síly napříč různými odděleními, aby se jí běžně věnovaly. Abychom toho dosáhli ještě dále, obvykle země, které vynucují povinnou vojenskou službu, vždy mají kritéria způsobilosti, stejně jako je pro organizace logické poskytovat školení o velkých datech pouze těm zaměstnancům, kteří mají nějakou formu interakce s velkými kusy dat a jsou povinni zaměstnávejte Hadoop v každém dotykovém bodě.



Stejně jako armádní generál ve spolupráci s vládou rozhoduje o druhu výzbroje a výcviku, který má být přidělen jeho jinak začínajícímu občanovi, který se stal novým náborem, stejně se očekává, že CTO bude na čele IT infrastruktury a dědictví systémy pohánějící nové technologické inovace, které umožní jeho zaměstnancům lepší výkon. Se společným cílem řešit velké objemy dat se pokusme podrobně pochopit, kde se velké objemy dat používají a proč je důležité trénovat v nich své soudruhy.

1. Informační technologie: Zvyšování produktivity s Big Data Training

Možná v popředí implementace velkých dat je IT tým epicentrem pro posun vpřed. Osoba s rozhodovací pravomocí v oblasti školení v oblasti IT, která chce zaměstnancům přinést školení v oblasti velkých dat, musí začít s oddělením IT. Proč? Protože pokud jde o zapojení do technologie v každé fázi činnosti, geekové v suterénu (populární slang pro IT) jsou nejbližší. Jak důležité je to?

Podívejme se na zprávu od populárního webu CIO, která uvádí:



„Podle nedávného průzkumu společnosti CompTIA mezi 500 americkými obchodními a IT manažery má 50 procent společností, které předstihují křivku ve využívání dat, a 71 procent firem, které jsou průměrné nebo zaostávají ve využívání dat, se domnívají, že jejich zaměstnanci jsou mírně nebo významně nedostatečné ve správě a analýze dat “

Vzhledem k tomu, že správa a ukládání dat je součástí základní funkce IT, je třeba mít paralelní přístup k implementaci platformy velkých dat a posilování dovedností IT v oblasti velkých dat. Tuto skutečnost podporuje zpráva McKinsey, která uvádí, že do roku 2018 bude nedostatek více než 140 000–1900 000 profesionálů s hlubokými technickými a analytickými znalostmi! Jelikož stále více technických odborníků vyžaduje školení velkých objemů dat, organizace se snaží více trénovat technické profesionály pro rychlé ROI a specialisty na platformy, na jejím čele jsou administrátoři a inženýři pracující v IT oddělení.

Spojení trojice hlavních funkcí IT s velkými daty

Pojem Trojice mi často připomíná dva náboženské pojmy: Jeden je hinduistická mytologie stvořitele, zachránce a ničitele a druhý je křesťanský pojem otec, syn a svatý duch. Oba usilují o zlepšení lidstva. Stejným způsobem usilují tyto tři funkce IT týmu o zdokonalení celé organizace s odděleními s různými potřebami, pokud jde o informační technologie. Kromě bezpečnostních a podpůrných funkcí může oddělení IT s těmito funkcemi souviset, pokud jde o implementaci velkých dat.

Plánování - Činnost plánování v rámci týmu IT se zaměřuje na zajištění souladu IT strategie organizace s obchodními cíli. To zahrnuje práci na přizpůsobení softwaru a uvedení nových platforem, které splňují potřeby různých obchodních oddělení. Jinými slovy, každá nová implementace bude vždy vycházet z IT.

Síť - Zahrnuje vývoj sítí, které usnadňují všechny formy komunikace mezi hlasovým, datovým, video a internetovým provozem a existují různé kontrolní body pro záznam dat, ať už jde o interakci se zákazníkem, analýzu sentimentu a aktualizaci provozu, všichni shromažďují data v reálném čase! IT oddělení často zajišťuje hladkou integraci sítí pro práci s cílem zpracování velkých dat.

Data - Jednoduše řečeno, IT tým přináší nástroje pro shromažďování, ukládání, správu, zabezpečení a distribuci dat zaměstnancům pro různá strategická rozhodnutí v organizaci. Všechny formy dat, jako je záznam o prodeji, finanční záznamy, podrobnosti o skladu, jsou uloženy v jednom datovém centru. To v rámci IT týmu vytváří odpovědnost za implementaci platforem pro velká data, která určeným uživatelům umožňují ukládat a načítat informace v jakémkoli datovém umístění.

V každém IT týmu potřebuje univerzální mix členů s různými úkoly směrem k implementaci velkých dat. Nejprve je potřeba odborníka, který zajistí plynulý přechod z tradičních systémů na platformy velkých dat. K tomu je potřeba, aby se technik soustředil na udržování platformy v celém jejím životním cyklu napříč všemi odděleními. Pak přichází potřeba člena, který musí neustále sledovat, zda je každá technologická implementace v souladu s organizačním cílem.

2. Vývoj produktu: Přehodnocení inovací ve všech fázích výzkumu a vývoje

Big Data Training, vývoj produktů, inženýrství

Snad jedno z nejdůležitějších oddělení, pokud jde o posunutí organizace na další úroveň inovací! Jednou z největších výhod velkých dat je integrace dat napříč různými kontaktními body ve vývoji produktu, a to od návrhu produktu, výroby, kvality, záruky, diagnostiky, vozidla a softwarových aplikací. Data generovaná z těchto kontaktních bodů definují způsob, jakým je produkt a jak úspěšný může být. To v zásadě vede vývojáře produktů, odborníky na výzkum a vývoj a designéry k přístupu založenému na datech a analýze dat.

Inženýrství velkých dat do reality

Pokud jde o vývoj produktů, jedním populárním příkladem by mohlo být méně řidičské auto, které Audi vyvíjí a plánuje uvést na trh do roku 2016. Ano, je tu tým vývoje produktů, který má obrovský úkol zajistit, aby byla vize inovace generálního ředitele splněna. . Na cestě však od vývoje až po testování budou různé výzvy a otázky, na které může odpovědět pouze velká data. Uvidíme proč.

Zvažte testovací jízdu sledovanou z bodu A do bodu B. Zde jsou druhy dat, která lze generovat:

A. Data ze senzorů - Senzory ve vozidle mohly ukládat podrobnosti o vzdálenosti, kterou změřil mezi auty za ním a před ním, a frekvenci vozidel, s nimiž se na cestě setkal.

b. Data řidiče - Mohlo by být provedeno více testů s různými věkovými skupinami a podrobnosti úrovně pohodlí, výkonu a kolikrát řidič potřeboval přepsat automatickou jízdu, budou pro analýzu komprimovány do velkých sad řádků a sloupců.

C. Demografické údaje - Test může být proveden v Indii a v USA. AI v automatické jízdě by mohla analyzovat překážky, se kterými se setkává při řízení ve dvou různých zemích. Která země je pro automatickou jízdu životaschopnější a která není?

d. Údaje o výkonu na trhu - Jakmile je produkt uveden na trh a je na silnici, mohli by inženýři také sledovat jeho úspěch analýzou živých dat s kanály poskytovanými 24 × 7 programem automobilu, který poskytuje informace o tom, zda zavedení automatické jízdy pomáhá udržet silnice je bezpečnější?

Existuje N počet možných dat, která mohou být vyřazena z produktového inženýrství. Právě začínáme zkoumat OEM z automobilového průmyslu. Přemýšlejte o možnostech velkých dat v různých odvětvích, například v medicíně, zdravotnictví, elektronice atd. Kdo ví?

ZÁBAVNÝ FAKT: Věděli jste, že přijetí Big Data a Analytics společností Ford to zachránilo před zážitkem téměř smrti v roce 2000, kdy byla konkurence tvrdých evropských a asijských výrobců automobilů!

3. Finance: Školení zaměstnanců na platformách velkých dat, aby zvládli finanční modelování

Možná jsme často slyšeli pojem, že peníze jsou krví obchodu. Za péči o tyto peníze je odpovědné finanční oddělení. Svět podnikání definuje funkce finančního oddělení jako obvykle zapojené do ‚plánování, organizace, auditu, účetnictví a kontroly financí své společnosti spolu s produkcí financí společnosti.

Jak již bylo řečeno, finanční oddělení je obecně myšlenkou při nakládání s penězi a role se rozšiřuje na různé činnosti, jako je generování výkazů peněžních toků, modelování nákladů, realizace cen a dodržování předpisů. Před několika desítkami let bylo provádění všech těchto činností s omezenými systémy a platformami docela proveditelné, ale v době velkých dat jsou tyto dvě výzvy, kterým čelí každé finanční oddělení, provádění pravidelných finančních funkcí v měnícím se scénáři a shromažďování poznatků o budoucnosti. Podívejme se na to z hlubší perspektivy.

S informacemi rozloženými na různých serverech se organizace často potýkají s výzvou konsolidovat tato data a provádět akce podle obchodních požadavků. Důležitou funkcí je interní audit, který udržuje přehled o správě organizace, řízení rizik a kontrolách řízení a provádění proaktivních auditů podvodů za účelem identifikace podvodných činů. Se vzestupem analytiky je také potřeba integrovat interní audit. To vyvolalo nové metody, jako je analýza dat auditu, které pomáhají posoudit riziko, vytvořit finanční modely a poskytnout celkový obraz o financích v organizaci.

předat hodnotu a předat odkaz v Javě

Modelování nákladů a realizace cen

Modelování nákladů je důležitou složkou pro efektivní využití zdrojů. Společnosti musí identifikovat činnosti, které řídí náklady, celkový přímý materiál a práci potřebnou k dokončení úkolu atd. Modelování nákladů pomáhá společnostem přesně identifikovat celkové výrobní náklady na produkty napříč všemi aktivitami ve společnosti. V době velkých dat je důležité sledovat všechny finanční aktivity probíhající na různých odděleních v organizaci, která tyto informace konsoliduje a vytváří ideální model nákladů. Od nákupu po prodej se všechna data ukládají do historie financí a základním základem vývoje nákladového modelu je načíst velké množství dat a vytvořit model, který lze použít pro budoucnost.

I když lze diskutovat o tom, že snahy o realizaci cen směřují spíše k prodeji, aby se zlepšila ziskovost, při získávání cenové realizace hraje finanční oddělení větší roli. Chcete-li to rozdělit na jednodušší podmínky, zvažte maloobchodní prodejnu, která plánuje poskytovat slevy na podporu prodeje. Základním cílem je snížit únik cen a zlepšit kapesní cenu.

K úniku cen dochází, když je cena produktu snížena tak méně (při snaze o prodej), že kompromituje ziskovost a kapesní cena je prodejní cena po slevách. Aby splnil snahu o realizaci ziskové ceny, prodejní tým spolupracuje s finančním oddělením, aby porozuměl struktuře nákladů na jednotlivé produkty a kde lze poskytnout slevy. To zase vyžaduje, aby finanční oddělení vyvinulo rámec pro modely realizace cen pro budoucnost a definovalo limity v rámci těchto marketingových aktivit. Úkol zahrnuje zpracování dat z nákupu, nákladů na sklad, doby použitelnosti a poté odhad nákladů na prodané zboží (CGS).

F-12 a prediktivní analýza

struktura java programu

Jednou z důležitých činností v rámci finančního oddělení je sledování finančního zdraví organizace. Stejně jako lékař používá různé metriky, jako je tepová frekvence, tělesné teplo nebo reakce stimulů, k posouzení, zda je pacient naživu nebo mrtvý, stejně tak finanční svět sleduje 12 metrik, aby věděl, kam společnost směřuje monetárně a co leží dále . Od růstu reálných výnosů, udržitelného růstu výnosů, cenové politiky a cenového indexu, kontroly provozních nákladů, srovnání EBITDA versus peněžní tok, bezdlužný peněžní tok, nadměrná hotovost, návratnost aktiv, pracovní kapitál, využití dluhového financování, cyklus čistého obchodu a náklady kapitálu tvoří důležité součásti finančního výkaznictví pro organizaci, aby vrcholový management mohl přijímat rozumná rozhodnutí.

Součástí výzvy ve světě velkých dat je pochopení těchto poměrů vyžaduje zpracování velkého množství informací šířených po celé organizaci, aby byly ve standardním formátu pro analýzu. Prediktivní analytika vstupuje do hry, když jsou tato data zpracovávána z minulé historie, ve srovnání se stejnými prvky v současnosti, takže jsou prováděny přesné odhady pro budoucnost. Nejlepší na tom je platforma prediktivní analýzy a jsou vytvořeny metody pro zpracování velkých dat, což zjednodušuje úkoly finančního oddělení.

ZÁBAVNÝ FAKT: Věděli jste, že Oversea-Banking Corporation (OCBC) se sídlem v Singapuru dokázala využít velké objemy dat pro přehledy o zákaznících, což bylo přímo zodpovědné za 40% nárůst při získávání nových zákazníků!

4. Lidské zdroje: Předefinování schopností zaměstnanců HR

Představa velkých dat v lidských zdrojích může často nutit čtenáře, aby je odmítli jako humbug, protože organizace obvykle příliš neupřednostňuje implementaci technologie Big Data v HR oddělení, protože by se raději zaměřila na marketing, provoz nebo finance. Ve skutečnosti však oddělení lidských zdrojů hraje klíčovou roli při zajišťování toho, aby do organizace vstupoval mezi dalšími činnostmi správný talent.

Přidání dalších zubů k HR

Možná nejvíce ignorované ze všech oddělení, pokud jde o implementaci Big Data, ale v dnešním rychle se měnícím světě určuje způsob, jakým funguje personální oddělení, úspěch organizace.

Podle Forbesu má průměrně velká společnost více než 10 různých HR aplikací a jejich základní HR systém je starý více než 6 let. Tento trend zdůrazňuje skutečnost, že organizace potřebuje ke shromáždění těchto dat správné zdroje. Školení v oblasti Big Data & Analytics přináší dovednosti, jako je analýza dat, vizualizace a řešení problémů, a to od provozních zpráv až po strategické analýzy.

Ve výchozím nastavení se očekává, že personální oddělení bude poskytovat základní HR operace, ale školení Big Data to posune na zcela novou úroveň. Jak se personální oddělení stává analytičtějšími s nástroji, mění svůj přístup k zapojení do strategičtější činnosti. Je identifikována kritická otázka, jak získat více faktorů udržení zaměstnanců ovlivňujících kvalitu prodeje kandidátů a hodnotících mezer v talentech a přijímat strategické kroky prostřednictvím analýzy příslušných údajů.

Posun se změní od jednoduchého počtu zaměstnanců k prediktivnější analýze.

Oracle v rámci lidských zdrojů

Vzpomněl jsem si na vtipný příběh jednoho přítele, který pracoval jako HR. Než vyslala kandidáta na příslušného vedoucího oddělení, který měl jen magická slova: „Ok, nechme ho najmout.“

Na chvíli to šlo dobře, protože do společnosti přinesla dobrý talent. Postupem času si získala jistotu ve svých náborových dovednostech až do té míry, že tlačila na vyšší management, aby do svého týmu přidala více lidí, implementovala HR systémy a zahrnovala další poradenské služby třetích stran. Složitá část spočívala v tom, že s důvěrou dala vysoké sliby vrchnímu vedení.

Historie ukazuje, že ten, kdo se připravuje na budoucí událost, je úspěšnější než ten, kdo jezdí na minulé slávě. Bývaly doby, kdy se od ní očekávalo, že přijme velké množství profesionálů v oboru, do kterého společnost expanduje. Začala obsazovat volná místa kompromisem v přijímání kvalitních profesionálů. Přijala přístup více zaměřený na cíl. Výsledek? Většina profesionálů, které najala, odložila papíry z různých důvodů a vedení ji vyslechlo. Často jsem ji slyšel mumlat:

'Lovím 1000 Cvs, do užšího výběru 100 Cvs, volám 50 kandidátů na pohovor, filtruji 10 z mých psychometrických hodnocení, mezi 10, vezmu 5, kteří za to stojí, pošlu 5 vedení, vynulují 1 a ten jeden chlap odejde po 2 měsících. “

Kromě toho, že jsem nabídl své sympatie, jsem se zasmál jejímu trápení, ale přinutilo mě zajímat se, zda lidské zdroje dokážou lépe posoudit své zkušenosti, nebo je potřeba mít k celému tomuto procesu přijímání přístup více založený na datech? No, používáme prediktivní analýzu ze zjištění, který tým vyhraje světový pohár, ale proč nepoužívat stejné techniky v procesu přijímání, zvláště když máme co do činění se složitými prvky, jako jsou lidské bytosti?

Nyní není práce při najímání nutně snadná práce, vyžaduje mnoho procesů a pravidla najímání se často mění podle odvětví, ve kterém je HR v roli, kterou najímá pro pravidla organizace atd.

Pokud pozorujete úspěšné organizace, které používají prediktivní analytiku a mají nižší míru opotřebení, existuje vzor prvního rozhodování o požadovaných vlastnostech kandidáta, které zajistí úspěch, jeho konsolidace do „ideálního“ profilu a porovnání s každým kandidátem, který je nejblíže a poté je zapojit do přizpůsobených hodnocení, která hodnotí vlastnosti těchto kandidátů.

Je třeba poznamenat, že celé odvětví psychometrického hodnocení s předními hráči, jako jsou Pearsons, Thomas Assessment & SHL, vzniklo kvůli poptávce personalistů po analýze profilu kandidátů v jejich potřebě dokonalého procesu přijímání!

Vrácením se k prediktivní analytice, jako součást její implementace, musí personalista nejprve definovat, kdo je podle organizace „úspěšným kandidátem“, poté musí definovat faktory, které mohou řídit efektivitu najímání a rozvíjet a sledovat, jak proč někteří najímají v případě potřeby lépe než ostatní s hypotézou. Na základě toho jej může porovnat s údaji úspěšných zaměstnanců, kteří v organizaci zůstali dlouho, a za třetí pomocí statistických metod změřit, proč někteří lidé zůstávají déle.

Přístup je pro začátek vhodný, ale implementace prediktivní analytiky v HR zahrnuje mnoho technik, které může HR prozkoumat. Nejlepší součástí tohoto procesu je snížení nákladů na výměnu zaměstnance za nové a možná získání větší návratnosti investic než u starého.

Na konci dne kombinace intuice, zkušeností a spolehlivého přístupu založeného na datech často vylepšuje nejen úsudek HR, ale i náš.

ZÁBAVNÝ FAKT: Věděli jste, že americký gigant Xerox snížil obrat call centra o 20% tím, že použil analytiku na potenciální kandidáty, když zjistil, že kreativní lidé pravděpodobně zůstanou ve společnosti po dobu 6 měsíců nezbytných k pokrytí nákladů na jejich školení v hodnotě 6 000 USD než u zvídavých lidé?

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

Dodavatelský řetězec a logistika v zásadě tvoří důležitou součást organizačních strategií a cílů. Cílem Supply Chain & Logistics je úspora nákladů a zlepšení výkonu, rychlosti a obratnosti. Pokud jde o logistiku, zachycují a sledují různé formy dat, aby zásadně zlepšily provozní efektivitu, zlepšily zkušenosti zákazníků a nové obchodní modely. Tyto faktory mohou často pomoci organizacím šetřit zdroje, budovat lepší obchodní značku a vytvářet systematický proces pro dodavatelský řetězec a logistiku.

Sledování velkých dat po celém světě

Vezměme si příklad gigantu elektronického obchodování, který používá Big Data k doručování svým zákazníkům. Produkt je odeslán z místa na adresu zákazníka. Zařízení v transportním vozidle, jako je GPS tracker, mikrofon, senzor, mají strukturovaná a nestrukturovaná data, která jsou odesílána zpět do monitorovacího centra pro aktualizace v reálném čase. Spolu s tím také pomáhá analyzovat efektivitu doby doručení, nejkratší cestu a prostředky použité k provedení jedné operace doručení v seznamu milionů takových transakcí. Tento zlatý důl dat na různých trzích je organizacemi konsolidován a poté analyzován, aby přinesl další zlepšení v procesu nebo přinesl celou úroveň nových inovací!

ZÁBAVNÝ FAKT : Věděli jste, že velká data ve formě sledování zákaznických stránek společností Amazon jí pomohla umístit své produkty do skladu nejblíže k zákazníkovi, aby se zlepšila rychlost a efektivita dodání?

6. Operace, podpora a zákaznický servis: Školení zaměstnanců o velkých datech při každé interakci se zákazníkem

Úspěch jakéhokoli produktu nebo služby je založen na poprodejní podpoře, kterou zákazník obdrží, a prodejce často přísahá, že mu bude vždy k dispozici. To vychází ze skutečnosti, že když si zákazník vezme produkt nebo službu, udělá „skok víry“ v naději, že ho prodejce po dobu životnosti produktu / služby nezklame. Dosažení z tohoto pohledu je zásadní pro úspěch organizace.

Podívejme se na podporu na granulární úrovni. Nedávno jsem měl možnost sledovat Interstellar od Christophera Nolana, který zkoumal vesmírné cestování až na konec vesmíru. To mě přimělo přemýšlet o budoucích leteckých společnostech, které budou nabízet letové služby prostřednictvím červích děr přesahujících miliony světelných let daleko! Jaké by tedy byly výzvy? Jaký druh velkých dat bude generován na této téměř nikdy nekončící cestě? Jak palubní tým zajistí, aby si cestující po celou dobu užíval jízdu? Poskytovatel služeb se nejprve musí zaměřit na primární cíle, jako je zajištění letecké bezpečnosti, sledování jeho letové dráhy, plnění požadavků zákazníků atd.

Velká data na cestách 24 × 7

Myšlenka mezihvězdného cestování může být vzdáleným snem na příštích 100 let (být optimistický!), Ale nezabrání nám to dívat se na data generovaná podobnou službou, která je nyní v provozu, což vrhne více světla na to, jak zákazník služba a podpora se provádí ve scénáři „poprodejního prodeje“ a jak se organizace mohou zapojit do zlepšování svých snah v reálném čase.

Za prvé, Southwest Airlines je jednou z nejuznávanějších leteckých společností, která využila Big Data za účelem zlepšení své zákaznické zkušenosti. Ve snaze zlepšit leteckou bezpečnost společnost Southwest Airlines spolupracovala s NASA na experimentu s velkými daty za účelem zlepšení celkového letového zážitku. To zahrnuje pingování satelitů NASA s informacemi o dráze letu, zprávami od pilotů a dalšími informacemi o letovém provozu. Na vrcholu takové inovativní techniky stojí základní koncept velkých dat s názvem „těžba textových dat“, který převádí nestrukturované textové informace na smysluplný text pro lepší pochopení. Takže jste si mysleli, že tím těžba textových dat končí?

Samozřejmě, že ne, dokonce i jednoduchý koncept ve velkých datech, jako je těžba textových dat, přesahuje rámec toho. Všichni víme, že zpětná vazba od zákazníků je důležitou součástí porozumění tomu, kde se organizace pokazí v každém bodě interakce se zákazníkem. Dolování textových dat také pomáhá zákaznickým službám analýzou otevřených odpovědí na průzkum. Místo omezení zákazníků na běžné možnosti, jako je možnost A, možnost B, možnost C, otevřené otázky poskytují více informací, ale jejich klasifikace a zaznamenávání odpovědí může být klíčovým problémem. To je místo, kde dolování textových dat vstupuje do hry, kde seskupuje určitou sadu slov a konsoliduje je pro přehled!

Podíváme-li se za to, všichni musíme uznat, že žádná organizace není dokonalá a že každá z nich má malou skupinu zákazníků, kteří nemusí být se službou spokojeni. Výsledek? Databáze zaplavená e-maily, zprávami, tweety od zákazníků, kteří registrují stížnosti, nebo tipy na „oblasti zlepšení“, abychom to vyjádřili celkem jemně. Dolování textových dat jde o krok napřed od tradičních poštovních filtrů a může klasifikovat e-maily podle priority a přesměrovat je na příslušné oddělení.

ZÁBAVNÝ FAKT : Věděli jste, že společnost Southwest Airlines v rámci snahy o zlepšení služeb zákazníkům nasadila analýzu dat pomocí funkce zvané „analýza řeči“, která zaznamenává interakci mezi zákazníkem a personálem pro získání přehledů!

7. Marketing: Školení zaměstnanců o systematickém marketingovém přístupu s velkými daty

Marketing jako aktivita je dnes o číslech. S nárůstem digitálního marketingu nyní můžeme přesně měřit odezvu reklam, míru prokliku, zobrazení, návratnost investic atd. Pro non-marketingové profesionály jsou tyto metriky možná řecké, ale pro ty, kteří marketingují, jsou tato data zlatým dolem. Následně se spolu s metrikami generuje velké množství dat napříč v každém bodě interakce se zákazníkem, sociálních médií a prodeje. Je na marketingovém profesionálovi, aby tyto údaje sledoval a používal je k efektivnějšímu prosazování svých produktů. Školení v oblasti Big Data zde hraje zásadní roli, protože platformy jako Hadoop & R pomáhají tomuto účelu sloužit.

Zadruhé, marketingoví odborníci čas od času se často věnují retrospektivě své značky. Otázky jako:

V čem je moje značka lepší než ostatní?

Co nabízejí jiné značky?

Jaké vlastnosti má můj konkurent u stejného produktu?

Studie jde mnohem hlouběji. Od analýzy konkurenčního produktu na základě 4P (produkt, cena, místo, umístění) až po pochopení obsahu produktu, který je prezentován na konkurenční webové stránce, je množství generovaných dat obrovské a komplikované. Jak již bylo řečeno, využití výhody těžby textu může obchodníkovi pomoci provést analýzu konkurence jednoduchým procházením webu konkurenta. Tato jednoduchá funkce v oblasti velkých dat může poskytnout ucelenou představu o tom, co dělá konkurence a jaké produkty má pro trh k dispozici, a tím dát marketérovi, který přijal velká data, výhodu!

Ozbrojení kreativy

Například stratég sociálních médií chce vědět o vnímání značky své organizace napříč platformami sociálních médií, pak pravděpodobně zapojení do analýzy sentimentu v R & Hadoop pomůže dosáhnout tohoto cíle. Stejně tak použití nástrojů Big Data pomáhá marketingu při různých činnostech, jako je tvorba cen, umístění produktu atd.

jak vytvořit balíček

Dalším příkladem může být marketingový manažer v maloobchodní prodejně, který se snaží maximalizovat prodej. Každý by znal příklad společnosti Walmart, která dokázala umístit pivo a mléko vedle sebe v uličce na základě minulé historie nákupu zákazníků získáním velkého množství dat pokrývajících miliony zákazníků v časovém rámci!

ZÁBAVNÝ FAKT: Věděli jste, že General Motors s ročním marketingovým rozpočtem 2 miliardy $ ročně použil Big Data Analytics k vytvoření podrobných profilů zákazníků a kombinování analýzy prostorových dat s podrobnými demografickými údaji / informacemi o zákaznících pro přizpůsobenější marketing!

Proč se společnosti přesouvají na platformy Big Data

Organizace používající staré starší systémy mají obvykle data rozdělená do mnoha systémů. Kvůli šíření dat na různých místech klesá rychlost zpracování spolu s přesností analýzy dat. To vyžaduje konsolidaci dat v rámci podnikového datového centra, což vytváří rychlejší přístup k datům, což vede k hlubší analýze. Jedním z důležitých cílů oddělení IT v jakékoli organizaci je na požádání rychle poskytnout přesná data pro všechna oddělení v organizaci.

Při shromažďování dat je důležité sjednotit nestrukturované, strukturované a polostrukturované zdroje dat na jednu platformu, aby bylo možné provádět hloubkovou analýzu a v zásadě napomáhat obchodnímu rozhodování. Tato funkce Hadoop přináší více lidí ke stolu v organizaci, protože existují zaměstnanci, kteří v každodenním provozu interagují s daty na různých kontaktních místech. Také tradiční ETL a dávkové procesy mohou trvat dlouho, zatímco Hadoop díky velkému objemovému dávkovému zpracování to zrychluje až 10krát.

Význam Hadoop nemusí nutně znamenat, že každý zaměstnanec v organizaci musí být vyškolen v platformě Big Data, což ve většině případů nemusí být proveditelné. Pro ČTÚ by však bylo strategickou výhodou identifikovat a vyškolit ty profesionály, kteří neustále pracují s daty.

Po pokrytí úložiště, zpracování a načítání dat prostřednictvím populární platformy Hadoop je dalším důležitým jevem, který je součástí přirozeného postupu, analýza velkých dat. Zjednodušeně řečeno, organizace potřebují více perspektiv od různých profesionálů v rámci organizace.

Číslo „6“ lze zobrazit jako číslo „9“ na druhé straně tabulky. Jinými slovy, závěr z pozorování údajů se liší od člověka k člověku.

Organizace to vědí a často se zapojují do školení zaměstnanců na podobné platformě, aby lidé z různých oddělení propojených stejnou aktivitou diskutovali, zapojovali a sdíleli poznatky o správném rozhodování. Věřím tedy, že by bylo bezpečné definovat školení Big Data jako příležitost pro každého zaměstnance být na stejné stránce a posunout organizace na další úroveň!

Máte na nás dotaz? Uveďte je v sekci komentáře a my se vám ozveme.

Související příspěvky: