7 Paraan ng Big Pagsasanay sa Data ay Maaaring Baguhin ang Iyong Organisasyon



Ang pagsasanay sa Big Data ay tumagos sa 7 mga domain. Alamin kung paano ito gumagana sa pamamagitan ng post sa blog!

Ang kamakailang balita ng United Arab Emirates na ipinag-uutos sa serbisyo militar para sa lahat ng kalalakihan ng Emirati sa pagitan ng mga pangkat ng edad na 18 at 30 taon ay nag-udyok sa akin na isipin kung bakit ang mga bansa anuman ang kanilang katayuan sa ekonomiya ay tinitiyak na ang mga mamamayan ay handa na ipagtanggol ang bansa.





Maaaring magtaltalan ang isang limitadong bilang ng mga mamamayan sa isang bansa, na madalas na pilitin ang gobyerno na gawing mandatory ang serbisyo militar. Ngunit paano ang China? Ito ang pinakamalaking bansa ayon sa populasyon ngunit tinitiyak din nito ang mga mamamayan na pupunta para sa karagdagang edukasyon ay maghatid ng sapilitan oras ng militar. Sa madaling salita, ang mga bansa ay karaniwang inihahanda ang kanilang sarili upang ipagtanggol kung sakaling magkaroon ng hidwaan at ang bawat isa ay dapat maging handa para rito. Maging ito ay isang elektrisista, isang negosyante, isang karpintero, lahat sila ay nagkakaisa para sa isang karaniwang dahilan.

Kakaibang ito ay maaaring tunog, ang isa ay maaaring gumuhit ng isang hindi pangkaraniwang kahanay sa pagitan ng naturang mga bansa at mga samahan ngayon na nais na manatiling mapagkumpitensya. Ang kasalukuyang banta o sa halip isang hamon sa anyo ng Big Data ay nag-udyok sa mga samahan malaki at maliit na pagsamahin ang lakas ng tao sa iba't ibang mga kagawaran upang karaniwang tugunan ito. Upang magpatuloy dito, karaniwang mga bansa na nagpapatupad ng sapilitang serbisyo sa militar ay laging may pamantayan sa pagiging karapat-dapat, sa parehong paraan na nakikita ng mga samahan na lohikal sa pagbibigay ng malaking pagsasanay sa data lamang sa mga empleyado na mayroong ilang uri ng pakikipag-ugnay sa malalaking tipak ng data at kinakailangan na gamitin ang Hadoop sa bawat touch point.



Tulad ng isang Heneral ng Hukbo na nakikipag-ugnay sa gobyerno ay nagpapasya ng uri ng sandata at pagsasanay na itatalaga sa kung hindi man baguhang mamamayan na naging bagong-rekrut, sa parehong paraan ay inaasahang ang isang CTO ay magiging nangunguna sa IT imprastraktura at pamana mga system na nagmamaneho ng bagong pagbabago ng teknolohiya upang pahintulutan ang kanyang mga empleyado na makagawa ng mas mahusay. Sa isang nakabahaging layunin upang matugunan ang malaking data, subukan nating maunawaan nang detalyado kung saan ginagamit ang malaking data at bakit mahalagang sanayin ang iyong mga kasama dito.

1. Teknolohiya ng Impormasyon: Pagpapabuti ng pagiging produktibo sa Big Data Training

Marahil sa nangunguna sa malaking pagpapatupad ng data, ang koponan ng IT ang sentro ng lindol para isulong ang pagbabago. Ang isang tagagawa ng desisyon sa pagsasanay sa IT na nais na magdala ng malaking pagsasanay sa data sa mga empleyado ay dapat magsimula sa departamento ng IT. Bakit? Dahil pagdating sa pakikipag-ugnayan sa teknolohiya sa bawat yugto ng aktibidad, ang mga geeks sa basement (sikat na slang para sa IT) ang pinakamalapit. Kaya't gaano ito nauugnay?

Tingnan natin ang isang ulat na isinumite ng tanyag na site, CIO, na nagsasaad:



'Ayon sa isang kamakailan-lamang na survey ng CompTIA ng 500 US negosyo at mga IT executive, 50 porsyento ng mga kumpanya na mas maaga sa kurba sa leveraging data, at 71 porsyento ng mga kumpanya na average o lagging sa leveraging data, pakiramdam na ang kanilang mga tauhan ay katamtaman o malaki ang kakulangan sa pamamahala ng data at mga kasanayan sa pagsusuri ”

Dahil sa ang katunayan na ang pamamahala ng data at pag-iimbak ay isang bahagi ng pangunahing pag-andar ng IT, kailangang magkaroon ng isang parallel na diskarte patungo sa malaking pagpapatupad ng platform ng data at pagpapalakas ng mga kasanayan sa IT sa loob ng malaking data. Ang pagsuporta sa katotohanan ay isang ulat sa McKinsey na nagsasaad na sa pamamagitan ng 2018, magkakaroon ng kakulangan ng higit sa 140,000-190,0000 na mga propesyonal na may malalim na kadalubhasaan sa teknikal at analytical! Tulad ng maraming at mas maraming mga teknikal na propesyonal na nangangailangan ng malaking pagsasanay sa data, ang mga organisasyon ay naghahanap upang sanayin ang mga propesyonal na pang-teknikal nang higit pa para sa mabilis na ROI at mga dalubhasa sa platform, admin at mga inhinyero na nagtatrabaho sa departamento ng IT na nasa pamamahala nito.

Kasal sa Trinity ng Core IT Function na may Malaking Data

Ang katagang Trinity ay madalas na nagpapaalala sa akin ng dalawang relihiyosong konsepto: Ang isa ay ang mitolohiya ng Hindu ng tagalikha, tagapag-ingat at maninira at ang isa pa ay ang konseptong Kristiyano ng ama, anak at banal na aswang. Parehong nagsusumikap para sa ikabubuti ng sangkatauhan. Sa parehong paraan, ang tatlong mga pagpapaandar na ito ng isang koponan sa IT ay nagsusumikap para sa ikabubuti ng buong organisasyon na may mga kagawaran na may iba't ibang mga pangangailangan pagdating sa teknolohiya ng impormasyon. Bukod sa mga pagpapaandar sa seguridad at suporta, ang isang kagawaran ng IT ay maaaring maiugnay sa mga pagpapaandar na ito pagdating sa malaking pagpapatupad ng data.

Pagpaplano- Ang aktibidad sa Pagpaplano sa loob ng isang koponan ng IT ay nakatuon sa pagtiyak na ang diskarte sa IT ng organisasyon ay nakahanay sa mga layunin ng negosyo. Kasama rito ang pagtatrabaho sa pagpapasadya ng software, pagdadala ng mga bagong platform na natutugunan ang mga pangangailangan ng iba't ibang mga kagawaran ng negosyo. Sa madaling salita, ang anumang bagong pagpapatupad ay palaging magsisimula mula sa IT.

c vs c ++ vs java

Network- Nagsasangkot ito ng pagbuo ng mga network na nagpapadali sa lahat ng mga uri ng komunikasyon sa pagitan ng trapiko ng boses, data, video at Internet at mayroong iba't ibang mga checkpoint para sa pagtatala ng data maging ang pakikipag-ugnay sa customer, pag-aaral ng sentimen at pag-update ng trapiko, lahat sila ay nangongolekta ng data ng real time! Ang isang departamento ng IT ay madalas na tinitiyak ang makinis na pagsasama ng mga network upang gumana kasama ang layunin ng pagproseso ng malaking data.

Data- Upang mailagay ito nang simple, ang isang IT team ay nagdadala ng mga tool upang mangolekta, mag-imbak, pamahalaan, ma-secure at ipamahagi ang data sa mga empleyado para sa iba't ibang mga madiskarteng desisyon sa samahan. Ang lahat ng mga form ng data tulad ng record ng mga benta, rekord sa pananalapi, mga detalye ng stock ay nakaimbak sa isang solong data center. Lumilikha ito ng responsibilidad sa loob ng IT team na magpatupad ng mga platform para sa malaking data na nagpapahintulot sa mga itinalagang gumagamit na mag-imbak at makuha ang impormasyon sa anumang lokasyon ng data.

Sa anumang koponan ng IT, kailangan ng isa ng maraming nalalaman na pagsasama ng mga kasapi na may iba't ibang mga gawain patungo sa malaking pagpapatupad ng data. Upang magsimula sa pangangailangan ng isang dalubhasa na tinitiyak ang maayos na paglipat mula sa tradisyunal na mga sistema patungo sa malalaking mga platform ng data. Para sa isang iyon ay nangangailangan ng isang techie na mag-focus sa pagpapanatili ng platform sa buong cycle ng buhay sa lahat ng mga kagawaran. Pagkatapos ay darating ang isang pangangailangan para sa isang miyembro na dapat na patuloy na subaybayan kung ang bawat pagpapatupad ng teknolohikal ay nakahanay sa layunin ng organisasyon.

2. Pag-unlad ng Produkto: Muling pag-iisip ng pagbabago sa lahat ng mga yugto ng R&D

Malaking Pagsasanay sa Data, Pag-unlad ng Produkto, Engineering

Marahil ang isa sa pinakamahalagang kagawaran pagdating sa pagkuha ng samahan sa susunod na antas ng pagbabago! Ang isa sa pinakamalaking pakinabang ng malaking data ay ang pagsasama ng data sa iba't ibang mga touch point sa pag-unlad ng produkto mula mismo sa disenyo ng produkto, pagmamanupaktura, kalidad, warranty, mga diagnostic, sasakyan at software application. Ang data na nabuo mula sa mga touch point na ito ay tumutukoy sa paraan ng produkto at kung paano ito magiging matagumpay. Karaniwang dinadala nito ang mga developer ng produkto, mga propesyonal at taga-disenyo ng R&D sa diskarte na hinihimok ng data at pag-aaral ng data.

Teknolohiya ng Big Data sa katotohanan

Pagdating sa pag-unlad ng produkto, ang isang tanyag na halimbawa ay ang mas kaunting kotse ng drayber na binuo ni Audi at pinaplano na ilunsad sa 2016. Oo, mayroong koponan sa pagbuo ng produkto na may malaking gawain upang matiyak na ang pangitain ng CEO ng pagbabago ay nagawa . Ngunit sa daan, maraming iba't ibang mga hamon at katanungan mula mismo sa pag-unlad hanggang sa pagsubok na ang malaking data lamang ang maaaring sumagot. Tingnan natin kung bakit.

Isaalang-alang ang isang pagsubok-pagsakay na sinusubaybayan mula sa punto A hanggang sa punto B. Narito ang mga uri ng data na maaaring mabuo:

a. Data ng Sensor - Ang mga sensor sa loob ng kotse ay maaaring mag-imbak ng mga detalye tungkol sa distansya na sinusukat nito sa pagitan ng mga kotse sa likuran nito at sa harap nito at ang dalas ng mga sasakyang nakatagpo nito sa paglalakbay.

b. Data ng Driver - Maaaring maisagawa ang maraming pagsubok na may iba't ibang mga pangkat ng edad at ang mga detalye ng antas ng ginhawa, pagganap at kung gaano karaming beses ang driver na kinakailangan upang ma-override ang awtomatikong pagmamaneho ay mai-compress sa maraming hanay ng mga hilera at haligi para sa pagtatasa.

c. Data ng Demograpiko - Maaaring isagawa ang isang pagsubok sa India at sa US. Ang A.I sa loob ng awtomatikong pagmamaneho ay maaaring pag-aralan ang mga sagabal na nakatagpo nito sa pagmamaneho sa dalawang magkakaibang bansa. Aling bansa ang mas mabubuhay para sa awtomatikong pagmamaneho at aling lalawigan ang hindi?

d. Data ng Pagganap ng Market - Matapos mailunsad ang produkto at nasa kalsada na ito, maaari ding subaybayan ng mga inhinyero ang tagumpay nito sa pamamagitan ng pag-analisa ng live na data na may mga feed na ibinigay ng 24 × 7 ng programa ng kotse na nagbibigay ng mga pananaw kung ang pagpapakilala ng awtomatikong pagmamaneho ay tumutulong sa pagpapanatili mas ligtas ang daan?

Mayroong bilang ng mga posibleng data na maaaring churned mula sa engineering ng produkto. Nagsisimula pa lang kaming tuklasin ang OEM mula sa auto-industry. Isipin ang tungkol sa mga posibilidad ng malaking data sa iba't ibang mga sektor na nagsasabing gamot, pangangalaga sa kalusugan, electronics at iba pa. Sinong nakakaalam

KATAWANG KATOTOHANAN: Alam mo bang ang pag-aampon ng Ford ng Big Data at Analytics ay nai-save ito mula sa isang malapit nang mamatay na karanasan noong 2000s nang matigas ang kumpetisyon mula sa mga European at Asian Auto-maker!

3. Pananalapi: Pagsasanay sa mga empleyado sa malalaking platform ng data upang hawakan ang pagmomodelo sa pananalapi

Maaaring madalas na naririnig natin ang katagang ang pera ay dugo ng negosyo. Ang pangangalaga sa pera na iyon ay responsibilidad ng departamento ng pananalapi. Tinutukoy ng mundo ng negosyo ang mga pagpapaandar ng departamento ng pananalapi bilang karaniwang kasangkot sa ‘pagpaplano, pag-oorganisa, pag-audit, accounting at pagkontrol sa pananalapi ng kumpanya kasama ang paggawa ng pananalapi ng kumpanya.

Ang pagkakaroon ng sinabi na ang kagawaran ng pananalapi sa pangkalahatan ay madalas na ideya tungkol sa paghawak ng pera at ang papel na ginagampanan sa iba't ibang mga aktibidad tulad ng pagbuo ng mga cash flow statement, pagmomodelo sa gastos, pagsasakatuparan ng premyo at pagsunod sa mga ilang pangalan. Ilang dekada na ang nakakalipas ang pagganap ng lahat ng mga aktibidad na ito na may limitadong mga system at platform ay magagawa, ngunit sa edad ng malaking data ang dalawang hamon na kinakaharap ng bawat kagawaran ng pananalapi ay gumaganap ng regular na mga pagpapaandar sa pananalapi sa nagbabagong sitwasyon at pagtitipon ng mga pananaw para sa hinaharap. Tingnan natin ito mula sa isang mas malalim na pananaw.

Sa kumalat na impormasyon sa iba't ibang mga server, madalas na nakatagpo ng mga samahan ang hamon ng pagsasama-sama ng data na iyon at nagsasagawa ng mga pagkilos ayon sa mga kinakailangan sa negosyo. Ang isang mahalagang pag-andar sa loob ay ang panloob na pag-awdit na pinapanatili ang isang tab sa pamamahala ng samahan, pamamahala sa peligro at mga kontrol sa pamamahala at pagsasagawa ng mga proactive na pag-audit sa pandaraya upang makilala ang mga mapanlinlang na gawain. Sa pagtaas ng analytics, kailangang isama din ang panloob na pag-awdit. Nag-spark ito ng mga bagong pamamaraan tulad ng pag-audit ng data analytics na makakatulong masuri ang peligro, lumikha ng mga modelo ng pananalapi at magbigay ng pangkalahatang larawan ng pananalapi sa loob ng isang samahan.

Pagmomodelo sa Gastos at Napagtanto ang Presyo

Ang pagmomodelo sa gastos ay isang mahalagang sangkap para sa mabisang paggamit ng mga mapagkukunan. Dapat kilalanin ng mga kumpanya ang mga aktibidad na nagdadala ng mga gastos, ang kabuuang direktang mga materyales at paggawa na kinakailangan para sa pagkumpleto ng gawain at iba pa. Tinutulungan ng pagmomodelo ang gastos sa mga kumpanya na tumpak na makilala ang pangkalahatang mga gastos sa produksyon sa mga produkto sa lahat ng mga aktibidad sa loob ng kumpanya. Sa edad ng malaking data naging mahalaga na subaybayan ang bawat aktibidad sa pananalapi na nagaganap sa iba't ibang mga kagawaran sa loob ng isang samahan na pinagsama-sama ang impormasyong iyon upang makabuo ng isang perpektong modelo ng gastos. Mula sa pagbili hanggang sa pagbebenta, ang lahat ng data ay naiimbak sa kasaysayan ng pananalapi at ang pangunahing mga pangunahing kaalaman sa pagbuo ng isang modelo ng gastos ay upang makuha ang malalaking tipak ng data at lumikha ng isang modelo na maaaring mailapat para sa hinaharap.

Kahit na maaaring debate ng isa na ang mga pagsisikap sa Realisasyon ng Presyo ay higit na nakadirekta sa mga benta upang mapabuti ang kakayahang kumita, mayroong isang mas malaking papel na ginagampanan ng departamento ng pananalapi pagdating sa pakikinabang mula sa pagsasakatuparan ng presyo. Upang masira ito sa mas simpleng mga termino, isaalang-alang ang isang retail outlet na planong magbigay ng mga diskwento upang itulak ang mga benta. Ang pangunahing layunin ay upang mabawasan ang tagas ng presyo at pagbutihin ang presyo ng bulsa.

Ang tagas ng presyo ay nangyayari kapag ang presyo ng isang produkto ay may diskwento nang mas kaunti (sa isang bid na gumawa ng mga benta) na nakompromiso nila ang kakayahang kumita at ang presyo ng bulsa ay ang mga presyo ng mga nagbebenta ng mga diskwento sa post. Upang matupad ang isang kumikitang pagsisikap sa pagsasakatuparan ng presyo, nakikipagtulungan ang pangkat ng mga benta sa departamento ng pananalapi upang maunawaan ang istraktura ng mga gastos para sa bawat indibidwal na mga produkto at kung saan maaaring ibigay ang mga diskwento. Ito naman ay nangangailangan ng departamento ng pananalapi upang bumuo ng isang balangkas para sa mga modelo ng pagsasakatuparan ng presyo para sa hinaharap at tukuyin ang mga limitasyon sa loob ng nasabing mga aktibidad sa marketing. Kasama sa gawain ang pagpoproseso ng data mula sa pagkuha, gastos sa bodega, buhay sa istante at pagkatapos ay tinatantya ang halaga ng mga ipinagbebentang kalakal (CGS).

F-12 at Hulaang Analytics

Ang isa sa mga mahahalagang aktibidad sa loob ng kagawaran ng pananalapi ay upang masubaybayan ang kalusugan sa pananalapi ng samahan. Tulad ng paggamit ng isang doktor ng iba't ibang mga sukatan tulad ng rate ng pulso, init ng katawan o reaksyon ng stimuli upang hatulan kung ang pasyente ay buhay o patay, sa parehong paraan sinusubaybayan ng mundo ng pananalapi ang 12 sukatan upang malaman kung saan ang kumpanya ay patungo sa monetary at kung ano ang nasa ibayo. . Mula sa Totoong Paglago ng Kita, Sustainable na Paglaki ng Kita, Patakaran sa Pagpepresyo at Index ng Pagpepresyo, Pagpapatakbo sa Gastos sa Pagpapatakbo, Paghahambing sa EBITDA kumpara sa Daloy ng Cash, Utang na Walang daloy ng Cash, Labis na Cash, Return on Asset, Working Capital, Paggamit ng Utang sa Pananalapi, Net Trade Cycle at Gastos ng Capital form mahalagang mga sangkap sa pag-uulat sa pananalapi para sa isang samahan upang ang pang-itaas na pamamahala ay maaaring kumuha ng mahusay na desisyon.

Bilang isang bahagi ng hamon sa malaking mundo ng data, ang pag-unawa sa mga ratios na ito ay nangangailangan ng pagproseso ng malalaking tipak ng impormasyon na kumalat sa buong organisasyon upang gawin ito sa isang karaniwang format para sa pagtatasa. Nagaganap ang mahuhulaan na analytics kapag naproseso ang data na ito mula sa nakaraang kasaysayan, kumpara sa parehong mga elemento sa kasalukuyan tulad ng tumpak na mga pagtatantya na ginawa para sa hinaharap. Ang pinakamagandang bahagi ay ang nahuhulaan na platform ng analytics at ang mga pamamaraan ay binuo upang maproseso ang malaking data sa gayon pasimplehin ang gawain ng kagawaran ng pananalapi.

KATAWANG KATOTOHANAN: Alam mo bang ang Oversea-Banking Corporation (OCBC) na nakabase sa Singapore ay nakagamit ng malaking data para sa mga pananaw ng customer na direktang responsable para sa 40% na pagtaas sa pagkuha ng bagong customer!

4. Mga mapagkukunan ng tao: Pagtukoy muli sa mga kakayahan ng empleyado ng HR

Ang pag-iisip ng Big Data sa Human Resources ay maaaring madalas na hinihimok ang mga mambabasa na tanggalin bilang isang mapagpakumbaba, dahil ang isang samahan ay karaniwang hindi gaanong inuuna ang pagpapatupad ng teknolohiya ng Big Data sa departamento ng HR dahil mas pipiliin nito ang Marketing, Operation o Pananalapi. Ngunit sa totoo lang, ang departamento ng Human Resources ay may mahalagang papel sa pagtiyak na ang tamang talento ay pumapasok sa samahan sa iba pang mga aktibidad.

Pagdaragdag ng higit pang mga ngipin sa HR

Marahil ang pinaka pinapansin sa lahat ng mga kagawaran pagdating sa Malaking pagpapatupad ng data, ngunit sa mabilis na pagbabago ng mundo ngayon, ang paraan kung paano gumagana ang isang departamento ng HR ay tumutukoy sa tagumpay ng isang samahan.

Ayon kay Forbes, ang isang average na malaking kumpanya ay may higit sa 10 magkakaibang mga aplikasyon ng HR at ang kanilang pangunahing sistema ng HR ay higit sa 6 na taong gulang. Itinatampok ng takbo na ito ang katotohanang ang isang organisasyon ay nangangailangan ng tamang mga mapagkukunan upang pagsamahin ang data na ito. Ang pagsasanay sa Malaking Data at Analytics ay nagdudulot ng mga kasanayan tulad ng pagtatasa ng data, pagpapakita at paglutas ng problema mula mismo sa pag-uulat sa pagpapatakbo hanggang sa madiskarteng analytics.

Ang isang kagawaran ng HR bilang default ay inaasahang maghatid sa mga tuntunin ng pangunahing pagpapatakbo ng HR, ngunit dadalhin ito ng pagsasanay sa Big Data sa isang bagong bagong antas. Habang ang departamento ng HR ay nagiging mas mapag-aralan sa mga tool, binabago nito ang kanilang diskarte upang makisali sa mas madiskarteng aktibidad. Kritikal na katanungan tulad ng kung paano magkaroon ng mas maraming mga kadahilanan sa pagpapanatili ng empleyado na nakakaapekto sa kalidad ng pagbebenta ng pipeline ng kandidato at pagsusuri ng mga puwang sa talento ay nakilala at ang mga madiskarteng hakbang ay isinasagawa sa pamamagitan ng pag-aaral ng nauugnay na data sa pamamagitan nito.

Ang paglilipat ay lilipat mula sa simpleng headcount patungo sa mas mahuhulaan na pagtatasa.

Ang Oracle sa loob ng Mga mapagkukunan ng Tao

Mayroong isang nakakatawang kwento na naalala ko ang isang kaibigan na nagtatrabaho bilang isang HR. Mayroon siyang isang nakakapagod na trabaho sa pag-headhunting bago ipadala ang kandidato sa nauugnay na pinuno ng kagawaran na sasabihin lamang ang mga salitang mahika: 'Ok, hayaan mo siyang kunin.'

Para sa isang sandali, naging maayos ang mga bagay sa pagdala niya ng mahusay na talento sa kumpanya. Bilang ng oras lumipas, siya ay naging tiwala sa kanyang mga kasanayan sa pagkuha hanggang sa pahabain ng pagtulak sa itaas na pamamahala upang magdagdag ng maraming mga tao sa kanyang koponan, pagpapatupad ng mga sistema ng HR at kasama ang higit pang mga consultant ng third party. Ang nakakalito na bahagi ay gumawa siya ng mga matataas na pangako sa pinakamataas na pamamahala nang may kanyang kumpiyansa.

Ipinakita ng kasaysayan na ang isa na naghahanda para sa kaganapan sa hinaharap ay mas matagumpay kaysa sa isang nakasakay sa nakaraang kaluwalhatian. Mayroong isang oras kung kailan inaasahan niyang kumuha ng isang malaking bilang ng mga propesyonal sa domain na pinapalawak ng kumpanya. Sinimulan niyang punan ang mga bakante sa isang kompromiso sa pagkuha ng mga may kalidad na propesyonal. Gumamit siya ng isang mas target na diskarte na hinimok. Ang resulta? Karamihan sa mga propesyonal na tinanggap niya ay naglalagay ng mga papel na binabanggit ang iba`t ibang mga kadahilanan at tinanong siya ng pamamahala. Kadalasan ay naririnig ko ang pagmumukmok niya:

'Mangangaso ako ng 1000 Cvs, listahan ng 100 Cvs, tumawag sa 50 na kandidato para sa pakikipanayam, salain ang 10 mula sa aking mga pagsusuri sa psychometric, kasama sa 10, kumukuha ako ng 5 na sulit, ipadala ang 5 sa pamamahala, zero sila sa 1 at aalis ang isang tao pagkalipas ng 2 buwan. '

Nag-chuckle ako sa kanyang pagdurusa bukod sa pag-alok ng aking mga simpatya, ngunit nakapagtataka ito sa akin kung ang mga mapagkukunan ng tao ay maaaring gumawa ng mas mahusay na paghuhusga sa kanilang karanasan o kailangan bang magkaroon ng isang mas maraming diskarte na hinimok ng data sa buong proseso ng pagkuha na ito? Sa gayon, gumagamit kami ng mahuhulaan na pagtatasa mula sa paghahanap kung aling pangkat ang mananalo sa tasa ng mundo ngunit bakit hindi gumagamit ng parehong mga diskarte sa proseso ng pagkuha, lalo na kapag nakikipag-usap kami sa mga kumplikadong elemento tulad ng mga tao?

Ngayon, ang trabaho ng pagkuha ay hindi kinakailangang isang madaling trabaho, nagsasangkot ito ng maraming proseso at ang mga patakaran ng pagkuha ay madalas na nagbabago ayon sa industriya na ang HR ay nasa papel na hinuhuli niya para sa mga patakaran ng samahan at iba pa.

Kung may nagmamasid sa matagumpay na mga samahan na gumagamit ng mahuhulaan na analytics at may mas kaunting mga rate ng pag-akit, mayroong isang pattern ng unang pagpapasya sa nais na mga katangian sa loob ng isang kandidato na tinitiyak ang tagumpay, pagsasama-sama ito sa isang 'ideyal' na profile at ihinahambing ito sa bawat kandidato na pinakamalapit dito at pagkatapos ay makisali sa kanila ng mga na-customize na pagtatasa na suriin ang mga katangian ng mga kandidatong ito.

Ang isang punto na dapat tandaan ay ang buong industriya ng pagtatasa ng psychometric na may mga nangungunang manlalaro tulad ng Pearsons, Thomas Assessment & SHL na sumibol dahil sa kahilingan mula sa mga propesyonal sa HR para sa pag-aralan ang profile ng kandidato sa kanilang pangangailangan upang maperpekto ang proseso ng pagkuha!

Bumabalik sa mahuhulaan na analytics, bilang bahagi ng pagpapatupad nito, dapat munang tukuyin ng tauhan ng HR kung sino ang isang 'matagumpay na kandidato' ayon sa samahan, pagkatapos ay dapat niyang tukuyin ang mga salik na maaaring humimok ng pagiging epektibo ng pagkuha at pag-unlad at pagmasdan bilang kung bakit ang ilang mga pagkuha ay mas mahusay kaysa sa iba pa na may isang teorya kung kinakailangan. Batay doon, maihahambing niya ito sa data ng matagumpay na mga empleyado na nagtagal sa organisasyon at pangatlo ay gumagamit ng mga diskarteng pang-istatistika upang masukat kung bakit ang ilang mga tao ay nagtatagal.

Ang diskarte ay mabuti para sa isang panimula, ngunit ang pagpapatupad ng mahuhulaan na analytics sa loob ng HR ay may kasamang maraming mga diskarte na malayang galugarin ng isang HR. Ang pinakamagandang bahagi ng prosesong ito ay ang pagbawas sa gastos ng pagpapalit sa isang empleyado ng bago at marahil ay nakakakuha ng mas maraming ROI kaysa sa dati.

i-convert ang object sa array php

Sa pagtatapos ng araw, ang pagsasama-sama ng intuwisyon, karanasan at isang tunog na hinihimok ng data na diskarte ay madalas na pinino hindi lamang ang isang paghuhusga ng HR ngunit ang atin din.

KATAWANG KATOTOHANAN: Alam mo bang ang American higanteng Xerox ay nagbawas ng turnover ng call center ng 20% ​​sa pamamagitan ng paglalapat ng analytics sa mga prospective na kandidato sa paghanap na ang mga malikhaing tao ay mas malamang na manatili sa kumpanya sa loob ng 6 na buwan na kinakailangan upang mabawi ang $ 6,000 na gastos ng kanilang pagsasanay kaysa sa matanong. mga tao?

5. Suportahan ang Chain & Logistics: Koponan sa paghahatid ng pagsasanay na may malalaking platform ng data

Ang Supply Chain & Logistics ay karaniwang bumubuo ng isang mahalagang sangkap sa mga diskarte at layunin ng organisasyon. Ang layunin para sa Supply Chain & Logistics ay sa pag-save ng mga gastos at pagpapabuti ng pagganap, bilis at liksi. Pagdating sa logistics, nakukuha at sinusubaybayan nila ang iba't ibang mga form ng data upang panimulang mapabuti ang kahusayan sa pagpapatakbo, pagbutihin ang karanasan sa customer at mga bagong modelo ng negosyo. Ang mga kadahilanang ito ay madalas na makakatulong sa mga samahan upang makatipid ng mga mapagkukunan, bumuo ng isang mas mahusay na pangalan ng tatak at lumikha ng isang sistematikong proseso para sa supply chain at logistics.

Pagsubaybay sa Malaking Data sa buong mundo

Kumuha kami ng isang halimbawa ng isang higanteng e-commerce na gumagamit ng Malaking Data para sa paghahatid sa mga customer nito. Ang isang produkto ay naipadala mula sa isang lokasyon patungo sa address ng customer. Ang mga aparato sa loob ng sasakyan ng transportasyon tulad ng GPS tracker, mic, sensor ay nakabalangkas at hindi nakaayos na data na ipinadala pabalik sa monitoring center para sa mga real-time na pag-update. Kasabay nito ay nakakatulong din itong pag-aralan ang kahusayan ng oras ng paghahatid, pinakamaikling landas at mga mapagkukunang ginamit upang maisagawa ang isang operasyon sa paghahatid sa listahan ng milyun-milyong mga naturang transaksyon. Ang pagmimina ng ginto na ito ng data sa iba't ibang mga merkado ay pinagsama ng mga samahan at pagkatapos ay pinag-aralan upang makapagbigay ng karagdagang pagpapabuti sa proseso o magdala ng isang buong antas ng bagong pagbabago!

KATAWANG KATOTOHANAN: Alam mo bang ang Malaking data sa anyo ng pagsubaybay sa mga pahina ng customer ng Amazon ay nakatulong dito na iposisyon ang mga produkto nito sa warehouse na pinakamalapit sa customer upang mapabuti ang bilis at kahusayan ng paghahatid?

ano ang isang halimbawa sa java

6. Mga Operasyon, Suporta at Serbisyo sa Customer: Pagsasanay ng empleyado sa malaking data sa bawat pakikipag-ugnay ng customer

Ang tagumpay ng anumang produkto o serbisyo ay batay sa suporta pagkatapos ng pagbebenta na natatanggap ng isang customer at madalas na ang vendor ay nanunumpa na naroon para sa kanya sa lahat ng oras. Ito ay nagmula sa katotohanang kapag ang isang customer ay kumukuha ng isang produkto o isang serbisyo, gumawa siya ng isang 'leap-of-faith' sa pag-asang hindi siya pinabayaan ng vendor sa habang-buhay na produkto / serbisyo. Ang paghahatid mula sa pananaw na ito ay kritikal para sa tagumpay sa organisasyon.

Tingnan natin ang suporta sa isang granular na antas. Kamakailan ay nagkaroon ako ng pagkakataon na panoorin ang 'Interstellar' ni Christopher Nolan na tuklasin ang paglalakbay sa kalawakan hanggang sa dulo ng kalawakan. Napag-isipan ko ito tungkol sa mga airline sa hinaharap na mag-aalok ng mga serbisyo sa paglipad sa pamamagitan ng mga butas ng bulate na umaabot sa milyun-milyong ilaw na taon ang layo! Ano kaya ang mga hamon noon? Anong uri ng malaking data ang malilikha sa halos walang katapusang paglalakbay na ito? Paano masisiguro ng nasa board team na nasisiyahan ang pasahero sa buong biyahe? Upang magsimula, ang service provider ay dapat tumutok sa pangunahing mga layunin tulad ng pagtiyak sa kaligtasan ng hangin, pagsubaybay sa landas ng flight nito, paghahatid ng mga kinakailangan sa customer at iba pa.

On-the-go na Big Data 24 × 7

Ang ideya para sa interstellar na paglalakbay ay maaaring isang malayong pangarap para sa susunod na 100 taon (pagiging maasahin sa mabuti!), Ngunit hindi ito pipigilan sa amin na tingnan ang data na nabuo ng isang katulad na serbisyo na kasalukuyang gumagana ngayon na magbibigay ng higit na ilaw sa kung paano ang customer Ang serbisyo at suporta ay isinasagawa sa senaryo na 'pagkatapos ng pagbebenta' at kung paano maaaring makisali ang mga organisasyon sa pagpapabuti ng kanilang mga pagsisikap sa real-time.

Ngayon upang magsimula, ang Southwest Airlines ay isa sa pinakatanyag na airline na sinamantala ang Malaking data upang mapagbuti ang karanasan ng kostumer. Sa bid nitong mapagbuti ang kaligtasan ng hangin, nakipagtulungan ang Southwest Airlines sa NASA upang makisali sa malaking eksperimento sa data para sa pagpapabuti ng pangkalahatang karanasan sa paglipad. Kasama rito ang pag-ping sa mga satellite ng NASA na may impormasyon sa landas ng paglipad, mga ulat mula sa mga piloto at iba pang impormasyon sa trapiko sa hangin. Sa tuktok ng naturang makabagong diskarte, naroon ang pangunahing konsepto ng malaking data na tinatawag na 'text data-mining' na nagko-convert sa hindi istrukturang impormasyong pangkonteksto sa makahulugang teksto para sa mga pananaw. Kaya naisip mo ba doon nagtatapos ang pagmimina ng data ng teksto?

Siyempre hindi, kahit isang simpleng konsepto sa malalaking data tulad ng pagmimina ng data ng teksto ay umaabot nang lampas doon. Alam nating lahat na ang puna ng customer ay isang mahalagang sangkap sa pag-unawa kung saan nagkakamali ang isang samahan sa bawat punto ng pakikipag-ugnay ng customer. Nakatutulong din ang pagmimina ng data ng teksto sa serbisyo sa customer sa pamamagitan ng pag-aaral ng bukas na mga tugon sa survey. Sa halip na hadlangan ang mga customer sa mga karaniwang pagpipilian tulad ng pagpipiliang A, ang pagpipilian B, ang pagpipilian C, ang mga bukas na tanong ay nagbibigay ng higit pang mga pananaw, ngunit ang pag-uuri sa kanila at pagtatala ng mga tugon ay maaaring isang pangunahing isyu. Iyon ay kung saan nagmula ang paglalaro ng data ng teksto kung saan pinagsasama nito ang ilang mga hanay ng mga salita at pinagsasama ang mga ito para sa mga pananaw!

Sa pagtingin sa kabila nito, dapat nating aminin lahat na walang samahan na perpekto at bawat isa sa kanila ay may maliit na hanay ng mga customer na maaaring hindi nasisiyahan sa serbisyo. Ang resulta? Ang isang database ay binaha ng email, mga mensahe, tweet mula sa mga customer na nagrerehistro ng mga reklamo o mga tip na 'mga lugar-ng-pagpapabuti' upang ilagay ito nang mahina. Ang pagmimina ng data ng teksto ay napupunta nang maaga mula sa tradisyunal na mga filter ng mail at maaaring uriin ang mga mail ayon sa priyoridad at i-reroute ito sa kagawaran na pinag-uusapan.

KATAWANG KATOTOHANAN: Alam mo bang ang Southwest Airlines, bilang bahagi ng pagsisikap na mapagbuti ang mga serbisyo sa customer ay nag-deploy ng pagtatasa ng data sa tampok na tinatawag na 'speech-analysis' na nagtatala ng pakikipag-ugnayan sa pagitan ng customer at mga tauhan para sa mga pananaw!

7.Marketing: Pagsasanay sa mga empleyado sa isang sistematikong diskarte sa marketing na may malaking data

Ang marketing bilang isang aktibidad ay tungkol sa mga numero ngayon. Sa pagdagsa ng digital marketing, maaari na nating tumpak na masukat ang tugon ng mga ad, click-through-rate, impression, ROI at iba pa. Para sa isang hindi propesyonal sa marketing, ang mga nasabing sukatan ay maaaring greek, ngunit para sa mga nasa marketing ang data na ito ay isang mine-gold. Kasunod, kasama ang mga sukatan, malalaking tipak ng data ang nabuo sa bawat punto ng pakikipag-ugnay ng customer, social media at mga benta. Nasa sa propesyonal na pagmemerkado na subaybayan ang naturang data at gamitin ito upang mas mabisang maitulak ang mga produkto. Ang pagsasanay sa Malaking Data ay may mahalagang papel dito dahil ang mga platform tulad ng Hadoop at R ay tumutulong na maihatid ang layunin.

Pangalawa, ang mga propesyonal sa pana-panahon na pagmemerkado ay madalas na magpakasawa sa paggunita para sa kanilang tatak. Mga katanungan tulad ng:

Paano mas mahusay ang aking tatak kaysa sa iba?

Ano ang inaalok ng ibang mga tatak?

Anong mga tampok ang mayroon ang aking kakumpitensya sa parehong produkto?

Ang pag-aaral ay napakalalim kaysa dito. Mula sa pag-aaral ng produkto ng kakumpitensya batay sa 4Ps (Produkto, Presyo, Lugar, Posisyon) hanggang sa pag-unawa sa nilalaman ng kung aling produkto ang ipinakita sa webpage ng kakumpitensya, ang dami ng nabuong data ay malaki at kumplikado. Tulad ng sinabi sa dati, ang pagsasamantala sa pagmimina ng teksto ay makakatulong sa nagmemerkado na magsagawa ng pagsusuri sa kakumpitensya sa pamamagitan lamang ng pag-crawl sa website ng kakumpitensya. Ang simpleng pag-andar na ito sa domain ng malaking data ay maaaring magbigay ng isang pinagsamang ideya tungkol sa kung ano ang ginagawa ng kakumpitensya at kung anong mga produkto ang mayroon sila para sa merkado, sa gayo'y pagbibigay sa nagmemerkado na yumakap sa malaking data ng isang gilid!

Pag-aarmas sa Malikhaing

Halimbawa ng isang strategist ng social media na nais malaman ang tungkol sa pang-unawa ng tatak ng kanyang samahan sa mga platform ng social media, kung gayon marahil na nakikilahok sa pagsusuri ng damdamin sa R ​​& Hadoop ay makakatulong makamit ang layuning ito. Sa parehong paraan, ang paggamit ng mga tool ng Big Data ay tumutulong sa marketing sa iba't ibang mga aktibidad tulad ng pagpepresyo, pagpoposisyon ng produkto at iba pa.

Ang isa pang halimbawa ay maaaring isang tagapamahala ng marketing sa isang retail outlet na naghahanap upang ma-maximize ang mga benta. Malalaman ng bawat isa ang halimbawa ng Walmart na nakaposisyon ang beer at gatas na tabi-tabi sa pasilyo batay sa nakaraang kasaysayan ng pagbili ng customer sa pamamagitan ng pagkuha ng malalaking tipak ng data na sumasaklaw sa milyun-milyong mga customer sa isang timeframe!

KATAWANG KATOTOHANAN: Alam mo bang ang Pangkalahatang Motors na may taunang badyet sa marketing na $ 2 Bilyon bawat taon ay gumamit ng Big Data Analytics upang lumikha ng detalyadong mga profile ng customer at pagsamahin ang spatial data analytics na may detalyadong demograpiko / impormasyon ng customer para sa mas isinapersonal na marketing!

Bakit lumilipat ang mga kumpanya sa mga platform ng Big Data

Karaniwan, ang mga samahang gumagamit ng mga lumang system ng pamana ay mayroong kumalat na data sa maraming mga system. Dahil sa pagkalat ng data sa iba't ibang mga lokasyon, bumababa ang bilis ng pagproseso kasama ang katumpakan ng pag-aaral ng data. Tumawag ito para sa pagsasama-sama ng data sa loob ng isang hub ng data ng enterprise na lumilikha ng isang mas mabilis na pag-access ng data na nagreresulta sa mas malalim na analytics. Isa sa mahalagang layunin ng departamento ng IT sa anumang samahan ay upang magbigay ng tumpak na data nang mabilis para sa lahat ng mga kagawaran sa samahan kapag hiniling.

Sa pagkolekta ng data, mahalaga na pagsamahin ang hindi nakaayos, nakabalangkas at semi-nakabalangkas na mga mapagkukunan ng data sa isang platform upang maisagawa ang malalim na pagsusuri at karaniwang tulungan ang paggawa ng desisyon sa negosyo. Ang tampok na ito ng Hadoop ay nagdadala ng maraming mga tao sa talahanayan sa loob ng samahan dahil may mga empleyado na nakikipag-ugnay sa data sa iba't ibang mga touch point sa pang-araw-araw na operasyon. Gayundin, ang tradisyonal na mga proseso ng ETL at batch ay maaaring tumagal ng mahabang panahon, samantalang ang Hadoop na may mataas na dami ng pagproseso ng batch ay nagpapabilis nito hanggang sa 10 beses.

Ang kahalagahan ng Hadoop ay hindi nangangahulugang ang bawat empleyado sa loob ng isang samahan ay kailangang sanayin sa platform ng Big Data na maaaring hindi posible sa karamihan ng mga kaso. Ngunit magiging kapaki-pakinabang na kalamangan para sa isang CTO na kilalanin at sanayin ang mga propesyunal na patuloy na nakikipag-ugnayan sa data.

Na natakpan ang imbakan, pagproseso, pagkuha ng data sa pamamagitan ng tanyag na platform ng Hadoop, isa pang mahalagang kababalaghan na bahagi ng natural na pag-unlad ay ang Big Data analytics. Upang mas simple ito, ang mga organisasyon ay nangangailangan ng maraming pananaw mula sa iba't ibang mga propesyonal sa loob ng isang mga organisasyon.

Ang numerong '6' ay maaaring matingnan bilang bilang '9' mula sa kabilang panig ng talahanayan. Sa madaling salita, ang konklusyon mula sa pagmamasid ng data ay magkakaiba sa bawat tao.

Alam ito ng mga samahan at madalas na nakikilahok sa pagsasanay ng mga empleyado sa magkatulad na platform upang ang mga tao mula sa iba't ibang mga kagawaran na magkakaugnay ng parehong aktibidad na tatalakayin, umaakit at magbahagi ng mga pananaw para sa mahusay na paggawa ng desisyon. Kaya, naniniwala akong magiging ligtas na tukuyin ang pagsasanay sa Big Data bilang isang pagkakataon para sa bawat empleyado na nasa parehong pahina at dalhin ang mga organisasyon sa susunod na antas!

May tanong ba sa amin? Nabanggit ang mga ito sa seksyon ng mga komento at babalikan ka namin.

Mga Kaugnay na Post: