La recente notizia degli Emirati Arabi Uniti che rendono il servizio militare obbligatorio per tutti gli uomini degli Emirati di età compresa tra i 18 ei 30 anni mi ha spinto a pensare al motivo per cui i paesi, indipendentemente dal loro status economico, assicurano che i cittadini siano pronti a difendere il paese.
Si potrebbe sostenere che un numero limitato di cittadini in un paese, spesso costringe il governo a rendere obbligatorio il servizio militare. Ma per quanto riguarda la Cina? È il paese più numeroso per popolazione, ma garantisce anche che i cittadini che desiderano proseguire gli studi trascorrano il tempo militare obbligatorio. In breve, le nazioni si stanno sostanzialmente preparando a difendersi in caso di conflitto e tutti devono essere preparati. Che si tratti di un elettricista, un uomo d'affari, un falegname, tutti si uniscono per una causa comune.
Per quanto possa sembrare bizzarro, si può tracciare un misterioso parallelo tra tali nazioni e le organizzazioni odierne che vogliono rimanere competitive. La minaccia attuale, o meglio una sfida sotto forma di Big Data, ha spinto le organizzazioni grandi e piccole a riunire la propria forza lavoro nei vari reparti per affrontarla comunemente. Per andare oltre, in genere le nazioni che impongono il servizio militare obbligatorio hanno sempre criteri di ammissibilità, nello stesso modo in cui le organizzazioni trovano logico fornire formazione sui big data solo a quei dipendenti che hanno una qualche forma di interazione con grandi blocchi di dati e sono tenuti a farlo. impiegare Hadoop in ogni punto di contatto.
Proprio come un generale dell'esercito in collegamento con il governo decide il tipo di armi e addestramento da assegnare al suo cittadino altrimenti inesperto trasformato in una nuova recluta, allo stesso modo ci si aspetta che un CTO sia al timone dell'infrastruttura IT e dell'eredità sistemi che guidano l'innovazione delle nuove tecnologie per consentire ai propri dipendenti di ottenere risultati migliori. Con l'obiettivo condiviso di affrontare i big data, cerchiamo di capire in dettaglio dove vengono utilizzati i big data e perché è importante addestrare i tuoi compagni in essi.
1.Tecnologia dell'informazione: migliorare la produttività con la formazione sui Big Data
Forse in prima linea nell'implementazione dei big data, il team IT è l'epicentro per portare avanti il cambiamento. Un decisore in materia di formazione IT che desidera offrire formazione sui big data ai dipendenti deve iniziare con il reparto IT. Perché? Perché quando si tratta di interagire con la tecnologia in ogni fase dell'attività, i fanatici del seminterrato (gergo popolare per l'IT) sono i più vicini. Quindi quanto è rilevante?
Diamo un'occhiata a un rapporto presentato dal popolare sito, CIO, che afferma:
'Secondo un recente sondaggio CompTIA su 500 dirigenti aziendali e IT statunitensi, il 50% delle aziende che sono in anticipo sulla curva nell'utilizzo dei dati e il 71% delle aziende che sono nella media o in ritardo nell'utilizzo dei dati, ritiene che il proprio personale sia moderatamente o significativamente carente nella gestione dei dati e capacità di analisi '
Dato che la gestione e l'archiviazione dei dati sono una parte della funzione principale dell'IT, è necessario avere un approccio parallelo all'implementazione della piattaforma Big Data e al rafforzamento delle competenze IT all'interno dei Big Data. A sostegno del fatto c'è un rapporto McKinsey che afferma che entro il 2018 ci sarà una carenza di oltre 140.000-190.0000 professionisti con una profonda competenza tecnica e analitica! Poiché sempre più professionisti tecnici richiedono formazione sui big data, le organizzazioni stanno cercando di formare più professionisti tecnici per un rapido ROI e specialisti della piattaforma, amministratori e ingegneri che lavorano nel reparto IT sono al timone di esso.
Unire Trinity of Core IT Function con Big Data
Il termine Trinità mi ricorda spesso due concetti religiosi: uno è la mitologia indù del creatore, conservatore e distruttore e l'altro è il concetto cristiano di padre, figlio e spirito santo. Entrambi lottano per il miglioramento dell'umanità. Allo stesso modo, queste tre funzioni di un team IT mirano al miglioramento dell'intera organizzazione con reparti con esigenze diverse quando si tratta di tecnologia dell'informazione. Oltre alle funzioni di sicurezza e supporto, un reparto IT può fare riferimento a queste funzioni quando si tratta di implementazione di big data.
Pianificazione: l'attività di pianificazione all'interno di un team IT si concentra sul garantire che la strategia IT dell'organizzazione sia allineata con gli obiettivi aziendali. Ciò include il lavoro sulla personalizzazione del software, introducendo nuove piattaforme che soddisfano le esigenze dei diversi reparti aziendali. In altre parole, qualsiasi nuova implementazione partirà sempre dall'IT.
Rete - Implica lo sviluppo di reti che facilitano tutte le forme di comunicazione tra voce, dati, video e traffico Internet e ci sono vari punti di controllo per la registrazione dei dati sia che si tratti di interazione con il cliente, analisi del sentiment e aggiornamento del traffico, tutti raccolgono dati in tempo reale! Un reparto IT spesso garantisce una perfetta integrazione delle reti per lavorare insieme all'obiettivo di elaborare i big data.
Dati: in poche parole, un team IT fornisce strumenti per raccogliere, archiviare, gestire, proteggere e distribuire i dati ai dipendenti per varie decisioni strategiche nell'organizzazione. Tutte le forme di dati come record di vendita, record finanziari, dettagli sulle scorte vengono archiviati in un unico data center. Ciò crea la responsabilità all'interno del team IT di implementare piattaforme per big data che consentono agli utenti designati di archiviare e recuperare informazioni in qualsiasi posizione di dati.
In qualsiasi team IT, è necessario un mix versatile di membri con compiti diversi verso l'implementazione di big data. Per cominciare, c'è bisogno di uno specialista che assicuri una transizione fluida dai sistemi tradizionali alle piattaforme di big data. Per questo è necessario che un tecnico si concentri sul mantenimento della piattaforma nel suo intero ciclo di vita in tutti i reparti. Poi nasce la necessità di un membro che deve monitorare costantemente se ogni implementazione tecnologica è allineata con l'obiettivo organizzativo.
2.Sviluppo del prodotto: ripensare l'innovazione in tutte le fasi della ricerca e sviluppo
Forse uno dei dipartimenti più importanti quando si tratta di portare l'organizzazione al livello successivo di innovazione! Uno dei maggiori vantaggi dei big data è l'integrazione dei dati attraverso diversi punti di contatto nello sviluppo del prodotto, dalla progettazione del prodotto, produzione, qualità, garanzia, diagnostica, veicoli e applicazioni software. I dati generati da questi punti di contatto definiscono il modo in cui il prodotto è e quanto può avere successo. Fondamentalmente, questo porta sviluppatori di prodotti, professionisti di ricerca e sviluppo e progettisti ad un approccio basato sui dati e all'analisi dei dati.
Trasformare i Big Data in realtà
Java differenza tra implements ed extends
Quando si tratta di sviluppo del prodotto, un esempio popolare sarebbe l'auto senza conducente che Audi sta sviluppando e pianificando di lanciare entro il 2016. Sì, c'è il team di sviluppo del prodotto che ha l'enorme compito di assicurarsi che la visione dell'innovazione del CEO sia realizzata . Ma lungo il percorso, ci sono varie sfide e domande, dallo sviluppo al test, a cui solo i big data possono rispondere. Vediamo perché.
Considera un giro di prova monitorato dal punto A al punto B. Ecco i tipi di dati che possono essere generati:
un. Dati del sensore - I sensori all'interno dell'auto potrebbero memorizzare i dettagli sulla distanza che aveva misurato tra le auto dietro e davanti ad essa e la frequenza dei veicoli che ha incontrato durante il viaggio.
b. Dati del conducente - È possibile eseguire più test con diversi gruppi di età ei dettagli del livello di comfort, delle prestazioni e del numero di volte in cui il conducente ha bisogno per ignorare la guida automatica verranno compressi in grandi serie di righe e colonne per l'analisi.
c. Dati demografici: è possibile eseguire un test in India e negli Stati Uniti. L'AI all'interno della guida automatica potrebbe analizzare gli ostacoli che incontra durante la guida in due diversi paesi. Quale paese è più adatto alla guida automatica e quale non lo è?
d. Dati sulle prestazioni di mercato - Dopo che il prodotto è stato lanciato ed è sulla strada, gli ingegneri potrebbero anche monitorarne il successo analizzando i dati in tempo reale con feed forniti 24 ore su 24, 7 giorni su 7 dal programma dell'auto che forniscono informazioni se l'introduzione della guida automatica sta aiutando a mantenere la strada è più sicura?
Sono disponibili N numero di dati possibili che possono essere sfornati dall'ingegneria del prodotto. Stiamo appena iniziando a esplorare gli OEM dell'industria automobilistica. Pensa alle possibilità dei big data in vari settori, ad esempio medicina, sanità, elettronica e così via. Chi lo sa?
FATTO DIVERTENTE: Lo sapevi che l'adozione di Big Data e Analytics da parte di Ford ha salvato il problema da un'esperienza di pre-morte negli anni 2000, quando la concorrenza era accesa da parte dei produttori di automobili europei e asiatici!
3.Finanza: formazione dei dipendenti sulle piattaforme di big data per gestire la modellazione finanziaria
Potremmo aver sentito spesso il termine che il denaro è il sangue degli affari. Prendersi cura di quei soldi è una responsabilità del dipartimento finanziario. Il mondo degli affari definisce le funzioni del dipartimento finanziario come quelle tipicamente coinvolte nella 'pianificazione, organizzazione, revisione contabile, contabilità e controllo delle finanze della propria azienda, oltre che nella produzione delle finanze della società.
Detto questo, il dipartimento delle finanze in generale è spesso il frutto dell'ingegno quando si tratta di gestire il denaro e il ruolo si espande a varie attività come la generazione di rendiconti del flusso di cassa, la modellazione dei costi, la realizzazione dei premi e la conformità per citarne alcuni. Qualche decennio fa svolgere tutte queste attività con sistemi e piattaforme limitati era abbastanza fattibile, ma nell'era dei big data le due sfide che ogni dipartimento finanziario deve affrontare sta svolgendo funzioni finanziarie regolari in uno scenario in evoluzione e raccogliendo informazioni per il futuro. Guardiamolo da una prospettiva più profonda.
Con le informazioni distribuite su diversi server, le organizzazioni spesso incontrano la sfida di consolidare tali dati ed eseguire azioni in base ai requisiti aziendali. Una funzione importante all'interno è l'audit interno che tiene sotto controllo la governance dell'organizzazione, la gestione del rischio e i controlli di gestione e conduce audit proattivi sulle frodi per identificare gli atti fraudolenti. Con l'avvento dell'analisi, è necessario integrare anche l'audit interno. Ciò ha dato vita a nuovi metodi come l'analisi dei dati di audit che aiutano a valutare il rischio, creare modelli finanziari e fornire un quadro generale della finanza all'interno di un'organizzazione.
Modellazione dei costi e realizzazione dei prezzi
La modellazione dei costi è una componente importante per un utilizzo efficace delle risorse. Le aziende devono identificare le attività che determinano i costi, i materiali diretti totali e la manodopera necessari per il completamento delle attività e così via. La modellazione dei costi aiuta le aziende a identificare con precisione i costi complessivi di produzione dei prodotti in tutte le attività all'interno dell'azienda. Nell'era dei big data diventa importante tenere traccia di ogni attività finanziaria che si svolge in diversi dipartimenti all'interno di un'organizzazione che consolida tali informazioni per costruire un modello di costo ideale. Dall'acquisto alla vendita, tutti i dati vengono archiviati nella cronologia finanziaria e le basi fondamentali per lo sviluppo di un modello di costo sono recuperare grandi blocchi di dati e creare un modello che possa essere applicato per il futuro.
Sebbene si possa discutere sul fatto che gli sforzi di realizzazione del prezzo siano diretti maggiormente alle vendite per migliorare la redditività, c'è un ruolo maggiore svolto dal dipartimento finanziario quando si tratta di beneficiare della realizzazione dei prezzi. Per suddividerlo in termini più semplici, si consideri un punto vendita al dettaglio che prevede di fornire sconti per spingere le vendite. L'obiettivo fondamentale è ridurre la perdita di prezzo e migliorare il pocket price.
La perdita di prezzo si verifica quando il prezzo di un prodotto è scontato così meno (nel tentativo di effettuare vendite) da compromettere la redditività e il pocket price è il prezzo di vendita al netto degli sconti. Per compiere uno sforzo proficuo di realizzazione del prezzo, il team di vendita collabora con il dipartimento finanziario per comprendere la struttura dei costi per ogni singolo prodotto e dove possono essere concessi sconti. Ciò a sua volta richiede al dipartimento finanziario di sviluppare una struttura per modelli di realizzazione dei prezzi per il futuro e definire i limiti all'interno di tali attività di marketing. L'attività include l'elaborazione dei dati da approvvigionamento, costo del magazzino, durata di conservazione e quindi stima del costo delle merci vendute (CGS).
F-12 e analisi predittiva
Una delle attività importanti all'interno del dipartimento finanziario è monitorare la salute finanziaria dell'organizzazione. Proprio come un medico utilizza diverse metriche come la frequenza cardiaca, il calore corporeo o la reazione agli stimoli per giudicare se il paziente è vivo o morto, allo stesso modo il mondo finanziario monitora le 12 metriche per sapere dove è diretta l'azienda monetariamente e cosa c'è oltre . Da crescita dei ricavi reali, crescita dei ricavi sostenibile, politica dei prezzi e indice dei prezzi, controllo delle spese operative, confronto tra EBITDA e flusso di cassa, flusso di cassa libero dal debito, liquidità in eccesso, ritorno sugli asset, capitale circolante, utilizzo del finanziamento del debito, ciclo e costo del commercio netto di capitale costituiscono componenti importanti nel reporting finanziario per un'organizzazione in modo che il top management possa prendere decisioni corrette.
Come parte della sfida nel mondo dei big data, la comprensione di questi rapporti richiede l'elaborazione di grandi quantità di informazioni sparse nell'organizzazione per renderle in un formato standard per l'analisi. L'analisi predittiva entra in gioco quando questi dati vengono elaborati dalla storia passata, confrontati con gli stessi elementi nel presente in modo tale da effettuare stime accurate per il futuro. La parte migliore è la piattaforma di analisi predittiva e i metodi sono costruiti per elaborare i big data, semplificando così il compito del dipartimento finanziario.
FATTO DIVERTENTE: Sapevi che la Oversea-Banking Corporation (OCBC) con sede a Singapore è stata in grado di utilizzare i big data per le informazioni sui clienti che è stata direttamente responsabile dell'aumento del 40% nell'acquisizione di nuovi clienti!
4. Risorse umane: ridefinire le capacità dei dipendenti delle risorse umane
Immaginare i Big Data nelle Risorse umane può spesso spingere i lettori a liquidare come un imbroglio, dal momento che un'organizzazione in genere non dà molta priorità nell'implementazione della tecnologia Big Data nel dipartimento delle risorse umane in quanto si concentrerebbe piuttosto su Marketing, Operazione o Finanza. Ma in realtà, il dipartimento Risorse umane gioca un ruolo cruciale nel garantire che il talento giusto entri nell'organizzazione tra le altre attività.
Aggiungere più denti alla FC
Forse il più ignorato tra tutti i reparti quando si tratta di implementazione di Big Data, ma nel mondo in rapida evoluzione di oggi, il modo in cui lavora un dipartimento delle risorse umane definisce il successo di un'organizzazione.
Secondo Forbes, una grande azienda media ha più di 10 diverse applicazioni HR e il loro sistema HR principale ha più di 6 anni. Questa tendenza evidenzia il fatto che un'organizzazione ha bisogno delle risorse corrette per riunire questi dati. La formazione in Big Data & Analytics offre competenze come l'analisi dei dati, la visualizzazione e la risoluzione dei problemi direttamente dal reporting operativo all'analisi strategica.
Per impostazione predefinita, un dipartimento delle risorse umane dovrebbe fornire in termini di operazioni di base delle risorse umane, ma la formazione sui Big Data lo porta a un livello completamente nuovo. Man mano che il dipartimento Risorse umane diventa più analitico con gli strumenti, cambia il proprio approccio per impegnarsi in attività più strategiche. Viene identificata una domanda critica come come avere più fattori di fidelizzazione dei dipendenti che influenzano la qualità delle vendite della pipeline di candidati e la valutazione delle lacune di talento e vengono intraprese azioni strategiche attraverso l'analisi dei dati rilevanti attraverso di essa.
converte la stringa in array php
Il passaggio da un semplice numero di dipendenti a un'analisi più predittiva.
L'Oracolo delle Risorse Umane
C'era una storia divertente che ricordo di un amico che lavorava come HR. Aveva un lavoro estenuante di caccia alle teste prima di inviare il candidato al capo dipartimento competente che avrebbe detto solo le parole magiche: 'Ok, assumiamolo'.
Per un po 'le cose sono andate bene perché ha portato un buon talento in azienda. Con il passare del tempo, ha acquisito fiducia nelle sue capacità di assunzione al punto da spingere il top management ad aggiungere più persone al suo team, implementando sistemi HR e includendo più consulenze di terze parti. La parte difficile è stata che ha fatto grandi promesse ai dirigenti con la sua sicurezza.
La storia ha dimostrato che chi si prepara per un evento futuro ha più successo di chi cavalca la gloria passata. C'è stato un tempo in cui ci si aspettava che assumesse un gran numero di professionisti nel settore in cui l'azienda si stava espandendo. Ha iniziato a riempire i posti vacanti con un compromesso sull'assunzione di professionisti di qualità. Ha adottato un approccio più mirato. Il risultato? La maggior parte dei professionisti che ha assunto ha messo giù documenti adducendo vari motivi ed è stata interrogata dalla direzione. Spesso la sentivo mormorare:
'Caccio 1000 Cv, seleziono 100 Cv, chiamo 50 candidati per il colloquio, filtro 10 dalle mie valutazioni psicometriche, tra i 10, prendo 5 che ne valgono la pena, mando il 5 alla direzione, si azzerano su 1 e quell'unico ragazzo se ne va dopo 2 mesi. '
Ho riso della sua miseria oltre ad offrire le mie simpatie, ma mi sono chiesto se le risorse umane possono giudicare meglio con la loro esperienza o se è necessario avere un approccio più basato sui dati per l'intero processo di assunzione? Bene, utilizziamo l'analisi predittiva per scoprire quale squadra vincerà la coppa del mondo, ma perché non utilizzare le stesse tecniche nel processo di assunzione, soprattutto quando abbiamo a che fare con elementi complessi come gli esseri umani?
Ora, il lavoro di assunzione non è necessariamente un lavoro facile, coinvolge molti processi e le regole di assunzione cambiano spesso a seconda del settore in cui le risorse umane sono nel ruolo che sta assumendo per le regole dell'organizzazione e così via.
Se si osservano organizzazioni di successo che utilizzano analisi predittive e hanno tassi di abbandono inferiori, esiste un modello per decidere prima le caratteristiche desiderate all'interno di un candidato che assicurano il successo, consolidandole in un profilo `` ideale '' e confrontandole con ogni candidato più vicino ad esso e quindi coinvolgendoli con valutazioni personalizzate che valutino le caratteristiche di questi candidati.
Un punto da notare è che l'intero settore della valutazione psicometrica con attori leader come Pearsons, Thomas Assessment e SHL è nato a causa della richiesta da parte dei professionisti delle risorse umane di analizzare il profilo del candidato nella loro necessità di perfezionare il processo di assunzione!
Tornando all'analisi predittiva, come parte della sua implementazione, il personale delle risorse umane deve prima definire chi è un `` candidato di successo '' secondo l'organizzazione, quindi deve definire i fattori che possono guidare l'efficacia delle assunzioni e sviluppare e osservare come al motivo per cui alcuni assunti fanno meglio di altri con un'ipotesi se necessario. Sulla base di ciò, può confrontarlo con i dati dei dipendenti di successo che sono rimasti a lungo con l'organizzazione e in terzo luogo utilizzare tecniche statistiche per misurare il motivo per cui alcune persone rimangono più a lungo.
L'approccio è buono per iniziare, ma l'implementazione dell'analisi predittiva all'interno delle risorse umane include molte tecniche che le risorse umane sono libere di esplorare. La parte migliore di questo processo è la riduzione del costo di sostituzione di un dipendente con uno nuovo e forse di ottenere più ROI rispetto a quello vecchio.
Alla fine della giornata, la combinazione di intuizione, esperienza e un solido approccio basato sui dati spesso affina non solo il giudizio di un HR ma anche il nostro.
FATTO DIVERTENTE: Sapevi che il gigante americano Xerox ha ridotto del 20% il turnover del call center applicando analisi ai potenziali candidati con la scoperta che i creativi erano più propensi a rimanere con l'azienda per i 6 mesi necessari a recuperare il costo di $ 6.000 della loro formazione rispetto ai curiosi persone?
5. Catena di fornitura e logistica: formazione del team di consegna con piattaforme di big data
La catena di fornitura e la logistica costituiscono fondamentalmente una componente importante nelle strategie e negli obiettivi organizzativi. L'obiettivo di Supply Chain & Logistics è ridurre i costi e migliorare le prestazioni, la velocità e l'agilità. Quando si tratta di logistica, acquisiscono e tengono traccia di diverse forme di dati per migliorare sostanzialmente l'efficienza operativa, migliorare l'esperienza del cliente e nuovi modelli di business. Questi fattori possono spesso aiutare le organizzazioni a conservare le risorse, costruire un marchio migliore e creare un processo sistematico per la catena di approvvigionamento e la logistica.
Monitoraggio dei Big Data in tutto il mondo
Prendiamo un esempio di un gigante dell'e-commerce che utilizza i Big Data per la consegna ai propri clienti. Un prodotto viene spedito da una posizione all'indirizzo del cliente. I dispositivi all'interno del veicolo di trasporto come localizzatore GPS, microfono, sensore hanno dati strutturati e non strutturati che vengono inviati al centro di monitoraggio per aggiornamenti in tempo reale. Oltre a ciò, aiuta anche ad analizzare l'efficienza dei tempi di consegna, il percorso più breve e le risorse utilizzate per eseguire un'operazione di consegna nell'elenco di milioni di tali transazioni. Questa miniera d'oro di dati in diversi mercati viene consolidata dalle organizzazioni e quindi analizzata per apportare ulteriori miglioramenti al processo o portare un intero livello di nuova innovazione!
FATTO DIVERTENTE : Sapevi che i big data sotto forma di tracciamento delle pagine dei clienti da parte di Amazon l'hanno aiutata a posizionare i suoi prodotti nel magazzino più vicino al cliente al fine di migliorare la velocità e l'efficienza della consegna?
6.Operazioni, supporto e servizio clienti: formazione dei dipendenti sui big data ad ogni interazione con il cliente
Il successo di qualsiasi prodotto o servizio si basa sul supporto post-vendita che un cliente riceve e spesso il venditore giura di essere sempre presente per lui / lei. Ciò deriva dal fatto che quando un cliente prende un prodotto o un servizio, fa un 'salto di fede' nella speranza che il venditore non lo deluda durante la vita del prodotto / servizio. Consegnare da questa prospettiva è fondamentale per il successo organizzativo.
Esaminiamo il supporto a livello granulare. Di recente ho avuto l'opportunità di guardare 'Interstellar' di Christopher Nolan che esplorava i viaggi spaziali fino alla fine dello spazio. Questo mi ha fatto pensare alle future compagnie aeree che offriranno servizi di volo attraverso worm-hole che si estendono a milioni di anni luce di distanza! Quali sarebbero le sfide allora? Che tipo di big data verranno generati in questo viaggio quasi senza fine? In che modo il team di bordo si assicurerà che il passeggero si goda il viaggio? Per cominciare, il fornitore di servizi deve concentrarsi su obiettivi primari come garantire la sicurezza aerea, tenere traccia della sua traiettoria di volo, soddisfare i requisiti dei clienti e così via.
Big Data in movimento 24 ore su 24, 7 giorni su 7
L'idea di un viaggio interstellare potrebbe essere un sogno lontano per i prossimi 100 anni (siamo ottimisti!), Ma non ci impedisce di guardare i dati generati da un servizio simile attualmente operativo che farà più luce su come il cliente il servizio e il supporto vengono eseguiti nello scenario 'post-vendita' e in che modo le organizzazioni possono impegnarsi per migliorare i propri sforzi in tempo reale.
Ora per cominciare, Southwest Airlines è una delle compagnie aeree più celebri che ha sfruttato i Big Data per migliorare la sua esperienza del cliente. Nel suo tentativo di migliorare la sicurezza aerea, Southwest Airlines ha collaborato con la NASA per impegnarsi in esperimenti di big data per migliorare l'esperienza di volo complessiva. Ciò include il ping dei satelliti della NASA con informazioni sulla traiettoria di volo, rapporti dei piloti e altre informazioni sul traffico aereo. Al culmine di questa tecnica innovativa, si trova il concetto di base dei big data chiamato 'data mining di testo' che converte le informazioni testuali non strutturate in testo significativo per approfondimenti. Quindi pensavi che il data mining di testo finisse qui?
passare per valore vs passare per riferimento java
Ovviamente no, anche un semplice concetto di big data come il data mining di testo va ben oltre. Sappiamo tutti che il feedback dei clienti è una componente importante per capire dove un'organizzazione va storto in ogni punto dell'interazione con il cliente. Il data mining di testo aiuta anche il servizio clienti analizzando le risposte a sondaggi aperti. Invece di vincolare i clienti a opzioni comuni come l'opzione A, l'opzione B, l'opzione C, le domande aperte forniscono maggiori informazioni, ma classificarle e registrare le risposte può essere un problema chiave. È qui che entra in gioco il data mining di testo in cui raggruppa determinati set di parole e li consolida per approfondimenti!
Guardando oltre, dobbiamo tutti ammettere che nessuna organizzazione è perfetta e che ognuna di loro ha un piccolo gruppo di clienti che potrebbero non essere soddisfatti del servizio. Il risultato? Un database inondato di e-mail, messaggi, tweet dei clienti che registrano reclami o suggerimenti su 'aree di miglioramento' per dirla in modo piuttosto sommesso. Il data mining di testo fa un passo avanti rispetto ai filtri di posta tradizionali e può classificare i messaggi in base alla priorità e reindirizzarli al reparto in questione.
FATTO DIVERTENTE : Sapevi che Southwest Airlines, come parte del suo impegno per migliorare i servizi ai clienti, ha implementato l'analisi dei dati con la funzione chiamata 'analisi del parlato' che registra l'interazione tra il cliente e il personale per approfondimenti!
7.Marketing: formazione dei dipendenti su un approccio di marketing sistematico con big data
Il marketing come attività oggi riguarda i numeri. Con l'impennata del marketing digitale, ora possiamo misurare con precisione la risposta di annunci, percentuale di clic, impressioni, ROI e così via. Per un professionista non di marketing, tali metriche potrebbero essere greche, ma per chi fa marketing questi dati sono una miniera d'oro. Successivamente, insieme alle metriche, vengono generati grandi blocchi di dati in ogni punto dell'interazione con il cliente, social media e vendite. Spetta al professionista del marketing tenere traccia di tali dati e utilizzarli per promuovere i propri prodotti in modo più efficace. La formazione sui Big Data gioca un ruolo essenziale qui poiché piattaforme come Hadoop & R aiutano a servire allo scopo.
In secondo luogo, i professionisti del marketing di tanto in tanto spesso si abbandonano alla retrospettiva per il loro marchio. Domande come:
In che modo il mio marchio è migliore di altri?
Cosa offrono gli altri marchi?
Quali caratteristiche ha il mio concorrente sullo stesso prodotto?
Lo studio va molto più in profondità di questo. Dall'analisi del prodotto della concorrenza in base alle 4P (prodotto, prezzo, luogo, posizionamento) alla comprensione del contenuto di quale prodotto presentato nella pagina web del concorrente, la quantità di dati generati è enorme e complicata. Come detto prima, sfruttare il text-mining può aiutare il professionista del marketing a eseguire analisi della concorrenza semplicemente eseguendo la scansione del sito web del concorrente. Questa semplice funzione nel dominio dei big data può dare un'idea consolidata di ciò che sta facendo il concorrente e dei prodotti che ha in atto per il mercato, dando così un vantaggio al marketer che ha abbracciato i big data!
Armare la creatività
Ad esempio, uno stratega dei social media vuole conoscere la percezione del marchio della sua organizzazione attraverso le piattaforme dei social media, quindi probabilmente impegnarsi nell'analisi del sentiment in R & Hadoop aiuterà a raggiungere questo obiettivo. Allo stesso modo, l'uso di strumenti Big Data aiuta il marketing in varie attività come i prezzi, il posizionamento del prodotto e così via.
Un altro esempio potrebbe essere un marketing manager presso un punto vendita al dettaglio che cerca di massimizzare le vendite. Tutti conosceranno l'esempio di Walmart che è stato in grado di posizionare la birra e il latte fianco a fianco nel corridoio in base alla cronologia degli acquisti passati dei clienti recuperando grandi blocchi di dati che coprono milioni di clienti in un periodo di tempo!
FATTO DIVERTENTE: Sapevi che General Motors con il suo budget di marketing annuale di $ 2 miliardi all'anno ha utilizzato Big Data Analytics per creare profili cliente dettagliati e combinare analisi dei dati spaziali con dati demografici / clienti dettagliati per un marketing più personalizzato!
Perché le aziende stanno passando alle piattaforme Big Data
In genere, le organizzazioni che utilizzano vecchi sistemi legacy hanno i dati distribuiti su molti sistemi. A causa della diffusione dei dati in luoghi diversi, la velocità di elaborazione diminuisce insieme alla precisione dell'analisi dei dati. Ciò richiede il consolidamento dei dati all'interno di un data hub aziendale che crea un accesso più rapido ai dati con conseguente analisi più approfondita. Uno degli obiettivi importanti del reparto IT di qualsiasi organizzazione è fornire dati precisi rapidamente per tutti i reparti dell'organizzazione su richiesta.
Con la raccolta dei dati, è importante unificare le fonti di dati non strutturate, strutturate e semi-strutturate su un'unica piattaforma per eseguire analisi approfondite e sostanzialmente aiutare il processo decisionale aziendale. Questa caratteristica di Hadoop porta più persone al tavolo all'interno dell'organizzazione poiché ci sono dipendenti che interagiscono con i dati in diversi punti di contatto nelle operazioni quotidiane. Inoltre, i processi ETL e batch tradizionali possono richiedere molto tempo, mentre Hadoop con la sua elaborazione batch ad alto volume lo accelera fino a 10 volte.
Il significato di Hadoop non significa necessariamente che ogni dipendente all'interno di un'organizzazione debba essere formato sulla piattaforma Big Data, cosa che nella maggior parte dei casi potrebbe non essere fattibile. Ma sarebbe un vantaggio strategico per un CTO identificare e formare quei professionisti che sono in costante interazione con i dati.
Avendo coperto l'archiviazione, l'elaborazione, il recupero dei dati attraverso la popolare piattaforma Hadoop, un altro fenomeno importante che fa parte della progressione naturale è l'analisi dei Big Data. Per semplificare, le organizzazioni hanno bisogno di prospettive multiple da vari professionisti all'interno di un'organizzazione.
Il numero '6' può essere visto come il numero '9' dall'altra parte della tabella. In altre parole, la conclusione dall'osservazione dei dati varia da persona a persona.
Le organizzazioni lo sanno e spesso si impegnano nella formazione dei dipendenti su piattaforme simili in modo che le persone di diversi reparti interconnessi dalla stessa attività discutano, si impegnino e condividano le intuizioni per un solido processo decisionale. Quindi, credo che sarebbe sicuro definire la formazione sui Big Data come un'opportunità per ogni dipendente di essere sulla stessa pagina e portare le organizzazioni al livello successivo!
Hai domande per noi? Menzionateli nella sezione commenti e vi risponderemo.
Post correlati: