Die jüngsten Nachrichten aus den Vereinigten Arabischen Emiraten, wonach der Militärdienst für alle emiratischen Männer zwischen 18 und 30 Jahren obligatorisch ist, haben mich dazu veranlasst, darüber nachzudenken, warum Länder unabhängig von ihrem wirtschaftlichen Status sicherstellen, dass die Bürger bereit sind, das Land zu verteidigen.
Man könnte argumentieren, dass eine begrenzte Anzahl von Bürgern in einem Land die Regierung oft zwingt, den Militärdienst obligatorisch zu machen. Aber was ist mit China? Es ist das bevölkerungsreichste Land, stellt aber auch sicher, dass Bürger, die sich weiterbilden, eine obligatorische Militärzeit haben. Kurz gesagt, die Nationen bereiten sich grundsätzlich darauf vor, sich im Konfliktfall zu verteidigen, und jeder muss darauf vorbereitet sein. Sei es ein Elektriker, ein Geschäftsmann, ein Zimmermann, alle vereinen sich für eine gemeinsame Sache.
So bizarr es auch klingen mag, man kann eine unheimliche Parallele zwischen solchen Nationen und den heutigen Organisationen ziehen, die wettbewerbsfähig bleiben wollen. Die aktuelle Bedrohung oder vielmehr eine Herausforderung in Form von Big Data hat große und kleine Unternehmen dazu veranlasst, ihre Mitarbeiter in verschiedenen Abteilungen zusammenzubringen, um sie gemeinsam anzugehen. Um dies weiter zu verfolgen, haben in der Regel Nationen, die die Wehrpflicht erzwingen, immer ein Zulassungskriterium. Ebenso finden es Organisationen logisch, Big Data-Schulungen nur für Mitarbeiter durchzuführen, die in irgendeiner Form mit großen Datenmengen interagieren und dazu verpflichtet sind Setzen Sie Hadoop an jedem Berührungspunkt ein.
So wie ein General der Armee in Verbindung mit der Regierung entscheidet, welche Art von Waffen und Ausbildung seinem ansonsten unerfahrenen, neu eingestellten Bürger zugewiesen werden soll, wird von einem CTO erwartet, dass er die IT-Infrastruktur und das Erbe übernimmt Systeme, die neue technologische Innovationen vorantreiben, damit seine Mitarbeiter bessere Leistungen erbringen können. Lassen Sie uns mit dem gemeinsamen Ziel, Big Data in Angriff zu nehmen, im Detail verstehen, wo Big Data verwendet wird und warum es wichtig ist, Ihre Kameraden darin zu schulen.
1.Informationstechnologie: Verbesserung der Produktivität durch Big Data Training
Vielleicht an der Spitze der Big-Data-Implementierung ist das IT-Team das Epizentrum, um den Wandel voranzutreiben. Ein Entscheidungsträger für IT-Schulungen, der den Mitarbeitern Big-Data-Schulungen anbieten möchte, muss mit der IT-Abteilung beginnen. Warum? Denn wenn es um die Auseinandersetzung mit Technologie in jeder Phase der Aktivität geht, sind die Geeks im Keller (populärer Slang für IT) am nächsten. Wie relevant ist es?
Schauen wir uns einen Bericht der beliebten Website CIO an, in dem es heißt:
„Laut einer kürzlich durchgeführten CompTIA-Umfrage unter 500 US-amerikanischen Geschäfts- und IT-Managern sind 50 Prozent der Unternehmen, die bei der Nutzung von Daten die Nase vorn haben, und 71 Prozent der Unternehmen, die durchschnittlich oder hinterherhinken, der Meinung, dass ihre Mitarbeiter mäßig oder mäßig sind erhebliche Mängel in Bezug auf Datenmanagement- und Analysefähigkeiten “
Angesichts der Tatsache, dass Datenmanagement und -speicherung Teil der Kernfunktion der IT sind, ist ein paralleler Ansatz für die Implementierung der Big-Data-Plattform und die Stärkung der IT-Kenntnisse in Big Data erforderlich. Dies wird durch einen McKinsey-Bericht untermauert, der besagt, dass bis 2018 mehr als 140.000 bis 190.000 Fachkräfte mit tiefem technischen und analytischen Fachwissen fehlen werden! Da immer mehr technische Fachkräfte Big-Data-Schulungen benötigen, möchten Unternehmen technische Fachkräfte stärker für schnelle ROI- und Plattformspezialisten ausbilden. Administratoren und Ingenieure in der IT-Abteilung sind an der Spitze.
Die Dreifaltigkeit der Kern-IT-Funktion mit Big Data verbinden
Der Begriff Dreifaltigkeit erinnert mich oft an zwei religiöse Konzepte: Das eine ist die hinduistische Mythologie des Schöpfers, Bewahrers und Zerstörers und das andere das christliche Konzept des Vaters, des Sohnes und des Heiligen Geistes. Beide streben nach einer Verbesserung der Menschheit. Ebenso streben diese drei Funktionen eines IT-Teams die Verbesserung des gesamten Unternehmens mit Abteilungen mit unterschiedlichen Anforderungen an die Informationstechnologie an. Neben Sicherheits- und Supportfunktionen kann sich eine IT-Abteilung bei der Implementierung von Big Data auf diese Funktionen beziehen.
Planung - Die Planungsaktivität innerhalb eines IT-Teams konzentriert sich darauf, sicherzustellen, dass die IT-Strategie des Unternehmens an den Geschäftszielen ausgerichtet ist. Dies beinhaltet die Arbeit an der Anpassung von Software und die Einführung neuer Plattformen, die den Anforderungen verschiedener Geschäftsabteilungen gerecht werden. Mit anderen Worten, jede neue Implementierung beginnt immer mit der IT.
Netzwerk - Es geht um die Entwicklung von Netzwerken, die alle Formen der Kommunikation zwischen Sprach-, Daten-, Video- und Internetverkehr ermöglichen. Es gibt verschiedene Kontrollpunkte für die Aufzeichnung von Daten, sei es Kundeninteraktion, Stimmungsanalyse und Verkehrsaktualisierung. Alle erfassen Daten in Echtzeit! Eine IT-Abteilung sorgt häufig für eine reibungslose Integration von Netzwerken, um mit dem Ziel der Verarbeitung von Big Data zusammenzuarbeiten.
Daten - Um es einfach auszudrücken: Ein IT-Team bietet Tools zum Sammeln, Speichern, Verwalten, Sichern und Verteilen von Daten an Mitarbeiter für verschiedene strategische Entscheidungen in der Organisation. Alle Arten von Daten wie Verkaufsunterlagen, Finanzunterlagen und Bestandsdetails werden in einem einzigen Rechenzentrum gespeichert. Dies schafft eine Verantwortung innerhalb des IT-Teams für die Implementierung von Plattformen für Big Data, mit denen bestimmte Benutzer Informationen an jedem Datenstandort speichern und abrufen können.
In jedem IT-Team benötigt man eine vielseitige Mischung von Mitgliedern mit unterschiedlichen Aufgaben für die Implementierung von Big Data. Zunächst wird ein Spezialist benötigt, der einen reibungslosen Übergang von herkömmlichen Systemen zu Big-Data-Plattformen gewährleistet. Dazu muss sich ein Techniker darauf konzentrieren, die Plattform in ihrem gesamten Lebenszyklus über alle Abteilungen hinweg zu warten. Dann braucht es ein Mitglied, das ständig überwachen muss, ob jede technologische Implementierung mit dem organisatorischen Ziel in Einklang steht.
2. Produktentwicklung: Innovation in allen Phasen der Forschung und Entwicklung überdenken
Vielleicht eine der wichtigsten Abteilungen, wenn es darum geht, die Organisation auf die nächste Stufe der Innovation zu bringen! Einer der größten Vorteile von Big Data ist die Integration von Daten über verschiedene Berührungspunkte in der Produktentwicklung hinweg, angefangen von Produktdesign, Herstellung, Qualität, Garantie, Diagnose, Fahrzeug- und Softwareanwendungen. Die aus diesen Berührungspunkten generierten Daten definieren, wie das Produkt ist und wie erfolgreich es sein kann. Dies führt Produktentwickler, F & E-Experten und Designer grundsätzlich zum datengesteuerten Ansatz und zur Datenanalyse.
Big Data in die Realität umsetzen
Ein beliebtes Beispiel für die Produktentwicklung wäre das fahrerlose Auto, das Audi entwickelt und bis 2016 auf den Markt bringen will. Ja, es gibt das Produktentwicklungsteam, das die große Aufgabe hat, sicherzustellen, dass die Innovationsvision des CEO verwirklicht wird . Auf dem Weg dorthin gibt es jedoch verschiedene Herausforderungen und Fragen, von der Entwicklung bis zum Testen, die nur Big Data beantworten kann. Mal sehen warum.
Stellen Sie sich eine Probefahrt vor, die von Punkt A nach Punkt B überwacht wird. Hier sind die Arten von Daten, die generiert werden können:
ein. Sensordaten - Die Sensoren im Auto können Details über die Entfernung zwischen den dahinter und vor dem Auto gemessenen Entfernungen und die Häufigkeit der Fahrzeuge speichern, auf die sie während der Fahrt gestoßen sind.
b. Fahrerdaten - Es könnten mehrere Tests mit unterschiedlichen Altersgruppen durchgeführt werden, und die Details zu Komfort, Leistung und wie oft der Fahrer das automatische Fahren außer Kraft setzen muss, werden zur Analyse in große Sätze von Zeilen und Spalten komprimiert.
c. Demografische Daten - Ein Test kann in Indien und in den USA durchgeführt werden. Das A.I. innerhalb des automatischen Fahrens könnte die Hindernisse analysieren, auf die es beim Fahren in zwei verschiedenen Ländern stößt. Welches Land ist für das automatische Fahren besser geeignet und welches nicht?
d. Marktleistungsdaten - Nachdem das Produkt auf den Markt gebracht wurde und unterwegs ist, können Ingenieure seinen Erfolg auch überwachen, indem sie Live-Daten analysieren und Feeds rund um die Uhr vom Fahrzeugprogramm bereitstellen, um Einblicke zu erhalten, ob die Einführung des automatischen Fahrens zur Aufrechterhaltung beiträgt Die Straße ist sicherer?
Es gibt N mögliche Daten, die aus der Produktentwicklung stammen können. Wir fangen gerade erst an, OEM aus der Autoindustrie zu erforschen. Denken Sie über die Möglichkeiten von Big Data in verschiedenen Sektoren nach, z. B. Medizin, Gesundheitswesen, Elektronik und so weiter. Wer weiß?
SPASSFAKT: Wussten Sie, dass Fords Einführung von Big Data und Analytics es vor einer Nahtoderfahrung in den 2000er Jahren bewahrt hat, als die Konkurrenz durch europäische und asiatische Autohersteller hart war?
3.Finanzierung: Schulung von Mitarbeitern auf Big-Data-Plattformen zum Umgang mit Finanzmodellen
Wir haben vielleicht oft den Begriff gehört, dass Geld das Blut des Geschäfts ist. Die Pflege dieses Geldes liegt in der Verantwortung der Finanzabteilung. In der Geschäftswelt werden die Funktionen der Finanzabteilung so definiert, dass sie in der Regel an der Planung, Organisation, Prüfung, Buchhaltung und Kontrolle der Finanzen des Unternehmens sowie an der Erstellung der Finanzen des Unternehmens beteiligt sind.
Allerdings ist die Finanzabteilung im Allgemeinen oft die Idee, wenn es um den Umgang mit Geld geht, und die Rolle erweitert sich auf verschiedene Aktivitäten wie die Erstellung von Kapitalflussrechnungen, Kostenmodellierung, Preisrealisierung und Compliance, um nur einige zu nennen. Vor einigen Jahrzehnten war es durchaus machbar, all diese Aktivitäten mit begrenzten Systemen und Plattformen durchzuführen, aber im Zeitalter von Big Data bestehen die beiden Herausforderungen, denen sich jede Finanzabteilung gegenübersieht, darin, im sich ändernden Szenario regelmäßige Finanzfunktionen auszuführen und Erkenntnisse für die Zukunft zu sammeln. Betrachten wir es aus einer tieferen Perspektive.
Da die Informationen auf verschiedene Server verteilt sind, stehen Unternehmen häufig vor der Herausforderung, diese Daten zu konsolidieren und Aktionen gemäß den Geschäftsanforderungen auszuführen. Eine wichtige Funktion innerhalb der internen Revision ist die Überwachung der Unternehmensführung, des Risikomanagements und der Managementkontrollen sowie die Durchführung proaktiver Betrugsprüfungen zur Ermittlung betrügerischer Handlungen. Mit dem Aufkommen der Analytik besteht auch die Notwendigkeit, die interne Revision zu integrieren. Dies hat neue Methoden wie die Analyse von Prüfungsdaten ausgelöst, mit deren Hilfe das Risiko bewertet, Finanzmodelle erstellt und ein Gesamtbild der Finanzen innerhalb eines Unternehmens erstellt werden können.
Unterschied zwischen CSS und CSS3
Kostenmodellierung & Preisrealisierung
Die Kostenmodellierung ist eine wichtige Komponente für eine effektive Ressourcennutzung. Unternehmen müssen die Aktivitäten identifizieren, die Kosten verursachen, die gesamten direkten Materialien und Arbeitskräfte, die für die Erledigung von Aufgaben erforderlich sind, und so weiter. Mithilfe der Kostenmodellierung können Unternehmen die Gesamtproduktionskosten für Produkte über alle Aktivitäten im Unternehmen hinweg genau ermitteln. Im Zeitalter von Big Data wird es wichtig, alle finanziellen Aktivitäten in verschiedenen Abteilungen eines Unternehmens zu verfolgen, die diese Informationen konsolidieren, um ein ideales Kostenmodell zu erstellen. Vom Kauf bis zum Verkauf werden alle Daten in der Finanzhistorie gespeichert. Die grundlegenden Grundlagen für die Entwicklung eines Kostenmodells bestehen darin, die großen Datenmengen abzurufen und ein Modell zu erstellen, das für die Zukunft gelten kann.
Obwohl man darüber diskutieren kann, dass die Bemühungen um die Preisrealisierung eher auf den Verkauf zur Verbesserung der Rentabilität ausgerichtet sind, spielt die Finanzabteilung eine größere Rolle, wenn es darum geht, von der Preisrealisierung zu profitieren. Um es auf einfachere Begriffe zu bringen, ziehen Sie ein Einzelhandelsgeschäft in Betracht, das Rabatte gewährt, um den Umsatz zu steigern. Das grundlegende Ziel besteht darin, Preisverluste zu reduzieren und den Taschenpreis zu verbessern.
Preisverluste treten auf, wenn der Preis eines Produkts so gering reduziert wird (um Verkäufe zu tätigen), dass die Rentabilität beeinträchtigt wird und der Taschenpreis der Verkaufspreis nach Preisnachlässen ist. Um eine rentable Preisrealisierung zu erreichen, arbeitet das Verkaufsteam mit der Finanzabteilung zusammen, um die Kostenstruktur für jedes einzelne Produkt zu verstehen und zu ermitteln, wo Rabatte gewährt werden können. Dies erfordert wiederum, dass die Finanzabteilung einen Rahmen für Preisrealisierungsmodelle für die Zukunft entwickelt und die Grenzen innerhalb solcher Marketingaktivitäten definiert. Die Aufgabe umfasst die Verarbeitung von Daten aus Beschaffung, Lagerkosten, Haltbarkeit und die anschließende Schätzung der Kosten der verkauften Waren (CGS).
F-12 & Predictive Analytics
Eine der wichtigen Aktivitäten innerhalb der Finanzabteilung ist die Überwachung des finanziellen Zustands der Organisation. So wie ein Arzt verschiedene Metriken wie Pulsfrequenz, Körperwärme oder Reizreaktion verwendet, um zu beurteilen, ob der Patient lebt oder tot ist, überwacht die Finanzwelt die 12 Metriken, um zu wissen, wohin das Unternehmen finanziell führt und was dahinter liegt . Aus dem realen Umsatzwachstum, dem nachhaltigen Umsatzwachstum, der Preispolitik und dem Preisindex, der Kontrolle der Betriebskosten, dem Vergleich des EBITDA mit dem Cashflow, dem schuldenfreien Cashflow, dem überschüssigen Bargeld, der Kapitalrendite, dem Betriebskapital, der Verwendung der Schuldenfinanzierung, dem Nettohandelszyklus und den Kosten of Capital bilden wichtige Komponenten in der Finanzberichterstattung für eine Organisation, damit das obere Management fundierte Entscheidungen treffen kann.
Als Teil der Herausforderung in der Big-Data-Welt erfordert das Verständnis dieser Kennzahlen die Verarbeitung großer Informationsblöcke, die im gesamten Unternehmen verteilt sind, um sie in einem Standardformat für die Analyse zu erstellen. Predictive Analytics kommt ins Spiel, wenn diese Daten aus der Vergangenheit verarbeitet werden, verglichen mit denselben Elementen in der Gegenwart, sodass genaue Schätzungen für die Zukunft vorgenommen werden. Der beste Teil ist die Predictive Analytics-Plattform, und es werden Methoden zur Verarbeitung von Big Data entwickelt, um die Aufgabe der Finanzabteilung zu vereinfachen.
SPASSFAKT: Wussten Sie, dass die in Singapur ansässige Oversea-Banking Corporation (OCBC) Big Data für Kundenerkenntnisse nutzen konnte, was direkt für die 40% ige Steigerung der Neukundengewinnung verantwortlich war?
4. Humanressourcen: Neudefinition der Fähigkeiten von HR-Mitarbeitern
Wenn Sie sich Big Data in der Personalabteilung vorstellen, wird dies häufig dazu führen, dass Leser als Humbug abgetan werden, da ein Unternehmen bei der Implementierung der Big Data-Technologie in der Personalabteilung normalerweise keine großen Prioritäten setzt, da es sich eher auf Marketing, Betrieb oder Finanzen konzentriert. In Wirklichkeit spielt die Personalabteilung jedoch eine entscheidende Rolle, um sicherzustellen, dass unter anderem das richtige Talent in die Organisation gelangt.
Hinzufügen weiterer Zähne zur HR
Vielleicht die am meisten ignorierte unter allen Abteilungen, wenn es um die Implementierung von Big Data geht, aber in der sich schnell verändernden Welt von heute bestimmt die Arbeitsweise einer Personalabteilung den Erfolg eines Unternehmens.
Laut Forbes hat ein durchschnittliches großes Unternehmen mehr als 10 verschiedene HR-Anwendungen und sein Kern-HR-System ist über 6 Jahre alt. Dieser Trend unterstreicht die Tatsache, dass eine Organisation die richtigen Ressourcen benötigt, um diese Daten zusammenzuführen. Die Schulung in Big Data & Analytics bringt Fähigkeiten wie Datenanalyse, Visualisierung und Problemlösung von der operativen Berichterstattung bis zur strategischen Analyse mit.
Es wird erwartet, dass eine Personalabteilung standardmäßig grundlegende HR-Operationen durchführt, aber die Big-Data-Schulung bringt sie auf ein ganz neues Niveau. Wenn die Personalabteilung mit Tools analytischer wird, ändert sich ihr Ansatz, um strategischere Aktivitäten durchzuführen. Kritische Fragen wie die Frage, wie mehr Mitarbeiterbindungsfaktoren die Vertriebsqualität der Kandidaten-Pipeline beeinflussen und Talentlücken bewerten können, werden identifiziert und strategische Schritte unternommen, indem relevante Daten analysiert werden.
Die Verlagerung wird von einer einfachen Mitarbeiterzahl zu einer prädiktiveren Analyse übergehen.
Das Orakel in der Personalabteilung
Es gab eine lustige Geschichte, an die ich mich von einem Freund erinnere, der als HR arbeitete. Sie hatte eine anstrengende Aufgabe bei der Kopfjagd, bevor sie den Kandidaten an den zuständigen Abteilungsleiter schickte, der nur die magischen Worte sagte: „Ok, lassen Sie uns ihn einstellen.“
Für eine Weile lief es gut, als sie gute Talente in das Unternehmen einbrachte. Mit der Zeit vertraute sie auf ihre Einstellungsfähigkeiten, indem sie das obere Management dazu drängte, mehr Mitarbeiter in ihr Team aufzunehmen, HR-Systeme zu implementieren und mehr Beratungsunternehmen von Drittanbietern einzubeziehen. Der schwierige Teil war, dass sie dem oberen Management mit ihrem Selbstvertrauen große Versprechungen machte.
Die Geschichte hat gezeigt, dass derjenige, der sich auf ein zukünftiges Ereignis vorbereitet, erfolgreicher ist als derjenige, der auf vergangenem Ruhm reitet. Es gab eine Zeit, in der von ihr erwartet wurde, dass sie eine große Anzahl von Fachleuten in dem Bereich anstellt, in dem das Unternehmen expandiert. Sie begann, offene Stellen mit einem Kompromiss bei der Einstellung von Qualitätsfachleuten zu besetzen. Sie verfolgte einen zielgerichteten Ansatz. Das Ergebnis? Die meisten von ihr eingestellten Fachkräfte legten Papiere aus verschiedenen Gründen ab und wurden vom Management befragt. Oft hörte ich sie murmeln:
„Ich bin auf der Suche nach 1000 Lebensläufen, stelle 100 Lebensläufe in die engere Wahl, rufe 50 Kandidaten für ein Interview an, filtere 10 aus meinen psychometrischen Bewertungen heraus, unter den 10 nehme ich 5, die es wert sind, sende die 5 an das Management, sie setzen auf 1 und Dieser eine Typ geht nach 2 Monaten. “
c ++ Sortierarray
Ich habe über ihr Elend gelacht, abgesehen davon, dass ich meine Sympathien ausgesprochen habe, aber ich habe mich gefragt, ob die Mitarbeiter mit ihren Erfahrungen ein besseres Urteil fällen können oder ob es notwendig ist, diesen gesamten Einstellungsprozess datengesteuerter anzugehen. Nun, wir verwenden eine prädiktive Analyse, um herauszufinden, welches Team die Weltmeisterschaft gewinnen wird, aber warum nicht die gleichen Techniken im Einstellungsprozess anwenden, insbesondere wenn wir uns mit komplexen Elementen wie Menschen befassen?
Jetzt ist die Einstellung nicht unbedingt einfach, sie beinhaltet viele Prozesse und die Regeln für die Einstellung ändern sich häufig je nach Branche, in der die Personalabteilung die Rolle einnimmt, die sie für die Regeln der Organisation einstellt, und so weiter.
Wenn man erfolgreiche Organisationen beobachtet, die Predictive Analytics verwenden und eine geringere Abnutzungsrate aufweisen, gibt es ein Muster, bei dem zunächst die gewünschten Merkmale innerhalb eines Kandidaten festgelegt werden, die den Erfolg sicherstellen, es zu einem „idealen“ Profil zusammenfassen und mit jedem Kandidaten vergleichen, der am nächsten ist und sie dann mit maßgeschneiderten Bewertungen zu beauftragen, die die Eigenschaften dieser Kandidaten bewerten.
Zu beachten ist, dass die gesamte Branche der psychometrischen Bewertung mit führenden Akteuren wie Pearsons, Thomas Assessment und SHL aufgrund der Nachfrage von HR-Fachleuten nach einer Analyse des Kandidatenprofils in Bezug auf die Notwendigkeit eines perfekten Einstellungsprozesses entstanden ist!
Um zu Predictive Analytics zurückzukehren, muss das HR-Personal im Rahmen seiner Implementierung zunächst definieren, wer laut Organisation ein „erfolgreicher Kandidat“ ist, und dann die Faktoren definieren, die die Effektivität der Einstellung fördern und entwickeln und beobachten können warum einige Mitarbeiter mit einer Hypothese besser abschneiden als die anderen, wenn nötig. Auf dieser Grundlage kann sie / er es mit den Daten erfolgreicher Mitarbeiter vergleichen, die lange im Unternehmen geblieben sind, und drittens statistische Techniken verwenden, um zu messen, warum manche Menschen länger bleiben.
Der Ansatz ist für den Anfang gut, aber die Implementierung von Predictive Analytics in der Personalabteilung umfasst viele Techniken, die eine Personalabteilung frei erforschen kann. Der beste Teil dieses Prozesses ist die Reduzierung der Kosten für das Ersetzen eines Mitarbeiters durch einen neuen und möglicherweise einen höheren ROI als der alte.
Letztendlich verfeinert die Kombination aus Intuition, Erfahrung und einem soliden datengesteuerten Ansatz oft nicht nur das Urteil eines HR, sondern auch unser.
SPASSFAKT: Wussten Sie, dass der amerikanische Riese Xerox seinen Call-Center-Umsatz um 20% reduzierte, indem er potenzielle Kandidaten mit Analysen versorgte, mit der Feststellung, dass Kreative eher 6 Monate im Unternehmen bleiben, um die 6.000-Dollar-Kosten für ihre Schulung wieder hereinzuholen, als neugierig Menschen?
5. Supply Chain & Logistics: Schulung des Bereitstellungsteams mit Big-Data-Plattformen
Supply Chain & Logistics bilden grundsätzlich einen wichtigen Bestandteil der Organisationsstrategien und -ziele. Das Ziel von Supply Chain & Logistics besteht darin, Kosten zu sparen und Leistung, Geschwindigkeit und Agilität zu verbessern. Wenn es um Logistik geht, erfassen und verfolgen sie verschiedene Datenformen, um die betriebliche Effizienz, das Kundenerlebnis und neue Geschäftsmodelle grundlegend zu verbessern. Diese Faktoren können Unternehmen häufig dabei helfen, Ressourcen zu schonen, einen besseren Markennamen aufzubauen und einen systematischen Prozess für die Lieferkette und Logistik zu schaffen.
Verfolgung von Big Data auf der ganzen Welt
Nehmen wir ein Beispiel eines E-Commerce-Riesen, der Big Data für die Lieferung an seine Kunden verwendet. Ein Produkt wird von einem Ort an die Adresse des Kunden versandt. Geräte im Transportfahrzeug wie GPS-Tracker, Mikrofon und Sensor verfügen über strukturierte und unstrukturierte Daten, die zur Echtzeitaktualisierung an das Überwachungszentrum zurückgesendet werden. Darüber hinaus hilft es bei der Analyse der Effizienz der Lieferzeit, des kürzesten Pfades und der Ressourcen, die zur Durchführung eines Liefervorgangs in der Liste von Millionen solcher Transaktionen verwendet werden. Diese Goldmine von Daten über verschiedene Märkte hinweg wird von den Organisationen konsolidiert und dann analysiert, um den Prozess weiter zu verbessern oder eine ganze Reihe neuer Innovationen hervorzubringen!
SPASSFAKT: Wussten Sie, dass Big Data in Form der Verfolgung von Kundenseiten durch Amazon dazu beigetragen hat, seine Produkte im nächstgelegenen Lager zu positionieren, um die Liefergeschwindigkeit und -effizienz zu verbessern?
6. Betrieb, Support und Kundenservice: Mitarbeiterschulung zu Big Data bei jeder Kundeninteraktion
Der Erfolg eines Produkts oder einer Dienstleistung basiert auf dem Kundendienst, den ein Kunde erhält, und oft leistet der Verkäufer einen Eid, jederzeit für ihn da zu sein. Dies liegt an der Tatsache, dass ein Kunde, wenn er ein Produkt oder eine Dienstleistung in Anspruch nimmt, einen „Vertrauenssprung“ macht, in der Hoffnung, dass der Anbieter ihn / sie während der Lebensdauer des Produkts / der Dienstleistung nicht im Stich lässt. Die Bereitstellung aus dieser Perspektive ist entscheidend für den Unternehmenserfolg.
Betrachten wir die Unterstützung auf granularer Ebene. Ich hatte kürzlich die Gelegenheit, Christopher Nolans 'Interstellar' zu sehen, der die Raumfahrt bis ans Ende des Weltraums erforschte. Dies brachte mich dazu, über zukünftige Fluggesellschaften nachzudenken, die Flugdienste durch Wurmlöcher anbieten, die Millionen von Lichtjahren entfernt sind! Was wären dann die Herausforderungen? Welche Art von Big Data wird auf dieser fast endlosen Reise generiert? Wie wird das Bordteam sicherstellen, dass der Passagier die Fahrt während der gesamten Fahrt genießt? Zunächst muss sich der Dienstleister auf Hauptziele wie die Gewährleistung der Flugsicherheit, die Verfolgung seiner Flugbahn, die Erfüllung der Kundenanforderungen usw. konzentrieren.
Big Data für unterwegs rund um die Uhr
Die Idee für interstellares Reisen mag für die nächsten 100 Jahre ein entfernter Traum sein (optimistisch!), Hält uns jedoch nicht davon ab, die Daten zu betrachten, die von einem ähnlichen Dienst generiert werden, der derzeit in Betrieb ist, und der mehr Aufschluss darüber gibt, wie Kunden sind Service & Support wird im After-Sale-Szenario durchgeführt und wie Unternehmen ihre Bemühungen in Echtzeit verbessern können.
Zunächst einmal ist Southwest Airlines eine der bekanntesten Fluggesellschaften, die Big Data genutzt haben, um das Kundenerlebnis zu verbessern. Um die Flugsicherheit zu verbessern, arbeitete Southwest Airlines mit der NASA zusammen, um ein Big-Data-Experiment zur Verbesserung des gesamten Flugerlebnisses durchzuführen. Dazu gehört das Pingen von NASA-Satelliten mit Informationen zur Flugbahn, Berichten von Piloten und anderen Flugverkehrsinformationen. Auf dem Höhepunkt einer solchen innovativen Technik steht das grundlegende Big-Data-Konzept „Text Data-Mining“, das unstrukturierte Textinformationen für Erkenntnisse in aussagekräftigen Text umwandelt. Sie dachten also, das Text Data Mining endet dort?
Dies ist natürlich nicht der Fall. Selbst ein einfaches Konzept in Big Data wie Text Data Mining geht weit darüber hinaus. Wir alle wissen, dass Kundenfeedback eine wichtige Komponente ist, um zu verstehen, wo eine Organisation an jedem Punkt der Kundeninteraktion schief geht. Text Data-Mining unterstützt den Kundenservice auch durch die Analyse offener Umfrageantworten. Anstatt Kunden auf gängige Optionen wie Option A, Option B, Option C zu beschränken, bieten offene Fragen mehr Einblicke, aber die Klassifizierung und Aufzeichnung der Antworten kann ein zentrales Thema sein. Hier kommt Text Data Mining ins Spiel, bei dem bestimmte Wortgruppen gruppiert und für Erkenntnisse konsolidiert werden!
Wenn wir darüber hinaus schauen, müssen wir alle zugeben, dass keine Organisation perfekt ist und dass jeder von ihnen eine kleine Gruppe von Kunden hat, die mit dem Service möglicherweise nicht zufrieden sind. Das Ergebnis? Eine Datenbank, die mit E-Mails, Nachrichten, Tweets von Kunden überflutet ist, die Beschwerden registrieren, oder Tipps zu Verbesserungsmöglichkeiten, um es eher leise auszudrücken. Text Data Mining ist herkömmlichen E-Mail-Filtern einen Schritt voraus und kann E-Mails nach Priorität klassifizieren und an die betreffende Abteilung umleiten.
SPASSFAKT: Wussten Sie, dass Southwest Airlines im Rahmen seiner Bemühungen zur Verbesserung des Kundendienstes Datenanalysen mit der Funktion 'Sprachanalyse' implementiert hat, die die Interaktion zwischen Kunden und Mitarbeitern aufzeichnet, um Einblicke zu erhalten?
7.Marketing: Schulung der Mitarbeiter in einem systematischen Marketingansatz mit Big Data
Marketing als Aktivität dreht sich heute alles um Zahlen. Mit dem Aufschwung des digitalen Marketings können wir jetzt die Reaktion von Anzeigen, die Klickrate, Impressionen, den ROI usw. genau messen. Für Nicht-Marketing-Profis sind solche Kennzahlen vielleicht griechisch, aber für Marketing-Experten sind diese Daten eine Goldmine. Anschließend werden zusammen mit Metriken große Datenmengen an jedem Punkt der Kundeninteraktion, in sozialen Medien und im Vertrieb generiert. Es ist Sache des Marketingfachmanns, solche Daten im Auge zu behalten und sie zu verwenden, um die eigenen Produkte effektiver zu pushen. Das Training in Big Data spielt hier eine wesentliche Rolle, da Plattformen wie Hadoop & R den Zweck erfüllen.
Zweitens geben sich Marketingfachleute von Zeit zu Zeit häufig der Rückschau auf ihre Marke hin. Fragen wie:
Wie ist meine Marke besser als andere?
Was bieten andere Marken?
Welche Funktionen hat mein Konkurrent für dasselbe Produkt?
Die Studie geht viel tiefer. Von der Analyse des Konkurrenzprodukts anhand der 4Ps (Produkt, Preis, Ort, Positionierung) bis zum Verständnis des Inhalts des auf der Webseite des Wettbewerbers präsentierten Produkts ist die Menge der generierten Daten riesig und kompliziert. Wie bereits erwähnt, kann die Nutzung des Text-Mining dem Vermarkter helfen, eine Konkurrenzanalyse durchzuführen, indem er einfach die Website des Konkurrenten durchsucht. Diese einfache Funktion im Bereich Big Data kann eine konsolidierte Vorstellung davon geben, was der Wettbewerber tut und welche Produkte er für den Markt anbietet, und damit dem Vermarkter, der sich für Big Data entschieden hat, einen Vorteil verschaffen!
Bewaffnen Sie das Creative
Zum Beispiel möchte ein Social-Media-Stratege über die Markenwahrnehmung seines Unternehmens auf allen Social-Media-Plattformen Bescheid wissen. Dann wird wahrscheinlich eine Stimmungsanalyse in R & Hadoop dazu beitragen, dieses Ziel zu erreichen. Auf die gleiche Weise unterstützt der Einsatz von Big Data-Tools das Marketing bei verschiedenen Aktivitäten wie Preisgestaltung, Produktpositionierung usw.
Summe der Ziffern in Java
Ein weiteres Beispiel könnte ein Marketingmanager in einem Einzelhandelsgeschäft sein, der den Umsatz maximieren möchte. Jeder würde das Beispiel von Walmart kennen, das in der Lage war, Bier und Milch nebeneinander im Gang zu positionieren, basierend auf der Kaufhistorie der Kunden in der Vergangenheit, indem große Datenmengen abgerufen wurden, die sich über einen bestimmten Zeitraum über Millionen von Kunden erstreckten!
SPASSFAKT: Wussten Sie, dass General Motors mit seinem jährlichen Marketingbudget von 2 Milliarden US-Dollar pro Jahr Big Data Analytics verwendet hat, um detaillierte Kundenprofile zu erstellen und Geodatenanalysen mit detaillierten demografischen Daten / Kundeninformationen für ein persönlicheres Marketing zu kombinieren?
Warum Unternehmen auf Big Data-Plattformen umsteigen
In der Regel haben Unternehmen, die alte Legacy-Systeme verwenden, Daten auf viele Systeme verteilt. Aufgrund der Verbreitung von Daten an verschiedenen Orten sinkt die Verarbeitungsgeschwindigkeit zusammen mit der Genauigkeit der Datenanalyse. Dies erfordert die Konsolidierung von Daten in einem Enterprise Data Hub, wodurch ein schnellerer Zugriff auf Daten ermöglicht wird, was zu tieferen Analysen führt. Eines der wichtigsten Ziele der IT-Abteilung in jeder Organisation ist es, auf Anfrage schnell genaue Daten für alle Abteilungen in der Organisation bereitzustellen.
Bei der Datenerfassung ist es wichtig, unstrukturierte, strukturierte und halbstrukturierte Datenquellen auf einer Plattform zu vereinen, um eine eingehende Analyse durchzuführen und im Grunde genommen die Geschäftsentscheidung zu unterstützen. Diese Funktion von Hadoop bringt mehr Personen innerhalb des Unternehmens an den Tisch, da es Mitarbeiter gibt, die im täglichen Betrieb an verschiedenen Berührungspunkten mit Daten interagieren. Außerdem können herkömmliche ETL- und Batch-Prozesse lange dauern, während Hadoop mit seiner Batch-Verarbeitung mit hohem Volumen eine bis zu zehnfache Geschwindigkeit erzielt.
Die Bedeutung von Hadoop bedeutet nicht unbedingt, dass jeder Mitarbeiter innerhalb eines Unternehmens in der Big Data-Plattform geschult werden muss, was in den meisten Fällen möglicherweise nicht möglich ist. Für einen CTO wäre es jedoch von strategischem Vorteil, diejenigen Fachkräfte zu identifizieren und zu schulen, die in ständiger Interaktion mit Daten stehen.
Ein weiteres wichtiges Phänomen, das Teil des natürlichen Fortschritts ist und die Speicherung, Verarbeitung und den Abruf von Daten über die beliebte Hadoop-Plattform umfasst, ist die Big-Data-Analyse. Um es einfacher auszudrücken: Unternehmen benötigen mehrere Perspektiven von verschiedenen Fachleuten innerhalb eines Unternehmens.
Die Zahl '6' kann als die Zahl '9' auf der anderen Seite der Tabelle angesehen werden. Mit anderen Worten, die Schlussfolgerungen aus der Beobachtung von Daten unterscheiden sich von Person zu Person.
Unternehmen wissen dies und schulen häufig Mitarbeiter auf einer ähnlichen Plattform, sodass Mitarbeiter aus verschiedenen Abteilungen, die durch dieselbe Aktivität miteinander verbunden sind, Erkenntnisse für fundierte Entscheidungen diskutieren, einbeziehen und austauschen. Daher glaube ich, dass es sicher ist, Big Data-Schulungen als Gelegenheit für jeden Mitarbeiter zu definieren, auf derselben Seite zu sein und Organisationen auf die nächste Ebene zu bringen!
Hast du eine Frage an uns? Erwähnen Sie sie im Kommentarbereich und wir werden uns bei Ihnen melden.
Zusammenhängende Posts: