Thông tin gần đây về việc Các Tiểu vương quốc Ả Rập Thống nhất bắt buộc thực hiện nghĩa vụ quân sự đối với tất cả nam giới Tiểu vương quốc từ 18 đến 30 tuổi đã khiến tôi suy nghĩ tại sao các quốc gia bất kể tình trạng kinh tế của họ đều đảm bảo rằng công dân luôn sẵn sàng để bảo vệ đất nước.
Người ta có thể lập luận rằng số lượng công dân hạn chế trong một quốc gia, thường buộc chính phủ phải thực hiện nghĩa vụ quân sự bắt buộc. Nhưng còn Trung Quốc? Đây là quốc gia lớn nhất về dân số nhưng nó cũng đảm bảo công dân đi học thêm để phục vụ thời gian nhập ngũ bắt buộc. Nói tóm lại, các quốc gia về cơ bản đang chuẩn bị cho mình để tự vệ trong trường hợp xảy ra xung đột và mọi người phải chuẩn bị cho điều đó. Dù là thợ điện, doanh nhân, thợ mộc, tất cả đều đoàn kết vì một mục tiêu chung.
Nghe có vẻ kỳ lạ, người ta có thể vẽ ra một sự song song kỳ lạ giữa các quốc gia như vậy và các tổ chức ngày nay muốn duy trì tính cạnh tranh. Mối đe dọa hiện tại hay đúng hơn là một thách thức dưới dạng Dữ liệu lớn đã thúc đẩy các tổ chức lớn và nhỏ tập hợp nhân lực của mình trên các bộ phận khác nhau để giải quyết chung. Để đi xa hơn về vấn đề này, thông thường các quốc gia thực thi nghĩa vụ quân sự bắt buộc luôn có tiêu chí đủ điều kiện, giống như cách các tổ chức thấy hợp lý khi chỉ đào tạo dữ liệu lớn cho những nhân viên có một số hình thức tương tác với khối lượng lớn dữ liệu và được yêu cầu sử dụng Hadoop tại mọi điểm tiếp xúc.
Cũng giống như việc một Tướng quân đội liên lạc với chính phủ quyết định loại vũ khí và đào tạo sẽ được giao cho những người mới làm quen với công dân mới chuyển sang làm việc, giống như cách mà một CTO được kỳ vọng sẽ đứng đầu cơ sở hạ tầng và kế thừa CNTT hệ thống thúc đẩy sự đổi mới công nghệ mới để cho phép nhân viên của mình hoạt động tốt hơn. Với mục tiêu chung là giải quyết dữ liệu lớn, chúng ta hãy cố gắng hiểu chi tiết nơi dữ liệu lớn được sử dụng và tại sao việc đào tạo đồng đội của bạn trong đó lại quan trọng.
1.Công nghệ thông tin: Cải thiện năng suất với đào tạo dữ liệu lớn
Có lẽ đi đầu trong việc triển khai dữ liệu lớn, đội ngũ CNTT là trung tâm để đưa sự thay đổi về phía trước. Một người ra quyết định đào tạo CNTT muốn đào tạo dữ liệu lớn cho nhân viên phải bắt đầu với bộ phận CNTT. Tại sao? Bởi vì khi nói đến sự tương tác với công nghệ ở mọi giai đoạn hoạt động, những người đam mê công nghệ ở tầng hầm (tiếng lóng phổ biến của CNTT) là gần gũi nhất. Vậy nó có liên quan như thế nào?
Hãy để chúng tôi xem xét một báo cáo được gửi bởi trang web phổ biến, CIO, nêu rõ:
“Theo một cuộc khảo sát gần đây của CompTIA với 500 giám đốc điều hành CNTT và doanh nghiệp Hoa Kỳ, 50% các công ty đi trước đường cong trong việc tận dụng dữ liệu và 71% các công ty trung bình hoặc chậm hơn trong việc sử dụng dữ liệu, cảm thấy rằng nhân viên của họ vừa phải hoặc thiếu hụt đáng kể các kỹ năng quản lý và phân tích dữ liệu ”
Với thực tế là quản lý và lưu trữ dữ liệu là một phần chức năng cốt lõi của CNTT, cần có một cách tiếp cận song song hướng tới việc triển khai nền tảng dữ liệu lớn và tăng cường kỹ năng CNTT trong dữ liệu lớn. Hỗ trợ thực tế là một báo cáo của McKinsey cho biết rằng vào năm 2018, sẽ thiếu hơn 140.000-190.0000 chuyên gia có chuyên môn sâu về kỹ thuật và phân tích! Khi ngày càng có nhiều chuyên gia kỹ thuật yêu cầu đào tạo dữ liệu lớn, các tổ chức đang tìm cách đào tạo các chuyên gia kỹ thuật nhiều hơn để có ROI và các chuyên gia nền tảng nhanh chóng, quản trị viên và kỹ sư làm việc trong bộ phận CNTT sẽ đảm nhận vai trò đó.
Kết hôn với Bộ ba Chức năng CNTT cốt lõi với Dữ liệu lớn
Thuật ngữ Trinity thường làm tôi nhớ đến hai khái niệm tôn giáo: Một là thần thoại Hindu về đấng sáng tạo, người bảo tồn và kẻ hủy diệt và hai là khái niệm Kitô giáo về cha, con và ma thánh. Cả hai đều phấn đấu vì sự tốt đẹp hơn của nhân loại. Theo cách tương tự, ba chức năng này của một nhóm CNTT cố gắng cải thiện toàn bộ tổ chức với các bộ phận có nhu cầu khác nhau về công nghệ thông tin. Ngoài các chức năng bảo mật và hỗ trợ, bộ phận CNTT có thể liên quan đến các chức năng này khi triển khai dữ liệu lớn.
Lập kế hoạch- Hoạt động Lập kế hoạch trong nhóm CNTT tập trung vào việc đảm bảo chiến lược CNTT của tổ chức phù hợp với các mục tiêu kinh doanh. Điều này bao gồm làm việc trên phần mềm tùy chỉnh, mang lại các nền tảng mới đáp ứng nhu cầu của các bộ phận kinh doanh khác nhau. Nói cách khác, bất kỳ triển khai mới nào sẽ luôn bắt đầu từ CNTT.
Mạng- Nó liên quan đến việc phát triển các mạng tạo điều kiện thuận lợi cho tất cả các hình thức giao tiếp giữa lưu lượng thoại, dữ liệu, video và Internet và có nhiều điểm kiểm tra khác nhau để ghi dữ liệu, có thể là tương tác với khách hàng, phân tích tình cảm và cập nhật lưu lượng, tất cả đều thu thập dữ liệu theo thời gian thực! Một bộ phận CNTT thường đảm bảo sự tích hợp thông suốt của các mạng để làm việc cùng với mục tiêu xử lý dữ liệu lớn.
Dữ liệu- Nói một cách đơn giản, nhóm CNTT mang đến các công cụ để thu thập, lưu trữ, quản lý, bảo mật và phân phối dữ liệu cho nhân viên phục vụ các quyết định chiến lược khác nhau trong tổ chức. Tất cả các dạng dữ liệu như hồ sơ bán hàng, hồ sơ tài chính, chi tiết kho hàng đều được lưu trữ trong một trung tâm dữ liệu duy nhất. Điều này tạo ra trách nhiệm trong nhóm CNTT trong việc triển khai các nền tảng cho dữ liệu lớn cho phép người dùng được chỉ định lưu trữ và truy xuất thông tin tại bất kỳ vị trí dữ liệu nào.
Trong bất kỳ nhóm CNTT nào, một người cần có sự kết hợp linh hoạt giữa các thành viên với các nhiệm vụ khác nhau để triển khai dữ liệu lớn. Để bắt đầu, cần có một chuyên gia đảm bảo chuyển đổi suôn sẻ từ các hệ thống truyền thống sang nền tảng dữ liệu lớn. Đối với điều đó, đòi hỏi một kỹ thuật viên tập trung vào việc duy trì nền tảng trong toàn bộ vòng đời của nó trên tất cả các phòng ban. Sau đó, nhu cầu về một thành viên phải liên tục giám sát xem mọi triển khai công nghệ có phù hợp với mục tiêu của tổ chức hay không.
2.Phát triển sản phẩm: Suy nghĩ lại về sự đổi mới trong tất cả các giai đoạn của R&D
Có lẽ là một trong những bộ phận quan trọng nhất khi nói đến việc đưa tổ chức vào cấp độ đổi mới tiếp theo! Một trong những lợi thế lớn nhất của dữ liệu lớn là tích hợp dữ liệu qua các điểm tiếp xúc khác nhau trong quá trình phát triển sản phẩm ngay từ thiết kế, sản xuất, chất lượng, bảo hành, chẩn đoán, ứng dụng xe và phần mềm. Dữ liệu được tạo ra từ những điểm tiếp xúc này xác định cách thức hoạt động và mức độ thành công của sản phẩm. Về cơ bản, điều này đưa các nhà phát triển sản phẩm, chuyên gia R&D và nhà thiết kế đến với phương pháp phân tích dữ liệu và hướng dữ liệu.
Kỹ thuật Dữ liệu lớn thành hiện thực
thứ tự tăng dần c ++
Khi nói đến phát triển sản phẩm, một ví dụ phổ biến là chiếc xe ít người lái mà Audi đang phát triển và dự định tung ra vào năm 2016. Đúng vậy, có nhóm phát triển sản phẩm có nhiệm vụ lớn là đảm bảo hoàn thành tầm nhìn đổi mới của CEO. . Nhưng trên đường đi, có nhiều thách thức và câu hỏi khác nhau ngay từ khi phát triển đến thử nghiệm mà chỉ có dữ liệu lớn mới có thể trả lời. Hãy để chúng tôi xem tại sao.
Hãy xem xét một chuyến đi thử nghiệm đang được giám sát từ điểm A đến điểm B. Dưới đây là các loại dữ liệu có thể được tạo:
a. Dữ liệu cảm biến - Các cảm biến bên trong ô tô có thể lưu trữ thông tin chi tiết về khoảng cách mà nó đã đo được giữa những chiếc xe phía sau và phía trước nó cũng như tần suất của những chiếc xe mà nó gặp phải trong hành trình.
b. Dữ liệu về người lái xe - Có thể thực hiện nhiều bài kiểm tra với các nhóm tuổi khác nhau và thông tin chi tiết về mức độ thoải mái, hiệu suất và số lần người lái xe cần để ghi đè lái xe số tự động sẽ được nén thành các tập hợp hàng và cột lớn để phân tích.
c. Dữ liệu nhân khẩu học - Một thử nghiệm có thể được thực hiện ở Ấn Độ và ở Hoa Kỳ. A.I trong tính năng lái xe tự động có thể phân tích các chướng ngại vật mà nó gặp phải khi lái xe ở hai quốc gia khác nhau. Quốc gia nào khả thi hơn cho lái xe số tự động và quận nào thì không?
d. Dữ liệu hiệu suất thị trường - Sau khi sản phẩm được tung ra và trên đường, các kỹ sư cũng có thể theo dõi sự thành công của nó bằng cách phân tích dữ liệu trực tiếp với nguồn cấp dữ liệu được cung cấp bởi chương trình của ô tô 24 × 7 để cung cấp thông tin chi tiết nếu việc giới thiệu tính năng lái xe tự động đang giúp duy trì con đường an toàn hơn?
Có N số lượng dữ liệu khả thi có thể được xử lý từ kỹ thuật sản phẩm. Chúng tôi chỉ mới bắt đầu khám phá OEM từ ngành công nghiệp ô tô. Hãy suy nghĩ về khả năng của dữ liệu lớn trong nhiều lĩnh vực khác nhau, chẳng hạn như y học, chăm sóc sức khỏe, điện tử, v.v. Ai biết?
SỰ THẬT THÚ VỊ: Bạn có biết rằng việc sử dụng Dữ liệu lớn và Phân tích của Ford đã giúp Ford thoát khỏi trải nghiệm gần chết vào những năm 2000 khi sự cạnh tranh gay gắt giữa các nhà sản xuất ô tô Châu Âu và Châu Á!
3. Tài chính: Đào tạo nhân viên trên nền tảng dữ liệu lớn để xử lý mô hình tài chính
Chúng ta có thể đã thường nghe thuật ngữ rằng tiền là máu của kinh doanh. Việc chăm sóc số tiền đó là trách nhiệm của bộ phận tài chính. Giới kinh doanh xác định các chức năng của bộ phận tài chính thường là tham gia vào việc ‘lập kế hoạch, tổ chức, kiểm toán, kế toán và kiểm soát tài chính của công ty cùng với việc sản xuất tài chính của công ty.
Phải nói rằng bộ phận tài chính nói chung thường là đứa con tinh thần khi nói đến việc xử lý tiền và vai trò mở rộng sang các hoạt động khác nhau như tạo báo cáo lưu chuyển tiền tệ, lập mô hình chi phí, thực hiện giải thưởng và tuân thủ một số hoạt động. Cách đây vài thập kỷ, việc thực hiện tất cả các hoạt động này với các hệ thống và nền tảng hạn chế là khá khả thi, nhưng trong thời đại dữ liệu lớn, hai thách thức mà mọi bộ phận tài chính phải đối mặt là thực hiện các chức năng tài chính thường xuyên trong bối cảnh thay đổi và thu thập thông tin chi tiết cho tương lai. Chúng ta hãy nhìn nó từ một góc độ sâu sắc hơn.
Với thông tin trải rộng trên các máy chủ khác nhau, các tổ chức thường gặp phải thách thức trong việc hợp nhất dữ liệu đó và thực hiện các hành động theo yêu cầu kinh doanh. Một chức năng quan trọng bên trong là kiểm toán nội bộ theo dõi các kiểm soát quản trị, quản lý rủi ro và quản lý của tổ chức và tiến hành các cuộc kiểm toán gian lận chủ động để xác định các hành vi gian lận. Với sự gia tăng của phân tích, cũng cần phải tích hợp kiểm toán nội bộ. Điều này đã tạo ra các phương pháp mới như phân tích dữ liệu kiểm toán giúp đánh giá rủi ro, tạo ra các mô hình tài chính và đưa ra bức tranh tổng thể về tài chính trong một tổ chức.
Mô hình hóa chi phí & hiện thực hóa giá
Mô hình hóa chi phí là một thành phần quan trọng để sử dụng hiệu quả các nguồn lực. Các công ty phải xác định các hoạt động dẫn đến chi phí, tổng nguyên vật liệu trực tiếp và lao động cần thiết để hoàn thành nhiệm vụ, v.v. Mô hình hóa chi phí giúp các công ty xác định chính xác chi phí sản xuất tổng thể cho các sản phẩm trong tất cả các hoạt động trong công ty. Trong thời đại của dữ liệu lớn, điều quan trọng là phải theo dõi mọi hoạt động tài chính diễn ra tại các bộ phận khác nhau trong một tổ chức nhằm hợp nhất thông tin đó để xây dựng một mô hình chi phí lý tưởng. Từ khi mua đến khi bán, tất cả dữ liệu được lưu trữ trong lịch sử tài chính và điều cơ bản cơ bản của việc phát triển mô hình chi phí là tìm nạp các khối dữ liệu lớn và tạo ra một mô hình có thể áp dụng cho tương lai.
Mặc dù người ta có thể tranh luận rằng các nỗ lực Thực hiện giá hướng nhiều hơn đến việc bán hàng để cải thiện khả năng sinh lời, nhưng bộ phận tài chính có vai trò lớn hơn khi đề cập đến việc hưởng lợi từ việc thực hiện giá. Để chia nhỏ thành các điều khoản đơn giản hơn, hãy xem xét một cửa hàng bán lẻ có kế hoạch giảm giá để thúc đẩy doanh số bán hàng. Mục tiêu cơ bản là giảm rò rỉ giá cả và cải thiện giá túi.
Rò rỉ giá xảy ra khi giá của một sản phẩm được chiết khấu ít hơn (trong nỗ lực bán hàng) đến mức chúng làm tổn hại đến lợi nhuận và giá bỏ túi là giá bán sau chiết khấu. Để thực hiện nỗ lực xác định giá có lãi, nhóm bán hàng phối hợp với bộ phận tài chính để hiểu cấu trúc chi phí cho từng sản phẩm riêng lẻ và nơi có thể giảm giá. Điều này đòi hỏi bộ phận tài chính phải phát triển một khuôn khổ cho các mô hình thực hiện giá cho tương lai và xác định các giới hạn trong các hoạt động tiếp thị đó. Nhiệm vụ bao gồm xử lý dữ liệu từ thu mua, chi phí kho hàng, thời hạn sử dụng và sau đó ước tính giá vốn hàng bán (CGS).
F-12 & Phân tích dự đoán
Một trong những hoạt động quan trọng trong bộ phận tài chính là giám sát tình hình tài chính của tổ chức. Giống như việc bác sĩ sử dụng các số liệu khác nhau như nhịp tim, độ ấm cơ thể hoặc phản ứng kích thích để đánh giá xem bệnh nhân còn sống hay đã chết, giống như cách thế giới tài chính giám sát 12 số liệu để biết công ty đang đứng đầu về mặt tiền tệ và những gì nằm ngoài . Từ tăng trưởng doanh thu thực, tăng trưởng doanh thu bền vững, chính sách giá và chỉ số định giá, kiểm soát chi phí hoạt động, so sánh EBITDA với dòng tiền, Dòng tiền không nợ, Tiền dư thừa, Tỷ suất sinh lời trên tài sản, Vốn lưu động, Sử dụng tài trợ nợ, Chu kỳ và chi phí thương mại ròng Vốn là thành phần quan trọng trong báo cáo tài chính của một tổ chức để ban quản lý cấp trên có thể đưa ra quyết định đúng đắn.
Là một phần của thách thức trong thế giới dữ liệu lớn, việc hiểu các tỷ lệ này đòi hỏi phải xử lý khối lượng lớn thông tin trải khắp tổ chức để làm cho nó ở định dạng chuẩn để phân tích. Phân tích dự đoán phát huy tác dụng khi dữ liệu này được xử lý từ lịch sử trong quá khứ, so sánh với các yếu tố tương tự trong hiện tại để đưa ra các ước tính chính xác cho tương lai. Phần tốt nhất là nền tảng phân tích dự đoán và các phương pháp được xây dựng để xử lý dữ liệu lớn, do đó đơn giản hóa nhiệm vụ của bộ phận tài chính.
SỰ THẬT THÚ VỊ: Bạn có biết rằng Công ty Cổ phần Ngân hàng Nước ngoài (OCBC) có trụ sở tại Singapore đã có thể sử dụng dữ liệu lớn cho thông tin chi tiết về khách hàng, vốn chịu trách nhiệm trực tiếp cho việc có được khách hàng mới tăng 40%!
4. Nguồn nhân lực: Xác định lại năng lực của nhân viên HR
Việc tưởng tượng về Dữ liệu lớn trong Nguồn nhân lực có thể khiến người đọc bỏ qua như một kẻ ngu ngốc, vì một tổ chức thường không ưu tiên nhiều trong việc triển khai công nghệ Dữ liệu lớn trong bộ phận nhân sự vì tổ chức này muốn tập trung vào Tiếp thị, Vận hành hoặc Tài chính. Nhưng trên thực tế, bộ phận Nhân sự đóng một vai trò quan trọng trong việc đảm bảo rằng nhân tài phù hợp vào tổ chức trong số các hoạt động khác.
Thêm nhiều răng cho nhân sự
Có lẽ bị bỏ qua nhiều nhất trong số tất cả các bộ phận khi nói đến việc triển khai Dữ liệu lớn, nhưng trong thế giới thay đổi nhanh chóng ngày nay, cách bộ phận Nhân sự làm việc xác định sự thành công của một tổ chức.
Theo Forbes, trung bình một công ty lớn có hơn 10 ứng dụng nhân sự khác nhau và hệ thống nhân sự cốt lõi của họ đã hơn 6 năm tuổi. Xu hướng này làm nổi bật thực tế rằng một tổ chức cần các nguồn lực chính xác để kết hợp dữ liệu này lại với nhau. Đào tạo về Dữ liệu lớn & Phân tích mang lại các kỹ năng như phân tích dữ liệu, trực quan hóa và giải quyết vấn đề ngay từ báo cáo hoạt động đến phân tích chiến lược.
Theo mặc định, một bộ phận nhân sự được kỳ vọng sẽ cung cấp các hoạt động nhân sự cơ bản, nhưng đào tạo về Dữ liệu lớn đưa nó lên một cấp độ hoàn toàn mới. Khi bộ phận nhân sự trở nên phân tích nhiều hơn với các công cụ, bộ phận này sẽ thay đổi cách tiếp cận của họ để tham gia vào hoạt động chiến lược hơn. Câu hỏi quan trọng như làm thế nào để có nhiều yếu tố giữ chân nhân viên hơn ảnh hưởng đến chất lượng bán hàng của nguồn ứng viên và đánh giá khoảng cách nhân tài được xác định và các bước chiến lược được thực hiện thông qua phân tích dữ liệu liên quan.
thông báo bật lên script java
Sự thay đổi sẽ chuyển từ số lượng đầu người đơn giản sang phân tích dự đoán nhiều hơn.
Oracle trong bộ phận Nhân sự
Có một câu chuyện vui mà tôi nhớ lại của một người bạn làm nhân sự. Cô ấy đã có một công việc săn đầu người mệt mỏi trước khi gửi ứng viên đến người đứng đầu bộ phận liên quan, người sẽ chỉ nói những lời ma thuật: “Ok, hãy thuê anh ta”.
Trong một thời gian, mọi thứ diễn ra tốt đẹp vì cô ấy đã mang về cho công ty những nhân tài tốt. Thời gian trôi qua, cô ấy ngày càng tự tin vào kỹ năng tuyển dụng của mình để mở rộng việc thúc đẩy quản lý cấp trên bổ sung nhiều người hơn vào nhóm của cô ấy, triển khai hệ thống nhân sự và bao gồm thêm tư vấn của bên thứ ba. Phần khó khăn là cô ấy đã hứa cao với quản lý cấp trên với sự tự tin của mình.
Lịch sử đã chỉ ra rằng người chuẩn bị cho sự kiện trong tương lai thành công hơn người cưỡi trên vinh quang trong quá khứ. Đã có lúc cô dự kiến sẽ thuê một số lượng lớn các chuyên gia trong lĩnh vực mà công ty đang mở rộng. Cô bắt đầu lấp đầy các vị trí tuyển dụng với một thỏa hiệp về việc thuê các chuyên gia chất lượng. Cô ấy đã áp dụng một cách tiếp cận hướng đến mục tiêu hơn. Kết quả? Hầu hết các chuyên gia mà cô thuê đều đưa ra các giấy tờ với lý do khác nhau và cô đã bị ban giám đốc thẩm vấn. Thường thì tôi sẽ nghe cô ấy lầm bầm:
“Tôi săn lùng 1000 Cv, 100 Cv chọn lọc, gọi 50 ứng viên để phỏng vấn, lọc 10 từ các bài đánh giá tâm lý của tôi, trong số 10, tôi chọn 5 người xứng đáng, gửi 5 người cho ban quản lý, họ sẽ chọn 1 và người đó rời đi sau 2 tháng. '
Tôi đã cười khúc khích trước sự đau khổ của cô ấy ngoài việc bày tỏ sự thông cảm của mình, nhưng điều đó khiến tôi tự hỏi liệu nguồn nhân lực có thể đưa ra đánh giá tốt hơn với kinh nghiệm của họ hay cần phải có cách tiếp cận theo hướng dữ liệu hơn cho toàn bộ quy trình tuyển dụng này? Chà, chúng tôi sử dụng phân tích dự đoán để tìm ra đội nào sẽ vô địch World Cup nhưng tại sao lại không sử dụng các kỹ thuật tương tự trong quá trình tuyển dụng, đặc biệt là khi chúng tôi phải đối mặt với những yếu tố phức tạp như con người?
Giờ đây, công việc tuyển dụng không hẳn là một công việc dễ dàng, nó bao gồm rất nhiều quy trình và các quy tắc tuyển dụng thường thay đổi theo ngành mà nhân sự đảm nhiệm vai trò mà cô ấy đang tuyển dụng vì các quy tắc của tổ chức, v.v.
Nếu một người quan sát các tổ chức thành công sử dụng phân tích dự đoán và có tỷ lệ tiêu hao ít hơn, có một mô hình quyết định đầu tiên về các đặc điểm mong muốn của ứng viên đảm bảo thành công, hợp nhất nó thành một hồ sơ 'lý tưởng' và so sánh nó với mọi ứng viên gần nhất và sau đó thu hút họ bằng các bài đánh giá tùy chỉnh đánh giá đặc điểm của những ứng viên này.
Một điểm cần lưu ý là toàn bộ ngành công nghiệp đánh giá tâm lý với những công ty hàng đầu như Pearsons, Thomas Assessment & SHL đã mọc lên do nhu cầu của các chuyên gia nhân sự trong việc phân tích hồ sơ ứng viên để họ hoàn thiện quy trình tuyển dụng!
Quay trở lại với phân tích dự đoán, là một phần của việc thực hiện nó, trước tiên nhân viên nhân sự phải xác định ai là 'ứng viên thành công' theo tổ chức, sau đó họ phải xác định các yếu tố có thể thúc đẩy hiệu quả của việc tuyển dụng và phát triển và quan sát như về lý do tại sao một số người được thuê làm tốt hơn những người khác với một giả thuyết nếu cần. Dựa vào đó, cô ấy / anh ấy có thể so sánh nó với dữ liệu của những nhân viên thành công đã ở lại lâu dài với tổ chức và thứ ba sử dụng các kỹ thuật thống kê để đo lường lý do tại sao một số người ở lại lâu hơn.
Cách tiếp cận này là tốt cho sự khởi đầu, nhưng việc triển khai phân tích dự đoán trong HR bao gồm rất nhiều kỹ thuật mà HR có thể tự do khám phá. Phần tốt nhất của quá trình này là giảm chi phí thay thế nhân viên bằng nhân viên mới và có thể thu được nhiều ROI hơn so với nhân viên cũ.
Vào cuối ngày, sự kết hợp của trực giác, kinh nghiệm và phương pháp tiếp cận theo hướng dữ liệu hợp lý thường không chỉ tinh chỉnh đánh giá của Nhân sự mà còn của chúng tôi.
SỰ THẬT THÚ VỊ: Bạn có biết rằng gã khổng lồ Xerox của Mỹ đã giảm 20% doanh thu từ trung tâm cuộc gọi bằng cách áp dụng phân tích cho các ứng viên tiềm năng với nhận thấy rằng những người sáng tạo có nhiều khả năng ở lại công ty trong 6 tháng cần thiết để thu lại 6.000 đô la chi phí đào tạo của họ hơn là tìm hiểu Mọi người?
5. Chuỗi cung ứng & Logistics: Đào tạo đội phân phối với nền tảng dữ liệu lớn
Về cơ bản, Chuỗi cung ứng & Logistics tạo thành một thành phần quan trọng trong các chiến lược và mục tiêu của tổ chức. Mục tiêu của Chuỗi cung ứng & Logistics là tiết kiệm chi phí và cải thiện hiệu suất, tốc độ và sự nhanh nhẹn. Khi nói đến hậu cần, họ nắm bắt và theo dõi các dạng dữ liệu khác nhau để cải thiện cơ bản hiệu quả hoạt động, cải thiện trải nghiệm khách hàng và các mô hình kinh doanh mới. Những yếu tố này thường có thể giúp các tổ chức tiết kiệm nguồn lực, xây dựng thương hiệu tốt hơn và tạo ra một quy trình có hệ thống cho chuỗi cung ứng và hậu cần.
Theo dõi Dữ liệu lớn trên toàn thế giới
Chúng ta hãy lấy ví dụ về một gã khổng lồ thương mại điện tử sử dụng Dữ liệu lớn để phân phối cho khách hàng của mình. Một sản phẩm được gửi từ một địa điểm đến địa chỉ của khách hàng. Các thiết bị bên trong phương tiện vận chuyển như bộ theo dõi GPS, micrô, cảm biến có dữ liệu có cấu trúc và dữ liệu phi cấu trúc được gửi về trung tâm giám sát để cập nhật theo thời gian thực. Cùng với đó, nó cũng giúp phân tích hiệu quả của thời gian giao hàng, đường đi ngắn nhất và các nguồn lực được sử dụng để thực hiện một thao tác giao hàng trong danh sách hàng triệu giao dịch đó. Mỏ vàng dữ liệu trên khắp các thị trường khác nhau được các tổ chức hợp nhất và sau đó được phân tích để mang lại cải tiến hơn nữa trong quy trình hoặc mang lại một cấp độ đổi mới hoàn toàn!
SỰ THẬT THÚ VỊ : Bạn có biết rằng dữ liệu lớn dưới dạng theo dõi trang khách hàng của Amazon đã giúp Amazon định vị sản phẩm của mình đến kho gần khách hàng nhất để cải thiện tốc độ và hiệu quả giao hàng không?
6. Hoạt động, Hỗ trợ & Dịch vụ khách hàng: Đào tạo nhân viên về dữ liệu lớn tại mọi tương tác của khách hàng
Sự thành công của bất kỳ sản phẩm hoặc dịch vụ nào đều dựa trên sự hỗ trợ sau bán hàng mà khách hàng nhận được và nhà cung cấp thường tuyên thệ luôn ở đó vì họ. Điều này xuất phát từ thực tế là khi khách hàng sử dụng sản phẩm hoặc dịch vụ, anh ta đã 'nhảy vọt' với hy vọng rằng nhà cung cấp không để họ thất vọng trong thời gian tồn tại của sản phẩm / dịch vụ. Cung cấp từ quan điểm này là rất quan trọng cho sự thành công của tổ chức.
Hãy để chúng tôi xem xét hỗ trợ ở cấp độ chi tiết. Gần đây tôi đã có cơ hội xem phim ‘Interstellar’ của Christopher Nolan khám phá chuyến du hành không gian đến tận cùng không gian. Điều này khiến tôi suy nghĩ về các hãng hàng không trong tương lai sẽ cung cấp dịch vụ bay qua các lỗ sâu kéo dài hàng triệu năm ánh sáng! Những thách thức sau đó sẽ là gì? Loại dữ liệu lớn nào sẽ được tạo ra trong hành trình gần như không bao giờ kết thúc này? Làm thế nào để đội ngũ trên tàu đảm bảo rằng hành khách tận hưởng chuyến đi xuyên suốt? Để bắt đầu, nhà cung cấp dịch vụ phải tập trung vào các mục tiêu chính như đảm bảo an toàn hàng không, theo dõi đường bay, đáp ứng các yêu cầu của khách hàng, v.v.
Dữ liệu lớn 24 × 7 đang di chuyển
Ý tưởng về du hành giữa các vì sao có thể là một giấc mơ xa vời trong 100 năm tới (lạc quan!), Nhưng nó không ngăn chúng ta xem xét dữ liệu được tạo ra bởi một dịch vụ tương tự hiện đang hoạt động, điều này sẽ làm sáng tỏ hơn về cách khách hàng dịch vụ và hỗ trợ được thực hiện trong kịch bản 'sau bán hàng' và cách các tổ chức có thể tham gia vào việc cải thiện các nỗ lực của họ trong thời gian thực.
Bây giờ để bắt đầu, Southwest Airlines là một trong những hãng hàng không nổi tiếng nhất đã tận dụng Dữ liệu lớn để cải thiện trải nghiệm khách hàng của mình. Trong nỗ lực cải thiện an toàn hàng không, Southwest Airlines đã hợp tác với NASA để tham gia vào thử nghiệm dữ liệu lớn nhằm cải thiện trải nghiệm chuyến bay tổng thể. Điều này bao gồm ping các vệ tinh của NASA với thông tin về đường bay, báo cáo từ phi công và thông tin không lưu khác. Ở đỉnh cao của kỹ thuật đổi mới như vậy, có một khái niệm dữ liệu lớn cơ bản được gọi là 'khai thác dữ liệu văn bản', chuyển đổi thông tin văn bản phi cấu trúc thành văn bản có ý nghĩa để hiểu rõ hơn. Vì vậy, bạn nghĩ rằng khai thác dữ liệu văn bản kết thúc ở đó?
phương thức ẩn trong java là gì
Tất nhiên là không, ngay cả một khái niệm đơn giản trong dữ liệu lớn chẳng hạn như khai thác dữ liệu văn bản cũng mở rộng hơn thế. Tất cả chúng ta đều biết rằng phản hồi của khách hàng là một thành phần quan trọng trong việc hiểu được nơi mà tổ chức gặp sai lầm ở mọi điểm tương tác với khách hàng. Khai thác dữ liệu văn bản cũng giúp phục vụ khách hàng bằng cách phân tích các câu trả lời khảo sát mở. Thay vì ràng buộc khách hàng với các lựa chọn phổ biến như phương án A, phương án B, phương án C, các câu hỏi mở cung cấp nhiều hiểu biết hơn, nhưng phân loại chúng và ghi lại câu trả lời có thể là một vấn đề quan trọng. Đó là lúc khai thác dữ liệu văn bản phát huy tác dụng khi nó nhóm một số từ nhất định và hợp nhất chúng để hiểu rõ hơn!
Nhìn xa hơn, tất cả chúng ta đều phải thừa nhận rằng không có tổ chức nào là hoàn hảo và mỗi tổ chức đều có một bộ phận nhỏ khách hàng có thể không hài lòng với dịch vụ. Kết quả? Một cơ sở dữ liệu chứa đầy email, tin nhắn, tweet từ những khách hàng đăng ký khiếu nại hoặc các mẹo về ‘lĩnh vực cần cải thiện’, nói một cách khá nhẹ nhàng. Khai thác dữ liệu văn bản đi trước một bước so với bộ lọc thư truyền thống và có thể phân loại thư theo mức độ ưu tiên và định tuyến lại nó đến bộ phận được đề cập.
SỰ THẬT THÚ VỊ : Bạn có biết rằng Southwest Airlines, một phần trong nỗ lực cải thiện dịch vụ khách hàng, đã triển khai phân tích dữ liệu với tính năng gọi là 'phân tích giọng nói' ghi lại sự tương tác giữa khách hàng và nhân viên để có thông tin chi tiết!
7.Marketing: Đào tạo nhân viên về phương pháp tiếp thị có hệ thống với dữ liệu lớn
Ngày nay, tiếp thị là một hoạt động liên quan đến những con số. Với sự bùng nổ của tiếp thị kỹ thuật số, giờ đây chúng tôi có thể đo lường chính xác phản hồi của quảng cáo, tỷ lệ nhấp, số lần hiển thị, ROI, v.v. Đối với những người không chuyên về tiếp thị, những số liệu như vậy có thể là hy vọng, nhưng đối với những người làm tiếp thị, dữ liệu này là một mỏ vàng. Sau đó, cùng với các chỉ số, một lượng lớn dữ liệu được tạo ra ở mọi điểm tương tác của khách hàng, phương tiện truyền thông xã hội và bán hàng. Chuyên gia tiếp thị có quyền theo dõi dữ liệu đó và sử dụng dữ liệu đó để thúc đẩy sản phẩm của một người hiệu quả hơn. Đào tạo về Dữ liệu lớn đóng một vai trò thiết yếu ở đây vì các nền tảng như Hadoop & R giúp phục vụ mục đích này.
Thứ hai, các chuyên gia tiếp thị theo thời gian thường thích hồi tưởng về thương hiệu của họ. Những câu hỏi như:
Làm thế nào để thương hiệu của tôi tốt hơn những thương hiệu khác?
Những gì các thương hiệu khác cung cấp?
Đối thủ cạnh tranh của tôi có những tính năng nào trên cùng một sản phẩm?
Nghiên cứu đi sâu hơn thế này nhiều. Từ việc phân tích sản phẩm của đối thủ cạnh tranh dựa trên 4P (Sản phẩm, Giá cả, Địa điểm, Định vị) để hiểu nội dung của sản phẩm nào được trình bày trên trang web của đối thủ cạnh tranh, lượng dữ liệu được tạo ra là rất lớn và phức tạp. Như đã nói trước đây, việc tận dụng khai thác văn bản có thể giúp nhà tiếp thị thực hiện phân tích đối thủ cạnh tranh bằng cách chỉ cần thu thập dữ liệu trang web của đối thủ cạnh tranh. Chức năng đơn giản này trong lĩnh vực dữ liệu lớn có thể cung cấp một ý tưởng tổng hợp về những gì đối thủ cạnh tranh đang làm và những sản phẩm họ có sẵn cho thị trường, do đó mang lại lợi thế cho nhà tiếp thị chấp nhận dữ liệu lớn!
Trang bị cho Sáng tạo
Ví dụ: một nhà chiến lược truyền thông xã hội muốn biết về nhận thức thương hiệu của tổ chức của mình trên các nền tảng truyền thông xã hội, thì việc tham gia vào phân tích tình cảm trong R & Hadoop sẽ giúp đạt được mục tiêu này. Theo cách tương tự, việc sử dụng các công cụ Dữ liệu lớn giúp tiếp thị ở nhiều hoạt động khác nhau như định giá, định vị sản phẩm, v.v.
Một ví dụ khác có thể là một giám đốc tiếp thị tại một cửa hàng bán lẻ đang tìm cách tối đa hóa doanh số bán hàng. Mọi người sẽ biết ví dụ về Walmart có thể đặt bia và sữa cạnh nhau trên lối đi dựa trên lịch sử mua hàng của khách hàng trong quá khứ bằng cách truy xuất một lượng lớn dữ liệu trải dài hàng triệu khách hàng trong một khung thời gian!
SỰ THẬT THÚ VỊ: Bạn có biết rằng General Motors với ngân sách tiếp thị hàng năm là 2 tỷ đô la mỗi năm đã sử dụng Phân tích dữ liệu lớn để tạo hồ sơ khách hàng chi tiết và kết hợp phân tích dữ liệu không gian với thông tin nhân khẩu học / khách hàng chi tiết để tiếp thị được cá nhân hóa hơn!
Tại sao các công ty chuyển sang nền tảng Dữ liệu lớn
Thông thường, các tổ chức sử dụng hệ thống kế thừa cũ có dữ liệu trải rộng trên nhiều hệ thống. Do dữ liệu lan rộng ở các vị trí khác nhau, tốc độ xử lý giảm cùng với độ chính xác của việc phân tích dữ liệu. Điều này đòi hỏi phải hợp nhất dữ liệu trong một trung tâm dữ liệu doanh nghiệp, tạo ra quyền truy cập dữ liệu nhanh hơn, dẫn đến phân tích sâu hơn. Một trong những mục tiêu quan trọng của bộ phận CNTT trong bất kỳ tổ chức nào là cung cấp dữ liệu chính xác nhanh chóng cho tất cả các bộ phận trong tổ chức khi có yêu cầu.
Với dữ liệu đang được thu thập, điều quan trọng là phải thống nhất các nguồn dữ liệu phi cấu trúc, có cấu trúc và bán cấu trúc vào một nền tảng để thực hiện phân tích chuyên sâu và hỗ trợ cơ bản cho việc ra quyết định kinh doanh. Tính năng này của Hadoop thu hút nhiều người hơn vào bàn trong tổ chức vì có những nhân viên tương tác với dữ liệu tại các điểm tiếp xúc khác nhau trong hoạt động hàng ngày. Ngoài ra, quá trình xử lý hàng loạt và ETL truyền thống có thể mất nhiều thời gian, trong khi Hadoop với quy trình xử lý hàng loạt khối lượng lớn tăng tốc độ lên đến 10 lần.
Tầm quan trọng của Hadoop không nhất thiết có nghĩa là mọi nhân viên trong tổ chức cần được đào tạo về nền tảng Dữ liệu lớn mà có thể không khả thi trong hầu hết các trường hợp. Nhưng sẽ có lợi thế chiến lược cho một CTO khi xác định và đào tạo những chuyên gia tương tác liên tục với dữ liệu.
Đã bao gồm việc lưu trữ, xử lý, truy xuất dữ liệu thông qua nền tảng Hadoop phổ biến, một hiện tượng quan trọng khác là một phần của tiến trình tự nhiên là phân tích Dữ liệu lớn. Nói một cách đơn giản hơn, các tổ chức cần có nhiều góc nhìn từ các chuyên gia khác nhau trong một tổ chức.
Số ‘6’ có thể được xem như số ‘9’ từ phía bên kia của bảng. Nói cách khác, kết luận từ dữ liệu quan sát khác nhau ở mỗi người.
Các tổ chức biết điều này và thường tham gia vào việc đào tạo nhân viên trong nền tảng tương tự để mọi người từ các phòng ban khác nhau được kết nối với nhau bằng cùng một hoạt động thảo luận, tham gia và chia sẻ thông tin chi tiết để đưa ra quyết định đúng đắn. Vì vậy, tôi tin rằng sẽ an toàn nếu xác định đào tạo Dữ liệu lớn là một cơ hội để mọi nhân viên có cùng quan điểm và đưa tổ chức lên một tầm cao mới!
Có một câu hỏi cho chúng tôi? Đề cập đến họ trong phần bình luận và chúng tôi sẽ liên hệ lại với bạn.
Bài viết liên quan: