7 начина како обука великих података може променити вашу организацију

Обука за велике податке продрла је у 7 домена. Сазнајте како то функционише путем поста на блогу!

Недавне вести о Уједињеним Арапским Емиратима којима је служење војног рока обавезно за све мушкарце из Емирата између старосних група од 18 до 30 година, подстакле су ме на размишљање зашто државе, без обзира на њихов економски статус, осигуравају да грађани буду спремни да бране земљу.





Могло би се тврдити да ограничени број грађана у земљи често приморава владу да војну службу учини обавезном. Али шта је са Кином? То је највећа земља по броју становника, али такође осигурава да грађани који иду на даље образовање служе обавезно војно време. Укратко, нације се у основи припремају за одбрану у случају сукоба и сви морају бити спремни на то. Било да су то електричари, пословни људи, тесари, сви се они удружују у заједничку сврху.

Колико год то звучало необично, може се повући необична паралела између таквих нација и данашњих организација које желе да остану конкурентне. Тренутна претња или тачније изазов у ​​облику великих података подстакла је велике и мале организације да окупљају радну снагу у разним одељењима како би јој се обично обратиле. Да се ​​иде даље, обично државе које спроводе обавезну војну службу увек имају критеријуме за испуњавање услова, на исти начин на који организације сматрају логичним пружање обуке за велике податке само оним запосленима који имају неки облик интеракције са великим деловима података и од којих се захтева да запослите Хадооп на свакој додирној тачки.



Баш као што војни генерал у вези са владом одлучује какву врсту наоружања и обуке ће доделити њеном иначе почетнику, који се претворио у новог регрута, на исти начин се очекује да ће ЦТО бити на челу ИТ инфраструктуре и наслеђа системи који покрећу иновације нове технологије како би омогућили својим запосленима да боље раде. Са заједничким циљем за решавање великих података, покушајмо детаљно да схватимо где се користе велики подаци и зашто је важно да у томе обучите своје другове.

1.Информациона технологија: Побољшање продуктивности помоћу обуке за велике податке

Можда је у првом плану примене великих података, ИТ тим епицентар за унапређење промене. Доноситељ одлука о ИТ обуци који жели да запосленима пружи обуку за велике податке мора да започне са ИТ одељењем. Зашто? Јер када је реч о ангажовању са технологијом у свакој фази активности, геекови у подруму (популарни сленг за ИТ) су најближи. Па колико је то релевантно?

Погледајмо извештај који је поднела популарна веб локација, ЦИО, који каже:



„Према недавном ЦомпТИА истраживању међу 500 америчких пословних и ИТ руководилаца, 50 процената фирми које су испред криве података у повећању података и 71 проценат фирми које су просечне или заостају у подацима коришћења сматрају да је њихово особље умерено или значајно недостаје у управљању подацима и вештинама анализе “

С обзиром на чињеницу да је управљање и складиштење података део основне функције ИТ-а, постоји потреба за паралелним приступом имплементацији платформе за велике податке и јачању ИТ вештина у оквиру великих података. У прилог томе иде и извештај компаније МцКинсеи у којем се наводи да ће до 2018. године недостајати преко 140.000-190.0000 стручњака са дубоком техничком и аналитичком стручношћу! Како све више и више техничких стручњака захтева обуку за велике податке, организације желе да више обуче техничке стручњаке за брзе РОИ и стручњаке за платформе, на челу су администратори и инжењери који раде у ИТ одељењу.

Удруживање Тројства основне ИТ функције са великим подацима

Израз Тројство често ме подсећа на два верска концепта: један је хиндуистичка митологија ствараоца, чувара и разарача, а други је хришћански концепт оца, сина и светог духа. Обоје теже бољитку човечанства. На исти начин, ове три функције ИТ тима теже побољшању целокупне организације са одељењима са различитим потребама када је информациона технологија у питању. Поред функција безбедности и подршке, ИТ одељење се може повезати са тим функцијама када је у питању примена великих података.

Планирање - Активност планирања у оквиру ИТ тима фокусира се на осигуравање усклађености ИТ стратегије организације са пословним циљевима. То укључује рад на прилагођавању софтвера, увођење нових платформи које задовољавају потребе различитих пословних одељења. Другим речима, свака нова примена увек ће почети од ИТ-а.

прекинути програм у јави

Мрежа - Укључује развој мрежа које олакшавају све облике комуникације између гласа, података, видеа и Интернет промета, а постоје и различити контролни пунктови за снимање података, било да се ради о интеракцији са купцем, анализи сентимента и ажурирању саобраћаја, сви они прикупљају податке у реалном времену! ИТ одељење често обезбеђује глатку интеграцију мрежа за рад заједно са циљем обраде великих података.

Подаци - Једноставно речено, ИТ тим доноси алате за прикупљање, чување, управљање, заштиту и дистрибуцију података запосленима за различите стратешке одлуке у организацији. Сви облици података као што су евиденција о продаји, финансијска евиденција, детаљи о залихама чувају се у једном дата центру. Ово ствара одговорност унутар ИТ тима за примену платформи за велике податке које омогућавају одређеним корисницима да складиште и преузимају информације на било којој локацији података.

У било ком ИТ тиму потребан је свестран сплет чланова са различитим задацима за примену великих података. За почетак постоји потреба за стручњаком који осигурава несметан прелазак са традиционалних система на платформе великих података. За то је потребно да се техничар фокусира на одржавање платформе у читавом њеном животном циклусу у свим одељењима. Тада долази потреба за чланом који мора непрестано надгледати да ли је свака технолошка примена усклађена са организационим циљем.

2. Развој производа: Преиспитивање иновација у свим фазама истраживања и развоја

Обука за велике податке, развој производа, инжењеринг

Можда један од најважнијих одељења када је реч о подизању организације на следећи ниво иновација! Једна од највећих предности великих података је интеграција података кроз различите додирне тачке у развоју производа, од дизајна производа, производње, квалитета, гаранције, дијагностике, возила и софтверских апликација. Подаци генерисани из ових додирних тачака дефинишу начин на који је производ и колико успешан може бити. Ово у основи води програмере производа, стручњаке за истраживање и развој и дизајнере до приступа заснованог на подацима и анализи података.

Инжењеринг великих података у стварност

Што се тиче развоја производа, један популаран пример би био аутомобил без возача који Ауди развија и планира да лансира до 2016. Да, постоји тим за развој производа који има огроман задатак да обезбеди да ЦЕО-ова визија иновација буде остварена . Али успут постоје разни изазови и питања, почев од развоја до тестирања, на која само велики подаци могу одговорити. Да видимо зашто.

Размислите о пробној вожњи која се надгледа од тачке А до тачке Б. Ево врста података који се могу генерисати:

а. Подаци о сензорима - Сензори у аутомобилу могу да чувају детаље о удаљености коју је измерио између аутомобила иза и испред њега и учесталости возила која је наишао на путовању.

б. Подаци о возачу - Могло би се извршити више тестова са различитим старосним групама, а детаљи о нивоу комфора, перформансама и колико пута је возачу потребно да замени аутоматску вожњу биће компресовани у велике скупове редова и колона за анализу.

ц. Демографски подаци - Тест би се могао обавити у Индији и у САД-у. А.И у аутоматској вожњи могао је да анализира препреке на које наилази у вожњи у две различите државе. Која је држава одрживија за аутоматску вожњу, а која не?

д. Подаци о тржишним перформансама - Након што је производ лансиран и на путу, инжењери би такође могли да прате његов успех анализирајући податке уживо са феедовима који се пружају 24 × 7 у програму аутомобила који дају увид да ли увођење аутоматске вожње помаже у одржавању пут сигурнији?

Постоји Н број могућих података који се могу избацити из производног инжењерства. Тек почињемо да истражујемо ОЕМ из ауто-индустрије. Размислите о могућностима великих података у разним секторима, рецимо медицини, здравству, електроници и тако даље. Ко зна?

ЗАБАВА ЧИЊЕНИЦА: Да ли сте знали да га је Фордов усвајање Биг Дата и Аналитике спасило од искуства скоро смрти 2000-их када је била јака конкуренција европских и азијских произвођача аутомобила!

3.Финансирање: Обука запослених на платформама великих података за бављење финансијским моделирањем

Можда смо често чули израз да је новац крв пословања. Брига о том новцу одговорност је финансијског одељења. Пословни свет дефинише функције финансијског одељења као типично укључено у „планирање, организовање, ревизију, рачуноводство и контролу финансија своје компаније, заједно са производњом финансија компаније.

Рекавши да је уопште финансијско одељење често замисао када је реч о руковању новцем, а улога се шири на разне активности попут генерисања извештаја о новчаном току, моделирања трошкова, реализације награда и поштовања неких од њих. Пре неколико деценија извођење свих ових активности са ограниченим системима и платформама било је сасвим изводљиво, али у доба великих података два изазова са којима се суочава свако финансијско одељење обављају редовне финансијске функције у променљивом сценарију и прикупљају увиде за будућност. Погледајмо то из дубље перспективе.

Када се информације шире на различитим серверима, организације се често суочавају са изазовом обједињавања тих података и обављања радњи у складу са пословним захтевима. Важна функција унутар је унутрашња ревизија која држи евиденцију о управљању организацијом, управљању ризицима и контролама управљања и спровођење проактивних ревизија превара ради идентификовања превара. Са порастом аналитике, постоји потреба за интегрисањем и интерне ревизије. Ово је покренуло нове методе попут аналитике ревизорских података које помажу у процени ризика, стварању финансијских модела и дају укупну слику о финансијама унутар организације.

Моделирање трошкова и реализација цена

Моделирање трошкова је важна компонента за ефикасно коришћење ресурса. Компаније морају идентификовати активности које покрећу трошкове, укупне директне материјале и радну снагу потребну за извршење задатка и тако даље. Моделирање трошкова помаже компанијама да тачно идентификују укупне производне трошкове производа у свим активностима унутар компаније. У доба великих података постаје важно водити евиденцију о свакој финансијској активности која се одвија у различитим одељењима унутар организације која обједињује те информације како би се створио идеалан модел трошкова. Од куповине до продаје, сви подаци се чувају у историји финансија, а основна основа развоја модела трошкова је прикупљање великих делова података и стварање модела који се може применити у будућности.

Иако се може расправљати да су напори на реализацији цена више усмерени ка продаји ради побољшања профитабилности, финансијска служба има већу улогу када је реч о користи од реализације цена. Да бисте је рашчланили на једноставније услове, размислите о малопродајном објекту који планира да обезбеди попусте да би погурао продају. Основни циљ је смањити цурење цена и побољшати џепну цену.

До цурења цена долази када се цена производа снизи толико мање (у покушају да се прода) да угрозе профитабилност, а џепна цена је продајна цена после попуста. Да би испунио исплативе напоре око остваривања цена, продајни тим сарађује са финансијским одељењем како би разумео структуру трошкова за сваки појединачни производ и где могу да се дају попусти. То заузврат захтева од финансијског одељења да развије оквир за моделе остваривања цена за будућност и дефинише ограничења у оквиру таквих маркетиншких активности. Задатак укључује обраду података из набавке, трошкова складишта, рока трајања, а затим процену трошкова продате робе (ЦГС).

Ф-12 и предиктивна аналитика

Једна од важних активности у финансијском одељењу је надгледање финансијског здравља организације. Баш као што лекар користи различите метрике попут брзине пулса, телесне топлоте или реакције надражаја да би проценио да ли је пацијент жив или мртав, на исти начин финансијски свет надгледа 12 показатеља да би знао где се компанија новчано креће и шта се налази даље . Од реалног раста прихода, одрживог раста прихода, политике цена и индекса цена, контроле оперативних расхода, поређења ЕБИТДА и новчаног тока, новчаног тока без дуга, вишка готовине, поврата имовине, обртног капитала, коришћења финансирања дуга, нето трговинског циклуса и трошкова капитала чине важне компоненте у финансијском извештавању за организацију тако да виши менаџмент може донети исправну одлуку.

Као део изазова у свету великих података, разумевање ових односа захтева обраду великих делова информација раширених широм организације како би се оне поставиле у стандардном формату за анализу. Предиктивна аналитика долази у обзир када се ови подаци обраде из прошлости, у поређењу са истим елементима у садашњости тако да се праве тачне процене за будућност. Најбољи део је платформа за предиктивну аналитику, а методе су изграђене за обраду великих података и на тај начин поједностављују задатак одељења за финансије.

ЗАБАВА ЧИЊЕНИЦА: Да ли сте знали да је Прекоморска банкарска корпорација (ОЦБЦ) са седиштем у Сингапуру успела да користи велике податке за увид у клијенте, што је директно одговорно за 40% повећања у стицању нових клијената!

4.Људски ресурси: Редефинисање могућности запослених у кадровима

Замишљање великих података у људским ресурсима често може подстаћи читаоце да то одбаце као сметњу, јер организација обично нема пуно приоритета у примени технологије великих података у одељењу за људске ресурсе, јер би се радије усредсредила на маркетинг, пословање или финансије. Али у стварности, Одељење за људске ресурсе игра пресудну улогу у осигуравању да прави таленат уђе у организацију између осталих активности.

Додавање више зуба у ХР

разлика између преоптерећења и замене у јави

Можда највише игнорисана међу свим одељењима када је у питању примена великих података, али у данашњем свету који се брзо мења начин рада одељења за људске ресурсе дефинише успех организације.

Према Форбесу, просечна велика компанија има више од 10 различитих апликација за управљање људским ресурсима, а њихов основни систем за управљање људским ресурсима стар је више од 6 година. Овај тренд наглашава чињеницу да су организацији потребни тачни ресурси да би се ови подаци објединили. Обука за велике податке и аналитику доноси вештине попут анализе података, визуелизације и решавања проблема, од оперативног извештавања до стратешке аналитике.

Одељење за људске ресурсе подразумевано треба да пружи у смислу основних ХР операција, али обука за велике податке подиже га на сасвим нови ниво. Како Одељење за људске ресурсе постаје аналитичније са алатима, мења њихов приступ и укључује се у више стратешких активности. Утврђује се критично питање попут тога како имати више фактора задржавања запослених који утичу на квалитет продаје кандидата и процењују недостатке у талентима и предузимају се стратешки кораци кроз анализу релевантних података кроз њега.

Промена ће се пребацити са једноставног броја запослених на више предиктивне анализе.

Орацле у оквиру људских ресурса

Била је смешна прича које се сећам једног пријатеља који је радио као ХР. Имала је исцрпљујући посао лова на главе пре него што је послала кандидата шефу одговарајућег одељења који би рекао само чаробне речи: „Ок, пустимо га да га запослимо.“

Неко време су ствари ишле добро јер је у компанију уносила добар таленат. Како је време пролазило, она је постајала сигурна у своје вештине запошљавања до те мере да је гурала више руководство да дода још људи у свој тим, примењујући ХР системе и укључујући више консултаната трећих страна. Лукаво је било то што је са својим самопоуздањем давала висока обећања вишем руководству.

Историја је показала да је онај ко се припрема за будући догађај успешнији од оног који јаше на прошлој слави. Било је време када се од ње очекивало да запосли велики број професионалаца у домену у којем се компанија ширила. Почела је да попуњава упражњена места компромисом при запошљавању квалитетних професионалаца. Она је усвојила приступ усмерен више на циљеве. Резултат? Већина професионалаца које је ангажовала одлагали су радове наводећи различите разлоге и управа ју је испитивала. Често бих чуо како мрмља:

„Ловим главом 1000 Цвс, ужем избору 100 Цвс, позивам 50 кандидата на интервју, филтрирам 10 из мојих психометријских процена, међу 10, узмем 5 оних који вреде, шаљем 5 менаџменту, они улазе у нулу 1 и тај један човек одлази након 2 месеца “.

Насмијао сам се њеног јада, осим што сам изразио своје симпатије, али ме натерало да се запитам могу ли људски ресурси боље просуђивати својим искуством или постоји потреба за приступом заснованим на подацима целокупном овом процесу запошљавања? Па, користимо предиктивну анализу да бисмо пронашли који ће тим освојити светски куп, али зашто не бисмо користили исте технике у процесу запошљавања, посебно када имамо посла са сложеним елементима као што су људи?

Посао запошљавања сада није нужно лак посао, укључује пуно процеса и правила запошљавања се често мењају у складу са индустријом. ХР је у улози коју ангажује за правила организације и тако даље.

Ако се посматрају успешне организације које користе предиктивну аналитику и имају мање стопе истрошености, постоји образац прво одлучивања о жељеним карактеристикама кандидата које обезбеђују успех, консолидације у „идеалан“ профил и упоређивања са сваким кандидатом који је најближи на то, а затим их ангажује са прилагођеним проценама које процењују карактеристике ових кандидата.

Треба напоменути да је цела индустрија психометријске процене са водећим играчима попут Пеарсонс-а, Тхомас-а Ассессмент-а и СХЛ-а настала због захтева ХР стручњака за анализом профила кандидата у њиховој потреби за усавршавањем процеса запошљавања!

Враћајући се на предиктивну аналитику, као део њене примене, особље за људске ресурсе прво мора да дефинише ко је „успешан кандидат“ према организацији, а затим мора да дефинише факторе који могу утицати на ефикасност запошљавања и да се развија и посматра као на питање зашто неки запошљавају боље од других с хипотезом ако је потребно. На основу тога, он / он то може упоредити са подацима успешних запослених који су дуго остали у организацији и треће користи статистичке технике да измери зашто неки људи остају дуже.

Приступ је добар за почетак, али примена предиктивне аналитике у оквиру ХР укључује пуно техника које ХР може слободно истражити. Најбољи део овог процеса је смањење трошкова замене запосленог новим и можда стицање више повраћаја улагања од старог.

На крају дана, комбинација интуиције, искуства и здравог приступа заснованог на подацима често побољшава не само просудбу ХР-а, већ и нашу.

ЗАБАВА ЧИЊЕНИЦА: Да ли сте знали да је амерички гигант Ксерок смањио промет свог цалл центра за 20% применом аналитике на потенцијалне кандидате са налазом да ће креативци вероватније остати у компанији шест месеци потребних за надокнаду трошкова обуке од 6.000 УСД него радознали људи?

5. Ланац снабдевања и логистика: Тренинг тим за испоруку са великим платформама података

Ланац снабдевања и логистика у основи чине важну компоненту у организационим стратегијама и циљевима. Циљ ланца снабдевања и логистике је уштеда трошкова и побољшање перформанси, брзине и окретности. Што се тиче логистике, они прикупљају и прате различите облике података како би суштински побољшали оперативну ефикасност, побољшавајући корисничко искуство и нове пословне моделе. Ови фактори често могу помоћи организацијама да сачувају ресурсе, изграде боље име бренда и створе систематски процес за ланац снабдевања и логистику.

Праћење великих података широм света

Узмимо пример гиганта е-трговине који користи велике податке за испоруку својим купцима. Производ се шаље са локације на адресу купца. Уређаји у транспортном возилу, као што су ГПС трацкер, микрофон, сензор, имају структуриране и неструктуриране податке који се враћају у центар за надзор ради ажурирања у стварном времену. Уз то такође помаже у анализи ефикасности времена испоруке, најкраћег пута и ресурса коришћених за обављање једне операције испоруке на списку милиона таквих трансакција. Ову рудник података са различитих тржишта обједињују организације, а затим анализирају како би донели даље побољшање процеса или донели читав ниво нових иновација!

ЗАБАВА ЧИЊЕНИЦА : Да ли сте знали да су му Амазон велики подаци у облику праћења страница купаца помогли да своје производе позиционира у најближе складиште купца како би побољшао брзину испоруке и ефикасност?

како завршити јава програм

6. Операције, подршка и корисничка услуга: Обука запослених о великим подацима у свакој интеракцији са купцем

Успех било ког производа или услуге заснива се на подршци након продаје коју купац добија, а често се продавац заклиње да ће бити ту за њега у сваком тренутку. Ово долази из чињенице да када купац преузме производ или услугу, направи „скок у веру“ у нади да га продавац неће изневерити током животног века производа / услуге. Извођење из ове перспективе је пресудно за успех организације.

Погледајмо подршку на детаљном нивоу. Недавно сам имао прилику да гледам филм „Међузвездак“ Кристофера Нолана који је истраживао свемирска путовања до краја свемира. То ме је навело на размишљање о будућим авио-компанијама које ће нудити услуге лета кроз пужне рупе удаљене милионе светлосних година! Који би тада били изазови? Какви ће се велики подаци генерирати на овом готово никад завршеном путовању? Како ће бродски тим осигурати да путник ужива у вожњи током целог путовања? За почетак се добављач услуга мора усредсредити на примарне циљеве као што су обезбеђивање ваздушне безбедности, праћење путање лета, испуњавање захтева купаца и тако даље.

Велики подаци у покрету 24 × 7

Идеја о међузвезданим путовањима могла би бити далек сан за следећих 100 година (бити оптимиста!), Али нас то не спречава да гледамо податке које генерише слична услуга која тренутно ради, а која ће бацити више светла на то како клијент услуга и подршка се изводе у сценарију „након продаје“ и како организације могу да се укључе у побољшање својих напора у реалном времену.

За почетак, Соутхвест Аирлинес је једна од најславнијих авиокомпанија која је искористила Биг дата како би побољшала своје корисничко искуство. У настојању да побољша ваздушну безбедност, Соутхвест Аирлинес је сарађивао са НАСА-ом како би се укључио у експеримент са великим подацима за побољшање укупног летачког искуства. То укључује позивање НАСА сателита са информацијама о путањи лета, извештајима пилота и осталим информацијама о ваздушном саобраћају. На врхунцу такве иновативне технике лежи основни концепт великих података назван „руковање подацима“ који претвара неструктуриране текстуалне информације у смислен текст за увиде. Дакле, мислили сте да се ту завршава руковање подацима?

Наравно да није, чак и једноставан концепт у великим подацима, као што је руковање подацима, шири се и даље од тога. Сви знамо да су повратне информације купаца важна компонента у разумевању где организација греши у сваком тренутку интеракције са купцем. Руковање подацима такође помаже корисничкој служби анализирајући отворене одговоре на анкете. Уместо да ограниче купце на уобичајене опције попут опције А, опције Б, опције Ц, отворена питања дају више увида, али њихово класификовање и бележење одговора може бити кључно питање. Ту долази до изражаја руковање подацима где групише одређени скуп речи и обједињује их ради увида!

Гледајући даље од тога, сви морамо признати да ниједна организација није савршена и да свака од њих има мали број купаца који можда нису задовољни услугом. Резултат? База података преплављена е-поштом, порукама, твитовима купаца који региструју жалбе или саветима за „подручја побољшања“, да то кажемо прилично меко. Рударство текстуалних података иде корак даље од традиционалних филтера поште и може класификовати пошту према приоритету и преусмерити је до одељења у питању.

ЗАБАВА ЧИЊЕНИЦА : Да ли сте знали да је Соутхвест Аирлинес, као део својих напора да побољша услуге за кориснике, применио анализу података са функцијом званом „анализа говора“ која бележи интеракцију између клијента и особља ради увида!

7.Маркетинг: Обука запослених о систематском маркетиншком приступу са великим подацима

Маркетинг као активност данас је важан само за бројеве. Уз нагли пораст дигиталног маркетинга, сада можемо тачно да меримо одзив огласа, стопу учесталости кликова, приказе, повраћај улагања и тако даље. За не-маркетиншке професионалце такве метрике су можда грчке, али за оне који се баве маркетингом ови подаци су рудник злата. После тога, заједно са метрици, генеришу се велики делови података у свим тачкама интеракције са купцем, друштвеним медијима и продајом. На професионалцу у маркетингу је да евидентира такве податке и користи их за ефикасније потицање својих производа. Обука за велике податке овде игра суштинску улогу јер платформе попут Хадооп & Р помажу у ту сврху.

Друго, повремени маркетиншки професионалци често се препусте ретроспекцији свог бренда. Питања попут:

По чему је мој бренд бољи од других?

Шта нуде други брендови?

Које карактеристике има мој конкурент на истом производу?

Студија иде много дубље од овога. Од анализе конкурентског производа заснованог на 4П (производ, цена, место, позиционирање) до разумевања садржаја производа који је представљен на веб страници конкурента, количина генерисаних података је огромна и сложена. Као што је раније речено, коришћење предности руковања текстом може маркетингу помоћи да изврши анализу конкурената једноставним пописивањем веб локације конкурента. Ова једноставна функција у домену великих података може дати обједињену представу о томе шта конкурент ради и које производе има на тржишту, а тиме и маркетингу који је прихватио велике податке дао предност!

Наоружавање креативног

На пример, стратег социјалних медија жели да зна о перцепцији бренда своје организације на платформама друштвених медија, а онда ће вероватно укључивање у анализу сентимента у Р & Хадооп помоћи у постизању овог циља. На исти начин, употреба алата Биг Дата помаже маркетингу у разним активностима као што су цене, позиционирање производа и тако даље.

Још један пример би могао бити менаџер маркетинга у малопродајном објекту који жели да повећа продају. Сви би знали пример Валмарта који је био у стању да позиционира пиво и млеко упоредо у пролазу на основу претходне историје куповине купаца дохватајући велике делове података који обухватају милионе купаца током времена!

ЗАБАВА ЧИЊЕНИЦА: Да ли сте знали да је Генерал Моторс са годишњим маркетиншким буџетом од 2 милијарде долара годишње користио Биг Дата Аналитицс за израду детаљних профила купаца и комбиновање аналитике просторних података са детаљним демографским подацима / подацима о купцима за персонализованији маркетинг!

Зашто се компаније пребацују на платформе Биг Дата

Типично, организације које користе старе старе системе имају податке раширене у многим системима. Због ширења података на различитим локацијама, брзина обраде опада заједно са тачношћу анализе података. То захтева обједињавање података у пословном чворишту података што ствара бржи приступ подацима што резултира дубљом аналитиком. Један од важних циљева ИТ одељења у било којој организацији је пружање тачних података брзо за сва одељења у организацији на захтев.

Како се подаци прикупљају, важно је објединити неструктуриране, структуриране и полуструктуриране изворе података на једној платформи ради дубинске анализе и у основи помоћи пословном одлучивању. Ова карактеристика Хадооп-а доводи више људи за сто у организацији јер постоје запослени који у свакодневним операцијама ступају у интеракцију са подацима на различитим додирним тачкама. Такође, традиционални ЕТЛ и шаржни процеси могу потрајати дуго, док Хадооп са великом количином шаржне обраде убрзава и до 10 пута.

Значај Хадооп-а не значи нужно да сваки запослени у организацији треба да буде обучен на платформи Биг Дата, што у већини случајева можда није изводљиво. Али била би стратешка предност за ЦТО да идентификује и обучи оне професионалце који су у сталној интеракцији са подацима.

Покривајући складиштење, обраду и проналажење података путем популарне платформе Хадооп, још један важан феномен који је део природног напретка је аналитика великих података. Поједностављено речено, организацијама је потребна вишеструка перспектива различитих професионалаца унутар организације.

Број „6“ се може видети као број „9“ са друге стране табеле. Другим речима, закључак из посматрања података разликује се од особе до особе.

Организације то знају и често се баве обуком запослених на сличној платформи, тако да људи из различитих одељења међусобно повезаних истом активношћу разговарају, укључују се и деле увиде за доношење здравих одлука. Дакле, верујем да би било сигурно дефинисати тренинг великих података као прилику да сваки запослени буде на истој страници и подигне организације на виши ниво!

Имате питање за нас? Спомените их у одељку за коментаре и јавићемо вам се.

Повезани постови: