ข่าวล่าสุดของสหรัฐอาหรับเอมิเรตส์ที่บังคับให้รับราชการทหารสำหรับผู้ชายชาว Emirati ทุกคนที่มีอายุระหว่าง 18 ถึง 30 ปีทำให้ฉันต้องคิดว่าเหตุใดประเทศต่างๆที่ไม่คำนึงถึงสถานะทางเศรษฐกิจของพวกเขาจึงมั่นใจได้ว่าพลเมืองเตรียมพร้อมที่จะปกป้องประเทศ
อาจโต้แย้งได้ว่าจำนวนพลเมืองในประเทศที่ จำกัด มักบังคับให้รัฐบาลบังคับให้รับราชการทหาร แต่จีนล่ะ? เป็นประเทศที่มีจำนวนประชากรมากที่สุด แต่ยังช่วยให้ประชาชนได้รับการศึกษาเพิ่มเติมเพื่อรับใช้เวลาทางทหาร ในระยะสั้นประเทศต่างๆกำลังเตรียมตัวเองเพื่อป้องกันในกรณีที่เกิดความขัดแย้งและทุกคนต้องเตรียมพร้อมสำหรับมัน ไม่ว่าจะเป็นช่างไฟฟ้านักธุรกิจช่างไม้ต่างก็รวมตัวกันเพื่อสาเหตุร่วมกัน
อาจฟังดูแปลกประหลาดเราสามารถวาดเส้นขนานที่แปลกประหลาดระหว่างประเทศดังกล่าวกับองค์กรในปัจจุบันที่ต้องการคงความสามารถในการแข่งขันได้ ภัยคุกคามในปัจจุบันหรือความท้าทายในรูปแบบของข้อมูลขนาดใหญ่ได้กระตุ้นให้องค์กรทั้งใหญ่และเล็กรวบรวมกำลังคนในหน่วยงานต่างๆเพื่อแก้ไขปัญหาดังกล่าว ในการดำเนินการต่อไปโดยทั่วไปประเทศต่างๆที่บังคับใช้เกณฑ์ทหารภาคบังคับมักจะมีเกณฑ์คุณสมบัติในทำนองเดียวกับที่องค์กรต่างๆพบว่ามีเหตุผลในการให้การฝึกอบรมข้อมูลขนาดใหญ่เฉพาะกับพนักงานที่มีปฏิสัมพันธ์บางรูปแบบกับข้อมูลจำนวนมากและจำเป็นต้อง ใช้ Hadoop ในทุกจุดสัมผัส
เช่นเดียวกับนายพลกองทัพบกในการประสานงานกับรัฐบาลเป็นผู้ตัดสินใจว่าจะกำหนดประเภทของอาวุธและการฝึกอบรมให้กับพลเมืองมือใหม่ที่ได้รับการคัดเลือกใหม่ในลักษณะเดียวกับที่ CTO คาดว่าจะเป็นผู้ควบคุมโครงสร้างพื้นฐานไอทีและมรดก ระบบขับเคลื่อนนวัตกรรมเทคโนโลยีใหม่เพื่อให้พนักงานทำงานได้ดีขึ้น ด้วยวัตถุประสงค์ร่วมกันในการจัดการกับข้อมูลขนาดใหญ่ให้เราพยายามทำความเข้าใจในรายละเอียดว่าข้อมูลขนาดใหญ่ถูกนำไปใช้ที่ใดและเหตุใดการฝึกสหายของคุณจึงสำคัญ
1. เทคโนโลยีสารสนเทศ: การเพิ่มผลผลิตด้วยการฝึกอบรมข้อมูลขนาดใหญ่
ทีมไอทีอาจเป็นผู้นำระดับแนวหน้าของการใช้งานข้อมูลขนาดใหญ่ทีมไอทีจึงเป็นศูนย์กลางในการเปลี่ยนแปลงไปข้างหน้า ผู้มีอำนาจตัดสินใจในการฝึกอบรมด้านไอทีที่ต้องการฝึกอบรมข้อมูลขนาดใหญ่ให้กับพนักงานจะต้องเริ่มต้นด้วยแผนกไอที ทำไม? เนื่องจากเมื่อพูดถึงการมีส่วนร่วมกับเทคโนโลยีในทุกขั้นตอนของกิจกรรมผู้เชี่ยวชาญที่ชั้นใต้ดิน (คำแสลงยอดนิยมสำหรับไอที) จึงอยู่ใกล้ที่สุด แล้วมันเกี่ยวข้องกันอย่างไร?
ให้เราดูรายงานที่ส่งโดยไซต์ยอดนิยม CIO ซึ่งระบุว่า:
“ จากการสำรวจล่าสุดของ CompTIA ของผู้บริหารธุรกิจและไอทีในสหรัฐอเมริกา 500 คนพบว่า 50 เปอร์เซ็นต์ของ บริษัท ที่อยู่เหนือเส้นโค้งในการใช้ประโยชน์จากข้อมูลและ 71 เปอร์เซ็นต์ของ บริษัท ที่ใช้ประโยชน์จากข้อมูลโดยเฉลี่ยหรือล้าหลังรู้สึกว่าพนักงานของพวกเขามีปานกลางหรือ ขาดทักษะในการจัดการและวิเคราะห์ข้อมูลอย่างมีนัยสำคัญ”
เนื่องจากข้อเท็จจริงที่ว่าการจัดการข้อมูลและการจัดเก็บข้อมูลเป็นส่วนหนึ่งของหน้าที่หลักของไอทีจึงจำเป็นต้องมีแนวทางคู่ขนานในการใช้งานแพลตฟอร์มข้อมูลขนาดใหญ่และเสริมสร้างทักษะด้านไอทีภายในข้อมูลขนาดใหญ่ การสนับสนุนข้อเท็จจริงคือรายงานของ McKinsey ที่ระบุว่าภายในปี 2018 จะขาดแคลนผู้เชี่ยวชาญกว่า 140,000-190,0000 คนที่มีความเชี่ยวชาญด้านเทคนิคและการวิเคราะห์อย่างลึกซึ้ง! เนื่องจากผู้เชี่ยวชาญด้านเทคนิคต้องการการฝึกอบรมข้อมูลขนาดใหญ่มากขึ้นเรื่อย ๆ องค์กรต่างๆจึงต้องการฝึกอบรมผู้เชี่ยวชาญด้านเทคนิคให้มากขึ้นสำหรับ ROI ที่รวดเร็วและผู้เชี่ยวชาญด้านแพลตฟอร์มผู้ดูแลระบบและวิศวกรที่ทำงานในแผนกไอทีจึงเป็นผู้ควบคุม
แต่งงานกับ Trinity ของฟังก์ชัน Core IT กับ Big Data
คำว่าตรีเอกานุภาพมักทำให้ฉันนึกถึงแนวคิดทางศาสนาสองประการ: หนึ่งคือตำนานของชาวฮินดูของผู้สร้างผู้พิทักษ์และผู้ทำลายและอีกเรื่องคือแนวคิดของคริสเตียนเกี่ยวกับพ่อลูกชายและผีศักดิ์สิทธิ์ ทั้งสองมุ่งมั่นเพื่อความเป็นอยู่ที่ดีขึ้นของมนุษยชาติ ในทำนองเดียวกันหน้าที่ทั้งสามนี้ของทีมไอทีมุ่งมั่นที่จะพัฒนาทั้งองค์กรให้ดีขึ้นด้วยแผนกที่มีความต้องการที่แตกต่างกันเมื่อพูดถึงเทคโนโลยีสารสนเทศ นอกเหนือจากฟังก์ชั่นการรักษาความปลอดภัยและการสนับสนุนแล้วแผนกไอทียังสามารถเกี่ยวข้องกับฟังก์ชันเหล่านี้เมื่อต้องใช้ข้อมูลขนาดใหญ่
การวางแผน - กิจกรรมการวางแผนภายในทีมไอทีมุ่งเน้นไปที่การตรวจสอบให้แน่ใจว่ากลยุทธ์ด้านไอทีขององค์กรสอดคล้องกับวัตถุประสงค์ทางธุรกิจ ซึ่งรวมถึงการปรับแต่งซอฟต์แวร์การนำแพลตฟอร์มใหม่ ๆ ที่ตรงกับความต้องการของแผนกธุรกิจต่างๆ กล่าวอีกนัยหนึ่งการใช้งานใหม่ ๆ จะเริ่มจากไอทีเสมอ
เครือข่าย - เกี่ยวข้องกับการพัฒนาเครือข่ายที่อำนวยความสะดวกในการสื่อสารทุกรูปแบบระหว่างเสียงข้อมูลวิดีโอและการรับส่งข้อมูลทางอินเทอร์เน็ตและมีจุดตรวจต่างๆสำหรับการบันทึกข้อมูลไม่ว่าจะเป็นการโต้ตอบกับลูกค้าการวิเคราะห์ความรู้สึกและการอัปเดตปริมาณการใช้ข้อมูลทั้งหมดนี้รวบรวมข้อมูลแบบเรียลไทม์! แผนกไอทีมักจะทำให้การรวมเครือข่ายทำงานได้อย่างราบรื่นพร้อมกับวัตถุประสงค์ในการประมวลผลข้อมูลขนาดใหญ่
ข้อมูล - พูดง่ายๆก็คือทีมไอทีจะนำเครื่องมือในการรวบรวมจัดเก็บจัดการรักษาความปลอดภัยและแจกจ่ายข้อมูลให้กับพนักงานเพื่อการตัดสินใจเชิงกลยุทธ์ต่างๆในองค์กร ข้อมูลทุกรูปแบบเช่นบันทึกการขายบันทึกทางการเงินรายละเอียดสต็อกจะถูกเก็บไว้ในศูนย์ข้อมูลเดียว สิ่งนี้ก่อให้เกิดความรับผิดชอบภายในทีมไอทีในการใช้แพลตฟอร์มสำหรับข้อมูลขนาดใหญ่ที่อนุญาตให้ผู้ใช้ที่กำหนดสามารถจัดเก็บและดึงข้อมูลในตำแหน่งข้อมูลใดก็ได้
ในทีมไอทีทุกทีมต้องการสมาชิกที่หลากหลายและมีภารกิจที่แตกต่างกันไปสู่การนำบิ๊กดาต้ามาใช้ ในการเริ่มต้นจำเป็นต้องมีผู้เชี่ยวชาญที่ช่วยให้การเปลี่ยนจากระบบดั้งเดิมไปสู่แพลตฟอร์มข้อมูลขนาดใหญ่เป็นไปอย่างราบรื่น สำหรับสิ่งนั้นต้องใช้นักเทคโนโลยีเพื่อมุ่งเน้นไปที่การดูแลรักษาแพลตฟอร์มในวงจรชีวิตทั้งหมดในทุกแผนก จากนั้นจำเป็นต้องมีสมาชิกที่ต้องคอยตรวจสอบตลอดเวลาว่าการใช้งานเทคโนโลยีทุกอย่างสอดคล้องกับวัตถุประสงค์ขององค์กรหรือไม่
2. การพัฒนาผลิตภัณฑ์: การทบทวนนวัตกรรมในทุกขั้นตอนของการวิจัยและพัฒนา
บางทีแผนกที่สำคัญที่สุดแผนกหนึ่งในการนำพาองค์กรไปสู่อีกระดับของนวัตกรรม! ข้อได้เปรียบที่ใหญ่ที่สุดอย่างหนึ่งของข้อมูลขนาดใหญ่คือการรวมข้อมูลข้ามจุดสัมผัสที่แตกต่างกันในการพัฒนาผลิตภัณฑ์ตั้งแต่การออกแบบผลิตภัณฑ์การผลิตคุณภาพการรับประกันการวินิจฉัยยานพาหนะและซอฟต์แวร์ ข้อมูลที่สร้างขึ้นจากจุดสัมผัสเหล่านี้กำหนดวิธีที่ผลิตภัณฑ์เป็นและความสำเร็จของผลิตภัณฑ์ โดยพื้นฐานแล้วสิ่งนี้จะนำนักพัฒนาผลิตภัณฑ์ผู้เชี่ยวชาญด้านการวิจัยและพัฒนาและนักออกแบบไปสู่แนวทางที่ขับเคลื่อนด้วยข้อมูลและการวิเคราะห์ข้อมูล
วิศวกรรม Big Data ให้เป็นจริง
วิธีสแกน char ใน java
เมื่อพูดถึงการพัฒนาผลิตภัณฑ์ตัวอย่างที่ได้รับความนิยมอย่างหนึ่งก็คือรถยนต์ที่มีคนขับน้อยกว่าที่ Audi กำลังพัฒนาและวางแผนที่จะเปิดตัวภายในปี 2559 ใช่แล้วมีทีมพัฒนาผลิตภัณฑ์ที่มีภารกิจใหญ่ในการทำให้แน่ใจว่าวิสัยทัศน์ด้านนวัตกรรมของ CEO จะบรรลุผลสำเร็จ . แต่ระหว่างทางมีความท้าทายและคำถามมากมายตั้งแต่การพัฒนาไปจนถึงการทดสอบที่มีเพียงข้อมูลขนาดใหญ่เท่านั้นที่สามารถตอบได้ ให้เราดูว่าทำไม
พิจารณาการทดสอบการขับขี่จากจุด A ไปยังจุด B ประเภทของข้อมูลที่สามารถสร้างได้มีดังนี้
ก. ข้อมูลเซ็นเซอร์ - เซ็นเซอร์ภายในรถสามารถเก็บรายละเอียดเกี่ยวกับระยะทางที่วัดได้ระหว่างรถคันหลังและข้างหน้าและความถี่ของยานพาหนะที่พบในการเดินทาง
ข. ข้อมูลผู้ขับขี่ - สามารถทำการทดสอบได้หลายรายการกับกลุ่มอายุที่แตกต่างกันและรายละเอียดระดับความสะดวกสบายสมรรถนะและจำนวนครั้งที่ผู้ขับขี่ต้องใช้ในการแทนที่การขับขี่อัตโนมัติจะถูกบีบอัดเป็นแถวและคอลัมน์จำนวนมากเพื่อการวิเคราะห์
ค. ข้อมูลประชากร - การทดสอบอาจดำเนินการในอินเดียและในสหรัฐอเมริกา A.I ภายในการขับขี่อัตโนมัติสามารถวิเคราะห์สิ่งกีดขวางที่พบในการขับขี่ในสองประเทศที่แตกต่างกัน ประเทศใดมีความสามารถในการขับขี่อัตโนมัติมากกว่าและมณฑลใดที่ไม่ใช่
ง. ข้อมูลผลการดำเนินงานของตลาด - หลังจากเปิดตัวผลิตภัณฑ์และวางจำหน่ายบนท้องถนนแล้ววิศวกรยังสามารถตรวจสอบความสำเร็จของผลิตภัณฑ์ได้โดยการวิเคราะห์ข้อมูลสดพร้อมฟีดที่โปรแกรมของรถยนต์ให้มาตลอด 24 × 7 โดยให้ข้อมูลเชิงลึกหากการแนะนำการขับขี่อัตโนมัติช่วยในการรักษา ถนนปลอดภัยกว่า?
มีข้อมูลที่เป็นไปได้ N จำนวนที่สามารถแยกออกจากวิศวกรรมผลิตภัณฑ์ได้ เราเพิ่งเริ่มสำรวจ OEM จากอุตสาหกรรมยานยนต์ ลองนึกถึงความเป็นไปได้ของข้อมูลขนาดใหญ่ในภาคส่วนต่างๆเช่นการแพทย์การดูแลสุขภาพอุปกรณ์อิเล็กทรอนิกส์และอื่น ๆ ใครจะรู้?
สนุกกับความเป็นจริง: คุณรู้ไหมว่าการใช้ Big Data และ Analytics ของฟอร์ดช่วยให้รอดพ้นจากประสบการณ์เฉียดตายในทศวรรษ 2000 เมื่อการแข่งขันรุนแรงจากผู้ผลิตรถยนต์ในยุโรปและเอเชีย!
3. การเงิน: ฝึกอบรมพนักงานบนแพลตฟอร์มข้อมูลขนาดใหญ่เพื่อจัดการกับการสร้างแบบจำลองทางการเงิน
เรามักจะเคยได้ยินคำที่ว่าเงินคือสายเลือดของธุรกิจ การดูแลเงินนั้นถือเป็นความรับผิดชอบของฝ่ายการเงิน โลกธุรกิจกำหนดหน้าที่ของแผนกการเงินโดยปกติจะเกี่ยวข้องกับการวางแผนการจัดระเบียบการตรวจสอบการบัญชีและการควบคุมการเงินของ บริษัท ควบคู่ไปกับการผลิตการเงินของ บริษัท
ต้องบอกว่าแผนกการเงินโดยทั่วไปมักจะเป็นผลิตผลในการจัดการเงินและบทบาทจะขยายไปสู่กิจกรรมต่าง ๆ เช่นการสร้างงบกระแสเงินสดการสร้างแบบจำลองต้นทุนการรับรางวัลและการปฏิบัติตามเพื่อชื่อไม่กี่ ไม่กี่สิบปีที่ผ่านมาการดำเนินกิจกรรมเหล่านี้ด้วยระบบและแพลตฟอร์มที่ จำกัด นั้นค่อนข้างเป็นไปได้ แต่ในยุคของข้อมูลขนาดใหญ่ความท้าทายสองประการที่แผนกการเงินทุกฝ่ายต้องเผชิญคือการปฏิบัติหน้าที่ทางการเงินอย่างสม่ำเสมอในสถานการณ์ที่เปลี่ยนแปลงไปและรวบรวมข้อมูลเชิงลึกสำหรับอนาคต ให้เรามองจากมุมมองที่ลึกขึ้น
ด้วยข้อมูลที่กระจายไปตามเซิร์ฟเวอร์ต่างๆองค์กรต่างๆมักจะพบกับความท้าทายในการรวบรวมข้อมูลนั้นและดำเนินการตามความต้องการทางธุรกิจ หน้าที่สำคัญภายในคือการตรวจสอบภายในที่คอยดูแลการกำกับดูแลองค์กรการจัดการความเสี่ยงและการควบคุมการจัดการและดำเนินการตรวจสอบการทุจริตเชิงรุกเพื่อระบุการกระทำที่เป็นการฉ้อโกง ด้วยการเพิ่มขึ้นของการวิเคราะห์จึงจำเป็นต้องผสานรวมการตรวจสอบภายในด้วย สิ่งนี้ได้จุดประกายวิธีการใหม่ ๆ เช่นการวิเคราะห์ข้อมูลการตรวจสอบซึ่งช่วยประเมินความเสี่ยงสร้างแบบจำลองทางการเงินและให้ภาพรวมของการเงินภายในองค์กร
การสร้างแบบจำลองต้นทุนและการสร้างราคา
การสร้างแบบจำลองต้นทุนเป็นองค์ประกอบที่สำคัญสำหรับการใช้ทรัพยากรอย่างมีประสิทธิภาพ บริษัท ต่างๆจะต้องระบุกิจกรรมที่ผลักดันต้นทุนวัสดุทางตรงทั้งหมดและแรงงานที่จำเป็นสำหรับการทำงานให้สำเร็จและอื่น ๆ การสร้างแบบจำลองต้นทุนช่วยให้ บริษัท ต่างๆสามารถระบุต้นทุนการผลิตโดยรวมของผลิตภัณฑ์ในทุกกิจกรรมภายใน บริษัท ได้อย่างแม่นยำ ในยุคของข้อมูลขนาดใหญ่การติดตามกิจกรรมทางการเงินทั้งหมดที่เกิดขึ้นในหน่วยงานต่างๆภายในองค์กรที่รวบรวมข้อมูลนั้นเพื่อสร้างรูปแบบต้นทุนที่เหมาะสมเป็นสิ่งสำคัญ ตั้งแต่การซื้อจนถึงการขายข้อมูลทั้งหมดจะถูกจัดเก็บไว้ในประวัติการเงินและพื้นฐานเบื้องต้นของการพัฒนาแบบจำลองต้นทุนคือการดึงข้อมูลจำนวนมากและสร้างแบบจำลองที่สามารถนำไปใช้ในอนาคตได้
แม้ว่าเราจะสามารถถกเถียงกันได้ว่าความพยายามในการสร้างมูลค่าตามราคานั้นมุ่งไปที่การขายมากขึ้นเพื่อเพิ่มผลกำไร แต่ฝ่ายการเงินก็มีบทบาทมากขึ้นในการได้รับประโยชน์จากการทำให้ราคาเป็นจริง หากต้องการแจกแจงให้เข้าใจง่ายขึ้นให้พิจารณาร้านค้าปลีกที่มีแผนจะให้ส่วนลดเพื่อผลักดันยอดขาย วัตถุประสงค์พื้นฐานคือเพื่อลดการรั่วไหลของราคาและปรับปรุงราคาในกระเป๋า
การรั่วไหลของราคาเกิดขึ้นเมื่อมีการลดราคาสินค้าให้น้อยลง (ในการเสนอราคาเพื่อขาย) จนทำให้ผลกำไรลดลงและราคาในกระเป๋าคือส่วนลดราคาขายหลังการขาย เพื่อตอบสนองความพยายามในการสร้างราคาที่ทำกำไรได้ทีมขายจึงร่วมมือกับแผนกการเงินเพื่อทำความเข้าใจโครงสร้างของต้นทุนสำหรับผลิตภัณฑ์แต่ละรายการและที่ที่สามารถให้ส่วนลดได้ สิ่งนี้ต้องการให้ฝ่ายการเงินพัฒนากรอบสำหรับรูปแบบการกำหนดราคาสำหรับอนาคตและกำหนดขีด จำกัด ภายในกิจกรรมทางการตลาดดังกล่าว งานนี้รวมถึงการประมวลผลข้อมูลจากการจัดซื้อต้นทุนคลังสินค้าอายุการเก็บรักษาและประเมินต้นทุนสินค้าที่ขาย (CGS)
F-12 & Predictive Analytics
หนึ่งในกิจกรรมที่สำคัญภายในแผนกการเงินคือการตรวจสอบสถานะทางการเงินขององค์กร เช่นเดียวกับที่แพทย์ใช้ตัวชี้วัดที่แตกต่างกันเช่นอัตราการเต้นของชีพจรความอบอุ่นของร่างกายหรือปฏิกิริยาต่อสิ่งเร้าในการตัดสินว่าผู้ป่วยยังมีชีวิตอยู่หรือเสียชีวิตในลักษณะเดียวกับที่โลกการเงินจะตรวจสอบเมตริก 12 รายการเพื่อให้ทราบว่า บริษัท กำลังมุ่งหน้าไปที่ใดในการสร้างรายได้และสิ่งที่อยู่เหนือกว่า . จากการเติบโตของรายได้ที่แท้จริง, การเติบโตของรายได้อย่างยั่งยืน, นโยบายการกำหนดราคาและดัชนีราคา, การควบคุมค่าใช้จ่ายในการดำเนินงาน, การเปรียบเทียบ EBITDA เทียบกับกระแสเงินสด, กระแสเงินสดที่ไม่เป็นหนี้, เงินสดส่วนเกิน, ผลตอบแทนจากสินทรัพย์, เงินทุนหมุนเวียน, การใช้เงินทุนจากหนี้, วงจรการค้าสุทธิและต้นทุน ของเงินทุนเป็นองค์ประกอบที่สำคัญในการรายงานทางการเงินสำหรับองค์กรเพื่อให้ผู้บริหารระดับสูงสามารถตัดสินใจได้อย่างถูกต้อง
ในฐานะที่เป็นส่วนหนึ่งของความท้าทายในโลกข้อมูลขนาดใหญ่การทำความเข้าใจกับอัตราส่วนเหล่านี้จำเป็นต้องมีการประมวลผลข้อมูลจำนวนมากที่กระจายอยู่ทั่วทั้งองค์กรเพื่อให้อยู่ในรูปแบบมาตรฐานสำหรับการวิเคราะห์ การวิเคราะห์เชิงคาดการณ์เข้ามามีบทบาทเมื่อข้อมูลนี้ได้รับการประมวลผลจากประวัติในอดีตเมื่อเทียบกับองค์ประกอบเดียวกันในปัจจุบันซึ่งทำให้การประมาณค่าที่แม่นยำสำหรับอนาคต ส่วนที่ดีที่สุดคือแพลตฟอร์มการวิเคราะห์เชิงคาดการณ์และวิธีการที่สร้างขึ้นเพื่อประมวลผลข้อมูลขนาดใหญ่จึงทำให้งานของแผนกการเงินง่ายขึ้น
สนุกกับความเป็นจริง: คุณทราบหรือไม่ว่า Oversea-Banking Corporation (OCBC) ซึ่งตั้งอยู่ในสิงคโปร์สามารถใช้ข้อมูลขนาดใหญ่สำหรับข้อมูลเชิงลึกของลูกค้าซึ่งมีหน้าที่โดยตรงในการหาลูกค้าใหม่ที่เพิ่มขึ้น 40%!
4. ทรัพยากรบุคคล: นิยามใหม่ของความสามารถของพนักงาน HR
การจินตนาการถึงข้อมูลขนาดใหญ่ในฝ่ายทรัพยากรบุคคลอาจกระตุ้นให้ผู้อ่านมองว่าเป็นคนไร้สาระเนื่องจากโดยทั่วไปแล้วองค์กรไม่ได้ให้ความสำคัญกับการนำเทคโนโลยี Big Data มาใช้ในแผนกทรัพยากรบุคคลมากนักเนื่องจากเน้นที่การตลาดการปฏิบัติการหรือการเงิน แต่ในความเป็นจริงแล้วฝ่ายทรัพยากรบุคคลมีบทบาทสำคัญในการตรวจสอบให้แน่ใจว่าความสามารถที่เหมาะสมเข้าสู่องค์กรท่ามกลางกิจกรรมอื่น ๆ
เพิ่มฟันให้กับผช
บางทีสิ่งที่ถูกละเลยมากที่สุดในทุกแผนกเมื่อพูดถึงการนำข้อมูลขนาดใหญ่ไปใช้ แต่ในโลกที่เปลี่ยนแปลงไปอย่างรวดเร็วในปัจจุบันวิธีการทำงานของแผนกทรัพยากรบุคคลกำหนดความสำเร็จขององค์กร
จากข้อมูลของ Forbes บริษัท ขนาดใหญ่โดยเฉลี่ยมีแอปพลิเคชัน HR ที่แตกต่างกันมากกว่า 10 รายการและระบบ HR หลักของพวกเขามีอายุมากกว่า 6 ปี แนวโน้มนี้เน้นถึงความจริงที่ว่าองค์กรต้องการทรัพยากรที่ถูกต้องเพื่อนำข้อมูลนี้มารวมกัน การฝึกอบรมใน Big Data & Analytics นำทักษะต่างๆเช่นการวิเคราะห์ข้อมูลการสร้างภาพและการแก้ปัญหาตั้งแต่การรายงานการปฏิบัติงานไปจนถึงการวิเคราะห์เชิงกลยุทธ์
โดยค่าเริ่มต้นแผนกทรัพยากรบุคคลคาดว่าจะส่งมอบในแง่ของการปฏิบัติงานด้านทรัพยากรบุคคลขั้นพื้นฐาน แต่การฝึกอบรม Big Data จะนำไปสู่ระดับใหม่ทั้งหมด ในขณะที่แผนกทรัพยากรบุคคลมีการวิเคราะห์เครื่องมือมากขึ้นจึงเปลี่ยนแนวทางเพื่อมีส่วนร่วมในกิจกรรมเชิงกลยุทธ์มากขึ้น คำถามที่สำคัญเช่นวิธีการมีปัจจัยการรักษาพนักงานที่ส่งผลต่อคุณภาพการขายของผู้สมัครและการประเมินช่องว่างของบุคลากรจะถูกระบุและขั้นตอนเชิงกลยุทธ์จะดำเนินการผ่านการวิเคราะห์ข้อมูลที่เกี่ยวข้อง
ความแตกต่างระหว่างแฮชแมปและแฮชแท็ก
การเปลี่ยนแปลงจะเปลี่ยนจากจำนวนพนักงานธรรมดาเป็นการวิเคราะห์เชิงคาดการณ์มากขึ้น
Oracle ภายในทรัพยากรบุคคล
มีเรื่องตลกที่ฉันนึกถึงเพื่อนคนหนึ่งที่ทำงานเป็น HR เธอมีงานที่เหนื่อยล้าในการล่าหัวก่อนที่จะส่งผู้สมัครไปยังหัวหน้าแผนกที่เกี่ยวข้องซึ่งจะพูดเฉพาะคำวิเศษ: 'ตกลงจ้างเขากันเถอะ'
ในขณะที่สิ่งต่าง ๆ ดำเนินไปด้วยดีเมื่อเธอนำความสามารถที่ดีมาสู่ บริษัท เมื่อเวลาผ่านไปเธอเริ่มมีความมั่นใจในทักษะการจ้างงานของเธอจนสามารถผลักดันให้ผู้บริหารระดับสูงเพิ่มบุคลากรเข้ามาในทีมได้มากขึ้นการนำระบบทรัพยากรบุคคลไปใช้และรวมถึงที่ปรึกษาบุคคลที่สามมากขึ้น ส่วนที่ยุ่งยากคือเธอสัญญากับผู้บริหารระดับสูงด้วยความมั่นใจ
ประวัติศาสตร์แสดงให้เห็นว่าผู้ที่เตรียมพร้อมสำหรับเหตุการณ์ในอนาคตจะประสบความสำเร็จมากกว่าผู้ที่อยู่บนความรุ่งเรืองในอดีต มีช่วงเวลาหนึ่งที่เธอคาดว่าจะจ้างมืออาชีพจำนวนมากในโดเมนที่ บริษัท กำลังขยายงานเธอเริ่มเติมตำแหน่งงานว่างด้วยการประนีประนอมในการจ้างผู้เชี่ยวชาญที่มีคุณภาพ เธอใช้แนวทางที่ขับเคลื่อนด้วยเป้าหมายมากขึ้น ผลลัพธ์? ผู้เชี่ยวชาญส่วนใหญ่ที่เธอจ้างมาวางเอกสารโดยอ้างเหตุผลหลายประการและเธอถูกตั้งคำถามโดยผู้บริหาร บ่อยครั้งที่ฉันได้ยินเธอพูดพึมพำ:
“ ฉันไล่ล่า 1,000 Cvs, shortlist 100 Cvs, เรียกผู้สมัคร 50 คนเพื่อสัมภาษณ์, กรอง 10 คนจากการประเมินไซโครเมตริกของฉันในบรรดา 10 คนฉันเลือก 5 คนที่คุ้มค่าส่ง 5 คนไปให้ผู้บริหารพวกเขาเป็นศูนย์ใน 1 และ ผู้ชายคนนั้นจะจากไปหลังจาก 2 เดือน”
ฉันหัวเราะเบา ๆ กับความทุกข์ยากของเธอนอกเหนือจากการแสดงความเห็นอกเห็นใจ แต่มันทำให้ฉันสงสัยว่าทรัพยากรบุคคลสามารถตัดสินได้ดีขึ้นจากประสบการณ์ของพวกเขาหรือไม่หรือจำเป็นต้องมีแนวทางที่ขับเคลื่อนด้วยข้อมูลมากขึ้นในกระบวนการจ้างงานทั้งหมดนี้? เราใช้การวิเคราะห์เชิงคาดการณ์จากการค้นหาว่าทีมใดจะคว้าแชมป์ฟุตบอลโลก แต่ทำไมไม่ใช้เทคนิคเดียวกันนี้ในกระบวนการจ้างงานโดยเฉพาะอย่างยิ่งเมื่อเราจัดการกับองค์ประกอบที่ซับซ้อนเช่นมนุษย์?
ตอนนี้งานจ้างไม่จำเป็นต้องเป็นงานง่าย แต่ต้องเกี่ยวข้องกับกระบวนการมากมายและกฎของการจ้างงานมักจะเปลี่ยนไปตามอุตสาหกรรมที่ฝ่ายทรัพยากรบุคคลอยู่ในบทบาทที่เธอจ้างตามกฎขององค์กรเป็นต้น
หากเราสังเกตเห็นองค์กรที่ประสบความสำเร็จซึ่งใช้การวิเคราะห์เชิงคาดการณ์และมีอัตราการออกจากงานน้อยกว่าจะมีรูปแบบของการตัดสินใจเลือกลักษณะที่ต้องการภายในผู้สมัครก่อนเพื่อให้มั่นใจว่าจะประสบความสำเร็จโดยรวมไว้ในโปรไฟล์ 'อุดมคติ' และเปรียบเทียบกับผู้สมัครทุกคนที่ใกล้เคียงที่สุด จากนั้นให้พวกเขามีส่วนร่วมด้วยการประเมินที่กำหนดเองซึ่งประเมินคุณลักษณะของผู้สมัครเหล่านี้
สิ่งที่ควรทราบก็คืออุตสาหกรรมการประเมินไซโครเมตริกทั้งหมดที่มีผู้เล่นชั้นนำเช่น Pearsons, Thomas Assessment & SHL เกิดขึ้นเนื่องจากความต้องการจากผู้เชี่ยวชาญด้านทรัพยากรบุคคลในการวิเคราะห์โปรไฟล์ผู้สมัครเพื่อให้กระบวนการจ้างงานที่สมบูรณ์แบบ!
การกลับไปสู่การวิเคราะห์เชิงคาดการณ์ซึ่งเป็นส่วนหนึ่งของการนำไปใช้งานบุคลากรฝ่ายทรัพยากรบุคคลจะต้องกำหนดก่อนว่าใครคือ 'ผู้สมัครที่ประสบความสำเร็จ' ตามองค์กรจากนั้นเธอ / เขาจะต้องกำหนดปัจจัยที่สามารถขับเคลื่อนประสิทธิผลของการจ้างงานและพัฒนาและปฏิบัติตาม ว่าเหตุใดการจ้างงานบางคนจึงทำได้ดีกว่าคนอื่น ๆ โดยมีสมมติฐานหากจำเป็น จากนั้นเธอ / เขาสามารถเปรียบเทียบกับข้อมูลของพนักงานที่ประสบความสำเร็จซึ่งอยู่กับองค์กรมานานและประการที่สามใช้เทคนิคทางสถิติเพื่อวัดว่าเหตุใดบางคนจึงอยู่นาน
แนวทางนี้เหมาะสำหรับการเริ่มต้น แต่การใช้การวิเคราะห์เชิงคาดการณ์ภายใน HR มีเทคนิคมากมายที่ HR สามารถสำรวจได้ฟรี ส่วนที่ดีที่สุดของกระบวนการนี้คือการลดต้นทุนในการเปลี่ยนพนักงานเป็นพนักงานใหม่และอาจได้รับ ROI มากกว่าแบบเก่า
ในตอนท้ายของวันการผสมผสานระหว่างสัญชาตญาณประสบการณ์และแนวทางที่ขับเคลื่อนด้วยข้อมูลที่ดีมักจะปรับแต่งไม่เพียง แต่วิจารณญาณของ HR เท่านั้น แต่ยังรวมถึงเราด้วย
สนุกกับความเป็นจริง: คุณรู้ไหมว่าซีร็อกซ์ยักษ์ใหญ่ของอเมริกาลดการหมุนเวียนของคอลเซ็นเตอร์ลง 20% โดยใช้การวิเคราะห์กับผู้ที่คาดหวังโดยพบว่าคนที่มีความคิดสร้างสรรค์มีแนวโน้มที่จะอยู่กับ บริษัท เป็นเวลา 6 เดือนซึ่งจำเป็นในการชดใช้ค่าใช้จ่ายในการฝึกอบรม 6,000 ดอลลาร์มากกว่าความอยากรู้อยากเห็น คน?
5. ซัพพลายเชนและโลจิสติกส์: ทีมจัดส่งฝึกอบรมด้วยแพลตฟอร์มข้อมูลขนาดใหญ่
ห่วงโซ่อุปทานและโลจิสติกส์โดยพื้นฐานแล้วเป็นองค์ประกอบที่สำคัญในกลยุทธ์และเป้าหมายขององค์กร วัตถุประสงค์ของ Supply Chain & Logistics คือการประหยัดต้นทุนและปรับปรุงประสิทธิภาพความเร็วและความคล่องตัว เมื่อพูดถึงโลจิสติกส์พวกเขาจะจับและติดตามข้อมูลในรูปแบบต่างๆเพื่อปรับปรุงประสิทธิภาพการดำเนินงานโดยพื้นฐานปรับปรุงประสบการณ์ของลูกค้าและรูปแบบธุรกิจใหม่ ๆ ปัจจัยเหล่านี้มักจะช่วยองค์กรในการอนุรักษ์ทรัพยากรสร้างชื่อตราสินค้าที่ดีขึ้นและสร้างกระบวนการที่เป็นระบบสำหรับห่วงโซ่อุปทานและโลจิสติกส์
ติดตามข้อมูลขนาดใหญ่ทั่วโลก
ขอยกตัวอย่างอีคอมเมิร์ซยักษ์ใหญ่ที่ใช้ Big Data เพื่อส่งมอบให้กับลูกค้า สินค้าจะถูกจัดส่งจากสถานที่ไปยังที่อยู่ของลูกค้า อุปกรณ์ภายในยานขนส่งเช่นตัวติดตาม GPS ไมโครโฟนเซ็นเซอร์มีข้อมูลที่มีโครงสร้างและไม่มีโครงสร้างซึ่งจะถูกส่งกลับไปยังศูนย์ตรวจสอบสำหรับการอัปเดตแบบเรียลไทม์ นอกจากนี้ยังช่วยวิเคราะห์ประสิทธิภาพของเวลาในการจัดส่งเส้นทางที่สั้นที่สุดและทรัพยากรที่ใช้ในการดำเนินการจัดส่งหนึ่งรายการในรายการธุรกรรมดังกล่าวนับล้านรายการ ข้อมูลเหมืองทองคำในตลาดต่างๆนี้รวมเข้าด้วยกันโดยองค์กรต่างๆแล้ววิเคราะห์เพื่อนำไปปรับปรุงกระบวนการต่อไปหรือนำมาซึ่งนวัตกรรมใหม่ทั้งระดับ!
สนุกกับความเป็นจริง : คุณทราบหรือไม่ว่าข้อมูลขนาดใหญ่ในรูปแบบการติดตามหน้าลูกค้าโดย Amazon ได้ช่วยจัดวางสินค้าให้อยู่ในคลังสินค้าที่ใกล้กับลูกค้ามากที่สุดเพื่อปรับปรุงความเร็วและประสิทธิภาพในการจัดส่ง
6. การดำเนินงานการสนับสนุนและการบริการลูกค้า: การฝึกอบรมพนักงานเกี่ยวกับข้อมูลขนาดใหญ่ในทุกปฏิสัมพันธ์กับลูกค้า
ความสำเร็จของผลิตภัณฑ์หรือบริการใด ๆ ขึ้นอยู่กับการสนับสนุนหลังการขายที่ลูกค้าได้รับและบ่อยครั้งที่ผู้ขายสาบานว่าจะอยู่ที่นั่นเพื่อเขา / เธอตลอดเวลา สิ่งนี้มาจากความจริงที่ว่าเมื่อลูกค้าใช้ผลิตภัณฑ์หรือบริการเขาทำให้ 'ก้าวกระโดดของความเชื่อ' โดยหวังว่าผู้ขายจะไม่ปล่อยให้เขา / เธอผิดหวังกับอายุการใช้งานของผลิตภัณฑ์ / บริการ การส่งมอบจากมุมมองนี้มีความสำคัญอย่างยิ่งต่อความสำเร็จขององค์กร
ให้เราดูการสนับสนุนในระดับรายละเอียด ฉันเพิ่งมีโอกาสได้ชม ‘Interstellar’ ของคริสโตเฟอร์โนแลนที่สำรวจการเดินทางในอวกาศไปจนสุดอวกาศ สิ่งนี้ทำให้ฉันนึกถึงสายการบินในอนาคตที่จะให้บริการเที่ยวบินผ่านรูหนอนซึ่งอยู่ห่างออกไปหลายล้านปีแสง! อะไรคือความท้าทาย? ข้อมูลขนาดใหญ่ประเภทใดที่จะถูกสร้างขึ้นในการเดินทางที่แทบไม่มีวันสิ้นสุดนี้? ทีมงานบนเรือจะมั่นใจได้อย่างไรว่าผู้โดยสารจะสนุกตลอดการเดินทาง? ในการเริ่มต้นผู้ให้บริการจะต้องมุ่งเน้นไปที่วัตถุประสงค์หลักเช่นการรับรองความปลอดภัยทางอากาศการติดตามเส้นทางการบินการส่งมอบความต้องการของลูกค้าและอื่น ๆ
ข้อมูลขนาดใหญ่ขณะเดินทาง 24 × 7
แนวคิดสำหรับการเดินทางระหว่างดวงดาวอาจเป็นความฝันที่ห่างไกลไปอีก 100 ปีข้างหน้า (มองโลกในแง่ดี!) แต่มันไม่ได้หยุดเราจากการดูข้อมูลที่สร้างขึ้นโดยบริการที่คล้ายกันซึ่งกำลังดำเนินการอยู่ในขณะนี้ซึ่งจะช่วยให้เข้าใจมากขึ้นว่าลูกค้า การบริการและการสนับสนุนดำเนินการในสถานการณ์ 'หลังการขาย' และวิธีที่องค์กรต่างๆสามารถมีส่วนร่วมในการปรับปรุงความพยายามในแบบเรียลไทม์
เริ่มต้นด้วย Southwest Airlines เป็นหนึ่งในสายการบินที่มีชื่อเสียงมากที่สุดที่ใช้ประโยชน์จากข้อมูลขนาดใหญ่เพื่อปรับปรุงประสบการณ์ของลูกค้า ในการเสนอราคาเพื่อปรับปรุงความปลอดภัยทางอากาศ Southwest Airlines ได้ร่วมมือกับ NASA เพื่อทำการทดลองข้อมูลขนาดใหญ่เพื่อปรับปรุงประสบการณ์การบินโดยรวม ซึ่งรวมถึงการส่งคำสั่ง ping ดาวเทียมของ NASA พร้อมข้อมูลเส้นทางการบินรายงานจากนักบินและข้อมูลการจราจรทางอากาศอื่น ๆ จุดสุดยอดของเทคนิคนวัตกรรมดังกล่าวมีแนวคิดข้อมูลขนาดใหญ่ขั้นพื้นฐานที่เรียกว่า 'text data-mining' ซึ่งจะแปลงข้อมูลที่เป็นข้อความที่ไม่มีโครงสร้างให้เป็นข้อความที่มีความหมายสำหรับข้อมูลเชิงลึก คุณคิดว่าการขุดข้อมูลข้อความจบลงที่นั่นหรือไม่?
วิธีการคอมไพล์ใน java
แน่นอนว่ามันไม่ได้เป็นเช่นนั้นแม้แต่แนวคิดง่ายๆในข้อมูลขนาดใหญ่เช่นการขุดข้อมูลข้อความยังขยายไปไกลกว่านั้น เราทุกคนทราบดีว่าความคิดเห็นของลูกค้าเป็นองค์ประกอบสำคัญในการทำความเข้าใจว่าองค์กรเกิดข้อผิดพลาดใดในทุกจุดของการโต้ตอบกับลูกค้า การขุดข้อมูลข้อความยังช่วยให้บริการลูกค้าด้วยการวิเคราะห์การตอบแบบสำรวจปลายเปิด แทนที่จะ จำกัด ลูกค้าให้ใช้ตัวเลือกทั่วไปเช่นตัวเลือก A ตัวเลือก B ตัวเลือก C คำถามปลายเปิดจะให้ข้อมูลเชิงลึกมากขึ้น แต่การจัดประเภทและบันทึกคำตอบอาจเป็นปัญหาสำคัญ นั่นคือจุดที่การขุดข้อมูลข้อความเข้ามามีบทบาทซึ่งจะจัดกลุ่มคำบางชุดและรวมเข้าด้วยกันเพื่อให้ได้ข้อมูลเชิงลึก!
เมื่อมองไปไกลกว่านั้นเราทุกคนต้องยอมรับว่าไม่มีองค์กรใดสมบูรณ์แบบและทุกองค์กรมีลูกค้ากลุ่มเล็ก ๆ ที่อาจไม่พอใจกับบริการ ผลลัพธ์? ฐานข้อมูลที่เต็มไปด้วยอีเมลข้อความทวีตจากลูกค้าที่ลงทะเบียนข้อร้องเรียนหรือเคล็ดลับ 'ส่วนที่ต้องปรับปรุง' เพื่อวางไว้อย่างนุ่มนวล การขุดข้อมูลข้อความก้าวไปอีกขั้นจากตัวกรองอีเมลแบบเดิมและสามารถจัดประเภทอีเมลตามลำดับความสำคัญและกำหนดเส้นทางใหม่ไปยังแผนกที่มีปัญหา
สนุกกับความเป็นจริง : คุณทราบหรือไม่ว่า Southwest Airlines ซึ่งเป็นส่วนหนึ่งของความพยายามในการปรับปรุงบริการลูกค้าได้ปรับใช้การวิเคราะห์ข้อมูลด้วยคุณลักษณะที่เรียกว่า 'การวิเคราะห์คำพูด' ที่บันทึกการโต้ตอบระหว่างลูกค้าและบุคลากรเพื่อให้ได้ข้อมูลเชิงลึก!
7. การตลาด: ฝึกอบรมพนักงานเกี่ยวกับแนวทางการตลาดที่เป็นระบบด้วยข้อมูลขนาดใหญ่
การตลาดเป็นกิจกรรมเป็นข้อมูลเกี่ยวกับตัวเลขในปัจจุบัน ด้วยการเพิ่มขึ้นของการตลาดดิจิทัลตอนนี้เราสามารถวัดการตอบสนองของโฆษณาอัตราการคลิกผ่านการแสดงผล ROI และอื่น ๆ ได้อย่างแม่นยำ สำหรับมืออาชีพที่ไม่ใช่นักการตลาดตัวชี้วัดดังกล่าวอาจเป็นภาษากรีก แต่สำหรับผู้ที่อยู่ในการตลาดข้อมูลนี้เป็นเหมืองทองคำ หลังจากนั้นพร้อมกับเมตริกข้อมูลจำนวนมากจะถูกสร้างขึ้นในทุกจุดของการโต้ตอบกับลูกค้าโซเชียลมีเดียและการขาย ขึ้นอยู่กับผู้เชี่ยวชาญด้านการตลาดที่จะติดตามข้อมูลดังกล่าวและใช้เพื่อผลักดันผลิตภัณฑ์ของหนึ่งอย่างมีประสิทธิภาพมากขึ้น การฝึกอบรมเกี่ยวกับข้อมูลขนาดใหญ่มีบทบาทสำคัญที่นี่เนื่องจากแพลตฟอร์มเช่น Hadoop & R ช่วยตอบสนองวัตถุประสงค์
ประการที่สองผู้เชี่ยวชาญด้านการตลาดตามเวลามักจะหลงระเริงกับการหวนกลับไปหาแบรนด์ของตน คำถามเช่น:
แบรนด์ของฉันดีกว่าแบรนด์อื่นอย่างไร?
แบรนด์อื่นเสนออะไร
คู่แข่งของฉันมีคุณสมบัติอะไรบ้างในผลิตภัณฑ์เดียวกัน
การศึกษาจะลงลึกกว่านี้มาก ตั้งแต่การวิเคราะห์ผลิตภัณฑ์ของคู่แข่งตาม 4P (ผลิตภัณฑ์ราคาสถานที่ตำแหน่ง) ไปจนถึงการทำความเข้าใจเนื้อหาของผลิตภัณฑ์ที่นำเสนอในหน้าเว็บของคู่แข่งปริมาณข้อมูลที่สร้างขึ้นนั้นมีขนาดใหญ่และซับซ้อน อย่างที่บอกไปก่อนหน้านี้การใช้ประโยชน์จากการขุดข้อความสามารถช่วยให้นักการตลาดทำการวิเคราะห์คู่แข่งได้โดยเพียงแค่รวบรวมข้อมูลเว็บไซต์ของคู่แข่ง ฟังก์ชันง่ายๆนี้ในโดเมนของข้อมูลขนาดใหญ่สามารถให้แนวคิดที่รวมเกี่ยวกับสิ่งที่คู่แข่งกำลังทำอยู่และผลิตภัณฑ์ที่พวกเขามีอยู่ในตลาดจึงทำให้นักการตลาดที่ใช้ข้อมูลขนาดใหญ่ได้เปรียบ!
ติดอาวุธสร้างสรรค์
ตัวอย่างเช่นนักกลยุทธ์ด้านโซเชียลมีเดียต้องการทราบเกี่ยวกับการรับรู้แบรนด์ขององค์กรของเขาในแพลตฟอร์มโซเชียลมีเดียจากนั้นอาจมีส่วนร่วมในการวิเคราะห์ความรู้สึกใน R & Hadoop จะช่วยให้บรรลุเป้าหมายนี้ ในทำนองเดียวกันการใช้เครื่องมือ Big Data ช่วยทำการตลาดในกิจกรรมต่างๆเช่นการกำหนดราคาการกำหนดตำแหน่งผลิตภัณฑ์และอื่น ๆ
อีกตัวอย่างหนึ่งอาจเป็นผู้จัดการฝ่ายการตลาดที่ร้านค้าปลีกที่ต้องการเพิ่มยอดขาย ทุกคนคงรู้จักตัวอย่างของ Walmart ซึ่งสามารถวางตำแหน่งเบียร์และนมเคียงข้างกันในทางเดินตามประวัติการซื้อของลูกค้าที่ผ่านมาโดยการดึงข้อมูลจำนวนมากซึ่งครอบคลุมลูกค้าหลายล้านรายในช่วงเวลาหนึ่ง!
สนุกกับความเป็นจริง: คุณรู้หรือไม่ว่าเจนเนอรัลมอเตอร์สที่มีงบประมาณการตลาดปีละ 2 พันล้านดอลลาร์ต่อปีใช้ Big Data Analytics เพื่อสร้างโปรไฟล์ลูกค้าโดยละเอียดและรวมการวิเคราะห์ข้อมูลเชิงพื้นที่เข้ากับข้อมูลประชากร / ข้อมูลลูกค้าโดยละเอียดเพื่อการตลาดที่เป็นส่วนตัวยิ่งขึ้น!
ทำไม บริษัท ต่างๆจึงเปลี่ยนไปใช้แพลตฟอร์ม Big Data
โดยปกติองค์กรที่ใช้ระบบเดิมจะมีข้อมูลกระจายอยู่ในหลายระบบ เนื่องจากการแพร่กระจายของข้อมูลในสถานที่ต่างๆความเร็วในการประมวลผลจึงลดลงพร้อมกับความแม่นยำในการวิเคราะห์ข้อมูล สิ่งนี้เรียกร้องให้รวมข้อมูลภายในฮับข้อมูลขององค์กรซึ่งจะสร้างการเข้าถึงข้อมูลที่เร็วขึ้นส่งผลให้เกิดการวิเคราะห์ที่ลึกขึ้น วัตถุประสงค์สำคัญประการหนึ่งของแผนกไอทีในองค์กรใด ๆ คือการให้ข้อมูลที่ถูกต้องอย่างรวดเร็วสำหรับทุกแผนกในองค์กรเมื่อมีการร้องขอ
เมื่อมีการรวบรวมข้อมูลสิ่งสำคัญคือต้องรวมแหล่งข้อมูลที่ไม่มีโครงสร้างมีโครงสร้างและกึ่งโครงสร้างเข้าด้วยกันบนแพลตฟอร์มเดียวเพื่อทำการวิเคราะห์เชิงลึกและโดยพื้นฐานแล้วช่วยในการตัดสินใจทางธุรกิจ คุณลักษณะนี้ของ Hadoop ทำให้ผู้คนเข้ามาที่โต๊ะภายในองค์กรได้มากขึ้นเนื่องจากมีพนักงานที่โต้ตอบกับข้อมูลในจุดติดต่อที่แตกต่างกันในการปฏิบัติงานประจำวัน นอกจากนี้ ETL แบบดั้งเดิมและกระบวนการแบทช์อาจใช้เวลานานในขณะที่ Hadoop ที่มีการประมวลผลแบทช์ปริมาณสูงจะเร่งความเร็วได้ถึง 10 เท่า
ความสำคัญของ Hadoop ไม่ได้แปลว่าพนักงานทุกคนในองค์กรจะต้องได้รับการฝึกอบรมในแพลตฟอร์ม Big Data ซึ่งส่วนใหญ่อาจไม่สามารถทำได้ แต่จะเป็นประโยชน์เชิงกลยุทธ์สำหรับ CTO ในการระบุและฝึกอบรมผู้เชี่ยวชาญที่มีปฏิสัมพันธ์กับข้อมูลอย่างต่อเนื่อง
เมื่อครอบคลุมการจัดเก็บการประมวลผลการดึงข้อมูลผ่านแพลตฟอร์ม Hadoop ที่เป็นที่นิยมแล้วปรากฏการณ์สำคัญอีกอย่างหนึ่งที่เป็นส่วนหนึ่งของความก้าวหน้าตามธรรมชาติคือการวิเคราะห์ข้อมูลขนาดใหญ่ เพื่อให้ง่ายขึ้นองค์กรต้องการมุมมองที่หลากหลายจากผู้เชี่ยวชาญที่หลากหลายภายในองค์กร
หมายเลข ‘6’ สามารถมองได้ว่าเป็นเลข ‘9’ จากอีกด้านหนึ่งของตาราง กล่าวอีกนัยหนึ่งข้อสรุปจากการสังเกตข้อมูลแตกต่างกันไปในแต่ละบุคคล
องค์กรรู้เรื่องนี้และมักจะมีส่วนร่วมในการฝึกอบรมพนักงานในแพลตฟอร์มที่คล้ายคลึงกันเพื่อให้ผู้คนจากแผนกต่างๆที่เชื่อมต่อกันในกิจกรรมเดียวกันได้พูดคุยมีส่วนร่วมและแบ่งปันข้อมูลเชิงลึกเพื่อการตัดสินใจที่ดี ดังนั้นฉันเชื่อว่าการกำหนดการฝึกอบรม Big Data เป็นโอกาสที่ปลอดภัยสำหรับพนักงานทุกคนที่จะอยู่ในหน้าเดียวกันและยกระดับองค์กรไปอีกขั้น!
มีคำถามสำหรับเรา? พูดถึงพวกเขาในส่วนความคิดเห็นแล้วเราจะติดต่อกลับไป
กระทู้ที่เกี่ยวข้อง: