7 начина, по които обучението за големи данни може да промени вашата организация



Обучението за големи данни е проникнало в 7 домейна. Научете как работи чрез публикацията в блога!

Неотдавнашните новини за Обединените арабски емирства, които правят военната служба задължителна за всички мъже от емирството между възрастовите групи от 18 до 30 години, ме накараха да се замисля защо държавите, независимо от икономическия им статус, гарантират, че гражданите са готови да защитават страната.





Може да се твърди, че ограничен брой граждани в дадена държава често принуждават правителството да направи задължителна военна служба. Но какво ще кажете за Китай? Това е най-голямата държава по население, но също така гарантира, че гражданите, които отиват за допълнително образование, служат на задължително военно време. Накратко, нациите по принцип се подготвят да се защитават в случай на конфликт и всички трябва да са подготвени за него. Било то електротехник, бизнесмени, дърводелци, всички те се обединяват за обща кауза.

Колкото и странно да звучи, може да се направи удивителен паралел между такива нации и днешните организации, които искат да останат конкурентоспособни. Настоящата заплаха или по-скоро предизвикателство под формата на Големи данни накара големи и малки организации да обединят работната си сила в различни отдели, за да се справят често с нея. За да продължим по-нататък по този начин, обикновено държавите, прилагащи задължителна военна служба, винаги имат критерии за допустимост, по същия начин организациите намират за логично да предоставят обучение за големи данни само на служителите, които имат някаква форма на взаимодействие с големи парчета данни и се изисква да използвайте Hadoop при всяка точка на допир.



Точно както армейски генерал във връзка с правителството решава вида на оръжията и обучението, които да бъдат възложени на неговия иначе начинаещ гражданин, превърнат в новобранци, по същия начин се очаква технически директор да бъде начело на ИТ инфраструктурата и наследството системи, движещи нови технологични иновации, за да позволят на служителите му да работят по-добре. Със споделена цел за справяне с големите данни, нека се опитаме да разберем подробно къде се използват големите данни и защо е важно да обучавате другарите си в тях.

1. Информационни технологии: Подобряване на производителността с обучение за големи данни

Може би в челните редици на внедряването на големи данни, ИТ екипът е епицентърът за придвижване на промяната напред. Вземащият решения за ИТ обучение, който желае да предостави обучение на големи данни на служителите, трябва да започне от ИТ отдела. Защо? Защото, когато става въпрос за ангажиране с технологиите на всеки етап от дейността, отрепки в мазето (популярният жаргон за ИТ) са най-близки. И така, колко е уместно?

Нека разгледаме доклад, представен от популярния сайт, CIO, който гласи:



„Според неотдавнашно проучване на CompTIA сред 500 американски бизнес и ИТ мениджъри, 50 процента от фирмите, които изпреварват кривата на данните за ливъридж, и 71 процента от фирмите, които са средни или изостават в данните за ливъридж, смятат, че техният персонал е умерено или значително дефицитни в уменията за управление и анализ на данни “

Предвид факта, че управлението и съхранението на данни е част от основната функция на ИТ, е необходимо да има паралелен подход към внедряването на платформа за големи данни и укрепване на ИТ уменията в рамките на големите данни. В подкрепа на факта е доклад на McKinsey, в който се посочва, че до 2018 г. ще има недостиг от над 140 000-190 0000 професионалисти с дълбока техническа и аналитична експертиза! Тъй като все повече технически специалисти се нуждаят от обучение за големи данни, организациите се стремят да обучават технически специалисти повече за бързи ROI и специалисти по платформи, администраторите и инженерите, работещи в ИТ отдела, са начело на това.

Сключване на брак с Trinity на основната ИТ функция с големи данни

Терминът Троица често ми напомня за две религиозни концепции: Едната е индуската митология на създателя, запазителя и разрушителя, а другата е християнската концепция за бащата, сина и светия дух. И двамата се стремят към подобряване на човечеството. По същия начин тези три функции на ИТ екип се стремят към подобряване на цялата организация с отдели с различни нужди, що се отнася до информационните технологии. Освен функциите за сигурност и поддръжка, ИТ отдел може да се свърже с тези функции, когато става въпрос за внедряване на големи данни.

Планиране - Дейността по планиране в рамките на ИТ екип се фокусира върху осигуряването на съответствие на ИТ стратегията на организацията с бизнес целите. Това включва работа по персонализиране на софтуер, въвеждане на нови платформи, които отговарят на нуждите на различни бизнес отдели. С други думи, всяко ново внедряване винаги ще започне от ИТ.

Мрежа - Тя включва разработване на мрежи, които улесняват всички форми на комуникация между глас, данни, видео и интернет трафик и има различни контролни точки за записване на данни, независимо дали това е взаимодействие с клиенти, анализ на настроенията и актуализация на трафика, всички те събират данни в реално време! ИТ отделът често осигурява гладка интеграция на мрежи за работа, заедно с целта за обработка на големи данни.

Данни - Казано по-просто, ИТ екипът предлага инструменти за събиране, съхранение, управление, защита и разпространение на данни на служителите за различни стратегически решения в организацията. Всички форми на данни като запис на продажби, финансови записи, подробности за запасите се съхраняват в един център за данни. Това създава отговорност в рамките на ИТ екипа за внедряване на платформи за големи данни, които позволяват на определени потребители да съхраняват и извличат информация на всяко място с данни.

Във всеки ИТ екип човек се нуждае от разнообразна комбинация от членове с различни задачи за внедряване на големи данни. Като начало има нужда от специалист, който да осигурява плавен преход от традиционните системи към платформи за големи данни. За това човек изисква техник, който да се съсредоточи върху поддържането на платформата през целия си жизнен цикъл във всички отдели. Тогава идва нуждата от член, който трябва постоянно да следи дали всяко технологично изпълнение е съобразено с организационната цел.

2. Развитие на продукта: Преосмисляне на иновациите на всички етапи от НИРД

Обучение за големи данни, разработване на продукти, инженеринг

Може би един от най-важните отдели, когато става въпрос за извеждането на организацията на следващото ниво на иновации! Едно от най-големите предимства на големите данни е интегрирането на данни в различни точки на допир при разработването на продукта, от дизайна на продукта, производството, качеството, гаранцията, диагностиката, автомобилните и софтуерните приложения. Данните, генерирани от тези допирни точки, определят начина, по който е продуктът и колко успешен може да бъде. Това основно отвежда разработчиците на продукти, професионалистите в областта на научноизследователската и развойната дейност и дизайнерите към подхода, управляван от данните и анализа на данните.

Инженеринг на големи данни в реалност

Що се отнася до разработването на продукти, един популярен пример би бил автомобилът с по-малко шофьор, който Audi разработва и планира да пусне до 2016 г. Да, има екип за разработка на продукти, който има огромната задача да гарантира, че визията на генералния директор за иновации е изпълнена . Но по пътя има различни предизвикателства и въпроси от развитието до тестването, на които само големите данни могат да отговорят. Нека да видим защо.

Помислете за пробна езда, която се наблюдава от точка А до точка Б. Ето видовете данни, които могат да бъдат генерирани:

а. Данни на сензора - Сензорите в колата могат да съхраняват подробности за разстоянието, което е измерил между автомобилите зад нея и пред нея и честотата на превозните средства, които е срещнал по време на пътуването.

б. Данни за водача - Могат да се проведат множество тестове с различни възрастови групи и подробностите за нивото на комфорт, производителността и колко пъти водачът, необходим за отмяна на автоматичното шофиране, ще бъдат компресирани в големи набори от редове и колони за анализ.

° С. Демографски данни - Тест може да се извърши в Индия и в САЩ. A.I в рамките на автоматичното шофиране може да анализира препятствията, които среща при шофиране в две различни страни. Коя държава е по-жизнеспособна за автоматично шофиране и кой окръг не?

д. Данни за пазарните показатели - След пускането на продукта на пазара, инженерите могат също така да следят успеха му, като анализират данни на живо с емисии, предоставени 24 × 7 от програмата на автомобила, даваща прозрения, ако въвеждането на автоматично шофиране помага да се запази пътят е по-безопасен?

Има N брой възможни данни, които могат да бъдат извлечени от продуктовото инженерство. Тепърва започваме да изследваме OEM от автомобилната индустрия. Помислете за възможностите за големи данни в различни сектори казват медицина, здравеопазване, електроника и така нататък. Кой знае?

ЗАБАВЕН ФАКТ: Знаете ли, че приемането на Big Data и Analytics от Ford го спаси от почти смъртен опит през 2000-те, когато конкуренцията беше засилена от европейските и азиатските производители на автомобили!

3. Финанси: Обучение на служители на платформи за големи данни за финансово моделиране

Може би често сме чували термина, че парите са кръвта на бизнеса. Грижата за тези пари е отговорност на финансовия отдел. Бизнес светът определя функциите на финансовия отдел като обикновено участващи в „планирането, организирането, одита, счетоводството и контрола върху финансите на компанията, заедно с производството на финансите на компанията.

След като казахме, че финансовият отдел като цяло често е идеята за работа с пари и ролята се разширява до различни дейности като генериране на отчети за паричните потоци, моделиране на разходи, реализиране на награди и спазване, за да назовем само няколко. Преди няколко десетилетия извършването на всички тези дейности с ограничени системи и платформи беше напълно осъществимо, но в ерата на големите данни двете предизвикателства, пред които е изправен всеки финансов отдел, изпълняват редовни финансови функции в променящия се сценарий и събират прозрения за бъдещето. Нека го разгледаме от по-дълбока перспектива.

С информацията, разпространена на различни сървъри, организациите често се сблъскват с предизвикателството да консолидират тези данни и да извършват действия според бизнес изискванията. Важна функция вътре е вътрешният одит, който поддържа отчет за управлението на организацията, управлението на риска и контрола върху управлението и провеждането на проактивни одити за измами с цел идентифициране на измамни действия. С възхода на аналитиката е необходимо да се интегрира и вътрешният одит. Това породи нови методи като анализ на одитни данни, които помагат да се оцени рискът, да се създадат финансови модели и да се даде цялостна картина на финансите в рамките на една организация.

.trim () java

Моделиране на разходите и реализация на цените

Моделирането на разходите е важен компонент за ефективно използване на ресурсите. Компаниите трябва да идентифицират дейностите, които движат разходите, общите преки материали и труд, необходими за изпълнение на задачата и т.н. Моделирането на разходите помага на компаниите да идентифицират точно общите производствени разходи за продукти във всички дейности в компанията. В ерата на големите данни става важно да се следи всяка финансова дейност, която се извършва в различни отдели в рамките на организация, която консолидира тази информация, за да се изгради идеален модел на разходите. От покупката до продажбата всички данни се съхраняват във финансовата история и фундаменталните основи на разработването на модел на разходите са извличането на големите парчета данни и създаването на модел, който може да се прилага в бъдеще.

Въпреки че може да се спори, че усилията за реализиране на цените са насочени повече към продажбите, за да се подобри рентабилността, има по-голяма роля от финансовия отдел, когато става въпрос за извличане на ползи от реализацията на цените. За да го разделим на по-прости условия, помислете за търговски обект, който планира да предоставя отстъпки, за да стимулира продажбите. Основната цел е да се намали изтичането на цените и да се подобри джобната цена.

Изтичането на цената се случва, когато цената на даден продукт се отстъпва толкова по-малко (в опит да направи продажби), че те компрометират рентабилността, а джобната цена е продажната цена след отстъпките. За да изпълни изгодно усилие за реализиране на цените, екипът по продажбите си сътрудничи с финансовия отдел, за да разбере структурата на разходите за всеки отделен продукт и къде могат да бъдат дадени отстъпки. Това от своя страна изисква финансовият отдел да разработи рамка за модели за реализиране на цените за бъдещето и да определи ограниченията в рамките на такива маркетингови дейности. Задачата включва обработка на данни от поръчки, разходи за склад, срок на годност и след това оценка на себестойността на продадените стоки (CGS).

F-12 и прогнозна аналитика

Една от важните дейности във финансовия отдел е да наблюдава финансовото здраве на организацията. Точно както лекарят използва различни показатели като честота на пулса, телесна топлина или стимулационна реакция, за да прецени дали пациентът е жив или мъртъв, по същия начин финансовият свят наблюдава 12-те показателя, за да знае накъде е насочена компанията парично и какво се крие отвъд . От растеж на реалните приходи, устойчив растеж на приходите, ценова политика и индекс на ценообразуване, контрол на оперативните разходи, сравняване на EBITDA спрямо паричния поток, паричен поток без дълг, излишък на пари, възвръщаемост на активите, оборотен капитал, използване на финансиране на дълга, нетен търговски цикъл и разходи на капитала формират важни компоненти във финансовата отчетност за дадена организация, така че висшето ръководство да може да вземе разумно решение.

Като част от предизвикателството в света на големите данни, разбирането на тези съотношения изисква обработка на големи части от информация, разпространена в организацията, за да бъде направена в стандартен формат за анализ. Предсказуемият анализ влиза в действие, когато тези данни се обработват от миналата история, в сравнение със същите елементи в настоящето, така че да се правят точни оценки за бъдещето. Най-добрата част е платформата за прогнозен анализ и са изградени методи за обработка на големи данни, като по този начин се опростява задачата на финансовия отдел.

ЗАБАВЕН ФАКТ: Знаете ли, че Oversea-Banking Corporation (OCBC) със седалище в Сингапур е успяла да използва големи данни за прозрения на клиентите, което е пряко отговорно за 40% увеличение при придобиването на нов клиент!

4. Човешки ресурси: Предефиниране на възможностите на служителите в HR

Представянето на големи данни в човешките ресурси често може да подтикне читателите да се отхвърлят като глупак, тъй като организацията обикновено не дава приоритет в прилагането на технологията за големи данни в отдел „Човешки ресурси“, тъй като по-скоро ще се фокусира върху маркетинга, операциите или финансите. Но в действителност отделът „Човешки ресурси“ играе решаваща роля, за да се увери, че подходящият талант влиза в организацията наред с други дейности.

Добавяне на повече зъби към HR

Може би най-игнорираният сред всички отдели, когато става въпрос за внедряване на големи данни, но в днешния бързо променящ се свят начинът, по който работи отделът за човешки ресурси, определя успеха на организацията.

Според Forbes средно голяма компания има над 10 различни HR приложения и тяхната основна HR система е на повече от 6 години. Тази тенденция подчертава факта, че организацията се нуждае от правилните ресурси, за да обедини тези данни. Обучението по Big Data & Analytics носи умения като анализ на данни, визуализация и решаване на проблеми от оперативното отчитане до стратегическия анализ.

Очаква се отдел по човешки ресурси по подразбиране да предоставя услуги по отношение на основните човешки операции, но обучението за големи данни го извежда на съвсем ново ниво. Тъй като отделът по човешки ресурси става по-аналитичен с инструменти, той променя подхода си, за да се ангажира с по-стратегическа дейност. Идентифициран е критичен въпрос като как да има повече фактори за задържане на служителите, влияещи върху качеството на продажбите на кандидат-тръбопровода и оценяване на пропуските в таланта и са предприети стратегически стъпки чрез анализ на съответните данни чрез него.

Преминаването ще премине от обикновен брой служители към по-прогнозен анализ.

Oracle в рамките на човешките ресурси

Имаше забавна история, която си спомням за приятел, който е работил като HR. Тя имаше изтощителна работа за лов на глави, преди да изпрати кандидата до съответния ръководител на отдела, който щеше да каже само вълшебните думи: „Добре, нека го наемем“.

Известно време нещата вървяха добре, тъй като тя внесе добър талант във фирмата. С течение на времето тя нарастваше уверена в своите умения за наемане на работа до принуждаване на висшето ръководство да добави повече хора към екипа си, внедрявайки HR системи и включваща повече консултации на трети страни. Трудната част беше, че тя даде високи обещания на висшето ръководство с нейната увереност.

Историята показва, че този, който се подготвя за бъдещо събитие, е по-успешен от този, който язди минала слава. Имаше време, когато се очакваше да наеме голям брой професионалисти в домейна, в който компанията се разширява. Тя започна да попълва свободни работни места с компромис при наемането на качествени професионалисти. Тя възприе по-ориентиран към целите подход. Резултатът? Повечето от наетите от нея професионалисти оставиха документи, позовавайки се на различни причини и тя беше разпитана от ръководството. Често я чувах да мърмори:

„Ловувам на главата 1000 Cvs, кратък списък 100 Cvs, извиквам 50 кандидати за интервю, филтрирам 10 от моите психометрични оценки, сред 10-те, вземам 5, които си заслужават, изпращам 5-те на ръководството, те нулират на 1 и че един човек напуска след 2 месеца. '

как да използвам goto в python

Разсмях се на мизерията й, освен че изразих симпатиите си, но това ме накара да се замисля дали човешките ресурси могат да направят по-добра преценка със своя опит или има нужда от по-ориентиран към данните подход към целия този процес на наемане? Е, ние използваме прогнозен анализ от намирането на кой отбор ще спечели световното първенство, но защо да не използваме същите техники в процеса на наемане, особено когато имаме работа със сложни елементи като човешки същества?

Сега работата по наемане не е задължително лесна работа, тя включва много процеси и правилата за наемане често се променят в зависимост от индустрията HR е в ролята, която тя наема за правилата на организацията и т.н.

Ако някой наблюдава успешни организации, които използват прогнозен анализ и имат по-ниски нива на износване, има модел на първо вземане на решение за желаните характеристики в рамките на един кандидат, които осигуряват успех, консолидирането му в „идеален“ профил и сравняването му с всеки кандидат, който е най-близо и след това да ги ангажира с персонализирани оценки, които оценяват характеристиките на тези кандидати.

Важно е да се отбележи, че цялата индустрия за психометрично оценяване с водещи играчи като Pearsons, Thomas Assessment & SHL възникна поради търсенето от специалисти по човешки ресурси за анализ на профила на кандидатите в нуждата им да усъвършенстват процеса на наемане!

Връщайки се към прогнозната аналитичност, като част от нейното прилагане, персоналът по човешки ресурси трябва първо да определи кой е „успешен кандидат“ според организацията, след това тя / той трябва да определи факторите, които могат да стимулират ефективността на наемането и да се развие и наблюдава като на това защо някои наематели се справят по-добре от другите с хипотеза, ако е необходимо. Въз основа на това, той / той може да го сравни с данните за успешни служители, които са останали дълго в организацията и трето използва статистически техники, за да измери защо някои хора остават по-дълго.

Подходът е добър за начало, но внедряването на прогнозни анализи в рамките на HR включва много техники, които HR може да изследва безплатно. Най-добрата част от този процес е намаляването на разходите за подмяна на служител с нов и може би спечелване на повече ROI от стария.

В края на деня комбинацията от интуиция, опит и солиден подход, базиран на данни, често усъвършенства не само преценката на HR, но и нашата.

ЗАБАВЕН ФАКТ: Знаете ли, че американският гигант Xerox е намалил оборота на своя кол център с 20%, като е приложил анализи към потенциални кандидати с констатацията, че креативните хора са по-склонни да останат в компанията за 6-те месеца, необходими за възстановяване на разходите за обучението им от 6 000 щатски долара, отколкото любопитни хора?

5. Верига на доставки и логистика: Обучителен екип за доставка с големи платформи за данни

Веригата на доставки и логистиката в основата си формират важен компонент в организационните стратегии и цели. Целта на веригата за доставки и логистика е да спести разходи и да подобри производителността, скоростта и гъвкавостта. Що се отнася до логистиката, те събират и проследяват различни форми на данни, за да подобрят основно оперативната ефективност, подобрявайки клиентското изживяване и новите бизнес модели. Тези фактори често могат да помогнат на организациите да спестят ресурси, да изградят по-добра търговска марка и да създадат систематичен процес за веригата на доставки и логистиката.

Проследяване на големи данни по целия свят

Нека вземем пример за гигант за електронна търговия, който използва Big Data за доставка на своите клиенти. Продукт се изпраща от място до адреса на клиента. Устройствата в транспортното превозно средство като GPS тракер, микрофон, сензор имат структурирани и неструктурирани данни, които се изпращат обратно в центъра за наблюдение за актуализации в реално време. Наред с това той също така помага да се анализира ефективността на времето за доставка, най-краткия път и ресурсите, използвани за извършване на една операция по доставка в списъка с милиони такива транзакции. Тази златна мина от данни на различни пазари се консолидира от организациите и след това се анализира, за да донесе допълнително подобрение в процеса или да донесе цяло ниво на нови иновации!

ЗАБАВЕН ФАКТ : Знаете ли, че големи данни под формата на проследяване на клиентски страници от Amazon са му помогнали да позиционира своите продукти в най-близкия до клиента склад, за да подобри скоростта и ефективността на доставката?

6. Операции, поддръжка и обслужване на клиенти: Обучение на служители за големи данни при всяко взаимодействие с клиенти

Успехът на всеки продукт или услуга се основава на следпродажбената поддръжка, която клиентът получава и често продавачът полага клетва да бъде до него по всяко време. Това произтича от факта, че когато клиентът вземе продукт или услуга, той прави „скок на вярата“ с надеждата, че продавачът не го подвежда в живота на продукта / услугата. Изпълнението от тази гледна точка е от решаващо значение за успеха на организацията.

Нека разгледаме поддръжката на подробно ниво. Наскоро имах възможността да гледам „Интерстелар“ на Кристофър Нолан, който изследва космическите пътувания до края на космоса. Това ме накара да се замисля за бъдещи авиокомпании, които ще предлагат полетни услуги през червейни дупки, простиращи се на милиони светлинни години! Какви биха били предизвикателствата тогава? Какви големи данни ще бъдат генерирани в това почти безкрайно пътуване? Как екипът на борда ще гарантира, че пътникът се наслаждава на пътуването през цялото време? Като начало доставчикът на услуги трябва да се съсредоточи върху основни цели като осигуряване на въздушна безопасност, проследяване на траекторията на полета му, предоставяне на изисквания на клиентите и т.н.

Големи данни в движение 24 × 7

Идеята за междузвездното пътуване може да е далечна мечта за следващите 100 години (да бъдем оптимист!), Но не ни пречи да разглеждаме данните, генерирани от подобна услуга, която в момента работи, което ще хвърли повече светлина върху това как клиентите обслужването и поддръжката се извършват в сценария „след продажба“ и как организациите могат да участват в подобряване на усилията си в реално време.

Да започнем с това, Southwest Airlines е една от най-известните авиокомпании, която се възползва от Big data, за да подобри клиентското си изживяване. В опит да подобри въздушната безопасност, Southwest Airlines си сътрудничи с НАСА, за да се включи в експеримент с големи данни за подобряване на цялостното полетно изживяване. Това включва пинг на сателитите на НАСА с информация за траекторията на полета, доклади от пилоти и друга информация за въздушното движение. Върхът на такава иновативна техника се крие основната концепция за големи данни, наречена „извличане на текстови данни“, която преобразува неструктурираната текстова информация в смислен текст за прозрения. Значи си помислихте, че извличането на текстови данни свършва там?

Разбира се, че не е така, дори една проста концепция за големи данни, като например извличане на текстови данни, се простира далеч отвъд това. Всички знаем, че обратната връзка с клиентите е важен компонент при разбирането къде организацията се обърка във всяка точка на взаимодействие с клиентите. Извличането на текстови данни също помага на обслужването на клиентите, като анализира отворените отговори на анкетата. Вместо да ограничават клиентите до често срещани опции като опция A, опция B, опция C, отворените въпроси предоставят повече информация, но класифицирането им и записването на отговорите може да е ключов проблем. Това е мястото, където извличането на текстови данни влиза в игра, където групира определен набор от думи и ги консолидира за прозрения!

Поглеждайки отвъд това, всички трябва да признаем, че никоя организация не е перфектна и че всяка от тях има малък набор от клиенти, които може да не са доволни от услугата. Резултатът? База данни, пълна с имейли, съобщения, туитове от клиенти, регистриращи жалби, или съвети за „области за подобрение“, за да го кажем доста меко. Извличането на текстови данни върви крачка напред от традиционните филтри за поща и може да класифицира пощите според приоритета и да ги пренасочи към въпросния отдел.

ЗАБАВЕН ФАКТ : Знаете ли, че Southwest Airlines, като част от усилията си за подобряване на обслужването на клиентите, внедри анализ на данни с функцията, наречена „анализ на речта“, която записва взаимодействие между клиент и персонал за прозрения!

7. Маркетинг: Обучение на служители за систематичен маркетингов подход с големи данни

Днес маркетингът като дейност е свързан с цифри. С нарастването на дигиталния маркетинг вече можем да измерваме точно отговора на рекламите, честотата на кликване, импресиите, възвръщаемостта на инвестициите и т.н. За не-маркетингови специалисти подобни показатели може би са гръцки, но за тези, които се занимават с маркетинг, тези данни са златна мина. Впоследствие, заедно с показатели, се генерират големи парчета данни във всяка точка на взаимодействие с клиенти, социални медии и продажби. От специалиста по маркетинг зависи да следи такива данни и да ги използва, за да прокара по-ефективно своите продукти. Обучението в Big Data играе съществена роля тук, тъй като платформи като Hadoop & R помагат да служат на целта.

На второ място, специалистите по маркетинг от време на време често се отдават на ретроспекция за своята марка. Въпроси като:

С какво моята марка е по-добра от другите?

Какво предлагат други марки?

Какви функции има моят конкурент на същия продукт?

Изследването отива много по-дълбоко от това. От анализа на конкурентния продукт въз основа на 4Ps (продукт, цена, място, позициониране) до разбирането на съдържанието на кой продукт, представен на уеб страницата на конкурента, количеството генерирани данни е огромно и сложно. Както беше казано по-рано, възползването от извличането на текст може да помогне на маркетолога да извърши анализ на конкурентите, като просто обходи уебсайта на конкурента. Тази проста функция в областта на големите данни може да даде консолидирана представа за това какво прави конкурентът и какви продукти предлага на пазара, като по този начин дава предимство на маркетолога, който е приел големите данни!

Въоръжаване на Creative

Например стратег на социалните медии иска да знае за възприемането на марката на неговата организация в социалните медийни платформи, тогава вероятно участието в анализ на настроенията в R & Hadoop ще помогне за постигането на тази цел. По същия начин използването на инструменти за големи данни помага на маркетинга при различни дейности като ценообразуване, позициониране на продукти и т.н.

как да обърна низ в python

Друг пример може да бъде маркетинг мениджър в търговски обект, който иска да увеличи продажбите. Всеки би познал примера на Walmart, който успя да позиционира бирата и млякото едно до друго в пътеката въз основа на миналата история на покупките на клиентите, като извлече големи парчета данни, обхващащи милиони клиенти за определен период от време!

ЗАБАВЕН ФАКТ: Знаете ли, че General Motors с годишния си маркетингов бюджет от 2 милиарда щатски долара годишно използва Big Data Analytics за създаване на подробни клиентски профили и комбиниране на анализ на пространствени данни с подробни демографски данни / информация за клиентите за по-персонализиран маркетинг!

Защо компаниите преминават към платформи за големи данни

Обикновено организациите, използващи стари наследени системи, имат данни, разпределени в много системи. Поради разпространението на данни на различни места, скоростта на обработка намалява заедно с точността на анализа на данните. Това изисква консолидиране на данни в корпоративен център за данни, което създава по-бърз достъп до данни, което води до по-задълбочен анализ. Една от важните цели на ИТ отдела във всяка организация е бързото предоставяне на точни данни за всички отдели в организацията при поискване.

С данните, които се събират, е важно да се обединят неструктурирани, структурирани и полуструктурирани източници на данни в една платформа, за да се извърши задълбочен анализ и да се подпомогне основно вземането на бизнес решения. Тази функция на Hadoop привлича повече хора към масата в организацията, тъй като има служители, които взаимодействат с данни в различни точки на допир в ежедневните операции. Също така, традиционните ETL и пакетни процеси могат да отнемат много време, докато Hadoop с голямата си партидна обработка го ускорява до 10 пъти.

Значението на Hadoop не означава непременно, че всеки служител в дадена организация трябва да бъде обучен в платформата за големи данни, което може да не е осъществимо в повечето случаи. Но би било стратегическо предимство за технически директор да идентифицира и обучи тези специалисти, които са в постоянно взаимодействие с данните.

След като обхвана съхранението, обработката и извличането на данни чрез популярната платформа Hadoop, друго важно явление, което е част от естествената прогресия, е анализът на големите данни. Казано по-просто, организациите се нуждаят от множество перспективи от различни професионалисти в рамките на една организация.

Числото „6“ може да се разглежда като числото „9“ от другата страна на таблицата. С други думи, заключението от наблюдението на данните се различава от човек на човек.

Организациите знаят това и често участват в обучение на служители в подобна платформа, така че хората от различни отдели, свързани помежду си с една и съща дейност, да обсъждат, ангажират и споделят идеи за вземане на здрави решения. Така че, аз вярвам, че би било безопасно да се определи обучението за големи данни като възможност всеки служител да бъде на една и съща страница и да изведе организациите на следващото ниво!

Имате въпрос към нас? Споменете ги в раздела за коментари и ние ще се свържем с вас.

Подобни публикации: