החדשות האחרונות על איחוד האמירויות הערביות שהופכות חובה לשירות צבאי לכל הגברים האמיריים בין קבוצות הגילאים 18 עד 30 שנה, גרמו לי לחשוב מדוע מדינות ללא קשר למצבם הכלכלי מבטיחות שהאזרחים יהיו מוכנים להגן על המדינה.
אפשר לטעון שמספר מוגבל של אזרחים במדינה, לעתים קרובות מכריח את הממשלה לחייב שירות צבאי. אבל מה עם סין? זו המדינה הגדולה ביותר לפי אוכלוסייה, אך היא גם מבטיחה לאזרחים שהולכים לחינוך נוסף לשרת זמן צבאי חובה. בקיצור, מדינות בעצם מכינות את עצמן להתגונן במקרה של סכסוך ועל כולם להיות מוכנים לכך. היה זה חשמלאי, אנשי עסקים, נגר, כולם מתאחדים למען מטרה משותפת.
עד כמה שזה נשמע מוזר, אפשר למשוות הקבלה מוזרה בין מדינות כאלה לבין הארגונים של ימינו שרוצים להישאר תחרותיים. האיום הנוכחי או ליתר דיוק אתגר בדמות ביג דאטה הביא את הארגונים הגדולים והקטנים להפגיש את כוח האדם שלהם בין מחלקות שונות כדי לטפל בו בדרך כלל. כדי להמשיך הלאה לכך, בדרך כלל לאומות האוכפות שירות צבאי חובה יש תמיד קריטריונים לזכאות, באותו אופן שארגונים מוצאים את זה הגיוני לתת הכשרה של נתונים גדולים רק לאותם עובדים שיש להם איזושהי אינטראקציה עם נתחי נתונים גדולים ונדרשים להעסיק את Hadoop בכל נקודת מגע.
כשם שגנרל צבא בקשר עם הממשלה מחליט על סוג הנשק וההכשרה שיוקצו לאזרח המתחיל שלו, שהפך למגייס חדש, באותה צורה CTO צפוי לעמוד בראש תשתית ומורשת ה- IT. מערכות המניעות חדשנות טכנולוגית חדשה כדי לאפשר לעובדיו / לה לבצע ביצועים טובים יותר. עם מטרה משותפת להתמודד עם ביג דאטה, בואו ננסה להבין בפירוט היכן נעשה שימוש בביג דאטה ומדוע חשוב להכשיר את חבריכם לתוכם.
1. טכנולוגיית מידע: שיפור הפרודוקטיביות באמצעות הדרכת Big Data
אולי בחזית יישום הנתונים הגדולים, צוות ה- IT הוא מוקד לקידום השינוי קדימה. מקבל החלטות הדרכה בתחום ה- IT המעוניין להביא הכשרה של נתונים גדולים לעובדים צריך להתחיל במחלקת ה- IT. למה? כי כשמדובר בעיסוק בטכנולוגיה בכל שלב בפעילות, הגיקים במרתף (סלנג פופולרי ל- IT) הם הקרובים ביותר. אז עד כמה זה רלוונטי?
כיצד להקליד ב - Java
הבה נבחן דוח שהגיש האתר הפופולרי, CIO, הקובע:
'על פי סקר CompTIA שנערך לאחרונה על ידי 500 מנהלי עסקים ו- IT בארה'ב, 50 אחוז מהחברות שקדמו לעקיפה במינוף נתונים, ו -71 אחוז מהחברות הממוצעות או בפיגור במינוף נתונים, מרגישות שהצוות שלהן מתון או חסר משמעותית במיומנויות ניהול וניתוח נתונים '
לאור העובדה שניהול ואחסון נתונים הם חלק מתפקוד הליבה של ה- IT, יש צורך בגישה מקבילה כלפי יישום פלטפורמת הביג דאטה וחיזוק כישורי ה- IT בביג דאטה. תומך בעובדה הוא דו'ח מקינזי הקובע כי עד שנת 2018 יהיה מחסור של מעל 140,000-190,0000 אנשי מקצוע עם מומחיות טכנית וניתוחית עמוקה! מכיוון שיותר ויותר אנשי מקצוע טכניים דורשים הכשרה של נתונים גדולים, ארגונים מבקשים להכשיר אנשי מקצוע טכניים יותר עבור החזר ROI מהיר ומומחי פלטפורמה, מנהלים ומהנדסים העובדים במחלקת ה- IT עומדים בראשו.
מתחתן לשילוש של פונקציית IT ליבה עם ביג דאטה
המונח טריניטי מזכיר לי לעתים קרובות שני מושגים דתיים: האחד הוא המיתולוגיה ההינדית של היוצר, המשמר והמשמיד והשני הוא התפיסה הנוצרית של האב, הבן ורוח הרפאים הקדושה. שניהם שואפים להשבחת האנושות. באותו אופן, שלוש פונקציות אלה של צוות IT שואפות לשיפור הארגון כולו עם מחלקות עם צרכים שונים בכל מה שקשור לטכנולוגיית מידע. מלבד פונקציות אבטחה ותמיכה, מחלקת IT יכולה להתייחס לפונקציות אלה כשמדובר ביישום נתונים גדולים.
תכנון - פעילות התכנון במסגרת צוות IT מתמקדת בהבטחת אסטרטגיית ה- IT של הארגון תואמת את היעדים העסקיים. זה כולל עבודה בהתאמה אישית של תוכנות, הכנסת פלטפורמות חדשות העונות על צרכי המחלקות העסקיות השונות. במילים אחרות, כל יישום חדש יתחיל תמיד מ- IT.
רשת - זה כולל פיתוח רשתות שמקלות על כל צורות התקשורת בין תעבורת קול, נתונים, וידאו ואינטרנט וישנן נקודות ביקורת שונות להקלטת נתונים, בין אם זה אינטראקציה עם הלקוחות, ניתוח סנטימנטים ועדכון תעבורה, כולם אוספים נתונים בזמן אמת! מחלקת IT מבטיחה לרוב אינטגרציה חלקה של רשתות לעבודה יחד עם מטרת עיבוד נתונים גדולים.
נתונים - במילים פשוטות, צוות IT מביא כלים לאיסוף, אחסון, ניהול, אבטחה והפצה של נתונים לעובדים לקבלת החלטות אסטרטגיות שונות בארגון. כל צורות הנתונים כמו שיא מכירות, רשומות פיננסיות, פרטי מלאי נשמרות במרכז נתונים יחיד. זה יוצר אחריות בתוך צוות ה- IT ליישם פלטפורמות לביג דאטה המאפשרות למשתמשים ייעודיים לאחסן ולאחזר מידע בכל מיקום נתונים.
בכל צוות IT, צריך שילוב רב-תכליתי של חברים עם משימות שונות לקראת יישום נתונים גדולים. ראשית יש צורך במומחה שמבטיח מעבר חלק ממערכות מסורתיות לפלטפורמות ביג דאטה. בשביל זה צריך טכנולוגיה להתמקד בשמירה על הפלטפורמה בכל מחזור החיים שלה בכל המחלקות. ואז מגיע צורך בחבר שעליו לפקח כל העת אם כל יישום טכנולוגי תואם את המטרה הארגונית.
2. פיתוח מוצרים: חשיבה מחודשת על כל שלבי המו'פ
אולי אחת המחלקות החשובות ביותר בכל הנוגע להעלאת הארגון לשלב החדשנות הבא! אחד היתרונות הגדולים ביותר של ביג דאטה הוא שילוב של נתונים בנקודות מגע שונות בפיתוח מוצרים החל מעיצוב מוצרים, ייצור, איכות, אחריות, אבחון, יישומי רכב ותוכנה. הנתונים שנוצרים מנקודות מגע אלה מגדירים את הדרך בה המוצר הוא וכמה הוא יכול להצליח. זה בעצם לוקח מפתחי מוצרים, אנשי מחקר ופיתוח ומעצבים לגישה מונחית הנתונים וניתוח הנתונים.
הנדסת ביג דאטה למציאות
בכל מה שקשור לפיתוח מוצרים, דוגמה פופולרית אחת תהיה המכונית הפחות נהגת שאודי מפתחת ומתכננת להשיק עד 2016. כן, יש צוות פיתוח המוצרים שעליו מוטלת המשימה העצומה לדאוג שחזון החדשנות של המנכ'ל יושג. . אך בדרך, ישנם אתגרים ושאלות שונות החל מהפיתוח ועד הבדיקה שרק ביג דאטה יכולים לענות עליהם. בואו נראה מדוע.
שקול נסיעת מבחן המנוטרת מנקודה A לנקודה B. הנה סוגי הנתונים שניתן להפיק:
א. נתוני חיישנים - החיישנים בתוך המכונית יכלו לאחסן פרטים אודות המרחק שמדדה בין מכוניות מאחוריו ומולו ותדירות הרכבים שנתקלה בו בנסיעה.
ב. נתוני נהג - ניתן היה לבצע מספר בדיקות עם קבוצות גיל שונות ופרטי רמת הנוחות, הביצועים וכמה פעמים הנהג נדרש כדי לעקוף את הנהיגה האוטומטית יידחסו לסטים גדולים של שורות ועמודות לצורך ניתוח.
ג. נתונים דמוגרפיים - ניתן לבצע בדיקה בהודו ובארה'ב. ה- A.I בנהיגה האוטומטית יכול לנתח את החסימות שהוא נתקל בנהיגה בשתי מדינות שונות. איזו מדינה כדאית יותר לנהיגה אוטומטית ואיזו מחוז לא?
ד. נתוני ביצועי שוק - לאחר השקת המוצר ויציאתו לדרך, מהנדסים יוכלו גם לעקוב אחר הצלחתו על ידי ניתוח נתונים חיים עם הזנות שמסופקות 24 × 7 על ידי תוכנית המכונית, תוך מתן תובנות אם הצגת הנהיגה האוטומטית מסייעת בשמירה הדרך בטוחה יותר?
יש מספר N אפשרי של נתונים שניתן לנקוט מהנדסת מוצרים. אנחנו רק מתחילים לחקור את יצרני ה OEM מתעשיית הרכב. חשוב על האפשרויות של נתונים גדולים בכל המגזרים השונים למשל רפואה, בריאות, אלקטרוניקה וכן הלאה. מי יודע?
עובדה מהנה: האם ידעת כי אימוץ פורד ל- Big Data ו- Analytics הציל אותו מחוויה של כמעט מוות בשנות האלפיים כאשר התחרות הייתה קשה מצד יצרני הרכב האירופאים והאסייתיים!
3. מימון: הכשרת עובדים בפלטפורמות ביג דאטה לטיפול בדוגמנות פיננסית
יכול להיות ששמענו לעתים קרובות את המונח שכסף הוא הדם של העסק. הטיפול בכסף הזה הוא באחריות מחלקת הכספים. העולם העסקי מגדיר את תפקידי אגף הכספים כמעורבים בדרך כלל בתכנון, ארגון, ביקורת, חשבונאות ובקרה על כספי החברה יחד עם הפקת כספי החברה.
אחרי שאמרנו שמחלקת הפיננסים באופן כללי היא לעתים קרובות פרי מוחין בכל הנוגע לטיפול בכסף והתפקיד מתרחב לפעילויות שונות כמו הפקת דוחות תזרים מזומנים, מידול עלויות, מימוש פרסים ועמידה שם עד כמה. לפני כמה עשורים ביצוע כל הפעילויות הללו עם מערכות ופלטפורמות מוגבלות היה אפשרי למדי, אך בעידן הביג דאטה שני האתגרים העומדים בפני כל מחלקת פיננסים הם ביצוע פונקציות כספים קבועות בתרחיש המשתנה ואיסוף תובנות לעתיד. הבה נסתכל על זה מנקודת מבט עמוקה יותר.
כשהמידע מתפשט על פני שרתים שונים, ארגונים נתקלים לעיתים קרובות באתגר של איחוד הנתונים וביצוע פעולות בהתאם לדרישות העסק. פונקציה חשובה בפנים היא ביקורת פנימית השומרת על משטר הארגון, ניהול סיכונים ובקרת הניהול וביצוע ביקורת הונאה יזומה לזיהוי מעשי מרמה. עם עליית האנליטיקה, יש צורך לשלב גם ביקורת פנימית. זה עורר שיטות חדשות כמו ניתוח נתוני ביקורת המסייעות להעריך את הסיכון, ליצור מודלים פיננסיים ולתת תמונה כוללת של מימון בארגון.
מידול עלויות ומימוש מחירים
מידול עלויות הוא מרכיב חשוב לניצול יעיל של משאבים. על חברות לזהות את הפעילויות המניעות את העלויות, את סך החומרים הישירים והעבודה הדרושה להשלמת המשימה וכן הלאה. מידול עלויות עוזר לחברות לזהות במדויק את עלויות הייצור הכוללות למוצרים בכל הפעילויות בחברה. בעידן הביג דאטה נהיה חשוב לעקוב אחר כל פעילות פיננסית שמתרחשת במחלקות שונות בארגון שמאגד את המידע הזה כדי לבנות מודל עלות אידיאלי. מרכישה למכירה, כל הנתונים נשמרים בהיסטוריית הכספים והיסודות הבסיסיים בפיתוח מודל עלות הם להביא את נתחי הנתונים הגדולים וליצור מודל שיכול להחיל לעתיד.
למרות שאפשר להתווכח על כך שמאמצי מימוש המחירים מופנים יותר למכירות כדי לשפר את הרווחיות, יש תפקיד גדול יותר של מחלקת הכספים בכל הנוגע להרוויח ממימוש מחירים. כדי לפרק זאת לתנאים פשוטים יותר, שקול חנות קמעונאית שמתכננת לספק הנחות כדי לדחוף את המכירות. המטרה הבסיסית היא להפחית את דליפת המחירים ולשפר את מחיר הכיס.
דליפת מחירים מתרחשת כאשר מחיר המוצר מוזל כל כך פחות (בניסיון לבצע מכירות) עד שהם מתפשרים על רווחיות ומחיר הכיס הוא מחיר ההנחה לאחר המכירה. כדי לממש מאמץ מימוש מחירים רווחי, צוות המכירות משתף פעולה עם מחלקת הכספים כדי להבין את מבנה העלויות של כל מוצר בודד והיכן ניתן לתת הנחות. זה בתורו מחייב את מחלקת הכספים לפתח מסגרת למודלים של מימוש מחירים לעתיד ולהגדיר את הגבולות במסגרת פעילויות שיווק כאלה. המשימה כוללת עיבוד נתונים מרכש, עלות מחסן, חיי מדף ואז הערכת עלות המוצרים שנמכרו (CGS).
F-12 & ניתוח חיזוי
אחת הפעילויות החשובות במחלקה הפיננסית היא מעקב אחר הבריאות הכלכלית של הארגון. כשם שרופא משתמש במדדים שונים כמו דופק, חום גוף או תגובת גירויים כדי לשפוט אם המטופל חי או מת, באותה צורה העולם הפיננסי עוקב אחר 12 המדדים כדי לדעת לאן מועדות החברה מוניטרית ומה נמצא מעבר . מגידול בהכנסות ריאליות, צמיחת הכנסות בר-קיימא, מדיניות תמחור ומדד תמחור, בקרת הוצאות תפעוליות, השוואה בין EBITDA לעומת תזרים מזומנים, תזרים מזומנים ללא חובות, עודף מזומנים, החזר על נכסים, הון חוזר, שימוש במימון חוב, מחזור סחר נטו ועלות של ההון מהווים מרכיבים חשובים בדיווח הכספי לארגון, כך שההנהלה העליונה תוכל לקבל החלטה נאותה.
כחלק מהאתגר בעולם הביג דאטה, הבנת יחסים אלה מחייבת עיבוד נתחי מידע גדולים המפוזרים ברחבי הארגון בכדי להפוך אותו לפורמט סטנדרטי לניתוח. ניתוח חיזוי נכנס לפעולה כאשר נתונים אלה מעובדים מההיסטוריה של העבר, בהשוואה לאותם אלמנטים בהווה, כך שנעשות הערכות מדויקות לעתיד. החלק הטוב ביותר הוא פלטפורמת ניתוח ניבוי ושיטות בנויות לעיבוד ביג דאטה ובכך מפשטות את המשימה של מחלקת הכספים.
עובדה מהנה: האם ידעת שתאגיד בנקאות חו'ל (OCBC) שבסיסה בסינגפור הצליח להשתמש בביג-נתונים לצורך תובנות לקוחות שהיה אחראי ישירות לעלייה של 40% ברכישת לקוח חדש!
החלף מקרה בתוכניות לדוגמה של Java
4. משאבי אנוש: הגדרה מחדש של יכולות עובדי משאבי אנוש
דמיון ביג דאטה במשאבי אנוש עשוי לעיתים לדחוק בקוראים להתפטר מההמולה, מכיוון שארגון בדרך כלל לא נותן עדיפות רבה ליישום טכנולוגיית הביג דאטה במחלקת משאבי אנוש מכיוון שהוא מעדיף להתמקד בשיווק, תפעול או מימון. אך במציאות, מחלקת משאבי אנוש ממלאת תפקיד מכריע בכך שהיא מוודאת שהכישרון הנכון נכנס לארגון בין פעילויות אחרות.
הוספת שיניים נוספות ל- HR
אולי ההתעלמות מבין כל המחלקות בכל הנוגע ליישום Big data, אך בעולם המשתנה במהירות של ימינו, הדרך בה פועלת מחלקת משאבי אנוש מגדירה את ההצלחה של ארגון.
על פי פורבס, לחברה גדולה ממוצעת יש יותר מ -10 יישומי משאבי אנוש שונים ומערכת ה- HR המרכזית שלהם היא מעל גיל 6 שנים. מגמה זו מדגישה את העובדה שארגון זקוק למשאבים הנכונים בכדי לקרב את הנתונים הללו. הכשרה ב- Big Data & Analytics מביאה מיומנויות כמו ניתוח נתונים, ויזואליזציה ופתרון בעיות ממש מדיווח תפעולי לניתוח אסטרטגי.
מחלקת משאבי אנוש כברירת מחדל צפויה לספק מבחינת פעולות משאבי אנוש בסיסיות, אך אימון ביג דאטה מעביר אותה לרמה חדשה לגמרי. ככל שמחלקת משאבי אנוש הופכת אנליטית יותר עם כלים, היא משנה את גישתם לעסוק בפעילות אסטרטגית יותר. שאלה קריטית כמו כיצד יש יותר גורמי שימור עובדים המשפיעים על איכות המכירות של צינור המועמדים והערכת פערים בכישרון מזוהה וצעדים אסטרטגיים ננקטים באמצעות ניתוח נתונים רלוונטיים באמצעותו.
המעבר יעבור מכמות מספר פשוטה לניתוח ניבוי יותר.
האורקל בתוך משאבי אנוש
היה סיפור מצחיק שזכרתי על חבר שעבד כמנהל משאבי אנוש. הייתה לה עבודה מתישה של ציד ראש לפני שהיא שלחה את המועמד לראש המחלקה הרלוונטי שיגיד רק את מילות הקסם: 'בסדר, בואו להעסיק אותו.'
במשך זמן מה הדברים התנהלו כשורה כשהיא הביאה כישרון טוב לחברה. ככל שחלף הזמן, היא גדלה בביטחון בכישורי ההעסקה שלה עד כדי כך שדחפה את ההנהלה העליונה להוסיף אנשים נוספים לצוות שלה, ולהטמיע מערכות משאבי אנוש ולכלול יותר ייעוץ לצד שלישי. החלק המסובך היה שהיא הבטיחה ביטחון גבוה להנהלה העליונה בביטחון שלה.
ההיסטוריה הראתה שמי שמתכונן לאירוע עתידי מוצלח יותר מזה שרוכב על תהילת העבר. הייתה תקופה בה היא הייתה צפויה להעסיק מספר רב של אנשי מקצוע בתחום שהחברה התרחבה בה. היא החלה למלא משרות פנויות עם פשרה על העסקת אנשי מקצוע איכותיים. היא אימצה גישה מונחית יותר. התוצאה? מרבית אנשי המקצוע ששכרה הניחו ניירות תוך ציון סיבות שונות והיא נחקרה על ידי ההנהלה. לעתים קרובות הייתי שומע אותה ממלמלת:
'אני מצוד ראש 1000 קב'טים, רשימת המועמדים קצרה 100 קורות חיים, קורא 50 מועמדים לראיון, מסנן 10 מהערכות הפסיכומטריות שלי, מבין 10, אני לוקח 5 ששווים את זה, שולח את 5 להנהלה, הם אפסים על 1 ו אותו בחור אחד עוזב אחרי חודשיים. '
אכן צחקקתי את עליבותה מלבד להביע את אהדתי, אך זה גרם לי לתהות האם משאבי אנוש יכולים לשפוט טוב יותר עם ניסיונם או שיש צורך לקבל גישה יותר מונעת נתונים לכל תהליך הגיוס הזה? ובכן, אנו משתמשים בניתוח ניבוי ממציאת איזו קבוצה עומדת לזכות בגביע העולם, אך מדוע לא להשתמש באותן טכניקות בתהליך הגיוס, במיוחד כאשר אנו מתמודדים עם אלמנטים מורכבים כמו בני אדם?
כעת, מלאכת הגיוס אינה בהכרח עבודה קלה, היא כרוכה בתהליכים רבים וכללי הגיוס משתנים לעיתים קרובות בהתאם לתעשייה שאנשי אנוש נמצאים בתפקיד שהיא מגייסת לכללי הארגון וכן הלאה.
אם צופים בארגונים מצליחים המשתמשים בניתוח ניבוי ושיעורי שחיקה נמוכים יותר, קיים דפוס של החלטה ראשונה על המאפיינים הרצויים בקרב מועמד המבטיחים הצלחה, איחודו לפרופיל 'אידיאלי' ומשווים אותו לכל מועמד הקרוב ביותר. אליו ואז לעסוק בהם בהערכות מותאמות אישית המעריכות את מאפייני המועמדים הללו.
נקודה שיש לציין היא שכל ענף הערכת הפסיכומטרי עם שחקנים מובילים כמו Pearsons, Thomas Assessment ו- SHL קם בשל הדרישה של אנשי מקצוע בתחום משאבי אנוש לניתוח פרופיל המועמדים בצורך שלהם לתהליך הגיוס המושלם!
אם נחזור לניתוח ניבוי, כחלק מיישומו, על אנשי משאבי אנוש להגדיר תחילה מיהו 'מועמד מצליח' על פי הארגון, ואז עליהם להגדיר את הגורמים שיכולים להניע את יעילות הגיוס ולהתפתח ולהתבונן כ למה חלק מהשכירים מסתדרים טוב יותר מהאחרים עם השערה אם צריך. על סמך זה היא יכולה להשוות זאת לנתונים של עובדים מצליחים שנשארו זמן רב בארגון ולשלישית להשתמש בטכניקות סטטיסטיות כדי למדוד מדוע יש אנשים שנשארים זמן רב יותר.
הגישה טובה להתחלה, אך יישום ניתוח חיזוי בתוך משאבי אנוש כולל הרבה טכניקות ש- HR חופשי לבחון. החלק הטוב ביותר בתהליך זה הוא הפחתת העלות של החלפת עובד באנשים חדשים ואולי השגת יותר ROI מאשר הישן.
בסופו של יום, השילוב של אינטואיציה, ניסיון וגישה מבוססת נתונים קולית מעדן לא פעם את שיקול דעתו של משאבי אנוש אלא גם את דעתנו.
עובדה מהנה: האם ידעת כי הענקית האמריקאית זירוקס צמצמה את מחזור המוקד הטלפוני שלה ב -20% על ידי הפעלת ניתוחים על מועמדים פוטנציאליים עם הממצא שאנשים יצירתיים נוטים יותר להישאר בחברה במשך 6 החודשים הדרושים להחזר עלות ההכשרה שלהם בסך 6,000 דולר מאשר סקרנים אֲנָשִׁים?
5. שרשרת אספקה ולוגיסטיקה: צוות הדרכת צוות עם פלטפורמות נתונים גדולים
שרשרת אספקה ולוגיסטיקה מהווים בעצם מרכיב חשוב באסטרטגיות ויעדים ארגוניים. המטרה של שרשרת אספקה ולוגיסטיקה היא לחסוך בעלויות ולשפר ביצועים, מהירות וזריזות. כשמדובר בלוגיסטיקה, הם לוכדים ולעקוב אחר צורות שונות של נתונים בכדי לשפר מהותית את היעילות התפעולית, לשפר את חוויית הלקוח ומודלים עסקיים חדשים. גורמים אלה יכולים לעתים קרובות לעזור לארגונים לחסוך במשאבים, לבנות שם מותג טוב יותר וליצור תהליך שיטתי לשרשרת אספקה ולוגיסטיקה.
מעקב אחר ביג דאטה ברחבי העולם
בואו ניקח דוגמא לענקית מסחר אלקטרוני המשתמשת בביג דאטה למסירה ללקוחותיה. מוצר נשלח ממיקום לכתובת הלקוח. למכשירים ברכב התחבורה כגון GPS tracker, mic, חיישן יש נתונים מובנים ולא מובנים שנשלחים חזרה למרכז הניטור לצורך עדכונים בזמן אמת. יחד עם זה זה גם עוזר לנתח את יעילות זמן המסירה, הנתיב הקצר ביותר והמשאבים המשמשים לביצוע פעולת מסירה אחת ברשימת מיליוני העסקאות מסוג זה. מכרה הזהב של נתונים בשווקים שונים מאוחד על ידי הארגונים ואז נותח על מנת להביא לשיפור נוסף בתהליך או להביא לרמה שלמה של חדשנות חדשה!
עובדה מהנה: האם ידעת שביג דאטה בצורת מעקב אחר דפי לקוחות על ידי אמזון עזרו לה למקם את מוצריה למחסן הקרוב ביותר ללקוח על מנת לשפר את מהירות המסירה והיעילות?
6. פעולות, תמיכה ושירות לקוחות: הדרכת עובדים על נתונים גדולים בכל אינטראקציה עם הלקוחות
ההצלחה של כל מוצר או שירות מבוססת על תמיכה לאחר המכירה אותה מקבל הלקוח ולעיתים קרובות הספק נדר בשבועה להיות שם בשבילו / לה בכל עת. זה נובע מהעובדה שכאשר לקוח לוקח מוצר או שירות, הוא עושה 'קפיצת אמונה' בתקווה שהספק לא יאכזב אותו / ה לאורך החיים של המוצר / השירות. מסירה מנקודת מבט זו הינה קריטית להצלחה ארגונית.
הבה נבחן את התמיכה ברמה המפורטת. לאחרונה הזדמן לי לצפות ב'בין כוכבים 'של כריסטופר נולאן שחקר מסעות חלל עד סוף החלל. זה גרם לי לחשוב על חברות תעופה עתידיות שיציעו שירותי טיסה דרך חורי תולעת המשתרעים על פני מיליוני שנות אור! מה יהיו האתגרים אז? איזה סוג של נתונים גדולים ייווצר במסע הכמעט בלתי נגמר הזה? כיצד צוות הבורד יבטיח שהנוסע יהנה מהנסיעה לאורך כל הדרך? ראשית, על ספק השירות להתמקד ביעדים עיקריים כמו הבטחת בטיחות אווירית, מעקב אחר מסלול הטיסה שלו, אספקת דרישות הלקוח וכן הלאה.
נתונים גדולים תוך כדי תנועה 24 × 7
הרעיון לנסיעה בין כוכבית עשוי להיות חלום רחוק במשך 100 השנים הבאות (להיות אופטימי!), אך הוא לא מונע מאיתנו להסתכל על הנתונים שמפיק שירות דומה הפועל כעת, אשר ישפוך אור רב יותר על אופן הלקוח. שירות ותמיכה מתבצעים בתרחיש 'לאחר המכירה' וכיצד ארגונים יכולים לעסוק בשיפור מאמציהם בזמן אמת.
ראשית, חברת התעופה סאות'ווסט היא אחת מחברות התעופה המפורסמות ביותר שניצלו את הביג דאטה על מנת לשפר את חווית הלקוחות שלה. במטרה לשפר את בטיחות האוויר, שיתפה סאות'ווסט איירליינס פעולה עם נאס'א לעסוק בניסוי נתונים גדולים לשיפור חוויית הטיסה הכוללת. זה כולל פינג לווייני נאס'א עם מידע על נתיב הטיסה, דיווחים מטייסים ומידע אחר על תעבורה אווירית. בשיא הטכניקה החדשנית שכזו, טמון מושג הביג דאטה הבסיסי הנקרא 'כריית נתונים טקסט' הממיר מידע טקסטואלי לא מובנה לטקסט משמעותי לצורך תובנות. אז חשבת שכריית נתונים של טקסט מסתיימת שם?
כמובן שזה לא, אפילו מושג פשוט בביג דאטה כגון כריית נתוני טקסט נמשך הרבה מעבר לכך. כולנו יודעים שמשוב לקוחות הוא מרכיב חשוב בהבנת היכן הארגון משתבש בכל נקודת אינטראקציה עם הלקוחות. כריית נתוני טקסט מסייעת גם לשירות לקוחות על ידי ניתוח תגובות סקר פתוחות. במקום להגביל את הלקוחות לאופציות נפוצות כמו אפשרות A, אפשרות B, אפשרות C, שאלות פתוחות מספקות יותר תובנות, אך סיווג והקלטת התגובות עשויים להיות נושא מרכזי. זה המקום בו כריית נתוני טקסט נכנסת לתמונה בה היא מקבצת קבוצה מסוימת של מילים ומאחדת אותם לתובנות!
כשמסתכלים מעבר לזה, כולנו חייבים להודות שאף ארגון אינו מושלם וכי לכל אחד מהם יש סט קטן של לקוחות שאולי לא מרוצים מהשירות. התוצאה? מאגר נתונים מוצף במיילים, הודעות, ציוצים מלקוחות שרושמים תלונות או טיפים של 'אזורי שיפור' כדי לנסח זאת בצורה רכה למדי. כריית נתוני טקסט הולכת צעד קדימה ממסנני הדואר המסורתיים ויכולה לסווג דואר לפי העדיפות ולהפנות אותו למחלקה המדוברת.
עובדה מהנה: האם ידעת כי חברת Southwest Airlines, כחלק מהמאמץ שלה לשפר את שירותי הלקוחות, הציבה ניתוח נתונים עם התכונה הנקראת 'ניתוח דיבור' המתעדת אינטראקציה בין הלקוח לאנשי התובנה!
7. שיווק: הכשרת עובדים בגישה שיווקית שיטתית עם נתונים גדולים
שיווק כפעילות נוגע כיום למספרים. עם התפרצות השיווק הדיגיטלי, אנו יכולים כעת למדוד במדויק את תגובת המודעות, שיעור הקליקים, ההופעות, החזר ה- ROI וכן הלאה. עבור אנשי מקצוע שאינם שיווקיים, מדדים כאלה אולי יוונים, אך עבור מי שמשווק נתונים אלה הם מכרה זהב. לאחר מכן, יחד עם מדדים, נוצרים נתחי נתונים גדולים בכל נקודת אינטראקציה עם לקוחות, מדיה חברתית ומכירות. על המקצוען השיווקי לעקוב אחר נתונים כאלה ולהשתמש בהם כדי לדחוף את המוצרים בצורה יעילה יותר. אימון בביג דאטה ממלא תפקיד חיוני כאן מכיוון שפלטפורמות כמו Hadoop & R עוזרות לשרת את המטרה.
שנית, אנשי שיווק מעת לעת מפנקים בדיעבד למותג שלהם. שאלות כמו:
איך המותג שלי טוב יותר מאחרים?
מה מציעים מותגים אחרים?
אילו תכונות יש למתחרה שלי באותו מוצר?
המחקר מעמיק הרבה יותר מזה. החל מניתוח מוצר מתחרה על בסיס 4Ps (מוצר, מחיר, מקום, מיקום) ועד הבנת התוכן של איזה מוצר המוצג בדף האינטרנט של המתחרה, כמות הנתונים שנוצרת היא עצומה ומסובכת. כפי שנאמר קודם, ניצול כריית טקסט יכול לעזור למשווק לבצע ניתוח מתחרים על ידי פשוט סריקה של אתר המתחרה. פונקציה פשוטה זו בתחום הביג דאטה יכולה לתת מושג מאוחד לגבי מה המתחרה עושה ואילו מוצרים יש להם בשוק, ובכך לתת למשווק שאימץ את הביג דאטה יתרון!
חימוש הקריאייטיב
לדוגמא אסטרטג מדיה חברתית רוצה לדעת על תפיסת המותג של הארגון שלו על פני פלטפורמות מדיה חברתית, אז כנראה שעיסוק בניתוח סנטימנטים ב- R & Hadoop יסייע בהשגת מטרה זו. באותו אופן, שימוש בכלי הביג דאטה מסייע לשיווק בפעילויות שונות כגון תמחור, מיקום מוצרים וכן הלאה.
דוגמה נוספת יכולה להיות מנהל שיווק בחנות קמעונאית המעוניין למקסם את המכירות. כולם ידעו את הדוגמה של וולמארט שהצליחה למקם בירה וחלב זה לצד זה במעבר על סמך היסטוריית רכישת הלקוחות בעבר על ידי אחזור נתחי נתונים גדולים המשתרעים על פני מיליוני לקוחות לאורך זמן!
עובדה מהנה: האם ידעת שג'נרל מוטורס עם תקציב השיווק השנתי של 2 מיליארד דולר בשנה השתמשו בביג דאטה אנליטיקס כדי ליצור פרופילי לקוחות מפורטים ולשלב ניתוח נתונים מרחביים עם נתונים דמוגרפיים / לקוחות מפורטים לשיווק מותאם אישית יותר!
מדוע חברות עוברות לפלטפורמות ביג דאטה
בדרך כלל, בארגונים המשתמשים במערכות ישנות ישנות יש נתונים המפוזרים על פני מערכות רבות. בגלל התפשטות הנתונים במקומות שונים, מהירות העיבוד יורדת יחד עם הדיוק בניתוח הנתונים. זה דורש איחוד נתונים בתוך מרכז נתונים ארגוני שיוצר גישה מהירה יותר לנתונים וכתוצאה מכך ניתוח מעמיק יותר. אחת המטרה החשובה של מחלקת ה- IT בכל ארגון היא לספק נתונים מדויקים במהירות לכל המחלקות בארגון על פי בקשה.
עם איסוף הנתונים, חשוב לאחד מקורות נתונים לא מובנים, מובנים וחצי מובנים על גבי פלטפורמה אחת לביצוע ניתוח מעמיק ובעצם סיוע בקבלת החלטות עסקיות. תכונה זו של Hadoop מביאה אנשים רבים יותר לשולחן בארגון מכיוון שיש עובדים שמתקשרים עם נתונים בנקודות מגע שונות בפעילות השוטפת. כמו כן, תהליכי ETL ו אצווה מסורתיים עשויים להימשך זמן רב, ואילו Hadoop עם עיבוד האצווה בנפח הגבוה שלה מאיץ אותו עד פי 10.
המשמעות של Hadoop אינה אומרת בהכרח שכל עובד בארגון צריך להכשיר את פלטפורמת הביג דאטה, מה שאולי לא יהיה אפשרי ברוב המקרים. אך יהיה זה יתרון אסטרטגי עבור CTO לזהות ולהכשיר אנשי מקצוע שנמצאים באינטראקציה מתמדת עם נתונים.
לאחר שסיקרנו את האחסון, העיבוד, אחזור הנתונים באמצעות פלטפורמת Hadoop הפופולרית, תופעה חשובה נוספת שהיא חלק מההתקדמות הטבעית היא ניתוח הביג דאטה. במילים פשוטות יותר, ארגונים זקוקים לפרספקטיבה מרובה של אנשי מקצוע שונים בארגונים.
מפת hash לעומת טבלת hash
ניתן לראות את המספר '6' כמספר '9' מהצד השני של הטבלה. במילים אחרות, המסקנה מהתבוננות בנתונים שונה מאדם לאדם.
ארגונים יודעים זאת ולעתים קרובות עוסקים בהכשרת עובדים בפלטפורמה דומה, כך שאנשים ממחלקות שונות המחוברים באותה פעילות דנים, עוסקים ומשתפים תובנות לקבלת החלטות נכונות. לכן, אני מאמין שיהיה בטוח להגדיר הכשרה של ביג דאטה כהזדמנות לכל עובד להיות באותו דף ולקחת ארגונים לשלב הבא!
יש לך שאלה עבורנו? הזכר אותם בסעיף ההערות ונחזור אליך.
פוסטים קשורים: