La recent notícia que fa que el servei militar dels Emirats Àrabs Units sigui obligatori per a tots els emirats entre els 18 i els 30 anys m’ha motivat a pensar per què els països, independentment de la seva situació econòmica, asseguren que els ciutadans estiguin preparats per defensar el país.
Es podria argumentar que un nombre limitat de ciutadans en un país sovint obliguen el govern a fer obligatori el servei militar. Però, què passa amb la Xina? És el país més gran per població, però també garanteix que els ciutadans que cursen estudis posteriors compleixin el temps militar obligatori. En resum, les nacions es preparen bàsicament per defensar-se en cas de conflicte i tothom ha d’estar preparat per a això. Ja sigui electricista, homes de negocis, fuster, tots s’uneixen per una causa comuna.
Per estrany que sembli, es pot establir un estrany paral·lelisme entre aquestes nacions i les organitzacions actuals que volen mantenir-se competitives. L'amenaça actual o més aviat un desafiament en forma de Big Data ha motivat les organitzacions grans i petites a reunir la seva mà d'obra en diversos departaments per abordar-la habitualment. Per anar més enllà, normalment les nacions que apliquen el servei militar obligatori sempre tenen uns criteris d’elegibilitat, de la mateixa manera que les organitzacions troben que és lògic donar formació en big data només als empleats que tinguin alguna forma d’interacció amb grans quantitats de dades i que estiguin obligats a: utilitzeu Hadoop en tots els punts de contacte.
De la mateixa manera que un general de l'exèrcit en connexió amb el govern decideix el tipus d'armament i entrenament que s'assignarà al seu nou ciutadà novament reclutat, de la mateixa manera que s'espera que un CTO estigui al capdavant de la infraestructura i el llegat de TI. sistemes que impulsen la innovació de noves tecnologies per permetre als seus empleats un millor rendiment. Amb un objectiu compartit d’abordar el big data, intentem comprendre amb detall on s’utilitza el big data i per què és important formar-hi els vostres companys.
1. Tecnologia de la informació: millora de la productivitat amb la formació en Big Data
Potser a l'avantguarda de la implementació de big data, l'equip de TI és l'epicentre per tirar endavant el canvi. Un responsable de decisions sobre formació en TI que vulgui oferir formació als big data als empleats ha de començar amb el departament de TI. Per què? Perquè quan es tracta de relacionar-se amb la tecnologia en totes les etapes de l’activitat, els frikis del soterrani (popular argot per a TI) són els més propers. Quina rellevància té, doncs?
Vegem un informe presentat pel popular lloc, CIO, que afirma:
'Segons una enquesta recent de CompTIA a 500 executius nord-americans de negocis i TI, el 50 per cent de les empreses que estan per davant de la corba en l'aprofitament de dades i el 71 per cent de les empreses que tenen un ritme mitjà o endarrerit d'aprofitar les dades, consideren que el seu personal és moderat o deficient significativament en habilitats de gestió i anàlisi de dades ”
Tenint en compte que la gestió i l’emmagatzematge de dades forma part de la funció bàsica de les TI, és necessari tenir un enfocament paral·lel a la implementació de la plataforma de dades grans i enfortir les habilitats de TI dins del big data. D’acord amb el fet hi ha un informe de McKinsey que afirma que el 2018 hi haurà una manca de més de 140.000-190.0000 professionals amb una profunda experiència tècnica i analítica. Com que cada vegada hi ha més professionals tècnics que requereixen formació en big data, les organitzacions busquen formar professionals tècnics més per obtenir un ROI ràpid i especialistes en plataformes, administradors i enginyers que treballen al departament de TI al capdavant.
Combinar la funció trinitària bàsica de TI amb el Big Data
El terme Trinitat sovint em recorda dos conceptes religiosos: un és la mitologia hindú del creador, conservador i destructor i l’altre és el concepte cristià del pare, el fill i l’esperit sant. Tots dos s’esforcen per millorar la humanitat. De la mateixa manera, aquestes tres funcions d’un equip de TI s’esforcen per millorar tota l’organització amb departaments amb necessitats diferents quan es tracta de tecnologia de la informació. A part de les funcions de seguretat i assistència, un departament de TI pot relacionar-se amb aquestes funcions quan es tracta d’implementar dades massives.
Planificació: l'activitat de planificació dins d'un equip de TI se centra a garantir que l'estratègia de TI de l'organització estigui alineada amb els objectius empresarials. Això inclou treballar en la personalització de programari, incorporant noves plataformes que satisfacin les necessitats dels diferents departaments comercials. En altres paraules, qualsevol nova implementació sempre començarà des de TI.
Xarxa: implica desenvolupar xarxes que facilitin totes les formes de comunicació entre trànsit de veu, dades, vídeo i Internet i hi ha diversos punts de control per registrar dades, ja sigui interacció amb el client, anàlisi de sentiments i actualització del trànsit, tots recullen dades en temps real. Un departament de TI sovint garanteix una integració fluida de xarxes per treballar juntament amb l'objectiu de processar dades massives.
Dades: per dir-ho d’una manera senzilla, un equip de TI aporta eines per recopilar, emmagatzemar, gestionar, protegir i distribuir dades als empleats per a diverses decisions estratègiques de l’organització. Totes les formes de dades, com ara registres de vendes, registres financers i detalls de les existències, s’emmagatzemen en un únic centre de dades. Això crea la responsabilitat de l’equip de TI d’implementar plataformes de big data que permetin als usuaris designats emmagatzemar i recuperar informació en qualsevol ubicació de dades.
En qualsevol equip de TI, es necessita una barreja versàtil de membres amb tasques diferents per a la implementació de big data. Per començar, cal un especialista que garanteixi una transició fluida dels sistemes tradicionals a les plataformes de grans dades. Per a això, cal que un tècnic se centri en mantenir la plataforma durant tot el cicle de vida de tots els departaments. Després apareix la necessitat d’un membre que ha de controlar constantment si cada implementació tecnològica està alineada amb l’objectiu organitzatiu.
2. Desenvolupament de productes: repensar la innovació en totes les etapes de la R + D
Potser un dels departaments més importants a l’hora de portar l’organització al següent nivell d’innovació. Un dels majors avantatges del big data és la integració de dades en diferents punts de contacte en el desenvolupament de productes des del disseny de productes, fabricació, qualitat, garantia, diagnòstic, aplicacions de vehicles i programari. Les dades generades a partir d’aquests punts de contacte defineixen la manera com té el producte i l’èxit que pot tenir. Això bàsicament porta els desenvolupadors de productes, professionals i dissenyadors d’R + D a l’enfocament basat en dades i anàlisi de dades.
Enginyeria del Big Data en realitat
Pel que fa al desenvolupament de productes, un exemple popular seria el cotxe que menys conductor està desenvolupant i que planeja llançar Audi el 2016. Sí, hi ha l’equip de desenvolupament de productes que té l’enorme tasca d’assegurar-se que la visió del CEO sobre innovació s’aconsegueixi. . Però, en el camí, hi ha diversos desafiaments i preguntes, des del desenvolupament fins a les proves a les quals només les grans dades poden respondre. Vegem per què.
Penseu en la possibilitat de supervisar un viatge de prova des del punt A fins al punt B. A continuació, es detallen els tipus de dades que es poden generar:
a. Dades del sensor: els sensors del cotxe podien emmagatzemar detalls sobre la distància que havia mesurat entre els cotxes que hi havia darrere i davant i la freqüència dels vehicles amb què es trobava durant el viatge.
b. Dades del conductor: es podrien realitzar diverses proves amb diferents grups d’edat i es detallarien els detalls del nivell de confort, rendiment i quantes vegades el conductor necessitava anul·lar la conducció automàtica en grans conjunts de files i columnes per analitzar-los.
c. Dades demogràfiques: es pot dur a terme una prova a l'Índia i als Estats Units. L’AI dins de la conducció automàtica podria analitzar les obstruccions que es troba en la conducció a dos països diferents. Quin país és més viable per conduir automàticament i quin comtat no ho és?
d. Dades sobre el rendiment del mercat: després que el producte es llanci i estigui a la carretera, els enginyers també podrien controlar el seu èxit analitzant dades en viu amb feeds que el programa del cotxe proporciona 24 × 7, donant informació si la introducció de la conducció automàtica ajuda a mantenir el camí és més segur?
Hi ha N nombre de dades possibles que es poden obtenir a partir de l'enginyeria de productes. Tot just estem començant a explorar els OEM de la indústria automobilística. Penseu en les possibilitats del big data en diversos sectors: medicina, assistència sanitària, electrònica, etc. Qui sap?
FET DIVERTIT: Sabíeu que l'adopció de Big Data i Analytics per part de Ford va salvar-la d'una experiència gairebé mortal durant la dècada de 2000, quan la competència era dura per part dels fabricants d'automòbils europeus i asiàtics?
3. Finançament: capacitació dels empleats en plataformes de big data per gestionar la modelització financera
Podríem haver sentit sovint el terme que els diners són la sang dels negocis. Tenir cura d’aquests diners és responsabilitat del departament de finances. El món empresarial defineix les funcions del departament de finances com que normalment participen en la 'planificació, organització, auditoria, comptabilitat i control de les finances de la seva empresa juntament amb la producció de les finances de l'empresa.
Dit això, el departament de finances en general sol ser una idea a l’hora de manejar diners i el paper s’amplia a diverses activitats com la generació d’estats de fluxos d’efectiu, la modelització de costos, la realització de premis i el compliment, entre d’altres. Fa unes dècades, realitzar totes aquestes activitats amb sistemes i plataformes limitades era bastant factible, però a l’era del big data els dos reptes als quals s’enfronta cada departament de finances és realitzar funcions de finançament regulars en l’escenari canviant i recopilar idees per al futur. Vegem-ho des d’una perspectiva més profunda.
Amb la informació repartida en diferents servidors, les organitzacions solen trobar-se amb el repte de consolidar aquestes dades i realitzar accions segons els requisits empresarials. Una funció important de l’interior és l’auditoria interna que manté el control de la governança de l’organització, la gestió del risc i els controls de gestió i la realització d’auditories proactives de frau per identificar els actes fraudulents. Amb l’augment de l’anàlisi, cal integrar també l’auditoria interna. Això ha provocat nous mètodes com l’anàlisi de dades d’auditoria que ajuden a avaluar el risc, a crear models financers i a donar una visió general de les finances dins d’una organització.
estructura de dades i algorisme a Java
Modelització de costos i realització de preus
La modelització de costos és un component important per a una utilització efectiva dels recursos. Les empreses han d’identificar les activitats que impulsen els costos, el total de materials directes i mà d’obra necessaris per completar la tasca, etc. El modelatge de costos ajuda les empreses a identificar amb precisió els costos globals de producció dels productes en totes les activitats de l’empresa. A l’era del big data, és important fer un seguiment de totes les activitats financeres que es duen a terme en diferents departaments d’una organització que consolida aquesta informació per construir un model de cost ideal. Des de la compra fins a la venda, totes les dades s’emmagatzemen a l’historial financer i els fonaments bàsics per desenvolupar un model de costos són obtenir grans quantitats de dades i crear un model que es pugui aplicar per al futur.
Tot i que es pot debatre que els esforços de realització de preus es dirigeixen més cap a les vendes per millorar la rendibilitat, el departament de finances té un paper més important a l’hora de beneficiar-se de la realització de preus. Per desglossar-lo en termes més senzills, tingueu en compte un punt de venda que vulgui oferir descomptes per impulsar les vendes. L’objectiu fonamental és reduir la filtració de preus i millorar el preu de butxaca.
La pèrdua de preus es produeix quan es descompta el preu d’un producte tan menys (en una oferta per aconseguir vendes) que comprometen la rendibilitat i el preu de butxaca és el preu de venda després dels descomptes. Per dur a terme un esforç rendible de realització de preus, l'equip de vendes col·labora amb el departament de finances per entendre l'estructura dels costos de cada producte i on es poden fer descomptes. Això al seu torn requereix que el departament financer desenvolupi un marc per a models de realització de preus per al futur i defineixi els límits dins d’aquestes activitats de màrqueting. La tasca inclou el processament de dades d’adquisició, cost de magatzem, vida útil i, a continuació, estimar el cost de les mercaderies venudes (CGS).
F-12 i anàlisi predictiu
converteix la cadena a la data en Java
Una de les activitats importants dins del departament financer és controlar la salut financera de l’organització. De la mateixa manera que un metge utilitza mètriques diferents com ara la freqüència del pols, la calor corporal o la reacció dels estímuls per jutjar si el pacient està viu o mort, de la mateixa manera que el món financer controla les 12 mètriques per saber cap a on es dirigeix l'empresa monetàriament i què hi ha més enllà . Des del creixement dels ingressos reals, el creixement dels ingressos sostenible, la política de preus i l’índex de preus, el control de les despeses d’explotació, la comparació de l’EBITDA amb el flux de caixa, el flux de caixa lliure de deutes, l’excés d’efectiu, el retorn de l’actiu, el capital circulant, l’ús del finançament del deute, el cicle comercial i el cost net de capital constitueixen components importants en la informació financera d’una organització perquè la direcció superior pugui prendre una bona decisió.
Com a part del repte del món de les grans dades, entendre aquestes relacions requereix processar grans quantitats d’informació repartides per tota l’organització per convertir-les en un format estàndard d’anàlisi. L’anàlisi predictiva entra en joc quan aquestes dades es processen a partir de la història passada, en comparació amb els mateixos elements del present, de manera que es fan estimacions precises per al futur. La millor part és la plataforma d’anàlisi predictiva i es construeixen mètodes per processar big data, simplificant així la tasca del departament financer.
FET DIVERTIT: Sabíeu que l'Oversea-Banking Corporation (OCBC) amb seu a Singapur va poder utilitzar el big data per obtenir informació sobre els clients, que va ser directament responsable d'un augment del 40% en l'adquisició de nous clients?
4. Recursos humans: redefinició de les capacitats dels empleats de recursos humans
Imaginar el Big Data en Recursos Humans sovint pot instar els lectors a renunciar com a ximple, ja que normalment una organització no dóna molta prioritat a la implementació de la tecnologia Big Data al departament de RRHH, ja que prefereix centrar-se en Màrqueting, Operació o Finances. Però, en realitat, el departament de recursos humans té un paper crucial per assegurar-se que el talent adequat entra a l’organització entre altres activitats.
Afegir més dents a la FC
Potser és el més ignorat de tots els departaments pel que fa a la implementació de dades massives, però, en un món que canvia ràpidament, la manera com funciona un departament de recursos humans defineix l’èxit d’una organització.
Segons Forbes, una empresa mitjana mitjana té més de 10 aplicacions diferents de recursos humans i el seu sistema bàsic de recursos humans té més de 6 anys. Aquesta tendència posa de manifest el fet que una organització necessita els recursos correctes per reunir aquestes dades. La formació en Big Data i Analytics aporta habilitats com l'anàlisi de dades, la visualització i la resolució de problemes, des de l'informe operatiu fins a l'anàlisi estratègica.
S'espera que un departament de RRHH lliuri per defecte en termes d'operacions bàsiques de RRHH, però la formació en Big Data el porta a un nivell completament nou. A mesura que el departament de recursos humans es fa més analític amb eines, canvia el seu enfocament per participar en una activitat més estratègica. S'identifica una qüestió crítica com la de tenir més factors de retenció dels empleats que afecten la qualitat de les vendes del canal de candidats i l'avaluació de les mancances de talent i es prenen mesures estratègiques mitjançant l'anàlisi de les dades rellevants.
El canvi passarà d’un simple recompte a una anàlisi més predictiva.
L’Oracle dins dels recursos humans
Va haver-hi una història divertida que recordo d’un amic que treballava com a RR.HH. Va tenir una feina esgotadora abans de enviar la candidata al cap de departament corresponent, que només diria les paraules màgiques: 'Ok, deixa que el contracti'.
Durant un temps, les coses van anar bé ja que va aportar bon talent a l’empresa. A mesura que passava el temps, va anar confiant en les seves habilitats de contractació, fins i tot impulsant la direcció superior per afegir més persones al seu equip, implementant sistemes de recursos humans i incloent més consultores de tercers. El més complicat va ser que va fer altes promeses a la direcció alta amb la seva confiança.
La història ha demostrat que qui es prepara per a un esdeveniment futur té més èxit que aquell que va a la glòria passada. Hi va haver un moment en què s'esperava que contractés un gran nombre de professionals del domini en què s'ampliava la companyia. Va començar a cobrir vacants amb un compromís amb la contractació de professionals de qualitat. Va adoptar un enfocament més orientat a objectius. El resultat? La majoria dels professionals que va contractar van deixar papers que esmentaven diversos motius i la direcció la va interrogar. Sovint la sentia murmurar:
'Busco 1000 CV, preselecciono 100 CV, truco a 50 candidats per a l'entrevista, filtro 10 de les meves avaluacions psicomètriques, entre els 10, en prenc 5 que valen la pena, envio els 5 a la direcció, en zero a 1 i aquell noi se'n va després de dos mesos '.
Vaig riure de la seva misèria a part d’oferir les meves simpaties, però em va fer preguntar-me si els recursos humans poden entendre millor la seva experiència o cal tenir un enfocament més basat en dades en tot aquest procés de contractació? Bé, fem servir anàlisis predictius per trobar quin equip guanyarà la copa del món, però per què no utilitzar les mateixes tècniques en el procés de contractació, sobretot quan tractem elements complexos com éssers humans?
Ara bé, la feina de contractar no és necessàriament una feina fàcil, implica molts processos i les regles de contractació sovint canvien segons la indústria, el personal de recursos humans té el paper que està contractant per a les normes de l’organització, etc.
Si s’observen organitzacions d’èxit que utilitzen anàlisis predictives i tenen taxes de desgast menors, hi ha un patró per decidir primer sobre les característiques desitjades dins d’un candidat que garanteixin l’èxit, consolidant-lo en un perfil ‘ideal’ i comparant-lo amb tots els candidats més propers. a això i després involucrar-los amb avaluacions personalitzades que avaluïn les característiques d’aquests candidats.
Un punt a destacar és que tota la indústria de l’avaluació psicomètrica amb actors destacats com Pearsons, Thomas Assessment i SHL va sorgir a causa de la demanda dels professionals de recursos humans d’analitzar el perfil dels candidats en la necessitat de perfeccionar el procés de contractació.
Tornant a l’anàlisi predictiva, com a part de la seva implementació, el personal de recursos humans ha de definir primer qui és un “candidat amb èxit” segons l’organització, després ha de definir els factors que poden impulsar l’eficàcia de la contractació i desenvolupar-los i observar-los com per què alguns contractes funcionen millor que els altres amb una hipòtesi, si cal. En funció d’això, pot comparar-ho amb les dades dels empleats amb èxit que han estat durant molt de temps a l’organització i, en tercer lloc, utilitzar tècniques estadístiques per mesurar per què algunes persones es queden més temps.
L’enfocament és bo per començar, però la implementació d’anàlisis predictives dins de recursos humans inclou moltes tècniques que un recursos humans és lliure d’explorar. La millor part d’aquest procés és la reducció del cost de substituir un empleat per un de nou i potser guanyar més ROI que l’antic.
Al cap i a la fi, la combinació d’intuïció, experiència i un enfocament sòlid basat en dades sovint refina no només el criteri d’un RRHH sinó també el nostre.
FET DIVERTIT: Sabíeu que el gegant nord-americà Xerox va reduir la facturació del centre de trucades un 20% aplicant analítiques a possibles candidats amb la constatació que les persones creatives eren més propenses a romandre a la companyia durant els 6 mesos necessaris per recuperar el cost de la seva formació de 6.000 dòlars que no pas la curiositat gent?
5. Cadena de subministrament i logística: formació de l'equip de lliurament amb plataformes de big data
La cadena de subministrament i la logística constitueixen bàsicament un component important en les estratègies i els objectius organitzatius. L’objectiu de Supply Chain & Logistics és estalviar costos i millorar el rendiment, la velocitat i l’agilitat. Quan es tracta de logística, capturen i fan un seguiment de diferents formes de dades per millorar fonamentalment l’eficiència operativa, millorant l’experiència del client i els nous models de negoci. Aquests factors sovint poden ajudar les organitzacions a conservar els recursos, construir una marca millor i crear un procés sistemàtic per a la cadena de subministrament i la logística.
Seguiment del Big Data a tot el món
Prenguem un exemple d’un gegant del comerç electrònic que utilitza el Big Data per enviar-lo als seus clients. Un producte s’envia des d’una ubicació a l’adreça del client. Els dispositius del vehicle de transport, com ara el rastrejador GPS, el micròfon, el sensor, contenen dades estructurades i no estructurades que s’envien al centre de monitorització per a actualitzacions en temps real. Juntament amb això, també ajuda a analitzar l'eficiència del temps de lliurament, el recorregut més curt i els recursos utilitzats per realitzar una operació de lliurament a la llista de milions d'aquestes transaccions. Aquesta mina d’or de dades en diferents mercats és consolidada per les organitzacions i després s’analitza per millorar el procés o aportar tot un nivell de nova innovació.
FET DIVERTIT : Sabíeu que les dades massives en forma de seguiment de pàgines de clients d'Amazon l'han ajudat a situar els seus productes al magatzem més proper al client per tal de millorar la rapidesa i l'eficiència de lliurament?
6. Operacions, assistència i atenció al client: formació dels empleats sobre big data en cada interacció del client
L’èxit de qualsevol producte o servei es basa en l’assistència postvenda que rep un client i, sovint, el venedor presta el jurament d’estar-hi en tot moment. Això prové del fet que quan un client pren un producte o un servei, fa un 'salt de fe' amb l'esperança que el venedor no el deixi caure en la vida útil del producte / servei. Respectar aquesta perspectiva és fonamental per a l’èxit organitzatiu.
Vegem el suport a nivell granular. Fa poc vaig tenir l’oportunitat de veure ‘Interstellar’ de Christopher Nolan que explorava els viatges espacials fins al final de l’espai. Això em va fer pensar en futures companyies aèries que oferiran serveis de vol a través de forats de cuc que abasten milions d’anys llum de distància. Quins serien els reptes aleshores? Quin tipus de big data es generarà en aquest viatge gairebé interminable? Com s'assegurarà l'equip de bord que el passatger gaudeixi del trajecte durant tot el viatge? Per començar, el proveïdor de serveis ha de centrar-se en objectius principals com garantir la seguretat aèria, fer un seguiment de la seva trajectòria de vol, oferir els requisits dels clients, etc.
Big Data en moviment 24 × 7
La idea dels viatges interestel·lars podria ser un somni llunyà durant els propers 100 anys (ser optimista!), Però no ens impedeix mirar les dades que genera un servei similar actualment operatiu que aportarà més llum sobre la manera com el client El servei i l'assistència es realitzen en l'escenari de 'postvenda' i de com les organitzacions poden participar en la millora dels seus esforços en temps real.
Per començar, Southwest Airlines és una de les companyies aèries més famoses que va aprofitar el Big Data per millorar la seva experiència de client. En la seva aposta per millorar la seguretat aèria, Southwest Airlines va col·laborar amb la NASA per participar en un experiment de dades massives per millorar l'experiència general del vol. Això inclou fer ping als satèl·lits de la NASA amb informació sobre la trajectòria del vol, informes dels pilots i altra informació sobre el trànsit aeri. Al cim d’aquesta tècnica tan innovadora, hi ha el concepte bàsic de dades massives anomenat ‘mineria de dades de text’ que converteix la informació textual no estructurada en text significatiu per obtenir informació. Llavors creieu que la mineria de dades de text acaba aquí?
Per descomptat, no ho fa, fins i tot un concepte simple en big data, com la mineria de dades de text, s’estén molt més enllà. Tots sabem que els comentaris dels clients són un component important per entendre on una organització surt malament en cada moment de la interacció del client. La mineria de dades de text també ajuda al servei al client mitjançant l’anàlisi de les respostes de les enquestes de composició oberta. En lloc de restringir els clients a opcions habituals com l’opció A, l’opció B, l’opció C, les preguntes obertes proporcionen més informació, però classificar-les i registrar les respostes pot ser un tema clau. Aquí és on entra en joc la mineria de dades de text, que agrupa cert conjunt de paraules i les consolida per obtenir informació.
Mirant més enllà d’això, tots hem d’admetre que cap organització és perfecta i que cadascun d’ells té un petit grup de clients que potser no estaran satisfets amb el servei. El resultat? Una base de dades inundada de correus electrònics, missatges, tuits de clients que registren queixes o consells sobre 'àrees de millora' per dir-ho de manera més suau. La mineria de dades de text fa un pas per davant dels filtres de correu tradicionals i pot classificar els correus segons la prioritat i redirigir-los al departament en qüestió.
FET DIVERTIT : Sabíeu que Southwest Airlines, com a part del seu esforç per millorar els serveis al client, ha implementat l'anàlisi de dades amb la funció anomenada 'anàlisi de veu' que registra la interacció entre el client i el personal per obtenir informació.
7. Màrqueting: capacitar els empleats en un enfocament de màrqueting sistemàtic amb big data
Avui en dia, el màrqueting com a activitat es basa en números. Amb l’augment del màrqueting digital, ara podem mesurar amb precisió la resposta dels anuncis, del percentatge de clics, de les impressions, del ROI, etc. Per als professionals que no siguin professionals del màrqueting, aquestes mètriques poden ser gregues, però per als que comercialitzen aquestes dades són una mina d’or. Posteriorment, juntament amb mètriques, es generen grans quantitats de dades a cada punt de la interacció amb els clients, les xarxes socials i les vendes. Correspon al professional del màrqueting fer un seguiment d’aquestes dades i utilitzar-les per impulsar els productes de manera més eficaç. La formació en Big Data hi té un paper essencial, ja que plataformes com Hadoop & R ajuden a aquest propòsit.
En segon lloc, els professionals de màrqueting puntuals sovint es dediquen a la retrospectiva de la seva marca. Preguntes com:
Com és la meva marca millor que altres?
Què ofereixen altres marques?
Quines funcions té el meu competidor en el mateix producte?
L’estudi és molt més profund que això. Des de l’anàlisi del producte de la competència en funció dels 4P (producte, preu, lloc, posicionament) fins a la comprensió del contingut del producte presentat a la pàgina web del competidor, la quantitat de dades generades és enorme i complicada. Com s’ha dit abans, aprofitar la mineria de text pot ajudar el venedor a realitzar anàlisis de competidors simplement rastrejant el lloc web del competidor. Aquesta senzilla funció en el domini del big data pot donar una idea consolidada sobre què fa el competidor i quins productes tenen al mercat, donant així un avantatge al venedor que ha adoptat el big data.
Armar el creatiu
Per exemple, un estrateg de xarxes socials vol conèixer la percepció de marca de la seva organització a través de les plataformes de xarxes socials, i probablement participar en l’anàlisi del sentiment a R & Hadoop ajudarà a assolir aquest objectiu. De la mateixa manera, l’ús d’eines de Big Data ajuda a la comercialització de diverses activitats com ara preus, posicionament de productes, etc.
funció d'ordenació c ++
Un altre exemple podria ser un gerent de màrqueting en un punt de venda que vol maximitzar les vendes. Tothom coneixeria l’exemple de Walmart que va ser capaç de situar la cervesa i la llet al costat del passadís en funció de l’historial de compres de clients anteriors, recuperant grans quantitats de dades de milions de clients en un període de temps.
FET DIVERTIT: Sabíeu que General Motors, amb un pressupost anual de màrqueting de 2 mil milions de dòlars anuals, utilitzava Big Data Analytics per crear perfils detallats de clients i combinar l’anàlisi de dades espacials amb informació demogràfica / client detallada per obtenir un màrqueting més personalitzat?
Per què les empreses passen a les plataformes Big Data
Normalment, les organitzacions que utilitzen sistemes antics antics tenen dades distribuïdes en molts sistemes. A causa de la difusió de les dades en diferents ubicacions, la velocitat de processament disminueix juntament amb la precisió de l'anàlisi de les dades. Això requereix la consolidació de dades dins d’un centre de dades empresarial, la qual cosa crea un accés més ràpid a les dades, donant lloc a una anàlisi més profunda. Un dels objectius importants del departament de TI de qualsevol organització és proporcionar dades precises de forma ràpida a tots els departaments de l’organització quan ho sol·licitin.
Amb la recopilació de dades, és important unificar fonts de dades no estructurades, estructurades i semiestructurades en una plataforma per realitzar anàlisis en profunditat i, bàsicament, ajudar a la presa de decisions empresarials. Aquesta característica d’Hadoop aporta més gent a la taula dins de l’organització, ja que hi ha empleats que interactuen amb dades en diferents punts de contacte en les operacions del dia a dia. A més, els processos tradicionals d’ETL i per lots poden trigar molt, mentre que Hadoop, amb el seu processament per lots d’alt volum, l’accelera fins a 10 vegades.
La importància d’Hadoop no significa necessàriament que tots els empleats d’una organització hagin de formar-se a la plataforma Big Data, cosa que pot no ser factible en la majoria dels casos. Però seria un avantatge estratègic per a un CTO identificar i formar aquells professionals que estan en constant interacció amb les dades.
Després d’haver cobert l’emmagatzematge, el processament i la recuperació de dades a través de la popular plataforma Hadoop, un altre fenomen important que forma part de la progressió natural és l’anàlisi del Big Data. Per simplificar-ho, les organitzacions necessiten una perspectiva múltiple de diversos professionals d'una organització.
El número '6' es pot veure com el número '9' de l'altre costat de la taula. En altres paraules, la conclusió de l'observació de dades difereix d'una persona a una altra.
Les organitzacions ho saben i sovint es dediquen a formar empleats en plataformes similars perquè persones de diferents departaments interconnectats per la mateixa activitat discuteixin, interaccionin i comparteixin idees per a una bona presa de decisions. Per tant, crec que seria segur definir la formació en Big Data com una oportunitat per a tots els empleats a estar a la mateixa pàgina i portar les organitzacions al següent nivell.
Tens alguna pregunta? Esmenteu-los a la secció de comentaris i us respondrem.
Articles Relacionats: