La reciente noticia de que los Emiratos Árabes Unidos hacen el servicio militar obligatorio para todos los hombres emiratíes entre los grupos de edad de 18 y 30 años me ha llevado a pensar por qué los países, independientemente de su estatus económico, garantizan que los ciudadanos estén preparados para defender el país.
Se podría argumentar que un número limitado de ciudadanos en un país a menudo obliga al gobierno a hacer obligatorio el servicio militar. Pero, ¿y China? Es el país más grande por población, pero también garantiza que los ciudadanos que cursan estudios superiores cumplan con el tiempo militar obligatorio. En resumen, las naciones se están preparando básicamente para defenderse en caso de conflicto y todos deben estar preparados para ello. Ya sea un electricista, un empresario, un carpintero, todos se unen por una causa común.
Por extraño que parezca, se puede establecer un paralelo asombroso entre esas naciones y las organizaciones de hoy que quieren seguir siendo competitivas. La amenaza actual, o más bien un desafío en forma de Big Data, ha llevado a organizaciones grandes y pequeñas a reunir su mano de obra en varios departamentos para abordarla de manera común. Para ir más allá, típicamente las naciones que hacen cumplir el servicio militar obligatorio siempre tienen un criterio de elegibilidad, de la misma manera que las organizaciones encuentran lógico brindar capacitación en big data solo a aquellos empleados que tienen alguna forma de interacción con grandes cantidades de datos y están obligados a Emplee Hadoop en cada punto de contacto.
Así como un General del Ejército en enlace con el gobierno decide el tipo de armamento y entrenamiento que se le asignará a su ciudadano novato convertido en nuevo recluta, de la misma manera se espera que un CTO esté al mando de la infraestructura y el legado de TI. sistemas que impulsan la innovación de nuevas tecnologías para permitir que sus empleados se desempeñen mejor. Con un objetivo compartido para abordar el big data, intentemos comprender en detalle dónde se usa el big data y por qué es importante capacitar a sus camaradas en él.
1.Tecnología de la información: mejora de la productividad con Big Data Training
Quizás a la vanguardia de la implementación de big data, el equipo de TI es el epicentro para hacer avanzar el cambio. Un responsable de la toma de decisiones en materia de capacitación en TI que desee brindar capacitación en big data a los empleados debe comenzar con el departamento de TI. ¿Por qué? Porque cuando se trata de interactuar con la tecnología en cada etapa de la actividad, los geeks del sótano (jerga popular para TI) son los más cercanos. Entonces, ¿qué tan relevante es?
Veamos un informe enviado por el popular sitio, CIO, que dice:
“Según una encuesta reciente de CompTIA a 500 ejecutivos de TI y de negocios de EE. UU., El 50 por ciento de las empresas que están por delante de la curva en el aprovechamiento de datos y el 71 por ciento de las empresas que están en el promedio o retrasados en el aprovechamiento de datos, sienten que su personal está significativamente deficiente en habilidades de análisis y gestión de datos '
Dado que la gestión y el almacenamiento de datos es parte de la función principal de TI, es necesario tener un enfoque paralelo hacia la implementación de la plataforma de big data y el fortalecimiento de las habilidades de TI dentro de big data. Un informe de McKinsey que respalda el hecho afirma que para 2018, habrá una escasez de más de 140.000-190.0000 profesionales con una profunda experiencia técnica y analítica. A medida que más y más profesionales técnicos requieren capacitación en big data, las organizaciones buscan capacitar más a los profesionales técnicos para un rápido retorno de la inversión y los especialistas en plataformas, los administradores y los ingenieros que trabajan en el departamento de TI están a la cabeza.
Combinando Trinity of Core IT Function con Big Data
El término Trinidad a menudo me recuerda dos conceptos religiosos: uno es la mitología hindú del creador, preservador y destructor y el otro es el concepto cristiano del padre, el hijo y el espíritu santo. Ambos luchan por la mejora de la humanidad. De la misma manera, estas tres funciones de un equipo de TI luchan por el mejoramiento de toda la organización con departamentos con diferentes necesidades cuando se trata de tecnología de la información. Además de las funciones de seguridad y soporte, un departamento de TI puede relacionarse con estas funciones cuando se trata de la implementación de big data.
Planificación: la actividad de planificación dentro de un equipo de TI se centra en garantizar que la estrategia de TI de la organización esté alineada con los objetivos comerciales. Esto incluye trabajar en la personalización del software, incorporando nuevas plataformas que satisfagan las necesidades de los diferentes departamentos comerciales. En otras palabras, cualquier nueva implementación siempre comenzará desde TI.
Red: implica el desarrollo de redes que facilitan todas las formas de comunicación entre voz, datos, video y tráfico de Internet y hay varios puntos de control para registrar datos, ya sea interacción con el cliente, análisis de sentimientos y actualización del tráfico, ¡todos recopilan datos en tiempo real! Un departamento de TI a menudo asegura una integración fluida de las redes para trabajar junto con el objetivo de procesar big data.
Datos: en pocas palabras, un equipo de TI trae herramientas para recopilar, almacenar, administrar, proteger y distribuir datos a los empleados para diversas decisiones estratégicas en la organización. Todas las formas de datos, como registro de ventas, registros financieros, detalles de existencias, se almacenan en un solo centro de datos. Esto crea una responsabilidad dentro del equipo de TI para implementar plataformas para big data que permitan a los usuarios designados almacenar y recuperar información en cualquier ubicación de datos.
En cualquier equipo de TI, se necesita una combinación versátil de miembros con diferentes tareas para la implementación de big data. Para empezar, se necesita un especialista que garantice una transición sin problemas de los sistemas tradicionales a las plataformas de big data. Para eso, se requiere que un técnico se concentre en mantener la plataforma en todo su ciclo de vida en todos los departamentos. Luego surge la necesidad de un miembro que debe monitorear constantemente si cada implementación tecnológica está alineada con el objetivo organizacional.
2.Desarrollo de productos: repensar la innovación en todas las etapas de I + D
¡Quizás uno de los departamentos más importantes cuando se trata de llevar a la organización al siguiente nivel de innovación! Una de las mayores ventajas del big data es la integración de datos a través de diferentes puntos de contacto en el desarrollo de productos desde el diseño, fabricación, calidad, garantía, diagnóstico, vehículos y aplicaciones de software. Los datos generados a partir de estos puntos de contacto definen la forma en que es el producto y el éxito que puede tener. Básicamente, esto lleva a los desarrolladores de productos, los profesionales de I + D y los diseñadores al enfoque basado en datos y de análisis de datos.
Hacer realidad el Big Data
En lo que respecta al desarrollo de productos, un ejemplo popular sería el automóvil sin conductor que Audi está desarrollando y planea lanzar para 2016. Sí, existe el equipo de desarrollo de productos que tiene la enorme tarea de asegurarse de que se cumpla la visión de innovación del CEO. . Pero en el camino, hay varios desafíos y preguntas desde el desarrollo hasta las pruebas que solo los macrodatos pueden responder. Veamos por qué.
Considere un viaje de prueba que se está monitoreando desde el punto A hasta el punto B. Estos son los tipos de datos que se pueden generar:
a. Datos del sensor: los sensores dentro del automóvil podrían almacenar detalles sobre la distancia que había medido entre los automóviles detrás y frente a él y la frecuencia de los vehículos que encontró en el viaje.
segundo. Datos del conductor: se podrían realizar múltiples pruebas con diferentes grupos de edad y los detalles del nivel de comodidad, rendimiento y cuántas veces el conductor necesitaba anular la conducción automática se comprimirán en grandes conjuntos de filas y columnas para su análisis.
C. Datos demográficos: se puede realizar una prueba en India y en EE. UU. La IA dentro de la conducción automática podría analizar los obstáculos que encuentra al conducir en dos países distintos. ¿Qué país es más viable para la conducción automática y qué condado no?
re. Datos de rendimiento del mercado: una vez que el producto se lanza y está en la carretera, los ingenieros también pueden monitorear su éxito mediante el análisis de datos en vivo con feeds proporcionados 24 × 7 por el programa del automóvil que brindan información sobre si la introducción de la conducción automática está ayudando a mantener el camino es más seguro?
Hay N número de datos posibles que se pueden obtener de la ingeniería de productos. Recién estamos comenzando a explorar los OEM de la industria automotriz. Piense en las posibilidades de big data en varios sectores, por ejemplo, medicina, atención médica, electrónica, etc. ¿Quién sabe?
HECHO DE LA DIVERSIÓN: ¿Sabías que la adopción de Big Data y Analytics por parte de Ford lo salvó de una experiencia cercana a la muerte en la década de 2000, cuando la competencia de los fabricantes de automóviles europeos y asiáticos era dura?
3.Finanzas: capacitar a los empleados en plataformas de big data para manejar modelos financieros
Es posible que hayamos escuchado a menudo el término de que el dinero es la sangre de los negocios. El cuidado de ese dinero es responsabilidad del departamento de finanzas. El mundo empresarial define las funciones del departamento de finanzas como típicamente involucradas en la 'planificación, organización, auditoría, contabilidad y control de las finanzas de la empresa, además de producir las finanzas de la empresa'.
Habiendo dicho que el departamento de finanzas en general es a menudo una creación cuando se trata de manejar dinero y el rol se expande a varias actividades como generar estados de flujo de efectivo, modelado de costos, realización de premios y cumplimiento, por nombrar algunos. Hace algunas décadas, realizar todas estas actividades con sistemas y plataformas limitados era bastante factible, pero en la era de los macrodatos, los dos desafíos a los que se enfrenta todo departamento de finanzas es realizar funciones financieras regulares en un escenario cambiante y recopilar información para el futuro. Veámoslo desde una perspectiva más profunda.
Con la información distribuida en diferentes servidores, las organizaciones a menudo enfrentan el desafío de consolidar esos datos y realizar acciones según los requisitos comerciales. Una función importante dentro es la auditoría interna que mantiene un registro de la gobernanza de la organización, la gestión de riesgos y los controles de gestión y la realización de auditorías proactivas de fraude para identificar actos fraudulentos. Con el auge de la analítica, también es necesario integrar la auditoría interna. Esto ha generado nuevos métodos, como el análisis de datos de auditoría, que ayudan a evaluar el riesgo, crear modelos financieros y ofrecer una imagen general de las finanzas dentro de una organización.
para que se usa la marioneta
Modelado de costos y realización de precios
El modelado de costos es un componente importante para la utilización eficaz de los recursos. Las empresas deben identificar las actividades que generan costos, el total de materiales directos y mano de obra necesarios para completar la tarea, etc. El modelado de costos ayuda a las empresas a identificar con precisión los costos generales de producción de los productos en todas las actividades dentro de la empresa. En la era del big data, es importante realizar un seguimiento de cada actividad financiera que se lleva a cabo en diferentes departamentos dentro de una organización que consolida esa información para construir un modelo de costos ideal. Desde la compra hasta la venta, todos los datos se almacenan en el historial de finanzas y los conceptos básicos fundamentales para desarrollar un modelo de costos es buscar grandes cantidades de datos y crear un modelo que pueda aplicarse para el futuro.
Aunque se puede debatir que los esfuerzos de realización de precios se dirigen más hacia las ventas para mejorar la rentabilidad, el departamento de finanzas juega un papel más importante cuando se trata de beneficiarse de la realización de precios. Para desglosarlo en términos más simples, considere un punto de venta minorista que planee ofrecer descuentos para impulsar las ventas. El objetivo fundamental es reducir la fuga de precios y mejorar el precio de bolsillo.
La fuga de precios se produce cuando el precio de un producto se descuenta tan bajo (en un intento por realizar ventas) que comprometen la rentabilidad y el precio de bolsillo es el precio de venta después de los descuentos. Para cumplir con un esfuerzo de realización de precios rentable, el equipo de ventas colabora con el departamento de finanzas para comprender la estructura de costos de cada producto individual y dónde se pueden otorgar descuentos. Esto, a su vez, requiere que el departamento de finanzas desarrolle un marco para los modelos de realización de precios para el futuro y defina los límites dentro de dichas actividades de marketing. La tarea incluye procesar datos de adquisiciones, costo de almacén, vida útil y luego estimar el costo de los bienes vendidos (CGS).
F-12 y análisis predictivo
cómo encontrar el tipo de datos en Python
Una de las actividades importantes dentro del departamento financiero es monitorear la salud financiera de la organización. Así como un médico utiliza diferentes métricas como la frecuencia del pulso, el calor corporal o la reacción al estímulo para juzgar si el paciente está vivo o muerto, de la misma forma el mundo financiero monitorea las 12 métricas para saber hacia dónde se dirige la empresa monetariamente y qué hay más allá. . Desde el crecimiento de los ingresos reales, el crecimiento sostenible de los ingresos, la política de precios y el índice de precios, el control de gastos operativos, la comparación del EBITDA con el flujo de efectivo, el flujo de efectivo libre de deuda, el exceso de efectivo, el rendimiento de los activos, el capital de trabajo, el uso del financiamiento de la deuda, el ciclo comercial neto y el costo de Capital forman componentes importantes en los informes financieros de una organización, de modo que la alta dirección pueda tomar decisiones acertadas.
Como parte del desafío en el mundo de los macrodatos, comprender estas proporciones requiere procesar grandes cantidades de información distribuida por toda la organización para convertirla en un formato estándar de análisis. La analítica predictiva entra en juego cuando estos datos se procesan a partir del historial pasado, en comparación con los mismos elementos en el presente, de modo que se realizan estimaciones precisas para el futuro. La mejor parte es la plataforma de análisis predictivo y los métodos están diseñados para procesar big data, lo que simplifica la tarea del departamento de finanzas.
HECHO DE LA DIVERSIÓN: ¿Sabía que Oversea-Banking Corporation (OCBC) con sede en Singapur pudo utilizar big data para obtener información sobre los clientes, que fue directamente responsable del aumento del 40% en la adquisición de nuevos clientes?
Recursos humanos: redefiniendo las capacidades de los empleados de recursos humanos
Imaginar Big Data en Recursos Humanos a menudo puede instar a los lectores a descartar como una patraña, ya que una organización generalmente no prioriza mucho en la implementación de la tecnología de Big Data en el departamento de recursos humanos, ya que preferiría centrarse en marketing, operaciones o finanzas. Pero en realidad, el departamento de recursos humanos juega un papel crucial para asegurarse de que el talento adecuado ingrese a la organización, entre otras actividades.
Añadiendo más dientes a la FC
Quizás el más ignorado entre todos los departamentos cuando se trata de la implementación de Big Data, pero en el mundo cambiante de hoy, la forma en que trabaja un departamento de recursos humanos define el éxito de una organización.
Según Forbes, una gran empresa promedio tiene más de 10 aplicaciones de recursos humanos diferentes y su sistema central de recursos humanos tiene más de 6 años. Esta tendencia destaca el hecho de que una organización necesita los recursos correctos para reunir estos datos. La formación en Big Data & Analytics aporta habilidades como el análisis de datos, la visualización y la resolución de problemas, desde los informes operativos hasta el análisis estratégico.
De forma predeterminada, se espera que un departamento de recursos humanos cumpla en términos de operaciones básicas de recursos humanos, pero la capacitación en Big Data lo lleva a un nivel completamente nuevo. A medida que el departamento de recursos humanos se vuelve más analítico con las herramientas, cambia su enfoque para participar en una actividad más estratégica. Se identifica una pregunta crítica como cómo tener más factores de retención de empleados que afectan la calidad de las ventas de la cartera de candidatos y cómo evaluar las brechas de talento y se toman pasos estratégicos mediante el análisis de datos relevantes a través de ella.
El cambio pasará de un simple recuento de personal a un análisis más predictivo.
El oráculo dentro de los recursos humanos
Recuerdo una historia divertida de un amigo que trabajaba como RRHH. Tuvo un trabajo agotador de búsqueda de cabezas antes de enviar al candidato al jefe de departamento correspondiente, quien solo diría las palabras mágicas: 'Ok, contratémoslo'.
Durante un tiempo, las cosas salieron bien ya que trajo buenos talentos a la empresa. A medida que pasaba el tiempo, adquirió confianza en sus habilidades de contratación hasta el punto de presionar a la alta dirección para agregar más personas a su equipo, implementar sistemas de recursos humanos e incluir más consultorías de terceros. La parte complicada fue que hizo grandes promesas a la alta dirección con su confianza.
La historia ha demostrado que el que se prepara para un evento futuro tiene más éxito que el que cabalga sobre la gloria pasada. Hubo un momento en el que se esperaba que contratara a un gran número de profesionales en el ámbito en el que se expandía la empresa. Comenzó a cubrir vacantes con el compromiso de contratar profesionales de calidad. Adoptó un enfoque más orientado a los objetivos. ¿El resultado? La mayoría de los profesionales que contrató dejaron documentos citando varias razones y la gerencia la interrogó. A menudo la oía murmurar:
'Busco 1000 Cvs, preselecciono 100 Cvs, llamo a 50 candidatos para una entrevista, filtro 10 de mis evaluaciones psicométricas, entre los 10, tomo 5 que valen la pena, envío los 5 a la gerencia, se concentran en 1 y ese chico se va después de 2 meses '.
Me reí entre dientes de su miseria además de ofrecerle mis condolencias, pero me hizo preguntarme si los recursos humanos pueden juzgar mejor su experiencia o si es necesario tener un enfoque más basado en datos para todo este proceso de contratación. Bueno, sí usamos análisis predictivos para encontrar qué equipo va a ganar la copa del mundo, pero ¿por qué no usar las mismas técnicas en el proceso de contratación, especialmente cuando se trata de elementos complejos como los seres humanos?
Ahora, el trabajo de contratar no es necesariamente un trabajo fácil, implica muchos procesos y las reglas de contratación a menudo cambian según la industria en la que RR.HH.en el rol que está contratando para las reglas de la organización, etc.
Si uno observa organizaciones exitosas que usan análisis predictivo y tienen menores tasas de deserción, existe un patrón de decidir primero las características deseadas dentro de un candidato que aseguran el éxito, consolidándolo en un perfil 'ideal' y comparándolo con cada candidato más cercano. a él y luego involucrarlos con evaluaciones personalizadas que evalúan las características de estos candidatos.
Un punto a tener en cuenta es que toda la industria de la evaluación psicométrica con actores líderes como Pearsons, Thomas Assessment y SHL surgió debido a la demanda de los profesionales de recursos humanos de analizar el perfil del candidato en su necesidad de perfeccionar el proceso de contratación.
Volviendo al análisis predictivo, como parte de su implementación, el personal de RR.HH. debe definir primero quién es un 'candidato exitoso' de acuerdo con la organización, luego debe definir los factores que pueden impulsar la efectividad de la contratación y desarrollar y observar como a por qué a algunos empleados les va mejor que a otros con una hipótesis si es necesario. En base a eso, él / ella puede compararlo con los datos de empleados exitosos que han permanecido mucho tiempo en la organización y, en tercer lugar, usar técnicas estadísticas para medir por qué algunas personas permanecen más tiempo.
El enfoque es bueno para empezar, pero la implementación de análisis predictivos dentro de RR.HH. incluye muchas técnicas que un RR.HH. puede explorar libremente. La mejor parte de este proceso es la reducción en el costo de reemplazar un empleado por uno nuevo y quizás obtener más ROI que el anterior.
Al final del día, la combinación de intuición, experiencia y un enfoque sólido basado en datos a menudo refina no solo el juicio de RR.HH., sino también el nuestro.
HECHO DE LA DIVERSIÓN: ¿Sabía que el gigante estadounidense Xerox redujo la rotación de su centro de llamadas en un 20% al aplicar análisis a los posibles candidatos con el hallazgo de que las personas creativas tenían más probabilidades de permanecer en la empresa durante los 6 meses necesarios para recuperar los $ 6,000 del costo de su capacitación que los curiosos? ¿personas?
Cadena de suministro y logística: equipo de entrega de capacitación con plataformas de big data
La cadena de suministro y la logística forman básicamente un componente importante en las estrategias y objetivos organizacionales. El objetivo de Supply Chain & Logistics es ahorrar costos y mejorar el rendimiento, la velocidad y la agilidad. Cuando se trata de logística, capturan y rastrean diferentes formas de datos para mejorar fundamentalmente la eficiencia operativa, mejorando la experiencia del cliente y los nuevos modelos comerciales. Estos factores a menudo pueden ayudar a las organizaciones a conservar recursos, crear una mejor marca y crear un proceso sistemático para la cadena de suministro y la logística.
Seguimiento de Big Data en todo el mundo
Tomemos un ejemplo de un gigante del comercio electrónico que utiliza Big Data para la entrega a sus clientes. Un producto se envía desde una ubicación a la dirección del cliente. Los dispositivos dentro del vehículo de transporte, como el rastreador GPS, el micrófono, el sensor tienen datos estructurados y no estructurados que se envían de regreso al centro de monitoreo para actualizaciones en tiempo real. Junto con eso, también ayuda a analizar la eficiencia del tiempo de entrega, la ruta más corta y los recursos utilizados para realizar una operación de entrega en la lista de millones de tales transacciones. Esta mina de oro de datos en diferentes mercados es consolidada por las organizaciones y luego analizada para traer una mejora adicional en el proceso o traer un nivel completo de nueva innovación.
HECHO DE LA DIVERSIÓN : ¿Sabía que el Big Data en forma de seguimiento de las páginas de los clientes por parte de Amazon le ha ayudado a posicionar sus productos en el almacén más cercano al cliente para mejorar la velocidad y la eficiencia de las entregas?
6.Operaciones, soporte y servicio al cliente: formación de los empleados sobre big data en cada interacción con el cliente
El éxito de cualquier producto o servicio se basa en el soporte postventa que recibe un cliente y, a menudo, el proveedor hace un juramento de estar allí para él / ella en todo momento. Esto se debe al hecho de que cuando un cliente toma un producto o un servicio, hace un 'acto de fe' con la esperanza de que el proveedor no lo defraude en la vida útil del producto / servicio. Cumplir desde esta perspectiva es fundamental para el éxito de la organización.
Veamos el soporte a un nivel granular. Recientemente tuve la oportunidad de ver 'Interstellar' de Christopher Nolan que exploró los viajes espaciales hasta el final del espacio. ¡Esto me hizo pensar en futuras aerolíneas que ofrecerán servicios de vuelo a través de agujeros de gusano que se extienden a millones de años luz de distancia! ¿Cuáles serían los desafíos entonces? ¿Qué tipo de big data se generará en este viaje casi interminable? ¿Cómo se asegurará el equipo de a bordo de que el pasajero disfrute del viaje? Para empezar, el proveedor de servicios debe centrarse en objetivos primarios como garantizar la seguridad aérea, realizar un seguimiento de su trayectoria de vuelo, cumplir con los requisitos del cliente, etc.
Big Data sobre la marcha 24 × 7
La idea de un viaje interestelar puede ser un sueño lejano durante los próximos 100 años (¡siendo optimistas!), Pero no nos impide ver los datos generados por un servicio similar actualmente operativo, lo que arrojará más luz sobre cómo el cliente el servicio y soporte se lleva a cabo en el escenario de 'postventa' y cómo las organizaciones pueden participar en la mejora de sus esfuerzos en tiempo real.
Para empezar, Southwest Airlines es una de las aerolíneas más famosas que aprovechó el Big Data para mejorar la experiencia de sus clientes. En su intento por mejorar la seguridad aérea, Southwest Airlines colaboró con la NASA para participar en un experimento de big data para mejorar la experiencia de vuelo en general. Esto incluye hacer ping a los satélites de la NASA con información sobre la ruta de vuelo, informes de los pilotos y otra información del tráfico aéreo. En el pináculo de esta técnica innovadora, se encuentra el concepto básico de big data llamado 'extracción de datos de texto', que convierte la información textual no estructurada en texto significativo para obtener información. ¿Entonces pensaste que la minería de datos de texto termina ahí?
Por supuesto que no, incluso un concepto simple en big data, como la minería de datos de texto, se extiende mucho más allá. Todos sabemos que la retroalimentación del cliente es un componente importante para comprender dónde falla una organización en cada punto de la interacción con el cliente. La minería de datos de texto también ayuda al servicio al cliente al analizar las respuestas de encuestas abiertas. En lugar de limitar a los clientes a opciones comunes como la opción A, la opción B, la opción C, las preguntas abiertas brindan más información, pero clasificarlas y registrar las respuestas puede ser un tema clave. Ahí es donde entra en juego la minería de datos de texto, donde agrupa cierto conjunto de palabras y las consolida para obtener información.
Mirando más allá de eso, todos debemos admitir que ninguna organización es perfecta y que cada una de ellas tiene un pequeño grupo de clientes que pueden no estar contentos con el servicio. ¿El resultado? Una base de datos inundada de correos electrónicos, mensajes, tweets de clientes que registran quejas o consejos sobre 'áreas de mejora', para decirlo con bastante suavidad. La minería de datos de texto va un paso por delante de los filtros de correo tradicionales y puede clasificar los correos según la prioridad y redirigirlos al departamento en cuestión.
HECHO DE LA DIVERSIÓN : ¿Sabía que Southwest Airlines, como parte de su esfuerzo por mejorar los servicios al cliente, ha implementado el análisis de datos con la función llamada 'análisis de voz' que registra la interacción entre el cliente y el personal para obtener información?
7.Marketing: capacitar a los empleados en un enfoque de marketing sistemático con big data
El marketing como actividad tiene que ver con los números hoy en día. Con el auge del marketing digital, ahora podemos medir con precisión la respuesta de los anuncios, la tasa de clics, las impresiones, el ROI, etc. Para los profesionales que no se dedican al marketing, estas métricas pueden ser griegas, pero para los que se dedican al marketing, estos datos son una mina de oro. Posteriormente, junto con las métricas, se generan grandes cantidades de datos en cada punto de interacción con el cliente, redes sociales y ventas. Depende del profesional de marketing realizar un seguimiento de dichos datos y utilizarlos para impulsar los productos de uno de manera más eficaz. La capacitación en Big Data juega un papel esencial aquí, ya que plataformas como Hadoop & R ayudan a cumplir este propósito.
En segundo lugar, los profesionales de marketing de vez en cuando a menudo se entregan a la retrospección de su marca. Preguntas como:
¿Cómo es mi marca mejor que otras?
¿Qué ofrecen otras marcas?
¿Qué características tiene mi competidor en el mismo producto?
El estudio es mucho más profundo que esto. Desde analizar el producto de la competencia en función de las 4P (Producto, Precio, Lugar, Posicionamiento) hasta comprender el contenido de qué producto se presenta en la página web del competidor, la cantidad de datos generados es enorme y complicada. Como se dijo antes, aprovechar la minería de texto puede ayudar al especialista en marketing a realizar un análisis de la competencia simplemente rastreando el sitio web de la competencia. Esta simple función en el dominio de big data puede dar una idea consolidada sobre lo que está haciendo el competidor y los productos que tiene para el mercado, ¡dando así una ventaja al especialista en marketing que adoptó Big Data!
Armando lo creativo
Por ejemplo, un estratega de redes sociales quiere conocer la percepción de la marca de su organización en las plataformas de redes sociales, entonces probablemente participar en el análisis de sentimientos en R & Hadoop ayudará a lograr este objetivo. De la misma manera, el uso de herramientas de Big Data ayuda al marketing en diversas actividades como precios, posicionamiento de productos, etc.
terminar un programa en java
Otro ejemplo podría ser un gerente de marketing en un punto de venta minorista que busca maximizar las ventas. Todo el mundo conocería el ejemplo de Walmart, que fue capaz de colocar la cerveza y la leche una al lado de la otra en el pasillo según el historial de compras de clientes anteriores al recuperar grandes cantidades de datos que abarcan millones de clientes durante un período de tiempo.
HECHO DE LA DIVERSIÓN: ¿Sabía que General Motors, con su presupuesto de marketing anual de $ 2 mil millones por año, utilizó Big Data Analytics para crear perfiles detallados de clientes y combinar análisis de datos espaciales con datos demográficos / información detallada del cliente para un marketing más personalizado?
Por qué las empresas están cambiando a plataformas de Big Data
Por lo general, las organizaciones que utilizan sistemas heredados antiguos tienen datos distribuidos en muchos sistemas. Debido a la propagación de datos en diferentes ubicaciones, la velocidad de procesamiento disminuye junto con la precisión del análisis de datos. Esto requiere la consolidación de datos dentro de un centro de datos empresarial que crea un acceso más rápido a los datos que resulta en análisis más profundos. Uno de los objetivos importantes del departamento de TI en cualquier organización es proporcionar datos precisos con rapidez para todos los departamentos de la organización que lo soliciten.
Con la recopilación de datos, es importante unificar las fuentes de datos no estructuradas, estructuradas y semiestructuradas en una plataforma para realizar un análisis en profundidad y, básicamente, ayudar a la toma de decisiones comerciales. Esta característica de Hadoop atrae a más personas a la mesa dentro de la organización, ya que hay empleados que interactúan con los datos en diferentes puntos de contacto en las operaciones del día a día. Además, los procesos ETL y por lotes tradicionales pueden llevar mucho tiempo, mientras que Hadoop con su procesamiento por lotes de gran volumen lo acelera hasta 10 veces.
La importancia de Hadoop no significa necesariamente que todos los empleados de una organización necesiten recibir formación en la plataforma de Big Data, lo que puede no ser factible en la mayoría de los casos. Pero sería una ventaja estratégica para un CTO identificar y capacitar a aquellos profesionales que están en constante interacción con los datos.
Habiendo cubierto el almacenamiento, procesamiento y recuperación de datos a través de la popular plataforma Hadoop, otro fenómeno importante que forma parte de la progresión natural es el análisis de Big Data. Para ponerlo más simple, las organizaciones necesitan múltiples perspectivas de varios profesionales dentro de una organización.
El número '6' puede verse como el número '9' del otro lado de la tabla. En otras palabras, la conclusión de la observación de datos difiere de una persona a otra.
Las organizaciones lo saben y, a menudo, se involucran en la capacitación de empleados en una plataforma similar para que las personas de diferentes departamentos interconectados por la misma actividad discutan, participen y compartan conocimientos para una toma de decisiones acertada. Por lo tanto, creo que sería seguro definir la capacitación en Big Data como una oportunidad para que todos los empleados estén en la misma página y lleven a las organizaciones al siguiente nivel.
Tienes una pregunta para nosotros? Menciónalos en la sección de comentarios y nos pondremos en contacto contigo.
Artículos Relacionados: