아랍 에미리트가 18 세에서 30 세 사이의 모든 에미리트 남성에게 군 복무를 의무화했다는 최근 소식은 경제적 지위에 관계없이 국가들이 시민들이 국가를 방어 할 준비를 할 수 있도록 보장하는 이유에 대해 생각하게했습니다.
한 국가의 제한된 수의 시민이 종종 정부가 군 복무를 의무화하도록 강요한다고 주장 할 수 있습니다. 하지만 중국은 어떻습니까? 인구가 가장 큰 국가이지만 추가 교육을받는 시민이 의무적으로 군사 시간을 보낼 수 있도록 보장합니다. 요컨대, 국가는 기본적으로 분쟁 발생시 방어 할 준비를하고 있으며 모든 사람이 이에 대비해야합니다. 전기공, 사업가, 목수 등 모두가 공동의 목적을 위해 단결합니다.
이상하게 들릴지 모르지만 이러한 국가와 경쟁력을 유지하려는 오늘날의 조직간에 기이 한 유사점을 그릴 수 있습니다. 현재의 위협 또는 빅 데이터 형태의 도전으로 인해 크고 작은 조직은 다양한 부서의 인력을 모아 공동으로 해결해야합니다. 이를 더 나아 가기 위해, 일반적으로 군 복무를 의무화하는 국가는 항상 자격 기준을 가지고 있습니다. 동일한 방식으로 조직은 대규모 데이터 청크와 어떤 형태로든 상호 작용하고 다음을 수행해야하는 직원에게만 빅 데이터 교육을 제공하는 것이 합리적이라고 생각합니다. 모든 접점에서 Hadoop을 사용합니다.
육군 장군이 정부와 연락을 취하고있는 것처럼, CTO가 IT 인프라 및 유산의 지배자가 될 것으로 예상되는 것과 같은 방식으로 초보 시민이 된 신입 사원에게 할당 할 무기 및 훈련의 종류를 결정하는 것처럼 새로운 기술 혁신을 주도하는 시스템을 통해 직원의 업무 성과를 향상시킬 수 있습니다. 빅 데이터를 다루는 공동의 목표를 가지고 빅 데이터가 사용되는 곳과 그 안에서 동료를 교육하는 것이 왜 중요한지 자세히 이해하려고 노력합시다.
1. 정보 기술 : 빅 데이터 교육을 통한 생산성 향상
빅 데이터 구현의 최전선에있는 IT 팀은 변화를 진전시키는 진원지입니다. 직원에게 빅 데이터 교육을 제공하려는 IT 교육 의사 결정자는 IT 부서에서 시작해야합니다. 왜? 활동의 모든 단계에서 기술을 접할 때 지하실의 괴짜 (IT의 인기 속어)가 가장 가깝기 때문입니다. 그렇다면 얼마나 관련이 있습니까?
인기 사이트 인 CIO가 제출 한 보고서를 살펴 보겠습니다.
“500 명의 미국 기업 및 IT 임원을 대상으로 한 최근 CompTIA 설문 조사에 따르면 데이터 활용 곡선을 앞서는 기업의 50 %, 데이터 활용이 평균적이거나 뒤처진 기업의 71 %는 직원이 보통 수준이거나 데이터 관리 및 분석 기술이 상당히 부족합니다. '
데이터 관리 및 저장이 IT의 핵심 기능의 일부라는 사실을 감안할 때 빅 데이터 플랫폼 구현에 대한 병렬 접근 방식과 빅 데이터 내 IT 기술 강화가 필요합니다. 사실을 뒷받침하는 McKinsey 보고서는 2018 년까지 깊은 기술 및 분석 전문 지식을 갖춘 14 만 -190,0000 명 이상의 전문가가 부족할 것이라고 말했습니다! 점점 더 많은 기술 전문가가 빅 데이터 교육을 필요로함에 따라 조직은 빠른 ROI를 위해 기술 전문가를 더 많이 교육시키고 있으며 IT 부서에서 일하는 관리자 및 엔지니어가이를 주도하고 있습니다.
핵심 IT 기능의 삼위 일체를 빅 데이터와 결합
삼위 일체라는 용어는 종종 두 가지 종교적 개념을 상기시킵니다. 하나는 창조자, 보호자 및 파괴자의 힌두 신화이고 다른 하나는 아버지, 아들 및 성신에 대한 기독교 개념입니다. 둘 다 인류의 발전을 위해 노력합니다. 마찬가지로, IT 팀의이 세 가지 기능은 정보 기술과 관련하여 요구 사항이 다른 부서로 전체 조직의 개선을 위해 노력합니다. 보안 및 지원 기능 외에도 IT 부서는 빅 데이터 구현과 관련하여 이러한 기능과 관련 될 수 있습니다.
계획-IT 팀의 계획 활동은 조직의 IT 전략이 비즈니스 목표와 일치하는지 확인하는 데 중점을 둡니다. 여기에는 소프트웨어 사용자 지정 작업, 다양한 비즈니스 부서의 요구 사항을 충족하는 새로운 플랫폼 도입이 포함됩니다. 즉, 새로운 구현은 항상 IT에서 시작됩니다.
네트워크-음성, 데이터, 영상, 인터넷 트래픽 간의 모든 형태의 커뮤니케이션을 용이하게하는 네트워크를 개발하는 것을 포함하며, 고객 상호 작용, 감정 분석, 트래픽 업데이트 등 데이터 기록을위한 다양한 체크 포인트가 있으며 모두 실시간으로 데이터를 수집합니다! IT 부서는 종종 빅 데이터 처리 목표와 함께 작동하도록 네트워크의 원활한 통합을 보장합니다.
데이터-간단히 말해서 IT 팀은 조직의 다양한 전략적 결정을 위해 데이터를 수집, 저장, 관리, 보안 및 직원에게 배포하는 도구를 가져옵니다. 판매 기록, 재무 기록, 재고 정보와 같은 모든 형태의 데이터가 단일 데이터 센터에 저장됩니다. 이는 지정된 사용자가 모든 데이터 위치에서 정보를 저장하고 검색 할 수있는 빅 데이터 용 플랫폼을 구현하는 IT 팀 내 책임을 만듭니다.
모든 IT 팀에서 빅 데이터 구현을 위해 다양한 작업을 수행하는 다양한 구성원 조합이 필요합니다. 우선 기존 시스템에서 빅 데이터 플랫폼으로 원활하게 전환 할 수있는 전문가가 필요합니다. 이를 위해서는 기술자가 모든 부서의 전체 라이프 사이클에서 플랫폼을 유지하는 데 집중해야합니다. 그런 다음 모든 기술 구현이 조직 목표와 일치하는지 지속적으로 모니터링해야하는 구성원이 필요합니다.
2. 제품 개발 : R & D의 모든 단계에 걸친 혁신 재고
아마도 조직을 다음 단계의 혁신으로 이끌 때 가장 중요한 부서 중 하나 일 것입니다! 빅 데이터의 가장 큰 장점 중 하나는 제품 설계, 제조, 품질, 보증, 진단, 차량 및 소프트웨어 애플리케이션에서 바로 제품 개발의 다양한 접점에서 데이터를 통합하는 것입니다. 이러한 접점에서 생성 된 데이터는 제품의 방식과 성공 가능성을 정의합니다. 이것은 기본적으로 제품 개발자, R & D 전문가 및 디자이너를 데이터 기반 및 데이터 분석 접근 방식으로 안내합니다.
빅 데이터를 현실로 엔지니어링
제품 개발과 관련하여 인기있는 예로는 Audi가 2016 년까지 개발하고 출시 할 예정인 무인 자동차가 있습니다. 그렇습니다. 혁신에 대한 CEO의 비전이 달성되도록하는 엄청난 작업을 수행하는 제품 개발 팀이 있습니다. . 하지만 그 과정에서 개발부터 테스트까지 빅 데이터 만이 답할 수있는 다양한 도전과 질문이 있습니다. 이유를 살펴 보겠습니다.
A 지점에서 B 지점까지 테스트 라이딩을 모니터링하는 경우를 생각해보십시오. 생성 할 수있는 데이터 종류는 다음과 같습니다.
ㅏ. 센서 데이터 – 차량 내부의 센서는 차량 뒤와 앞 차량 사이에서 측정 한 거리와 여정에서 마주 친 차량의 빈도에 대한 세부 정보를 저장할 수 있습니다.
비. 운전자 데이터 – 연령대가 다른 여러 테스트를 수행 할 수 있으며 쾌적 수준, 성능 및 운전자가 자동 운전을 무시하는 데 필요한 횟수에 대한 세부 정보가 분석을 위해 큰 행과 열 집합으로 압축됩니다.
씨. 인구 통계 학적 데이터 – 테스트는 인도와 미국에서 수행 될 수 있습니다. 자율 주행의 인공 지능은 서로 다른 두 나라에서 운전할 때 마주 치는 장애물을 분석 할 수 있습니다. 어느 국가가 자동 운전에 더 적합하고 어느 카운티가 그렇지 않습니까?
디. 시장 성과 데이터 – 제품이 출시되고 이동 중이면 엔지니어는 자동 운전 도입이 유지에 도움이되는지 통찰력을 제공하는 자동차 프로그램에서 연중 무휴로 제공되는 피드로 실시간 데이터를 분석하여 성공을 모니터링 할 수도 있습니다. 도로가 더 안전한가요?
제품 엔지니어링에서 추출 할 수있는 가능한 데이터는 N 개입니다. 우리는 이제 막 자동차 산업에서 OEM을 탐색하기 시작했습니다. 의학, 건강 관리, 전자 등 다양한 분야에서 빅 데이터의 가능성에 대해 생각해보십시오. 누가 알아?
재미있는 사실: Ford가 빅 데이터 및 분석을 채택하여 유럽 및 아시아 자동차 제조업체의 경쟁이 치열했던 2000 년대에 거의 죽음의 경험에서 벗어날 수 있다는 사실을 알고 계셨습니까?
3. 금융 : 금융 모델링을 처리하기 위해 빅 데이터 플랫폼에 대한 직원 교육
우리는 돈이 사업의 피라는 말을 자주 들었을 것입니다. 그 돈을 관리하는 것은 재무 부서의 책임입니다. 비즈니스 세계는 재무 부서의 기능을 일반적으로 '회사의 재무를 생성하는 것과 함께 회사의 재무를 계획, 구성, 감사, 회계 및 통제하는 데 관여하는 것으로 정의합니다.
일반적으로 재무 부서는 돈을 처리 할 때 종종 아이디어가되고 현금 흐름표 생성, 비용 모델링, 상금 실현 및 준수와 같은 다양한 활동으로 역할이 확장됩니다. 수십 년 전에는 제한된 시스템과 플랫폼으로 이러한 모든 활동을 수행하는 것이 상당히 가능했지만 빅 데이터 시대에 모든 재무 부서가 직면 한 두 가지 과제는 변화하는 시나리오에서 정기적 인 재무 기능을 수행하고 미래에 대한 통찰력을 수집하는 것입니다. 더 깊은 관점에서 살펴 보겠습니다.
정보가 서로 다른 서버에 분산되어 있으므로 조직은 종종 해당 데이터를 통합하고 비즈니스 요구 사항에 따라 작업을 수행해야하는 문제에 직면합니다. 내부에서 중요한 기능은 조직의 거버넌스, 위험 관리 및 관리 제어를 확인하고 사기 행위를 식별하기위한 사전 사기 감사를 수행하는 내부 감사입니다. 분석의 등장으로 내부 감사도 통합해야합니다. 이로 인해 위험을 평가하고 재무 모델을 만들고 조직 내 전체적인 재무 상황을 파악하는 데 도움이되는 감사 데이터 분석과 같은 새로운 방법이 촉발되었습니다.
PHP 배열 인쇄 방법
비용 모델링 및 가격 실현
비용 모델링은 자원의 효과적인 활용을위한 중요한 구성 요소입니다. 회사는 비용을 발생시키는 활동, 작업 완료에 필요한 총 직접 재료 및 노동력 등을 식별해야합니다. 비용 모델링을 통해 회사는 회사 내 모든 활동에서 제품의 전체 생산 비용을 정확하게 식별 할 수 있습니다. 빅 데이터 시대에 이상적인 비용 모델을 구축하기 위해 해당 정보를 통합하는 조직 내 여러 부서에서 발생하는 모든 재무 활동을 추적하는 것이 중요해졌습니다. 구매부터 판매까지 모든 데이터는 재무 기록에 저장되며 비용 모델 개발의 기본은 대량의 데이터를 가져와 미래에 적용 할 수있는 모델을 만드는 것입니다.
가격 실현 노력이 수익성 향상을 위해 판매에 더 많이 집중된다는 논쟁은 할 수 있지만 가격 실현의 이점에 관해서는 재무 부서의 역할이 더 큽니다. 더 간단한 용어로 나누려면 할인을 제공하여 판매를 촉진 할 계획 인 소매점을 고려하십시오. 근본적인 목표는 가격 누출을 줄이고 포켓 가격을 개선하는 것입니다.
가격 누출은 제품 가격이 너무 적게 할인되어 (판매 입찰에서) 수익성이 저하되고 포켓 가격이 할인 후 판매 가격이 될 때 발생합니다. 수익성있는 가격 실현 노력을 수행하기 위해 영업 팀은 재무 부서와 협력하여 각 개별 제품의 비용 구조와 할인이 제공되는 위치를 이해합니다. 이를 위해서는 재무 부서가 미래의 가격 실현 모델을위한 프레임 워크를 개발하고 이러한 마케팅 활동의 한계를 정의해야합니다. 이 작업에는 조달, 창고 비용, 유통 기한의 데이터를 처리 한 다음 판매 된 상품 비용 (CGS) 추정이 포함됩니다.
F-12 및 예측 분석
final finally와 finalize 사이의 차이
재무 부서 내에서 중요한 활동 중 하나는 조직의 재무 건전성을 모니터링하는 것입니다. 의사가 맥박수, 체온 또는 자극 반응과 같은 다른 측정 항목을 사용하여 환자가 살아 있는지 또는 죽었는지 판단하는 것처럼, 금융 세계가 12 가지 측정 항목을 모니터링하여 회사가 금전적으로 어디로 향하고 있는지, 그 너머에 무엇이 있는지 알 수 있습니다. . 실질 수익 성장, 지속 가능한 수익 성장, 가격 정책 및 가격 지수, 운영 비용 통제, EBITDA 대 현금 흐름 비교, 부채없는 현금 흐름, 초과 현금, 자산 수익률, 운전 자본, 부채 파이낸싱 사용, 순 거래주기 및 비용 자본의 자본은 조직의 재무보고에서 중요한 구성 요소를 형성하므로 상위 경영진이 건전한 결정을 내릴 수 있습니다.
빅 데이터 세계의 과제 중 하나로 이러한 비율을 이해하려면 조직 전체에 분산 된 대량의 정보를 처리하여 표준 분석 형식으로 만들어야합니다. 예측 분석은 미래에 대한 정확한 추정이 이루어 지도록 현재의 동일한 요소와 비교하여이 데이터가 과거 기록에서 처리 될 때 작동합니다. 가장 중요한 부분은 예측 분석 플랫폼이며 빅 데이터를 처리하는 방법이 구축되어 재무 부서의 작업을 단순화합니다.
재미있는 사실: 싱가포르에 본사를 둔 Oversea-Banking Corporation (OCBC)이 고객 인사이트를 위해 빅 데이터를 사용할 수 있었으며 이는 신규 고객 확보를 40 % 증가시킨 직접적인 원인이되었습니다!
4. 인적 자원 : HR 직원 역량 재정의
인사부에서 빅 데이터를 상상하는 것은 종종 독자들에게 허풍 쟁이로 무시하도록 촉구 할 수 있습니다. 조직은 일반적으로 마케팅, 운영 또는 재무에 초점을 맞추기 때문에 HR 부서에서 빅 데이터 기술을 구현하는 데 많은 우선 순위를 두지 않기 때문입니다. 그러나 실제로 인적 자원 부서는 다른 활동 중에서도 적절한 인재가 조직에 유입되도록하는 데 중요한 역할을합니다.
HR에 더 많은 치아 추가
빅 데이터 구현과 관련하여 모든 부서 중에서 가장 무시되는 부분 일 수 있지만 오늘날 빠르게 변화하는 세상에서 HR 부서의 업무 방식은 조직의 성공을 정의합니다.
Forbes에 따르면 평균적인 대기업은 10 개 이상의 서로 다른 HR 애플리케이션을 보유하고 있으며 핵심 HR 시스템은 6 년이 넘었습니다. 이러한 추세는 조직에이 데이터를 통합하기 위해 올바른 리소스가 필요하다는 사실을 강조합니다. 빅 데이터 및 분석 교육은 운영보고에서 전략적 분석에 이르기까지 데이터 분석, 시각화 및 문제 해결과 같은 기술을 제공합니다.
기본적으로 HR 부서는 기본 HR 운영 측면에서 제공 할 것으로 예상되지만 빅 데이터 교육은 완전히 새로운 수준으로 이동합니다. HR 부서가 도구를 사용하여 더욱 분석적이됨에 따라보다 전략적인 활동에 참여하도록 접근 방식이 변경됩니다. 후보 파이프 라인의 판매 품질에 영향을 미치는 더 많은 직원 유지 요소를 확보하고 인재 격차를 평가하는 방법과 같은 중요한 질문을 식별하고이를 통해 관련 데이터를 분석하여 전략적 조치를 취합니다.
단순한 인원수에서보다 예측 가능한 분석으로 전환 할 것입니다.
인적 자원 내의 오라클
HR로 일한 친구에 대한 재미있는 이야기가있었습니다. 그녀는 '좋아, 그를 고용하자'는 마법의 말만하는 관련 부서장에게 후보를 보내기 전에 지친 헤드헌팅 일을했다.
잠시 동안 그녀는 회사에 좋은 재능을 가져 왔고 일이 잘 진행되었습니다. 시간이 지남에 따라 그녀는 고위 경영진이 팀에 더 많은 인력을 추가하고 HR 시스템을 구현하고 더 많은 제 3 자 컨설팅을 포함하도록하는 등 채용 기술에 자신감을 갖게되었습니다. 까다로운 부분은 그녀가 자신감을 가지고 고위 경영진에게 큰 약속을했다는 것입니다.
역사는 미래의 사건을 준비하는 사람이 과거의 영광을 타는 사람보다 더 성공적이라는 것을 보여줍니다. 그녀는 회사가 확장하고있는 분야에서 많은 전문가를 고용 할 것으로 예상되었던 때가있었습니다. 그녀는 양질의 전문가 고용에 대한 타협으로 공석을 채우기 시작했습니다. 그녀는보다 목표 지향적 인 접근 방식을 채택했습니다. 결과? 그녀가 고용 한 대부분의 전문가들은 여러 가지 이유로 논문을 적어 놓았고 그녀는 경영진의 질문을 받았습니다. 종종 나는 그녀의 중얼 거림을 들었습니다.
“저는 1000 개의 Cv를 헤드헌팅하고 100 개의 Cv를 후보로 지정하고 50 명의 후보자에게 인터뷰를 요청하고 심리 측정 평가에서 10 개를 필터링합니다. 10 명 중 5 명은 그만한 가치가있는 5 명을 경영진에 보내고 5 명은 1 점에 집중하고 한 남자가 2 개월 후에 떠난다”
나는 동정을 제공하는 것 외에 그녀의 비참함을 껄껄 웃었지만, 인적 자원이 그들의 경험을 통해 더 나은 판단을 할 수 있는지 아니면 전체 채용 프로세스에 대해 더 데이터 중심적인 접근 방식이 필요한지 궁금해졌습니다. 글쎄, 우리는 월드컵에서 우승 할 팀을 찾는 예측 분석을 사용하지만 채용 과정에서 특히 인간과 같은 복잡한 요소를 다룰 때 동일한 기술을 사용하지 않는 이유는 무엇입니까?
이제 채용 작업은 반드시 쉬운 일이 아닙니다. 많은 프로세스가 필요하며 채용 규칙은 HR이 조직의 규칙을 위해 채용하는 역할에서 산업에 따라 종종 변경됩니다.
예측 분석을 사용하고 감소율이 낮은 성공적인 조직을 관찰하면 성공을 보장하는 후보자 내에서 원하는 특성을 먼저 결정하고이를 '이상적인'프로필로 통합하고 가장 가까운 모든 후보자와 비교하는 패턴이 있습니다. 그런 다음 이러한 후보자의 특성을 평가하는 맞춤형 평가에 참여시킵니다.
주목해야 할 점은 Pearsons, Thomas Assessment 및 SHL과 같은 선도적 인 플레이어가있는 전체 심리 측정 평가 산업이 채용 프로세스를 완벽하게하기 위해 후보 프로필을 분석하려는 HR 전문가의 요구로 인해 생겨났다는 것입니다!
예측 분석으로 돌아가서 구현의 일환으로 HR 담당자는 먼저 조직에 따라 누가 '성공적인 후보자'인지 정의해야합니다. 그런 다음 채용의 효율성을 유도하고 다음과 같이 개발하고 관찰 할 수있는 요소를 정의해야합니다. 필요한 경우 가설을 가지고 일부 고용인이 다른 고용인보다 더 잘하는 이유 이를 바탕으로 조직에 오래 머물렀던 성공적인 직원의 데이터와 비교하고 세 번째로 통계 기법을 사용하여 일부 사람들이 더 오래 머무는 이유를 측정 할 수 있습니다.
이 접근 방식은 시작하기에 좋지만 HR 내에서 예측 분석을 구현하려면 HR이 자유롭게 탐색 할 수있는 많은 기술이 포함됩니다. 이 프로세스의 가장 좋은 부분은 직원을 새 직원으로 교체하는 비용을 줄이고 이전 직원보다 더 많은 ROI를 얻을 수 있다는 것입니다.
결국 직관, 경험 및 건전한 데이터 기반 접근 방식의 조합은 종종 HR의 판단뿐만 아니라 우리의 판단을 개선합니다.
재미있는 사실: 미국의 거대 기업인 Xerox는 창의적인 사람들이 호기심보다 교육에 드는 $ 6,000의 비용을 회수하는 데 필요한 6 개월 동안 회사에 남아있을 가능성이 더 높다는 사실을 발견하여 잠재 후보자에게 분석을 적용하여 콜센터 매출을 20 % 줄였다는 사실을 알고 계셨습니까? 사람들?
5. Supply Chain & Logistics : 빅 데이터 플랫폼을 갖춘 교육 제공 팀
공급망 및 물류는 기본적으로 조직 전략 및 목표에서 중요한 구성 요소를 형성합니다. 공급망 및 물류의 목표는 비용을 절감하고 성능, 속도 및 민첩성을 개선하는 것입니다. 물류와 관련하여 다양한 형태의 데이터를 캡처하고 추적하여 운영 효율성을 근본적으로 개선하고 고객 경험과 새로운 비즈니스 모델을 개선합니다. 이러한 요소는 종종 조직이 자원을 절약하고 더 나은 브랜드 이름을 구축하며 공급망 및 물류를위한 체계적인 프로세스를 만드는 데 도움이 될 수 있습니다.
전 세계 빅 데이터 추적
고객에게 전달하기 위해 빅 데이터를 사용하는 전자 상거래 거인의 예를 들어 보겠습니다. 제품이 위치에서 고객의 주소로 발송됩니다. GPS 추적기, 마이크, 센서와 같은 운송 차량 내의 장치에는 실시간 업데이트를 위해 모니터링 센터로 다시 전송되는 구조화 된 데이터와 구조화되지 않은 데이터가 있습니다. 이와 함께 수백만 건의 트랜잭션 목록에서 하나의 배달 작업을 수행하는 데 사용되는 배달 시간, 최단 경로 및 리소스의 효율성을 분석하는 데 도움이됩니다. 다양한 시장에 걸쳐있는이 금광 데이터는 조직에 의해 통합 된 다음 분석되어 프로세스를 더욱 개선하거나 전체 수준의 새로운 혁신을 가져옵니다!
재미있는 사실 : 아마존에서 고객 페이지를 추적하는 형태의 빅 데이터가 배송 속도와 효율성을 개선하기 위해 고객과 가장 가까운 창고에 제품을 배치하는 데 도움이되었다는 사실을 알고 계셨습니까?
6. 운영, 지원 및 고객 서비스 : 모든 고객 상호 작용에서 빅 데이터에 대한 직원 교육
모든 제품 또는 서비스의 성공은 고객이받는 판매 후 지원을 기반으로하며 종종 공급 업체는 항상 고객을 위해 선서를합니다. 이는 고객이 제품이나 서비스를받을 때 공급 업체가 제품 / 서비스의 수명을 실망시키지 않기를 바라며 '신의 도약'을한다는 사실에서 비롯됩니다. 이러한 관점에서 제공하는 것은 조직의 성공에 중요합니다.
세분화 된 수준에서 지원을 살펴 보겠습니다. 최근에는 우주의 끝까지 우주 여행을 탐구 한 크리스토퍼 놀란의 '인터 스텔라'를 볼 기회가있었습니다. 이것은 수백만 광년 떨어진 웜홀을 통해 비행 서비스를 제공 할 미래의 항공사에 대해 생각하게했습니다! 그렇다면 도전은 무엇입니까? 거의 끝나지 않는이 여정에서 어떤 종류의 빅 데이터가 생성 될까요? 탑승 팀은 승객이 전체적으로 승차감을 즐길 수 있도록 어떻게 보장합니까? 우선, 서비스 제공 업체는 항공 안전 보장, 비행 경로 추적, 고객 요구 사항 제공 등과 같은 주요 목표에 초점을 맞춰야합니다.
이동 중 빅 데이터 연중 무휴
성간 여행에 대한 아이디어는 향후 100 년 동안 먼 꿈일 수 있지만 (낙관적입니다!) 현재 운영중인 유사한 서비스에서 생성되는 데이터를 보는 것을 막지는 못합니다. 서비스 및 지원은 '판매 후'시나리오에서 수행되며 조직이 실시간으로 노력을 개선하는 방법에 참여할 수 있습니다.
우선, Southwest Airlines는 고객 경험을 개선하기 위해 빅 데이터를 활용 한 가장 유명한 항공사 중 하나입니다. 항공 안전을 개선하기 위해 Southwest Airlines는 NASA와 협력하여 전반적인 비행 경험을 개선하기위한 빅 데이터 실험에 참여했습니다. 여기에는 비행 경로에 대한 정보, 조종사의 보고서 및 기타 항공 교통 정보와 함께 NASA 위성에 핑을 보내는 것이 포함됩니다. 이러한 혁신적인 기술의 정점에는 비정형 텍스트 정보를 의미있는 텍스트로 변환하여 통찰력을 얻을 수있는 '텍스트 데이터 마이닝'이라는 기본 빅 데이터 개념이 있습니다. 그래서 텍스트 데이터 마이닝이 거기서 끝나는 줄 알았나요?
물론 텍스트 데이터 마이닝과 같은 빅 데이터의 단순한 개념조차도 그 이상으로 확장됩니다. 우리 모두는 고객 피드백이 고객 상호 작용의 모든 지점에서 조직이 잘못되는 부분을 이해하는 데 중요한 요소라는 것을 알고 있습니다. 텍스트 데이터 마이닝은 또한 개방형 설문 응답을 분석하여 고객 서비스를 지원합니다. 고객을 옵션 A, 옵션 B, 옵션 C와 같은 일반적인 옵션으로 제한하는 대신 개방형 질문은 더 많은 통찰력을 제공하지만이를 분류하고 응답을 기록하는 것이 핵심 문제 일 수 있습니다. 텍스트 데이터 마이닝이 작동하여 특정 단어 집합을 그룹화하고 통찰력을 위해 통합합니다!
그 이상을 살펴보면, 우리 모두는 완벽한 조직은 없으며 모든 조직에는 서비스에 만족하지 않을 수있는 소수의 고객이 있음을 인정해야합니다. 결과? 불만 사항을 등록한 고객의 이메일, 메시지, 트윗 또는 '개선 영역'팁으로 가득 찬 데이터베이스. 텍스트 데이터 마이닝은 기존 메일 필터보다 한 단계 앞서 있으며 우선 순위에 따라 메일을 분류하고 해당 부서로 다시 라우팅 할 수 있습니다.
재미있는 사실 : Southwest Airlines는 고객 서비스를 개선하기위한 노력의 일환으로 통찰력을 얻기 위해 고객과 직원 간의 상호 작용을 기록하는 '음성 분석'이라는 기능을 사용하여 데이터 분석을 배포했다는 사실을 알고 계셨습니까?
7. 마케팅 : 빅 데이터를 활용 한 체계적인 마케팅 접근 방식에 대한 직원 교육
활동으로서의 마케팅은 오늘날 숫자에 관한 것입니다. 디지털 마케팅이 급증하면서 이제 광고 반응, 클릭률, 노출 수, ROI 등을 정확하게 측정 할 수 있습니다. 비 마케팅 전문가에게는 이러한 메트릭이 그리스어 일 수 있지만 마케팅 전문가에게는이 데이터가 금광입니다. 결과적으로 메트릭과 함께 고객 상호 작용, 소셜 미디어 및 판매의 모든 지점에서 많은 양의 데이터가 생성됩니다. 이러한 데이터를 추적하고이를 사용하여 제품을보다 효과적으로 추진하는 것은 마케팅 전문가의 몫입니다. 여기서는 Hadoop 및 R과 같은 플랫폼이 목적을 달성하는 데 도움이되므로 빅 데이터에 대한 교육이 필수적인 역할을합니다.
둘째, 타임 투 타임 마케팅 전문가는 종종 자신의 브랜드에 대한 회고에 빠져 듭니다. 다음과 같은 질문 :
내 브랜드가 다른 브랜드보다 나은 점은 무엇입니까?
다른 브랜드는 무엇을 제공합니까?
경쟁사가 동일한 제품에 대해 어떤 기능을 가지고 있습니까?
연구는 이것보다 훨씬 더 깊습니다. 4P (제품, 가격, 장소, 포지셔닝)를 기반으로 경쟁 제품을 분석하는 것부터 경쟁사의 웹 페이지에 어떤 제품이 표시되는지 이해하는 것까지 생성되는 데이터의 양은 방대하고 복잡합니다. 앞서 말했듯이 텍스트 마이닝을 활용하면 마케팅 담당자가 단순히 경쟁사의 웹 사이트를 크롤링하여 경쟁사 분석을 수행하는 데 도움이 될 수 있습니다. 빅 데이터 영역에서이 간단한 기능은 경쟁자가하는 일과 시장에 어떤 제품을 가지고 있는지에 대한 통합 된 아이디어를 제공 할 수 있으므로 빅 데이터를 수용 한 마케터에게 우위를 제공 할 수 있습니다!
크리에이티브 무장
예를 들어 한 소셜 미디어 전략가가 소셜 미디어 플랫폼 전반에서 자신의 조직에 대한 브랜드 인식에 대해 알고 싶어하는 경우 R & Hadoop에서 감정 분석에 참여하면이 목표를 달성하는 데 도움이 될 것입니다. 마찬가지로 빅 데이터 도구를 사용하면 가격 책정, 제품 포지셔닝 등과 같은 다양한 활동에서 마케팅에 도움이됩니다.
자바에서 딥 카피하는 방법
또 다른 예로는 판매를 극대화하려는 소매점의 마케팅 관리자가 있습니다. 과거의 고객 구매 내역을 기반으로 일정 기간 동안 수백만 명의 고객을 대상으로하는 대량의 데이터를 검색하여 통로에 맥주와 우유를 나란히 배치 할 수 있었던 월마트의 예를 누구나 알고있을 것입니다!
재미있는 사실: 연간 마케팅 예산이 20 억 달러 인 General Motors가 빅 데이터 분석을 사용하여 상세한 고객 프로필을 생성하고 공간 데이터 분석을 상세한 인구 통계 / 고객 정보와 결합하여보다 개인화 된 마케팅을한다는 사실을 알고 계셨습니까?
기업이 빅 데이터 플랫폼으로 전환하는 이유
일반적으로 오래된 레거시 시스템을 사용하는 조직은 여러 시스템에 데이터가 분산되어 있습니다. 데이터가 서로 다른 위치에 분산되어있어 데이터 분석의 정확성과 함께 처리 속도가 저하됩니다. 이를 위해서는 데이터에 대한 더 빠른 액세스를 생성하는 엔터프라이즈 데이터 허브 내에서 데이터를 통합하여 심층 분석을 수행해야합니다. 모든 조직에서 IT 부서의 중요한 목표 중 하나는 요청시 조직의 모든 부서에 정확한 데이터를 신속하게 제공하는 것입니다.
데이터가 수집되면 비정형, 정형 및 반 정형 데이터 소스를 하나의 플랫폼으로 통합하여 심층 분석을 수행하고 기본적으로 비즈니스 의사 결정을 지원하는 것이 중요합니다. Hadoop의이 기능은 일상적인 작업에서 서로 다른 접점에서 데이터와 상호 작용하는 직원이 있기 때문에 조직 내에서 더 많은 사람들을 테이블로 안내합니다. 또한 기존의 ETL 및 배치 프로세스는 시간이 오래 걸릴 수 있지만 대량 배치 처리 기능을 갖춘 Hadoop은 최대 10 배까지 속도를 높일 수 있습니다.
Hadoop의 중요성은 조직 내 모든 직원이 대부분의 경우 실행 가능하지 않을 수있는 빅 데이터 플랫폼에 대한 교육을 받아야한다는 것을 의미하지는 않습니다. 그러나 데이터와 지속적으로 상호 작용하는 전문가를 식별하고 교육하는 것은 CTO에게 전략적 이점이 될 것입니다.
인기있는 Hadoop 플랫폼을 통해 데이터의 저장, 처리, 검색을 다뤘는데, 자연스러운 진행의 일부인 또 다른 중요한 현상은 빅 데이터 분석입니다. 간단히 말해서 조직은 조직 내 다양한 전문가의 다양한 관점이 필요합니다.
숫자‘6’은 표 반대편에서‘9’로 볼 수 있습니다. 즉, 데이터를 관찰하여 얻은 결론은 사람마다 다릅니다.
조직은이를 알고 있으며 종종 유사한 플랫폼에서 직원 교육에 참여하여 동일한 활동으로 상호 연결된 여러 부서의 사람들이 건전한 의사 결정을위한 통찰력을 논의하고 참여하고 공유 할 수 있도록합니다. 따라서 저는 빅 데이터 교육을 모든 직원이 같은 페이지에 있고 조직을 다음 단계로 끌어 올릴 수있는 기회로 정의하는 것이 안전하다고 생각합니다!
질문이 있으십니까? 댓글 섹션에 언급하시면 다시 연락 드리겠습니다.
관련 게시물: