בטח שמעת על השימוש בנתונים גדולים כדי להבין מה אתה רוצה לקנות, לקרוא ולעקוב אחריו. מה שסביר להניח שלא חשבת עליו הוא האופן בו החברה שלך עשויה להשתמש בה כדי לשחרר את התפוקה שלך.
אבל לאלכסנדר וורובייב, יועץ של Analytics מתקדם ב- TransUnion, יש. הוא חידון בכל הדברים הגדולים. ובעוד שתפקידו עוסק בעיקר באיזו מידה נתונים גדולים יכולים להשפיע על שירותים פיננסיים, הוא יודע שהיישומים לנתונים גדולים אינם נגמרים. דבר כזה? להבין כיצד חברות יכולות להשתמש בשיטות אנליטיות כדי להגדיל את הפרודוקטיביות, ולראות תוצאות עסקיות טובות יותר.
נשמע מסקרן? המשך לקרוא כדי ללמוד כיצד זה נעשה:
מצא את ההשערה שלך
ראשית אתה צריך תיאוריה כדי לבדוק. "יצירת תוכנית בריאות במקום העבודה תגדיל את הפרודוקטיביות" עשויה להיות כזו. "לאפשר לעובדים לעבוד מהבית יעזור להניע מכירות" יכול להיות דבר אחר.
כראש מחלקה או מקבל החלטות, יתכן שיש לך אינסטינקט בטן לגבי אופן העבודה שלך בצורה הטובה ביותר. אולי זה שעובדים שנכנסים שעה לאחר מכן לוקחים פחות הפסקות לאורך היום, או אם העובדים משתמשים בשעות הצהריים שלהם כדי להתעמל, הם נוטים שלא להיכנע לשפל של שלוש אחר הצהריים. תהיה ההנחה אשר תהיה, זו ההשערה שלך להיבדק.
אסוף את הנתונים הנכונים
אפשר לטעון כי אחד הצעדים הקריטיים ביותר בשימוש בנתונים גדולים. כל הניתוח בעולם לא יועיל במידה רבה אם לא מודדים את הדברים הנכונים. קח את ההשערה "עבודה מהבית משפרת את הפרודוקטיביות." כמה נקודות נתונים פוטנציאליות למדידה כאן עשויות לכלול את מספר העובדים התקשורת, כמה ימים הם עבדו מהבית, וביקורות מפקחים בסוף התקופה המשוערת.
וורובייב ממליץ לחברות להעסיק מהנדסי נתונים או יועצים חיצוניים ייעודיים לביצוע ניתוח מגמות במקום העבודה ואזורים אחרים שבהם נתונים גדולים עשויים להיות מועילים. מדעני נתונים כאלה לא יכולים רק לנתח את התוצאות הסופיות, הם יכולים גם להציע את הפרמטרים הנכונים למדידה.
הגדר דוגמא ללימוד
חברות יכולות לגייס עובדים ללימודים על ידי השתלשלות גזר (חברות חינם לחדר כושר למשך שנה זה טוב) אם כי צריך להיזהר מדגימות מוטות (אנשים שנרשמים למועדון ספרים למשל, אולי כבר יהיו כאלה שאוהבים לקרוא).
אך הגיוס יכול להתקיים בדרכים אחרות. וורובייב מצביע על מחקר במקום העבודה שנערך על ידי בנק אוף אמריקה בו נבדקו העובדים תגי תעודת זהות עם תגי RFID, ונמדדו יחסי הגומלין שלהם זה עם זה ופרודוקטיביות לאחר מכן.
עם זאת, וורובייב מודה שפרטיות היא מכשול לגיטימי. אבל ישנן דרכים שמסתירות את מידע העובדים כך שהאנליסטים מתמקדים רק במגמות גדולות יותר. תשובות בועה אנונימיות או סקרים מקוונים הם דרך מהירה וקלה לחפש דפוסים ללא שמות של שמות.
לאחר שהבנתם את מי ללמוד, סקרים מקוונים הם דרך מהירה לאיסוף הנתונים הדרושים.
לבסוף, נתח!
כעת, לאחר שתגיע לתוצאות, נתונים גדולים יכולים לנתח אותם ולחפש טרנדים. חשוב לזכור כי ניתוח נתונים גדולים הוא פשוט מחקר נתונים רגיל על סטרואידים. אתה, כעובד או כבעל חברה, תמיד תוכל לבצע ניתוח נתונים. אבל נתונים גדולים מעבד מידע שמגיע ממספר מקורות ודרכים רבות ושונות בצורה יעילה ומהירה יותר.
פשוט אל תלך לאיבוד בשיתוק ניתוח. "אתה יכול להנדס יתר על המידה של כל דבר", אומר וורובייב, "יש אמירה מפורסמת על נתונים סטטיסטיים שעם לחץ מספיק הנתונים יודו לכל דבר. יכול להיות שזה יהיה רעיון טוב להפסיק את הניתוח ברגע שתשיג מספר X של קלט או תוצאות ואז ראה מה הנתונים אומרים לך. "
האפקט של פנס הרחוב - שם אדם שאיבד את מפתחותיו נראה רק תחת האור מכיוון שכאן הכי קל לעשות זאת - הוא דאגה לגיטימית בכל הקשור לניתוח נתונים גדולים. זכור כי המגמות המפתיעות ביותר אולי אינן במקום שאתה חושב לראשונה להסתכל.
התשלום לפי וורובייב: "ישנם כל כך הרבה היבטים ניתנים למדידה, אשר ניתן להתעלם מהם, מחיי העבודה שלנו, שאם נבדקים, עשויים להביא לתוצאות בלתי צפויות. ואם אחד מהם יכול להוביל לסביבה הרמונית ופורה יותר, כדאי לנסות. "
