संयुक्त अरब अमीरात की 18 और 30 वर्ष की आयु के बीच के सभी अमीराती पुरुषों के लिए सैन्य सेवा अनिवार्य करने की हालिया खबरों ने मुझे यह सोचने के लिए प्रेरित किया है कि उनकी आर्थिक स्थिति की परवाह किए बिना देश यह सुनिश्चित करें कि नागरिक देश की रक्षा के लिए तैयार रहें।
एक तर्क दे सकता है कि एक देश में सीमित संख्या में नागरिक, अक्सर सरकार को सैन्य सेवा अनिवार्य करने के लिए मजबूर करते हैं। लेकिन चीन का क्या? यह जनसंख्या के हिसाब से सबसे बड़ा देश है, लेकिन यह नागरिकों को आगे की शिक्षा के लिए अनिवार्य सैन्य समय के लिए भी सुनिश्चित करता है। संक्षेप में, राष्ट्र मूल रूप से संघर्ष की स्थिति में बचाव के लिए खुद को तैयार कर रहे हैं और सभी को इसके लिए तैयार रहना चाहिए। यह एक इलेक्ट्रीशियन, एक व्यापारी, एक बढ़ई हो, वे सभी एक सामान्य कारण के लिए एकजुट होते हैं।
जैसा कि यह लग सकता है, विचित्र, एक ऐसे राष्ट्रों और आज के संगठनों के बीच एक अलौकिक समानांतर आकर्षित कर सकता है जो प्रतिस्पर्धी रहना चाहते हैं। बिग डेटा के रूप में मौजूदा खतरे या बल्कि एक चुनौती ने संगठनों को बड़े और छोटे को विभिन्न विभागों में अपनी जनशक्ति को एक साथ लाने के लिए प्रेरित किया है। इस पर आगे बढ़ने के लिए, आम तौर पर अनिवार्य सैन्य सेवा को लागू करने वाले राष्ट्रों के पास हमेशा एक पात्रता मानदंड होता है, उसी तरह संगठन केवल उन कर्मचारियों को बड़े डेटा प्रशिक्षण देने में तार्किक पाते हैं जिनके पास डेटा के बड़े हिस्से के साथ बातचीत के कुछ रूप हैं और आवश्यक हैं। हर स्पर्श बिंदु पर Hadoop को नियोजित करें।
जिस तरह सरकार के साथ संपर्क में सेना के जनरल अपने अन्यथा नौसिखिया नागरिक-नई-भर्ती के लिए सौंपे जाने वाले हथियार और प्रशिक्षण का फैसला करते हैं, उसी तरह एक आईटीओ इंफ्रास्ट्रक्चर और विरासत के सीटीओ में होने की उम्मीद है अपने कर्मचारियों को बेहतर प्रदर्शन करने की अनुमति देने के लिए नई प्रौद्योगिकी नवाचार ड्राइविंग सिस्टम। बड़े डेटा से निपटने के लिए एक साझा उद्देश्य के साथ, आइए हम विस्तार से समझने की कोशिश करें कि बड़े डेटा का उपयोग कहां किया जाता है और इसमें अपने साथियों को प्रशिक्षित करना क्यों महत्वपूर्ण है।
1. सूचना प्रौद्योगिकी: बिग डाटा प्रशिक्षण के साथ उत्पादकता में सुधार
शायद बड़े डेटा कार्यान्वयन में सबसे आगे, आईटी टीम परिवर्तन को आगे ले जाने के लिए उपरिकेंद्र है। एक आईटी प्रशिक्षण निर्णय निर्माता जो कर्मचारियों को बड़ा डेटा प्रशिक्षण लाने की इच्छा रखता है, उसे आईटी विभाग के साथ शुरू करना होगा। क्यों? क्योंकि जब गतिविधि के प्रत्येक चरण में प्रौद्योगिकी के साथ जुड़ाव की बात आती है, तो तहखाने में गीक्स (आईटी के लिए लोकप्रिय स्लैंग) निकटतम हैं। तो यह कितना प्रासंगिक है?
आइए लोकप्रिय साइट, CIO द्वारा प्रस्तुत एक रिपोर्ट देखें, जिसमें कहा गया है:
'500 अमेरिकी व्यापार और आईटी अधिकारियों के हालिया कॉम्पिटिया सर्वेक्षण के अनुसार, 50 प्रतिशत फर्में जो डेटा का लाभ उठाने में वक्र से आगे हैं, और 71 प्रतिशत फर्में जो औसत या डेटा का लाभ उठाने में पिछड़ी हुई हैं, उन्हें लगता है कि उनके कर्मचारी मामूली हैं या डेटा प्रबंधन और विश्लेषण कौशल में काफी कमी है ”
इस तथ्य को देखते हुए कि डेटा प्रबंधन और भंडारण आईटी के मुख्य कार्य का एक हिस्सा है, बड़े डेटा प्लेटफ़ॉर्म कार्यान्वयन और बड़े डेटा के भीतर आईटी कौशल को मजबूत करने के लिए एक समानांतर दृष्टिकोण रखने की आवश्यकता है। इस तथ्य का समर्थन करना मैकिन्से की रिपोर्ट है कि 2018 तक, गहरी तकनीकी और विश्लेषणात्मक विशेषज्ञता वाले 140,000-190,0000 से अधिक पेशेवरों की कमी होगी! जैसा कि अधिक से अधिक तकनीकी पेशेवरों को बड़े डेटा प्रशिक्षण की आवश्यकता होती है, संगठन तकनीकी पेशेवरों को त्वरित आरओआई और प्लेटफ़ॉर्म विशेषज्ञों के लिए अधिक प्रशिक्षित करने के लिए देख रहे हैं, आईटी विभाग में काम करने वाले व्यवस्थापक और इंजीनियर इसके लिए तैयार हैं।
बिग डेटा के साथ कोर आईटी फ़ंक्शन की ट्रिनिटी से शादी
ट्रिनिटी शब्द अक्सर मुझे दो धार्मिक अवधारणाओं की याद दिलाता है: एक निर्माता, परिरक्षक और विध्वंसक की हिंदू पौराणिक कथा है और दूसरा पिता, पुत्र और पवित्र भूत की ईसाई अवधारणा है। दोनों मानव जाति की भलाई के लिए प्रयास करते हैं। इसी तरह, सूचना प्रौद्योगिकी की बात आती है तो आईटी टीम के ये तीन कार्य विभिन्न आवश्यकताओं के साथ विभागों के साथ पूरे संगठन की बेहतरी के लिए प्रयास करते हैं। सुरक्षा और समर्थन कार्यों के अलावा, एक आईटी विभाग इन कार्यों से संबंधित हो सकता है जब यह बड़े डेटा कार्यान्वयन के लिए आता है।
नियोजन- आईटी टीम के भीतर नियोजन गतिविधि यह सुनिश्चित करने पर केंद्रित है कि संगठन की आईटी रणनीति व्यावसायिक उद्देश्यों के साथ संरेखित है। इसमें सॉफ्टवेयर को कस्टमाइज़ करना, नए प्लेटफ़ॉर्म पर लाना शामिल है जो विभिन्न व्यावसायिक विभागों की जरूरतों को पूरा करता है। दूसरे शब्दों में, कोई भी नया कार्यान्वयन हमेशा आईटी से शुरू होगा।
नेटवर्क- इसमें ऐसे विकासशील नेटवर्क शामिल हैं जो आवाज, डेटा, वीडियो और इंटरनेट ट्रैफ़िक के बीच सभी प्रकार के संचार की सुविधा प्रदान करते हैं और डेटा रिकॉर्डिंग के लिए विभिन्न चौकियाँ हैं जो ग्राहक संपर्क, भावना विश्लेषण और ट्रैफ़िक अपडेट हैं, वे सभी डेटा को वास्तविक समय में एकत्रित करते हैं! आईटी विभाग अक्सर बड़े डेटा को संसाधित करने के उद्देश्य के साथ काम करने के लिए नेटवर्क के सुगम एकीकरण को सुनिश्चित करता है।
डेटा- बस इसे लगाने के लिए, एक आईटी टीम संगठन में विभिन्न रणनीतिक निर्णयों के लिए कर्मचारियों को डेटा एकत्र करने, स्टोर करने, प्रबंधन, सुरक्षित और वितरित करने के लिए उपकरण लाती है। सभी प्रकार के डेटा जैसे बिक्री रिकॉर्ड, वित्तीय रिकॉर्ड, स्टॉक विवरण एकल डेटा सेंटर में संग्रहीत किए जाते हैं। यह बड़े डेटा के लिए प्लेटफार्मों को लागू करने के लिए आईटी टीम के भीतर एक जिम्मेदारी बनाता है जो नामित उपयोगकर्ताओं को किसी भी डेटा स्थान पर जानकारी संग्रहीत और पुनर्प्राप्त करने की अनुमति देता है।
किसी भी आईटी टीम में, किसी को बड़े डेटा कार्यान्वयन के लिए विभिन्न कार्यों के साथ सदस्यों के बहुमुखी मिश्रण की आवश्यकता होती है। इसके साथ शुरू करने के लिए एक विशेषज्ञ की आवश्यकता होती है जो पारंपरिक प्रणालियों से बड़े डेटा प्लेटफ़ॉर्म तक सुचारू रूप से संक्रमण सुनिश्चित करता है। उसके लिए सभी विभागों में अपने पूरे जीवन चक्र में मंच को बनाए रखने पर ध्यान केंद्रित करने के लिए एक तकनीकी विशेषज्ञ की आवश्यकता होती है। इसके बाद एक ऐसे सदस्य की आवश्यकता होती है, जिसे निरंतर निगरानी करनी चाहिए कि क्या प्रत्येक तकनीकी कार्यान्वयन को संगठनात्मक उद्देश्य के साथ संरेखित किया गया है।
2. उत्पाद विकास: अनुसंधान और विकास के सभी चरणों में पुनर्विचार नवाचार
शायद सबसे महत्वपूर्ण विभागों में से एक जब यह संगठन को नवाचार के अगले स्तर पर ले जाने की बात आती है! बड़े डेटा के सबसे बड़े फायदों में से एक उत्पाद डिजाइन, निर्माण, गुणवत्ता, वारंटी, डायग्नोस्टिक्स, वाहन और सॉफ्टवेयर अनुप्रयोगों से उत्पाद विकास में विभिन्न स्पर्श बिंदुओं पर डेटा का एकीकरण है। इन स्पर्श बिंदुओं से उत्पन्न डेटा उत्पाद के तरीके को परिभाषित करता है और यह कितना सफल हो सकता है। यह मूल रूप से उत्पाद डेवलपर्स, आरएंडडी पेशेवरों और डिजाइनरों को डेटा-संचालित और डेटा-विश्लेषण दृष्टिकोण पर ले जाता है।
वास्तविकता में इंजीनियरिंग बिग डेटा
जब उत्पाद विकास की बात आती है, तो एक लोकप्रिय उदाहरण ड्राइवर कम कार होगी जिसे ऑडी विकसित कर रही है और 2016 तक लॉन्च करने की योजना बना रही है। हां, उत्पाद विकास टीम है जिसमें सीईओ के विज़न इनोवेशन को पूरा करने का सुनिश्चित कार्य है । लेकिन इसके साथ-साथ, विकास से लेकर परीक्षण तक विभिन्न चुनौतियां और सवाल हैं जिनका जवाब केवल बड़े डेटा ही दे सकते हैं। आइये देखते हैं क्यों।
बिंदु A से बिंदु B पर नजर रखी जा रही एक परीक्षण-सवारी पर विचार करें। यहाँ डेटा के प्रकार उत्पन्न किए जा सकते हैं:
ए। सेंसर डेटा - कार के भीतर के सेंसर इसके पीछे की कारों के बीच और उसके सामने और उसके बाद यात्रा में आने वाले वाहनों की आवृत्ति के बीच की दूरी के बारे में विवरण स्टोर कर सकते थे।
बी। चालक डेटा - विभिन्न आयु समूहों के साथ कई परीक्षण किए जा सकते हैं और आराम के स्तर, प्रदर्शन और स्वचालित ड्राइविंग को ओवरराइड करने के लिए कितनी बार ड्राइवर को विश्लेषण के लिए पंक्तियों और स्तंभों के बड़े सेट में संकुचित किया जाएगा।
सी। जनसांख्यिकी डेटा - भारत और अमेरिका में एक परीक्षण किया जा सकता है। स्वचालित ड्राइविंग के भीतर A.I उन अवरोधों का विश्लेषण कर सकता है जो दो अलग-अलग देशों में ड्राइविंग में सामना करते हैं। स्वचालित ड्राइविंग के लिए कौन सा देश अधिक व्यवहार्य है और कौन सा काउंटी नहीं है?
d। बाजार प्रदर्शन डेटा - उत्पाद लॉन्च होने के बाद और यह सड़क पर है, इंजीनियर कार की कार्यक्रम द्वारा 24 × 7 प्रदान किए जा रहे फीड के साथ लाइव डेटा का विश्लेषण करके इसकी सफलता की निगरानी भी कर सकते हैं यदि स्वचालित ड्राइविंग की शुरूआत रखने में मदद कर रहा है। सड़क सुरक्षित है?
एन इंजीनियरिंग के संभावित आंकड़ों की संख्या है, जिन्हें उत्पाद इंजीनियरिंग से मंथन किया जा सकता है। हम ऑटो उद्योग से OEM का पता लगाने के लिए शुरुआत कर रहे हैं। विभिन्न क्षेत्रों में बड़े डेटा की संभावनाओं के बारे में सोचें चिकित्सा, स्वास्थ्य देखभाल, इलेक्ट्रॉनिक्स और इतने पर। कौन जाने?
मजेदार तथ्य: क्या आप जानते हैं कि 2000 के दशक में फोर्ड ने बिग डेटा एंड एनालिटिक्स को अपनाने से इसे लगभग मृत्यु के अनुभव से बचा लिया था, जब प्रतियोगिता यूरोपीय और एशियाई ऑटो निर्माताओं से कड़ी थी!
3.Finance: वित्तीय मॉडलिंग को संभालने के लिए बड़े डेटा प्लेटफॉर्म पर प्रशिक्षण कर्मचारी
हमने अक्सर यह शब्द सुना होगा कि पैसा व्यापार का खून है। उस पैसे की देखभाल करना वित्त विभाग की जिम्मेदारी है। व्यवसाय की दुनिया वित्त विभाग के कार्यों को परिभाषित करती है क्योंकि आमतौर पर कंपनी के वित्त के उत्पादन के साथ-साथ उसकी कंपनी के वित्त की योजना, आयोजन, लेखा परीक्षा, लेखांकन और नियंत्रण में शामिल होता है।
कहा जाता है कि सामान्य रूप से वित्त विभाग अक्सर दिमाग की उपज होता है जब पैसे को संभालने की बात आती है और भूमिका नकदी प्रवाह विवरण, लागत मॉडलिंग, पुरस्कार प्राप्ति और कुछ नाम रखने के अनुपालन जैसी विभिन्न गतिविधियों तक फैल जाती है। कुछ दशक पहले सीमित प्रणालियों और प्लेटफार्मों के साथ इन सभी गतिविधियों का प्रदर्शन करना काफी संभव था, लेकिन बड़े आंकड़ों के युग में दो चुनौतियां हर वित्त विभाग का चेहरा बदलते परिदृश्य में नियमित रूप से वित्त कार्यों का प्रदर्शन कर रहा है और भविष्य के लिए अंतर्दृष्टि जुटा रहा है। आइए हम इसे गहन दृष्टिकोण से देखें।
विभिन्न सर्वरों में फैली जानकारी के साथ, संगठन अक्सर उस डेटा को समेकित करने और व्यावसायिक आवश्यकताओं के अनुसार कार्य करने की चुनौती का सामना करते हैं। भीतर एक महत्वपूर्ण कार्य आंतरिक ऑडिटिंग है जो संगठन के शासन, जोखिम प्रबंधन और प्रबंधन को नियंत्रित करता है और धोखाधड़ी कृत्यों की पहचान करने के लिए सक्रिय धोखाधड़ी ऑडिट आयोजित करता है। एनालिटिक्स के उदय के साथ-साथ आंतरिक ऑडिटिंग को भी एकीकृत करने की आवश्यकता है। इसने ऑडिट डेटा एनालिटिक्स जैसे नए तरीकों को जन्म दिया है जो जोखिम का आकलन करने, वित्तीय मॉडल बनाने और एक संगठन के भीतर वित्त की एक समग्र तस्वीर देने में मदद करते हैं।
जावा में क्या है
लागत मॉडलिंग और मूल्य प्राप्ति
संसाधनों के प्रभावी उपयोग के लिए लागत मॉडलिंग एक महत्वपूर्ण घटक है। कंपनियों को उन गतिविधियों की पहचान करनी चाहिए जो लागत को पूरा करती हैं, कुल प्रत्यक्ष सामग्री और कार्य को पूरा करने के लिए आवश्यक श्रम और इतने पर। कॉस्ट मॉडलिंग से कंपनियों को कंपनी के भीतर सभी गतिविधियों के लिए उत्पादों के समग्र उत्पादन लागत की सही पहचान करने में मदद मिलती है। बड़े डेटा के युग में एक संगठन के भीतर विभिन्न विभागों में होने वाली हर वित्तीय गतिविधि का ट्रैक रखना महत्वपूर्ण हो जाता है जो एक आदर्श लागत मॉडल बनाने के लिए उस जानकारी को समेकित करता है। खरीद से लेकर बिक्री तक, सभी डेटा वित्त इतिहास में संग्रहीत हो जाते हैं और लागत मॉडल विकसित करने की मूलभूत मूल बातें डेटा के बड़े हिस्से को प्राप्त करना और एक मॉडल बनाना है जो भविष्य के लिए आवेदन कर सकता है।
हालांकि कोई यह तर्क दे सकता है कि मूल्य वसूली प्रयासों को लाभप्रदता में सुधार के लिए बिक्री की ओर अधिक निर्देशित किया जाता है, जब मूल्य वसूली से लाभ की बात आती है तो वित्त विभाग द्वारा अधिक भूमिका निभाई जाती है। सरल शब्दों में इसे तोड़ने के लिए, एक खुदरा आउटलेट पर विचार करें जो बिक्री को आगे बढ़ाने के लिए छूट प्रदान करने की योजना बना रहा है। मौलिक उद्देश्य मूल्य रिसाव को कम करना और जेब की कीमत में सुधार करना है।
मूल्य रिसाव तब होता है जब किसी उत्पाद की कीमत इतनी कम (बिक्री करने के लिए बोली में) छूट दी जाती है कि वे लाभप्रदता पर समझौता करते हैं और पॉकेट मूल्य विक्रय मूल्य पद छूट है। एक लाभदायक मूल्य प्राप्ति के प्रयास को पूरा करने के लिए, बिक्री टीम प्रत्येक व्यक्तिगत उत्पादों के लिए लागत की संरचना को समझने के लिए वित्त विभाग के साथ सहयोग करती है और जहां छूट दी जा सकती है। बदले में, वित्त विभाग को भविष्य के लिए मूल्य वसूली मॉडल के लिए एक रूपरेखा विकसित करने और ऐसी विपणन गतिविधियों के भीतर सीमा को परिभाषित करने की आवश्यकता होती है। कार्य में खरीद, गोदाम की लागत, शेल्फ जीवन से डेटा प्रसंस्करण और फिर बेची गई वस्तुओं (सीजीएस) की लागत का आकलन करना शामिल है।
F-12 और भविष्य कहनेवाला विश्लेषिकी
जावा में एक टोकन क्या है
वित्तीय विभाग के भीतर महत्वपूर्ण गतिविधियों में से एक संगठन के वित्तीय स्वास्थ्य की निगरानी करना है। जिस तरह एक डॉक्टर अलग-अलग मेट्रिक्स जैसे पल्स रेट, बॉडी वार्म या उत्तेजना प्रतिक्रिया का उपयोग करता है ताकि यह पता लगाया जा सके कि मरीज जीवित है या मृत, उसी तरह से वित्तीय दुनिया 12 मेट्रिक्स पर नज़र रखती है ताकि यह पता चल सके कि कंपनी का नेतृत्व कहाँ पर किया जा रहा है और इससे आगे क्या है? । रियल रेवेन्यू ग्रोथ से, सस्टेनेबल रेवेन्यू ग्रोथ, प्राइसिंग पॉलिसी और प्राइसिंग इंडेक्स, ऑपरेटिंग एक्सपेंस कंट्रोल, कंपेयरिंग एबिटा बनाम कैश फ्लो, डेट फ्री कैश फ्लो, एक्स्ट्रा कैश, रिटर्न ऑन एसेट्स, वर्किंग कैपिटल, डेट फाइनेंस का इस्तेमाल, नेट ट्रेड साइकिल और कॉस्ट। पूंजी के संगठन के लिए वित्तीय रिपोर्टिंग में महत्वपूर्ण घटक बनाते हैं ताकि ऊपरी प्रबंधन ध्वनि निर्णय ले सके।
बड़े डेटा की दुनिया में चुनौती के एक हिस्से के रूप में, इन अनुपातों को समझने के लिए विश्लेषण के लिए एक मानक प्रारूप में बनाने के लिए संगठन में फैली जानकारी के बड़े हिस्से को संसाधित करने की आवश्यकता होती है। जब यह डेटा पिछले इतिहास से संसाधित किया जाता है, तो वर्तमान में समान तत्वों की तुलना में भविष्य के लिए सटीक अनुमान लगाए जाने पर भविष्यवाणिय विश्लेषण सामने आते हैं। सबसे अच्छा हिस्सा भविष्य कहनेवाला विश्लेषिकी मंच है और तरीकों को बड़े डेटा को संसाधित करने के लिए बनाया गया है जिससे वित्त विभाग के कार्य को सरल बनाया जा सके।
मजेदार तथ्य: क्या आप जानते हैं कि सिंगापुर में स्थित Oversea-Banking Corporation (OCBC) ग्राहक अंतर्दृष्टि के लिए बड़े डेटा का उपयोग करने में सक्षम था जो नए ग्राहक प्राप्त करने में 40% वृद्धि के लिए सीधे जिम्मेदार था!
4. मानव संसाधन: मानव संसाधन कर्मचारी क्षमताओं को फिर से परिभाषित करना
मानव संसाधन में बिग डेटा की कल्पना करना अक्सर पाठकों को एक विनम्रता के रूप में खारिज करने का आग्रह कर सकता है, क्योंकि एक संगठन आम तौर पर एचआर विभाग में बिग डेटा प्रौद्योगिकी को लागू करने में ज्यादा प्राथमिकता नहीं देता है क्योंकि यह विपणन, संचालन या वित्त पर ध्यान केंद्रित करेगा। लेकिन वास्तव में, मानव संसाधन विभाग यह सुनिश्चित करने में एक महत्वपूर्ण भूमिका निभाता है कि सही प्रतिभा अन्य गतिविधियों के बीच संगठन में प्रवेश करती है।
एचआर में अधिक दांत जोड़ना
बिग डेटा क्रियान्वयन की बात आने पर शायद सभी विभागों में सबसे ज्यादा अनदेखी की गई है, लेकिन आज की तेजी से बदलती दुनिया में, जिस तरह से एक एचआर विभाग काम करता है वह एक संगठन की सफलता को परिभाषित करता है।
फोर्ब्स के अनुसार, एक औसत बड़ी कंपनी में 10 से अधिक विभिन्न मानव संसाधन अनुप्रयोग होते हैं और उनकी मूल मानव संसाधन प्रणाली 6 वर्ष से अधिक होती है। यह प्रवृत्ति इस तथ्य पर प्रकाश डालती है कि एक संगठन को इस डेटा को एक साथ लाने के लिए सही संसाधनों की आवश्यकता होती है। बिग डेटा एंड एनालिटिक्स में प्रशिक्षण डेटा विश्लेषण, विज़ुअलाइज़ेशन और समस्या को हल करने जैसे कौशल को परिचालन रिपोर्टिंग से रणनीतिक विश्लेषिकी तक लाता है।
डिफ़ॉल्ट रूप से मानव संसाधन विभाग को मूल एचआर संचालन के संदर्भ में वितरित करने की उम्मीद है, लेकिन बिग डेटा प्रशिक्षण इसे पूरे नए स्तर पर ले जाता है। चूंकि एचआर विभाग उपकरणों के साथ अधिक विश्लेषणात्मक हो जाता है, इसलिए यह अधिक रणनीतिक गतिविधि में संलग्न होने के लिए उनके दृष्टिकोण को बदल देता है। उम्मीदवार पाइपलाइन की बिक्री की गुणवत्ता को प्रभावित करने और प्रतिभा अंतराल का मूल्यांकन करने वाले अधिक कर्मचारी प्रतिधारण कारक कैसे हैं जैसे महत्वपूर्ण प्रश्न की पहचान की जाती है और इसके माध्यम से प्रासंगिक डेटा का विश्लेषण करके रणनीतिक कदम उठाए जाते हैं।
शिफ्ट सिंपल हेडकाउंट से ज्यादा प्रेडिक्टिव एनालिसिस की ओर बढ़ेगी।
मानव संसाधन के भीतर ओरेकल
एक मज़ेदार कहानी थी जो मुझे एक दोस्त की याद दिलाती है जो एक एचआर के रूप में काम करता था। उम्मीदवार को संबंधित विभाग प्रमुख के पास भेजने से पहले उसके पास थका देने वाला काम था, जो केवल जादुई शब्द कहेगा: 'ठीक है, उसे नौकरी देता है।'
कुछ समय के लिए, कंपनी में अच्छी प्रतिभाओं के आने से चीजें अच्छी हुईं। जैसे-जैसे समय बीतता गया, उसने अपने प्रबंधन में अधिक लोगों को अपनी टीम में शामिल करने, एचआर सिस्टम को लागू करने और अधिक तृतीय पक्ष परामर्शों को शामिल करने के लिए अपने काम पर रखने के कौशल में आत्मविश्वास बढ़ाया। मुश्किल हिस्सा था वह अपने विश्वास के साथ ऊपरी प्रबंधन के लिए लंबे वादे किए थे।
इतिहास से पता चला है कि जो व्यक्ति भविष्य की घटना के लिए तैयारी करता है, वह पिछले गौरव पर सवार होने की तुलना में अधिक सफल होता है। एक समय था जब उन्हें उम्मीद थी कि जिस डोमेन में कंपनी का विस्तार हो रहा था, उसमें बड़ी संख्या में पेशेवरों को नियुक्त किया जाएगा। उन्होंने गुणवत्ता वाले पेशेवरों को काम पर रखने के लिए रिक्त पदों को भरना शुरू किया। उसने अधिक लक्ष्य-संचालित दृष्टिकोण अपनाया। परिणाम? अधिकांश पेशेवरों ने काम पर रखा था, उन्होंने विभिन्न कारणों का हवाला देते हुए कागजात रख दिए और प्रबंधन द्वारा उनसे पूछताछ की गई। अक्सर मैं उसे गुनगुनाना सुनता था:
'मैं हेड-हंट 1000 Cvs, शॉर्टलिस्ट 100 Cvs, साक्षात्कार के लिए 50 उम्मीदवारों को बुलाता हूं, 10 को मेरे साइकोमेट्रिक असेसमेंट से फ़िल्टर करता हूं, 10 के बीच, मैं 5 लेता हूं जो इसके लायक हैं। प्रबंधन को 5 भेजें, वे 1 पर शून्य करते हैं।' वह एक आदमी 2 महीने के बाद छोड़ देता है। ”
मैंने अपनी सहानुभूति प्रदान करने के अलावा उसके दुख पर चुटकी ली, लेकिन इसने मुझे आश्चर्यचकित कर दिया कि क्या मानव संसाधन अपने अनुभव के साथ बेहतर निर्णय ले सकते हैं या इस पूरी भर्ती प्रक्रिया के लिए अधिक डेटा-संचालित दृष्टिकोण की आवश्यकता है? ठीक है, हम यह अनुमान लगाने में विश्लेषण करते हैं कि कौन सी टीम विश्व कप जीतने जा रही है लेकिन हायरिंग प्रक्रिया में समान तकनीकों का उपयोग क्यों नहीं किया जा रहा है, खासकर जब हम मानव जैसे जटिल तत्वों से निपट रहे हैं?
अब, काम पर रखने की नौकरी आवश्यक रूप से एक आसान काम नहीं है, इसमें बहुत सारी प्रक्रियाएं शामिल हैं और भर्ती के नियम अक्सर उद्योग के अनुसार बदलते हैं एचआर इस भूमिका में है कि वह संगठन के नियमों के लिए काम पर रख रहा है और इसी तरह।
यदि कोई ऐसे सफल संगठनों का अवलोकन करता है जो भविष्य कहनेवाला विश्लेषणों का उपयोग करते हैं और उनके पास कम दर है, तो एक उम्मीदवार के भीतर वांछित विशेषताओं पर निर्णय लेने का एक पैटर्न है जो सफलता सुनिश्चित करता है, इसे एक 'आदर्श' प्रोफ़ाइल में समेकित करता है और हर उम्मीदवार की तुलना करता है जो निकटतम है इसके लिए और फिर इन उम्मीदवारों की विशेषताओं का मूल्यांकन करने वाले अनुकूलित आकलन के साथ उन्हें उलझाने।
ध्यान देने वाली बात यह है कि पियर्सन, थॉमस असेसमेंट और एसएचएल जैसे प्रमुख खिलाड़ियों के साथ पूरा साइकोमेट्रिक मूल्यांकन उद्योग एचआर पेशेवरों की मांग के कारण उछला हुआ है, ताकि उम्मीदवार की प्रोफाइल का विश्लेषण करने के लिए उनकी भर्ती प्रक्रिया को पूरा करने की आवश्यकता हो!
इसे लागू करने के एक हिस्से के रूप में, भविष्य कहनेवाला विश्लेषिकी पर वापस जाना, मानव संसाधन कर्मियों को पहले परिभाषित करना चाहिए कि संगठन के अनुसार 'सफल उम्मीदवार' कौन है, फिर उसे उन कारकों को परिभाषित करना होगा जो किराए पर लेने और विकसित होने और प्रभावशीलता का निरीक्षण कर सकते हैं अगर जरूरत है तो कुछ लोगों को एक परिकल्पना के साथ दूसरों की तुलना में बेहतर करना चाहिए। उसके आधार पर, वह सफल कर्मचारियों के डेटा के साथ तुलना कर सकती है, जो संगठन के साथ लंबे समय तक रहे हैं और तीसरा यह मापने के लिए सांख्यिकीय तकनीकों का उपयोग करते हैं कि कुछ लोग अधिक समय तक क्यों रहते हैं।
दृष्टिकोण एक शुरुआत के लिए अच्छा है, लेकिन एचआर के भीतर भविष्य कहनेवाला विश्लेषिकी को लागू करने में बहुत सारी तकनीकें शामिल हैं जिन्हें एचआर तलाशने के लिए स्वतंत्र है। इस प्रक्रिया का सबसे अच्छा हिस्सा एक कर्मचारी को नए के साथ बदलने की लागत में कमी है और शायद पुराने की तुलना में अधिक आरओआई प्राप्त करना है।
दिन के अंत में, अंतर्ज्ञान, अनुभव और एक ध्वनि डेटा-संचालित दृष्टिकोण का संयोजन अक्सर न केवल एक एचआर के निर्णय को परिष्कृत करता है, बल्कि हमारे साथ भी होता है।
मजेदार तथ्य: क्या आप जानते हैं कि अमेरिकी दिग्गज जेरोक्स ने संभावित उम्मीदवारों के लिए एनालिटिक्स लागू करके अपने कॉल सेंटर टर्नओवर को 20% तक कम कर दिया है, इस खोज के साथ कि रचनात्मक लोगों को जिज्ञासु की तुलना में अपने प्रशिक्षण की $ 6,000 लागत को पुनः प्राप्त करने के लिए 6 महीने तक कंपनी के साथ बने रहने की संभावना थी। लोग?
5. आपूर्ति श्रृंखला और रसद: बड़े डेटा प्लेटफार्मों के साथ प्रशिक्षण वितरण टीम
आपूर्ति श्रृंखला और रसद मूल रूप से संगठनात्मक रणनीतियों और लक्ष्यों में एक महत्वपूर्ण घटक है। आपूर्ति श्रृंखला और रसद का उद्देश्य लागतों को बचाने और प्रदर्शन, गति और चपलता में सुधार करना है। जब रसद की बात आती है, तो वे परिचालन दक्षता में सुधार करने के लिए डेटा के विभिन्न रूपों पर कब्जा करते हैं और परिचालन दक्षता में सुधार करते हैं, ग्राहक अनुभव और नए व्यापार मॉडल में सुधार करते हैं। ये कारक अक्सर संगठनों को संसाधनों के संरक्षण, एक बेहतर ब्रांड नाम बनाने और आपूर्ति श्रृंखला और रसद के लिए एक व्यवस्थित प्रक्रिया बनाने में मदद कर सकते हैं।
दुनिया भर में बिग डेटा पर नज़र रखना
आइए हम एक ई-कॉमर्स दिग्गज का उदाहरण लेते हैं जो अपने ग्राहकों को डिलीवरी के लिए बिग डेटा का उपयोग करता है। एक उत्पाद को ग्राहक के पते पर एक स्थान से भेजा जाता है। ट्रांसपोर्ट वाहन जैसे GPS ट्रैकर, माइक, सेंसर के भीतर डिवाइसों में संरचित और असंरचित डेटा होते हैं जिन्हें वास्तविक समय के अपडेट के लिए निगरानी केंद्र में वापस भेजा जाता है। इसके साथ ही यह डिलीवरी के समय, कम से कम पथ की दक्षता का विश्लेषण करने में मदद करता है और संसाधनों का उपयोग ऐसे लाखों लेनदेन की सूची में एक डिलीवरी ऑपरेशन करने के लिए किया जाता है। विभिन्न बाजारों में डेटा की इस सोने की खान को संगठनों द्वारा समेकित किया जाता है और फिर इस प्रक्रिया में और सुधार लाने या नए नवाचार के पूरे स्तर को लाने के लिए विश्लेषण किया जाता है!
मजेदार तथ्य : क्या आप जानते हैं कि अमेज़ॅन द्वारा ग्राहक पृष्ठों को ट्रैक करने के रूप में बिग डेटा ने डिलीवरी गति और दक्षता में सुधार करने के लिए अपने उत्पादों को ग्राहक के निकटतम गोदाम तक पहुंचाने में मदद की है?
6.Operations, समर्थन और ग्राहक सेवा: हर ग्राहक बातचीत में बड़े डेटा पर कर्मचारी प्रशिक्षण
किसी भी उत्पाद या सेवा की सफलता उस बिक्री के बाद के समर्थन पर आधारित होती है जिसे ग्राहक प्राप्त करता है और अक्सर विक्रेता उसे हर समय उसके लिए रहने की शपथ लेता है। यह इस तथ्य से आता है कि जब कोई ग्राहक किसी उत्पाद या सेवा को लेता है, तो वह इस उम्मीद में एक 'लीप-ऑफ-विश्वास' बनाता है कि विक्रेता उत्पाद / सेवा के जीवन काल में उसे नीचे नहीं जाने देता है। संगठनात्मक सफलता के लिए इस दृष्टिकोण से उद्धार महत्वपूर्ण है।
आइए हम एक दानेदार स्तर पर समर्थन देखें। मुझे हाल ही में क्रिस्टोफर नोलन की 'इंटरस्टेलर' देखने का अवसर मिला जिसने अंतरिक्ष के अंत तक अंतरिक्ष यात्रा की खोज की। यह मुझे भविष्य की एयरलाइनों के बारे में सोच रहा है जो लाखों प्रकाश वर्ष दूर फैले कीड़ा-मकोड़ों के माध्यम से उड़ान सेवाएं प्रदान करेगा! फिर चुनौतियां क्या होंगी? इस लगभग कभी न खत्म होने वाली यात्रा में किस तरह का बड़ा डेटा उत्पन्न होने वाला है? ऑन-बोर्ड टीम यह कैसे सुनिश्चित करेगी कि यात्री पूरे सवारी का आनंद ले? इसके साथ शुरू करने के लिए, सेवा प्रदाता को प्राथमिक उद्देश्यों पर ध्यान केंद्रित करना चाहिए जैसे कि हवाई-सुरक्षा सुनिश्चित करना, अपने उड़ान पथ पर नज़र रखना, ग्राहकों की आवश्यकताओं को पूरा करना आदि।
ऑन-द-गो बिग डेटा 24 × 7
इंटरस्टेलर यात्रा के लिए विचार अगले 100 वर्षों (आशावादी होने के नाते) के लिए एक दूर का सपना हो सकता है, लेकिन यह वर्तमान में चालू होने वाली एक समान सेवा द्वारा उत्पन्न किए जा रहे डेटा को देखने से हमें नहीं रोकता है जो ग्राहक को अधिक रोशनी देगा। सेवा और समर्थन 'बिक्री के बाद' परिदृश्य में किया जाता है और संगठन वास्तविक समय में अपने प्रयासों को बेहतर बनाने में कैसे संलग्न हो सकते हैं।
अब शुरू करने के लिए, साउथवेस्ट एयरलाइंस सबसे प्रसिद्ध एयरलाइंस में से एक है जिसने अपने ग्राहक अनुभव को बेहतर बनाने के लिए बिग डेटा का लाभ उठाया। वायु सुरक्षा में सुधार के लिए अपनी बोली में, साउथवेस्ट एयरलाइंस ने समग्र उड़ान अनुभव में सुधार के लिए बड़े डेटा प्रयोग में शामिल होने के लिए नासा के साथ सहयोग किया। इसमें फ्लाइंग पाथ, पायलटों की रिपोर्ट और अन्य हवाई यातायात की जानकारी के साथ नासा के उपग्रहों को शामिल करना शामिल है। ऐसी नवीन तकनीक के शिखर पर, pin टेक्स्ट डेटा-माइनिंग ’नाम की बुनियादी बड़ी डेटा अवधारणा निहित है, जो असंरचित पाठ्य सूचना को अंतर्दृष्टि के लिए सार्थक पाठ में परिवर्तित करती है। तो आपने सोचा कि टेक्स्ट डेटा-माइनिंग वहीं खत्म हो जाती है?
बेशक, यह बड़े डेटा में एक साधारण अवधारणा नहीं है, जैसे कि टेक्स्ट डेटा-माइनिंग से आगे का रास्ता। हम सभी जानते हैं कि ग्राहक प्रतिक्रिया समझने में एक महत्वपूर्ण घटक है जहां एक संगठन ग्राहक की बातचीत के हर बिंदु पर गलत हो जाता है। टेक्स्ट डेटा-माइनिंग, ओपन-एंडेड सर्वेक्षण प्रतिक्रियाओं का विश्लेषण करके ग्राहक-सेवा में मदद करता है। ग्राहकों को विकल्प ए, विकल्प बी, विकल्प सी, ओपन एंडेड प्रश्न जैसे सामान्य विकल्पों के लिए विवश करने के बजाय अधिक अंतर्दृष्टि प्रदान करते हैं, लेकिन उन्हें वर्गीकृत करना और प्रतिक्रियाओं को रिकॉर्ड करना एक महत्वपूर्ण मुद्दा हो सकता है। यही वह जगह है जहाँ पाठ डेटा-माइनिंग खेल में आता है जहाँ यह शब्दों के निश्चित समूह को समूहित करता है और उन्हें अंतर्दृष्टि के लिए समेकित करता है!
इससे परे, हम सभी को यह स्वीकार करना चाहिए कि कोई भी संगठन परिपूर्ण नहीं है और उनमें से हर एक के पास ग्राहकों का एक छोटा समूह है जो शायद सेवा से खुश नहीं हैं। परिणाम? एक डेटाबेस ईमेल, संदेश, शिकायत दर्ज करने वाले ग्राहकों के ट्वीट या of क्षेत्रों में सुधार ’की युक्तियों के बजाय इसे नरम तरीके से रखने के लिए बाढ़ आ गई। टेक्स्ट डेटा माइनिंग पारंपरिक मेल फ़िल्टर्स से एक कदम आगे है और प्राथमिकता के अनुसार मेलों को वर्गीकृत कर सकता है और विभाग को प्रश्न में फिर से जोड़ सकता है।
मजेदार तथ्य : क्या आप जानते हैं कि ग्राहक सेवाओं को बेहतर बनाने के अपने प्रयास के तहत साउथवेस्ट एयरलाइंस ने that स्पीच-एनालिसिस ’नामक सुविधा के साथ डेटा विश्लेषण को तैनात किया है, जो अंतर्दृष्टि के लिए ग्राहक और कर्मियों के बीच बातचीत को रिकॉर्ड करता है!
7. विपणन: बड़े डेटा के साथ एक व्यवस्थित विपणन दृष्टिकोण पर प्रशिक्षण कर्मचारियों
एक गतिविधि के रूप में विपणन आज सभी संख्याओं के बारे में है। डिजिटल मार्केटिंग की वृद्धि के साथ, हम अब विज्ञापनों की प्रतिक्रिया, क्लिक-थ्रू-दर, इंप्रेशन, ROI इत्यादि को सही तरीके से माप सकते हैं। एक गैर-विपणन पेशेवरों के लिए, ऐसे मैट्रिक्स शायद ग्रीक हैं, लेकिन विपणन में उन लोगों के लिए यह डेटा एक सोने की खान है। इसके बाद, मैट्रिक्स के साथ, ग्राहक संपर्क, सोशल मीडिया और बिक्री के हर बिंदु पर डेटा के बड़े हिस्से उत्पन्न होते हैं। यह मार्केटिंग प्रोफेशनल पर निर्भर है कि वह इस तरह के डेटा पर नज़र रखे और इसका इस्तेमाल किसी के उत्पादों को अधिक प्रभावी ढंग से धकेलने के लिए करे। Hadoop & R जैसे प्लेटफ़ॉर्म से उद्देश्य पूरा करने के बाद से बिग डेटा में प्रशिक्षण यहाँ एक आवश्यक भूमिका निभाता है।
दूसरे, समय-समय पर विपणन पेशेवर अक्सर अपने ब्रांड के लिए पूर्वव्यापीकरण करते हैं। जैसे सवाल:
मेरा ब्रांड दूसरों से बेहतर कैसे है?
अन्य ब्रांड क्या प्रदान करते हैं?
मेरे प्रतियोगी के पास एक ही उत्पाद पर क्या विशेषताएं हैं?
अध्ययन इससे कहीं अधिक गहरा है। 4P (उत्पाद, मूल्य, स्थान, स्थिति) के आधार पर प्रतिस्पर्धी उत्पाद का विश्लेषण करने से लेकर प्रतियोगी के वेबपेज में प्रस्तुत किए गए उत्पाद की सामग्री को समझने के लिए, उत्पन्न डेटा की मात्रा बहुत बड़ी और जटिल है। जैसा कि पहले कहा गया था, टेक्स्ट-माइनिंग का लाभ उठाने से बाज़ारिया प्रतियोगी की वेबसाइट को आसानी से क्रॉल करके प्रतियोगी-विश्लेषण कर सकता है। बड़े डेटा के क्षेत्र में यह सरल कार्य प्रतिस्पर्धी के बारे में एक समेकित विचार दे सकता है कि वे क्या कर रहे हैं और उनके पास बाज़ार के लिए कौन से उत्पाद हैं, जिससे बाज़ारिया को बड़ा डेटा मिल रहा है, जो एक बढ़त हासिल कर रहा है!
क्रिएटिव को उभारते हुए
उदाहरण के लिए एक सोशल मीडिया रणनीतिकार सोशल मीडिया प्लेटफॉर्म्स पर अपने संगठन की ब्रांड धारणा के बारे में जानना चाहता है, फिर शायद आरएंड हडॉप में भावना विश्लेषण में संलग्न होने से इस लक्ष्य को हासिल करने में मदद मिलेगी। उसी तरह, बिग डेटा टूल्स का उपयोग मूल्य निर्धारण, उत्पाद की स्थिति और इतने पर जैसे विभिन्न गतिविधियों में विपणन में मदद करता है।
सी ++ में अमूर्तता
एक और उदाहरण एक खुदरा बिक्री पर एक विपणन प्रबंधक हो सकता है जो बिक्री को अधिकतम करने के लिए देख रहा है। हर कोई वॉलमार्ट के उदाहरण को जानता होगा जो एक समय सीमा पर लाखों ग्राहकों को लुभाने वाले डेटा की बड़ी मात्रा को प्राप्त करके पिछले ग्राहक खरीद के इतिहास के आधार पर बीयर और दूध की साइड-बाय-साइड स्थिति में सक्षम था!
मजेदार तथ्य: क्या आप जानते हैं कि जनरल मोटर्स ने प्रति वर्ष $ 2 बिलियन के अपने वार्षिक विपणन बजट के साथ विस्तृत ग्राहक प्रोफाइल बनाने और अधिक व्यक्तिगत विपणन के लिए विस्तृत जनसांख्यिकी / ग्राहक जानकारी के साथ स्थानिक डेटा एनालिटिक्स को संयोजित करने के लिए बिग डेटा एनालिटिक्स का उपयोग किया!
कंपनियां बिग डेटा प्लेटफॉर्म पर क्यों शिफ्ट हो रही हैं
आमतौर पर, पुरानी विरासत प्रणालियों का उपयोग करने वाले संगठनों में कई प्रणालियों में डेटा फैला हुआ है। विभिन्न स्थानों पर डेटा के प्रसार के कारण, डेटा का विश्लेषण करने की सटीकता के साथ-साथ प्रसंस्करण गति कम हो जाती है। यह एक एंटरप्राइज़ डेटा हब के भीतर डेटा को समेकित करने का आह्वान करता है जो डेटा की तीव्र पहुंच बनाता है जिसके परिणामस्वरूप गहरी एनालिटिक्स होती है। किसी भी संगठन में आईटी विभाग का एक महत्वपूर्ण उद्देश्य अनुरोध पर संगठन के सभी विभागों के लिए तेजी से सटीक डेटा प्रदान करना है।
डेटा एकत्र किए जाने के साथ, गहराई से विश्लेषण और मूल रूप से व्यापार निर्णय लेने में सहायता करने के लिए एक मंच पर असंरचित, संरचित और अर्ध-संरचित डेटा स्रोतों को एकजुट करना महत्वपूर्ण है। Hadoop की यह विशेषता संगठन के भीतर अधिक लोगों को टेबल पर लाती है क्योंकि ऐसे कर्मचारी हैं जो दिन-प्रतिदिन के कार्यों में विभिन्न स्पर्श बिंदुओं पर डेटा के साथ बातचीत करते हैं। इसके अलावा, पारंपरिक ETL और बैच प्रक्रियाओं में लंबा समय लग सकता है, जबकि Hadoop अपने उच्च वॉल्यूम बैच प्रसंस्करण के साथ इसे 10 गुना तक बढ़ा देता है।
Hadoop का महत्व जरूरी नहीं है कि संगठन के भीतर प्रत्येक कर्मचारी को बिग डेटा प्लेटफॉर्म में प्रशिक्षित किया जाना चाहिए जो कि ज्यादातर मामलों में संभव नहीं है। लेकिन सीटीओ के लिए उन पेशेवरों की पहचान करना और उन्हें प्रशिक्षित करना रणनीतिक लाभ होगा जो डेटा के साथ निरंतर संपर्क में हैं।
लोकप्रिय Hadoop प्लेटफॉर्म के माध्यम से डेटा के भंडारण, प्रसंस्करण, पुनर्प्राप्ति को कवर करने के बाद, एक और महत्वपूर्ण घटना जो प्राकृतिक प्रगति का एक हिस्सा है, बिग डेटा एनालिटिक्स है। इसे सरल बनाने के लिए, संगठनों को संगठनों के भीतर विभिन्न पेशेवरों से कई परिप्रेक्ष्य की आवश्यकता होती है।
संख्या '6' को तालिका के दूसरी ओर से 'संख्या 9' के रूप में देखा जा सकता है। दूसरे शब्दों में, डेटा के अवलोकन से निष्कर्ष व्यक्ति से दूसरे व्यक्ति में भिन्न होता है।
संगठन यह जानते हैं और अक्सर एक ही मंच के प्रशिक्षण कर्मचारियों में संलग्न होते हैं ताकि विभिन्न विभागों के लोग एक ही गतिविधि पर चर्चा करें, संलग्न करें और ध्वनि निर्णय लेने के लिए अंतर्दृष्टि साझा करें। इसलिए, मेरा मानना है कि बिग डेटा प्रशिक्षण को हर कर्मचारी के लिए एक ही पृष्ठ पर होने और अगले स्तर तक संगठनों को ले जाने के अवसर के रूप में परिभाषित करना सुरक्षित होगा!
क्या आप हमसे कोई प्रश्न पूछना चाहते हैं? उन्हें टिप्पणी अनुभाग में उल्लेख करें और हम आपके पास वापस आ जाएंगे।
संबंधित पोस्ट: