アラブ首長国連邦が18歳から30歳までのすべてのエミラティ男性に兵役を義務付けているという最近のニュースにより、経済状況に関係なく、国が国民が国を守る準備ができている理由について考えるようになりました。
国の限られた数の市民は、しばしば政府に兵役を義務化することを強いると主張することができます。しかし、中国はどうですか？人口で最大の国ですが、継続教育を受ける市民が義務教育に従事することも保証されています。要するに、各国は基本的に紛争が発生した場合に備えて防衛する準備をしており、誰もがそれに備える必要があります。電気技師、ビジネスマン、大工など、すべてが共通の目的のために団結します。
奇妙に聞こえるかもしれませんが、そのような国々と競争力を維持したい今日の組織との間に不思議な類似点を描くことができます。現在の脅威、またはビッグデータの形での課題により、大小の組織は、さまざまな部門にまたがる人材を集めて、一般的にそれに対処するようになりました。これをさらに進めるために、通常、強制兵役を実施している国には常に適格基準があります。同じように、組織は、大量のデータと何らかの形でやり取りし、次のことを行う必要がある従業員にのみビッグデータトレーニングを提供することが論理的であると考えています。すべてのタッチポイントでHadoopを採用します。
政府と連携している陸軍将軍が、他の点では初心者の市民から新入社員に割り当てられる兵器と訓練の種類を決定するのと同じように、CTOがITインフラストラクチャとレガシーの舵取りをすることが期待されます。従業員のパフォーマンスを向上させるための新しい技術革新を推進するシステム。ビッグデータに取り組むという共通の目的を持って、ビッグデータが使用されている場所と、その中で仲間を訓練することが重要である理由を詳細に理解してみましょう。
1.情報技術：ビッグデータトレーニングによる生産性の向上
おそらくビッグデータ実装の最前線にいるITチームは、変化を前進させるための震源地です。ビッグデータトレーニングを従業員に提供したいITトレーニングの意思決定者は、IT部門から始める必要があります。どうして？なぜなら、活動のあらゆる段階でテクノロジーに取り組むことになると、地下室のオタク（ITで人気のスラング）が最も近いからです。それで、それはどのくらい関連性がありますか？
人気のあるサイトCIOから提出されたレポートを見てみましょう。
「500人の米国のビジネスおよびITエグゼクティブを対象とした最近のCompTIA調査によると、データの活用で時代を先取りしている企業の50％、およびデータの活用で平均的または遅れている企業の71％は、スタッフが中程度またはデータ管理と分析のスキルが大幅に不足しています。」
データ管理とストレージがITのコア機能の一部であるという事実を考えると、ビッグデータプラットフォームの実装とビッグデータ内のITスキルの強化に向けた並行アプローチが必要です。この事実を裏付けるのは、2018年までに、技術的および分析的な深い専門知識を持つ140,000〜190,0000人を超える専門家が不足するというマッキンゼーのレポートです。ますます多くの技術専門家がビッグデータトレーニングを必要とするにつれて、組織は迅速なROIのために技術専門家をさらに訓練しようとしています。プラットフォームスペシャリスト、管理者、IT部門で働くエンジニアが主導権を握っています。
コアIT機能のトリニティとビッグデータの融合
三位一体という用語は、しばしば2つの宗教的概念を思い出させます。1つは作成者、保存者、破壊者のヒンドゥー教の神話であり、もう1つは父、息子、聖霊のキリスト教の概念です。どちらも人類の向上に努めています。同様に、ITチームのこれら3つの機能は、情報技術に関しては、さまざまなニーズを持つ部門を持つ組織全体の改善に努めています。セキュリティおよびサポート機能とは別に、IT部門は、ビッグデータの実装に関してこれらの機能に関連することができます。
計画-ITチーム内の計画活動は、組織のIT戦略がビジネス目標と一致していることを確認することに重点を置いています。これには、ソフトウェアのカスタマイズ、さまざまな事業部門のニーズを満たす新しいプラットフォームの導入に取り組むことが含まれます。言い換えれば、新しい実装は常にITから始まります。
ネットワーク-音声、データ、ビデオ、インターネットトラフィック間のあらゆる形式の通信を容易にするネットワークの開発が含まれ、顧客とのやり取り、感情分析、トラフィックの更新など、データを記録するためのさまざまなチェックポイントがあり、すべてリアルタイムでデータを収集します。 IT部門は、多くの場合、ビッグデータを処理する目的に沿って機能するネットワークのスムーズな統合を保証します。
データ-簡単に言うと、ITチームは、組織内のさまざまな戦略的意思決定のために、データを収集、保存、管理、保護し、従業員に配布するためのツールを導入しています。販売記録、財務記録、在庫詳細などのすべての形式のデータは、単一のデータセンターに保存されます。これにより、ITチーム内に、指定されたユーザーが任意のデータの場所で情報を保存および取得できるようにするビッグデータのプラットフォームを実装する責任が生じます。
どのITチームでも、ビッグデータの実装に向けてさまざまなタスクを持つメンバーの多様な組み合わせが必要です。まず、従来のシステムからビッグデータプラットフォームへのスムーズな移行を保証するスペシャリストが必要です。そのためには、技術者がすべての部門にわたるライフサイクル全体でプラットフォームを維持することに集中する必要があります。次に、すべての技術的実装が組織の目的に沿っているかどうかを常に監視する必要があるメンバーが必要になります。
2.製品開発：研究開発のすべての段階でイノベーションを再考する
組織を次のレベルのイノベーションに導くことになると、おそらく最も重要な部門の1つです。ビッグデータの最大の利点の1つは、製品の設計、製造、品質、保証、診断、車両、ソフトウェアアプリケーションなど、製品開発におけるさまざまなタッチポイントにわたるデータの統合です。これらのタッチポイントから生成されたデータは、製品のあり方と成功の度合いを定義します。これは基本的に、製品開発者、R＆D専門家、および設計者をデータ駆動型およびデータ分析アプローチに導きます。
ビッグデータの実現
整数javaの桁を合計する
製品開発に関しては、人気のある例の1つは、アウディが開発し、2016年までに発売を計画している自動運転車です。はい、CEOのイノベーションのビジョンを確実に達成するという大きな任務を負っている製品開発チームがあります。 。しかし、その過程で、開発からテストまで、ビッグデータだけが答えることができるさまざまな課題と質問があります。その理由を見てみましょう。
ポイントAからポイントBまで監視されている試乗について考えてみます。生成できるデータの種類は次のとおりです。
a。センサーデータ–車内のセンサーは、車の後ろと前の車の間で測定した距離と、移動中に遭遇した車の頻度に関する詳細を保存できます。
b。ドライバーデータ–さまざまな年齢層の複数のテストを実行でき、快適レベル、パフォーマンス、および自動運転を無効にするためにドライバーが必要とした回数の詳細が、分析のために行と列の大きなセットに圧縮されます。
c。人口統計データ–テストはインドと米国で実施される可能性があります。自動運転内のA.Iは、2つの異なる国での運転中に遭遇する障害を分析できます。自動運転がより実行可能な国とそうでない国はどれですか？
d。市場パフォーマンスデータ–製品が発売され、道路に出た後、エンジニアは、自動運転の導入が維持に役立つかどうかを洞察するために、車のプログラムによって24時間365日提供されるフィードでライブデータを分析することによって、その成功を監視することもできます。道路はもっと安全ですか？
製品エンジニアリングから解き放たれる可能性のあるデータはN個あります。私たちは自動車業界からOEMを模索し始めたばかりです。医療、ヘルスケア、電子機器など、さまざまな分野にわたるビッグデータの可能性について考えてみてください。知るか？
楽しい事実： フォードがビッグデータと分析を採用したことで、ヨーロッパやアジアの自動車メーカーとの競争が激化した2000年代の臨死体験から救われたことをご存知でしたか。
3.財務：財務モデリングを処理するためのビッグデータプラットフォームに関する従業員のトレーニング
お金はビジネスの血だという言葉をよく耳にするかもしれません。そのお金の世話をすることは財務部門の責任です。ビジネスの世界では、財務部門の機能を、通常、会社の財務の作成に加えて、会社の財務の計画、編成、監査、会計、および管理に関与するものとして定義しています。
財務部門は一般的にお金の取り扱いに関しては頭脳であることが多く、その役割はキャッシュフロー計算書の作成、コストモデリング、賞品の実現、コンプライアンスなどのさまざまな活動にまで拡大します。数十年前、限られたシステムとプラットフォームでこれらすべてのアクティビティを実行することは非常に実現可能でしたが、ビッグデータの時代に、すべての財務部門が直面する2つの課題は、変化するシナリオで定期的な財務機能を実行し、将来の洞察を収集することです。もっと深い視点から見ていきましょう。
情報がさまざまなサーバーに分散しているため、組織はそのデータを統合し、ビジネス要件に従ってアクションを実行するという課題に直面することがよくあります。内の重要な機能は、組織のガバナンス、リスク管理、および管理制御を監視し、不正行為を特定するための予防的な不正監査を実施する内部監査です。分析の台頭に伴い、内部監査も統合する必要があります。これにより、リスクの評価、財務モデルの作成、組織内の財務の全体像の把握に役立つ監査データ分析などの新しい方法が生まれました。
コストモデリングと価格実現
コストモデリングは、リソースを効果的に活用するための重要なコンポーネントです。企業は、コストを押し上げる活動、タスクの完了に必要な直接的な材料と労力の合計などを特定する必要があります。コストモデリングは、企業が社内のすべての活動にわたって製品の全体的な生産コストを正確に特定するのに役立ちます。ビッグデータの時代では、組織内のさまざまな部門で行われているすべての財務活動を追跡し、その情報を統合して理想的なコストモデルを構築することが重要になります。購入から販売まで、すべてのデータは財務履歴に保存されます。コストモデルを開発する基本的な基本は、大量のデータを取得して、将来適用できるモデルを作成することです。
価格実現の取り組みは収益性を改善するための販売に向けられていると議論することはできますが、価格実現の恩恵を受けることに関しては、財務部門が果たす役割は大きくなります。簡単に説明すると、売り上げを伸ばすために割引を提供する予定の小売店を考えてみましょう。基本的な目的は、価格の漏えいを減らし、ポケット価格を改善することです。
価格リークは、製品の価格が（販売を行うために）割引されて収益性が損なわれ、ポケット価格が割引後の販売価格である場合に発生します。収益性の高い価格実現の取り組みを実現するために、営業チームは財務部門と協力して、個々の製品のコストの構造と割引を提供できる場所を理解します。これには、財務部門が将来の価格実現モデルのフレームワークを開発し、そのようなマーケティング活動の限界を定義する必要があります。このタスクには、調達、倉庫コスト、貯蔵寿命からのデータの処理と、売上原価（CGS）の見積もりが含まれます。
F-12と予測分析
財務部門内の重要な活動の1つは、組織の財務状態を監視することです。医師が脈拍数、体温、刺激反応などのさまざまな指標を使用して患者が生きているか死んでいるかを判断するのと同じように、金融界は12の指標を監視して、会社が金銭的にどこに向かっているのか、そして何がその先にあるのかを把握します。 。実質収益の伸び、持続可能な収益の伸び、価格設定方針と価格設定指数、営業費用管理、EBITDAとキャッシュフローの比較、無借金キャッシュフロー、超過現金、資産収益率、運転資本、債務融資の使用、純取引サイクルとコストから資本金は、組織の財務報告において重要な要素を形成し、上級管理職が健全な決定を下せるようにします。
ビッグデータの世界での課題の一部として、これらの比率を理解するには、組織全体に分散した大量の情報を処理して、分析用の標準形式にする必要があります。予測分析は、このデータが過去の履歴から処理されるときに機能し、現在の同じ要素と比較して、将来の正確な見積もりが行われます。最良の部分は予測分析プラットフォームであり、ビッグデータを処理するためのメソッドが構築されているため、財務部門のタスクが簡素化されます。
楽しい事実： シンガポールに本拠を置くOversea-BankingCorporation（OCBC）がビッグデータを顧客インサイトに使用でき、新規顧客の獲得が40％増加したことをご存知でしたか？
4.人事：HR従業員の能力の再定義
人事部門でビッグデータを想像すると、多くの場合、読者にハンバグとして却下するように促すことがあります。組織は通常、マーケティング、運用、または財務に重点を置くため、人事部門でのビッグデータテクノロジーの実装をあまり優先しないためです。しかし実際には、人事部門は、他の活動の中でも適切な人材が組織に確実に参入するために重要な役割を果たします。
HRに歯を追加する
ビッグデータの実装に関しては、おそらくすべての部門の中で最も無視されていますが、今日の急速に変化する世界では、人事部門の働き方が組織の成功を決定します。
Forbesによると、平均的な大企業には10を超えるさまざまなHRアプリケーションがあり、そのコアHRシステムは6年以上前のものです。この傾向は、組織がこのデータをまとめるために適切なリソースを必要としているという事実を浮き彫りにしています。ビッグデータと分析のトレーニングは、運用レポートから戦略的分析まで、データ分析、視覚化、問題解決などのスキルをもたらします。
デフォルトでは、人事部門は基本的な人事業務の観点から提供することが期待されていますが、ビッグデータトレーニングはそれをまったく新しいレベルに引き上げます。人事部門がツールを使用してより分析的になるにつれて、より戦略的な活動に従事するためのアプローチが変わります。候補パイプラインの販売品質に影響を与える従業員の定着率を高め、人材ギャップを評価する方法などの重要な質問が特定され、関連データを分析することで戦略的な手順が実行されます。
シフトは、単純な人員からより予測的な分析に移行します。
人事部門内のオラクル
人事部で働いていた友人のことを思い出す面白い話がありました。彼女は、候補者を関連部門の責任者に送る前に、「わかりました、彼を雇いましょう」という魔法の言葉だけを言う、ヘッドハンティングの疲れ果てた仕事をしていました。
彼女が会社に優秀な才能をもたらしたので、しばらくの間、物事はうまくいきました。時が経つにつれ、彼女は自分の採用スキルに自信を持ち、上級管理職にチームに人員を追加し、人事システムを実装し、サードパーティのコンサルタントを増やすようになりました。トリッキーな部分は、彼女が自信を持って上級管理職に高い約束をしたことでした。
歴史は、将来のイベントの準備をする人は、過去の栄光に乗る人よりも成功していることを示しています。彼女は会社が拡大している分野で多くの専門家を雇うことが期待されていた時期がありました。彼女は質の高い専門家を雇うことへの妥協で空席を埋め始めました。彼女はよりターゲット主導のアプローチを採用しました。結果？彼女が雇った専門家のほとんどは、さまざまな理由を挙げて書類を提出し、彼女は経営陣から質問を受けました。彼女のつぶやきがよく聞こえます。
「私は1000Cvsをヘッドハントし、100 Cvsを候補リストに入れ、面接のために50人の候補者に電話し、心理測定評価から10をフィルターします。10人のうち、価値のある5人を選び、5人を経営陣に送り、1人に焦点を合わせます。その一人の男は2ヶ月後に去ります。」
お見舞いをする以外に彼女の惨めさを笑いましたが、人事が彼らの経験でより良い判断を下せるのか、それともこの採用プロセス全体に対してよりデータ主導のアプローチが必要なのか疑問に思いました。ワールドカップで優勝するチームを見つけることから予測分析を使用しますが、特に人間などの複雑な要素を扱う場合は、採用プロセスで同じ手法を使用してみませんか？
さて、採用の仕事は必ずしも簡単な仕事ではなく、多くのプロセスを伴い、採用のルールは、HRが組織のルールなどのために採用している役割を担っている業界によって変わることがよくあります。
予測分析を使用し、離職率が低い成功した組織を観察した場合、成功を確実にする候補内の望ましい特性を最初に決定し、それを「理想的な」プロファイルに統合し、最も近いすべての候補と比較するパターンがあります。次に、これらの候補者の特性を評価するカスタマイズされた評価を実施します。
注意すべき点は、ピアソン、トーマスアセスメント、SHLなどの主要なプレーヤーを擁する心理測定アセスメント業界全体が、採用プロセスを完璧にするために候補者のプロファイルを分析するという人事担当者の要求により生まれたことです。
予測分析に戻ると、その実装の一環として、人事担当者はまず組織に応じて「成功した候補者」を定義する必要があります。次に、採用の有効性を促進し、次のように開発および観察できる要因を定義する必要があります。必要に応じて、仮説を立てて他の採用者よりも優れた採用者がいる理由を説明します。これに基づいて、彼女/彼はそれを組織に長く滞在した成功した従業員のデータと比較し、第三に統計的手法を使用して一部の人々が長く滞在する理由を測定することができます。
このアプローチは最初は良いものですが、HR内に予測分析を実装するには、HRが自由に探索できる多くの手法が含まれています。このプロセスの最良の部分は、従業員を新しい従業員に置き換えるコストを削減し、おそらく古い従業員よりも多くのROIを獲得することです。
結局のところ、直感、経験、および適切なデータ駆動型アプローチの組み合わせにより、人事の判断だけでなく、私たちの判断も洗練されることがよくあります。
楽しい事実： アメリカの巨人ゼロックスは、候補者に分析を適用することでコールセンターの売上高を20％削減したことをご存知でしたか？クリエイティブな人々は、好奇心旺盛なよりもトレーニングの6,000ドルのコストを回収するために必要な6か月間会社に留まる可能性が高いことがわかりました。人？
5.サプライチェーンとロジスティクス：ビッグデータプラットフォームを使用したデリバリーチームのトレーニング
Windows7にPHPをインストールする方法
サプライチェーンとロジスティクスは、基本的に組織の戦略と目標において重要な要素を形成します。 Supply Chain＆Logisticsの目的は、コストを節約し、パフォーマンス、速度、敏捷性を向上させることです。ロジスティクスに関しては、さまざまな形式のデータをキャプチャして追跡し、運用効率を根本的に改善し、顧客体験と新しいビジネスモデルを改善します。これらの要因は、多くの場合、組織がリソースを節約し、より良いブランド名を構築し、サプライチェーンとロジスティクスの体系的なプロセスを作成するのに役立ちます。
世界中のビッグデータの追跡
ビッグデータを使用して顧客に配信するeコマースの巨人の例を見てみましょう。商品は、お客様の住所からお客様の住所に発送されます。 GPSトラッカー、マイク、センサーなどの輸送車両内のデバイスには、構造化データと非構造化データがあり、リアルタイムの更新のために監視センターに送り返されます。それに加えて、配信時間の効率、最短パス、および数百万のそのようなトランザクションのリストで1つの配信操作を実行するために使用されるリソースの分析にも役立ちます。さまざまな市場にわたるこのデータの金鉱は、組織によって統合され、分析されて、プロセスがさらに改善されるか、まったく新しいイノベーションがもたらされます。
楽しい事実 ： Amazonが顧客ページを追跡するという形のビッグデータが、配達の速度と効率を改善するために、顧客に最も近い倉庫に製品を配置するのに役立っていることをご存知ですか？
6.運用、サポート、カスタマーサービス：顧客とのやり取りごとにビッグデータに関する従業員トレーニング
製品やサービスの成功は、顧客が受けるアフターサポートに基づいており、多くの場合、ベンダーは常に顧客のためにそこにいることを誓います。これは、顧客が製品またはサービスを利用するときに、ベンダーが製品/サービスの存続期間中に彼/彼女を失望させないことを期待して「信頼の飛躍」を行うという事実から来ています。この観点から提供することは、組織の成功にとって重要です。
詳細なレベルでサポートを見てみましょう。私は最近、宇宙旅行を宇宙の果てまで探検したクリストファー・ノーランの「星間」を見る機会がありました。これにより、数百万光年離れたワームホールを介してフライトサービスを提供する将来の航空会社について考えるようになりました。では、どのような課題がありますか？このほぼ終わりのない旅の中で、どのようなビッグデータが生成されるのでしょうか。機内チームは、乗客が全体を通して乗り心地を楽しむことをどのように保証しますか？まず、サービスプロバイダーは、航空安全の確保、飛行経路の追跡、顧客の要件の提供などの主要な目的に焦点を当てる必要があります。
外出先でのビッグデータ24×7
恒星間航行のアイデアは、今後100年間は遠い夢かもしれませんが（楽観的です！）、現在運用されている同様のサービスによって生成されたデータを見るのを止めることはできません。サービスとサポートは、「アフターセールス」シナリオと、組織がリアルタイムで取り組みの改善に取り組む方法で実行されます。
そもそも、サウスウエスト航空は、顧客体験を向上させるためにビッグデータを利用した最も有名な航空会社の1つです。サウスウエスト航空は、航空安全を改善するためにNASAと協力して、全体的な飛行体験を改善するためのビッグデータ実験を行いました。これには、NASA衛星に飛行経路に関する情報、パイロットからのレポート、その他の航空交通情報をpingすることが含まれます。このような革新的な手法の頂点には、非構造化テキスト情報を洞察のための意味のあるテキストに変換する「テキストデータマイニング」と呼ばれる基本的なビッグデータの概念があります。それで、テキストデータマイニングはそこで終わると思いましたか？
Javaの1次元配列
もちろんそうではありません。テキストデータマイニングなどのビッグデータの単純な概念でさえ、それをはるかに超えています。顧客とのやり取りのあらゆる時点で組織がどこで失敗するかを理解するには、顧客からのフィードバックが重要な要素であることは誰もが知っています。テキストデータマイニングは、自由形式の調査回答を分析することにより、顧客サービスにも役立ちます。オプションA、オプションB、オプションCなどの一般的なオプションに顧客を制約する代わりに、自由形式の質問はより多くの洞察を提供しますが、それらを分類して応答を記録することが重要な問題になる場合があります。そこで、テキストデータマイニングが機能し、特定の単語セットをグループ化し、それらを統合して洞察を得ることができます。
それを超えて、私たちは皆、完璧な組織はなく、サービスに満足していない可能性のある少数の顧客がいることを認めなければなりません。結果？データベースには、苦情を登録している顧客からの電子メール、メッセージ、ツイート、または「改善領域」のヒントが殺到し、かなりソフトになります。テキストデータマイニングは、従来のメールフィルタよりも一歩進んでおり、優先度に従ってメールを分類し、問題の部門に再ルーティングできます。
楽しい事実 ： サウスウエスト航空は、顧客サービスを改善する取り組みの一環として、顧客と担当者の間のやり取りを記録して洞察を得るための「音声分析」と呼ばれる機能を備えたデータ分析を展開していることをご存知ですか。
7.マーケティング：ビッグデータを使用した体系的なマーケティングアプローチに関する従業員のトレーニング
活動としてのマーケティングは、今日の数字がすべてです。デジタルマーケティングの急増により、広告の反応、クリック率、インプレッション、ROIなどを正確に測定できるようになりました。マーケティング以外の専門家にとっては、そのような指標はギリシャ語かもしれませんが、マーケティングの専門家にとっては、このデータは金鉱です。その後、メトリクスとともに、顧客とのやり取り、ソーシャルメディア、販売のすべてのポイントで大量のデータが生成されます。そのようなデータを追跡し、それを使用して製品をより効果的にプッシュするのは、マーケティングの専門家次第です。 Hadoop＆Rのようなプラットフォームが目的を果たすのに役立つため、ビッグデータのトレーニングはここで重要な役割を果たします。
第二に、時々のマーケティングの専門家はしばしば彼らのブランドの振り返りにふける。次のような質問：
私のブランドは他のブランドよりどのように優れていますか？
他のブランドは何を提供していますか？
競合他社は同じ製品にどのような機能を備えていますか？
研究はこれよりもはるかに深くなります。 4P（製品、価格、場所、位置付け）に基づいて競合製品を分析することから、競合他社のWebページに表示される製品のコンテンツを理解することまで、生成されるデータの量は膨大で複雑です。前に述べたように、テキストマイニングを利用すると、マーケティング担当者は競合他社のWebサイトをクロールするだけで、競合他社の分析を実行できます。ビッグデータの領域におけるこの単純な機能は、競合他社が何をしているのか、そして彼らが市場にどのような製品を置いているのかについての統合されたアイデアを与えることができ、それによってビッグデータを受け入れたマーケターに優位性を与えます！
クリエイティブの武装
たとえば、ソーシャルメディアストラテジストは、ソーシャルメディアプラットフォーム全体での組織のブランド認知について知りたい場合、おそらくR＆Hadoopで感情分析を行うことがこの目標の達成に役立ちます。同様に、ビッグデータツールの使用は、価格設定、製品の位置付けなどのさまざまな活動でのマーケティングに役立ちます。
もう1つの例は、売り上げの最大化を目指す小売店のマーケティングマネージャーです。過去の顧客の購入履歴に基づいて、時間枠内で数百万の顧客にまたがる大量のデータを取得することにより、ビールと牛乳を通路に並べて配置できたウォルマートの例は誰もが知っているでしょう。
楽しい事実： 年間20億ドルのマーケティング予算を持つGeneralMotorsは、ビッグデータ分析を使用して詳細な顧客プロファイルを作成し、空間データ分析を詳細な人口統計/顧客情報と組み合わせて、よりパーソナライズされたマーケティングを実現していることをご存知ですか？
企業がビッグデータプラットフォームに移行する理由
通常、古いレガシーシステムを使用している組織では、データが多くのシステムに分散しています。さまざまな場所にデータが分散するため、データ分析の精度とともに処理速度が低下します。これには、エンタープライズデータハブ内でデータを統合する必要があります。これにより、データへのアクセスが高速化され、より詳細な分析が可能になります。組織内のIT部門の重要な目的の1つは、要求に応じて組織内のすべての部門に正確なデータを迅速に提供することです。
データが収集されると、非構造化、構造化、および半構造化データソースを1つのプラットフォームに統合して、詳細な分析を実行し、基本的にビジネスの意思決定を支援することが重要です。 Hadoopのこの機能は、日常業務のさまざまなタッチポイントでデータを操作する従業員がいるため、組織内のテーブルに多くの人を呼び込みます。また、従来のETLおよびバッチプロセスには長い時間がかかる可能性がありますが、大量のバッチ処理を備えたHadoopは最大10倍の速度になります。
Hadoopの重要性は、組織内のすべての従業員がビッグデータプラットフォームでトレーニングを受ける必要があることを必ずしも意味するわけではなく、ほとんどの場合、実行可能ではない可能性があります。しかし、CTOにとって、データと絶えず相互作用している専門家を特定してトレーニングすることは戦略的に有利です。
人気のあるHadoopプラットフォームを介したデータの保存、処理、取得について説明した後、自然な進歩の一部であるもう1つの重要な現象は、ビッグデータ分析です。簡単に言うと、組織には、組織内のさまざまな専門家からの複数の視点が必要です。
数字の「6」は、表の反対側から見ると数字の「9」と見なすことができます。言い換えれば、データを観察することによる結論は人によって異なります。
組織はこれを知っており、同じ活動によって相互接続されたさまざまな部門の人々が健全な意思決定のための洞察について話し合い、関与し、共有できるように、同様のプラットフォームで従業員のトレーニングに従事することがよくあります。したがって、ビッグデータトレーニングを、すべての従業員が同じページにいて、組織を次のレベルに引き上げる機会として定義するのは安全だと思います。
質問がありますか？コメントセクションでそれらに言及してください。折り返しご連絡いたします。
関連記事：