Olet todennäköisesti kuullut isojen tietojen käyttämisestä selvittää, mitä haluat ostaa, lukea ja seurata. Mitä et todennäköisesti ole miettinyt, on se, kuinka yrityksesi voi käyttää sitä tuottavuutesi vapauttamiseen.
Mutta TransUnionin Advanced Analyticsin neuvonantaja Alexander Vorobievilla on. Hän on tietämys kaikista isoista tiedoista. Ja vaikka hänen tehtävänsä koskee ensisijaisesti sitä, kuinka iso data voi vaikuttaa rahoituspalveluihin, hän tietää, että suurten tietojen sovellukset ovat rajattomat. Yksi sellainen asia? Selvitetään, kuinka yritykset voivat käyttää analyyttisiä menetelmiä tuottavuuden lisäämiseksi ja nähdä parempia liiketoiminnan tuloksia.
Kuulostaako kiehtovalta? Lue edelleen saadaksesi tietää kuinka se tapahtuu:
Löydä hypoteesi
Ensin tarvitaan teoria testaamiseksi. "Työpaikkahyvinvointiohjelman luominen lisää tuottavuutta". Tämä voi olla yksi. "Toinen voisi olla työntekijöiden salliminen työskentelemään kotoaan lisäämällä myyntiä".
Osastonpäällikkönä tai päätöksentekijänä saatat olla suullinen vaisto työntekijöidesi parhaasta työskentelystä. Ehkä se on, että tunnin kuluttua tulevat työntekijät tekevät vähemmän taukoja koko päivän ajan, tai jos työntekijät käyttävät lounaatuntiaan liikuntaan, he eivät yleensä anna periksi viisitoista laskua. Riippumatta siitä, mikä oletus voi olla, tämä on hypoteesisi, jonka haluat testata.
Kerää oikeat tiedot
Väitetysti yksi kriittisimmistä askeleista isotietojen käyttämisessä. Kaikesta maailman analyysistä ei ole paljon hyötyä, jos et mittaa oikeita asioita. Oletetaan hypoteesi “kotoa työskenteleminen parantaa tuottavuutta.” Joitakin tässä mitattavia potentiaalisia mittauspisteitä voivat olla etätyöntekijöiden lukumäärä, kuinka monta päivää he työskentelivät kotoaan, ja esimiehen katsaukset arvioidun ajanjakson lopussa.
Vorobiev suosittelee, että yritykset palkkaavat erikoistuneita tietotekniikan insinöörejä tai ulkopuolisia konsultteja analysoimaan työpaikkatrendejä ja muita aloja, joilla iso data on varmasti hyödyllistä. Tällaiset tiedemiehet eivät voi vain analysoida lopputuloksia, vaan voivat myös ehdottaa oikeita mitattavia parametreja.
Asenna näyte tutkittavaksi
Yritykset voivat rekrytoida työntekijöitä opiskeluun riputtamalla porkkanaa (ilmainen kuntosalin jäsenyys vuodessa on hyvä), vaikkakin on tarkkailtava puolueellisia näytteitä (esimerkiksi kirjakerhoon kirjautuvat ihmiset saattavat jo olla niitä, jotka pitävät lukea).
Rekrytointi voi tapahtua muilla tavoin. Vorobiev viittaa Bank of Americain suorittamaan työpaikkatutkimukseen, jossa työntekijät käyttivät RFID-tunnisteilla varustettuja tunnusmerkkejä ja heidän vuorovaikutustaan keskenään ja myöhempää tuottavuutta mitattiin.
Vorobiev myöntää kuitenkin, että yksityisyys on laillinen este. Mutta on olemassa tapoja, jotka piilottavat työntekijöiden tiedot, joten analyytikot keskittyvät vain suurempiin suuntauksiin. Anonyymit kuplavastaukset tai verkkotutkimukset ovat nopea ja helppo tapa etsiä malleja nimeämättä nimiä.
Kun olet selvittänyt, mitä opiskella, verkkokyselyt ovat nopea tapa kerätä tarvittavat tiedot.
Lopuksi, analysoi!
Nyt kun olet saanut tulokset, iso data voi analysoida sitä ja etsiä suuntauksia. On tärkeää muistaa, että suuren datan analyysi on yksinkertaisesti säännöllistä steroidien tutkimusta. Sinä työntekijänä tai yrityksen omistajana voisit aina suorittaa tietojen analysoinnin. Mutta iso data käsittelee useista lähteistä ja monilla eri tavoilla saatuja tietoja tehokkaammin ja nopeammin.
Älä vain eksy analyysin halvaantumiseen. "Voit suunnitella mitä tahansa", Vorobiev sanoo. "Tilastoista kuuluu kuuluisa sanonta, että jos tieto riittää paineeseen, kaikki hyväksyy kaiken. Voi olla hyvä idea lopettaa analysointi heti, kun saat x-määrän syötteitä tai tuloksia. ja katso sitten mitä tiedot sinulle kertovat. "
Katuvalotehoste - jossa avaimet menettänyt henkilö näyttää vain valolta, koska siinä on helpointa tehdä niin - on perusteltu huolenaihe suurten tietojen analysoinnissa. Muista, että yllättävimmät trendit eivät ehkä ole siellä, missä ensin ajatellaan katsoa.
Vorobjevin mukaan takeaway: ”Työelämässämme on niin paljon mitattavissa olevia, helposti huomioimattomia näkökohtia, että jos niitä tutkitaan, se voi tuottaa odottamattomia tuloksia. Ja jos jokin niistä voisi johtaa harmonisempaan ja tuottavampaan ympäristöön, se kannattaa kokeilla. "
