Ίσως έχετε ακούσει για τα μεγάλα δεδομένα που χρησιμοποιούνται για να υπολογίσετε τι θέλετε να αγοράσετε, να διαβάσετε και να ακολουθήσετε. Αυτό που πιθανώς δεν έχετε σκεφτεί είναι πώς μπορεί να χρησιμοποιήσει η εταιρεία σας για να εξαπολύσει την παραγωγικότητά σας.
Αλλά ο Αλέξανδρος Vorobiev, σύμβουλος της Advanced Analytics στο TransUnion, έχει. Είναι ένα σφύριγμα σε όλα τα πράγματα μεγάλα δεδομένα. Και ενώ ο ρόλος του ασχολείται πρωτίστως με το πόσο μεγάλα δεδομένα μπορούν να επηρεάσουν τις χρηματοοικονομικές υπηρεσίες, γνωρίζει ότι οι εφαρμογές για μεγάλα δεδομένα είναι ατελείωτες. Ένα τέτοιο πράγμα; Αξιολογώντας τον τρόπο με τον οποίο οι εταιρείες μπορούν να χρησιμοποιούν αναλυτικές μεθόδους για την αύξηση της παραγωγικότητας και να δουν καλύτερα επιχειρηματικά αποτελέσματα.
Ήχος ενδιαφέρουσα; Διαβάστε παρακάτω για να μάθετε πώς γίνεται:
Βρείτε την υπόθεσή σας
Πρώτα χρειάζεστε μια θεωρία για να δοκιμάσετε. «Η δημιουργία ενός προγράμματος ευεξίας στο χώρο εργασίας θα αυξήσει την παραγωγικότητα» μπορεί να είναι μία. «Η δυνατότητα των εργαζομένων να δουλεύουν από το σπίτι θα βοηθήσει στην προώθηση των πωλήσεων» θα μπορούσε να είναι ένα άλλο.
Ως επικεφαλής τμήματος ή υπεύθυνου για τη λήψη αποφάσεων, μπορεί να έχετε έντονο ένστικτο για το πώς οι υπάλληλοί σας εργάζονται καλύτερα. Ίσως οι εργαζόμενοι που έρχονται σε μια ώρα αργότερα να κάνουν λιγότερα διαλείμματα καθ 'όλη τη διάρκεια της ημέρας ή αν οι εργαζόμενοι χρησιμοποιούν την ώρα του μεσημεριανού γεύματος για να ασκήσουν, τείνουν να μην παραδώσουν την πτώση των 3 μ.μ. Όποια και αν είναι η υπόθεση, αυτή είναι η υπόθεσή σας να εξεταστεί.
Συγκεντρώστε τα σωστά δεδομένα
Αναμφισβήτητα ένα από τα πιο κρίσιμα βήματα στη χρήση μεγάλων δεδομένων. Όλη η ανάλυση στον κόσμο δεν θα έχει μεγάλη χρησιμότητα αν δεν μετρήσετε τα σωστά πράγματα. Πάρτε την υπόθεση ότι "η εργασία από το σπίτι βελτιώνει την παραγωγικότητα". Μερικά πιθανά σημεία δεδομένων που θα μετρήσουν εδώ θα μπορούσαν να περιλαμβάνουν αριθμό υπαλλήλων τηλεργασίας, πόσες μέρες εργάστηκαν από το σπίτι και αναθεωρήσεις εποπτών στο τέλος της εκτιμώμενης περιόδου.
Η Vorobiev συνιστά οι εταιρείες να προσλαμβάνουν εξειδικευμένους μηχανικούς δεδομένων ή εξωτερικούς συμβούλους για να διεξαγάγουν ανάλυση των τάσεων του χώρου εργασίας και σε άλλους τομείς όπου είναι σίγουρο ότι θα είναι χρήσιμα τα μεγάλα δεδομένα. Τέτοιοι επιστήμονες δεδομένων δεν μπορούν μόνο να αναλύσουν τα τελικά αποτελέσματα, μπορούν επίσης να προτείνουν τις σωστές παραμέτρους μέτρησης.
Ρυθμίστε ένα δείγμα για μελέτη
Οι εταιρείες μπορούν να στρατολογήσουν υπαλλήλους για σπουδές με κρέμασμα καρότου (η ελεύθερη συμμετοχή στο γυμναστήριο για ένα έτος είναι καλή) αν και κάποιος πρέπει να προσέχει για προκατειλημμένα δείγματα (οι άνθρωποι που εγγράφονται για ένα βιβλιοπωλείο, για παράδειγμα, ίσως είναι ήδη αυτοί που του αρέσουν να διαβασω).
Αλλά η πρόσληψη μπορεί να γίνει με άλλους τρόπους. Ο Vorobiev επισημαίνει μια μελέτη στο χώρο εργασίας που διεξήγαγε η Bank of America, όπου οι υπάλληλοι φορούσαν αναγνωριστικά αναγνωριστικά με ετικέτες RFID και τις αλληλεπιδράσεις τους μεταξύ τους και μετρήθηκε η επακόλουθη παραγωγικότητα.
Ωστόσο, ο Vorobiev παραδέχεται ότι η ιδιωτικότητα αποτελεί θεμιτό εμπόδιο. Υπάρχουν όμως τρόποι που αποκρύπτουν τις πληροφορίες των εργαζομένων, έτσι ώστε οι αναλυτές να επικεντρώνονται μόνο στις μεγαλύτερες τάσεις. Οι απαντήσεις σε ανώνυμες φυσαλίδες ή οι έρευνες στο διαδίκτυο είναι ένας γρήγορος και εύκολος τρόπος αναζήτησης μοτίβων χωρίς ονομασία ονομάτων.
Μόλις καταλάβετε ποιον να μελετήσετε, οι έρευνες στο διαδίκτυο είναι ένας γρήγορος τρόπος συγκέντρωσης των απαραίτητων δεδομένων.
Τέλος, Αναλύστε!
Τώρα που έχετε τα αποτελέσματα, τα μεγάλα δεδομένα μπορούν να το αναλύσουν και να αναζητήσουν τάσεις. Είναι σημαντικό να θυμόμαστε ότι η μεγάλη ανάλυση δεδομένων είναι απλώς τακτική μελέτη δεδομένων σχετικά με τα στεροειδή. Εσείς, ως ιδιοκτήτης εργαζομένου ή εταιρείας, θα μπορούσατε πάντα να διεξάγετε ανάλυση δεδομένων. Όμως, τα μεγάλα δεδομένα επεξεργάζονται πληροφορίες που προέρχονται από διάφορες πηγές και από πολλούς διαφορετικούς τρόπους με μεγαλύτερη αποτελεσματικότητα και ταχύτητα.
Απλά μην χάσετε την παράλυση της ανάλυσης. «Μπορείς να υπερμετασχηματίσεις τίποτα», λέει ο Vorobiev, «Υπάρχει ένα διάσημο ρήμα για τις στατιστικές που με αρκετή πίεση τα δεδομένα θα γίνουν αποδεκτά σε όλα. Μπορεί να είναι καλή ιδέα να σταματήσουν οι αναλύσεις μόλις λάβεις x αριθμούς εισροών ή αποτελεσμάτων και στη συνέχεια να δούμε τι σας λέει τα δεδομένα. "
Το φαινόμενο του streetlight - όπου ένα άτομο που έχει χάσει τα κλειδιά του φαίνεται μόνο κάτω από το φως γιατί εκεί είναι το πιο εύκολο να το πράξει - αποτελεί νόμιμη ανησυχία όταν πρόκειται για μεγάλη ανάλυση δεδομένων. Θυμηθείτε ότι οι πιο εκπληκτικές τάσεις μπορεί να μην είναι εκεί που αρχικά σκέφτεστε να κοιτάξετε.
Το ανάγλυφο σύμφωνα με τον Vorobiev: "Υπάρχουν τόσες πολλές μετρήσιμες, εύκολα παραγνωρισμένες πτυχές της δουλειάς μας που, εάν μελετηθούν, θα μπορούσαν να έχουν απροσδόκητα αποτελέσματα. Και αν κάποιος από αυτούς θα μπορούσε να οδηγήσει σε ένα πιο αρμονικό και παραγωγικό περιβάλλον, αξίζει να το δοκιμάσετε ».
