Βίντεο: Top hacker shows us how it's done | Pablos Holman | TEDxMidwest 2024
Με τον Bernard Marr
Μεγάλα δεδομένα κάνουν μεγάλα πρωτοσέλιδα, αλλά είναι πολύ περισσότερο από μια φράση buzz ή η τελευταία μανία της επιχείρησης. Το φαινόμενο είναι πολύ πραγματικό και παράγει συγκεκριμένα οφέλη σε τόσους πολλούς διαφορετικούς τομείς - ιδιαίτερα στις επιχειρήσεις. Εδώ θα φτάσετε στην καρδιά των μεγάλων δεδομένων ως ιδιοκτήτης επιχείρησης ή διευθυντής: Θα ρίξετε μια ματιά στην βασική ορολογία που χρειάζεστε για να κατανοήσετε τις κρίσιμες δεξιότητες μεγάλων δεδομένων για τις επιχειρήσεις, δέκα βήματα στη χρήση μεγάλων δεδομένων για την λήψη καλύτερων αποφάσεων και συμβουλές για την επικοινωνία πληροφοριών από τα δεδομένα στους συναδέλφους σας.
Κατανόηση του μεγάλου αρχείου δεδομένων
Η τεχνική φρασεολογία που περιβάλλει τα μεγάλα δεδομένα μπορεί να φαίνεται λίγο αποθαρρυντική στην αρχή. Οι βασικές φράσεις και όροι που πιθανόν να συναντήσετε, με τους εύχρηστους ορισμούς για κάθε ένα, ακολουθούν:
-
Μεγάλα δεδομένα: Όλο και μόνο που αφήνετε αφήνει ένα ψηφιακό ίχνος (ή δεδομένα) (και άλλα) μπορούν να χρησιμοποιήσουν και να αναλύσουν. Η φράση μεγάλα δεδομένα αναφέρεται σε αυτά τα δεδομένα που συλλέγονται και η δυνατότητα να χρησιμοποιηθούν.
-
Μεγάλη ανάλυση δεδομένων: Αυτή είναι η διαδικασία συλλογής, επεξεργασίας και ανάλυσης δεδομένων για τη δημιουργία γνώσεων που ενημερώνουν τη λήψη αποφάσεων βάσει στοιχείων. Σε πολλές περιπτώσεις περιλαμβάνει ανάλυση βάσει λογισμικού που χρησιμοποιεί αλγορίθμους.
-
Αλγόριθμος: Ένας μαθηματικός τύπος ή μια στατιστική διαδικασία που εκτελείται από λογισμικό για την ανάλυση δεδομένων. Συνήθως περιλαμβάνει πολλαπλά στάδια υπολογισμού και μπορεί να χρησιμοποιηθεί για αυτόματη επεξεργασία δεδομένων ή επίλυση προβλημάτων.
-
Cloud computing: Λογισμικό ή δεδομένα που εκτελούνται σε απομακρυσμένους διακομιστές, αντί τοπικά. Επομένως, αντί να αποθηκεύετε ή να επεξεργάζεστε πράγματα στο δικό σας μηχάνημα, μπορείτε να χρησιμοποιήσετε άλλους υπολογιστές που είναι συνδεδεμένοι στον υπολογιστή σας μέσω ενός δικτύου (όπως το Internet).
-
Δομημένα δεδομένα: Οποιαδήποτε δεδομένα ή πληροφορίες βρίσκονται σε ένα σταθερό πεδίο μέσα σε μια καθορισμένη εγγραφή ή αρχείο, όπως μια βάση δεδομένων ή ένα υπολογιστικό φύλλο. Η έμφυτη δομή του καθιστά γρήγορη, εύκολη και φθηνή την ανάλυση.
-
Αδόμητα δεδομένα: Όλα τα δεδομένα δεν είναι εύκολα αποθηκευμένα και ευρετηριασμένα σε παραδοσιακές μορφές ή βάσεις δεδομένων. Περιλαμβάνει συνομιλίες μέσω ηλεκτρονικού ταχυδρομείου, αναρτήσεις κοινωνικών μέσων, περιεχόμενο βίντεο, φωτογραφίες, εγγραφές φωνής, ήχους και ούτω καθεξής. Η έλλειψη δομής της καθιστά πιο δύσκολη την ανάλυση χρησιμοποιώντας παραδοσιακά προγράμματα ηλεκτρονικών υπολογιστών.
-
Ημι-δομημένα δεδομένα: Το μαντέψατε, αυτό είναι ένας σταυρός μεταξύ μη δομημένων και δομημένων δεδομένων. Είναι δεδομένα που μπορεί να έχουν κάποια δομή που μπορεί να χρησιμοποιηθεί για ανάλυση, αλλά δεν διαθέτει την αυστηρή δομή που βρίσκεται σε βάσεις δεδομένων ή υπολογιστικά φύλλα. Για παράδειγμα, μια δημοσίευση στο Facebook μπορεί να κατηγοριοποιηθεί με βάση τον συγγραφέα, την ημερομηνία, το μήκος ή ακόμα και το συναίσθημα, αλλά το περιεχόμενο είναι γενικά αδόμητο.
-
Εσωτερικά δεδομένα: Αυτό αντιπροσωπεύει όλα τα δεδομένα που η επιχείρησή σας έχει αυτήν τη στιγμή ή θα μπορούσε δυνητικά να έχει πρόσβαση ή να δημιουργήσει στο μέλλον. Θα μπορούσε να δομηθεί σε μορφή (για παράδειγμα, μια βάση δεδομένων πελατών) ή θα μπορούσε να είναι αδόμητη (δεδομένα συνομιλίας από κλήσεις εξυπηρέτησης πελατών).
-
Εξωτερικά δεδομένα: Απλά, αυτό είναι το άπειρο φάσμα πληροφοριών που υπάρχουν εκτός της επιχείρησής σας. Μπορεί να είναι δημόσια ή ιδιωτική και μπορεί επίσης να είναι δομημένη ή μη δομημένη σε μορφή.
-
Το Διαδίκτυο των Πράξεων: Ένα δίκτυο που συνδέει τις συσκευές (τα πράγματα που αναφέρονται στο όνομα) έτσι ώστε να μπορούν να επικοινωνούν μεταξύ τους. Αυτό περιλαμβάνει τεχνολογία όπως οι έξυπνες τηλεοράσεις, τα έξυπνα τηλέφωνα και οι αισθητήρες, και όλα είναι δυνατά χάρη στη μαζική αύξηση της σύνδεσης μεταξύ συσκευών, συστημάτων και υπηρεσιών.
6 Βασικές δεξιότητες μεγάλων δεδομένων Κάθε επιχείρηση χρειάζεται
Ποιες είναι οι βασικές δεξιότητες που απαιτούνται για την επιτυχή χρήση μεγάλων δεδομένων; Ο κατάλογος περιλαμβάνει έξι βασικές δεξιότητες που θα πρέπει να αναπτύξουν όλες οι επιχειρήσεις, είτε μέσω της πρόσληψης επιστημόνων δεδομένων που ταιριάζουν με αυτά τα χαρακτηριστικά είτε μέσω της ανάπτυξης αυτών των δεξιοτήτων σε υπάρχοντες υπαλλήλους:
-
Analytics: Περιλαμβάνει τον καθορισμό των δεδομένων που σχετίζονται με την ερώτηση ελπίζετε να απαντήσετε και να ερμηνεύσετε τα δεδομένα για να αντλήσετε αυτές τις απαντήσεις. Οι βασικές δεξιότητες περιλαμβάνουν την ικανότητα για εντοπισμό μοτίβων και τη δημιουργία συνδέσμων, την ικανότητα κατανόησης μιας σειράς δεδομένων (δομημένων και αδόμητων) και την καλή γνώση πακέτων αναλυτικών στοιχείων όπως το SAS Analytics και η Oracle Data Mining.
-
Δημιουργικότητα: Όποιος μπορεί να είναι διατυπωμένος - πρέπει να στοχεύσετε στην καινοτομία που θα θέσει την επιχείρησή σας εκτός από το πακέτο. Η δημιουργικότητα είναι ιδιαίτερα σημαντική για κάθε επιχείρηση που ελπίζει να κατανοήσει μη δομημένα δεδομένα - δεδομένα που δεν ταιριάζουν άνετα σε πίνακες και γραφήματα. Οι αξιόλογες δημιουργικές δεξιότητες περιλαμβάνουν ένα πλεονέκτημα για την επίλυση προβλημάτων (ίσως ακόμη και προβλήματα εντοπισμού των προβλημάτων που άλλοι δεν γνωρίζουν ακόμη) και την ικανότητα να καταλήξουμε σε νέους τρόπους συλλογής και ερμηνείας των δεδομένων.
-
Μαθηματικά και στατιστικά στοιχεία: Άτομα με ισχυρό υπόβαθρο στα μαθηματικά ή στις στατιστικές έχουν καλή γείωση για μεγάλο έργο που σχετίζεται με τα δεδομένα. Ψάχνετε για τουλάχιστον μια βασική κατανόηση των στατιστικών στοιχείων και την ικανότητα να αμφισβητήσετε τα ακατάστατα δεδομένα σε αριθμούς που μπορούν να ποσοτικοποιηθούν ώστε να μπορείτε να εξαγάγετε συμπεράσματα από αυτά.
-
Επιστήμη των υπολογιστών: Αυτή η πολύ ευρεία κατηγορία καλύπτει μια ολόκληρη γκάμα υποπεδίων, όπως μηχανική μάθηση, βάσεις δεδομένων και cloud computing. Μπορεί να καλύπτει τα πάντα, από τη σύνδεση των καλωδίων στη δημιουργία εκλεπτυσμένων μηχανικών μάθησης και αλγορίθμων φυσικής επεξεργασίας γλώσσας. Βασικές δεξιότητες περιλαμβάνουν μια σταθερή κατανόηση της τεχνολογίας βάσεων δεδομένων και μια σταθερή αντίληψη των τεχνολογιών όπως Hadoop, Java και Python.
-
Επιχειρηματική διάθεση: Τα άτομα που εργάζονται με μεγάλα δεδομένα χρειάζονται μια σταθερή αντίληψη των στόχων και των στόχων της εταιρείας, καθώς και την κατανόηση του εάν η επιχείρηση κατευθύνεται προς τη σωστή κατεύθυνση.Αυτό περιλαμβάνει την κατανόηση του τι κάνει την επιχείρηση να τσιμπηθεί, τι την κάνει να ευδοκιμεί και γιατί ξεχωρίζει από τους ανταγωνιστές της (και αν δεν είναι ακμάζουσα, γιατί δεν είναι).
-
Επικοινωνία: Μπορείτε να έχετε τις καλύτερες αναλυτικές δεξιότητες στον κόσμο, αλλά αν δεν είστε σε θέση να παρουσιάσετε τα ευρήματα με σαφή τρόπο και να δείξετε πώς μπορούν να βοηθήσουν στη βελτίωση της απόδοσης και την επιτυχία, να σπαταλώ. Οι μεγάλες διαπροσωπικές και γραπτές δεξιότητες επικοινωνίας είναι ζωτικής σημασίας, όπως και η δυνατότητα προστιθέμενης αξίας στα δεδομένα μέσω παρατήρησης και ανάλυσης. Ένα πλεονέκτημα για την αφήγηση και την ικανότητα να φέρνουν τα δεδομένα στη ζωή μέσω τεχνικών οπτικοποίησης θα βοηθήσει επίσης πάρα πολύ.
10 βήματα στη χρήση δεδομένων για τη βελτίωση των επιχειρηματικών αποφάσεων
Τα δεδομένα πρέπει να βρίσκονται στο επίκεντρο της στρατηγικής λήψης αποφάσεων στην επιχείρηση, είτε διαχειρίζεστε μια τεράστια πολυεθνική είτε μια μικρή οικογενειακή επιχείρηση. Τα μεγάλα δεδομένα μπορούν να παρέχουν πληροφορίες που σας βοηθούν να απαντήσετε στις βασικές επιχειρηματικές σας ερωτήσεις, όπως «Πώς μπορώ να βελτιώσω την ικανοποίηση του πελάτη; '. Τα δεδομένα οδηγούν σε πληροφορίες. οι ιδιοκτήτες επιχειρήσεων και οι διαχειριστές μπορούν να μετατρέψουν αυτές τις ιδέες σε αποφάσεις και ενέργειες που βελτιώνουν την επιχείρηση.
Χρησιμοποιήστε αυτή τη διαδικασία δέκα βημάτων για την πραγματοποίηση αποφάσεων βάσει δεδομένων:
-
Ξεκινήστε με στρατηγική.
Αντί να ξεκινήσετε με ποια δεδομένα θα μπορούσατε ή θα έπρεπε να έχετε πρόσβαση, αρχίστε με να επεξεργαστείτε τι επιδιώκει η επιχείρησή σας. Με λίγα λόγια, πρέπει να διερευνήσετε ποιοι είναι οι στρατηγικοί σας στόχοι, για παράδειγμα, αυξάνοντας την πελατειακή σας βάση.
-
Βελτιώστε την επιχειρηματική περιοχή. προσδιορίστε τους στρατηγικούς στόχους σας.
Προσδιορίστε τις πιο σημαντικές περιοχές για την επίτευξη της συνολικής σας στρατηγικής. Για τις περισσότερες επιχειρήσεις, ο τομέας των πελατών, των χρηματοοικονομικών και των επιχειρήσεων είναι καθοριστικής σημασίας.
-
Προσδιορίστε τις αναπάντητες ερωτήσεις.
Εξετάστε ποιες ερωτήσεις πρέπει να απαντήσετε για να επιτύχετε αυτούς τους στόχους. Με το να επεξεργαστείτε ακριβώς τι πρέπει να ξέρετε, μπορείτε να εστιάσετε στα δεδομένα που πραγματικά χρειάζεστε.
-
Βρείτε τα δεδομένα που θα σας βοηθήσουν να απαντήσετε σε αυτές τις ερωτήσεις.
Επικεντρωθείτε στην αναγνώριση των ιδανικών δεδομένων για εσάς - τα δεδομένα που θα μπορούσαν να σας βοηθήσουν να απαντήσετε στις πιο πιεστικές σας ερωτήσεις και να εκπληρώσετε τους στρατηγικούς στόχους σας.
-
Προσδιορίστε ποια δεδομένα έχετε ήδη ή έχετε πρόσβαση.
Αφού εντοπίσετε τα δεδομένα που χρειάζεστε, είναι λογικό να δείτε αν βρίσκεστε ήδη σε κάποιες από αυτές τις πληροφορίες, ακόμα και αν δεν είναι αμέσως προφανές.
-
Εργαστείτε εάν το κόστος και η προσπάθεια είναι δικαιολογημένες.
Μόνο αφού γνωρίζετε το κόστος, μπορείτε να υπολογίσετε εάν τα απτά οφέλη υπερτερούν αυτών των δαπανών. Από την άποψη αυτή, πρέπει να αντιμετωπίζετε τα δεδομένα όπως κάθε άλλη βασική επιχειρηματική επένδυση. Πρέπει να κάνετε μια ξεκάθαρη περίπτωση για την επένδυση που περιγράφει τη μακροπρόθεσμη αξία των δεδομένων στην επιχειρηματική στρατηγική.
-
Συλλέξτε τα δεδομένα.
Ένα μεγάλο μέρος αυτού του βήματος καταλήγει στη ρύθμιση των διαδικασιών και των ανθρώπων που συλλέγουν και διαχειρίζονται τα δεδομένα σας. Μπορεί να αγοράζετε πρόσβαση σε ένα σύνολο δεδομένων που είναι έτοιμο για ανάλυση, οπότε δεν χρειάζεται να συλλέγετε δεδομένα ως τέτοια. Αλλά, στην πραγματικότητα, πολλά έργα δεδομένων απαιτούν κάποια ποσότητα συλλογής δεδομένων.
-
Αναλύστε τα δεδομένα.
Πρέπει να αναλύσετε τα δεδομένα για να εξάγετε χρήσιμες και χρήσιμες επιχειρηματικές γνώσεις. Εξάλλου, δεν υπάρχει λόγος να έρθετε τόσο μακριά αν δεν ανακαλύψετε στη συνέχεια κάτι νέο από τα δεδομένα.
-
Παρουσιάστε και διανείμετε τις ιδέες.
Αν τα αποτελέσματα δεν παρουσιάζονται στους σωστούς ανθρώπους την κατάλληλη στιγμή με σωστό τρόπο, τότε το μέγεθος των συνόλων δεδομένων ή η πολυπλοκότητα των εργαλείων ανάλυσης δεν έχουν σημασία. Πρέπει να βεβαιωθείτε ότι οι πληροφορίες που αποκτήθηκαν από τα δεδομένα σας χρησιμοποιούνται για να ενημερώσουν τη λήψη αποφάσεων και, τελικά, να βελτιώσουν την απόδοση.
-
Ενσωμάτωση της μάθησης στην επιχείρηση.
Τέλος, πρέπει να εφαρμόσετε τις γνώσεις από τα δεδομένα στη λήψη αποφάσεων, κάνοντας τις αποφάσεις που θα μετατρέψουν την επιχείρησή σας προς το καλύτερο - και στη συνέχεια ενεργώντας με αυτές τις αποφάσεις. Για μένα, αυτό είναι το πιο ανταμείβοντας μέρος του ταξιδιού δεδομένων: μετατρέποντας τα δεδομένα σε δράση.
Πώς να επικοινωνήσετε με στοιχεία από μεγάλα δεδομένα
Μεγάλα δεδομένα μπορούν να σας βοηθήσουν να αποκτήσετε γνώση. Οι επιχειρήσεις κερδίζουν ανταγωνιστικό πλεονέκτημα όταν οι σωστές πληροφορίες παραδίδονται στους κατάλληλους ανθρώπους στη σωστή στιγμή . Αυτό σημαίνει την εξαγωγή πληροφοριών και πληροφοριών από τα δεδομένα και την επικοινωνία τους με τους υπεύθυνους για τη λήψη αποφάσεων με έναν τρόπο που θα καταλάβουν εύκολα. Εξάλλου, οι άνθρωποι είναι λιγότερο πιθανό να ενεργούν αν πρέπει να εργαστούν σκληρά για να καταλάβουν τις πληροφορίες μπροστά τους.
Βεβαιωθείτε ότι οι ιδέες σας λάμπουν με αυτές τις κορυφαίες συμβουλές:
-
Προσδιορίστε το κοινό-στόχο σας. Ποιος είναι το κοινό σας εξαρτάται από τις στρατηγικές σας ερωτήσεις. Το κοινό μπορεί να είναι εσείς αν είστε ο ιδιοκτήτης επιχείρησης, ή θα μπορούσε να είναι η ομάδα ανθρώπινων πόρων, η ομάδα μάρκετινγκ ή ένας συνδυασμός. Ρωτήστε τον εαυτό σας ποιος θα δει αυτά τα αποτελέσματα. Τι γνωρίζουν ήδη σχετικά με τα θέματα που συζητούνται; Τι χρειάζονται και θέλουν να μάθουν; Και τι θα κάνουν με τις πληροφορίες;
-
Προσαρμόστε τις πληροφορίες για το κοινό σας. Προετοιμάστε να προσαρμόσετε τις πληροφορίες σας ώστε να ανταποκρίνονται στις συγκεκριμένες απαιτήσεις κάθε υπεύθυνου λήψης αποφάσεων.
-
Θυμηθείτε τι προσπαθείτε να επιτύχετε. Προσπαθήστε να μην αποστασιοποιηθείτε από ενδιαφέρουσες ιδέες που δεν έχουν καμία σχέση με την απάντηση στις στρατηγικές σας ερωτήσεις και την επίτευξη των επιχειρηματικών σας στόχων. Μπορεί να υπάρχει περιθώριο να επανεξετάσουμε αυτές τις άλλες ιδέες στο μέλλον, αλλά, επί του παρόντος, εστιάστε σε αυτό που θέλατε να επιτύχετε.
-
Αποφύγετε τη δημιουργία ενός τοίχου κειμένου. Να θυμάστε ότι τα δεδομένα μπορούν να παρουσιαστούν ως αριθμός, σύντομη γραπτή αφήγηση, πίνακας, γράφημα ή γράφημα. Στην πραγματικότητα, η καλύτερη προσέγγιση είναι πιθανό να περιλαμβάνει έναν συνδυασμό αυτών των μορφών.
-
Χρησιμοποιήστε τεχνικές απεικόνισης δεδομένων. Οι οπτικές είναι εξαιρετικές για τη μετάδοση πληροφοριών επειδή είναι γρήγορες και άμεσες, είναι (συνήθως) εύκολες στην κατανόηση, είναι αξιομνημόνευτες και προσδίδουν ενδιαφέρον, είναι πολύ πιο πιθανό να κρατήσουν την προσοχή του αναγνώστη από μια ολόκληρη σελίδα κείμενο.
-
Αλλά μην παραμελείτε το κείμενο. Οι αριθμοί, τα διαγράμματα και τα γραφικά μπορούν να δώσουν μόνο ένα στιγμιότυπο. η αφήγηση σας επιτρέπει να εξωραϊστείτε σε βασικά σημεία. Χρησιμοποιήστε σύντομες αφηγήσεις για να εισαγάγετε αυτό που εμφανίζετε και επισημάνετε τις βασικές ιδέες.
-
Χρησιμοποιήστε σαφείς τίτλους για να ξεχωρίσετε τα σημαντικά σημεία. Με αυτό τον τρόπο, ακόμα και με μια γρήγορη ματιά, τα βασικά σημεία θα είναι προφανή.
-
Συνδέστε τις πληροφορίες στη στρατηγική σας. Αν παρουσιάζετε πληροφορίες που απαντούν άμεσα σε ένα στρατηγικό επιχειρηματικό ερώτημα, όπως «Πώς μειώνουμε τον κύκλο εργασιών του προσωπικού κατά δέκα τοις εκατό; ', συμπεριλάβετε την ερώτηση στην ανοιχτή αφήγηση και ίσως ακόμη και στον τίτλο.