Михаэль Розенбаум - генеральный директор ИТ-услуг Катализатора, который предоставляет береговые услуги разработки программного обеспечения, которые используют сотрудничество в реальном времени и составляющую собственность аналитику, чтобы собрать оптимизированные команды. Розенбаум внес эту статью в Опытные Голоса BusinessNewsDaily: Страница публицистики & Понимание.
От человеческих ресурсов и разработки продукта к обслуживанию клиентов и продажам и маркетингу, компании все более и более смотрят на Большие Данные, чтобы определить образцы и сделать предсказания, которые могут помочь приводить к впечатляющим инновациям. Это - тенденция, которая охватывает широкий диапазон отраслей промышленности.
Возьми ставку Netflix на "Карточный домик", который является наиболее текшей частью содержания в Соединенных Штатах и 40 других странах. Перед производством, используя Большие Данные, Netflix уже знала, что разногласия блокбастера в оригинальном программировании были довольно хорошими. Компания смогла проанализировать и использовать прогнозирующие данные, собранные из 30 миллионов "игр" в день, 4 миллионов рейтингов подписчика и 3 миллионов поисков. Кроме того, Netflix усиливала понимание от времени суток, когда шоу смотрелись и какие устройства использовались, и также находились этим зрителями, которые любили оригинальную версию Би-би-си шоу, также имел тенденцию смотреть кино, играющие главную роль Кевин Спейси или направленный Дэвидом Финчером. [Что такое Большие Данные?]
Пример Procter & Gamble
Procter & Gamble (P&G) — который является крупнейшей потребительской компанией упакованных товаров в мире с операциями в 75 странах и достижением 4.4 миллиардов потребителей — также, рассчитывает на Большие Данные, чтобы вести изменение. Компания использует те данные через бизнес, чтобы принять решения относительно развертывающихся инноваций в его 40 самых больших и самых прибыльных категорий продукта, оценить эффективность его системы поставок, и помощь стимулируют принятие решения в реальном времени. Один пример Большой работы Данных P&G - свои Кабины Решения, которые используют Большие Данные и визуализацию, чтобы улучшить принятие решения, предоставляя 60,000 сотрудников единственный источник информации.
Научное преимущество
С этим увеличенным спросом на Большие Данные, там взлетает требование людям с образованием и опытом в технологии, разработке и математике — "TEM" в так называемой карьерной группе "ОСНОВЫ". Но вот мысль: Рассмотри добавление "S" (наука) от ОСНОВЫ до твоей Многочисленной команды Данных.
На рынке, где один из самых важных компонентов нововведения - способность придумать неожиданные гипотезы и понимание, другая точка зрения может быть меняющей правила игры. Шанс того, чтобы придумывать впечатляющие идеи может быть существенно увеличен просто, увеличив разнообразие перспектив и фонов в команде.
Почему? Самые крупные профессионалы Данных происходят из традиционной среды статистики, теоретической математики, прикладной математики и/или эконометрики. Полагай, что кто-то обучался в науке — и, в частности биология. Большинство аналитиков привыкло к структурированным данным и ясным образцам. Но когда ученые хотят предсказать результаты в мире природы, те данные редко отлично структурируются или ясные.
Биология не "опрятная" наука — в отличие от физики или математики, или даже химия, 1+1 не всегда равняется 2. В биологических системах бесчисленные сложные факторы работают одновременно; добавление одного нового фактора может привести к последовательному ответу, но более вероятно, это приведет к диапазону ответов или ценностей. Биолог видит данные путем, они представлены в природе.
Один прекрасный пример - геном человека (или любой анализ ДНК). У этого есть 3 миллиарда пар оснований, которые были все определены посредством распознавания образов и просеивания через миллиардов пар оснований — Больших Данных — чтобы искать значащие образцы, которые способствуют лучшему пониманию роли генетики при болезнях. Эта уникальная перспектива может помочь открывать скрытое понимание от наборов данных и переменных, которые могут не рассмотреть математики и ученые в других областях.
Как это касается успеха имея дело с Большими Данными в деловом мире? Прежде, чем сделать выводы, биологи объясняют много переменных и затем пристально смотрят на остающиеся переменные, которые, может казаться, парадоксальные. Наличие людей, которые привыкли объяснять "беспорядок" и сложность в реальном мире — и кто способен создавать структуру вокруг того беспорядка в пути, который позволяет другим анализировать и думать об этом — ключевое для достижения впечатляющего понимания.
Моя компания, ИТ-услуги Катализатора, применила Большие подходы Данных к собранию команды и найму. У катализатора есть биолог в штате, который развивал подход к сбору данных о претендентах, которые обеспечивают очень надежное и прогнозирующее понимание на будущей работе, позволяя компании построить хорошо-пригодные проворные команды, которые будут работать хорошо с клиентами, чтобы помочь им обновлять и выполнять цели. Используя Большие Данные позволяет Катализатору опознавать высоких исполнителей, которых пропустили бы другие, потому что у потенциальных сотрудников нет типичных верительных грамот, которые используются, чтобы принять решения найма — верительные грамоты, которые также обычно не предсказывают успеха. Этот подход приводит к более высокому человеку и выступлению команды с американскими командами по затратам, эквивалентным понесенным при помощи оффшорных поставщиков.
Управленческий гуру Питер Дракер определил семь источников инноваций. Однако каждый источник приводит к инновациям только через то, что Дракер звонит "прыжку воображения". Добавление разнообразия мысли и людей, которые довольны неожиданными образцами твоей Многочисленной команде Данных, может просто быть ключом к образным решениям и лучше, большие, более быстрые инновации.
Выраженное мнение является теми из автора и не обязательно отражает взгляды издателя. Эта версия статьи была первоначально издана на BusinessNewsDaily.