విషయ సూచిక:
- విశ్లేషణలో చర్య
- వ్యూహాత్మక మార్పులకు సిద్ధమవుతోంది
- మంచి డేటా = మంచి ఉద్యోగులు
- పాఠశాల మరియు వ్యాపారంలో తేడాలు
విద్యార్థులు మాత్రమే తిరిగి పాఠశాలకు వెళ్ళరు. మన ప్రయత్నాలను మరింత ఉత్పాదకంగా నడిపించే మార్గాల గురించి తెలుసుకోవడానికి మనమందరం తిరిగి రావచ్చు. ప్రిడిక్టివ్ అనలిటిక్స్ మార్గం చూపిస్తుంది. విశ్వవిద్యాలయ నియామకానికి లేదా కార్పొరేట్ నియామకానికి వర్తింపజేసినా, ఏ పెద్ద డేటా వెల్లడిస్తుందో, ఏ పనుల గురించి మన tions హలు మమ్మల్ని తప్పు దిశలో నడిపిస్తున్నాయని చూపిస్తుంది.
విశ్లేషణలో చర్య
వ్యాపారం వ్యాపారం చేసేవారికి, ఈ సీజన్‌కు సిద్ధం కావడం ప్రణాళికను తీసుకుంటుంది మరియు పెద్ద డేటా విశ్లేషణలు గరిష్ట ఫలితాలను ఎలా పొందవచ్చో చూపుతాయి. ఇది విచిత స్టేట్ యూనివర్శిటీ యొక్క వ్యూహాత్మక ప్రణాళిక యొక్క కథ. కొన్ని సంవత్సరాల క్రితం, అకాడెమిక్ డేటా సిస్టమ్ మరియు స్ట్రాటజిక్ ప్లానింగ్ కోసం అసోసియేట్ వైస్ ప్రెసిడెంట్ డేవిడ్ రైట్, స్కాలర్‌షిప్ వ్యయం మరియు నియామకాలలో సామర్థ్యాన్ని పెంచడానికి పెద్ద డేటా అనలిటిక్స్ ఉపయోగించి కాన్సాస్ పాఠశాలను విక్రయించారు.
"స్మార్ట్ క్యాంపస్‌ను నిర్మించడం: అకాడెమిక్ ల్యాండ్‌స్కేప్‌ను ఎలా విశ్లేషించడం" ఐబిఎమ్ యొక్క సాఫ్ట్‌వేర్ విశ్వవిద్యాలయంలో ఉండటానికి ఇష్టపడే విద్యార్థులు ఎక్కడ నుండి వచ్చారో గుర్తించడం ద్వారా ఖర్చులను ఎలా తగ్గించారో వివరిస్తుంది. "జనాభా, విద్యా చరిత్ర మరియు ఇతర కారకాల బరువు గల సమీకరణాల సమితి" "విచిత రాష్ట్రానికి రావడానికి అత్యధిక సంభావ్యత ఉన్నవి" అని గుర్తించడానికి విశ్లేషించబడ్డాయి. దాని ఆధారంగా, విశ్వవిద్యాలయం నియామకాల కోసం మరింత లక్ష్యంగా వ్యూహాన్ని అనుసరించింది.
ఉదాహరణకు, విశ్వవిద్యాలయ విద్యార్థులలో ఎక్కువమంది ఎక్కడ నుండి వచ్చారో విశ్లేషణలు వెల్లడించిన తరువాత, ప్రవేశ విభాగం ఆ ఉన్నత పాఠశాలలపై దృష్టి పెట్టింది. చాలా తక్కువ మంది విద్యార్థులు రాష్ట్రం వెలుపల నుండి వచ్చారని వెల్లడించడం 14 కళాశాల ఉత్సవాలను తగ్గించడానికి మరియు ప్రయాణాన్ని తగ్గించడానికి విశ్వవిద్యాలయాన్ని ప్రేరేపించింది. వారు తమ ప్రత్యక్ష మెయిల్‌కు మరింత దృష్టి కేంద్రీకరించారు. గతంలో, వారు 9, 000 లేఖలను పంపారు. విశ్లేషణలను వర్తింపజేసిన తరువాత, వారు 5, 000 నుండి 6, 000 వరకు మాత్రమే పంపవలసి వచ్చింది. అక్షరాల సంఖ్య తగ్గడం వాస్తవానికి 26 శాతం నియామకాల పెరుగుదలకు అనువదించబడింది.
వ్యూహాత్మక మార్పులకు సిద్ధమవుతోంది
ఒక ఇమెయిల్ మార్పిడిలో, గేర్లను మార్చడానికి మరియు విశ్లేషణలను స్వీకరించడానికి ఒక సంస్థను పొందే సవాళ్లను రైట్ వివరించాడు. మూడు అంశాలు ఇందులో ఉన్నాయని ఆయన చెప్పారు:- ఒకటి సాక్ష్యం ఆధారిత నిర్ణయం తీసుకోవడం యొక్క ప్రయోజనాన్ని చూడటానికి ప్రజలను పొందడం. నిర్ణయాలు తీసుకోవడానికి డేటాను ఉపయోగించడం అనేది నిర్ణయాన్ని నిర్ధారించడానికి డేటాను ఉపయోగించటానికి చాలా భిన్నంగా ఉంటుంది. ప్రారంభంలో, విశ్వవిద్యాలయానికి ప్రజలు నిర్ణయాత్మక స్థానానికి ముందు డేటాను ఉపయోగించడం చాలా కష్టమైంది. నిర్ణయాలు తీసుకున్నందున డేటా టేబుల్ వద్ద ఉండాలి.
- రెండవ కష్టం విశ్లేషణలను విశ్వసించటానికి వారిని పొందడం, ప్రత్యేకించి డేటా అంతర్ దృష్టి లేదా గత పద్ధతులకు విరుద్ధంగా ఉన్నప్పుడు. సలహాదారులకు డేటాపై నమ్మకం ఉండటానికి చాలా సమయం పట్టింది.
- మరియు మూడవది విశ్లేషణలను ఉపయోగించడానికి అవసరమైన డేటాలోని నాణ్యత.
మంచి డేటా = మంచి ఉద్యోగులు
పెద్ద డేటా అనలిటిక్స్ వర్తింపజేయడం ఉద్యోగుల నియామకం మరియు నిలుపుదల మెరుగుపరచడానికి కూడా నిరూపించబడింది. బిగ్ డేటా కంపెనీ ఎవోల్వ్ ముఖ్యంగా నియామకానికి ప్రిడిక్టివ్ అనలిటిక్స్ వర్తించే వ్యాపారంలో ఉంది. సంస్థ ప్రకారం, నియామక నిర్ణయాలను డైరెక్ట్ చేయడానికి పెద్ద డేటాను ఉపయోగించడం ఫలితం ఇస్తుంది.
ఉదాహరణకు, కాల్ సెంటర్ కార్మికులను ఎన్నుకోవటానికి జిరోక్స్ నియామక వ్యూహాన్ని ఎవోల్వ్ యొక్క అంతర్దృష్టి మార్చింది. ఒక WSJ కథనంలో, జిరాక్స్ యొక్క వాణిజ్య సేవల చీఫ్ ఆపరేటింగ్ ఆఫీసర్, "మాకు ఉన్న కొన్ని ump హలు చెల్లుబాటు కావు" అని అంగీకరించారు. పెద్ద డేటా విశ్లేషణల యొక్క నిజమైన విలువ అది; ఇది నిర్వాహకులను నియమించే గట్ ఫీలింగ్స్ కంటే ఆబ్జెక్టివ్ సమాచారం ఆధారంగా వాస్తవ సహసంబంధాలను వెల్లడిస్తుంది.
ఇది ముగిసినప్పుడు, రెజ్యూమెలు మరియు నేపథ్య తనిఖీలు జిరాక్స్ ఉద్యోగుల యొక్క అత్యంత నమ్మకమైన సూచికలు కాదని తేలింది, వారు శిక్షణలో $ 5, 000 పెట్టుబడిపై రాబడిని పొందే వరకు కంపెనీ అక్కడే ఉంటుంది. ఐవోల్వ్ యొక్క డేటా ఐదు సంవత్సరాల నాటి అరెస్ట్ రికార్డు "భవిష్యత్ చెడు ప్రవర్తన" ను సంపూర్ణ శుభ్రమైన రికార్డు కంటే సూచించదని చూపించింది. జాబ్ హోపింగ్ యొక్క మునుపటి రికార్డ్ కూడా కొత్త కిరాయిని కొనసాగించదని కాదు. ఎవోల్వ్ 21, 115 కాల్ సెంటర్ ఏజెంట్లపై అధ్యయనం పూర్తి చేశాడు. డేటా యొక్క విశ్లేషణ "ఏజెంట్ యొక్క పని చరిత్ర మరియు అతని లేదా ఆమె పదవీకాలం మధ్య చాలా తక్కువ సంబంధం" అని సూచించింది.
అప్పుడు తేడా కలిగించే కారకాలు ఏమిటి? వ్యక్తిత్వం, కనెక్షన్లు మరియు స్థానం. ఎవోల్వ్ యొక్క సాఫ్ట్‌వేర్ ఆదర్శ అభ్యర్థిని ఒకటి నుండి నాలుగు సోషల్ నెట్‌వర్క్‌లలో చురుకుగా పనిచేసే ఒక సృజనాత్మక వ్యక్తిగా గుర్తించింది మరియు కార్యాలయంలో నిర్వహించదగిన ప్రయాణంలో ఉంది. నిలుపుకోవడంలో మరొక ముఖ్య అంశం అసోసియేషన్. ఒక సంస్థలో ఉండటానికి ఇష్టపడతారని నిరూపించిన వారు అప్పటికే అక్కడ పనిచేసిన ముగ్గురు లేదా అంతకంటే ఎక్కువ మంది ఉద్యోగులను తెలుసు.
పాఠశాల మరియు వ్యాపారంలో తేడాలు
కార్పొరేట్ రిక్రూట్‌మెంట్‌లో పెద్ద డేటా అనలిటిక్స్ విశ్వవిద్యాలయ నియామకంలో ఉన్నంత ప్రభావవంతంగా ఉంటుంది, అయితే రెండింటి మధ్య సమాంతరాలు ఎక్కడ విచ్ఛిన్నమవుతాయో కూడా ఇది చూపిస్తుంది. 2013 ఫోర్బ్స్ కథనంలో, ఒక సంస్థ అమ్మకందారులను ఎన్నుకోవటానికి analy హాజనిత విశ్లేషణలను ప్రయోగించినప్పుడు నేర్చుకున్న దాని గురించి, రచయిత జోష్ బెర్సిన్, ఉద్యోగ అనుభవాన్ని అంచనా వేసే పరంగా ప్రజలు ఆలోచించిన దానికంటే పాఠశాల అనుభవం చాలా తక్కువగా ఉంటుందని అభిప్రాయపడ్డారు. వాస్తవానికి, ప్రజాదరణ పొందిన నమ్మకానికి విరుద్ధంగా, అభ్యర్థి యొక్క GPA లేదా కళాశాల ఎంపిక ఉద్యోగంలో విజయంతో సంబంధం లేదు.
విద్య విలువ లేకుండా ఉందని అర్థం కాదు; ఏదో ఒక విధమైన విద్యను పూర్తి చేయడం కెరీర్ విజయానికి సూచికలలో ఒకటి, కానీ పాఠశాల లేదా తరగతుల కంటే పూర్తి చేయడం అక్కడే ఉంది. ఇతర ముఖ్య సూచికలలో వ్యాకరణపరంగా సరైన పున ume ప్రారంభం, ఉద్యోగంలో విజయం, విజయవంతమైన అమ్మకాల అనుభవం మరియు నిర్మాణాత్మక పరిస్థితులలో పని చేసే సామర్థ్యం ఉన్నాయి. కంపెనీ డేటా ఎనలిటిక్స్ను దాని అర్హత దశల్లో పొందుపరిచిన తరువాత మరియు ఖచ్చితమైన ict హాజనిత కారకాలను గుర్తించిన తరువాత, ఇది sales 4 మిలియన్ల ఆదాయంలో లాభాల అమ్మకాల పనితీరును మెరుగుపరిచింది.
సంస్థ యొక్క అవసరాలు ఏమైనప్పటికీ, ప్రిడిక్టివ్ అనలిటిక్స్ వాటిని సరైన మార్గంలో ఉంచగలవు. రైట్ తన సొంత అనుభవం గురించి చెప్పినట్లుగా, "మంచి నిర్ణయాలు తీసుకోవటానికి అవసరమైన వనరులతో వారిని శక్తివంతం చేయడం ద్వారా, ప్రతి ఒక్కరూ గెలుస్తారు."
