Skip to main content

Hvorfor big data betyder stor produktivitet - musen

A Selfish Argument for Making the World a Better Place – Egoistic Altruism (Juni 2026)

A Selfish Argument for Making the World a Better Place – Egoistic Altruism (Juni 2026)
Anonim

Du har sandsynligvis hørt om big data, der bruges til at finde ud af, hvad du kan lide at købe, læse og følge. Hvad du sandsynligvis ikke har tænkt på, er, hvordan din virksomhed muligvis bruger den til at løsrive din produktivitet.

Men Alexander Vorobiev, en rådgiver for Advanced Analytics hos TransUnion, har. Han er en whiz ved alle ting big data. Og selvom hans rolle primært beskæftiger sig med, hvordan big data kan påvirke finansielle tjenester, ved han, at applikationerne til big data er uendelige. En sådan ting? Find ud af, hvordan virksomheder kan bruge analysemetoder til at øge produktiviteten og se bedre forretningsresultater.

Lyder spændende? Læs videre for at lære, hvordan det gøres:

Find din hypotese

Først skal du have en teori for at teste. "Oprettelse af et wellness-program på arbejdspladsen vil øge produktiviteten" kan være en. "At tillade medarbejdere at arbejde hjemmefra vil hjælpe med at drive salg" kan være en anden.

Som leder af en afdeling eller beslutningstager har du måske et tarminstinkt om, hvordan dine medarbejdere fungerer bedst. Måske er det, at medarbejdere, der kommer inden for en time senere, tager mindre pauser i løbet af dagen, eller hvis medarbejdere bruger deres frokosttid til at udøve, har de en tendens til ikke at give efter for kl. 15.00. Uanset hvilken antagelse det måtte være, er dette din hypotese, der skal testes.

Saml de rigtige data

Det er sandsynligvis et af de mest kritiske trin i brugen af ​​big data. Al analyse i verden vil ikke være til stor nytte, hvis du ikke måler de rigtige ting. Tag hypotesen ”at arbejde hjemmefra forbedrer produktiviteten.” Et par potentielle datapunkter, der kan måles her, kan omfatte antallet af medarbejdere i telekommunikation, hvor mange dage de har arbejdet hjemmefra og vejlederanmeldelser i slutningen af ​​den estimerede periode.

Vorobiev anbefaler, at virksomheder ansætter specialiserede dataingeniører eller eksterne konsulenter til at foretage analyse af arbejdspladsstendenser og andre områder, hvor big data er sikker på at være til nytte. Sådanne dataforskere kan ikke kun analysere de endelige resultater, de kan også foreslå de korrekte parametre, der skal måles.

Opret en prøve til undersøgelse

Virksomheder kan rekruttere medarbejdere til studier ved at dingle en gulerod (gratis gymmedlemskab i et år er et godt), selvom man skal passe på partiske prøver (folk, der tilmelder sig en bogklub, for eksempel kan allerede være dem, der kan lide at læse).

Men rekruttering kan ske på andre måder. Vorobiev peger på en arbejdspladsundersøgelse udført af Bank of America, hvor medarbejderne bar ID-badges med RFID-tags og deres interaktion med hinanden og den efterfølgende produktivitet blev målt.

Vorobiev indrømmer imidlertid, at privatlivets fred er en legitim barriere. Men der er måder at skjule medarbejderinformation, så analytikere kun fokuserer på større tendenser. Anonyme boble svar eller online undersøgelser er en hurtig og nem måde at søge efter mønstre uden at navngive.

Når du har fundet ud af, hvem du skal studere, er onlineundersøgelser en hurtig måde at indsamle de nødvendige data på.

Endelig, analyser!

Nu når du har fået resultaterne, kan big data analysere det og se efter trends. Det er vigtigt at huske, at big data-analyse simpelthen er en regelmæssig datastudie om steroider. Du som medarbejder eller virksomhedsejer kunne altid foretage dataanalyse. Men big data behandler oplysninger, der kommer fra en række kilder og mange forskellige måder mere effektivt og hurtigt.

Bare gå ikke tabt i analyse lammelse. "Du kan overudvikle noget, " siger Vorobiev, "Der er et berømt ordsprog om statistik, der med tilstrækkeligt pres vil dataene indrømme alt. Det kan være en god ide at stoppe analysen, så snart du får x antal input eller resultater og se, hvad dataene fortæller dig. "

Gadebelysningseffekten - hvor en person, der har mistet sine nøgler, kun ser under lyset, fordi det er her, det er nemmest at gøre det - er en legitim bekymring, når det kommer til big data-analyse. Husk, at de mest overraskende tendenser muligvis ikke er, hvor du først tænker at kigge.

Takeaway ifølge Vorobiev: ”Der er så mange målbare, let overset aspekter af vores arbejdsliv, at hvis de studeres, kan det give uventede resultater. Og hvis en af ​​dem kunne føre til et mere harmonisk og produktivt miljø, er det værd at prøve. "