Je hebt waarschijnlijk gehoord dat big data wordt gebruikt om erachter te komen wat je leuk vindt om te kopen, lezen en volgen. Waar u waarschijnlijk nog niet aan heeft gedacht, is hoe uw bedrijf het zou kunnen gebruiken om uw productiviteit te ontketenen.
Maar Alexander Vorobiev, een adviseur van Advanced Analytics bij TransUnion, heeft. Hij is een expert op het gebied van big data. En hoewel zijn rol vooral gaat over hoe big data financiële diensten kan beïnvloeden, weet hij dat de applicaties voor big data eindeloos zijn. Zoiets? Uitzoeken hoe bedrijven analytische methoden kunnen gebruiken om de productiviteit te verhogen en betere bedrijfsresultaten te zien.
Klinkt intrigerend? Lees verder om te leren hoe het is gedaan:
Vind uw hypothese
Eerst moet je een theorie testen. "Het creëren van een welzijnsprogramma op de werkplek zal de productiviteit verhogen" zou er een kunnen zijn. "Door werknemers thuis te laten werken, kan de verkoop stijgen" kan een andere zijn.
Als afdelingshoofd of beslisser hebt u misschien een instinct om te weten hoe uw medewerkers het beste werken. Misschien is het dat werknemers die een uur later binnenkomen minder pauzes gedurende de dag nemen, of als werknemers hun lunchuur gebruiken om te oefenen, hebben ze de neiging om niet toe te geven aan de inzinking van 15.00 uur. Wat de veronderstelling ook mag zijn, dit is uw hypothese die moet worden getest.
Verzamel de juiste gegevens
Ongetwijfeld een van de meest kritische stappen bij het gebruik van big data. Alle analyses ter wereld hebben weinig zin als je niet de juiste dingen meet. Neem de hypothese: 'thuis werken verbetert de productiviteit'. Enkele mogelijke meetpunten die hier kunnen worden gemeten, zijn bijvoorbeeld het aantal telewerkende werknemers, het aantal dagen dat ze vanuit huis hebben gewerkt en beoordelingen door supervisors aan het einde van de geschatte periode.
Vorobiev beveelt bedrijven aan gespecialiseerde data-ingenieurs of externe consultants in te huren om analyses van trends op de werkplek en andere gebieden uit te voeren waar big data zeker van nut zal zijn. Dergelijke datawetenschappers kunnen niet alleen de uiteindelijke resultaten analyseren, ze kunnen ook de juiste te meten parameters voorstellen.
Stel een monster in om te bestuderen
Bedrijven kunnen werknemers werven voor studies door een wortel te bungelen (een jaar lang gratis lidmaatschap van een sportschool is een goede), hoewel je moet uitkijken voor bevooroordeelde monsters (mensen die zich aanmelden voor een boekenclub, kunnen bijvoorbeeld al degenen zijn die houden van lezen).
Maar werving kan op andere manieren plaatsvinden. Vorobiev wijst op een werkplekonderzoek uitgevoerd door Bank of America waar werknemers ID-badges droegen met RFID-tags en hun interacties met elkaar en de daaropvolgende productiviteit werd gemeten.
Vorobiev geeft echter toe dat privacy een legitieme barrière is. Maar er zijn manieren waarop werknemersinformatie kan worden verborgen, zodat analisten zich alleen richten op grotere trends. Anonieme bubbelantwoorden of online enquêtes zijn een snelle en eenvoudige manier om patronen te zoeken zonder namen te noemen.
Als u eenmaal weet wie u moet bestuderen, zijn online enquêtes een snelle manier om de benodigde gegevens te verzamelen.
Eindelijk, analyseer!
Nu je de resultaten hebt, kan big data het analyseren en zoeken naar trends. Het is belangrijk om te onthouden dat big data-analyse gewoon regulier gegevensonderzoek naar steroïden is. U, als werknemer of bedrijfseigenaar, kunt altijd gegevensanalyse uitvoeren. Maar big data verwerkt informatie afkomstig uit een aantal bronnen en veel verschillende manieren efficiënter en sneller.
Raak gewoon niet verdwaald in analyse verlamming. "Je kunt alles over-engineeren, " zegt Vorobiev, "Er is een beroemd gezegde over statistieken dat met voldoende druk de gegevens alles toelaten. Het kan een goed idee zijn om de analyse te stoppen zodra je x aantallen invoer of resultaten krijgt en kijk wat de gegevens je vertellen. "
Het straatlantaarneffect - waarbij een persoon die zijn sleutels is kwijtgeraakt alleen onder het licht kijkt omdat dit het gemakkelijkst is om dit te doen - is een terechte zorg als het gaat om big data-analyse. Vergeet niet dat de meest verrassende trends misschien niet zijn waar je eerst denkt te kijken.
De afhaalmaaltijden volgens Vorobiev: “Er zijn zoveel meetbare, gemakkelijk over het hoofd gezien aspecten van ons werkleven die, indien bestudeerd, onverwachte resultaten kunnen opleveren. En als een van hen zou kunnen leiden tot een meer harmonieuze en productieve omgeving, is het de moeite van het proberen waard. "
