متحدہ عرب امارات کی حالیہ خبروں نے 18 سے 30 سال کی عمر کے تمام اماراتی مردوں کے لئے فوجی خدمات کو لازمی قرار دے دیا ہے جس سے مجھے یہ سوچنے پر مجبور کیا گیا ہے کہ کیوں نہ ان کی معاشی حیثیت سے قطع نظر ممالک اس بات کو یقینی بناتے ہیں کہ شہری اس ملک کا دفاع کرنے کے لئے تیار ہوں۔
کوئی یہ بحث کرسکتا ہے کہ کسی ملک میں شہریوں کی محدود تعداد اکثر حکومت کو فوجی خدمات کو لازمی قرار دینے پر مجبور کرتی ہے۔ لیکن چین کا کیا ہوگا؟ آبادی کے لحاظ سے یہ سب سے بڑا ملک ہے لیکن یہ اس بات کو بھی یقینی بناتا ہے کہ مزید تعلیم حاصل کرنے والے شہریوں کو لازمی فوجی وقت کی خدمات انجام دیں۔ مختصر یہ کہ ، اقوام بنیادی طور پر تنازعہ کی صورت میں دفاع کے لئے خود کو تیار کررہے ہیں اور سب کو اس کے لئے تیار رہنا چاہئے۔ وہ الیکٹریشن ہو ، کاروباری ہو ، بڑھئی ہو ، سب ایک مشترکہ مقصد کے لئے متحد ہوجاتے ہیں۔
عجیب و غریب آواز جیسے ہی سنائی دیتی ہے ، کوئی بھی ایسی قوموں اور آج کی تنظیموں کے مابین غیر معمولی ہم آہنگی پیدا کرسکتا ہے جو مسابقتی بننا چاہتے ہیں۔ بگ ڈیٹا کی شکل میں موجودہ خطرہ یا اس کے بجائے ایک چیلنج نے بڑی اور چھوٹی تنظیموں کو مختلف محکموں میں اپنی افرادی قوت کو یکجا کرنے کے لئے عام طور پر اس سے نمٹنے کے لئے آمادہ کیا ہے۔ اس پر مزید بات کرنے کے لئے ، عام طور پر لازمی طور پر فوجی خدمات کو نافذ کرنے والی قومیں ہمیشہ اہلیت کا معیار رکھتی ہیں ، اسی طرح تنظیمیں صرف ان ملازمین کو اعداد و شمار کی بڑی تربیت دینے کو منطقی سمجھتی ہیں جن کے پاس اعداد و شمار کی بڑی مقدار کے ساتھ تعامل کی کچھ شکل ہوتی ہے اور ان کی ضرورت ہوتی ہے۔ ہڈوپ کو ہر ٹچ پوائنٹ پر ملازمت دیں۔
جس طرح حکومت کے ساتھ رابطے میں ایک آرمی جنرل فیصلہ کرتا ہے کہ اس طرح کے ہتھیاروں اور ٹریننگ کو اپنے بصورت دیگر نوآبادی شہریوں کی نئی بھرتی کرنے کے لئے تفویض کیا جائے ، اسی طرح سے سی ٹی او کے آئی ٹی کے بنیادی ڈھانچے اور میراث کی نگرانی کی توقع کی جاتی ہے سسٹم جس میں اس کے ملازمین کو بہتر کارکردگی کا مظاہرہ کرنے کی اجازت ملتی ہے وہ نئی ٹیکنالوجی کی جدت طرازی کر رہا ہے۔ بڑے اعداد و شمار سے نمٹنے کے مشترکہ مقصد کے ساتھ ، آئیے تفصیل سے یہ سمجھنے کی کوشش کریں کہ جہاں بڑا ڈیٹا استعمال ہوتا ہے اور اپنے ساتھیوں کو اس میں تربیت دینا کیوں ضروری ہے۔
1. انفارمیشن ٹکنالوجی: بگ ڈیٹا ٹریننگ کے ساتھ پیداوری کو بہتر بنانا
شاید اعداد و شمار کے بڑے نفاذ میں سب سے آگے ، آئی ٹی ٹیم اس تبدیلی کو آگے لے جانے کا مرکز ہے۔ آئی ٹی تربیت کا فیصلہ کرنے والا جو ملازمین کو ڈیٹا کی بڑی ٹریننگ لانا چاہتا ہے اسے محکمہ آئی ٹی سے شروع کرنا پڑتا ہے۔ کیوں؟ کیونکہ جب بات سرگرمی کے ہر مرحلے میں ٹکنالوجی سے مشغول ہونے کی ہوتی ہے تو ، تہہ خانے کے گیکس (آئی ٹی کے لئے مشہور سلیگ) قریب ترین ہوتے ہیں۔ تو یہ کتنا متعلقہ ہے؟
آئیے ، مشہور سائٹ ، سی آئی او کی طرف سے پیش کردہ ایک رپورٹ کو دیکھیں جس میں کہا گیا ہے:
'500 امریکی بزنس اور آئی ٹی ایگزیکٹوز کے حالیہ کمپٹی ای اے سروے کے مطابق ، اعداد و شمار کے اعدادوشمار میں 50 فیصد فرمیں ، جو اوسط یا اعدادوشمار سے کم ہیں ، کو محسوس ہوتا ہے کہ ان کا عملہ اعتدال پسند ہے یا ڈیٹا مینجمنٹ اور تجزیہ کی مہارت میں نمایاں کمی
اس حقیقت کو دیکھتے ہوئے کہ ڈیٹا مینجمنٹ اور اسٹوریج آئی ٹی کے بنیادی فنکشن کا ایک حصہ ہے ، بڑے ڈیٹا پلیٹ فارم پر عمل درآمد اور آئی ٹی کی مہارتوں کو بڑے ڈیٹا کے اندر تقویت دینے کی طرف متوازی نقطہ نظر رکھنے کی ضرورت ہے۔ اس حقیقت کی حمایت کرنا میک کینسی کی ایک رپورٹ ہے جس میں بتایا گیا ہے کہ 2018 تک ، گہری فنی اور تجزیاتی مہارت رکھنے والے 140،000-190،0000 سے زیادہ پیشہ ور افراد کی کمی ہوگی! چونکہ زیادہ سے زیادہ تکنیکی پیشہ ور افراد کو اعداد و شمار کی بڑی تربیت کی ضرورت ہوتی ہے ، لہذا تنظیمیں تکنیکی پیشہ ور افراد کو فوری آر اوآئ اور پلیٹ فارم کے ماہرین ، انتظامیہ اور آئی ٹی ڈیپارٹمنٹ میں کام کرنے والے انجینئرز کی تربیت فراہم کرنے کے درپے ہیں۔
برین ڈیٹا کے ساتھ کور آئی ٹی فنکشن کی تثلیث سے شادی کرنا
اصطلاح تثلیث اکثر مجھے دو مذہبی تصورات کی یاد دلاتا ہے: ایک تخلیق کار ، محافظ اور تباہ کن کا ہندو افسانہ ہے اور دوسرا باپ ، بیٹا اور مقدس ماضی کا عیسائی تصور ہے۔ دونوں ہی بنی نوع انسان کی بہتری کے لئے کوشاں ہیں۔ اسی طرح ، آئی ٹی ٹیم کے یہ تینوں کام پوری تنظیم کی بہتری کے لئے کوشاں ہیں جب انفارمیشن ٹکنالوجی کی بات کی جائے تو مختلف ضروریات والے محکموں کے ساتھ۔ جب اعداد و شمار کے بڑے اطلاق کی بات کی جاتی ہے تو سیکیورٹی اور سپورٹ فنکشنز کے علاوہ ، آئی ٹی ڈیپارٹمنٹ ان افعال سے متعلق ہوسکتا ہے۔
منصوبہ بندی- آئی ٹی ٹیم کے اندر منصوبہ بندی کی سرگرمی اس بات کو یقینی بنانے پر مرکوز کرتی ہے کہ تنظیم کی آئی ٹی حکمت عملی کاروباری مقاصد کے ساتھ ہم آہنگ ہو۔ اس میں سافٹ ویر کو کسٹمائز کرنے ، نئے پلیٹ فارم لانے پر کام کرنا شامل ہے جو مختلف کاروباری محکموں کی ضروریات کو پورا کرتے ہیں۔ دوسرے لفظوں میں ، کوئی بھی نفاذ ہمیشہ آئی ٹی سے شروع ہوگا۔
جاوا میں اشیاء کی ایک صف بنانے کا طریقہ
نیٹ ورک۔ اس میں نیٹ ورک تیار کرنا شامل ہے جو آواز ، ڈیٹا ، ویڈیو اور انٹرنیٹ ٹریفک کے مابین ہر طرح کے مواصلات کی سہولت فراہم کرتا ہے اور اعداد و شمار کو ریکارڈ کرنے کے لئے متعدد چوکیاں موجود ہیں چاہے وہ صارف کا باہمی تعامل ، جذبات تجزیہ اور ٹریفک اپ ڈیٹ ہوں ، یہ سب ڈیٹا کو حقیقی وقت میں جمع کرتے ہیں! آئی ٹی کا ایک شعبہ اکثر اعداد و شمار پر عملدرآمد کے مقصد کے ساتھ ساتھ کام کرنے کے ل networks نیٹ ورک کے ہموار انضمام کو یقینی بناتا ہے۔
ڈیٹا- سیدھے الفاظ میں بتانے کے لئے ، آئی ٹی ٹیم تنظیم میں مختلف اسٹریٹجک فیصلوں کے ل employees ملازمین کو ڈیٹا اکٹھا کرنے ، ذخیرہ کرنے ، انتظام کرنے ، محفوظ کرنے اور تقسیم کرنے کے ل tools ٹول لاتی ہے۔ تمام قسم کے اعداد و شمار جیسے سیل ریکارڈ ، مالی ریکارڈ ، اسٹاک کی تفصیلات ایک ہی ڈیٹا سینٹر میں محفوظ ہیں۔ اس سے آئی ٹی ٹیم کے اندر بڑے اعداد و شمار کے پلیٹ فارم پر عمل درآمد کرنے کی ذمہ داری پیدا ہوتی ہے جو نامزد صارفین کو کسی بھی ڈیٹا مقام پر معلومات کو اسٹور کرنے اور بازیافت کرنے کی اجازت دیتا ہے۔
کسی بھی آئی ٹی ٹیم میں ، کسی کو بڑے اعداد و شمار کے نفاذ کی طرف مختلف کاموں کے ساتھ ممبروں کے ایک ورسٹائل مکس کی ضرورت ہوتی ہے۔ شروع کرنے کے لئے ایسے ماہر کی ضرورت ہے جو روایتی نظاموں سے بڑے ڈیٹا پلیٹ فارم پر آسانی سے منتقلی کو یقینی بنائے۔ اس کے ل one ، کسی ٹیکنی کی ضرورت ہوتی ہے کہ وہ تمام محکموں میں اپنی زندگی کے پورے دور میں پلیٹ فارم کو برقرار رکھنے پر توجہ دے۔ اس کے بعد ایک ایسے ممبر کی ضرورت ہوتی ہے جس کو مستقل طور پر نگرانی کرنی چاہئے کہ آیا ہر تکنیکی عملدرآمد تنظیمی مقصد کے ساتھ ہم آہنگ ہے یا نہیں۔
2. مصنوع کی ترقی: R&D کے تمام مراحل میں بدعت کو نئے سرے سے نکالنا
جب تنظیم کو جدت کی اگلی سطح میں لے جانے کی بات ہو تو شاید سب سے اہم محکموں میں سے ایک! بڑے اعداد و شمار کا سب سے بڑا فائدہ یہ ہے کہ مصنوع کی ترقی ، مصنوع ، معیار ، وارنٹی ، تشخیص ، گاڑی اور سوفٹویئر ایپلی کیشنز سے لے کر مصنوع کی نشوونما میں مختلف ٹچ پوائنٹس کے ڈیٹا کا انضمام۔ ان ٹچ پوائنٹس سے حاصل ہونے والا ڈیٹا اس بات کی وضاحت کرتا ہے کہ پروڈکٹ کا طریقہ اور کتنا کامیاب ہوسکتا ہے۔ یہ بنیادی طور پر پروڈکٹ ڈویلپرز ، R&D پروفیشنلز اور ڈیزائنرز کو ڈیٹا سے چلنے والے اور ڈیٹا انیلیسیس اپروچ تک لے جاتا ہے۔
حقیقت میں انجینئرنگ بگ ڈیٹا
جب بات پروڈکٹ ڈویلپمنٹ کی ہو تو ، اس کی ایک مقبول مثال ڈرائیور سے کم کار ہوگی جو آڈی تیار کررہی ہے اور سن 2016 تک اس کی لانچنگ کا منصوبہ بنا رہی ہے۔ ہاں ، یہاں پروڈکٹ ڈویلپمنٹ ٹیم موجود ہے جس کا یہ یقینی بنانا بہت بڑا کام ہے کہ سی ای او کے جدت طرازی کو مکمل کیا جا is۔ . لیکن راستے میں ، ترقی سے لے کر جانچ تک مختلف چیلنجز اور سوالات ہیں جن کا جواب صرف بڑے اعداد و شمار ہی دے سکتے ہیں۔ آئیے دیکھتے ہیں کہ کیوں۔
نقطہ A سے لے کر B تک کی جانچ والی سواری پر غور کریں۔ یہاں اعداد و شمار کی قسم ہیں جو تیار کی جاسکتی ہیں۔
a. سینسر ڈیٹا - کار کے اندر موجود سینسر اس کے پیچھے اور اس کے سامنے گاڑیوں کے مابین کتنا فاصلہ طے کر رہے تھے اس کے بارے میں اور اس سفر کے دوران گاڑیوں کی تعدد کا سامنا کرنا پڑ سکتا ہے۔
b. ڈرائیور ڈیٹا - مختلف عمر کے گروپوں کے ساتھ ایک سے زیادہ ٹیسٹ کئے جاسکتے ہیں اور آرام کی سطح ، کارکردگی اور خود کار ڈرائیونگ کو اوور رائیڈ کرنے کے لئے ڈرائیور کو کتنی بار ضرورت ہوتی ہے کی تفصیلات تجزیہ کے ل r قطاروں اور کالموں کے بڑے سیٹوں میں اکٹھا ہوجاتی ہیں۔
c آبادیاتی اعداد و شمار - ہندوستان اور امریکہ میں ایک امتحان لیا جاسکتا ہے۔ خود کار طریقے سے ڈرائیونگ میں شامل A.I ان دو رکاوٹوں کا تجزیہ کرسکتا ہے جن کا سامنا اسے دو مختلف ممالک میں ڈرائیونگ میں درپیش ہے۔ کون سا ملک خودکار ڈرائیونگ کے لئے زیادہ قابل عمل ہے اور کون سا کاؤنٹی نہیں؟
d. مارکیٹ پرفارمنس ڈیٹا۔ جب پروڈکٹ کے لانچ ہونے اور اس کے راستے پر آنے کے بعد ، انجینئر اس کارفرما پروگرام کے ذریعہ 24 × 7 فراہم کیے جانے والے فیڈ کے ساتھ براہ راست اعداد و شمار کا تجزیہ کرکے بھی اس کی کامیابی کی نگرانی کرسکتے ہیں اگر خود کار طریقے سے ڈرائیونگ کا تعارف برقرار رکھنے میں معاون ہے۔ سڑک کا محفوظ تر؟
ممکنہ اعداد و شمار کی تعداد ن ہے جو مصنوع انجینئرنگ سے منحصر کی جاسکتی ہیں۔ ہم ابھی آٹو انڈسٹری سے OEM کی تلاش شروع کر رہے ہیں۔ طب ، صحت کی دیکھ بھال ، الیکٹرانکس اور مختلف شعبوں میں مختلف شعبوں میں بڑے اعداد و شمار کے امکانات کے بارے میں سوچیں۔ کسے پتا؟
تفریح حقیقت: کیا آپ جانتے ہیں کہ فورڈ کے بگ ڈیٹا اور تجزیات کو اپنانے نے اسے 2000 کی دہائی میں قریب قریب ہونے والے تجربے سے بچایا جب یورپی اور ایشیائی خود ساز ساز کمپنیوں کا مقابلہ سخت تھا!
3. فنانس: مالی ماڈلنگ کو سنبھالنے کے ل employees بڑے ڈیٹا پلیٹ فارم پر ملازمین کی تربیت کرنا
ہم نے اکثر یہ اصطلاح سنی ہوگی کہ پیسہ کاروبار کا خون ہے۔ اس رقم کا خیال رکھنا محکمہ خزانہ کی ذمہ داری ہے۔ کاروباری دنیا محکمہ خزانہ کے فرائض کی وضاحت کرتی ہے کیونکہ عام طور پر کمپنی کی مالی اعانت تیار کرنے کے ساتھ ساتھ اس کی کمپنی کے مالی معاملات کی منصوبہ بندی ، تنظیم سازی ، آڈٹ ، اکاؤنٹنگ اور ان میں کنٹرول میں شامل ہوتا ہے۔
یہ کہتے ہوئے کہ جب محکمہ خزانہ عام طور پر پیسہ سنبھالنے کی بات کی جاتی ہے تو یہ مختلف سرگرمیوں تک پھیلا ہوتا ہے جیسے نقد بہاؤ کے بیانات ، قیمتوں کا ماڈلنگ ، انعامی ادائیگی اور کچھ ناموں کی تعمیل۔ کچھ دہائیاں قبل ان ساری سرگرمیوں کو محدود سسٹمز اور پلیٹ فارمز کے ساتھ انجام دینا کافی حد تک ممکن تھا ، لیکن بڑے اعداد و شمار کے زمانے میں ہر دو محکموں کے چیلنجوں کا سامنا کرنا پڑتا ہے جو بدلتے ہوئے منظر نامے اور مستقبل کے بارے میں بصیرت اکٹھا کرنے میں باقاعدہ فنانس فرائض انجام دے رہا ہے۔ آئیے ہم اسے ایک گہرے تناظر میں دیکھیں۔
مختلف سرورز میں پھیلی معلومات کے ساتھ ، تنظیموں کو اکثر اس ڈیٹا کو مستحکم کرنے اور کاروباری ضروریات کے مطابق اقدامات کرنے کا چیلنج درپیش ہوتا ہے۔ اس کے اندر اندر ایک اہم کام داخلی آڈیٹنگ ہے جو تنظیم کی حکمرانی ، رسک مینجمنٹ اور مینجمنٹ کنٹرول پر ایک ٹیب رکھتا ہے اور دھوکہ دہی کی کارروائیوں کی نشاندہی کرنے کے لئے فراڈ کا فعال آڈٹ کرنا۔ تجزیات کے عروج کے ساتھ ، داخلی آڈیٹنگ کو بھی مربوط کرنے کی ضرورت ہے۔ اس نے آڈٹ ڈیٹا تجزیات جیسے نئے طریقوں کو جنم دیا ہے جو خطرے کا اندازہ کرنے ، مالیاتی ماڈل بنانے اور کسی تنظیم میں فنانس کی مجموعی تصویر دینے میں مدد کرتے ہیں۔
لاگت ماڈلنگ اور قیمت وصولی
وسائل کے موثر استعمال کے لئے لاگت کا ماڈلنگ ایک اہم جزو ہے۔ کمپنیوں کو لازمی طور پر سرگرمیوں کی نشاندہی کرنی چاہئے جس سے اخراجات ، کام کی تکمیل کے لئے درکار مجموعی براہ راست مواد اور لیبر کی ضرورت ہے۔ لاگت کا ماڈلنگ کمپنیوں کو کمپنی کے اندر موجود تمام سرگرمیوں میں مصنوعات کی مجموعی پیداوار لاگت کی درست شناخت کرنے میں مدد دیتا ہے۔ بڑے اعداد و شمار کے زمانے میں ، یہ ضروری ہو جاتا ہے کہ ایک ایسی تنظیم کے اندر مختلف محکموں میں ہونے والی ہر مالی سرگرمی کا ٹریک رکھنا ضروری ہے جو اس معلومات کو ایک مثالی لاگت کا ماڈل بنانے کے ل cons مستحکم کرتا ہے۔ خریداری سے لے کر فروخت تک ، تمام اعداد و شمار فنانس کی تاریخ میں محفوظ ہوجاتے ہیں اور لاگت کے ماڈل تیار کرنے کی بنیادی باتیں یہ ہیں کہ اعداد و شمار کے بڑے حصے لائے جائیں اور ایسا ماڈل تشکیل دیا جائے جو آئندہ کے لئے درخواست دے سکے۔
اگرچہ کوئی یہ بحث کرسکتا ہے کہ پرائس وصولی کی کوششوں کو منافع میں بہتری لانے کے لئے فروخت کی طرف زیادہ ہدایت کی جاتی ہے ، لیکن جب قیمت کے حصول سے فائدہ اٹھانے کی بات آتی ہے تو محکمہ خزانہ نے اس میں زیادہ سے زیادہ کردار ادا کیا۔ اسے آسان تر اصطلاحات پر توڑنے کے لئے ، ایک خوردہ دکان پر غور کریں جو فروخت کو آگے بڑھانے کے لئے چھوٹ فراہم کرنے کا ارادہ رکھتا ہے۔ بنیادی مقصد قیمت رساو کو کم کرنا اور جیب کی قیمت میں بہتری لانا ہے۔
قیمت کا رساو اس وقت ہوتا ہے جب کسی مصنوع کی قیمت میں اتنی کم رعایت کی جاتی ہے (فروخت کرنے کی کوشش میں) کہ وہ منافع پر سمجھوتہ کرتے ہیں اور جیب کی قیمت میں فروخت کی قیمت میں چھوٹ ہے۔ منافع بخش قیمت کے حصول کی کوشش کو پورا کرنے کے لئے ، سیلز ٹیم ہر فرد کی مصنوعات کے اخراجات کے ڈھانچے کو سمجھنے کے لئے محکمہ خزانہ کے ساتھ تعاون کرتی ہے اور جہاں چھوٹ دی جاسکتی ہے۔ اس کے نتیجے میں محکمہ خزانہ کو مستقبل کے لئے قیمتوں میں اضافے کے نمونوں کے لئے ایک فریم ورک تیار کرنے اور اس طرح کی مارکیٹنگ کی سرگرمیوں میں حدود کی وضاحت کرنے کی ضرورت ہوتی ہے۔ اس کام میں خریداری ، گودام کی لاگت ، شیلف زندگی اور اس کے بعد فروخت کردہ سامان کی قیمت کا تخمینہ لگانے (سی جی ایس) سے متعلق ڈیٹا کو پروسیسنگ کرنا شامل ہے۔
F-12 اور پیشن گوئی کے تجزیات
محکمہ مالیات کے اندر ایک اہم سرگرمی تنظیم کی مالی صحت کی نگرانی کرنا ہے۔ جس طرح ڈاکٹر مختلف میٹرکس جیسے نبض کی شرح ، جسم کی حرارت یا محرک رد عمل کا استعمال کرنے کے لئے یہ فیصلہ کرتا ہے کہ آیا مریض زندہ ہے یا مردہ ، اسی طرح مالیاتی دنیا 12 میٹرکس پر نظر رکھتی ہے تاکہ یہ معلوم کیا جا سکے کہ کمپنی کا رخ کس طرف ہے اور اس سے آگے کیا ہے؟ . حقیقی آمدنی میں اضافے ، پائیدار محصولات کی نمو ، قیمتوں کا تعین پالیسی اور قیمتوں کا اشاریہ ، آپریٹنگ اخراجات پر قابو پانے ، EBITDA بمقابلہ کیش فلو ، ڈیبٹ فری کیش فلو ، اضافی نقد رقم ، اثاثوں پر واپسی ، ورکنگ کیپٹل ، ڈیبٹ فنانسنگ کا استعمال ، نیٹ ٹریڈ سائیکل اور قیمت دارالحکومت کی تنظیم کے لئے مالیاتی رپورٹنگ میں اہم اجزاء تشکیل دیتے ہیں تاکہ اوپری انتظامیہ درست فیصلہ لے سکے۔
بڑے اعداد و شمار کی دنیا میں چیلنج کے ایک حصے کے طور پر ، ان تناسب کو سمجھنے کے لئے پوری تنظیم میں پھیلی ہوئی معلومات کے بڑے حصوں کو پروسس کرنے کی ضرورت ہے تاکہ اسے تجزیہ کے لئے معیاری شکل میں بنایا جاسکے۔ پیش گوئی کے تجزیات اس وقت عمل میں آتے ہیں جب اس اعداد و شمار پر ماضی کی تاریخ سے عمل درآمد کیا جاتا ہے ، حال ہی میں ان ہی عناصر کے مقابلے میں جب مستقبل کے لئے درست اندازے لگائے جاتے ہیں۔ سب سے اچھا حصہ پیش گوئی کرنے والا تجزیاتی پلیٹ فارم ہے اور بڑے اعداد و شمار پر کارروائی کرنے کے طریقے تیار کیے جاتے ہیں جس سے محکمہ خزانہ کے کام کو آسان بنایا جاسکے۔
تفریح حقیقت: کیا آپ جانتے ہیں کہ سنگاپور میں مقیم اوورسیہ بینکنگ کارپوریشن (او سی بی سی) صارفین کے بصیرت کے ل big بڑے اعداد و شمار کو استعمال کرنے میں کامیاب ہے جو نئے گاہک کے حصول میں 40 فیصد اضافے کا براہ راست ذمہ دار تھا!
4. انسانی وسائل: HR ملازمین کی صلاحیتوں کو بہتر بنانا
انسانی وسائل میں بڑے اعداد و شمار کا تصور اکثر قارئین کو ہیمبگ کے طور پر مسترد کرنے کی تاکید کرسکتا ہے ، کیونکہ ایک تنظیم عام طور پر محکمہ ایچ آر میں بگ ڈیٹا ٹکنالوجی کو نافذ کرنے میں زیادہ ترجیح نہیں دیتی ہے کیونکہ اس کی بجائے مارکیٹنگ ، آپریشن یا مالیات پر توجہ دی جاتی ہے۔ لیکن حقیقت میں ، محکمہ ہیومن ریسورس اس بات کو یقینی بنانے میں اہم کردار ادا کرتا ہے کہ صحیح سرگرمی دیگر سرگرمیوں کے ساتھ ساتھ تنظیم میں داخل ہوجائے۔
HR میں مزید دانت شامل کرنا
اوزار اور توسیع کے درمیان فرق
جب بگ ڈیٹا کو لاگو کرنے کی بات آتی ہے تو شاید تمام محکموں میں سب سے زیادہ نظرانداز کیا جاتا ہو ، لیکن آج کی تیزی سے بدلتی ہوئی دنیا میں ، ایچ آر محکمہ جس طرح کام کرتا ہے اس سے کسی تنظیم کی کامیابی کی وضاحت ہوتی ہے۔
فوربس کے مطابق ، اوسطا بڑی کمپنی میں 10 سے زیادہ مختلف HR درخواستیں ہیں اور ان کا بنیادی HR نظام 6 سال سے زیادہ پرانا ہے۔ یہ رجحان اس حقیقت کو اجاگر کرتا ہے کہ کسی تنظیم کو اس اعداد و شمار کو ساتھ لانے کے لئے صحیح وسائل کی ضرورت ہے۔ بگ ڈیٹا اینڈ اینالٹکس میں تربیت آپریشنل رپورٹنگ سے لے کر اسٹریٹجک تجزیات تک ڈیٹا تجزیہ ، تصور اور دشواری حل کرنے جیسی مہارت لاتی ہے۔
توقع کی جاتی ہے کہ بنیادی طور پر ایک HR محکمہ بنیادی HR کارروائیوں کے سلسلے میں فراہمی کرے گا ، لیکن ڈیٹا کی بڑی تربیت اسے مکمل طور پر نئی سطح تک لے جاتی ہے۔ چونکہ ایچ آر ڈیپارٹمنٹ ٹولوں کے ساتھ مزید تجزیاتی ہوتا جاتا ہے ، یہ حکمت عملی کی سرگرمیوں میں ملوث ہونے کے ل their ان کے نقطہ نظر کو تبدیل کرتا ہے۔ امیدوار پائپ لائن کی فروخت کے معیار کو متاثر کرنے والے اور زیادہ سے زیادہ ملازمین کی برقراری کے عوامل رکھنے اور ہنر کے خلیج کا اندازہ لگانے جیسے اہم سوال کی نشاندہی کی جاتی ہے اور اس کے ذریعے متعلقہ اعداد و شمار کا تجزیہ کرکے اسٹریٹجک اقدامات اٹھائے جاتے ہیں۔
شفٹ آسان پیش گوئی سے مزید پیش گوئی کے تجزیوں کی طرف بڑھ جائے گی۔
انسانی وسائل کے اندر اوریکل
ایک مضحکہ خیز کہانی تھی کہ مجھے ایک ایسے دوست کی یاد آتی ہے جو HR کے طور پر کام کرتا تھا۔ امیدوار کو متعلقہ محکمہ کے سربراہ کو بھیجنے سے پہلے ان کی پریشانی کا ایک سخت کام تھا جو صرف جادوئی الفاظ کہے گا: 'ٹھیک ہے ، اسے ملازمت پر رکھ دیتا ہے۔'
کچھ عرصہ کے لئے ، معاملات اس کے ساتھ ساتھ چلتے رہے جب وہ کمپنی میں اچھی صلاحیتوں کو لے کر آئیں۔ جیسے جیسے وقت گزرتا گیا ، اس نے اپنی خدمات حاصل کرنے کی مہارت پر اعتماد بڑھایا تاکہ وہ اپنی ٹیم میں زیادہ سے زیادہ لوگوں کو شامل کرنے ، ایچ آر سسٹم کو نافذ کرنے اور تیسرے فریق کے مشوروں سمیت اعلی انتظامیہ کو آگے بڑھا سکے۔ مشکل حص wasہ یہ تھا کہ اس نے اپنے اعتماد کے ساتھ اعلی انتظامیہ سے لمبے وعدے کیے تھے۔
تاریخ سے پتہ چلتا ہے کہ جو شخص مستقبل کے پروگرام کی تیاری کرتا ہے وہ ماضی کے وقار پر سوار مقابلے میں زیادہ کامیاب ہوتا ہے۔ ایک وقت تھا جب اس سے توقع کی جارہی تھی کہ کمپنی اس ڈومین میں پیشہ ور افراد کی ایک بڑی تعداد کی خدمات حاصل کرے گی جس میں کمپنی میں توسیع ہو رہی ہے۔ اس نے خالی آسامیوں کو بھرنا شروع کیا جس میں معیاری پیشہ ور افراد کی خدمات حاصل کرنے پر سمجھوتہ کیا گیا تھا۔ اس نے ہدف سے زیادہ چلنے والا طریقہ اپنایا۔ نتیجہ؟ ان کی خدمات حاصل کرنے والے زیادہ تر پیشہ ور افراد نے مختلف وجوہات کا حوالہ دیتے ہوئے کاغذات نیچے ڈال دیئے اور انتظامیہ نے ان سے پوچھ گچھ کی۔ اکثر میں اس کی ہلچل سنتا تھا۔
'میں نے 1000 Cvs کا ہیڈ ہنٹ کیا ، 100 Cvs کو شارٹ لسٹ کیا ، 50 امیدواروں کو انٹرویو کے لئے بلایا ، اپنے نفسیاتی جائزوں سے 10 کو فلٹر کریں ، 10 میں ، میں اس کے قابل 5 ہوں ، انتظامیہ کو 5 بھیجوں ، وہ 1 پر صفر ہو گئے اور کہ ایک آدمی 2 ماہ بعد چلا گیا۔
میں نے اپنی ہمدردی کی پیش کش کرنے کے علاوہ اس کی پریشانی کو بھی دور کیا ، لیکن اس نے مجھے حیرت میں مبتلا کردیا کہ آیا انسانی وسائل اپنے تجربے سے بہتر فیصلہ کرسکتے ہیں یا پھر اس کو ملازمت سے حاصل کرنے کے اس سارے عمل میں زیادہ اعداد و شمار پر مبنی نقطہ نظر رکھنے کی ضرورت ہے؟ ٹھیک ہے ، ہم یہ معلوم کرنے سے پیش گوئی کرنے والے تجزیے کا استعمال کرتے ہیں کہ کون سی ٹیم ورلڈ کپ جیتنے والی ہے لیکن کیوں نہیں وہ اسی تکنیک کی خدمات حاصل کرنے کے عمل میں استعمال کریں ، خاص کر جب ہم انسان جیسے پیچیدہ عناصر سے نمٹ رہے ہیں۔
اب ، ضروری ہے کہ نوکری کا کام آسان کام نہ ہو ، اس میں بہت سارے عمل شامل ہوتے ہیں اور صنعت کے مطابق اکثر خدمات حاصل کرنے کے قواعد بدل جاتے ہیں جس میں وہ تنظیم کے قواعد و ضوابط کے ل h خدمات حاصل کرتا ہے۔
اگر کوئی کامیاب تنظیموں کا مشاہدہ کرتا ہے جو پیش گوئی کرنے والے تجزیات کا استعمال کرتے ہیں اور ان میں شرح کم ہوتی ہے تو ، امیدوار کے اندر مطلوبہ خصوصیات پر فیصلہ کرنے کا ایک نمونہ موجود ہے جو کامیابی کو یقینی بناتا ہے ، اسے ایک 'مثالی' پروفائل میں مستحکم کرتا ہے اور اس کا موازنہ ہر امیدوار سے کرتا ہے جو قریب ہے۔ اس پر اور پھر ان کو اپنی مرضی کے مطابق تشخیص میں شامل کریں جو ان امیدواروں کی خصوصیات کا اندازہ کریں۔
نوٹ کرنے کی بات یہ ہے کہ پیئرسن ، تھامس اسسمنٹ اور ایس ایچ ایل جیسے سرکردہ کھلاڑیوں کے ساتھ پوری سائومومیٹرک اسسمنٹ انڈسٹری کی وجہ سے امیدواروں کے پروفائل کو ان کی بھرتی کے عمل کو مکمل کرنے کی ضرورت میں تجزیہ کرنے کے لئے HR پیشہ ور افراد کی مانگ کی وجہ سے پروان چڑھ گئی ہے۔
پیش گوئی کرنے والے تجزیات کی طرف لوٹتے ہوئے ، اس پر عمل درآمد کرنے کے ایک حصے کے طور پر ، ایچ آر اہلکاروں کو پہلے تنظیم کے مطابق 'کامیاب امیدوار' کون ہے اس کی وضاحت کرنی ہوگی ، پھر اسے / اس عوامل کی وضاحت کرنی ہوگی جو خدمات حاصل کرنے کی تاثیر اور ان کی نشوونما کر سکتے ہیں۔ اگر ضرورت ہو تو کچھ فرائض قیاس کے ساتھ دوسروں سے کیوں بہتر کرتے ہیں۔ اسی بنا پر ، وہ اس کا موازنہ کامیاب ملازمین کے اعداد و شمار سے کرسکتا ہے جو تنظیم کے ساتھ طویل عرصے تک رہے اور تیسرے نمبر پر اعداد و شمار کی تکنیک کا استعمال کرتے ہیں تاکہ اس بات کا اندازہ کیا جاسکے کہ کچھ لوگ زیادہ دیر تک کیوں رہتے ہیں۔
نقطہ نظر آغاز کے لئے اچھا ہے ، لیکن HR کے اندر پیش گوئی کرنے والے تجزیات کو عملی جامہ پہنانے میں بہت ساری تکنیکیں شامل ہیں جن کا ایک انسانی وسائل دریافت کرنے کے لئے آزاد ہے۔ اس عمل کا بہترین حص bestہ کسی ملازم کی جگہ نئے افراد کی جگہ لینے کی لاگت میں کمی ہے اور شاید پرانے سے زیادہ آر اوآئ حاصل کرنا ہے۔
دن کے اختتام پر ، انترجشتھان ، تجربے اور ڈیٹا سے چلنے والی آواز کو بہتر بنانے کے امتزاج سے اکثر نہ صرف انسانی وسائل کے فیصلے کو بہتر بنایا جاتا ہے بلکہ ہمارے بھی۔
تفریح حقیقت: کیا آپ جانتے ہیں کہ امریکی کمپنیاں زیروکس نے متوقع امیدواروں پر تجزیات کا اطلاق کرکے اپنے کال سینٹر ٹرن اوور میں 20 فیصد کمی کردی ہے جس سے یہ پتہ چلتا ہے کہ تخلیقی افراد ان کمپنیوں کے ساتھ 6 مہینے تک ان کی تربیت کی 6000 cost لاگت کی تلافی کے لئے ضروری رہ سکتے ہیں۔ لوگ؟
5. سپلائی چین اور لاجسٹک: بڑے ڈیٹا پلیٹ فارم کے ساتھ تربیت کی ترسیل کی ٹیم
سپلائی چین اور لاجسٹک بنیادی طور پر تنظیمی حکمت عملیوں اور اہداف میں ایک اہم جز تشکیل دیتے ہیں۔ سپلائی چین اور لاجسٹک کا مقصد اخراجات کی بچت اور کارکردگی ، رفتار اور چستی میں بہتری لانا ہے۔ جب بات لاجسٹکس کی ہو تو ، وہ بنیادی طور پر آپریشنل کارکردگی کو بہتر بنانے ، کسٹمر کے تجربے اور نئے کاروباری ماڈلز کو بہتر بنانے کے ل different ڈیٹا کی مختلف شکلوں کو گرفت میں لیتے ہیں اور ٹریک کرتے ہیں۔ یہ عوامل اکثر تنظیموں کو وسائل کے تحفظ ، بہتر برانڈ نام بنانے اور سپلائی چین اور لاجسٹکس کے لئے منظم عمل پیدا کرنے میں مدد کرسکتے ہیں۔
دنیا بھر میں بگ ڈیٹا سے باخبر رہنا
آئیے ہم ایک ای کامرس وشال کی مثال لیں جو اپنے صارفین کو ترسیل کے لئے بگ ڈیٹا کا استعمال کرتا ہے۔ ایک جگہ سے کسی مصنوع کو گاہک کے پتے پر روانہ کیا جاتا ہے۔ نقل و حمل کی گاڑی کے اندر موجود آلات جیسے جی پی ایس ٹریکر ، مائک ، سینسر کا ساخت اور غیر ساختہ اعداد و شمار موجود ہیں جو حقیقی وقت کی تازہ کاریوں کے لئے مانیٹرنگ سنٹر کو واپس بھیجے جاتے ہیں۔ اس کے ساتھ ہی یہ لاکھوں لین دین کی فہرست میں ایک ہی ترسیل آپریشن انجام دینے کے لئے ترسیل کے وقت ، قلیل ترین راستے اور وسائل کی استعداد کا تجزیہ کرنے میں بھی مدد کرتا ہے۔ مختلف مارکیٹوں میں ڈیٹا کی اس سونے کی کان کو تنظیموں نے مستحکم کیا اور پھر اس عمل میں مزید بہتری لانے یا نئی جدت کی پوری سطح لانے کے لئے تجزیہ کیا!
تفریح حقیقت : کیا آپ جانتے ہیں کہ ایمیزون کے ذریعہ کسٹمر کے صفحات سے باخبر رکھنے کی شکل میں بڑے اعداد و شمار نے اس کی مدد سے اپنی مصنوعات کو کسٹمر کے قریب ترین گودام میں رکھنے میں مدد کی ہے تاکہ ترسیل کی رفتار اور کارکردگی کو بہتر بنایا جاسکے؟
جاوا میں سکینر استعمال کرنے کا طریقہ
6. کام ، تعاون اور کسٹمر سروس: ہر صارف کے تعامل پر بڑے اعداد و شمار پر ملازمین کی تربیت
کسی بھی مصنوع یا خدمات کی کامیابی فروخت کے بعد کی حمایت پر مبنی ہوتی ہے جو ایک گاہک وصول کرتا ہے اور اکثر وینڈر اس کے لئے ہر وقت وہاں موجود رہنے کا حلف اٹھاتا ہے۔ یہ حقیقت اس حقیقت سے سامنے آتی ہے کہ جب کوئی صارف کسی مصنوع یا خدمت کو لے جاتا ہے تو ، وہ اس امید پر ایک 'اچھل -ا عقیدہ' بناتا ہے کہ فروش اسے مصنوع / خدمات کی زندگی میں ختم نہیں ہونے دیتا ہے۔ تنظیمی کامیابی کے لئے اس تناظر سے نجات ضروری ہے۔
آئیے ایک دانے دار سطح پر حمایت کو دیکھیں۔ مجھے حال ہی میں کرسٹوفر نولان کا ’انٹر اسٹیلر‘ دیکھنے کا موقع ملا جس نے خلا کے اختتام تک خلائی سفر کی تلاش کی۔ اس سے مجھے مستقبل کی ایئر لائنز کے بارے میں سوچنا پڑا جو لاکھوں نوری سال فاصلے پر پھیلے ہوئے کیڑے کے سوراخوں کے ذریعے پرواز کی خدمات پیش کرے گی! اس وقت کون سے چیلینجز ہوں گے؟ اس تقریبا almost کبھی نہ ختم ہونے والے سفر میں کس قسم کا بڑا ڈیٹا تیار کیا جارہا ہے؟ آن بورڈ ٹیم اس بات کو کیسے یقینی بنائے گی کہ مسافر بھر میں سواری کا لطف اٹھائے؟ شروع کرنے کے لئے ، خدمت فراہم کنندہ کو بنیادی مقاصد پر توجہ دینی ہوگی جیسے ہوائی حفاظت کو یقینی بنانا ، اس کے پرواز کے راستے پر نظر رکھنا ، صارفین کی ضروریات کی فراہمی وغیرہ۔
چلتے پھرتے بگ ڈیٹا 24. 7
انٹرسٹیلر ٹریول کا خیال اگلے 100 سالوں کے لئے دور دراز کا خواب ہوسکتا ہے (پر امید ہے!) ، لیکن اس طرح کی خدمت کے ذریعہ تیار کردہ اعداد و شمار کو دیکھنے سے ہمیں باز نہیں آرہا ہے جو اس وقت کسٹمر کے بارے میں مزید روشنی ڈالے گا۔ سروس اور سپورٹ 'فروخت کے بعد' کے منظر نامے میں کی جاتی ہے اور تنظیمیں اپنی کوششوں کو حقیقی وقت میں بہتر بنانے میں کس طرح مشغول ہوسکتی ہیں۔
اب شروع کرنے کے لئے ، ساؤتھ ویسٹ ایئر لائنز ایک مشہور و فضائی کمپنی ہے جس نے اپنے صارف کے تجربے کو بہتر بنانے کے ل Big بڑے اعداد و شمار سے فائدہ اٹھایا۔ ہوائی حفاظت کو بہتر بنانے کے لئے اپنی کوشش میں ، جنوب مغربی ایئر لائنز نے ناسا کے ساتھ باہمی تعاون کے ساتھ پرواز کے مجموعی تجربے کو بہتر بنانے کے ل for بڑے اعداد و شمار کے تجربے میں مشغول ہوا۔ اس میں ناسا کے مصنوعی سیاروں کو پنگنگ ، جس میں پرواز کے راستے سے متعلق معلومات ، پائلٹوں اور دیگر ہوائی ٹریفک سے متعلق معلومات شامل ہیں۔ اس طرح کی جدید تکنیک کے عظمیٰ پر ، بنیادی ڈاٹا کا بنیادی تصور موجود ہے جسے ’ٹیکسٹ ڈیٹا مائننگ‘ کہا جاتا ہے جو غیر ساختہ متنی معلومات کو بصیرت کے معنی ٹیکسٹ میں بدل دیتا ہے۔ تو آپ نے سوچا کہ ٹیکسٹ ڈیٹا کانوں کی کھدائی وہاں ختم ہوگی؟
یقینا it ایسا نہیں ہے ، یہاں تک کہ بڑے اعداد و شمار جیسے ایک سادہ سا تصور جیسے ٹیکسٹ ڈیٹا کان کنی سے بھی آگے بڑھ جاتا ہے۔ ہم سب جانتے ہیں کہ صارفین کی رائے سمجھنے میں ایک اہم جز ہے جہاں گاہک کی بات چیت کے ہر موڑ پر ایک تنظیم غلط ہو جاتی ہے۔ ٹیکسٹ ڈیٹا کان کنی بھی سروے کے کھلے جوابات کا تجزیہ کرکے کسٹمر سروس میں مدد فراہم کرتی ہے۔ صارفین کو عام آپشن جیسے آپشن اے ، آپشن بی ، آپشن سی کی طرف راغب کرنے کے بجائے ، کھلے ہوئے سوالات زیادہ بصیرت فراہم کرتے ہیں ، لیکن ان کی درجہ بندی کرنا اور جوابات ریکارڈ کرنا ایک اہم مسئلہ ہوسکتا ہے۔ یہی وجہ ہے کہ ٹیکسٹ ڈیٹا کانوں کی کھدائی عمل میں آتی ہے جہاں یہ الفاظ کے کچھ سیٹوں کو گروپ کرتا ہے اور بصیرت کے لئے ان کو مستحکم کرتا ہے!
اس سے آگے دیکھتے ہوئے ، ہم سب کو یہ تسلیم کرنا ہوگا کہ کوئی بھی تنظیم کامل نہیں ہے اور ان میں سے ہر ایک کے پاس بہت کم صارفین موجود ہیں جو شاید اس خدمت سے خوش نہیں ہوں گے۔ نتیجہ؟ ایک ڈیٹا بیس ، ای میل ، پیغامات ، شکایات درج کرنے والے صارفین کے ٹویٹس یا 'ایریا of آف ریفوریشن' کے ذریعہ سیلاب سے بھر گیا تاکہ اسے نرمی سے بیان کیا جاسکے۔ ٹیکسٹ ڈیٹا کان کنی روایتی میل فلٹرز سے ایک قدم آگے بڑھتی ہے اور ترجیح کے مطابق میلوں کی درجہ بندی کرسکتی ہے اور اس کو زیر سوال محکمہ میں پیش کر سکتی ہے۔
تفریح حقیقت : کیا آپ جانتے ہیں کہ کسٹمر سروسز کو بہتر بنانے کی کوششوں کے ایک حصے کے طور پر ، جنوب مغربی ایئر لائنز نے ’تقریر تجزیہ‘ نامی اس خصوصیت کے ساتھ ڈیٹا تجزیہ کیا ہے جس میں بصیرت کے لئے صارف اور اہلکاروں کے مابین تعامل ریکارڈ کیا جاتا ہے!
7. مارکیٹنگ: ملازمین کو بڑے اعداد و شمار کے ساتھ منظم مارکیٹنگ کے طریقہ کار پر تربیت دینا
بطور سرگرمی مارکیٹنگ آج کل تعداد میں ہے۔ ڈیجیٹل مارکیٹنگ کے اضافے کے ساتھ ، اب ہم اشتہارات ، کلک-ٹو-ریٹ ، تاثرات ، ROI اور اسی طرح کے ردعمل کی درست پیمائش کرسکتے ہیں۔ غیر مارکیٹنگ کے پیشہ ور افراد کے لئے ، اس طرح کی پیمائش یونانی ہوسکتی ہے ، لیکن اس ڈیٹا کی مارکیٹنگ کرنے والوں کے لئے سونے کی کان ہے۔ اس کے بعد ، میٹرکس کے ساتھ ساتھ ، صارفین کے تعامل ، سوشل میڈیا اور فروخت کے ہر مقام پر اعداد و شمار کا بڑا حصہ تیار ہوتا ہے۔ مارکیٹنگ کے پیشہ ور افراد پر منحصر ہے کہ وہ اس طرح کے ڈیٹا کو ٹریک کرتے رہیں اور کسی کی مصنوعات کو زیادہ موثر انداز میں آگے بڑھانے کے لئے استعمال کریں۔ بگو ڈیٹا میں تربیت یہاں ایک اہم کردار ادا کرتی ہے چونکہ ہڈوپ اینڈ آر جیسے پلیٹ فارم اس مقصد کی تکمیل میں مدد کرتے ہیں۔
دوسری بات یہ کہ ، وقت سے وقت پر مارکیٹنگ کے پیشہ ور افراد اکثر اپنے برانڈ کے لئے پسپائی میں ملوث رہتے ہیں۔ سوالات جیسے:
میرا برانڈ دوسروں سے کس طرح بہتر ہے؟
دوسرے برانڈز کیا پیش کرتے ہیں؟
میرے حریف کی ایک ہی مصنوعات میں کیا خصوصیات ہیں؟
مطالعہ اس سے کہیں زیادہ گہرا جاتا ہے۔ 4Ps (پروڈکٹ ، قیمت ، مقام ، پوزیشننگ) پر مبنی حریف مصنوعات کا تجزیہ کرنے سے لے کر یہ سمجھنے تک کہ کون سی پروڈکٹ حریف کے ویب پیج میں پیش کی جاتی ہے ، پیدا کردہ ڈیٹا کی مقدار بہت بڑی اور پیچیدہ ہوتی ہے۔ جیسا کہ پہلے بتایا گیا ہے ، ٹیکسٹک کان کنی کا فائدہ اٹھانا مارکیٹر کو صرف مدمقابل کی ویب سائٹ پر رینگ کر مسابقتی تجزیہ انجام دینے میں مدد فراہم کرتا ہے۔ بڑے اعداد و شمار کے ڈومین میں یہ سادہ فعل اس کے بارے میں ایک مستحکم نظریہ دے سکتا ہے کہ مقابلہ کرنے والا کیا کررہا ہے اور مارکیٹ میں ان کے پاس کون سے پروڈکٹس ہیں ، اس طرح وہ مارکیٹر دے گا جس نے بڑے اعداد و شمار کو قبول کیا۔
تخلیقیوں کو مسلح کرنا
مثال کے طور پر ایک سوشل میڈیا اسٹریٹجک سوشل میڈیا پلیٹ فارمس میں اپنی تنظیم کے برانڈ تاثر کے بارے میں جاننا چاہتا ہے ، تب شاید آر اینڈ ہڈوپ میں جذبات کے تجزیے میں مشغول ہوکر اس مقصد کو حاصل کرنے میں مدد ملے گی۔ اسی طرح ، بگ ڈیٹا ٹولز کا استعمال مختلف سرگرمیوں جیسے قیمتوں کا تعین ، مصنوعات کی پوزیشننگ وغیرہ میں مارکیٹنگ میں مدد کرتا ہے۔
ایک اور مثال کسی ریٹیل آؤٹ لیٹ میں مارکیٹنگ منیجر ہوسکتی ہے جس کی فروخت زیادہ سے زیادہ فروخت ہوتی ہو۔ ہر شخص والمارٹ کی مثال جانتا ہو گا جو لاکھوں صارفین کے ڈیٹا کے وقفے سے ایک وقفے کے دوران لاکھوں صارفین کے ڈیٹا کی بازیافت کرکے ماضی کے گاہکوں کی خریداری کی تاریخ پر مبنی گھاisے میں بیئر اور دودھ کے ساتھ شانہ بہ حیثیت رکھتا تھا!
تفریح حقیقت: کیا آپ جانتے ہیں کہ جنرل موٹرز ہر سال 2 بلین ڈالر کے سالانہ مارکیٹنگ کے بجٹ کے ساتھ بگ ڈیٹا اینالٹکس کا استعمال کرتے ہیں تاکہ کسٹمر کے تفصیلی پروفائل بنائیں اور مقامی اعداد و شمار کے تجزیات کو تفصیلی ڈیموگرافکس / کسٹمر کی معلومات کے ساتھ مل سکے۔
کمپنیاں کیوں بگ ڈیٹا پلیٹ فارمز میں منتقل ہو رہی ہیں
عام طور پر ، جو تنظیمیں پرانے میراثی نظام کو استعمال کرتی ہیں ان میں ڈیٹا بہت سے سسٹم میں پھیل جاتا ہے۔ مختلف مقامات پر اعداد و شمار کے پھیلاؤ کی وجہ سے ، اعداد و شمار کے تجزیہ کی درستگی کے ساتھ پروسیسنگ کی رفتار بھی کم ہوتی جاتی ہے۔ اس میں انٹرپرائز کے اعداد و شمار کے مرکز میں اعداد و شمار کو مستحکم کرنے کا مطالبہ کیا گیا ہے جس سے اعداد و شمار کی تیز رفتار رسائی پیدا ہوتی ہے جس کے نتیجے میں گہرے تجزیات ہوتے ہیں۔ کسی بھی تنظیم میں محکمہ آئی ٹی کا ایک اہم مقصد یہ ہے کہ درخواست پر تنظیم کے تمام محکموں کو تیزی سے درست اعداد و شمار مہیا کرنا ہے۔
اعداد و شمار جمع کرنے کے ساتھ ، گہرائی سے تجزیہ کرنے اور بنیادی طور پر کاروباری فیصلے کرنے میں مدد کے لئے غیر منظم ، تشکیل شدہ اور نیم ساختہ اعداد و شمار کے ذرائع کو ایک پلیٹ فارم پر متحد کرنا ضروری ہے۔ ہڈوپ کی یہ خصوصیت تنظیم کے اندر زیادہ سے زیادہ لوگوں کو ٹیبل پر لاتی ہے کیونکہ وہاں ایسے ملازمین موجود ہیں جو روز مرہ کی کاروائیوں میں مختلف ٹچ پوائنٹس پر ڈیٹا سے بات چیت کرتے ہیں۔ نیز ، روایتی ای ٹی ایل اور بیچ کے عمل میں کافی وقت لگ سکتا ہے ، جبکہ ہڈوپ اپنی اعلی حجم بیچ پروسیسنگ کے ساتھ اس کی رفتار 10 گنا تک بڑھاتا ہے۔
ہڈوپ کی اہمیت کا لازمی طور پر مطلب یہ نہیں ہے کہ کسی بھی تنظیم کے اندر موجود ہر ملازم کو بگ ڈیٹا پلیٹ فارم میں تربیت دینے کی ضرورت ہے جو زیادہ تر معاملات میں ممکن نہیں ہے۔ لیکن یہ ایک سی ٹی او کے لئے حکمت عملی سے فائدہ مند ہوگا کہ وہ ان پیشہ ور افراد کی شناخت کریں اور ان کی تربیت کریں جو اعداد و شمار کے ساتھ مستقل رابطے میں ہیں۔
مشہور ہڈوپ پلیٹ فارم کے ذریعے اسٹوریج ، پروسیسنگ ، اعداد و شمار کی بازیافت کا احاطہ کرنے سے ، ایک اور اہم واقعہ جو قدرتی پیشرفت کا ایک حصہ ہے بگ ڈیٹا تجزیات ہے۔ اسے آسان بنانے کے ل organizations ، تنظیموں کو مختلف تنظیموں کے اندر متعدد پیشہ ور افراد سے متعدد نقطہ نظر کی ضرورت ہوتی ہے۔
نمبر ‘6’ کو میز کے دوسری طرف سے نمبر 9 9 کے طور پر دیکھا جاسکتا ہے۔ دوسرے الفاظ میں ، اعداد و شمار کے مشاہدے سے اخذ کرنا شخص سے دوسرے شخص میں مختلف ہوتا ہے۔
تنظیمیں اس کو جانتی ہیں اور اکثر اسی طرح کے پلیٹ فارم میں ملازمین کی تربیت میں مشغول رہتی ہیں تاکہ مختلف محکموں کے افراد باہم مربوط ہو اسی سرگرمی سے گفتگو کریں ، مشغول ہوں اور صحیح فیصلہ سازی کے ل ins بصیرت کا اشتراک کریں۔ لہذا ، میں یقین کرتا ہوں کہ بگ ڈیٹا ٹریننگ کی وضاحت ہر موقع کے طور پر ہر ملازم کو ایک ہی صفحے پر رکھنے اور تنظیموں کو اگلے درجے تک لے جانے کی وضاحت کرنا محفوظ ہوگا!
ہمارے لئے ایک سوال ہے؟ تبصرے کے سیکشن میں ان کا تذکرہ کریں اور ہم آپ کو واپس ملیں گے۔
متعلقہ اشاعت: