چگونه داده های بزرگ می توانند به کار هوشمندانه تر کمک کنند، نه سخت تر

ترجمه شده , مقالات
شهریور ۲۴, ۱۳۹۶
بازدید : 244 بازدید

چگونه داده های بزرگ می توانند به کار هوشمندانه تر کمک کنند، نه سخت تر

در این مقاله به چگونه داده های بزرگ می توانند به کار هوشمندانه تر کمک کنند، نه سخت تر می پردازیم

در این مقاله به ترجمه مقاله ای با عنوان How Big Data Can Finally Help You Work Smarter, Not Harder می پردازیم

داده های بزرگ مربوط به دنیای تجارت همیشه در حال تغییر هستند.

درحالیکه این موضوع چیز جدیدی نیست، پتانسیل کاملش بخوبی قابل درک بوده و شرکت های سراسر دنیا به دنبال راه هایی برای سازگاری با مدل جدید هستند.

پیشرفت تکنولوژی به تجارت توانایی تقسیم بندی و تعیین مقدار هر تقابل، معامله، و یا نقاط جمع شدن جزئیات میکروسکوپی را داده است.

ماهیت عرضه و تقاضا برمبنای کارایی های بیشتر و مسیرهای بهینه تر برای خرید و فروش و انجام کار است.

این عملکرد تجاریست که شامل یافتن، کسب کردن، خرید کالاها و خدمات از یک منبع خارجی و اغلب از طریق فرایند مزایده می گردد.

با این ترتیب،

در اینجا به نحوه ی خرید و فروش و توانایی سازمان های موثر در فروش محصولاتشان با توجه به پیشرفت تقاضا میپردازیم:

 

1)اجازه دهیم که داده ها در تصمیم گیریمان نقش داشته باشند

تصمیم گیری پیش از داشتن داده ها برمبنای احساسات و عواطف است.

درنتیجه منطق این انتخابها درست نبود.

امروز تقریباً تمام تصمیم گیری ها به پشتوانه ی عدد و ارقام انجام می شود.

مدیران می توانند قضاوت های آکادمیک بکنند و با نتایج اثبات شده از گذشته تا حال حرکت نمایند.

در اقدامات جهانی، متخصصان می توانند از اشکال معتبر تحلیل پیشگویانه برای محاسبه ی تقاضا استفاده کنند تا منابع مناسبی را طبق نیازشان داشته باشند.

در صورت استفاده ی صحیح، روش های حاصل از داده ها از اتلاف وقت و منابع جلوگیری می کنند تا هر دلار به بهترین منظور هزینه گردد.

مدل های تحلیل پیشگویانه برای نمایش انواع داده ها در رفتار قبلی عالی بوده و به تصمیم گیری مطلعانه (با اطلاعات) کمک می کنند.

این مقاله هم مفید است
5 روش برای مذاکره با طلبکاران

مدیران می توانند نقشه های دقیقی بسازند و راهنمایی در جهت درست باشند که تمام سنجش های ضروری را در زمان واقعی و با تست های A/B برای نقاط لمس دیجیتالی و برای تقابل با مشتری انجام داده اند.

 

چگونه داده های بزرگ می توانند به کار هوشمندانه تر کمک کنند، نه سخت تر

 

2)هزینه هایمان را زیر میکروسکوپ بگذاریم

هر سازمان برای آنالیز و تحلیلش به نوعی داده ها را صرف می کند.

صرف کردن مربوط به هزینه های کاربردی برای یک عملکرد تجاری مثل برنامه ریزی و تعیین بودجه،

صورت فهرست مدیریت، ساخت محصول و انطباق ها می شود.

برای تجارت بزرگ و جهانی، این داده ها می توانند میلیون ها معامله را جوش دهند.

و آنالیز آنها می تواند به مدیریت در تعیین الگوهای صرف شدن طبق دسته بندی، فروشنده، منطقه و غیره کمک کند.

بعلاوه می تواند فرصت هایی را برای صرفه جویی و ارزش آفرینی بیشتر بوجود آورد.

داده های تحلیلی می توانند به مدیران در تحلیل حجم های بزرگتر داده ها و کارایی و دقت بیشترشان کمک نمایند.

اگرچه بسیاری از تجارت ها از ابزار و نرم افزارهای مختلف برای تعیین منابع و فرایندهای اجرایی استفاده می کنند،

به این علت منبع تکی از داده ها وجود ندارد.

متاسفانه، این امر به آسانی منجر به سردرگمی و قطع ارتباط با یک تصویر بزرگ می گردد.

به این دلیل، ضروریست که روی تکنولوژی های غیر یکسان سرمایه گذاری کنیم.

برای مثال، SMART by GEP یک سکوست که تمام منابع و فرایندها را با هم ادغام می کند

و به تحلیل موثر داده های تجاری کمک نموده و روش هایی برای زمان واقعی درباره ی هزینه و صرفه جویی می سازد.

درحالیکه آنالیز هر سنجش در ارتباط با انطباق تقسیم بندی، هوش قرارداد، تعیین منابع، تست میدانی و غیره است،

مدیران می توانند فرصت های شگفت انگیزی را برای صرفه جویی در منابع کشف کنند.

در پایان روز، هر راهکار تجاری باید بازگشت مالی هر تصمیم گیری را در نظر بگیرد.

این مقاله هم مفید است
تفسیر حرکت ها و موقعیت های پا در حالت ایستاده

بهترین راه برای حفظ ارقام در سطح سالم برای نمایش میزان صرف شده اش روش نیکل و سکه است.

 

مقاله زبان بدن را مشاهده کنید

 

3)فروشنگانمان را دوست داشته باشیم، اما در این دوست داشتن زیاده روی نکنیم

عصر مشتری اینجاست و در حال انفجار است.

امروزه بسیاری از مشتریان از تجارت انتظار دارند که تمام نیازهای روزانه شان را بی استثنا رفع کند.

هنگام سروکار داشتن با داده های بزرگ، سازنده و مشتری هر دو سود می برند.

برای مثال،

سازنده می تواند به روش های ارزشمندی میتنی بر داده ها برای اختصاص دقیق تر منابع

و فرموله کردن بهتر راهکارهای پشتیبانی دست یابد.

برنامه های حال حاضر مدیریت برمبنای یادگیری ماشینی می تواند به سازنده سفارش بدهد

و یا مواد خام را در مقدار بهینه و در زمان درست ارائه نماید.

این امر، نیاز به مذاکره و دنبال کردن فروشندگان و سازندگان را در هر زمانی که به محصول نیاز داریم، رفع می کند.

در روزگار قدیم، روابط مشتریان برای تیم بازاریابی و فروش مثل زندگی و خون بود.

امروزه به کمک داده های بزرگ، این حوزه ها با تحقیق دستی برای رسیدن به نتایج موثرتر مشتری انجام نمی شوند.

 

مقاله مذاکره را مشاهده کنید

 

در یک جمله،

داده های بزرگ ایده ی کلی مدیریت روابط حرفه ای را بطور آسان تر و با خطای کمتر

بعنوان ابزاری برای کسب دقت بالاتر انجام می دهند.

با نگاه به اثر تغییرات در عرضه و تقاضای تجارت، آنالیز نتایج داده ها نه تنها اجرای فرایندها را راحت تر می کنند،

بلکه باعث پس انداز پولی طولانی مدت هم می گردند.

واضح است که عملکرد متداول، هوشمندتر کار کردن است، نه سخت تر کار کردن.

در این مقاله به چگونه داده های بزرگ می توانند به کار هوشمندانه تر کمک کنند، نه سخت تر پرداختیم.

Like
امتیاز :
بدون رای!
علی بهرام پور من علی بهرام پور، نویسنده، مدرس و مربی اصول و فنون مذاکره هستم و قصد دارم در این وبسایت مطالب کاربردی و مورد نیاز را که در سالیان فعالیتم در بلاروس و ترکیه و ایران عزیز بدست آوردم را به اشتراک بگذارم.
به کانال تلگرام آموزش اصول و فنون مذاکره و زبان بدن بپیوندید کانال تلگرام
دیدگاهتان را بنویسید

بهزاد بهرام پور جمعه , ۲۴ شهریور ۱۳۹۶ پاسخ

بسیار خوب

فاطمه نظیری جمعه , ۲۴ شهریور ۱۳۹۶ پاسخ

خیلی مفید وکاربردی ممنون استاد