Vous avez probablement entendu parler du Big Data utilisé pour déterminer ce que vous aimez acheter, lire et suivre. Ce à quoi vous n'avez probablement pas pensé, c'est comment votre entreprise pourrait l'utiliser pour libérer votre productivité.
Mais Alexander Vorobiev, conseiller en analyse avancée chez TransUnion, l’a fait. Il est un as de tout ce qui concerne les grandes données. Et, bien que son rôle soit principalement de déterminer l’impact des mégadonnées sur les services financiers, il sait que les applications pour les mégadonnées sont infinies. Une telle chose? Déterminer comment les entreprises peuvent utiliser des méthodes analytiques pour augmenter leur productivité et obtenir de meilleurs résultats.
Cela vous intrigue? Lisez la suite pour savoir comment c'est fait:
Trouvez votre hypothèse
D'abord, vous avez besoin d'une théorie à tester. "Créer un programme de bien-être au travail augmentera la productivité" pourrait en être un. "Permettre aux employés de travailler à domicile aidera à augmenter les ventes" pourrait en être un autre.
En tant que chef de département ou décideur, vous avez peut-être un instinct de base sur la meilleure façon de travailler pour vos employés. Peut-être est-ce que les employés qui arrivent une heure plus tard prennent moins de pauses pendant la journée, ou si les employés utilisent leur heure de dîner pour faire de l'exercice, ils ont tendance à ne pas se laisser aller à la période de ralentissement de 15 heures. Quelle que soit l'hypothèse, c'est votre hypothèse à tester.
Rassembler les bonnes données
On peut dire que l’une des étapes les plus critiques de l’utilisation du Big Data. Toutes les analyses du monde ne seront d'aucune utilité si vous ne mesurez pas les bonnes choses. Prenons l'hypothèse «travailler à domicile améliore la productivité». Quelques points de données potentiels à mesurer ici pourraient inclure le nombre d'employés de télétravail, le nombre de jours travaillés à domicile et les examens des superviseurs à la fin de la période estimée.
Vorobiev recommande aux entreprises de faire appel à des ingénieurs spécialisés dans les données ou à des consultants externes pour analyser les tendances des lieux de travail et d’autres domaines dans lesquels le big data sera certainement utile. Ces scientifiques peuvent non seulement analyser les résultats finaux, mais aussi suggérer les paramètres corrects à mesurer.
Mettre en place un échantillon à étudier
Les entreprises peuvent recruter des employés pour des études en se balançant dans une carotte (une adhésion gratuite au gymnase pendant un an est une bonne chose) bien qu'il faille faire attention aux échantillons biaisés (les personnes qui s'inscrivent dans un club de lecture, par exemple, peuvent déjà être des lire).
Mais le recrutement peut se faire autrement. Vorobiev fait référence à une étude réalisée sur le lieu de travail par Bank of America, dans laquelle les employés portaient des badges d'identification munis d'étiquettes RFID et leurs interactions mutuelles, et mesuraient ensuite la productivité.
Cependant, Vorobiev admet que la vie privée est un obstacle légitime. Mais il existe des moyens de masquer les informations relatives aux employés, de sorte que les analystes ne se concentrent que sur les grandes tendances. Les réponses par bulles anonymes ou les enquêtes en ligne constituent un moyen rapide et facile de rechercher des modèles sans nommer de noms.
Une fois que vous avez déterminé qui étudier, les sondages en ligne constituent un moyen rapide de recueillir les données nécessaires.
Enfin, analysez!
Maintenant que vous avez les résultats, Big Data peut les analyser et rechercher les tendances. Il est important de se rappeler que l’analyse de données volumineuses est simplement une étude de données régulière sur les stéroïdes. En tant qu'employé ou propriétaire de l'entreprise, vous pouvez toujours effectuer une analyse des données. Mais les mégadonnées traitent les informations provenant d’un certain nombre de sources et de nombreuses façons différentes de manière plus efficace et rapide.
Ne vous perdez pas dans la paralysie de l'analyse. Vorobiev a déclaré: «Vous pouvez sur-concevoir tout ce que vous voulez, il existe un dicton bien connu sur les statistiques qui dit qu'avec suffisamment de pression, les données admettent tout. Il serait peut-être judicieux d'arrêter l'analyse dès que vous obtenez x nombres d'entrées ou de résultats. et ensuite voir ce que les données vous disent. "
L’effet de lampadaire - où une personne qui a perdu ses clés ne regarde que sous la lumière parce que c’est là où il est le plus facile de le faire - est une préoccupation légitime en matière d’analyse de données volumineuses. Rappelez-vous que les tendances les plus surprenantes ne sont peut-être pas celles que vous envisagez en premier.
Selon Vorobiev: «Il y a tellement d'aspects mesurables de notre vie professionnelle qui sont facilement négligés et qui, s'ils étaient étudiés, pourraient produire des résultats inattendus. Et si l’un d’eux pouvait créer un environnement plus harmonieux et productif, cela valait la peine d’être essayé. "
