Big Data en acción: definición, valor, beneficios, contexto

Prosperar la planificación de la fuerza de trabajo

el big data en RRHH pueden ayudar a organizar los diferentes géneros de datos que las empresas tienen sobre los empleados para que puedan ser usados con eficacia. el big data con el Procesamiento de Lenguaje Natural pueden ayudar a examinar la retroalimentación, las revisiones de proyectos y los datos de perfiles de talentos generalmente para edificar perfiles de habilidades de los empleados dentro de la organización en tiempo prácticamente real, que pueden ser empleados como una herramienta para la planificación de la fuerza de trabajo, dice Srikant Chellappa de Engagedly a Forbes.

Van Vulpen apunta que Natural Language Processing asimismo puede analizar las revisiones del desempeño empresarial para crear perfiles de competencias de los empleados o producir automáticamente puntuaciones de rendimiento tanto para los empleados para los directivos.



Optimizar el reclutamiento y la retención

El reclutamiento de empleados de calidad es un proceso costoso y que requiere un buen tiempo, por lo que los departamentos de recursos humanos están motivados para localizar personas que se queden y animar a los empleados actuales a no irse. el big data pueden asistir de múltiples formas.

Cuando se aplican a la contratación, los empleadores pueden emplear big data para pronosticar mejor las necesidades de contratación, mientras que mejoran la calidad de la misma y la retención de los empleados, afirma John Feldmann de Insperity a Forbes. Al extraer los datos de los empleados y también identificar los patrones relacionados con las habilidades, las calificaciones de desempeño, la permanencia, la educación, los roles pasados, etc., las empresas pueden reducir su tiempo de contratación, mejorar el compromiso y la productividad de los empleados y minimizar la rotación de personal.

En lo que se refiere a la retención, con la ayuda de la tecnología de big data, los algoritmos pueden señalar a los empleados que corren el peligro de irse interpretando su actividad online, las actualizaciones de sus perfiles, su historial de empleo, su rendimiento laboral y sus datos de nómina, escribe Vikash Kumar para AIIM -- La Asociación para la Gestión Inteligente de la Información. Cuando el sistema apunta a un empleado muy valioso, tienes la oportunidad de retenerlo ofreciéndole un aumento salarial, un papel más desafiante o bien más entrenamiento (y desarrollo).

Para el reclutamiento, Kumar añade, Los modelos de análisis de RRHH pueden utilizar los registros de los empleados triunfantes para construir un perfil de alto rendimiento. Lo que se consigue es una herramienta de busca de talentos que puede enviar mensajes personalizados al talento conveniente.


El Big data puede batallar para proporcionar análisis en tiempo real

Trabajo en un estudio de mercado de los integradores de sistemas (SI) que implementan sistemas de gestión de almacenes (WMS). Tenía la sensación de que los proveedores de software escriben el software, y o bien los SI o/y la empresa de software incorporan el software. No es tan fácil. A veces los integradores de sistemas escriben software que complementa las soluciones WMS que implementan. Estas SI han aprendido las debilidades de varios sistemas y han escrito aplicaciones complementarias para cerrar las brechas.

Un ejemplo viene de un integrador de sistemas llamado Longbow Advantage. Ellos crearon un producto llamado Rebus diseñado para progresar el reporte en tiempo real de las soluciones WMS.

Charlé con un directivo de la cadena de suministro de una empresa de fabricación que había incorporado Rebus. Este director me dijo que habían sustituido una solución WMS de una empresa ERP con una de las mejores soluciones de la raza. El director me dijo: Conseguimos toda la funcionalidad que esperábamos. Había toneladas de funcionalidad - cosas como el intercalado de labores y el soporte para el crossdocking. Mas teníamos una brecha en la visibilidad del trabajo que se estaba haciendo. El informe en tiempo real del trabajo era más enclenque de lo esperado.

Las soluciones WMS son sistemas de Big Data con bases de datos de producción. La base de datos de producción se hace cargo de dar labores a los trabajadores del almacén y de proseguir la realización de esas tareas. Toda la lógica de optimización asimismo interacciona con la base de datos de producción. Los trabajadores del almacén utilizan pistolas de radiofrecuencia para cerciorarse de que están recogiendo de las ranuras adecuadas, para apuntar al sistema que han completado una labor y para obtener sus próximas asignaciones. Al acceder a la base de datos de producción, las pistolas RF se ralentizan hasta un grado inadmisible, tal vez varios segundos para obtener una tarea. Esto es una eternidad en un almacén muy concurrido.

Conque en lugar de obtener análisis detallados, y proteger la base de datos de producción de WMS, se golpea un archivo, lo que significa que los análisis son, en el mejor caso, de varias horas de antigüedad. Según Alex Wakefield, el CEO de Longbow Advantage, las soluciones basadas en la nube no mejoran las cosas. Las empresas de software siempre pueden poner más potencia de computación en un inconveniente, pero más servidores no ayudarán a los clientes del servicio a acceder a sus datos de manera más eficiente. Eso es un inconveniente de estructura de la base de datos.

La solución de Rebus utiliza una base de datos de documentos - una base de datos NoSQL de Mongo. Esta tecnología permite que los grandes conjuntos de datos sean accedidos y analizados considerablemente más rápidamente. Las transacciones creadas en el WMS asimismo fluyen en la solución Rebus. La compañía manufacturera con la que hablé afirmó que pueden obtener análisis que se fundamentan en transacciones que están a menos de cinco minutos de lo que ocurre en el piso del almacén. En los sesenta días de la contratación, estos análisis de tiempo próximo se hicieron completamente libres. Mas aun en los primeros 30 días estábamos recibiendo contenido, afirmó el director. Longbow descubre más Advantage comprendió las estructuras de datos que hicieron que esto fuera más parecido a una implementación de una solución off the shelf que a un proyecto de análisis adaptado.

Ahora este fabricante puede hacer preguntas como ¿Cuántos camiones están en el patio y listos para ser descargados? Los gerentes pueden monitorear todo el trabajo de salida que debe acontecer a lo largo del día y ver cómo avanza el día. Por poner un ejemplo, ¿se hacen los pedidos de salida que deben hacerse para un envío de siete am? Hora por hora, se pueden monitorear las estadísticas de los objetivos de recolección y empleo de AGV. Si el almacén se está quedando atrás, el gerente puede pesquisar en los datos y entender lo que está ocurriendo y lo que se podría hacer para regresar a la normalidad. Si el almacén se está moviendo ya antes de lo previsto, el gerente puede pedir voluntarios que quieran regresar a casa temprano. Esta operación tiene pantallas de TV que muestran los análisis en tiempo real, con lo que no sólo los gerentes tienen acceso a lo que está sucediendo. En última instancia, según este director de logística, esta solución nos deja y responde a el interrogante '¿Estoy adelante o bien atrás? ¿Gano o bien perdiendo el día?

El director de la cadena de suministro terminó diciendo, asimismo estamos aprovechando a Rebus para archivar nuestros datos WMS. Esto nos deja conseguir análisis de los datos históricos en segundos. Esto ha sido exageradamente útil para rastrear el movimiento de productos dentro y fuera de nuestra red. Similar a nuestros datos WMS en vivo, Rebus es una parada para comprar datos archivados en todos nuestros sitios.

Certificaciones en ciencias de la información para prosperar tu currículum y tu sueldo.

A fines de agosto, Glassdoor tenía más de cincuenta y tres ofertas de empleo que mencionaban el aprendizaje automático (ML) y 20.000 trabajos que incluían la ciencia de los datos con salarios que iban de cincuenta a más de 180.000 dólares americanos. Poco a poco más empresas hacen del análisis de datos y del aprendizaje automático un elemento central del desarrollo de nuevos productos y de las ocasiones de ingresos futuros.

Las grandes empresas de tecnología, así como las organizaciones tecnológicas independientes, ofrecen programas de capacitación para personas que son nuevas en la ciencia de los datos, así para profesionales que quieren dominar la tecnología más reciente. Cada programa de esta lista de los mejores cursos on line para la ciencia de los datos ampliará su experiencia y agregará un valioso elemento de línea en forma de certificación de ciencia de los datos a su currículo.


Analítica certificada Certificación profesional

Este programa, que es neutral en lo que se refiere a los proveedores, está dirigido a profesionales de la analítica en la primera fase o intermedia de sus carreras. Los solicitantes precisan una licenciatura y 5 años de experiencia profesional o una maestría con 3 años de experiencia laboral. Todos los candidatos al examen firman un código de ética y deben presentar una referencia de un empleador para confirmar las habilidades sociales.

El examen se fundamenta en el análisis de tareas del trabajo y cubre 7 áreas:

El problema de la enmarcación de los negocios
El análisis de los problemas de enmarcado
Data
Selección de la metodología
Construcción de modelos
Despliegue
Gestión del ciclo de vida

Hay 100 preguntas de opción múltiple en el examen. El costo base de la certificación CAP es de seiscientos noventa y cinco dólares estadounidenses o bien 495 dólares americanos para los miembros del Instituto de Investigación de Operaciones y Ciencias de la Administración (INFORMS). INFORMS ofrece una clase de preparación para el examen.

Una nueva versión del examen va a ser lanzada el 1 de enero de dos mil veintiuno y puede ser tomada on-line.



Certificación en Inteligencia de Negocios de Oracle

Esta formación va a preparar a las personas para emplear el software de Oracle para optimizar las operaciones comerciales y crear informes, modelos y previsiones. Oracle ofrece formación en inteligencia empresarial en 4 categorías:

BI Enterprise Edition - aprenda a edificar y regentar cuadros de mando
Essbase - aprenda a utilizar el procesamiento metódico on-line para pronósticos y análisis
BI Publisher - aprende a crear y entregar informes y otros documentos
Aplicaciones de BI - aprenda a instalar, configurar y personalizar las aplicaciones de BI de Oracle y el almacén de inteligencia de negocios de Oracle

Las certificaciones están disponibles para los dos primeros programas de entrenamiento.

El programa de certificado de desarrollo de TensorFlow

Los desarrolladores que aprueben el examen pueden unirse a la Red de Certificados de TensorFlow. Este manual cubre los criterios para tomar el examen, incluyendo una lista de verificación de habilidades, elegibilidad y recursos permitidos durante el examen.

Para aprobar el examen, los examinandos deben entender:

Los principios fundamentales del ML y el aprendizaje profundo
Construyendo modelos de ML en TensorFlow 2.x
Edificando reconocimiento de imágenes, detección de objetos, algoritmos de reconocimiento de texto con redes neuronales profundas y redes neuronales convolucionales
Utilizando imágenes del mundo real de diferentes formas y tamaños para visualizar el viaje de una imagen a través de las convoluciones para entender
de qué forma una computadora ve la información, la pérdida de la trama y la precisión
Explorando estrategias para prevenir el exceso de equipamiento, incluyendo el aumento y los abandonos
Aplicando redes neuronales para resolver inconvenientes de procesamiento de lenguaje natural utilizando TensorFlow

Si estos temas son nuevos para ti, echa una ojeada al DeepLearning.ai TensorFlow in Practice Specialization on Coursera o bien al curso de Introducción al TensorFlow for Deep Learning sobre Udacity.

El examen cuesta 100 dólares estadounidenses.