Análisis

Análisis de datos de varias fuentes: claves para conocimientos valiosos

single-image


Blog

Los registros simples ya no son suficientes. Para obtener información realmente significativa, necesita obtener datos de varias fuentes. Cuanto más complejos y diversos sean sus conjuntos de datos, más sorprendentes y efectivos serán los conocimientos que brindan. Las fuentes de datos adicionales aumentan sus posibilidades de informar las medidas y, por lo tanto, promueven el crecimiento de las ventas y los beneficios.

¿Cómo funciona en la vida real? Siga leyendo para descubrir cómo Measuremen optimiza la utilización del espacio de trabajo, Skullcandy minimiza las devoluciones de productos y Air Canada mejora la seguridad de las aerolíneas.

Flexibilidad en la nube: opciones de alojamiento

Medidores: Optimización del uso de instalaciones con datos de una variedad de fuentes.

Cuando Vincent le Noble, director ejecutivo de Measuremen, fundó la empresa en 2005, quería ayudar a los clientes a aprovechar al máximo sus espacios de trabajo. Basándose en su experiencia en administración de instalaciones, observó cuidadosamente cómo las organizaciones usaban escritorios, sillas, salas de reuniones y comodidades. Inicialmente, Measuremen observó y registró los datos de uso y comenzó a registrar los tipos de actividades que eran posibles en cada sala (por ejemplo, colaboración, trabajo individual y trabajo altamente concentrado).

Desde esos primeros días, Measuremen ha ampliado sus fuentes de datos. Se utiliza una aplicación móvil para recopilar información detallada sobre cómo se utiliza cada componente o sala de reuniones. La aplicación no solo documenta los datos de uso, sino que también permite a los usuarios agregar entradas subjetivas, como preferencias personales. Según Vincent, Measuremen puede hacer preguntas a los clientes como: qué hizo que los usuarios vinieran a la oficina, cómo prevén el futuro de sus departamentos, si crecerán, si se reducirán y qué tipo de actividades realizarán.

En los últimos dos años, Measuremen ha agregado sensores basados ​​en la ubicación que registran datos de manera más consistente y en tiempo real. El resultado de las diversas entradas (autoinforme, registros basados ​​en aplicaciones, sensores estáticos y otras fuentes de datos) permite a los usuarios evaluar mucho más que áreas de escritorio no utilizadas o salas de reuniones infrautilizadas. Esto puede brindar a las empresas una mejor comprensión de cómo los empleados experimentan el lugar de trabajo y permitirles adaptar sus recursos para satisfacer mejor las necesidades de los empleados. Esto permite a las empresas abordar de manera proactiva problemas desafiantes como la productividad, la retención y la calidad de vida laboral de los empleados. Y Measuremen apenas ha terminado.

«Hemos estado profundizando nuestro análisis con Sisense durante los últimos cuatro años», dijo Vincent. “Todos los flujos de datos juntos … nos brindan la información y el poder de toma de decisiones que ayudan a los usuarios a mejorar los trabajos y la vida laboral de los empleados. Y este viaje continúa. »

Skullcandy: escucha el mercado

Los conjuntos de datos que recopila, la forma en que los combina y la información que obtiene de ellos dependen de su industria, las realidades de su negocio y su imaginación. La marca de audio personal Skullcandy tenía un enorme conjunto de datos y un gran desafío: con el análisis, puede examinar las devoluciones y revisar los datos para tomar decisiones futuras sobre productos.

El aprendizaje automático y el modelado predictivo permitieron a la empresa utilizar información histórica compleja sobre reclamos y costos de garantía, atributos de productos nuevos y pasados, y datos de pronóstico para crear un modelo de datos predictivos de costos de garantía futuros. La información no solo ayudará a Skullcandy a asignar recursos para el cumplimiento futuro de la garantía, sino que también puede conducir a mejoras en el diseño.

La metodología de Skullcandy incluyó profundizar en el análisis de sentimientos, que surgió de las revisiones en línea y otros comentarios de los clientes, que condujeron a revelaciones emocionantes. Por ejemplo, si los comentarios de los clientes se centran en un defecto específico, Skullcandy puede identificar el problema, investigar el impacto futuro de las reclamaciones de garantía y encargar a sus ingenieros que realicen cambios de diseño para evitar estas devoluciones. Skullcandy también está explorando formas de utilizar flujos de datos dispares para tomar decisiones que mejoren las relaciones con los clientes, la educación del cliente y los ecosistemas de comercio electrónico.

Air Canada: Llevando los datos a nuevas alturas

El valor de fuentes de datos grandes y diversas también es evidente en el tráfico aéreo. Air Canada utiliza Sisense para recopilar y traducir una amplia variedad de datos de seguridad, calidad, medio ambiente y seguridad. Shaul Shalev, gerente de análisis e innovación de seguridad, dijo: “Recopilamos cientos de cantidades de datos … pero si no tiene una forma clara de dividirlos y presentarlos a los usuarios, no es realmente útil. Con una herramienta como Sisense, el juego cambia en general. »

La capacidad de recopilar datos y hacerlos útiles permite a Air Canada identificar conocimientos clave y extraer información procesable para que los trabajadores de primera línea puedan actuar en tiempo real. Con una mentalidad más progresista, la IA puede utilizar los datos para predecir la falla de un componente para que Air Canada pueda reemplazar las piezas antes de que dejen de funcionar.

Busque diferentes conjuntos de datos para transformar su negocio

El poder de fuentes de datos grandes y diversas no se limita a un segmento de la economía. Aquí hay algunas historias más de empresas que han tenido éxito con conjuntos de datos grandes y complejos:

Como puede ver, el uso de diferentes conjuntos de datos para generar conocimientos innovadores abarca industrias. Para llevar, use la red más amplia que pueda y todos los datos que pueda tener en sus manos. Los beneficios que obtiene al reunir estos datos pueden ayudarlo a impulsar cambios revolucionarios en su empresa y ayudarlo a crecer en un mundo empresarial turbulento.

Adam Luba es un ingeniero de análisis en Sisense que ha trabajado en datos y análisis durante casi cinco años. Le apasiona permitir decisiones empresariales basadas en datos y le encanta trabajar con datos a lo largo de su ciclo de vida.

También te gustará