کلان داده

وبگاه مشاوران مدیریتی، تجاری و فنی کلان داده

کلان داده

وبگاه مشاوران مدیریتی، تجاری و فنی کلان داده

کلان داده
دنبال کنندگان ۱ نفر
این وبلاگ را دنبال کنید
نویسندگان
آخرین نظرات

۷ مطلب در دی ۱۳۹۳ ثبت شده است

 

 شبکه های اجتماعی چندی است که بسیار فراگیر در بین عموم جامعه، از فضاهای خصوصی گرفته تا بخش های عمومی اجتماع، رسوخ کرده اند. به تازگی مدیر عامل توییتر اعلام کرده است که این محصول در حال جایگزینی رسانه های خبری است. شبکه های اجتماعی بسیار به روز و در تعامل با بدنه اصلی جامعه هستند. کانال توزیعی که به هیچ عنوان در دنیای قبل از این رسانه ها وجود نداشت.

حال که این شبکه توزیع رایگان در اختیار شرکت ها قرار گرفته است، صاحبین این جوامع مجازی در راستای بهره وری هرچه بیشتر از این رسانه ها در حهت تامین منافعشان تلاش می کنند. پیش از این همیشه صحبت از لو رفتن اطلاعات خصوصی اشخاص در فضاهایی مانند فیس بوک بوده است. ولی با تحولات کلان داده بسیار می توان پا را فراتر گذاشت و به اطلاعات جمعی اشخاص و جوامع که خودشان نیز دسترسی ندارند، رسید. به عبارتی علاوه بر رد و بدل شدن اطلاعات، بخشی از هویت جوامع نیز در حال شکل گرفتن است و این فرهنگ را می توان به تمامی بخش های اجتماع تسری داد.

فیس بوک اعلام کرده است برای هر کاربر به صورت متوسط در هر روز 1500 مطلب جدید از دوستان و مطالب مورد علاقه، برای مشاهده دارد. ولی اکثر کاربران وقت کافی برای مرور این همه مطلب ندارند. لذا با هوشمندی فیس بوک وارد کار می شود. با فیلتر کردن مطالب دلخواه افراد و نشان دادن مطالبی که میخواهد از بین مطالب جدید هر شخص، می تواند به عنوان شبکه ای برای جهت دهی افکار و تبلیغات هوشمند عمل کند. کلان داده این امکان را فراهم ساخته است که فیس بوک علایق اشخاص را با توجه به مطالبی که به عنوان دلخواه انتخاب می کنند و مطالبی که منتشر می کنند، استخراج کند. در نتیجه دریایی از اطلاعات مفید برای یافتن مشتریان هدف شرکت ها در دسترس دارد.[4]

شبکه های اجتماعی هر یک به نوعی داده های مفیدی در دل خود ذخیره می کنند. شبکه توییتر، مجموعه ای از داده های ارزشمند است اگر دقیقا بدانید چگونه آن را پیدا کنید. البته مانند شبکه های اجتماعی گاهی اختلال دارد. با کلان داده به راحتی می توان این داده های ارزشمند را استخراج کرد.[3]

 

موضوع جالب تر پس از به وجود آمدن اپلیکیشن twizoo رخ داد. افرادی با هوشمندی برای استفاده از ابزار خبر رسانی توییتر توانستند کاربران را به رستوران های نزدیک که از نظر خود رتبه خوبی دارند، معرفی کنند. این اپلیکیشن در واقع رستوران ها را با استفاده از توییتر به افراد معرفی می کند و مشتریان زیادی را به رستوران ها معرفی می کند.

در حقیقت توییت های کاربران را از همه جا گرفته و آن را بر اساس زمان و موقعیت جغرافیایی راجع به رستوران ها و همچنین نگرش مثبت یا منفی طبقه بندی می کند.

این اپلیکیشن با دنبال کردن اطلاعات افراد در توییتر، می تواند دقیقا مشخص سازد که شخص پس از مشاهده تبلیغ به آن رستوران مراجعه می کند یا خیر. به همین جهت رستوران های تبلیغ دهنده تنها هنگامی که افراد به آنها مراجعه کنند هزینه تبلیغ پرداخت می کنند.[5]

 

 پس از ایجاد جریان های درآمد زایی جدید، کلان داده مسیر جدیدی نیز به اجبار پیش روی این شبکه ها قرار داده است. این شبکه ها جریان های فوق العاده درآمد زایی را با استفاده از کلان داده ایجاد کرده اند، حال آنکه روش های بسیار بهتری برای به دست آوردن این اطلاعات پیدا شده است و آن اپلیکیشن های پیامی مانند واتس آپ هستند. در حقیقت جریان درآمدزایی اصلی این شبکه ها تبلیغات و رسانه بودن آن هاست. از این رو با این محوریت تکنولوژی ابعاد جدیدی از خود را نمایان ساخته است. موج جدید را در زیر مشاهده می کنید.

 

 

نمودار بالا روند رشد تعداد کاربران اپلیکیشن های تبادل پیام مانند وایبر و واتس آپ در مقایسه با شبکه های اجتماعی مانند فیس بوک را نمایش می دهد. همان طور که در شکل پیداست از انتهای سال 2011 تا انتهای سال 2014 روند رشد شبکه های اجتماعی رو به کاهش است، در حالی که اپلیکیشن های ارسال پیام به صورت نمایی روند فزاینده روبه رشد داشته اند. به عبارتی در حالی که تعداد کاربران هر 2 نوع نرم افزار به بیش از 2 میلیارد کاربر می رسد، ولی باید تغییراتی در شبکه های اجتماعی ایجاد شود که این روند کاهنده ادامه نیابد و این عاملی است که توییتر را به تغییری که پیش تر گفته شد، مجبور کرده است. به هر حل جایگاه اپلیکیشن های پیامکی در حال بهبود بیشتر نسبت به شبکه های اجتماعی فعلی است .[1]

پیش بینی می شود به زودی فاز شبکه های اجتماعی پایان یابد. دیگر در شبکه های اجتماعی نوآوری خاصی دیده نمیشود. پلتفرم های بزرگ بالغ هستند و جایگاه امن خود را حفظ خواهند کرد. در عوض پیام و مسیجینگ شبکه های اجتماعی بعدی هستند. خوانواده ها از گروه های واتس آپ به جای فیس بوک استفاده می کنند. اینستاگرام جای خود را به اسنپ چت داده است و خرید واتس آپ توسط فیس بوک این روند را تایید می کند.[2] همچنین شبکه های اجتماعی نیز برای بقا به سمت رسانه شدن و شکل گرفتن فرهنگ جمعی پیش خواهند رفت.

 

 

 

منابع

1.     http://www.businessinsider.com/messaging-apps-will-be-bigger-than-social-networks-in-2015-2014-12?&platform=bi-androidapp

2.     http://www.businessinsider.com/fred-wilson-on-what-happened-in-2014-2014-12?&platform=bi-androidapp

3.     http://www.informationweek.com/big-data/big-data-analytics/10-big-data-pros-to-follow-on-twitter/d/d-id/1252812

4.      http://www.theguardian.com/technology/2014/jun/30/facebook-news-feed-filters-emotion-study

5.     http://uk.businessinsider.com/twizoo-2015-1#ixzz3OdLbsiRc

 

 

 

۰ نظر موافقین ۰ مخالفین ۰ ۳۰ دی ۹۳ ، ۱۰:۳۹
علیرضا اشکان

با سلام

در متن پیوست شده به نقشی که کلان داده در فرآیند استخدامی شرکت ها و یا سازمان ها می تواند ایفا کند، پرداخته شده است.

برای دریافت متن از اینجا اقدام کنید.

۰ نظر موافقین ۰ مخالفین ۰ ۲۶ دی ۹۳ ، ۲۲:۴۸
هادی ستوده

خرده فروشی ها در سطح دنیا تاثیر بسیار شگرفی در روند فروش محصولات اعمال می کردند. تا اینکه خرده فروشی های آنلاین توانستند خلاقیت و شالوده صنعت خرده فروشی را با عنوان کردن خود به عنوان رسانه، به دست بگیرند. در این بین خرده فروشی های قدیمی و بزرگ نیز بیکار ننشستند و برای خود شعب آنلاین طراحی کردند. این جدال هر روز رنگ و لعاب تازه ای به خود می گیرد و هر خرده فروشی در بازار رقابت با عرضه کردن فرهنگ، محصول، خدمت و یا ابزار تازه ای سعی در بهتر کردن جایگاه خود در سبد مشتریان دارد.

با ورود تکنولوژی کلان داده ابزارهای بسیار زیادی در اختیار خرده فروشان قرار گرفت که جایگاه آن ها را میتوانست نه تنها در بین رقبا بلکه در چانه زنی آن ها با مشتریان و تامین کنندگان نیز بهبود دهد. این ابزار امکان تسلط به داده های مشتریان و روند های محصولات تولیدی را به خرده فروشان می دهد و آن ها را در جایگاه بهتری قرار خواهد داد.

 با ارائه خدمات 2 گانه، آنلاین و خرده فروشی آفلاین، خرده فروشان به دنبال گروه بندی و شخصی سازی پیشنهاداتی که در هر زمان و مکان ارائه می شود، هستند. مشتریان بسیار آگاهانه خواهان استفاده از ابزارها برای تصمیم گیری راجع به کیفیت، قیمت و راحتی محصولات هستند. در این بین، شرکت ها دریافته اند که نقش IT در عملیات آن ها توسعه کلان داده و فراهم نمودن مزیت رقابتی در آن است.[1]

تسکو، با توجه به آمار سال 2012 با درآمد سالیانه(96.8 بیلیون دلار) بعد از وال مارت(466.1 بیلیون دلار) و کارفور (112.6 بیلیون دلار) سومین خرده فروشی بزرگ دنیا محسوب می شود. این شرکت پیشرو استفاده از کلان داده در صنعت خرده فروشی است. این شرکت که استراتژی  IT محور نیز داشته است. نمونه ای از مواردی که برای بهره مندی از فروشگاه های مجازی خود در کره به عنوان نوآوری استفاده کرده است در زیر آمده است:[2]

1.      اسکن کردن به هنگام خرید: بارکد اسکنر همراه که به کارت عضویت لینک شدن است به مشتریان کمک می کند تا به هنگام حساب کردن بسیار راحت این کار صورت پذیرد.

2.      دوربین بروکلی[1]:  دوربین بالایی سبد های خالی میوه را شناسایی می کند تا کارمندان بتوانند آن ها را پر کنند و در اختیار مشتریان قرار دهند.

3.      برچسب الکترونیکی لبه قفسه : این برچسب ها امکان تعویض قیمت راحت را فراهم می کنند( در سال 2012 تقریبا هر هفته بین 5 میلیون تا 10 میلیون برچسب قفسه در تسکو عوض شده است)

4.      همچنین در زیر روند استفاده از داده در تسکو را به خوبی نمایش می دهد[4]

 

 تسکو از توانایی داده محوری در تمام زنجیره ارزش خود استفاده می کند. از زنجیره تامین تا فروش و خدمات. داده های به هنگام به روز می شوند و با ابزارهای پیش بینی داده ترکیب می شوند تا هشدار سفارشات زودتر از موعد به بخش لجستیک و شبکه آن برسد. از برچسب های الکترونیکی قفسه ها برای تطبیق با آخرین تغییرات ملی قیمت استفاده می شود. همچنین تسکو از کلان داده برای پیش بینی رفتار مشتریان استفاده می کند. به طور مثال فعلا این استراتژی تمایل مشتری به ترکیب استفاده از فروشگاه های فیزیکی، موبایل ها، و کامپیوترهای شخصی را بیان می کند. به همین دلیل تسکو در حال حاضر خود را چند شبکه ای به حساب می آورد.[2]

کلان داده در مفهوم گسترده تری می تواند تعاملات خرده فروشی با مشتری را تحت تاثیر قرار دهد. داده های جزئی مشتریان می تواند رفتار ها و خرید های آن ها را پیش بینی کند و به خرده فروشی در سفارشات و زنجیره تامین آن کمک نماید.

داده های جزئی، شامل داده های ساختار نیافته از سنسورها، لوازم الکترونیکی، شرکت های واسط، اپلیکیشن ها، تصاویر، ویدیو ها و شبکه های اجتماعی است. خرده فروشی ها نیاز به تجهیز خود با تکنولوژی ها و استفاده از داده های حجیم، با سرعت زیاد در حال تولید و  متنوع دارند.[1]

البته این صنعت نیز در تماس با کلان داده چالش های خاص خود را دارد. از بزرگترین چالش های کلان داده در این صنعت، انتخاب درست تکنولوژی مورد استفاده برای پردازش و تحلیل اطلاعات است که بتواند تحلیل های درست زمانی و هوشمند ارائه دهد. همچنین باید ساختاری قابل بزرگ شدن و گسترده شدن انتخاب نمود تا با نیازهای آتی نیز تطابق یابد.[1]

در آینده احتمالا کلان داده بسیاری از روند ها را تغییر خواهد داد و صنعت را به سوی کانال شخصی سازی شده توزیع نیز پیش می برد. در آن زمان احتمالا بزرگان این صنعت باید بسیار خود را با شرایط تطبیق دهند تا در دنیای بعد از اطلاعات باقی بمانند.

 

1.      http://www.itnext.in/articles/19565/identify-retail

2.      http://robertplantblog.com/wp-content/uploads/2014/Big-Data-Case-Study-Tesco.pdf

3.      https://hbr.org/2014/10/tescos-downfall-is-a-warning-to-data-driven-retailers/

http://dataconomy.com/tesco-pioneers-big-data/



[1] Broccoli cam

۱ نظر موافقین ۰ مخالفین ۰ ۲۳ دی ۹۳ ، ۲۳:۱۸
علیرضا اشکان

کسب و کارهای آنلاین با استفاده از خدمات نوین که به کمک ابزارهای تحلیل داده میسر شده اند به تازگی توانسته اند مدل های درآمدزایی خود را اصلاح و در مواردی به کلی تغییر دهند. صنایع با آمدن عصر دیجیتال بخشی از ارزش قبلی خود را به صورت آنلاین برای کاربر ایجاد کردند. با آمدن کلان داده و ابزارهای تحلیل و جمع آموری داده پیشرفته، علاوه بر مدل های قبلی ارزش های جدیدی نیز برای صاحبین کسب و کار خلق شد که در این مقاله سعی بر آن است که با مطالعه موردی صنعت تاکسیرانی، با تحلیل سرویس های my taxi ,Uber مدل هایی که در طی زمان تغییر یافته و هوشمند تر شده اند بررسی و تحلیل شوند. سپس با توصیف موارد کاربرد آینده کلان داده در این صنعت، جریان های درآمدزایی بعدی آن ها پیش بینی خواهد شد.

صنعت تاکسیرانی یکی از صنایعی است که با تحلیل پورتر یکی از سخت ترین صنایع از لحاظ 5 نیروی ساختار صنعت است. این صنعت ولی با ورود تکنولوژی کانال جدیدی برای عرضه خود به مشتریان پیش روی خود قرار داده است. سازمان های نوین و بزرگ نرم افزاری مانند uber, easy taxi, my taxi , .. به عنوان هدایت گران این صنعت پا به عرصه رقابت گذاشته اند. در این بین فاز های زیر در صنعت نرم افزاری و یا همان کانال توزیع جدید، طی شده است:[2],[4]

در ابتدا این خدمات با ایجاد شبکه ای از تاکسی ها در مناطق تحت پوشش، سبب می شدند که مشتریان به راحتی و از طریق تنها یک سیستم به تاکسی دسترسی داشته باشند و هزینه های خود را به عنوان آبونمان ماهانه و سالانه از تاکسی داران دریافت می کردند.

در فاز دوم این کمپانی ها با مقرر کردن خود به عنوان پارتنر تاکسی ها درصدی از درآمد آن ها را به خود اختصاص می دادند.

فاز سوم با آمدن تکنولوژی جدید تحلیل و جمع آموری داده ها در سال 2014 پا به عرصه کسب و کار نهاد.

کمپانی های my taxi , uber تصمیم گرفتند با داشتن تحلیل های جدید و اطلاعات مشتریان، تاکسی ها را در میزان سودی که با این کمپانی ها تقسیم می کنند آزاد بگذارند. در حقیقت تاکسی ها در هر زمان و در هر مکانی می توانند خود تعیین کنند که هم اکنون چه میزان سودی با شرکت سهیم می شوند. در این صورت شرکت تاکسی را به مشتری معرفی می کرد و برای مشتری می فرستاد که سود بیشتری را با شرکت تقسیم می نمود. شاید در دید اول برای تاکسی ها این بهترین راه حل بوده است و با خود فکر می کردند که دیگر از شر درصد های بالای شرکت مصون هستند ولی در عمل و در بازار رقابت این تاکسی ها بودند که برای جذب مشتری بیشتر حاضر بودند درصد های بسیار بالاتری نسبت به قبل به شرکت بدهند.

حال می خواهیم بررسی کنیم که در این تحول چه گذشت؟

با آمدن تکنولوژی های نوین و کلان داده، این شرکت ها می توانستند در هر لحظه آمارهای خود را مقایسه کنند و پیش بینی های درستی از رسیدن تاکسی ها به مقصد مشتریان بدهند. در فاز های قبلی شرکت تنها کاری که میکرد تخصیص نزدیکترین تاکسی خالی به مشتریان بود برای اینکه زمان در دسترس بودن را برای مشتری کاهش دهد و رضایت مشتری را در پی داشته باشد.[3]

با تکنولوژی کلان داده با آموزش سیستم روی زمان های عبوری در زمان های مختلف برای تاکسی ها از مسیر های مختلف، سیستم می تواند زمان رسیدن تاکسی در هر زمانی در هر مسافت و مسیری را تخمین بزند و این سیستم روز به روز دقیق تر می شود. اتفاقی که می افتد تخمین دقیق زمانی رسیدن تاکسی ها به محل مشتری است و سیستم به جای اینکه نزدیکترین تاکسی را اختصاص دهد تاکسی هایی که در زیر 4 دقیقه می توانند به مشتری برسند را شناسایی می کند و آنهایی که درصد بیشتری مایلند به شرکت بدهند را معرفی می کند. در این بین علاوه بر ماکسیمم شدن سود شرکت، مشتری نیز با دیدن حق انتخاب رضایتمندی بیشتری پیدا می کند. [1]

جریان درآمدی در این شرکت ها در ابتدا به صورت گرفتن حق عضویت از کاربران بود. سپس با آمدن ابزارهای تجمیع اطلاعات خود را در سود کاربران شریک کردند. کلان داده اما اوضاع را کاملا دگرگون کرد. علاوه بر اینکه میزان سود را متغیر و ماکسیمم کرد، جریان های دیگری را نیز به این صنعت اضافه کرده است. کلان داده، توانایی استفاده از داده های تردد مشتریان را به این شرکت ها می دهد و با استفاده از این داده ها میتوان نتایج شگرفی مانند اینکه وضعیت خیابان ها از لحاظ ترافیکی نسبت به یکدیگر در تمامی ساعات شبانه روز چگونه است، را به دست آورد.

بسیاری در این صنعت از روش های مختلف مانند استفاده از قوانین و مقررات منع کننده، و یا بدست آوردن اپلیکیشن شخصی به دنبال رسیدن به جایگاه بهتری نسبت به uber بودند،  به نظر من دلیل دیگری که این شرکت به سمت استفاده از ابزارهای پیشرفته حرکت کرد ایجاد مزیت رقابتی پایدار با استفاده از این سیستم ها بود. کلان داده با توجه به استفاده از ابزارهای پیشرفته و تحلیل پیشرفته داده ها، به شرکت هایی که قدمت بیشتری دارند و از آن مدت زمان بیشتری استفاده می کنند این امکان را می دهد تا از انباشت داده هایشان مزیت رقابتی پایدار بسازند. Uber با استفاده از داده های کاربرانش که همان تاکسی ها هستند توانسته است مدت زمان طی شدن مسیر ها را در هر ساعت شبانه روز به دست آورد و این امکان تخمین دقیق زمانی را فراهم می سازد که برای مشتریان ارزش زیادی ایجاد می کند. [4]

شرکت lyft از کلان داده استفاده بسیار بهتری نیز می کند و آنرا به صورت آزمایش با نام lyft line در اختیار مشتریان قرار داده است. در این سرویس این شرکت با ثبت اینکه معمولا هر شخصی از چه مسیر هایی عبور می کند، میتواند مسیرهایی که با یکدیگر تقریبا همراستا هستند و افرادی که هم مسیرند را مشخص کرده و در کوتاهترین زمان آن ها را با هم تطبیق نماید. این مشتریان خدمات با قیمت کمتری را دریافت می کنند و این سهم بازار lyft را توانسته در مناطق آزمایشی بسیار بالا ببرد.[3]

Uber  البته این سرویس را تقریبا شبیه سازی نموده و با نام uber pool به تازگی ارائه می کند.

علاوه بر این ها، این شرکت می تواند با دسترسی به میزان تردد افراد به محله های مختلف سرویس هایی که باید در محله ها ایجاد شود را به درستی تخمین بزند و در کسب و کارهای مرتبط و غیر مرتبط از این داده ها و نتایج آن ها استفاده کند. به همین دلیل در آینده نزدیک احتمالا شاهد حضور این شرکت در صنعت های دیگر نیز خواهیم بود .

این قضیه برای صنایع دیگر نیز در حال وقوع است. کسب و کارهای آنلاین با استفاده از کلان داده می توان علاوه بر فروش بهتر و عملیات آسان تر، رفتار مصرف کنندگان و داده های جدید تری نیز بدست آورند که به کمک کسب و کار خودشان بیاید و یا بتواند عرصه را برای حضورشان در سایر صنایع باز کند.

 

 

منابع:

1.     http://www.businessweek.com/articles/2014-02-20/uber-leads-taxi-industry-disruption-amid-fight-for-riders-drivers

2.     http://www.businessinsider.com/new-york-city-taxis-could-get-their-own-app-to-rival-uber-2014-12

3.     http://www.businessinsider.com/uber-and-the-competition-2014-8

4.     http://www.businessinsider.com/uberpool-cheaper-rides-2014-8

۰ نظر موافقین ۰ مخالفین ۰ ۲۳ دی ۹۳ ، ۲۳:۱۴
علیرضا اشکان

با سلام

با دومین جلسه از سلسه جلسات مصاحبه با افراد فعال در حوزه کلان داده در خدمت شما هستیم.

در این جلسه، به سراغ جناب آقای سیدمحمدمسعود صدرنژاد، کارشناس سیستم‌ادمینیستریشن لینوکس و توسعه‌دهنده وب در شرکت بهستان رایان، برگزار کننده دوره ی کلان داده در این شرکت و معاون فنی و تحقیق و توسعه در گروه فناوری اطلاعات فسفر رفته ایم و با ایشان در مورد نگاه کسب و کاری به موضوع کلان داده به گپ و گویی برخط با استفاده از اسکایپ نشسته ایم.

سیدمحمدمسعود صدرنژاد

سیدمحمدمسعود صدرنژاد

صفحه شخصی: http://sadrnezhaad.ir/smm

در ابتدا گزیده از مصاحبه صورت گرفته آورده شده است.

اینجانب سید محمد مسعود صدرنژاد، اینجانب به جزء فعالیت در گروه فسفر و شرکت بهستان رایان، هفت سال به صورت Freelance در زمینه سیستم ادمینیستریشن لینوکس و وب فعالیت کرده ام، همچنین ۴ سال است در جوامع کاربری مرتبط با نرم افزار آزاد مانند جامعه آزاد رایانش ابری فعال هستم، از جمله فعالیت های مرتبط با کلان داده اینجانب برگزاری دوره ی آموزشی کلان داده در شرکت بهستان می باشد.

از مسائلی که باعث می شود که کلان داده اهمیت پیدا می کند یکی استفاده آسان از کلان داده می باشد چون جهت کسب یک حجم زیاد داده دیگر لازم نیست مسافت زیادی را طی کنیم امروز خیلی راحت می توانیم با استفاده از گجت هایی به منابع عظیم داده وصل بشیم. اگر ما از این حجم زیاد داده ای که می توانیم به آن دسترسی داشته باشیم که داریم آن را ذخیره می کنیم نتوانیم درست استفاده کنیم فقط در حال صرف منابع و فضا و هدر دادن آن هستیم و قسمت اصلی این است که از این منابع عظیم داده ای که آن را کسب می کنیم بتوانیم درست استفاده کنیم از منابع داده ای می توان به فیس بوک اشاره کرد که بیش از ۳۵ درصد کل عکس های کل جهان روی سرورهای آن است و روزانه بیش از ۵۰۰ پتابایت به داده های سرورهای آن اضافه می شود و یا یوتویوب بیش از یک هگزا بایت داده دارد که شاید نتوان سایتی را پیدا کرد که در این حدود داده داشته باشد. که عددهای بسیار بزرگی می باشد. در این حوزه ابزارهای آزادی مانند hadoop هستند که یک نرم افزار نیست و یک چارچوب که از آن جهت تحلیل داده ها استفاده می شود. که ابزارهای متن باز دیگری نیز در این حوزه وجود دارد و این باعث شده است که توان استفاده از کلان داده مخصوص کسب و کارهای بزرگ نباشد و هر شخصی بتواند از این فناوری استفاده کند.  در ادامه ی این مصاحبه آقای صدر نژاد به سوالات زیر پاسخ داده اند که می توانید جواب آن ها را از طریق فایل صوتی پیوست شده، دریافت نمایید.

 ۱- کلان داده چیست؟

۲- کسب و کارهای مبتنی بر کلان داده شامل چه مواردی می توانند باشند. اهمیت بحث کلان داده به کدام ویژگی‌های آن مرتبط است و چگونه؟
۳- فرصت ها و تهدید های این کسب و کارها چیست؟
۴- تا چه میزان بحث کلان داده وارد محیط کسب و کار شده و تا چه میزان هنوز در دانشگاه ها روی آن کار می شود.
۵- چرا برخی راه کار های مرتبط کلان داده مانند هدوپ پیشرفت زیادی داشته اند؟
۶- اگر نکاتی در مورد کسب و کار این حوزه باقی مانده است، لطفا بفرمایید.

می توانید فایل مصاحبه را از سرور های زیر دریافت کنید.

SoundCloud

MediaFire

با تشکر

۱ نظر موافقین ۱ مخالفین ۰ ۰۹ دی ۹۳ ، ۲۰:۰۹
هادی ستوده

با سلام

ان شاءالله با سلسله جلسات مصاحبه با افراد فعال در حوزه کلان داده در خدمت شما خواهیم بود.

در اولین جلسه از این مصاحبه ها، به سراغ جناب آقای مهندس حامد تهمورسی مدیرفنی سابق شرکت عمید رایانه شریف رفتیم و با ایشان در مورد تجربیات ایشان در حوزه مدیریت پروژه های کلان داده به گپ و گفت نشسته ایم.

مهندس حامد تهمورسی

مهندس حامد تهمورسی

در این قسمت بخشی از مصاحبه را می خوانیم.

اینجانب حامد تهمورسی دانشجوی دکترای مهندسی نرم افزار دانشکده مهندسی کامپیوتر، دانشگاه صنعتی شریف هستم و قبل از ورود به مقطع دکترا، مدیر فنی شرکت عمید رایانه شریف (عرش) و عضو تیم فنی تیم کلان داده ای این شرکت بوده ام.  یکی از پروژه هایی که شرکت عمید رایانه شریف سراغ آن رفت پروژه ای در حوزه کلان داده بود که در آن قرار بود حجم عظیمی از داده ها از سطح اینترنت جمع آوری بشود و بر روی آن تحلیل هایی صورت بگیرد، این پروژه ابتدا توسط تیم دیگری شروع شده بود که آن تیم کدهایی زده بودند و شروع به جمع آوری داده ها کرده بودند و بعد از مدتی تیم دیگری که بنده هم عضو آن بودم تشکیل شد تا بر روی این داده ها تحلیل های مناسبی انجام بدهیم که بحث همه اش فنی نبود، بلکه یکی از مسائل این است که چه نوع تحلیل هایی مورد نیاز می باشد، خود این که چه نوع تحلیل هایی مورد نیاز می باشد با توجه به گنگ بودن فضا، یک چالش است چون خود کارفرما فقط شنیده است که کلان داده خیلی مفید است و چیزه خوبی است ولی این که چه مزایایی و ارزش هایی را می تواند در اختیار او قرار بدهد را نمی داند و به این مسائل اشراف ندارد، که این فضای گنگ کار ما را سخت می کرد، همچنین وجود تکنولوژی های مختلف در این حوزه و این که هدف ما چیست و قرار است چه نوع تحلیل هایی انجام بشود که به درد کارفرما بخورد، نیز یک چالش جدی است. همچنین قسمت بصری سازی این تحلیل ها نیز یکی دیگر از چالش های ما بوده است به این نحو که ما بایستی این نکته را در نظر بگیریم که کارفرما شخصی فنی نیست و در نتیجه نباید یک سری عدد و رقم در تحلیل به او نشان داد در نتیجه نحوه ی بصری سازی نتایج نیز باید به گونه ای باشد که مورد استفاده و رضایت کاربر قرار بگیرد در نتیجه بصری سازی نتایج نیز یک چالش دیگری است که باید آن را حل کرد. خیلی از ایده ها را که به نظر خود ما پشتوانه ی علمی نیز داشت را ما انجام می دادیم ولی در هنگام ارائه با بازخورد منفی کارفرما مواجه می شدیم که این نیز مسئله ای بود. خود استراتژی برخورد با اعضای تیم فنی در چنین پروژه هایی که فضا گنگ است و روشن نمی باشد نیز چالشی دیگر است که ما بایستی بدانیم چگونه با اعضای تیم فنی برخورد کنیم که انگیزه آن ها از بین نرود چون به دلیل فضای این حوزه که فضای ناپایدار و گنگی است که کاربردها دقیق مشخص نیست، فضا گنگ است و خود اعضای تیم حس می کنند که این فضای گنگ باعث ضربه به آن ها می شود چون معلوم نیست دقیقا چه کاری قرار است بکنند و تغییرات زیادی صورت می گیرد و اینجا وظیفه ی مدیر فنی تیم این است که بتواند تیم را به گونه ای مدیریت کند که تیم فنی دچار چنین بحرانی نشود، نیز مسئله ای مهمی است و مدیر فنی بایستی دارای توانایی های مدیریتی در چنین سطحی باشد. در ادامه ی این مصاحبه به سوالات زیر توسط جناب آقای مهندس حامد تهمورسی پاسخ داده شده است که می توانید جهت دریافت جواب ها به فایل صوتی پیوست شده مراجعه کنید.

۱- چرا شرکت عمید رایانه شریف تصمیم به ورود به حوزه کلان داده گرفت؟

۲- نحوه ی ورود شرکت به این حوزه به چه شکلی بود آیا از رده های پایینی این پیشنهاد داده شد و یا از سطح مدیریت ارشد این تصمیم گرفته شد؟

۳- در حوزه کلان داده چه نوع پروژه هایی توسط شرکت اخذ شد؟

۴- جهت تشکیل تیم فنی در این حوزه چه ملاک هایی را در گزینش لحاظ کردید و در این حوزه به دنبال چه نوع افرادی با چه پیش زمینه هایی بودید؟

۵- آیا تفاوتی بین پروژه های این حوزه با پروژ های مهندسی نرم افزار از لحاظ بودجه و هزینه می باشد؟

۶- حقوق متوسط افراد در این حوزه نسبت به سایر حوزه ها را در ایران چگونه ارزیابی می کنید؟

۷- وضعیت کنونی شرکت عمید رایانه شریف (عرش) در حوزه کلان داده به چه شکلی می باشد؟

 

شما می توانید جهت دریافت فایل مصاحبه از اینجا اقدام کنید.

موفق باشید

۰ نظر موافقین ۱ مخالفین ۰ ۰۶ دی ۹۳ ، ۱۸:۳۳
هادی ستوده
سه شنبه, ۲ دی ۱۳۹۳، ۱۱:۱۱ ب.ظ

مدل چک لیست بلوغ سازمانی

 

مدل تعالی و بلوغ کلان داده را می توان با رویکرد هایی که گرینر در مقاله "تکامل و انقلاب در امتداد رشد سازمان ها" در Harvard Business Review, July-August, 1972, p.45 برای رشد سازمان های کارآفرین آورده است مدل کرد.


در این روش، 5 مرحله خلاقیت، جهت گیری، اختیار؛ هماهنگی و همکاری را برای رشد سازمان پیشنهاد می دهد و آن را از دیدگاه های مدیریتی و ایجاد ارزش

 و سازمانی و پاداشی بررسی می کند.


در مدل جدید بنده 5 مرحله بلوغ را در نظر گرفته ام و آن را از دیدگاه مدل استراتژی مدیریتی، رویکرد نسبت به مسائل سازمان، تعامل با تیم فنی، کنترل و مدل

 های ارائه پاداش بررسی کرده ام.

با تعیین اینکه سازمان نسبت به هر عامل از چه رویکردی استفاده می کند، می توان فهمید سازمان در کدام درجه بلوغ کلان داده ای قرار دارد و استراتژی مناسب برای ادامه راه آن در نظر گرفت


تغییر فعالیت های سازمانی حین تکامل شرکت ها

مرحله 5 دگردیسی کسب و کار

مرحله 4

به دست آوردن جریان درآمدزایی

مرحله 3

بهینه سازی کسب و کار

مرحله 2 بینش درست کسب و کار

مرحله 1 بررسی کسب و کار

سازمان با استراتژی پارتنری با تمامی اعضای صنعت

سازمان چابک و

به روز

پیاده سازی استراتژی کلان داده

آینده نگر

هدف کذاری تجمیعی

مدل استراتژی مدیریتی

حل مساله و نوآوری

تعریف مساله به صورت تیمی

فرآیند محور

وظیفه گرا و گروه محور

وظیفه گرا و خروجی نگر

 

رویکرد نسبت به مسائل سازمان

همکاری در قالب تیم نه گروه

نظارت بر تمامی مراحل کار

نماینده داشتن در تیم فنی

توافق در مراحل کار

خروجی گرفتن

 

 

تعامل با تیم فنی

تنظیم اهداف مشترک

برنامه های مدیران و سهام داران

گزارش ها و مراکز سود

 

استاندارد ها و مراکز هزینه

نتایج بازار

 

 

کنترل

پاداش تیمی

تقسیم سود و گزینه های سهام

پاداش شخصی

افزایش حقوق و مزایا

افزایش حقوق

 

مدل های ارائه پاداش

 

 

 

 







































۰ نظر موافقین ۰ مخالفین ۰ ۰۲ دی ۹۳ ، ۲۳:۱۱
علیرضا اشکان