విషయము
- బిగ్ డేటా అండ్ బిజినెస్ ఇంటెలిజెన్స్ (బిఐ) లో స్వీయ సేవ
- స్వీయ సేవ యొక్క ప్రయోజనాలు
- స్వయం సేవతో సవాళ్లు
- బగ్స్ లేవు, ఒత్తిడి లేదు - మీ జీవితాన్ని నాశనం చేయకుండా జీవితాన్ని మార్చే సాఫ్ట్‌వేర్‌ను రూపొందించడానికి స్టెప్ గైడ్ ద్వారా మీ దశ
- కేస్ స్టడీస్
- స్వీయ-సేవ మరియు ఆటోమేషన్ నుండి ఉత్తమమైనవి పొందడం
- ముగింపు
మూలం: లైట్‌స్పెక్ట్రమ్ / డ్రీమ్‌స్టైమ్.కామ్
Takeaway:
స్వీయ-సేవ మరియు ఆటోమేషన్‌కు కృతజ్ఞతలు తెలుపుతూ విస్తృత డేటా వినియోగదారులకు పెద్ద డేటా అందుబాటులో ఉంది.
స్వీయ-సేవ అనలిటిక్స్ సాఫ్ట్‌వేర్ కొంతకాలంగా సాఫ్ట్‌వేర్ అభివృద్ధిలో ఒక ధోరణి. సంభావితంగా, దాని గురించి పెద్దగా కొత్తదనం లేదు, అయినప్పటికీ - ఫాస్ట్ ఫుడ్ జాయింట్లు, ఫైనాన్షియల్ సర్వీసెస్ మరియు ఇతర పరిశ్రమలకు స్వీయ-సేవ ఇప్పటికే వర్తింపజేయబడింది మరియు సాఫ్ట్‌వేర్ డొమైన్ దాని ప్రత్యేక అవసరాలకు అనుగుణంగా దాన్ని అనుకూలీకరించుకుంటుంది.
డేటా-శాస్త్రవేత్తలు వంటి సాంకేతికంగా అర్హత కలిగిన డేటా సిబ్బందిపై ఆధారపడకుండా డేటాను సులభంగా మార్చటానికి మరియు విశ్లేషణలను సృష్టించాల్సిన వ్యాపార వినియోగదారులను స్వీయ-సేవ విశ్లేషణలు ప్రత్యేకంగా లక్ష్యంగా పెట్టుకుంటాయి. స్వీయ-సేవ విశ్లేషణలు డేటా శాస్త్రవేత్తలపై ఆధారపడటాన్ని తగ్గిస్తాయనే నమ్మకం ఉంది. వ్యాపార వినియోగదారుల చేతుల్లో విశ్లేషణలను సంపూర్ణంగా పంపించడం వల్ల పాలనలో రాజీ పడగలదని మరియు వ్యాపార వినియోగదారులకు నాణ్యమైన శిక్షణ అవసరమని నమ్మే నిపుణుల బృందం కూడా ఉంది. రెండు అభిప్రాయాలకు పదార్ధం ఉంది. స్వీయ-సేవ విశ్లేషణ మార్కెట్లో భవిష్య సూచనలు సానుకూలంగా ఉన్నప్పటికీ, సాఫ్ట్‌వేర్‌ను సరిగ్గా ఉపయోగించడానికి వినియోగదారులకు శిక్షణ ఇవ్వడం చాలా ముఖ్యం. వ్యాపార వినియోగదారులకు ఇటువంటి సాఫ్ట్‌వేర్ సాధనాలను నేర్చుకోవడానికి చాలా అవకాశాలు ఉన్నాయి. (బిజినెస్ ఇంటెలిజెన్స్ మరియు అనలిటిక్స్ గురించి మరింత తెలుసుకోవడానికి, బిగ్ డేటా అనలిటిక్స్ బిజినెస్ ఇంటెలిజెన్స్ గ్యాప్‌ను మూసివేయగలదా?) చూడండి.
బిగ్ డేటా అండ్ బిజినెస్ ఇంటెలిజెన్స్ (బిఐ) లో స్వీయ సేవ
ఈ వినియోగ కేసు గురించి ఆలోచించండి: ఒక సంస్థలో, కస్టమర్ లేదా మార్కెట్ ఎదుర్కొంటున్న సిబ్బంది నిర్ణయాలు తీసుకోవడానికి డేటాపై ఎక్కువగా ఆధారపడతారు. ఇప్పుడు, అనుకూలీకరించిన విశ్లేషణలను పొందడం అంత సులభం కాదు ఎందుకంటే డేటా వాల్యూమ్ భారీగా ఉంటుంది మరియు బహుళ వనరుల నుండి వస్తుంది; డేటాను మార్చటానికి మరియు అర్థమయ్యే ఆకృతిలో విశ్లేషణలను రూపొందించడానికి నిర్దిష్ట నైపుణ్యాలు అవసరం. కాబట్టి, డేటా శాస్త్రవేత్తలు మరియు ఇతర సాంకేతిక వ్యక్తులు పాల్గొనడం అవసరం. ఇది చాలా సమస్యలను సృష్టిస్తుంది. ఉదాహరణకు, సాంకేతిక సిబ్బంది మరియు డేటా శాస్త్రవేత్తల బ్యాండ్‌విడ్త్ విభజించబడింది మరియు సాంకేతిక సిబ్బందిపై ఎక్కువ ఆధారపడటం విశ్లేషణలను పొందడంలో ఆలస్యం కావచ్చు, ఇది నిర్ణయం తీసుకోవడంలో ఆటంకం కలిగిస్తుంది.
వ్యాపార వినియోగదారులను శక్తివంతం చేయడం ద్వారా ఈ సమస్యను పరిష్కరించవచ్చు. వ్యాపార వినియోగదారులు డేటాను మార్చటానికి మరియు అనుకూల నివేదికలను రూపొందించడానికి సన్నద్ధమవుతారు. ఇప్పుడు మనం స్వయంసేవ గురించి మాట్లాడుతున్నాం. పెద్ద డేటా మరియు BI యొక్క స్వీయ సేవ అనేది వ్యాపార వినియోగదారుల అవసరాలకు అనుగుణంగా విశ్లేషణలను మార్చటానికి మరియు ఉత్పత్తి చేయగల సామర్థ్యం. వ్యాపార వినియోగదారులు ఫాస్ట్ ఫుడ్ రెస్టారెంట్‌లో స్వీయ-సేవ భావన వలె స్వతంత్రంగా నివేదికలను రూపొందిస్తున్నారు. వాస్తవానికి, వినియోగదారులు నివేదికలను రూపొందించడానికి ముందు, డేటాను సేకరించి, ప్రాసెస్ చేసి, ఒక నిర్దిష్ట ఆకృతిలోకి మార్చాలి, ఇది వ్యాపార వినియోగదారుల బాధ్యత కాదు.
స్వీయ సేవకు అనేక ప్రయోజనాలు అలాగే అప్రయోజనాలు ఉన్నాయి. కానీ వ్యాపార వినియోగదారులపై దృష్టి సారించిన మార్కెట్లో ఇప్పుడు చాలా స్వీయ-సేవ ఉత్పత్తులు అందుబాటులో ఉన్నాయి. ఈ ఉత్పత్తులు ఉమ్మడిగా కొన్ని లక్షణాలను కలిగి ఉన్నాయి: సహజమైన మరియు స్నేహపూర్వక వినియోగదారు ఇంటర్‌ఫేస్, అనుకూలీకరించిన నివేదిక ఉత్పత్తి మరియు వ్యాపార పరిభాష. అటువంటి ఉత్పత్తులు వ్యాపార వినియోగదారుల భాగస్వామ్యం అవసరం లేకుండా పెద్ద డేటాను అంగీకరించడానికి, గని చేయడానికి మరియు ప్రాసెస్ చేయడానికి అంతర్నిర్మిత సామర్థ్యాలను కలిగి ఉన్నాయని భావించబడుతుంది. కాబట్టి, సాంకేతిక సిబ్బందిపై ఆధారపడటాన్ని తగ్గించడం ద్వారా (కాని తొలగించకుండా) వ్యాపార వినియోగదారులను సాధికారపరిచే ఉపయోగ కేసును స్వీయ-సేవ సాఫ్ట్‌వేర్ పరిష్కరించిందని మీరు చెప్పవచ్చు. ఫారెస్టర్ రీసెర్చ్, ఇంక్ ప్రకారం, నివేదికలు మరియు ప్రశ్నలను రూపొందించడానికి 20 శాతం అభ్యర్థనలను మాత్రమే BI బృందానికి లేదా ఐటి విభాగానికి పంపాలి.
స్వీయ సేవ యొక్క ప్రయోజనాలు
ఇప్పటికే స్పష్టంగా ఉన్నట్లుగా, స్వీయ-సేవ సాఫ్ట్‌వేర్‌ను కలిగి ఉండటంలో ప్రధాన ప్రయోజనం అది వ్యాపార వినియోగదారులకు అందించే స్వాతంత్ర్యం. ప్రశ్నలను అమలు చేయడానికి లేదా నివేదికలను రూపొందించడానికి వినియోగదారులు BI బృందం లేదా ఐటి విభాగంపై ఆధారపడవలసిన అవసరం లేదు. ఇది ఇతర ముఖ్యమైన పనులపై దృష్టి పెట్టడానికి సాంకేతిక సిబ్బందిని కూడా విముక్తి చేస్తుంది. వ్యాపార వినియోగదారులు స్వతంత్ర నివేదికలు మరియు విశ్లేషణలను స్వతంత్రంగా సృష్టించగలుగుతారు కాబట్టి, వారు అంతర్దృష్టులను కనుగొనగలుగుతారు మరియు ముఖ్యమైన నిర్ణయాలు త్వరగా తీసుకుంటారు. SAS లో సొల్యూషన్స్ ఆన్ డిమాండ్ మరియు హై-పెర్ఫార్మెన్స్ కంప్యూటింగ్ కోసం ఆగ్నేయాసియా జనరల్ మేనేజర్ జేమ్స్ ఫోస్టర్ ప్రకారం, "అందువల్ల, వ్యాపార మార్గాల్లో మరింత నిర్ణయాత్మక సామర్థ్యాన్ని కలిగి ఉండటం మంచి విషయం" అని ఆయన చెప్పారు. "ప్లస్, స్వీయ-సేవకు మారడం కూడా ఐటిపై సానుకూల ప్రభావాన్ని చూపుతుంది, వాటిని మరింత వ్యూహాత్మకంగా ఆలోచించటానికి మరియు సంస్థకు విలువలు జోడించిన కార్యకలాపాలపై దృష్టి పెట్టడానికి వీలు కల్పిస్తుంది."
స్వయం సేవతో సవాళ్లు
స్వీయ-సేవ నమూనా వ్యాపార వినియోగదారులను విశ్లేషణలను ప్రశ్నించడానికి మరియు ఉత్పత్తి చేయడానికి అధికారం ఇవ్వడంపై ఆధారపడి ఉంటుంది, అయితే BI బృందం మరియు ఐటి విభాగం బ్యాక్ ఎండ్ సిస్టమ్స్ మరియు డేటా ఇంటిగ్రేషన్ గురించి జాగ్రత్త తీసుకుంటాయి. అయితే, ఈ మోడల్ నుండి సవాళ్లు తలెత్తుతాయి. సాంకేతికంగా, BI వ్యవస్థలతో డేటాను సమగ్రపరచడం సంక్లిష్టమైన పని. సంస్థ వ్యవస్థ యొక్క ఏకైక, ఏకీకృత దృక్పథాన్ని అందించడానికి BI జట్లు కష్టపడతాయి. (విశ్లేషణలపై మరింత తెలుసుకోవడానికి, రియల్ టైమ్ బిగ్ డేటా అనలిటిక్స్ యొక్క లాభాలు మరియు నష్టాలు బరువు చూడండి.)
రెండవ సవాలు డేటా గవర్నెన్స్ గురించి. వ్యాపార వినియోగదారులకు అనువర్తనాలను ఉపయోగించడంలో పూర్తి స్వేచ్ఛ ఇవ్వడం ప్రమాదాలతో నిండి ఉంది. ఉదాహరణకు, ఇది నకిలీ డేటా మరియు నివేదికలు, ప్రశ్నలు మరియు అభ్యర్థనలలో వచ్చే చిక్కులు సర్వర్ విచ్ఛిన్నానికి దారితీస్తుంది మరియు పాత డేటా లేదా నిర్మాణంతో నివేదికలు ఇవ్వవచ్చు. సహజంగానే, డేటా గవర్నెన్స్ పాలసీ మరియు యూజర్ యాక్సెస్ మధ్య బ్యాలెన్స్ ఉండాలి.
బగ్స్ లేవు, ఒత్తిడి లేదు - మీ జీవితాన్ని నాశనం చేయకుండా జీవితాన్ని మార్చే సాఫ్ట్‌వేర్‌ను రూపొందించడానికి స్టెప్ గైడ్ ద్వారా మీ దశ
సాఫ్ట్‌వేర్ నాణ్యత గురించి ఎవరూ పట్టించుకోనప్పుడు మీరు మీ ప్రోగ్రామింగ్ నైపుణ్యాలను మెరుగుపరచలేరు.
కేస్ స్టడీస్
పెద్ద మరియు చిన్న అనేక సంస్థలు ఆటోమేషన్ లేదా స్వీయ-సేవ సాఫ్ట్‌వేర్‌లను స్వీకరించడం ద్వారా ప్రయోజనం పొందాయి. ఈ కంపెనీలు ఖర్చులు తగ్గించాయి, ఉత్పాదకత మెరుగుపడ్డాయి మరియు అధిక కస్టమర్ సంతృప్తిని నమోదు చేశాయి. మొదటి కేసు మైక్రోసాఫ్ట్ కాల్ సెంటర్లు. మైక్రోసాఫ్ట్‌లోని అంతర్గత సహాయ డెస్క్ 105,000 మందికి పైగా ఉద్యోగులు, విక్రేతలు, కాంట్రాక్టర్లు మరియు ఖాతాదారులకు మద్దతు ఇస్తుంది. ఇది కాల్ వాల్యూమ్‌లను తగ్గించాలని కోరుకుంది, కాబట్టి ఇది అనేక స్వీయ-సేవ సాధనాలను, ఆన్‌లైన్ సపోర్ట్ పోర్టల్‌ను అమలు చేసింది మరియు నాలెడ్జ్ బేస్ కథనాలకు ప్రాప్యతను అందించింది. తత్ఫలితంగా, మైక్రోసాఫ్ట్ కాల్‌కు సుమారు $ 30 చొప్పున 15.4 శాతం కాల్స్‌ను తగ్గించగలిగింది.
మేనేజ్‌మెంట్ కన్సల్టింగ్ సంస్థ ఎల్‌ఎల్‌సి, ఇవర్గాన్స్ పార్ట్‌నర్స్ నిర్వహించిన ఒక పరిశోధన ప్రకారం, ఒక సంస్థ ఆన్‌లైన్‌లో కస్టమర్ ప్రశ్నకు ప్రతిస్పందిస్తే, కాల్ సెంటర్ ద్వారా ప్రశ్నకు సమాధానం ఇవ్వడం కంటే ఖర్చు 4 నుండి 40 రెట్లు తక్కువగా ఉంటుంది.
స్వీయ-సేవ మరియు ఆటోమేషన్ నుండి ఉత్తమమైనవి పొందడం
అన్నింటిలో మొదటిది, పరిశ్రమ యొక్క కోణం నుండి, స్వీయ-సేవ మరియు ఆటోమేషన్ నుండి వెనక్కి వెళ్ళడం లేదు. కానీ, ఈ అవకాశాలను జాగ్రత్తగా సంప్రదించాల్సిన అవసరం ఉంది. ఇక్కడ కొన్ని చిట్కాలు ఉన్నాయి:
- మీ కస్టమర్లకు మంచి ఆటోమేషన్ అనుభవాన్ని అందించండి. ఉదాహరణకు, మీ కస్టమర్లు కాల్ సెంటర్‌కు బదులుగా ఆన్‌లైన్ చాటింగ్ లేదా వెబ్‌సైట్ వనరులను ఉపయోగిస్తుంటే, ఈ ప్రక్రియ ఇబ్బంది లేకుండా, త్వరగా మరియు సున్నితంగా ఉందని నిర్ధారించుకోండి. కస్టమర్లకు పేలవమైన అనుభవం ఉంటే, వారు ఎప్పటికీ తిరిగి రాకపోవచ్చు.
- ఉత్తమ పద్ధతులకు అనుగుణంగా అనువర్తనాలను ఉపయోగించడానికి వ్యాపార వినియోగదారులకు శిక్షణ ఇవ్వండి. అప్లికేషన్ నిర్వహణపై విస్తృతమైన శిక్షణ ఇవ్వాలి మరియు BI బృందాలు మరియు వ్యాపార వినియోగదారుల మధ్య బాధ్యతల యొక్క స్పష్టమైన విభజన ఉండాలి.
- ఆటోమేషన్ సాధనాలను పెంచండి మరియు వాటిని మెరుగుపరచడంలో మీ అనుభవాన్ని ఉపయోగించండి. ఇవర్గాన్స్ వద్ద స్ట్రాటజీ అండ్ మార్కెటింగ్ సీనియర్ వైస్ ప్రెసిడెంట్ అలెన్ బోండే ప్రకారం, "మీరు గత దశాబ్దంలో నిర్మించిన ప్లంబింగ్ యొక్క ప్రయోజనాన్ని పొందండి." పేరోల్ వ్యాపార ప్రక్రియలు, ఆటోమేటెడ్ ఇంటర్‌ఫేస్‌లు వంటి మీరు చేయగలిగేవి చాలా ఉన్నాయి. మానవ వనరుల కోసం, మరియు మొబైల్ ఫీల్డ్ సేవా బృందాల కోసం డిస్పాచ్ అభ్యర్థనలను కాల్ చేయండి.అది కస్టమర్ సముపార్జన లేదా నిలుపుదలకి హామీ ఇవ్వదు. అయితే, "మీరు దీనిని నిర్మించినందున అవి వస్తాయని అనుకోకండి."
ముగింపు
పెద్ద డేటాతో వ్యవహరించే పరిశ్రమలలో స్వీయ-సేవ మరియు ఆటోమేషన్ భారీ అవకాశాలుగా పరిగణించబడతాయి. ఏదేమైనా, ఈ అవకాశాలను ఉపయోగించుకునేటప్పుడు కంపెనీలు జాగ్రత్తగా ఉండాలి ఎందుకంటే అజాగ్రత్త అమలు వల్ల కీర్తి మరియు కస్టమర్లు కోల్పోతారు. సరైన శిక్షణ మరియు తెలివైన విధానాలు ముందుకు సాగడానికి మార్గం.