Анализ данных для компаний и спорта
Posted: Mon Jan 06, 2025 10:09 am
Спортивная индустрия — не единственная компания, которая все еще находит золотую середину в сборе и анализе данных. Вы не будете спрашивать, может ли баскетболист бросить трехочковый, или даже может ли квотербек точно бросить или принимающий может поймать брошенный мяч - вы бы попросили увидеть их в действии, даже если статистика показала, что они реализуют мяч. 73% всех игр.
Многие компании, занимающиеся стратегией развития талантов, следуют этому спортивному подходу, когда дело доходит до привлечения новых тренеров.
Эксперт поделился тактикой своей компании во время испытания для своей компании, состоявшегося недавно в феврале. Задача была объявлена как дискуссия о том, какие проблемы, с которыми сталкиваются руководители (аналитики, координаторы, директора и т. д.), могли бы извлечь уроки из других секторов, таких как спорт, но участники конкурса показали, что в каждом секторе есть возможности для совершенствования, когда дело касается данных. анализ.
Привлечение талантов
Чтобы выиграть игру в кости, вам нужно адаптироваться. Чтобы увидеть, как потенциальные новые сотрудники работают в реальных ситуациях, этот эксперт создал соревнования, которые позволяют им использовать одни и те же данные и решать одни и те же проблемы.
Идея состоит в том, чтобы создать симуляции, в которых мы можем наблюдать за работой талантливых людей — иногда отдельных людей, иногда команд — и видеть, будет ли этот человек руководить или последует за ним, что также не означает, что талантливы только лидеры. Что произойдет, когда они окажутся в огромном цейтноте, когда ставки станут реальными?
Точно так же, как команды НБА стремятся привлечь и удержать лучших игроков, речь идет о балансе гибкости с индивидуальными потребностями людей, сохранении внутри корпоративной культуры и достижении того, что вы хотите делать как компания.
Выяснение того, как мы адаптируемся, будет иметь важное значение не только для привлечения замечательных людей, но и для поддержания их мотивации, что считается одним из главных ключей к тому, как сохранить талантливых специалистов в вашей компании. Вам нужно выяснить, как обеспечить поддержку лучших специалистов в вашей организации. Люди хотят знать, что для них есть карьерный путь.
Хороший отбор талантов заключается в освещении миссии и цели работы и привлечении разнообразной рабочей силы.
Зная, например, в отрасли, как применять те же принципы для привлечения и развития талантов, которые больше похожи на профиль, требуемый компанией, но все же сильно отличаются в этом аспекте. В этом смысле компании могут поучиться у спорта.
Анализ данных поддерживает решения – они не принимаются просто так. Еще одна вещь, которую усвоил сектор образования, заключается в том, что аналитика может быть помощником учителей, но никогда не заменит их.
Анализ данных указывает, но не решает
Алгоритмы делают многое, но они не могут сказать вам, подвергается ли ребенок издевательствам, не позавтракал ли он или имеет ли проблемы с кем-то еще в классе. Для нас это понимание ограничений, определение того, что может делать аналитика данных — например, отслеживание и рекомендация контента, но окончательное решение по-прежнему принимают учителя. Есть параллель со спортом: данные могут помочь вам в триангуляции, но они не примут за вас окончательное решение.
Это то, что индустрия здравоохранения также осознала, балансируя использование анализа персональных данных для персонализации лечения пациентов.
Данные могут сказать вам, есть ли что-то не так с чьим-то здоровьем, но не могут указать на основную причину проблемы - например, у человека с диабетом, страдающего от низкого уровня инсулина.
Очевидно, что данные помогают указать вам правильное направление. Чтобы понять, как эффективно использовать данные, требуется стратегия. Для такого сектора, ка латвия whatsapp номер телефона к продажа и распространение билетов, важно тестировать и экспериментировать с вещами, которые помогают «сделать обслуживание клиентов более плавным». Неудивительно, что существует несколько способов совершения покупок с помощью приложений онлайн-платежей, при которых вы получаете билеты дома.
Однако не каждая отрасль эффективно использует собираемые данные. Учащийся, который правильно отвечает на восемь вопросов подряд и на два последних вопроса ошибается, отличается от ребенка, который неправильно отвечает на каждые четыре вопроса.
Как это работает в отрасли?
В промышленности анализ данных не сильно отличается.
Вернемся к спорту на гипотетическом примере. Игрок НБА, согласно его статистике, делает 7 из 10 бросков с заданной дистанции. С этого момента силовые тренировки, физическая подготовка, техническая подготовка и питание разрабатываются таким образом, чтобы можно было повысить этот средний показатель.
В промышленности ситуация ничем не отличается, но вам нужно знать, как лечить и извлекать из этих данных лучший диагноз для вашей компании. Это лежит в основе методологии шести сигм. Машины имеют статистику, аналогичную статистике игроков, например, количество дефектов в изготовленных деталях, количество раз, когда требуется техническое обслуживание, время смены инструмента (наладки) и т. д.
Проблема здесь заключается в том, чтобы использовать правильный инструмент для сбора и обработки этих данных и устранения проблем — стратегия, широко используемая в методологии шести сигм. Для этого есть качественные инструменты . Для обработки данных, касающихся машин, широко используемым инструментом являются контрольные карты и блок-схемы.
Отличным инструментом для обработки данных является Power BI . Получите доступ к платформе EAD FM2S и ознакомьтесь с нашим обучением по визуализации данных.
Для решения проблем, касающихся всего производственного пути, от добычи сырья до конечного потребления ( цепочки поставок ), подходящим инструментом может стать картирование потока создания ценности (VSM) .
Некоторые из этих инструментов вы можете найти в наших вспомогательных материалах.
Заключение
Понимание того, как эти модели реагирования связаны друг с другом и демонстрируют мастерство, прежде чем вы внесете улучшение, — это то, на что уходит большая часть времени. Другое дело — вернуться назад и провести метаанализ имеющихся данных для улучшения производства.
Спортивная индустрия могла бы увидеть в этом интересное значение для развития спортсменов. Спорт немного отстает в том, что, несмотря на то, что сейчас у всех есть носимые технологии, данные, необходимые для принятия спортсменом важного решения о тренировках, могут быть не такими точными, поскольку люди и машины являются гораздо более простыми в использовании механизмами.
А наличие правильных данных имеет основополагающее значение, когда мы думаем о реабилитации людей или машин.
Воспользуйтесь возможностью узнать о бесплатном курсе FM2S для обладателей белого пояса , первом в рамках обучения Six Sigma .
Многие компании, занимающиеся стратегией развития талантов, следуют этому спортивному подходу, когда дело доходит до привлечения новых тренеров.
Эксперт поделился тактикой своей компании во время испытания для своей компании, состоявшегося недавно в феврале. Задача была объявлена как дискуссия о том, какие проблемы, с которыми сталкиваются руководители (аналитики, координаторы, директора и т. д.), могли бы извлечь уроки из других секторов, таких как спорт, но участники конкурса показали, что в каждом секторе есть возможности для совершенствования, когда дело касается данных. анализ.
Привлечение талантов
Чтобы выиграть игру в кости, вам нужно адаптироваться. Чтобы увидеть, как потенциальные новые сотрудники работают в реальных ситуациях, этот эксперт создал соревнования, которые позволяют им использовать одни и те же данные и решать одни и те же проблемы.
Идея состоит в том, чтобы создать симуляции, в которых мы можем наблюдать за работой талантливых людей — иногда отдельных людей, иногда команд — и видеть, будет ли этот человек руководить или последует за ним, что также не означает, что талантливы только лидеры. Что произойдет, когда они окажутся в огромном цейтноте, когда ставки станут реальными?
Точно так же, как команды НБА стремятся привлечь и удержать лучших игроков, речь идет о балансе гибкости с индивидуальными потребностями людей, сохранении внутри корпоративной культуры и достижении того, что вы хотите делать как компания.
Выяснение того, как мы адаптируемся, будет иметь важное значение не только для привлечения замечательных людей, но и для поддержания их мотивации, что считается одним из главных ключей к тому, как сохранить талантливых специалистов в вашей компании. Вам нужно выяснить, как обеспечить поддержку лучших специалистов в вашей организации. Люди хотят знать, что для них есть карьерный путь.
Хороший отбор талантов заключается в освещении миссии и цели работы и привлечении разнообразной рабочей силы.
Зная, например, в отрасли, как применять те же принципы для привлечения и развития талантов, которые больше похожи на профиль, требуемый компанией, но все же сильно отличаются в этом аспекте. В этом смысле компании могут поучиться у спорта.
Анализ данных поддерживает решения – они не принимаются просто так. Еще одна вещь, которую усвоил сектор образования, заключается в том, что аналитика может быть помощником учителей, но никогда не заменит их.
Анализ данных указывает, но не решает
Алгоритмы делают многое, но они не могут сказать вам, подвергается ли ребенок издевательствам, не позавтракал ли он или имеет ли проблемы с кем-то еще в классе. Для нас это понимание ограничений, определение того, что может делать аналитика данных — например, отслеживание и рекомендация контента, но окончательное решение по-прежнему принимают учителя. Есть параллель со спортом: данные могут помочь вам в триангуляции, но они не примут за вас окончательное решение.
Это то, что индустрия здравоохранения также осознала, балансируя использование анализа персональных данных для персонализации лечения пациентов.
Данные могут сказать вам, есть ли что-то не так с чьим-то здоровьем, но не могут указать на основную причину проблемы - например, у человека с диабетом, страдающего от низкого уровня инсулина.
Очевидно, что данные помогают указать вам правильное направление. Чтобы понять, как эффективно использовать данные, требуется стратегия. Для такого сектора, ка латвия whatsapp номер телефона к продажа и распространение билетов, важно тестировать и экспериментировать с вещами, которые помогают «сделать обслуживание клиентов более плавным». Неудивительно, что существует несколько способов совершения покупок с помощью приложений онлайн-платежей, при которых вы получаете билеты дома.
Однако не каждая отрасль эффективно использует собираемые данные. Учащийся, который правильно отвечает на восемь вопросов подряд и на два последних вопроса ошибается, отличается от ребенка, который неправильно отвечает на каждые четыре вопроса.
Как это работает в отрасли?
В промышленности анализ данных не сильно отличается.
Вернемся к спорту на гипотетическом примере. Игрок НБА, согласно его статистике, делает 7 из 10 бросков с заданной дистанции. С этого момента силовые тренировки, физическая подготовка, техническая подготовка и питание разрабатываются таким образом, чтобы можно было повысить этот средний показатель.
В промышленности ситуация ничем не отличается, но вам нужно знать, как лечить и извлекать из этих данных лучший диагноз для вашей компании. Это лежит в основе методологии шести сигм. Машины имеют статистику, аналогичную статистике игроков, например, количество дефектов в изготовленных деталях, количество раз, когда требуется техническое обслуживание, время смены инструмента (наладки) и т. д.
Проблема здесь заключается в том, чтобы использовать правильный инструмент для сбора и обработки этих данных и устранения проблем — стратегия, широко используемая в методологии шести сигм. Для этого есть качественные инструменты . Для обработки данных, касающихся машин, широко используемым инструментом являются контрольные карты и блок-схемы.
Отличным инструментом для обработки данных является Power BI . Получите доступ к платформе EAD FM2S и ознакомьтесь с нашим обучением по визуализации данных.
Для решения проблем, касающихся всего производственного пути, от добычи сырья до конечного потребления ( цепочки поставок ), подходящим инструментом может стать картирование потока создания ценности (VSM) .
Некоторые из этих инструментов вы можете найти в наших вспомогательных материалах.
Заключение
Понимание того, как эти модели реагирования связаны друг с другом и демонстрируют мастерство, прежде чем вы внесете улучшение, — это то, на что уходит большая часть времени. Другое дело — вернуться назад и провести метаанализ имеющихся данных для улучшения производства.
Спортивная индустрия могла бы увидеть в этом интересное значение для развития спортсменов. Спорт немного отстает в том, что, несмотря на то, что сейчас у всех есть носимые технологии, данные, необходимые для принятия спортсменом важного решения о тренировках, могут быть не такими точными, поскольку люди и машины являются гораздо более простыми в использовании механизмами.
А наличие правильных данных имеет основополагающее значение, когда мы думаем о реабилитации людей или машин.
Воспользуйтесь возможностью узнать о бесплатном курсе FM2S для обладателей белого пояса , первом в рамках обучения Six Sigma .