Bd

Masywne dane

Big data to mechanizm analizowania dużych ilości danych dotyczących różnych zjawisk. W kontekście szkoleniowym big data może być wykorzystane do kompleksowego i przekrojowego analizowania realizacji celów, rezultatów biznesowych, uwarunkowań rynkowych, etc. zarówno w wymiarze firmy, zespołu jak i osób indywidualnych. Wyniki takich analiz mogą posłużyć do lepszego planowania działań rozwojowych w przyszłości.

Choose language: English French Polish

Warto wiedzieć

  • Analiza big data dotycząca zachowań pracowników w procesie rozwoju, m.in. danych z systemów e-learningowych, pozwala osobom zarządzającym tym procesem dostosować go do sytuacji w oparciu o rzeczywiste dane, a nie tylko ich pogląd na sprawę.

  • Markery tworzone w oparciu o big data mogą być dobrym elementem oceniania pracowników i pokazywać im, na jakim etapie rozwoju są oni sami i zespoły, które prowadzą.

  • Wykorzystanie danych pojedynczych użytkowników w systemie gromadzenia dużych zbiorów danych pozwala stworzyć rozwiązania, które dostosowują się do ich zachowań, sposobu uczenia się i potrzeb.

  • We współczesnych organizacjach ogromna ilość informacji dostępna jest w różnych systemach informatycznych takich jak CRM, systemy przeznaczone do zarządzania projektami, czy systemy ERP. Dane otrzymywane z tych systemów mogą być bardzo pomocne w analizie potrzeb szkoleniowych, procesie projektowania szkolenia, przydzielania pracowników do grup i ocenie.

  • Duże dane można filtrować i agregować. Na podstawie tych danych dokonuje się szeregu wskaźników ułatwiających ekstrapolację wniosków.

  • Wykorzystanie dużej ilości danych powinno wiązać się z przemyślanym sposobem ich wizualizacji. Dzięki temu można wykonać bardzo wiarygodne materiały opisujące stan faktyczny.

  • Na podstawie danych z systemów informatycznych można budować markery, które mogą sygnalizować różne potrzeby szkoleniowe poszczególnych pracowników.

  • Big data związane z nauką, np. dane z platformy e-learningowej, mogą naprawdę pomóc w udoskonaleniu szkoleń. Przykładem może być obserwacja oglądalności określonych zasobów wiedzy w celu określenia, co wspólnego mają te, które są dobrze odbierane.

  • Odwoływanie się do konkretnych danych organizacji, z której pochodzą uczniowie, może być bardziej przekonujące niż opieranie się na przypadkowych danych z innych organizacji.

  • Wiele danych statystycznych publikowanych jest bezpłatnie w Internecie na stronach internetowych instytucji publicznych takich jak Eurostat czy Bank Światowy.

  • Przetwarzanie danych może odbywać się w odniesieniu do danych folksonomicznych pobranych od osób uczących się.