跳过导航链接首页 » 劳动力管理 » 劳动力管理研究和白皮书
掘金大数据:充分挖掘劳动力信息
2013-08-08 打印本页
分享到:
字体

 

执行概要

当今,制造商都被嘈杂的大数据及其代表的海量信息所环绕。他们为什么要关注大数据呢?答案在于大数据战略创造了将现有劳动力信息转化为商业价值的机会。有了正确的数据收集、分析以及行动,制造商能够将日常数据的“顽石”点为信息的“金矿”。

 

嘈杂的大数据

同其他许多流行语一样,“大数据”一词似乎是不知何时突然出现的。当你说到“EB(exabyte艾字节)”时,“大数据”就成了你的业务词汇的一部分。2010年4月,经过一些最初的阻力后,大数据成为维基百科收录的条目之一。大数据现在无处不在——从技术博客到《纽约时报》里CEO们的商业计划中。在过去的两年中,呈指数级增长的信息(以及处理这些信息的工具)将大数据变成了日常交谈中的一部分。作为流行语,大数据所描述的都是真实的,并以惊人的速度增长。根据一个被经常引用的IBM统计数据,每天我们创造超过2艾字节的数据——也就是2,000,000,000,000,000,000个字节的数据。因此,世界上90%的数据是在过去两年间创造的。难怪据国际数据咨询公司(IDC)预计,大数据技术服务的全球市场将从2010 年的32亿美元增至2015年的169亿美元。《计算机世界》杂志2012年对300家世界大型企业的调查发现,其中13%已经上马了大数据项目,另外有38%的企业计划或可能在2013年实施这样的项目。

 

为什么要关注大数据?

大数据对于不同的人意义也不同,但是著名数据挖掘顾问Ken Krugler的描述可能是最好的:“远远超过你能用自己的计算机处理的水平,扩容并不是最好的选择。” 意思是,利用技术效率的旧模式将难以解决您面临的大数据的挑战。您需要采取不同的方法。

那么是什么在困扰我们? 《计算机世界》的研究表明,其中一个原因是您的竞争对手。更重要的是,管理大数据的能力创造了战略性的,有时是不可预见的机会。例如谷歌这样的公司,整个公司都已经围绕海量数据的可用性而建设。其他公司也深入探测了大数据以唤起对其市场微妙而强大的洞察力。如塔吉特百货(Target,美国第二大超市)这样的零售商,使用销售点系统大数据以预测顾客接下来会买什么,然后有针对性地发起促销活动来赢得那些生意。但是大数据的价值并不局限于这样的突破。大数据策略同样允许制造商将其现有的大量劳动力信息转化为重要的商业价值。就像制造业所有其他方面的改进一样,这种转化的出发点是对这个流程的充分理解,可以用一个等式来表示:数据+分析+行动=黄金。

 

大价值开始于正确的大数据

数据作为制定决策的原材料,对您产出的“黄金”有着巨大的影响。就像使用其他原材料一样,挑战在于在保证最终产品质量的同时减少原材料的成本。正确的数据收集技术和仪器设备可以帮助您应对这一挑战。从手工考勤卡到扫描条码和感应卡,有各种各样的方法来收集劳动力数据。随着新技术越来越广泛地使用,收集成本持续下降。今天,一名联邦快递司机在门口用来扫描包裹的移动设备同工人在制造工厂里使用的技术是一样的。这些设备由标准化应用程序所支持,允许雇主们以较低廉的成本收集更加精确、更实用、更可靠的数据。

 

大数据精度

确定合适的精度——您收集的数据的粒度和频率——取决于数据的性质及其最终的用途。如果是合规需要,相关事件的每个实例信息都得被捕获。如果您的数据要用于统计测量,可能就需要较小的粒度;相反,常见的抽样策略可以用来*大限度降低数据收集成本。

例如,Kronos公司的一位客户在试着改善一个大型配送中心的经营。当他发现配送中心的主管并没有每小时几次查看经营状态时,该客户决定每间隔15分钟查看一次工作流程,然后统计平均需求和绩效水平。该解决方案有效平衡了有用信息和处理成本,同时这一粒度避免了给主管带来过度的负担,不会造成决策缓慢。根据所需信息,劳动力数据通常以四种方式收集,每种提供不同的精确水平,需要不同的成本。

推断数据收集是将劳动力数量同产品及产品数量大略进行比较的方 法。是最容易、成本最低的数据收集形式,但是考略到隐藏成本、劳 动力合规风险以及失去的提高生产力的机会,这种方法有可能是最昂 贵的。

平均或估计数据收集能够更贴近地查看劳动力成本。主管统计一个团 队的总工作时长,然后将时间分配到整个生产运营的产出上。其结果 在精度和准确度上都有所改善,但是仍然具有较高的收集成本。

基于异常的时间收集用于工作以恒定速度完成的场合,除去偶尔的变 化。例如,可以按照工作排班,经过病假或假期调整后来为某个员工 支付薪资。这种方法同样对推断数据收集有所改善,但是仍然只提供 近似结果。

实时跟踪测量实际值,如个别员工的上班/下班时间,其休息和午餐时 间,或是他们在某个具体产品任务上花费的时长。这种数据收集方法 提供了非常精确准确的信息,但是在收集成本上是最昂贵的。

 

大数据集成

大数据最重要的价值在于当不同来源的数据结合起来时所发生的创新。但是那可能很困难,因为为某一特定用途而优化的高粒度的数据往往不适用于其他的用途。挑战无处不在,从数据格式到度量单位的复杂问题(例如,食品加工工业里,人力资源专员面对的双周或半月付薪)。这可能会导致根据的是易于捕获的信息,而不是根据驱动业务的信息来做出决策。制造商应该寻找集成的大数据解决方案而不是孤立的大数据解决方案。

 

大数据完整性

不完整或质量差的数据可能在制造业环境中产生巨大的涟漪效应。例如,如果在将产品数量输入ERP系统时使用推断的时间和部件数据,一个错误的输入会导致原材料和劳动力的差异,最终会导致更高的成本或延迟发货。在许多质量改进中,改进劳动力数据质量的最好办法往往是在最前端。设置了可能值的条码扫描仪或设备能够减少录入的糟糕数据数量,从而增加产出的商业智能的完整性。

 

挖掘金矿需要分析和行动

大数据改变了对信息的分析以及根据信息采取行动的方式。传统方式中只是在解决某个特定问题时才上报所需信息。但是现在随着成TB(吉字节terabytes)的数据涌现在面前,制造商们可以直面那些之前不是特别清晰的重要问题。各个公司如何希望使用大数据去应对这些挑战,那他们的员工相应地也需要具备新的技巧,包括:

良好的分析能力。在大数据的世界中,相关性普遍存在。那些能够洞悉因果关系的大数据高手比以往任何时候都难找到,但他们偏偏又比以往任何时候都重要。

全景透析。由于处理大数据时有太多潜在不相关的结论可以得出,也有太多的路径可以选择,所以在大数据处理的人选上,需要目光超越部门和项目限制,能够理解他们的发现对于公司以及整个市场的意义的人。

讲诉故事的能力。鉴于大数据关系到许多不同领域以及利益方,数据精算师必须能够用数据讲故事,帮助别人生动地了解这些数据的价值。这个人还必须能够将自己的结论放入到上下文中。

 

大数据金矿的不同类别

无论是数据、分析还是行动,最终目标都是让某个想法实现经济效益。除了那些能够登上头版头条突破性使用大数据的公司,如塔吉特百货,大多数公司可以在不需要太大投资的情况下挖掘数据金库。例如:

单一变量的改变。大数据最简单的使用方法之一就是用于衡量一个之前无法验证的变量,例如缺勤或是过早过晚的打卡时间。捕获这些信息一方面为经理提供了可见性,另一方面也为寻找更有效的解决方案创造了机会。

搜索数据。一个更具挑战性但却非常适合大数据的问题就是明确两个或多个变量之间的关系。这通常是一个仅凭“常识”或者传统方法无法解决的问题。例如,加班是制造商们常见的一个问题,但由于出现加班的情况是多样的(需求增加、设备表现不佳等),造成加班的原因很难确定。避免折磨。每个制造商迟早都要面对持续改善的瓶颈。各种改善的方法论能从运营中拧出的收益已经越来越少,可惜效果始终不如人意。随着管理者越来越关注生产,他们发现许多小型、不易察觉的延迟累加起来造成破坏性更大。这些潜伏的问题产生累积效应,如果不依靠劳动力和生产的大数据进行统计建模,似乎根本无法解决这些问题。那些看上去随机、无法控制的时间可以被追溯到共同的根本原因便于更好管理。

预测模型。生产结果通常都被很好地记录下来,这样制造商可以知道过去发生过什么。他们同样可以使用数据创建商业智能,支持以后的决策。例如,使用合同工的制造商能从过去的表现中认识到新工人必须与那些较有经验的工人成组工作。这就创建了一个可供预测的模型。管理人员不用等到班次开始了才意识到问题,相反,可以早早地考虑技能、计划中的缺勤、季节性需求变化来制定排班预测旷工。

聚集信息。信息往往是各个部门自行收集以解决个别问题,然后就被闲置一旁。但与此同时,制造商们又在苦苦寻找跨越部门界限的洞察力,例如服务某个客户的总体成本。这些信息对于理解某个市场或某条生产线的盈利能力非常必要,之后可以用于推动价格谈判、投资决策和企业战略。利用大数据,公司可以从多个维度和来源汇总信息,服务于不同用途。

制造商们知道如何将低价值的材料变成高价值的产品。将杂乱的数据转换成信息金矿的过程也是类似的。从一开始清洗大量已经拥有的数据,到应用大数据分析知道最后依靠这些新发现的知识采取行动,所有的组织都能从中提高他们的竞争优势。

但是仅仅理解影响是远远不够的。最宝贵的想法如果无法实施落地也是一钱不值的。那这种影响是否可供衡量?是否能够用来证明某种理论或是消除一直影响着应该如何做生意方面的某些错误观念呢?例如,材料上的一个微小变化可能有损产品质量,导致加班的增加以及工会协议在未来几年内对劳动力成本的影响的变化。大数据可以帮助制造商们“穿点成面”让想法和见解得到事实的支持,与商业价值联系起来,为具体的措施创造机会和动力。

 

Kronos的作用

Kronos 通过控制劳动力成本、最小化合规风险以及提高劳动生产率帮助各类 组织抓住隐藏在他们劳动力管理中的机会。我们易于拥有的时间和考勤、排 班、缺勤管理、活动追踪、分析解决方那和战略服务能为客户提供完全自动化 的高质量信息,提供客户期望的体验。 了解Kronos如何帮助你充分劳动力管理工具提高大数据的充分贡献,今天 就致电010-62705006或是访问kronos.cn

站内搜索
最新培训与会展
» 更多