اذهب إلى المحتوى

البحث في الموقع

المحتوى عن 'بيانات كبيرة'.

  • ابحث بالكلمات المفتاحية

    أضف وسومًا وافصل بينها بفواصل ","
  • ابحث باسم الكاتب

نوع المحتوى


التصنيفات

  • الإدارة والقيادة
  • التخطيط وسير العمل
  • التمويل
  • فريق العمل
  • دراسة حالات
  • التعامل مع العملاء
  • التعهيد الخارجي
  • السلوك التنظيمي في المؤسسات
  • عالم الأعمال
  • التجارة والتجارة الإلكترونية
  • نصائح وإرشادات
  • مقالات ريادة أعمال عامة

التصنيفات

  • مقالات برمجة عامة
  • مقالات برمجة متقدمة
  • PHP
    • Laravel
    • ووردبريس
  • جافاسكربت
    • لغة TypeScript
    • Node.js
    • React
    • Vue.js
    • Angular
    • jQuery
    • Cordova
  • HTML
  • CSS
    • Sass
    • إطار عمل Bootstrap
  • SQL
  • لغة C#‎
    • ‎.NET
    • منصة Xamarin
  • لغة C++‎
  • لغة C
  • بايثون
    • Flask
    • Django
  • لغة روبي
    • إطار العمل Ruby on Rails
  • لغة Go
  • لغة جافا
  • لغة Kotlin
  • لغة Rust
  • برمجة أندرويد
  • لغة R
  • الذكاء الاصطناعي
  • صناعة الألعاب
  • سير العمل
    • Git
  • الأنظمة والأنظمة المدمجة

التصنيفات

  • تصميم تجربة المستخدم UX
  • تصميم واجهة المستخدم UI
  • الرسوميات
    • إنكسكيب
    • أدوبي إليستريتور
  • التصميم الجرافيكي
    • أدوبي فوتوشوب
    • أدوبي إن ديزاين
    • جيمب GIMP
    • كريتا Krita
  • التصميم ثلاثي الأبعاد
    • 3Ds Max
    • Blender
  • نصائح وإرشادات
  • مقالات تصميم عامة

التصنيفات

  • مقالات DevOps عامة
  • خوادم
    • الويب HTTP
    • البريد الإلكتروني
    • قواعد البيانات
    • DNS
    • Samba
  • الحوسبة السحابية
    • Docker
  • إدارة الإعدادات والنشر
    • Chef
    • Puppet
    • Ansible
  • لينكس
    • ريدهات (Red Hat)
  • خواديم ويندوز
  • FreeBSD
  • حماية
    • الجدران النارية
    • VPN
    • SSH
  • شبكات
    • سيسكو (Cisco)

التصنيفات

  • التسويق بالأداء
    • أدوات تحليل الزوار
  • تهيئة محركات البحث SEO
  • الشبكات الاجتماعية
  • التسويق بالبريد الالكتروني
  • التسويق الضمني
  • استسراع النمو
  • المبيعات
  • تجارب ونصائح
  • مبادئ علم التسويق

التصنيفات

  • مقالات عمل حر عامة
  • إدارة مالية
  • الإنتاجية
  • تجارب
  • مشاريع جانبية
  • التعامل مع العملاء
  • الحفاظ على الصحة
  • التسويق الذاتي
  • العمل الحر المهني
    • العمل بالترجمة
    • العمل كمساعد افتراضي
    • العمل بكتابة المحتوى

التصنيفات

  • الإنتاجية وسير العمل
    • مايكروسوفت أوفيس
    • ليبر أوفيس
    • جوجل درايف
    • شيربوينت
    • Evernote
    • Trello
  • تطبيقات الويب
    • ووردبريس
    • ماجنتو
    • بريستاشوب
    • أوبن كارت
    • دروبال
  • الترجمة بمساعدة الحاسوب
    • omegaT
    • memoQ
    • Trados
    • Memsource
  • برامج تخطيط موارد المؤسسات ERP
    • تطبيقات أودو odoo
  • أنظمة تشغيل الحواسيب والهواتف
    • ويندوز
    • لينكس
  • مقالات عامة

التصنيفات

  • آخر التحديثات

أسئلة وأجوبة

  • الأقسام
    • أسئلة البرمجة
    • أسئلة ريادة الأعمال
    • أسئلة العمل الحر
    • أسئلة التسويق والمبيعات
    • أسئلة التصميم
    • أسئلة DevOps
    • أسئلة البرامج والتطبيقات

التصنيفات

  • كتب ريادة الأعمال
  • كتب العمل الحر
  • كتب تسويق ومبيعات
  • كتب برمجة
  • كتب تصميم
  • كتب DevOps

ابحث في

ابحث عن


تاريخ الإنشاء

  • بداية

    نهاية


آخر تحديث

  • بداية

    نهاية


رشح النتائج حسب

تاريخ الانضمام

  • بداية

    نهاية


المجموعة


النبذة الشخصية

تم العثور على 1 نتيجة

  1. سواء كانت سجلات عوائدك على الاستثمار تشرّفك أو تحرجك، فقد يكون الأسلوب الذي يجعل أرقام تلك العوائد تتألق موجودًا في فيلم صدر في عام 2011، يحكي قصة حقيقية لمدير نادي داونترودن أوكلاند إيه (Downtrodden Oakland A) حين التقى بشاب درس الاقتصاد في جامعة ييل Yale ويحب كرة القاعدة Baseball، حيث يخبره ذلك الشاب إثر لقاء غير متوقع بينهما بنظرياته عن الأسلوب الذي يجب أن يتبع في اختيار اللاعبين. بنى الشاب نظرياته على النتائج التي يستخرجها من دراسة بيانات اللاعبين من نماذج وبرامج كتبها لتحصي وتحسب تلك الإحصائيات والنتائج، على عكس الطريقة التقليدية في توظيف اللاعبين والمبنية على توصيات مكتشفي المواهب في تلك النوادي. أثبت الشاب نظرياته رغم سخرية وتهكم إدارة الفريق الرافضة لأفكاره، ولعل نجاحاته التي استندت إلى البيانات وحدها كانت هي العنصر السري الذي ساهم في فوز بوسطن باللقب في بطولة العالم في 2004 (تلك قصة حقيقية، والفيلم الذي صدر ليحكي تلك القصة هو Moneyball). قد يبدو التخطيط المبني على البيانات في ظاهره لعبة مقتصرة على هواة تحليل وجمع البيانات، أو أنه هدف صعب التحقيق لكثير من الأعمال، لكن هذا كان قبل بضع سنوات، أما الآن فقد حان الوقت كي نلحق بركب التخطيط المبني على البيانات، لنبدأ بتحليل الحالة التي لدينا كي نضع أيدينا على المشكلة ونصل لعلاجها. التسويق المعتمد على البيانات: الحالة التي لدينا يقول مارك جيفري Mark Jeffery، اﻷستاذ المساعد بمدرسة كيلوج (Kellogg) للإدارة - مدرسة خاصة للإدارة أنشئت في 1908 ودرس فيها بعض اﻷعلام مثل أوبرا وينفري Oprah Winfrey وعلي باباجان Ali Babacan وزير الاقتصاد التركي السابق - أن “الوعي بالعلامة التجارية واختبارات الأداء ومعدلات الانحسار ورضا العملاء ومقدار العمولة (Take Rate) على بيع أو ترويج منتجات من طرف ثالث، كل تلك البيانات على درجة كبيرة من الأهمية في صناعة قرار سليم في شركتك أو عملك”. إضافة إلى هذه البيانات ، فهناك أيضًا معدل العائد الداخلي Internal Rate of Retur, IRR، وهو أسلوب تستخدمه الشركات لمعرفة جدوى استثمار ما على المدى البعيد، والأرباح التي ستأتي من المشاريع، ومعدل المعاملات المالية مقارنة بمعدل التحويل Transaction Conversion Rate، وهو مقدار العمليات التي يجريها العميل الواحد بعد تحويله من زائر إلى عميل للشركة، ومعدل الارتداد Bounce Rate، وهو مقياس مغادرة الزائر بعد استعراض أول صفحة فقط من الموقع. إن جمعت كل هذا كنت على طريق احتراف المقاييس الخمسة عشر اﻷساسية لجيفري. لماذ تصدع رأسك بكل هذا؟ ﻷن مارك لم يأت إﻻ بما أكّده وذكره زملاؤه في كبرى مدارس الإدارة من قبله، وهو أن المنظمات التي تُعلي من قيمة مقاييس التسويق وتبتكر ثقافة تسويقية مبنية على البيانات تكون لها اليد العليا في التنافس، تظهر في الأداء المالي الأفضل من منافسيهم. التسويق المعتمد على البيانات: المشكلة إن علمنا أن استخدام البيانات قد ساعد فريق RedSox على الفوز باللقب، فلم تعاني أكثر الشركات في تطبيقه رغم مرور أكثر من عشر سنين؟ الظاهر أن هناك خطأً صغيرًا ربما نكون قد غفلنا عنه، وهو أننا تحولنا من البيانات المتاحة Available Data إلى البيانات الوفيرة Abundant Data، ومنها إلى البيانات الكبيرة Big Data. ونتيجة ذلك التنقل من هذه إلى تلك، فقد غرق مديرو التسويق في خضم تلك المعلومات وصارت معالجتها معاناة لازمة لهم، لقد ألهتهم ضخامة الغابة ككل عن النظر إلى الأشجار من حولهم، فما نريد إﻻ قطف ثمار تلك الثقافة من الاعتماد على البيانات وجمعها وتحليلها، لكننا نجهل كما يبدو من الأمر كيفية قطف تلك البيانات. التسويق المعتمد على البيانات: العلاج لقد اكتشفت أن الإجابة لمشكلة البيانات الكبيرة تكمن في أصل المشكلة نفسها، فالذي يجعل أشخاصًا مثل جيفري بارعين في تفسير تلك البيانات أن تلك البيانات تُخرَج وتُنتَج وتُصنَّف بطريقة علمية، وهي نفس الطريقة التي تعلمها مارك جيفري أثناء دراسته. هذا يعني أني إما أن أوظف عالم بيانات أو أتعلم كيف أعالج الجانب التحليلي من العمل بأسلوب من درس الرياضيات في الجامعة. الطريقة العلمية للنمو ﻻ شك أن لديك خلفية عن مكونات الطريقة العلمية في معالجة المشاكل، لكن دعنا نتطرق إلى إحدى الطرق التي تشرحها بأي حال: عرّف المشكلة وراقبها جيدًا، ثم ضع تلك المشكلة في هيئة سؤال. ابحث في أصل المشكلة لتولّد نظريات تقترح حلولًا للمشكلة، أو تجيب عن السؤال الذي وضعته. اختبر تلك النظرية لترى صحتها. انظر نتائج الاختبارات كي تصل إلى استنتاجات بشأن تلك النظرية. تابع طرح أسئلتك وتابع اختباراتك إن فشلت نظريتك اﻷولى لتفسير المشكلة ووضع حل لها. يُيَسِّر التركيز على جزء واحد من المشكلة في كل مرة معالجة البيانات والتحكم في سيْر التجربة. دعنا نبحث إحدى الحالات لتكزن مثالا على تطبيق الطريقة العلمية في النمو المعتمد على البيانات: لنقل إن لديك منتجًا ﻻ يحقق مبيعات جيدة على متجرك الإلكتروني، وينصح مدير المبيعات بتقليل سعر بيع المنتج. يكون السؤال لدينا في هذه الحالة هو “هل تقليل سعر المنتج فكرة سديدة تحل المشكلة؟” تخبرنا الأبحاث التي نجريها كي نضع نظرية تجيب عن هذا السؤال أن المنتجات المشابهة لدى المنافسين تباع بسعر مقارب للسعر الذي تضعه، فتفترض حينها أن تقليل سعرك سيزيد مبيعاتك بما أن المنافسين يضعون أسعارًا في نفس مستوى سعرك القديم “اللعب على تقليل الأسعار لجذب العملاء“. نختبر هذه الفرضية بإجراء اختبار A/B، فنعرض المنتج بسعر جديد أقل من السعر الأصلي لنِصْف زائري صفحة المنتج، ونضعه بالسعر العادي للنصف الآخر، ونجري ذلك الاختبار لمدة أسبوع. تخبرنا النتائج أن تقليل السعر لم يزد نسبة مبيعات المنتج بقدر ملحوظ. الإجراء الذي يجب أن تتخذه الآن هو أن تبحث في نظرية أخرى تفسر سبب انخفاض مبيعات هذا المنتج، ثم تختبر تلك النظرية. قد تظن أن المثال السابق بسيط أكثر من اللازم وﻻ يصلح للتطبيق في شركتك، لكننا رأينا من عملائنا في TheGood أن أرباحهم تزيد بقدر جيد نتيجة القرارات التي تبنى على بيانات مستخرجة من اختبارات أبسط من تلك التي وضعناها في المثال!، وقد استخدمنا تلك الطريقة العلمية مع الشركات باختلاف أحجامها، من Xerox إلى Adobe. ولعل البيانات الكبيرة كبيرة حقًا، لكن ذلك ﻻ يعني أن تخشاها، فمع التحليل المناسب خطوة بخطوة بناءً على أسئلة جوهرية تتبع بخطة مبنية على البيانات التي تجمعها من إجابات تلك الأسئلة، يمكنك تحقيق الأرباح التي تريدها في وقت أقل وبموارد أقل من الطرق العادية. سيعطيك تطبيق المنظور العلمي للنمو نتائج أفضل إن كان في منصة شاملة تظهر أداء نشاطك التجاري مقارنة بالأهداف الموضوعة لهذا النشاط من مرحلة إلى أخرى في قمع المبيعات، فحينها توفر كثيرًا من الوقت والمال والجهد المبذول في زيادة نمو ذلك النشاط التجاري. خاتمة يجب أن تجعل نصب عينيك أن بناء الشركات وتطويرها يجب أن يكون من منظور تهيئتها للنمو وتحقيق الأرباح ابتداءً، وتساعدك الطريقة العلمية في معالجة البيانات على تحقيق ذلك بأقل موارد متاحة. فمثلًا قد يكون اختبار A/B أكثر من مجرد أفكار عشوائية تختبرها، إن عرفت كيف تجريه بذكاء، فهو يدور حول اتباع نهج علمي مبني على البيانات التي لديك، إنني أنصحك باتباع أسلوب Moneyball في الاختبار وتطوير نشاطك التجاري كي تحقق المستوى الذي تريده من الأرباح. هل تتفق أن المنظور المبني على بيانات ضرورة لزيادة عوائد استثمارك؟ شاركنا أفكارك وآراءك حول الأمر في التعليقات بالأسفل. ترجمة -بتصرف- لمقال Data-Driven Optimization: How The Moneyball Method Can Deliver Increased Revenues لصاحبه Jon MacDonald.
×
×
  • أضف...