我们看到了工作场所内大数据分析为员工创建“ GPS”以浏览内部系统的潜力

企业越来越多地将复杂的技术用于其标准操作，并且这些技术可提供有关正在输入哪些数据的分析，但是我们看到未来将朝着更大的角度看待员工与软件的实际交互方式，因此公司可以更好地化其技术投资，并为团队提供指导工具以确保用户采用。

员工的生命周期每当有人加入组织时，入职流程都是相当正式的

一个常见的活动是他（她）将需要在公司的HR解决方案中创建个人资料，包括其个人详细信息。如果新员工不熟悉该解决方案，则可能会倾向于使个人熟悉该技术，并提供其他文档以帮助使员工快速掌握技术，但是这种方法存在一些挑战。首先，经典训练模型通常是被动练习，而不是使用该技术的实时格式。其次，培训是统一进行的，没有考虑员工的技能或经验，研究表明，如果不加强，我们很可能会在一年内损失90％的新技能。

我们可以将类似的情况应用于其他工人

为销售和营销团队使用客户关系管理（CRM）解决方案，尽管大多数员工会熟悉这些基础知识，但该软件是在发挥其全部潜能吗？还是工人不了解其功能？是否所有字段都已更新，或者在应用程序内省略了重要信息？在这两种情况下，从软件获得的见解仅与输入的数据一样好。

忘记忘记新技能

仅仅六个月后，当三分之一的员工辞职时，很明显，就需要一种可重复且可扩展的技术来支持员工如何使用各种业务应用程序，幸运的是，大数据分析处于现阶段，可以用来评估员工如何使用特定解决方案，基于对系统使用情况的全面分析（包括评估诸如员工职称，特定业务要求和完成时间框架之类的详细信息），企业可以发现采用过程中的常见障碍，并确定改善与用户互动的机会。例如，一个组织可能意识到人们之所以未能完成绩效评估，是因为他们努力创建专业目标。或者他们可能会发现销售代表没有参加潜在客户交易，因为他们不知道他们必须首先选择业务所在的行业。

机器学习可以依赖于如何使用软件来提供上下文指导，而不是依赖于被动形式的培训

即使员工没有遇到企业选择实施的特定软件，也可以通过识别用户行为模式来根据员工的角色和熟悉程度逐步完成每个步骤，从而减少了对IT服务台支持和临时培训的需求同时提高准确性和生产率。

自动化与工作的未来

大数据与机器学习和AI相结合，将使公司能够推出几乎任何解决方案，并确保其员工有效地使用了该技术，机器学习将根据个人的职称，目标和对应用程序的熟悉程度来识别如何个性化体验，同时大数据将使公司能够评估系统的使用方式，量化改进并将其与底线相关联，在不久的将来，AI可以绕过这些过程以自动输入特定于每个用户的信息，我们正处在迎接下一个重大破坏我们工作方式的风口浪尖上。通过分析我们如何与系统和平台互动，我们将能够优化它们，以更好地使用和更好地开展业务。