Best Free Password Managers For Australian SMEs In 2020

Best free password managers tools

A quick way small and mid-sized businesses (SMEs) can ramp up their cyber defences is by securing their company passwords. Luckily, the task doesn’t have to be complicated. Password management software is a great, inexpensive approach to strengthening digital security initiatives. In this article, we reveal three of the best free password managers available to SMEs in Australia.

Best free password managers tools

Why is password management important?

 

Anyone who works (or has worked) in a growing business will know that employees tend to juggle a large workload, and often across many tools. It’s tempting, in this situation, to give and apply one password across all those platforms. 

Let me tell you why that’s a bad idea.

Over the years, cybercriminals have developed a cryptographic hack called brute force attacks. The hacker only needs an email address to start. They’ll then enter thousands of password combinations until they discover the correct one. Often, this is with the aid of automated software and so a weak password can be ‘cracked’ in a matter of seconds. Unsurprisingly, an experienced hacker won’t hesitate to check if the login details work on other sites too.

Brute force attacks have risen in Australia, with small businesses being the target. To combat this, Australians must create strong and unique passwords for every account they own.

How to strengthen passwords

 

A strong password should be a mix of:

  • At least eight to sixteen characters
  • Capital and lowercase letters
  • Special characters
  • Numbers.

An example of a strong password would look something like this: U7d!9@0sn23!xf44.

Common, breakable passwords usually include real names, words, or dates. Year after year, ‘123456’ has come out on top as the most hackable password a user can choose.

Creating unique, randomised combinations for digital accounts makes sense for password security. But expecting staff to memorise complex sequences for many accounts is unrealistic.

What is a password manager?

 

A password manager is a tool that provides users with the means to synchronise passwords across several accounts. The security software saves the passwords in a central hub and activates them using a master password.

One key benefit of password managers is that users only have to remember one password. Many providers also include a browser plug-in, which enables users to login with the master password from the toolbar. They can access any online account stored in the manager thereafter.

What to look for in a password manager

 

When researching password management tools, there are a few crucial features to look out for.

In a free version, you’ll want to include:

  • Master passwords
  • New password generators
  • Password capture
  • Password resets
  • Unlimited storage allowance.

Another handy feature to look out for is two-factor authentication.

PCMag explains how two-factor authentication works:

“There are three generally recognised factors for authentication: something you know (such as a password), something you have (such as a hardware token or cell phone), and something you are (such as your fingerprint). Two-factor means the system is using two of these options.”

In short, a password manager will help apply extra layers of security to your business regardless of how basic or advanced it may be.

Best free password managers 2020

 

Implementing a new password manager shouldn’t be a burden on you or your IT department. Users who get baffled or frustrated by a tool may well abandon it. Therefore, it’s important to explore an option that works for everyone. 

To that end, we set the following criteria during our research. The software selected must have all of the features mentioned above, plus:

  • An established market in Australia
  • A high search volume in Australia
  • At least 200 written reviews on Capterra Australia with 4+ stars.

Based on these requirements, we’ve selected three password management software tools. Listed in alphabetical order:

1. 1Password 

 

1pass password management tool

Overall rating: 4.7/5

Ease of use: 4.6/5

Features: 4.6/5

Value for money: 4.5/5

Two-factor authentication: Yes

Biometric login: No

Free version: Free one-month trial (increased to six months to help businesses work securely from home as a response to COVID-19)

Cost to upgrade: US$3.99 per user per month

Platforms supported: Mac, iOS, Windows, Android, Linus, and Chrome OS

About 1Pass

1Pass aims to make good security habits become second nature within businesses. While it doesn’t offer a freemium version, it has recently extended it’s trial offerings to six months (March 2020.) As a result, this will allow companies to respond to the coronavirus outbreak with secure, remote workflows.

The tool also syncs across devices, so employees always have access to their passwords.

There are a few different pricing options for 1Pass subscribers: Teams, Business and Enterprise. The latter is better suited to larger businesses that need a bespoke package, whereas the Teams and Business versions work well for small and mid-sized businesses.

What’s included?

The Teams version increases password security for small teams that manage several online accounts. After the six-month free trial, it costs US$3.99 per user per month.

It includes:

  • Unlimited shared vaults and item storage
  • Admin controls to view and manage permissions
  • Two-factor authentication
  • Duo integration for business-wide multi-factor authentication
  • 24/7 email support
  • 1 GB document storage per person
  • 5 guest accounts for limited sharing.

1Pass Business costs US$7.99 per month per user after the free trial, and it includes everything from the Teams version; plus:

  • VIP Support
  • 5 GB document storage
  • 20 guest accounts for limited sharing
  • Custom security controls with 1Pass Advanced Protection
  • Permission-based access control for each vault
  • Free family accounts for team members
  • Activity log for tracking changes to vaults and items
  • Custom roles
  • Usage reports for creating an audit trail
  • Custom groups to organise teams
  • Provisioning with Active Directory, Okta, and OneLogin.

User opinions

What users liked: Users said 1Password makes it easy to capture logins in a central hub. It also takes little time to access online accounts without memorising several password combinations.

Users highlighted the 1Password app because it’s available on a multitude of devices. It also tells users what’s wrong with their passwords and how to strengthen them. For example, a password may be too weak or an exact copy of one of their other account logins.

What users found challenging: 1Password doesn’t offer an annual payment option. However, users won’t need to pay anything for up to six months depending on the platform version they choose.

Read software reviews for 1Pass.

2. LastPass

 

Lastpass password management software screenshot

 

Overall rating: 4.7/5

Ease of use: 4.5/5

Features: 4.6/5

Value for money: 4.6/5

Two-factor authentication: Yes

Biometric login: Yes

Free version: Yes

Cost to upgrade: Billed $48 USD annually per user

Platforms supported: Web, iOS, Android 

About Lastpass

LastPass allows users to securely generate and save passwords, and use them across multiple devices. To keep the password management tool activated, users can install the browser extension and log in using a master password.

What’s included?

The free version is for personal use, but individual employees could use it to manage their digital work environment too. The account includes:

  • 1 user
  • Access on all devices
  • One-to-one sharing (sharing passwords with trusted family and friends in a secure way)
  • Save and fill passwords
  • Password generator
  • Secure notes (such as saving the details of the business credit card)
  • Password audits
  • Multi-factor authentication
  • LastPass Authenticator.

The business version, which caters towards teams, costs US$4 per user per month. As well as everything included in the free version, it also includes:

  • 5-50 users
  • Admin dashboard for IT
  • Zero-knowledge security model (employees create their own master password)
  • Directory integration
  • Single sign-on
  • Multifactor authentication
  • Customised policies
  • Reporting.

User opinions

What users liked: Users said it’s easy to add, view and manage items that they’ve saved to their LastPass account. Subscribers can also add passwords to their vault when they log in or create a new account.

Lastpass account holders also commended the password generator because they said it helped strengthen their accounts. The software takes a different route to randomised password combinations, and instead, suggests creating a password (such as a composition of random words) that the user can remember easily. The software will then strengthen it by adding easy-to-remember punctuation, dashes or periods in between and within words.

What users found challenging: Subscribers said they can’t ask for a reminder if they forget their password. However, the platform does allow them to reset it.

Read software reviews for LastPass.

2. RoboForm

 

Roboform password manager interface

Overall rating: 4.6/5

Ease of use: 4.4/5

Features: 4.4/5

Value for money: 4.5/5

Two-factor authentication: Yes

Biometric login: No

Free version: Yes

Cost to upgrade: Billed US$40.2 annually per user

Platforms supported: Web, iOS, Android 

About Roboform: 

Roboform subscribers can securely store passwords and log in to accounts with a single password. Once a Roboform account is opened, the user sets a master password to secure their data.

Users can add or import their existing passwords into the platform from their browser, a CSV, or another password management tool. Roboform automatically saves passwords as the new user logs in or creates online accounts. 

What’s included?

The free version is basic but includes:

  • Unlimited logins
  • Autofill forms
  • Password audits
  • Password generator.

Companies can upgrade to the business account at US$3.35 per user per month for more features. These include:

  • Easy user onboarding
  • Centralised management
  • Active Directory integration
  • Role-based permissions
  • Full separation of business and personal passwords
  • Unlimited sharing groups (for teams)
  • Security policy deployment
  • Account data backup
  • Detailed reporting
  • Pay as you go (no contracts)
  • Premium support.

User opinions

What users liked: RoboForm generates strong password suggestions for their user accounts. It auto-fills the information when they next login; which subscribers said was a valuable, time-saving feature. 

Users also noted that its simplicity makes it a good option for people who have little to no experience with password managers.

What users found challenging: Users mentioned that the autofill feature doesn’t always function as it should. However, they also noted that copying and pasting passwords from the application is a reliable backup.

Read software reviews for RoboForm.

Want to compare these platforms side by side? Check out GetApp’s comparison tool for LastPass, Roboform and 1Pass today. 

IA y Project Management (I): la actual Dirección de Proyectos en las pymes

Dirección de proyectos en las pymes

Dirección de proyectos en las pymes

Según la consultora Gartner, en el año 2030, la inteligencia artificial habrá revolucionado el ámbito de la gestión de proyectos (contenido disponible en inglés). De acuerdo con estas previsiones, la tecnología relacionada con la Inteligencia Artificial habrá sustituido las tareas más básicas realizadas hoy en día por Project Managers.

En la misma línea, el Project Management Institute (PMI) dedicó su estudio Pulse of the Profession In-Depth Report en 2019 sobre AI Innovators: Cracking the Code on Project Performance  (contenido disponible en inglés), en el que recogía los datos de la encuesta realizada a 551 profesionales de la gestión de proyectos a nivel mundial. El informe extrae tres tecnologías relacionadas con la IA que ya están impactando en la gestión de proyectos:

  • Sistemas estructurados en función del conocimiento que ayudan al aprendizaje y la toma de decisiones en base al contexto de los datos;
  • Aprendizaje automático mediante la creación de patrones y modelos;
  • Gestión de decisiones, construyendo modelos y patrones que ayuda a la mejora de la toma de decisiones Apoyada por un conjunto de procesos en función de reglas lógicas y patrones detectados en los datos.

Al mismo tiempo, el informe AI Innovators especula con el aumento del impacto de otras herramientas relacionadas con la IA en los próximos tres años:

Sin embargo, debemos tener en cuenta que este tipo de análisis se realizan en un contexto muy específico, toda vez que la mayoría de los estudios sobre la gestión de proyectos y los reportes de la herramientas asociadas vienen de grandes proyectos y corporaciones.

La pregunta que nos hacemos es, ¿cómo pueden  afectar las nuevas tecnologías al ejercicio de la Dirección de Proyectos en aquellas pequeñas y medianas empresas donde esta práctica no está consolidada?

Las empresas de menor escala, pequeñas y medianas organizaciones, son una parte fundamental de la economía por su empleo, la innovación y el crecimiento económico. La Economía de los Proyectos, tal y como lo expresa el PMI debe tener también su reflejo en la gestión de los proyectos realizados por estas empresas de menor tamaño.

Sin embargo, sus particulares características hacen que, tanto la aplicación de los procesos relacionados con la Dirección de Proyectos como la tecnología y herramientas para implementar estos procesos, se vean obstaculizadas o mermadas.

Este primer artículo se centra en la cultura de la Dirección de Proyectos en las pymes: cómo se gestiona, los retos que se presentan, las ventajas que tienen como pequeñas y medianas organizaciones, y consejos para implementar procesos funcionales.

¿Cómo es la Dirección de Proyectos en las pymes?

La gestión formal de proyectos no está muy extendida en las pymes, y viene realizándose de una forma menos estructurada que en aquellas organizaciones de mayor envergadura y con implementación tradicional de las prácticas en project management.

La mayoría de las actividades “internas” que podríamos considerar como proyectos  ocurren de forma esporádica entre las operaciones continuas, y generalmente son atendidas por el personal de gestión de manera informal.

Las actividades o proyectos “externos” para un cliente fuera de la empresa generalmente reciben más atención, pero aún se gestionan de manera informal y, en la mayoría de los casos, por personal sin capacitación específica en gestión de proyectos.

Podemos afirmar que no existe una cultura de Dirección de Proyectos en las pymes. Esto no quiere decir que sus proyectos no tengan éxito. Un gran número de ellas gestionan de forma eficaz basadas en la experiencia y el  conocimiento tácito de las personas involucradas, más que un esfuerzo consciente o a unos procesos formalmente establecidos.

La consecuencia de esta falta de cultura de proyectos conlleva un fracaso futuro en la gestión de ese conocimiento, ya que el éxito de los proyectos normalmente se apoya en la experiencia de unas pocas personas especialistas acostumbradas a realizar este tipo de proyectos, y no otros.

Según Ghobadian y Gallear en su artículo TQM and Organization Size (contenido disponible en inglés), las pymes demandan de sistemas sencillos para planificar, controlar e informar sobre el estado de sus proyectos debido a la falta de recursos evitan los procesos formales y muy burocráticos.

La gestión de proyectos tradicionalmente ha precisado de roles especializados para establecer procesos formales para la toma de decisiones. Sin embargo, las pymes tienden a utilizar procedimientos no estandarizados y ningún sistema de gobierno de sus proyectos. Los procesos de toma de decisiones suelen ser personalistas, en manos de pocos roles responsables que normalmente coinciden con los propietarios, y basados idealmente en la experiencia.

Sistemas flexibles para dirección de proyectos

Sistemas sencillos y flexibles para las pymes

La Dirección de Proyectos influye en el organigrama de las grandes empresas, llegando a establecer PMO, Project Management Office, personal y estructuras estables aplicadas a afrontar los proyectos, ya sean internos o externos. En las pymes, sin embargo, la estructura organizacional se soporta sobre roles relacionados con la gestión de los proyectos con un grado de especialización muy bajo. Los roles encargados de planificar y controlar los proyectos normalmente están dedicados a tiempo parcial a estas tareas, compatibilizándolas con otras funciones.

Los procesos y procedimientos normalmente utilizados por las pymes reflejan que éstas requieren metodologías y herramientas en gestión de proyectos menos estructuradas y flexibles. La mayoría de las pymes no utilizan o lo hacen de forma muy somera, metodologías en gestión de proyectos por la falta de personal cualificado entre el staff, al mismo tiempo que los directivos (normalmente coinciden en la persona del fundador/propietario) de las empresas no muestran ningún interés en que los proyectos se gestionen de una forma más científica y profesional.

En caso de apostar por mejorar en la gestión profesional de sus proyectos, prefieren utilizar metodologías y herramientas testadas en vez de apostar por consultoría, talento y recursos asignados a las tareas relacionadas con la gestión, que podrían adaptar la metodología a la medida de la organización. Tailoring, el término acuñado por PMI para referirse a la necesidad de adaptar la metodología, los procesos y las herramientas utilizadas a la medida de la empresa y el proyecto en cuestión.

Al mismo tiempo, la estructura y los recursos dedicados a la gestión de proyectos requieren de las pymes poner el foco en las personas simplificando la burocracia y los formalismos que consumen mucho tiempo y recursos.

Por contra, las pymes poseen puntos favorables que las convierten en organizaciones competitivas en otros aspectos. Debido a la falta de estructuras rígidas y encorsetadas, son organizaciones en las que la cultura de innovación y emprendimiento están muy arraigadas.

Los trabajadores pertenecientes a la generación millenials representará el 75 % de la fuerza del trabajo en el año 2025, cambiando la cultura y la forma de realizar los proyectos. Esta generación de nuevos trabajadores prefiere trabajar en empresas más pequeñas, pymes, donde las estructuras organizativas pesan menos sobre la libertad de las personas. Sólo el 7 % de la Gen Y trabaja para grandes corporaciones mientras que su mundo gira alrededor de la cultura de las start-ups. Esta generación no espera que las grandes compañías escuchen su voz y reconozca su contribución, por este motivo prefieren trabajar en una pequeña empresa que valore su contribución y conocimientos como nativos digitales.

Muchas pymes se ven abordadas por la montaña cada vez mayor de literatura relacionada con los proyectos, la profesión de gestión de proyectos en rápido crecimiento y la creciente complejidad de las metodologías. En la encrucijada de la Economía de Proyectos no sorprende que los gerentes de las empresas más pequeñas no duden en asumir el desafío. Para que la gestión de proyectos sea más fácil de usar y aplicable a las pymes, sus gerentes demandan soluciones que tengan el tamaño adecuado para el proyecto correcto, es decir, simple, rápido, relevante y práctico.

Integrar la Dirección de Proyectos en los procesos de trabajo de las pymes supone incorporar la tecnología en sus procesos: IA, innovación y mejora de procesos.

En la segunda parte de este artículo, presentamos a la Inteligencia Artificial cómo una herramienta sumamente útil para la Dirección de Proyectos en las pymes.


Carlos Javier Pampliega es Arquitecto especializado en la Gestión de Proyecto y Riesgos, en diferentes sectores, es Certified Associate in Risk Management por la George Washington University.

Certificado Project Management Professional (PMP), amplía su ámbito de actuación a otros sectores, incorporando las Metodologías Ágiles de desarrollo de Proyectos como Professional Scrum Master.

Es voluntario del Project Management Institute (PMI) y secretario de la Junta Directiva de su Capítulo en Madrid.

Carlos es consultor y formador en Dirección de Proyectos, su marca personal en las redes es un referente en el ámbito de la  dirección de proyectos, autor de numerosos artículos, participa regularmente como ponente en presentaciones y cursos de diferentes Escuelas de Negocio y Universidades, así como en Congresos organizados por PMI.

Citizen data scientist vs expert data scientist

citizen data scientist

citizen data scientist

Au début de l’année 2019, LinkedIn a nommé le métier de data scientist “emploi le plus prometteur de 2019”. Avec un salaire annuel médian de base de 130 000 dollars et 56 % de postes supplémentaires ouverts cette année par rapport à l’année dernière, difficile de ne pas avoir envie de décrocher ce type d’emploi. Mais pour de nombreuses entreprises, le rêve de s’offrir les services d’un spécialiste des données reste inaccessible.

La plupart d’entre nous ne sont pas capables de créer les algorithmes nécessaires à l’analyse prédictive, au data mining et autres techniques d’analyse des données indispensables aux entreprises. C’est pour cette raison que la science des données exige une formation pointue en mathématiques et en informatique.

La demande de profils présentant ces compétences est énorme et ne peut pratiquement pas être comblée par les candidats disponibles.

Heureusement, tout n’est pas perdu pour les entreprises qui veulent s’appuyer sur la science des données mais ne peuvent pas débloquer le salaire correspondant. La demande de data scientists évolue parallèlement à la quantité d’outils de business intelligence (BI) accessibles. En renforçant la science des données par l’association de bons logiciels et de bons collaborateurs, les entreprises peuvent créer un nouveau profil, tout aussi crucial : le citizen data scientist.

Qu’est-ce qu’un citizen data scientist ?

Les citizen data scientists sont des utilisateurs intensifs capables de réaliser des tâches d’analyse des données. Ils ne se substituent pas aux expert data scientists, mais ils exploitent des fonctionnalités comme les outils en glisser-déposer, les modèles et les pipelines de données pour créer des modèles sans code.

Au contraire des expert data scientists, vous n’avez pas besoin de recruter vos citizen data scientists. En effet, ils font déjà partie de votre entreprise. Ils connaissent votre activité dans les moindres détails : stratégie, clients, points d’amélioration, tech stack, etc.

Grâce à leur maîtrise du terrain et des outils logiciels, ils permettent aux entreprises et aux secteurs qui les emploient de mieux profiter des fonctionnalités avancées d’analyse des données. Leurs compétences sont complémentaires de celles des expert data scientists, plus axés sur l’informatique et les mathématiques. Les deux profils obtiennent des résultats particulièrement remarquables quand on les associe.

fonctions data scientist

Qu’est-ce qu’un expert data scientist ?

Les expert data scientists récoltent et nettoient une grande variété de données avant de les analyser pour résoudre des problèmes opérationnels. Les données analysées peuvent être structurées (analysables par de simples algorithmes) ou non structurées (dans ce cas, elles impliquent plus d’éléments linguistiques et doivent être traitées par des algorithmes plus robustes).

De nombreux spécialistes des données créent les algorithmes qu’ils utilisent pour analyser des données structurées. Ils recourent aussi à des outils externes (comme Elasticsearch ou Cluvio) pour analyser de grands ensembles de données non structurées comme des textes extraits d’e-mails ou les réponses à des questions ouvertes.

Pour ce faire, ils doivent concevoir des requêtes de recherche associées à des mots et des phrases particuliers avant d’analyser manuellement les données non structurées. En tant que telle, la science des données n’est pas accessible à tous.

La plupart des entreprises exigent une expérience dans les langages de programmation conçus pour les statistiques comme R et Python. Elles demandent aussi des connaissances dans les outils tiers d’analyse de données tels que Google Analytics, ainsi qu’un diplôme de master ou de doctorat en mathématiques, informatique ou autre domaine lié au secteur quantitatif. La majorité des expert data scientists (88 %) ont au moins un master et près de la moitié ont un doctorat.

Quel profil choisir ?

Les citizen data scientists et les expert data scientists ont des compétences communes, mais ils ont chacun leurs particularités. Dans l’idéal, votre budget suffira pour repérer des citizen data scientists au sein de votre entreprise avant d’engager des expert data scientists pour réaliser des analyses plus poussées.

Avant de publier vos offres d’emploi, vérifiez les besoins réels de votre entreprise (à court terme et pour les cinq prochaines années). Le dernier Hype Cycle de Gartner consacré à la science des données et au machine learning (disponible en anglais) indique que différentes techniques incontournables entrent dans la phase de “Trough of Disillusionment” (“creux de déception”) et enchantent donc moins les utilisateurs.

De l’analyse prédictive au deep learning, nombre des techniques les plus en vogue du secteur s’approchent dangereusement de ce “creux de déception”. Si vous n’avez pas de raison valable d’incorporer ces techniques dans votre stratégie commerciale, ou pas assez de données nettoyées prêtes à être analysées, vous n’obtiendrez pas les résultats escomptés en engageant un expert data scientist.

Vous ne savez pas par où commencer ? Voici une infographie GetApp pour comprendre en un clin d’œil les différences essentielles entre citizen data scientist et expert data scientist.

citizen data scientist

Découvrez tous les logiciels de business intelligence et d’analytics du catalogue GetApp !

El análisis de datos en Marketing, Ventas y Servicio al cliente es indispensable para las pymes

Análisis de datos en Marketing, Ventas y Servicio al cliente

El análisis de datos en Marketing, Ventas y Servicio al cliente en las pymes

Analizar datos; últimamente, este concepto está muy presente en el ámbito de los negocios. Especialmente ahora que está al alcance de todo tipo de empresas: tanto las grandes organizaciones como las pequeñas y medianas tienen acceso a la tecnología que lo hace posible, ya sea a través de un software especializado en análisis de datos o mediante uno no especializado que tenga esa funcionalidad, como, por ejemplo, un software CRM. El análisis de datos puede llevarse a cabo con varios objetivos en mente, pero principalmente se busca mejorar u optimizar procesos, productos, servicios o cualquier otro aspecto interno y externo de la empresa.

Los departamentos de Marketing, Ventas y Servicio al cliente son algunos de los que más partido sacan de esta práctica. Por este motivo, GetApp llevó a cabo una encuesta a empleados de estos tres departamentos*. La finalidad del estudio era conocer los procesos y los objetivos que entraña esta práctica, así como la percepción que se tiene de ella en cuanto a si beneficia o no al negocio.

Entender al cliente, el objetivo principal

Los departamentos de Marketing, Ventas y Servicio al cliente tienen algo en común: el recorrido del cliente, desde su descubrimiento como oportunidad de venta hasta su conversión y su posterior retención. Durante este largo proceso, los tres departamentos recogen mucha información debido a la constante comunicación e intercambio de detalles. El uso de estos datos es esencial para mejorar cualquier aspecto del negocio.

Un 62 % de los encuestados indica que entender al cliente es el principal motivo por el que estos departamentos realizan análisis de datos, seguido por la intención de mejorar el producto o servicio (58 %) y la de mejorar la experiencia del cliente (41 %).

¿Por qué se hace el análisis de datos en Marketing?

Entender mejor al cliente es útil para conocer y trazar perfiles específicos (buyer persona) o descubrir nuevos nichos de consumidores a los que puede apuntar el negocio.

La mejora del producto o servicio es una actividad constante en cada empresa, por lo que utilizar datos contribuye a revelar los puntos débiles que se deben cambiar o los puntos fuertes que es necesario explotar.

Mejorar la experiencia del cliente es vital para la retención: uno puede convertir muchas oportunidades, pero retenerlas requiere mucho esfuerzo y atención y, en ocasiones, los detalles clave se pierden si no se estudian de forma metódica.

Esta información conduce a la siguiente pregunta: ¿en qué fase del embudo de ventas se hace el análisis? El 43 % de los participantes señala que en todas las fases se realizan análisis de datos. Para ser más específicos, principalmente una vez que son Clientes (34 %), cuando se trata de Leads aprobados por Marketing (16 %) y cuando son Leads aprobados por Ventas (13 %).

Las pymes son conscientes de que deben recoger y analizar datos correctamente

Antes de analizar los datos es necesario recolectar. Desde esta etapa tan temprana, las pymes ya eligen cuidadosamente las herramientas y los métodos que usan. El estudio indica que el 44 % emplea software especializado en recopilar datos, un 23 % cuenta con una herramienta propia para esta función y el 13 % obtiene información mediante encuestas y formularios online.

En cuestión de análisis las respuestas no difieren mucho. La encuesta muestra que se utiliza principalmente software especializado (42 %), seguido por una herramienta propia (29 %), una empresa externa (17 %) y un software no especializado (12 %).

Herramientas para el análisis de datos en Marketing, Ventas y Servicio al cliente

El hecho de que las principales respuestas indiquen el uso de software especializado de terceros y de una herramienta propia señala la importancia que le dan las pymes a los productos diseñados específicamente para realizar esta actividad y obtener resultados de calidad.

Esta idea se refuerza con la decisión de externalizar el análisis; del segmento que recurre a terceros para llevar a cabo el análisis de datos, el 45 % apunta que la calidad que ofrece la empresa externa es mayor.

Por lo tanto, las pymes son conscientes de la importancia de invertir bien sus recursos para llevar a cabo esta actividad.

Google Analytics es la plataforma que más se utiliza para analizar datos

En el caso del grupo de encuestados que utiliza software especializado o no especializado (de terceros) para analizar los datos, ¿qué tipo de producto emplean? El estudio presenta los siguientes resultados:

En primer lugar está Google Analytics, una opción viable y recurrente, ya que, al ser un servicio en la nube, las pymes ahorran recursos en infraestructura al tiempo que los empleados pueden acceder desde cualquier ubicación. La variedad de tutoriales disponibles la convierten en una herramienta práctica de implementar y, si hace falta, se puede profundizar mucho en ella.

En segundo lugar está el software de análisis de datos, un producto también especializado en esta función. Invertir en él indica un interés en aprovechar al máximo la información que se analiza, ya que sus funciones y maneras de representar los datos pueden ser muy detalladas. Las pymes que invierten en este tipo de software buscan resultados específicos y la posibilidad de profundizar en ellos.

En tercer lugar están las herramientas de redes sociales, esto puede ser tanto las funciones que incorporan las mismas redes o un producto que está especializado en ellas. Estos productos están diseñados específicamente para medir comportamientos e interacciones en este tipo de medios. Hoy en día, toda pyme debe tener perfil en redes y a veces la información que se recoge en ellas es suficiente para optimizar el negocio. Por lo tanto, es lógico que estas herramientas estén entre las que más se usan.

En cuarto lugar se encuentran las herramientas de análisis de datos de marketing: los software diseñados para recopilar, analizar y gestionar actividades específicas de este departamento. Son sumamente útiles si solo se busca aprovechar la información en este ámbito. Por ejemplo, en campañas de email marketing o realizar campañas publicitarias.

Los siguientes en la lista son los software de servicio al cliente y software CRM, productos no especializados pero que tienen la funcionalidad de analizar información. Existen algunos cuyas funciones de este tipo son bastante completas y presentan informes detallados de la interacción, dificultades y estatus de los clientes a fin de solucionar los problemas u optimizar el servicio o producto.

Marketing y Ventas son los encargados de analizar los datos

Los integrantes de los departamentos de Marketing y Ventas son quienes principalmente realizan el análisis de datos (38 %). No deja de ser lógico si se tiene en cuenta que los productos que se emplean no son complejos de usar, ya que suele tratarse de análisis sencillo de datos, también conocido como small data. Además, tiene sentido porque estos mismos departamentos son los que utilizarán posteriormente los resultados del análisis.

El tema de la seguridad de datos es harina de otro costal: es un aspecto muy sensible y regulado por el RGPD. En cuanto a la protección de los datos que recopilan y analizan los departamentos de Marketing, Ventas y Servicio al cliente en las pymes, suele estar en manos de un especialista interno (44 %), en las del departamento de TI (22 %) o se encarga a una empresa externa (14 %). Estas respuestas dejan claro que las pymes se toman en serio este tema.

¿Aún no realizas análisis de datos en marketing, ventas y servicio al cliente? ¿A qué estás esperando?

Si aún te estás preguntado si deberías analizar o no datos con el objetivo de optimizar o potenciar los procesos, funciones y resultados de tus departamentos de Marketing, Ventas o Servicio al cliente, la respuesta es fácil: sí, deberías hacerlo.

 El 82 % de los participantes respondió que el análisis de datos se ha vuelto indispensable para la empresa. 

Y en caso de que el dato anterior no sea suficiente para convencerte, mira el siguiente: el 94 % de los encuestados señala que nota algún tipo de beneficio en el negocio gracias al análisis de datos, ya sea totalmente (39 %), mucho (26 %) o en cierta medida (29 %).

Las pymes notan beneficios del análisis de datos

De hecho, el análisis de datos es una tendencia tecnológica en las pequeñas y medianas empresas que estará en alza durante los próximos dos años. Si decides no seguir esta tendencia, piensa que tu competencia sí lo hará.

Como has visto en este artículo, no hace falta tener un departamento especializado en análisis de datos ni la inversión en productos es desproporcionada en comparación con los resultados que se obtienen. La variedad de herramientas disponibles permitirá que encuentres una que encaje con las necesidades de tu negocio.

No te quedes atrás y consulta nuestro catálogo de herramientas de análisis de datos, las específicas para marketing o cualquiera de las que hemos mencionado anteriormente. Es posible que encuentres entre ellas un software que ya utilizas y que cuenta con la funcionalidad de analizar datos como, por ejemplo, un software ERP. En nuestra plataforma podrás filtrar productos, comparar características y precios y encontrar el software adecuado para tu pyme.

Infografía sobre análisis de datos en Marketing, Ventas y Servicio al cliente en pymes

—–

* Metodología de la encuesta: para recopilar los datos de este informe hemos llevado a cabo una encuesta en línea. Las respuestas provienen de una muestra del mercado español. El cuestionario se envió a 1153 personas, entre las que se seleccionaron 243 para participar. Los participantes cualificados están empleados (a jornada completa o parcial) y trabajan en el departamento de Marketing, Ventas o Servicio al cliente de una pequeña o mediana empresa (entre 1 y 250 empleados) que realiza análisis de datos. Todos provienen de diferentes sectores empresariales.

 

Regtech: de financiële sector ontgroeid

Regtech is een begrip dat we vandaag vooral linken aan grote bedrijven uit de financiële dienstverlening. Daarbuiten is het weinig bekend. Toch moet de potentiële impact van Regtech voor middelgrote en kleine bedrijven uit niet-financiële sectoren niet onderschat worden.

Regtech voor niet-financiële bedrijven

Regtech: niet enkel voor banken

MKB’s hebben allen 2 dingen gemeen: (a) ze zijn onderhevig aan allerhande wetgeving, de ene al meer dan de andere en (b) zelden heeft een MKB als bestaansreden om aan deze wetgevingen te voldoen.

Er zijn verplichtingen rond identificatie van de eigenaren, de verplichtingen van allerlei financiële, fiscale en andere rapporteringen. Er zijn de sectorspecifieke verplichtingen, die in sectoren als de financiële sector, in voeding of gezondheidszorg zwaarder zijn dan in sommige andere sectoren.

Deze wetgevingen zijn een noodzakelijk kwaad, essentieel om te kunnen deelnemen aan het economische leven. Begrijp me niet verkeerd: het heeft zeker zijn nut, dus het hoort er nu eenmaal bij. Het is dus van belang om met zo weinig mogelijk inspanningen te voldoen aan deze regulering.

Wat is Regtech?

Met verbeteringen de voorbije jaren in toepassingen binnen artificiële intelligentie, machine learning en data mining is een nieuwe discipline ontstaan met als enige doel om inspanningen rond regulering zo laag mogelijk te houden. Regtech is de naam. Regtech is een verzamelnaam voor alle bedrijven die software ontwikkelen om andere bedrijven te helpen aan de nieuwste reguleringen te voldoen met een minimum aan tijd en energie.

Hun bestaansreden en hun inkomstenmodel is om hun klanten zoveel mogelijk moeite te besparen om in lijn te blijven met de wettelijke verplichtingen waar je bedrijf aan onderhevig is.

Automatische opvolging nieuwe wetgeving

Via de juiste partnerships kan je je opnieuw bezighouden met essentie: meerwaarde creëren. Gedaan is de tijd dat personeel moet aangeworven worden om nieuwe wetten en regelgevingen op te volgen. Via machine learning en natural language processing doet de computer de analyses, bezorgen deze bedrijven je een samenvatting van de laatste nieuwigheden of worden wijzingen automatisch geïmplementeerd. Contracten opstellen en nalezen? Dat kan allemaal in een oogwenk.

Bedrijven als Clausematch nemen de opvolging van nieuwe wetgeving gewoon over, en met de juiste implementatie zorgen ze er ook nog eens voor dat je compliant blijft, met de juist documentatie voor personeel en toezichthouder. Op die manier bespaar je tijd voor waardecreatie in je bedrijf en kunnen mensen zich met meer creatieve en strategische taken bezighouden.

Snellere en digitale identificatie

Identificatie van UBO (ultimate beneficiairy owner) of zelfs gewoon van klanten kan steeds eenvoudiger. Ook hier spelen Regtech bedrijven een belangrijke rol. Zij kennen de laatste standaarden en weten hoe ze de nieuwste technologie optimaal moeten inzetten om je het leven zo eenvoudig mogelijk te maken.

Een recente Europese wetgeving EIDAS (Electronic IDentification Authentication and trust Services) heeft een nieuwe golf van innovatie in gang gezet. Deze wetgeving betekende een stroomlijning van identificatieverplichtingen op het continent. Omdat een markt niet langer gebonden is aan nationale wetgeving, kan veel meer schaalvoordeel gehaald worden, wat dit soort oplossingen aantrekkelijk maakt om in te innoveren. Bedrijven als iDIN, Signicat, Scrive and Belgian Mobile ID spelen hier handig op in. Deze bedrijven bieden oplossingen aan om online identificatie eenvoudiger te maken, of om documenten en contracten digitaal te ondertekenen. Elk bedrijf dat regelmatig contracten moet ondertekenen of laten ondertekenen heeft hier baat bij.

Binnen dit domein zie je ook steeds meer dat blockchain initiatieven het licht zien. Begin januari 2020 maakte Belgische Isabel Groep bekend dat ze samenwerken met alle 4 grootbanken aan Kube, een nieuw initiatief dat verificatie en beheer van professionele identiteiten eenvoudiger maakt. Concreet betekent dit in het UBO-proces dat een bedrijf nog slechts bij 1 financiële instelling zich zal moeten identificeren, ook al is dat bedrijf een klant bij verschillende instellingen. De gegevens worden dan via Kube onderling verdeeld waar nodig.

Beter en automatisch risicobeheer

Van klantenrisico, betalingsrisico tot marktrisico, controle van nieuwe leveranciers en kredietrisico’s: er is geen risico dat deze bedrijven met de juiste data niet kunnen inschatten. De tijd die je spaart door de analyses te automatiseren en volop in te zetten op de conclusies van deze automatische analyses is mooi meegenomen.

Dat brengt ons bij de derde belangrijke pijler waar Regtech bedrijven op inzetten: risicobeheer. Bedrijven in deze categorie dienen verschillende klanten en dus kunnen ze ook terugvallen op een veel grotere poel van geaggregeerde data die na analyse tot veel betere resultaten leidt.

Daarnaast zijn zij dikwijls gespecialiseerd in het scannen van het hele internet om zo, als eerste, het laatste nieuws te detecteren. Het Nederlandse bedrijf Owlin is er hierin bijvoorbeeld gespecialiseerd. Hun analyses laten je toe om als eerste op de hoogte te zijn van wat er leeft in de markt, zodat jij hier sneller op kan inspelen.

Automatische rapporteringen aan de regulator

Dankzij standaardisatie van gegevens een slimme interpretatie ervan kunnen rapporteringen aan toezichthouders steeds meer geautomatiseerd worden. ERP-pakketten bieden hier steeds meer geïntegreerde oplossingen om jou het werk eenvoudiger te maken.

Steeds meer toepassingen gebruiken ook blockchain technologie om bijvoorbeeld de volledige waardeketen van goederen te traceren en te documenteren. Van de diamantsector en de voedingsindustrie tot de kledings- en verpakkingsindustrie testen ermee. Dankzij de blokchain technologie ontstaat er zekerheid dat de gedetecteerde gegevens correct zijn en niet gewijzigd kunnen worden en digitaal beschikbaar zijn. Op die manier ontstaat er een groter vertrouwen in de hele waardeketen en kan de administratie tot een minimum beperkt worden.

Conclusie

Het mag duidelijk zijn dat Regtech de financiële wereld ontgroeid is. Voor de meerwaardezoeker onder de ondernemers zal de verdere ontwikkeling van technologie binnen deze industrie een enorme verrijking worden. Bloomberg communiceerde in augustus 2019 dat de Regtech markt tegen 2025 zal groeien naar 55 miljard USD. Het mag dan ook duidelijk staat dat we vandaag slechts aan de start staan van een industrie die de komende jaren alsmaar belangrijker wordt.


Over de auteur:

Rik Coeckelbergs is de oprichter en de algemeen directeur van The Banking Scene, een informele Benelux netwerkorganisatie voor bankiers. In een verder verleden werkte hij bij Colruyt als Business Controller, bij Clear2Pay als Payments en Management Consultant, bij KBC als Applicatiebeheerder en als Senior Product Manager Daily Banking bij de bpost bank. Met een unieke mix van jaren ervaring in zowel Finance, Strategy en Marketing kan Rik vandaag de huidige trends in een zeer brede context zien en waar nodig nuanceren. Zijn LinkedIn groep Innovation In Payments heeft 25.000 leden wereldwijd.

 

 

AI in Recruitment: 44% denkt dat AI vooroordelen kan hebben

AI in recruitment

Eind 2019 stond het aantal openstaande vacatures in ons land op 316 duizend en werden er 312 duizend banen vervuld (cijfers van CBS). Een gemiddelde vacature trekt rond de 36 sollicitanten daarmee hebben Nederlandse recruiters dus meer dan 11 miljoen cv’s ontvangen.

Het handmatig doornemen van al die cv’s, het organiseren van interviews en het selecteren van de juiste kandidaten, is een tijdrovend proces. HR-professionals maken daarom steeds vaker gebruik van kunstmatige intelligentie (AI) om repetitieve taken te automatiseren, de beste kandidaten te vinden en het aantal ‘bad hires’ te reduceren. 88% van de grote bedrijven wereldwijd heeft AI al op de een of andere manier gebruikt voor HR.

AI in recruitment

AI-systemen kunnen voorspellen wie er op zoek gaat naar een baan voordat iemand officieel begonnen is met zoeken. AI kan automatisch cv’s en motivatiebrieven scannen op zoekwoorden of taalgebruik en zo de meest geschikte kandidaten voorselecteren. AI-robots kunnen sollicitatiegesprekken voeren en beoordelen of kandidaten niet alleen over de juiste vaardigheden beschikken, maar ook over de juiste persoonlijkheid.

Nu AI steeds vaker de behoeftes van recruiters bedient, is het goed om stil te staan bij de maatschappelijke acceptatie van AI bij recruitment. Wat vinden Nederlanders eigenlijk van de algoritmisering van de recruitmentwereld? Vinden zij het eerlijk om door een machine beoordeeld te worden? Wat wordt wel en niet geaccepteerd? Capterra deed hier onderzoek naar. De resultaten van het onderzoek bieden bedrijven en HR-professionals die van plan zijn om AI toe te gaan passen inzicht in de houding en de verwachtingen van de maatschappij hierover. Dit zijn de belangrijkste resultaten van het onderzoek:

  • Slechts 21% van de respondenten weet echt wat AI is.
  • 49% denkt dat de inzet van AI bij recruitment het selectieproces (iets) eerlijker maakt omdat het minder beïnvloed is door onbewuste vooroordelen van een recruiter.
  • 44% denkt dat AI bevooroordeeld kan zijn.
  • 81% wil na afwijzing voor een sollicitatie de mogelijkheid hebben de conclusies van het algoritme te verifiëren.

Gebrek aan kennis over AI

Ongeveer een op de drie Nederlanders weet niets of niet veel van AI af. 43% van de mensen weet een beetje hoe AI werkt en dat het iets te maken heeft met ingewikkelde algoritmes, maar hoe AI-technologie precies werkt is voor de meesten nog een raadsel.

Wat is AI?

Een uitleg is dus op zijn plaats. Er zijn twee soorten AI-technologie die bij werving en selectie gebruikt worden:

  • Rule-based AI
  • Machine learning AI

Een computersysteem dat kunstmatige intelligentie (AI) bereikt met geprogrammeerde regels wordt een rule-based systeem genoemd. Een computersysteem dat AI bereikt met machine learning heet een zelflerend systeem.

Rule-based AI

Het rule-based systeem is de simpelste vorm van kunstmatige intelligentie. Het is gebaseerd op geprogrammeerde ‘als dit, dan dat’-basisregels en mathematische formules. Het systeem voert alleen de regels uit die door een mens zijn geprogrammeerd en leert dus niet zelf: het gaat om simulatie van intelligentie. Het systeem is beperkt tot de kennis die in de code staat.

Bij recruitment wordt rule-based AI toegepast in de preselectiefase. Een voorbeeld van een regel kan zijn: als een kandidaat ervaring met CAD-software heeft, dan gaat deze door. Een voorbeeld van een mathematisch model kan zijn: succesvolle kandidaat = x kenmerk + x vaardigheid + x kennis. Op deze manier kunnen duizenden cv’s en motivatiebrieven door het systeem worden gehaald en rolt er automatisch een resultaat uit met de meest geschikte kandidaten om te interviewen. Voor recruiters is deze software met slimme regels een uitkomst. Het bespaart hen tijd en automatiseert repetitieve taken.

Wat vinden sollicitanten ervan om op deze manier voorgeselecteerd te worden?

preselectie met AI tools

Bijna een derde van de respondenten denkt dat AI het preselectieproces eerlijker maakt. Als de preselectie met een rule-based systeem wordt gedaan en dus gebaseerd is op geprogrammeerde regels, is het systeem zo objectief en eerlijk als de regels die de programmeur heeft ingevoerd. Die regels zijn bovendien zichtbaar in de programmeercode en dus redelijk transparant, controleerbaar en aanpasbaar. Je kunt er dan van uitgaan dat het AI-systeem in dit geval geen voorkeur geeft of discrimineert tenzij de recruiter regels heeft geïntroduceerd die betrekking hebben op leeftijd, afkomst, handicap, geslacht, godsdienst, nationaliteit of seksuele voorkeur.

Er bestaan ook machine learning cv-screeningtools. In dat geval worden de geprogrammeerde regels gecombineerd met zelflerende regels met betrekking tot kenmerken van eerdere succevolle kandidaten.

Bijna de helft (43%) van de respondenten is bezorgd over de eerlijkheid van het gebruik van AI in de preselectiefase. Daarom zegt 68% ook dat ze het wel goed vinden als de voorselectie met AI wordt gedaan zolang de resultaten maar worden herzien door een recruiter ter controle van de conclusies en om eerlijkheid te garanderen.

Machine Learning AI

Het zelflerende systeem ofwel Machine Learning (ML) in het Engels is de andere AI-technologie die veel binnen recruitment wordt ingezet. In tegenstelling tot een rule-based systeem, worden de regels en formules die het machine learning systeem toepast niet door een mens ingevoerd of aangepast. Dit systeem leert zelf patronen en verwantschappen ontdekken voor succesvolle kandidaten. Een mens voert hier alleen data in en geeft aan welke data uit het verleden succesvol en onsuccesvol is. Er worden geen regels opgesteld of geprogrammeerd, dat doet de ‘machine’ zelf.

Machine learning wordt bijvoorbeeld ingezet bij chatbots die online vragen van sollicitanten beantwoorden, robots die sollicitatiegesprekken afnemen en het analyseren van video sollicitatiegesprekken.

chatbot cv's screenen

Chatbots worden door de meeste mensen al geaccepteerd en zelfs positief gewaardeerd (27%). Voorbeelden van AI aangedreven chatbots voor recruitment zijn de open source tool Olivia of Whaii. Deze chatbots kunnen bijvoorbeeld sollicitatiegesprekken inplannen, simpele vragen beantwoorden over de cultuur binnen een bedrijf, salaris of werkomgeving.

Een sollicitatierobot werkt weer anders. Het Zweedse wervingsbureau TNG maakt bijvoorbeeld gebruik van de Tengai unbiased-robot om sollicitatiegesprekken af te nemen en gebruikt daarvoor een robot in plaats van een menselijke recruiter. De robot werkt een vragenlijst af en analyseert de kandidaat zonder te letten op achtergrond, etniciteit of persoonlijke voorkeur.

Wat vinden potentiële sollicitanten van een robotrecruiter? 46% van de respondenten zou het niet leuk vinden als een robot het gesprek voert, maar een derde vindt het best, zolang er daarna een gesprek met een recruiter volgt.

AI in voorselectie van sollicitanten

AI voor het analyseren van social media, lichaamstaal en taalgebruik

Een andere vorm van AI in recruitment is analyse van online activiteiten van kandidaten op social media. Tech bedrijven zoals Deepsense bijvoorbeeld bieden de mogelijkheid een rapport op te stellen over “role fit” gebaseerd op analyse van online-activiteiten. Hierbij kijken ze naar leervermogen, stabiliteit, houding, autonomie, teamwerk, enzovoort. De software kent vervolgens een persoonlijkheidsscore toe gebaseerd op DISC-profielen en de Big Five (OCEAN) persoonlijkheidsanalyse. Deze scores worden vervolgens gemeten door deze te vergelijken met kenmerken van succesvolle kandidaten uit het verleden om zo tot best-fit aanbevelingen te komen.

Ook AI-analyse van lichaamstaal, gezichtsuitdrukking en taalgebruik worden al toegepast. Zo gebruikt Unilever bijvoorbeeld de software van HireVue om interviews af te nemen. De technologie analyseert naast lichaamstaal ook intonatie en gezichtsuitdrukkingen. Voor de analyse van taalgebruik gebruiken bedrijven als L’Oréal en Coca Cola bijvoorbeeld de software van Seedlink. Hun systeem analyseert onbewuste patronen in het taalgebruik van kandidaten voor snellere, nauwkeurigere HR-beslissingen.

analyseren door AI van gezichtsuitdrukking en taalgebruik

Ook al worden bovenstaande recruitmenttechnieken al toegepast, het publiek blijft huiverig. Uit het onderzoek blijkt dat de meeste mensen dit soort analyses ongepast vinden of met moeite accepteren. Het is begrijpelijk dat er bij deze vergaande vormen van AI-analyse zorgen ontstaan over bijvoorbeeld privacy van verkregen gegevens, over vrijheid van meningsuiting en discriminatie.

Ethiek van AI

Om mensenrechten concreet te beschermen bestaan er verschillende wetten zoals de AVG voor bescherming van persoonsgegevens, de Algemene Wet Gelijke Behandeling (AWGB) en de Wet Gelijke Behandeling van Mannen en Vrouwen. Ook AI-oplossingen moeten aan deze wetgeving voldoen, maar door het gebrek aan transparantie in de gebruikte algoritmes is naleving moeilijk te controleren. Zo kan het verbod op discriminatie bijvoorbeeld geschonden worden door bias in de onderliggende data of bias in het algoritme, zonder dat recruiters zich daar bewust van zijn. Hierdoor kan er bijvoorbeeld ongerechtvaardigd onderscheid worden gemaakt tussen mannen en vrouwen.

Bias in AI

Een veelgestelde vraag is daarom of een zelflerend systeem eerlijker is dan een menselijke recruiter. In het geval van machine learning is deze vraag moeilijk te beantwoorden omdat er veel minder zichtbaarheid is op de formules die het systeem toepast dan bij een rule-based systeem. Wat denken sollicitanten hierover? Is een zelflerend systeem eerlijker dan een menselijke recruiter?

Bias in AI werving en selectie

Het feit dat veel mensen niet precies weten hoe AI werkt en omdat zelflerende AI-systemen ook weinig transparant zijn, verklaart hoogstwaarschijnlijk waarom 41% van de respondenten niet weet of het gebruik van AI in wervings- en selectieprocessen eerlijker is dan traditionele werving. Mislukte testen met AI in recruitment van ‘early adopters’ zoals Amazon hebben ook niet bijgedragen aan het vertrouwen in de technologie. Van fouten is er echter wel geleerd. Nu weten we namelijk dat data niet vrij is van menselijke invloed en op veel manieren ‘biased’ kan zijn. Als deze ‘biased’ data als trainingsdata voor een Machine Learning systeem wordt gebruik, kan dit wel degelijk leiden tot discriminatie.

Bijna de helft van de respondenten denkt dan ook dat AI bevooroordeeld kan zijn. 32% denkt dat niet.

Transparantie van algoritmes

Om bias te voorkomen wordt er nu wel steeds beter gekeken naar de werking van AI en komen er langzaam oplossingen op de markt die bias in AI proberen te voorkomen. Voorbeelden daarvan zijn Explainable AI en Interpretable Machine Learning, tools die nagaan in hoeverre de machinebeslissingen bepaald zijn door vooroordelen en systemen die de redenering van de computer inzichtelijk maken en aangeven welke factoren de beslissing positief of negatief hebben beïnvloed.

Dankzij deze tools wordt de werking van AI een stuk transparanter zodat het proces ook voor kandidaten inzichtelijker gemaakt kan worden. En dat is belangrijk voor het vertrouwen in AI en de naleving van regelgeving. Transparantie is de basis van vertrouwen. Uit de resultaten van het onderzoek blijkt dat ook heel duidelijk: 81% van de respondenten wil de mogelijkheid hebben om achteraf inzicht te krijgen in de conclusies die door een AI-systeem zijn getrokken. Hoe transparanter het proces, hoe eerlijker de selectieprocedure wordt ervaren.

Als de ethische kant van de inzet van AI bij recruitment in orde is, kunnen dit soort toepassingen een enorme aanvulling en wellicht besparing van het recruitmentproces betekenen.

Heb jij ervaring met een AI-recruitmentproces als kandidaat of als recruiter? Laat het ons weten in de opmerkingen!

Ben je op zoek naar sollicitatietest software, gamification software, ATS-systeem, Chatbot software of AI-software voor je HR-afdeling? Kijk dan op Capterra. Je vindt er een uitgebreid aanbod aan softwareoplossingen om de geschiktheid en het karakter van een kandidaat te meten voordat je gesprekken gaat voeren of de kandidaat in dienst neemt. 

Methodologie van het onderzoek:

Capterra voerde deze online-enquête uit in de maand februari 2020 onder 412 full-time of part-time werkzame Nederlanders tussen de 18 en 65 jaar met op z’n minst enige kennis van AI. De resultaten zijn representatief voor het onderzoek, maar niet noodzakelijkerwijs voor de Nederlandse bevolking als geheel.

Qué es Small Data y por qué es una alternativa al Big Data

Qué es Small Data y por qué es una alternativa a Big Data

Qué es Small Data y por qué es una alternativa a Big Data

 

¿Estás pensando en utilizar el análisis de datos para mejorar tu pyme? Entonces deberías saber que aparte del conocido Big Data existe el Small Data y te puede ser más útil. ¿Qué es el Small Data y cuál es la diferencia con el Big Data? En este artículo te lo explicamos.

La era del valor de los datos

Datos, datos y más datos. Algo indudable a finales de la segunda década del siglo XXI es que entre los buscadores de internet, las redes sociales, los wearables, el internet de las cosas y muchas otras fuentes, los datos que producen las personas se han convertido en lo más valioso para las compañías y los gobiernos.

¿Cuántas veces has escuchado sobre la cantidad de datos que tienen Facebook y Google sobre los internautas? Y especialmente, ¿cómo los utilizan? Escándalos del uso de datos sobran, Cambridge Analytica es uno de los más sonados. El hecho de que ahora los gobiernos estén desarrollando e implementado leyes de protección de datos es un indicativo de que es un tema muy serio, es la privacidad del individuo.

Un correcto estudio de datos ofrece resultados útiles o insights para entender comportamientos o predecir situaciones. Las empresas ya sean grandes, medianos o pequeñas lo saben y por eso están invirtiendo en herramientas y gente especializada para realizarlo.

Las organizaciones buscan en ellos todo tipo de patrones y resultados que ayuden a la empresa. Por ejemplo, identificar fallos e optimizar los procesos; prever comportamiento del mercado; pronosticar riesgos para evitarlos o sortearlos lo mejor posible; diseñar nuevos modelos de negocio; trazar perfiles de consumidores para afinar o desarrollar nuevos productos. En otras palabras, el análisis te da la información que necesita tu negocio para despuntar en el mercado o incluso sobrevivir una crisis.

Qué es Big Data

El término Big Data últimamente suena mucho en el mundo de la tecnología y los negocios, se refiere a toda esa información que se genera todo el tiempo en todos lados. El Big Data es una combinación de datos estructurados y no estructurados que se puede medir en petabytes o exabytes. Provienen de cualquier tipo de fuente, producida directamente por un humano o no. 

El Big Data se puede entender con las siguientes tres V: volumen, variedad y velocidad.

  • Volumen: es la cantidad de los datos a procesar, la cuál es mucha y se requiere una tecnología específica y expertos en el área para trabajarla.
  • Variedad: es la diversidad de naturaleza y formato de los datos a procesar, en este caso es un volumen mixto de tipos de datos.
  • Velocidad: es el tiempo que se necesita para adquirir y procesar la información, en este caso al ser una gran cantidad se hace por lotes y por lo tanto los resultados no son inmediatos, lleva su tiempo. 

Por estos motivos, trabajar con Big Data no es algo sencillo, requiere herramientas y especialistas para hacerlo. Esto no es económico y no todas las compañías se lo pueden permitir. 

Debes tener en cuenta que debido a que el Big Data tiene un gran volumen y variedad de datos no te resultará útil o de valor en primera instancia. La tarea de limpiar, clasificar y analizar es lo que da el resultado o insight de calidad.

Pero existe otro tipo de data, el cual, ahora mismo, no es tan famoso como el Big Data pero puede ser igual de provechoso a mucho menor coste, se llama Small Data.

Qué es Small Data

Como su nombre lo indica, el Small Data es una pequeña cantidad de datos, al contrario que los profundos océanos del Big Data. Son datos concretos que puede entender una persona sin necesidad de un experto o de una tecnología ultra sofisticada.

De hecho, para muchas cuestiones del día a día, tanto de usuarios como de empresas, el Small Data es suficiente. Es más accesible y procesable. Casi cualquier persona puede trabajar con estos datos, utilizando diferentes tipos de software y de menor precio que los que necesita el Big Data.

El Small Data suele ser fácil de analizar y representar. También se puede explicar con las tres V que tiene el Big Data:

  • Volumen: la cantidad de información es menor, lo cual lo hace preciso y manejable para una persona.
  • Variedad: generalmente está compuesto de un único tipo de datos en un mismo formato, esto lo hace más accesible y fácil de comprender.
  • Velocidad: debido a que la cantidad de información es manejable, los análisis se pueden realizar casi o en tiempo real. Puedes tener resultados tan pronto como cuando ingresas los datos.

Los productos que se usan para analizar el Small Data no tienen que ser especializados para grandes cantidades de datos. Por ejemplo, puede ser una herramienta de análisis de datos Marketing, un software CRM, un software ERP, un software de servicio al cliente, incluso se puede hacer en un Excel. 

El Small Data está compuesto por datos que ya tienen valor, al ser más específicos o detallados se pueden utilizar para realizar insights de calidad inmediatamente. No hace falta que pasen por el largo proceso que el Big Data requiere. Y no porque el Big Data no tenga calidad, sólo que en ese caso, el valor hay que trabajarlo o minarlo, mientras que en el Small Data ya se recopila lo que se necesita analizar.

Ejemplos de Small Data son: el perfil y actividad de una persona en redes sociales o en su app que mide cuánto ejercicio hace al día, la app del banco que indica en cuánto y en dónde gasta cada mes , los horarios de autobuses, las estadísticas de un jugador de fútbol, etc.

¿Se te hace muy familiar el Small Data? Por supuesto, tienes claro qué es Small Data, llevas analizando este tipo de datos toda tu vida, tanto en tu vida personal como en la profesional. Es toda esa información que comprendes y la tienes a la mano. La pregunta es: ¿la estás aprovechando debidamente en tu empresa? 

Small Data vs Big Data ¿qué le conviene a las pymes?

¿Realmente hay una lucha entre Big Data y Small Data? Los dos son distintos entre si, cumplen funciones diferentes, la lucha no está en cuál de los dos proporciona los mejores resultados, ambos lo pueden hacer; tampoco está en si se tiene el presupuesto o no. La lucha está en la estrategia de tu empresa, está en qué tipo de datos recopilas y qué quieres hacer con ellos, ¿qué necesidades tiene tu pyme?, ¿qué problema buscas resolver?

Cada pyme debe hacer un análisis propio sobre qué datos tiene y cómo puede aprovecharlos para su negocio. Ya sea para entender mejor a los clientes, medir el rendimiento de equipos internos, desarrollar campañas de marketing exitosas, etc.

Es cierto, del Big Data se pueden crear distintos Small Data pero no por eso es necesario realizar todo ese largo y costoso proceso. El Small Data se puede recolectar directamente, por ejemplo, de las redes sociales o encuestas. Al final, Big Data y Small Data son datos, para elegir como tratarlos depende del volumen, el tipo y formato, las fuentes de donde provienen y los objetivos a descubrir con ellos.

Uno de los beneficios del Small Data es que inmediatamente se puede procesar y producir insights de calidad. Los datos que lo componen ya tienen un valor. Esto para cuestiones de marketing, logística, servicio al cliente, entre otros, es muy útil. A diferencia del Big Data, el cual es más tardado pero la cantidad de insights es mayor, aparte de que con el Big Data se pueden obtener resultados que con el Small Data no.

Los datos siempre estarán ahí, depende de ti si te pierdes o los usas para construir

Los humanos son los que producen los datos y los que los denominan Big Data, Small Data, o incluso hay un término que es Dark Data. 

El reto está en no perderse en los datos, hay que tener claro que se quiere sacar de ellos, para que finalidad se estudian y cuánta cantidad y variedad se va a procesar. Entonces es más fácil saber si se requiere trabajar e invertir en análisis de Big Data o de Small Data.

What Is Dark Data And How Can Small Businesses Benefit From It?

What is dark data

How well do you know the data your business collects? Many businesses, big and small, collect large amounts of data through their systems and processing. And often, they are collecting information that goes unnoticed, stowed away to gather dust on a server. This is known as “dark data,” and more companies are using big data software to access and analyse this unseen information to enhance their business. 

If you’re looking for creative ways to use data to your advantage, read on. We’ll cover everything you need to know about dark data, including what it is, how to find it, and how to use it to your advantage. 

What is dark data?

The official definition of dark data, according to Gartner, is “information assets organisations collect, process and store during regular business activities, but generally fail to use for other purposes.” 

What is dark data

Dark data can refer to any type of data—but what sets it apart is the way it’s treated. It’s the information you collect as a business, but which your data team does not routinely analyse. 

The phenomenon is surprisingly common. In a survey of 1,300 business and IT leaders, Splunk found that approximately 55% of organisations’ ’ data is dark. However, nearly every respondent said that they consider data to be “very” or “extremely” valuable to their success. 

Examples of dark data

Data refers to any information your business collects in bulk. It’s a broad term, but there are certain types of data that are more likely to “go dark” than others. 

Dark data can be split into three categories, so let’s break those down and discuss the different examples within each. 

Unanalysed internal data

This is perhaps the most common type of dark data. It refers to the information that businesses collect and store as part of routine business operations. This could include customer interactions (how long customers spend on-site before making a purchase, for example), customer service call logs, email or chat logs, or even surveillance footage. 

Data made available through new technology

Sometimes, new technology makes previously untapped data accessible. The best example of this is mobile analytical data. Thanks to the rise of the smartphone and tablets, you can now analyse things like device usage and geolocation of customers. You can also use new big data analysis tools to identify new patterns within data that you may not have known about before.

Data from the deep web

Sometimes, data goes dark all on its own. Firewalls, which businesses use to maintain security, can obscure information. It’s impossible to analyse this data unless your business has the right tools and expertise to gather and decode it. When collecting this type of data, businesses need to ensure they are not violating any privacy regulations, as sometimes information hidden behind a firewall is put there for safety reasons. 

What are the benefits of using dark data?

Now that you understand what sort of information qualifies as “dark data”, you may be wondering why you’d dedicate time and resources to gather and analyse it. 

Gain new insights to improve your business

Data is key to improving your business operations. According to Datumize, 71% of executives expect data to become more valuable in the next decade. This means that businesses that have more in-depth data to analyse will outshine their competitors and have a deeper understanding of their customers’ and clients’ behaviours. 

Freeing up your server space

Part of the analysation process is determining which data sets are useful to your business, and which can be discarded. Your business likely pays for server space to store all of the data, and these costs can add up quickly. If you’re currently paying to store information that you aren’t or can’t use, then you are essentially throwing money down the drain. 

By analysing the dark data, you can clear away anything that’s not necessary, so that you’re only paying to store data that has real value.  

How to recover and start analysing your dark data

Is your business sitting on dark data that you’d like to put to use? Here are the steps you can follow to start unearthing the dark data to see how it may prove useful. 

1. Ensure you have the right staff and technology

Analysing data in bulk is a big task. If you’re planning on unearthing even more data, you must have the right people and technology platforms in place. Speak with your current data analysis team to see whether they can take on the extra work. From there, you can make sure they have the tools they need to start the project. 

2. Determine what “dark data” is available and worth analysing

Once your team is ready to go and have the technology in place, begin combing through your storage servers to see what data is available. Keep the aforementioned examples of dark data in mind as you look through what’s in storage. Compile these resources into a list, so you can determine what to keep, what to delete, and how to proceed with the next step. 

3. Create a strategy for dark data analysis

Once you know what data you want to pull, your analysis team should begin building a strategy to start the process. To do this, they need to consider: 

  • Who will be responsible for which sets of data? 
  • How will you record findings from the analysis process? 
  • What other teams/staff need to be informed of the findings? 
  • What steps will the business take to effectively use the data? 

Conclusion

Businesses that make dark data analysis part of their strategy stand to gain deep insights into their business. With the right plan in place, your company can reduce unneeded data while also pulling information that could change the way your business operates for years to come.

Conheça 3 ferramentas de BI gratuitas

ferramentas de bi gratuitas

ferramentas de bi gratuitas

Uma das melhores características das ferramentas de business intelligence (BI) é que seus benefícios não estão limitados a um determinado tipo de empresa. Seja para 10 ou 10.000 funcionários, é possível aproveitar as vantagens que as ferramentas de BI oferecem, como painéis e relatórios pontuais.

Mas há um problema: a maioria das ferramentas de BI são caras. A boa notícias é que se você evitava investir em um desses programas por causa do custo, não tem mais com o que se preocupar.

Existem ferramentas de BI gratuitas e de código aberto que são uma excelente maneira de aproveitar os benefícios dos dados e análises sem nenhum custo.

Vamos conferir três opções de ferramentas de business intelligence entre as melhor avaliadas no diretório do Capterra.

Cada uma das alternativas abaixo (apresentadas em ordem alfabética) tem uma avaliação geral dos usuários acima da média (4,5 estrelas ou mais) em comparação com outros produtos da mesma categoria. Elas também têm mais de 10 reviews e incluem pelo menos três dos principais recursos dos programas de BI (saiba mais sobre nossa metodologia no final do texto).

E as ferramentas de BI de código aberto? Infelizmente, no momento desta análise, nenhum software open source passou pelo filtro da nossa metodologia. Se você necessita de uma solução de código aberto, no entanto, pode conferir algumas opções no final deste artigo.

Os programas


  • Databox
  • QlikView
  • Tableau

3 ferramentas de BI gratuitas

1. Databox

O Databox é o destaque entre as ferramentas de BI gratuitas, com pontuação alta em facilidade de uso, praticidade e suporte ao usuário.

O software permite que as empresas visualizem e acompanhem seus KPIs (indicadores de desempenho na sigla em inglês) por meio de um painel visual amigável, fornece informações em múltiplos dispositivos e pode ser integrado a sistemas populares, como Adobe Analytics e Salesforce.

O Databox pode ser implantado via nuvem, software como serviço (SaaS na sigla em inglês) e web e possui aplicativos para iOS e Android.

Prós: segundo os usuários, o software é visualmente agradável e oferece um grande número de integrações com outros sistemas.

Contras: os usuários afirmam que gostariam de ter mais opções de integração com outros programas.

Valor do upgrade: US$ 49 (cerca de R$ 200) por mês para o plano básico e US$ 248 (cerca de R$ 1.012) por mês para o plano business.

Melhor avaliado por: profissionais dos setores de marketing, publicidade e tecnologia da informação, bem como gerentes e diretores.

captura de tela databox
Painel de business intelligence do Databox, disponível também para iOS e Android (Fonte)

2. QlikView

O QlikView, da Qlik, é uma ferramenta de BI que oferece extração, transformação, carregamento (ETL na sigla em inglês), armazenamento de dados e análise multidimensional, além de painel de visualização para o usuário final. O grande destaque deste software é a sua capacidade de conectar fontes de dados e criar visualizações de dados e painéis usando essas informações.

O programa pode ser implantado via nuvem, SaaS e web. O fornecedor oferece suporte por telefone durante o horário comercial, suporte online e treinamento por meio de webinars e documentos de suporte.

Prós: os usuários destacam a praticidade do programa em comparação com outras ferramentas de business intelligence.

Contras: segundo os usuários, o suporte ao cliente do QlikView está abaixo da média e pode ser um pouco difícil de usar (a base de conhecimento está disponível apenas em inglês).

Valor do upgrade: US$ 30 (cerca de R$ 120) por usuário, por mês.

Melhor avaliado por: desenvolvedores de BI, gerentes de BI e pessoas que trabalham em organizações da sociedade civil.

3. Tableau

O Tableau é perfeito para as pessoas que gostam das tabelas dinâmicas do Excel. Ou, pelo menos, para quem gosta do conceito. Ele possui uma interface de usuário simplificada que permite a manipulação de dados com arrastar e soltar e visualizações.

O Tableau pode ser implantado via nuvem, SaaS e web ou instalado na máquina. Além disso, possui aplicativos para iOS e Android.

Existem treinamentos presenciais, online com um representante, por meio de webinars e com documentos. O suporte está disponível online e por telefone durante o horário comercial.

Apesar da versão gratuita não proteger os dados, a atualização permite que os usuários obtenham acesso a alguns recursos avançados de governança e segurança de dados.

Prós: os usuários avaliam o Tableau acima da média no quesito praticidade.

Contras: segundo os usuários, o suporte ao cliente é deficiente e o programa pode ser difícil de usar. 

Valor do upgrade: US$ 70 (cerca de R$ 285) por usuário, por ano para o Tableau Creation.

Melhor avaliado por: estudantes, analistas de negócios e profissionais do setor educacional.

captura de tela tableau
Painel de business intelligence do Tableau, que conta com upgrade caro (Fonte)

Descrição dos recursos

Abaixo estão as descrições das funcionalidades mencionadas nos softwares deste artigo:

Relatórios pontuais: relatórios que atendem aos requisitos de informações em constante mudança, conforme necessário.


Painel: tela de gráficos e tabelas para visualizar estatísticas e métricas.


Indicadores-chave de desempenho: métricas importantes pelas quais o desempenho da empresa/funcionário é monitorado e avaliado.


Análise de dados visual: interação de elementos de visualização de dados (como tabelas e gráficos) para detalhamento de informações.

Programas de BI open source

Infelizmente, nenhuma ferramenta de business intelligence de código aberto passou nos critérios da nossa metodologia, principalmente pela falta de avaliações. Se você busca uma solução do tipo, porém, confira abaixo algumas opções:

  • Metabase: O programa possui três dos quatro principais recursos que destacamos nos softwares de BI gratuitos. 
  • Pentaho Business Analytics: Esta ferramenta apresenta todos os quatro recursos e possui uma avaliação alta dos usuários do Capterra.
  • ReportServer: A plataforma possui poucas avaliações, mas inclui todos os quatro recursos da lista e uma lista impressionante de opções de implantação. O sistema é gratuito através de uma licença aGPL e possui um valor de download, a ser pago uma única vez, de € 1.999 (cerca de R$ 9.100) para empresas.
Busca um software de business intelligence que faça algo diferente do que as ferramentas que destacamos? Visite o diretório do Capterra.

Metodologia

As ferramentas consideradas para este artigo precisavam:

  • Oferecer uma versão gratuita e independente do software (não uma versão de avaliação em que você deve adquirir o programa após um período de tempo limitado).

Os programas que atendiam a essa definição de mercado também precisavam de um mínimo de 10 avaliações de usuários, publicadas entre 31 de maio de 2018 e 2 de julho de 2019, e ter uma classificação geral acima da média em comparação com outros produtos da categoria.

  • As melhores ferramentas gratuitas tinham uma classificação geral mínima de 4,5/5 estrelas no Capterra no momento da publicação.

Observação: as partes deste artigo que apresentam opiniões e pontos de vista expressos pelos usuários não representam as opiniões do Capterra.

Os programas selecionados neste artigo são exemplos para mostrar um recurso em contexto e não se destinam a endossos ou recomendações. Eles foram obtidos de fontes consideradas confiáveis no momento da publicação.

 

5 IoT Devices That Have Shaped Our Work Environment Today

IoT devices within a business

When I first heard that my previous employer had hired a Head of Internet of Things (IoT), I thought it was a joke. I questioned: ‘How can someone’s job title be about ‘things’ on the internet?’ 

I quickly learned that this thing called ‘the Internet of Things’, was actually a very real and genuine, well, thing. That was back in 2012. Fast-forward seven years and IoT has turned out to be one of the most transformative technologies of the decade. But for many of us non-technical folks, the concept of it still feels a little vague. 

In this article, we answer the questions: 

  • What is the Internet of Things? 
  • How has it allowed us to improve data management?
  • And which five IoT devices have been most ground-breaking?

IoT devices within a business

What is the Internet of Things?

The Internet of Things (IoT) is a system of devices that connect to each other and the Internet. A broader way to define IoT devices are machines that ‘communicate’ with each other through the cloud. Everyday items can be made smarter through IoT technology, including coffee makers, laptops, mobile phones, and basically everything else you can think of that has an on or off button. 

How does the Internet of Things work?

IoT devices have built-in sensors, processors, and communication hardware that enable them to carry out big data analytics from their surrounding environments. The information gathered is fed into an IoT platform, which machines then use to analyse and act upon to meet business and consumer demands. 

Think of a smart toaster: Controlled through a smartphone app, a smart toaster acts off personalised settings to produce delicious, golden slices with every pop. It automatically calculates factors such as temperature and length of cooking time based on the consumer’s preferences.

So, no more scraping those burnt edges of crust into the bin—just perfect toastiness, every single time.

Smart toaster buttery toast
We’re just going to leave this here…

That’s important, obviously, but IoT applications can tackle even greater problems too. Take what Melbourne is doing with its waste system for instance. The city has installed smart sensor technology into BigBelly bins to reduce the overflow of rubbish in street bins. Once the bin reaches 70% capacity, it sends an alert to a control centre to facilitate emptying it.

So, how has the Internet of Things changed the workplace?

The Internet of Things network is now used by businesses to achieve several goals. These include energy consumption reduction and the optimisation of company operations. It’s also used to increase employee comfort, generate greater revenue and increase customer engagement. 

Through IoT, specialists can pinpoint what information is useful and what can be deemed irrelevant (and therefore ignored). More than that, they can follow patterns, makes predictions based on trends, and prevent problems from happening before they become a concern. Because of this incredible power, business strategies are regularly formed off the back of the information provided by the IoT or IIoT (the Industrial Internet of Things).

Here are five other ways IoT has already made significant waves in the workplace: 

1. Intelligent buildings

Who hasn’t worked in a shared office and experienced some sort of disagreement over the air conditioning? Luckily, IoT can step in to mediate. 

For example, Google’s Nest Thermostat learns (through machine learning) from the temperature settings manually inputted by staff over a couple of days. The thermostat will then adapt accordingly to blow out a comfortable temperature to cool the office. It also detects when people are in the office and when it should turn itself off to save energy.

It isn’t just the heating that has become more efficient. Businesses are also connecting their lighting system to an IoT network to increase energy efficiency, enhance comfort for occupants and reduce maintenance costs.

2. Safety and security

Smart appliances can also be fitted into buildings to make them safer. In the case of a fire, for example, intelligent smoke detectors alert fire-fighters to the emergency while staff focus on removing themselves from danger. 

Many businesses have also implemented advanced electronic access control systems so that workers don’t need to carry around bulky keys or access cards. Instead, the employee accesses password-protected areas through a digital ID on their mobile device. Not having a physical ID reduces the risk of it being stolen, lost or copied.

3. Travel

According to Austroads, congestion performance in Australia correlates with a city’s population. The bigger the city, the worse the traffic jams—which is bad news for Melbourne and Sydney residents who commute to work via car. 

But here’s the good news: Connected cars will become one of the most important IoT devices to steer us toward safer and more convenient journeys. These cars connect to the Internet via a wireless local area network (WLAN), which allows the vehicle to benefit from the data of other connected devices inside and outside the car. This way, the driver can react to events on the road ahead based on the information provided. 

Circling around filled-up car parks may also soon be a thing of the past. Telstra’s Smart Parking system enables drivers to quickly find available parking spots before they reach their destination. The technology is already deployed across several Australian council regions in Melbourne and Perth.

4. Employee health and well-being

IoT data collection is essential for the advancement of healthcare research and treatment. Wearable technology is one example that has demonstrated its effectiveness in this area. An Apple Watch, for example, can monitor and react to a person’s levels of mood and cognition. 

Devices such as these have grown in popularity among consumers, which has given us greater insights into how to manage mental health problems, such as stress. Employees who are mentally and physically healthy tend to be more productive, show higher levels of engagement, and have fewer sick days. 

As businesses have begun to show recognition for this, wearable smart devices have increasingly worked their way into corporate wellness programs too. Some employers are rewarding employees who track how often they are at their desk, how often they’re active and how well they sleep at night. 

5. Remote work

Cisco says that ‘more than half of the full-time workforce will be working remotely by 2020’ just as IoT business processes and systems will drastically scale up. The greater levels of connectivity of work platforms have allowed people to work from anywhere, and from almost any device. 

Employees can accomplish the same work activities they could have carried out in an office, such as team meetings and project collaboration. As a result, this way of working has steadily increased over the decade. 

What’s next for IoT?

IoT has given us a world of highly interconnected technologies, from devices and machines to objects, animals and people. Despite all of these technological advances, we’ve only scratched the surface of the possibilities for this tech.

One area the industry must not ignore is the issue of cyber security. As the Internet of Things expands, so does the number of entry points for hackers. Without sufficient network security software, businesses open themselves up to risks in the form of spying, exploitation, blackmail, and theft. 

Businesses who want to invest in this exciting technology should continue doing so. However, ensure the implementation works alongside an updated security strategy.

Looking to update your security system? Check out Capterra’s top-rated network security platforms today.