5 تطبيقات لكيفية استخدام الشركات للبيانات الكبيرة

يوجد في أمازون ما يقرب من مليون خادم هادوب Clusters لدعم إدارة المخاطر والشبكة التابعة لها وتحديثات مواقع الويب وأنظمة التعلم الآلي وغير ذلك الكثير. هذا وقد أطلقت أمازون عرضًا ترويجيًا في عام 2011 بعنوان "أمازون تدفع للمتسوقين 5 دولارات إذا خرجوا من المتجر دون أي عمليات شراء" أليس ذلك رائعًا؟

تكافئ أمازون عملاءها بخصم 5 دولارات لأولئك الذين يستخدمون تطبيق Mobile Price Check Mobile في فحص المنتجات في المتجر والتقاط صورة للمنتج أو إجراء بحث نصي للعثور على أقل الأسعار. هذا ويطالب التطبيق العملاء أيضًا بتقديم السعر داخل المتجر للمنتجات من خلال التطبيق مما يساعد أمازون على معرفة ما إذا كانت تقدم أفضل الأسعار لعملائها كي تضمن أنها تتفوق على منافسيها؛ حيث تجمع أمازون المعلومات الاستخبارية ومعلومات التسعير القيمة (البيانات الكبيرة) من منافسيها. كما تستخدم أمازون البيانات الكبيرة للعمل بفعالية في بيئة تجارة إلكترونية سريعة وتنافسية تهيمن فيها الأسعار والإعلانات على الإنترنت.

كيف تستخدم كبرى الشركات الرياضية البيانات الكبيرة؟

تستخدم شركة أتلانتا فالكونز Atlanta Falcons من اتحاد كرة القدم الأميركي تقنية GPS وتجمع البيانات لتحليل حركة اللاعبين أثناء جلسات التدريب، حيث تستفيد من تحليلات البيانات، لأنها تساعد المدرب على إنشاء ألعاب فعالة. هذا وقد نمت صناعة ألعاب الفيديو من 200 مليون مستخدم نشط إلى 1.5 مليار لاعب في جميع أنحاء العالم. وتستخدم شركات مثل Electronic Arts وRiot Games البيانات الكبيرة في متابعة سير اللعب، مما يساعد على التنبؤ بأداء اللعبة من خلال تحليل 4 تيرا بايت من سجلات التشغيل و 500 جيجابايت من البيانات المنظمة. كما حصلت العلامات التجارية الرياضية مثل ESPN على عربة البيانات الكبيرة.

كيف تستخدم نايك البيانات الكبيرة؟

تستفيد العلامة التجارية الرياضية الرائدة نايك من تحليلات البيانات الكبيرة في تطوير تصاميم بيئية لمنتجاتها، بما في ذلك تقنية الصبغة التي لا تحتاج إلى الماء. هذا وستزداد كمية البيانات بمقدار 20 مرة - بين عامي 2010 و 2020، مع أن نسبة 77 ٪ من البيانات المتعلقة بالجهات المرتبطة بها هي بيانات غير منظمة Unstructured Data ، وذلك وفقًا لشركة البيانات الدولية؛ حيث تتحول المؤسسات في كل صناعة تحولاً متزايدًا إلى قواعد بيانات هادوب وNoSQL وغيرها من أدوات البيانات الكبيرة لكسب رضا العملاء التي ستجني بدورها ثمارًا مالية للمؤسسات بتفوقها في المنافسة. بالإضافة إلى ذلك، تقول 81٪ من المؤسسات إن البيانات الكبيرة هي أفضل 5 أولويات في تكنولوجيا معلومات؛ فهناك العديد من الصناعات التي توظف العديد من حالات استخدام البيانات الكبيرة لضمان نجاح الأعمال من خلال تحليل كميات هائلة من البيانات غير المنظمة للحصول على رؤى عملية. هذا وتعد صناعة الرعاية الصحية إحدى أكبر مستخدمي البيانات الكبيرة وتطبيقات الهادوب لإدارة كميات هائلة من بيانات المرضى المعقدة وتحليلها.

1) تحليل آراء العملاء: يعج عالم البيانات الكبيرة بالمحادثات وتعليقات العملاء وآراؤهم وملاحظاتهم؛ فمع زيادة عدد قنوات اتصال العملاء مثل وسائل التواصل الاجتماعي ومنتديات استعراض المنتجات، وما إلى ذلك – يتعين على المؤسسات فهم ما يقوله العملاء عن منتجاتهم أو خدماتهم وتحللها لضمان رضا العملاء، حيث تساعد البيانات الكبيرة وقنوات الوسائط الاجتماعية سويًا في تحليل آراء العملاء التي تمد المؤسسات بصورة واضحة عما يتعين عليهم القيام به للتفوق على منافسيهم.

تستفيد المؤسسات من البيانات الكبيرة من خلال توزيعات هادوب التجارية المختلفة التي تساعدها على تحليل التعليقات التي يدلي بها الأشخاص على مواقع التواصل الاجتماعي أو الآراء التي يتركها الأشخاص في مختلف المنتديات، مما يتيح للمؤسسات الاستجابة الفورية لأي تعليقات إيجابية أو سلبية وفقًا لذلك. كما إن تحليلات البيانات الكبيرة لا تساعد المؤسسات على الاستجابة السريعة للمشكلة الناشئة فحسب، بل تساعدهم أيضًا على التواصل بفعالية مع عملائهم والحصول على فهم أفضل حول المنتجات والخدمات التي تهم عملاؤها، وتمتاز نتائج تحليل الآراء بأنها أقل تحيزًا ويمكن أن تفيد البرامج الإعلانية وبرامج التسويق وتطوير المنتجات.

كيف تستخدم خطوط دلتا للطيران البيانات الكبيرة في تحليل آراء العملاء؟

تستخدم شركات الطيران تحليل الآراء في تحليل تجربة تتبع النشرات؛ حيث تراقب شركات الطيران الكبيرة مثل دلتا، التغريدات على تويتر لمعرفة ردة أفعال العملاء تجاه التأخيرات والترقيات والترفيه على متن الطائرة وغيرها المزيد، فعلى سبيل المثال: عندما ينشر العميل تغريدة سلبية عن أمتعته المفقودة مع شركة الطيران قبل ركوب رحلته المستأنفة، تحدد شركة الطيران هذه التغريدات السلبية وتوجها إلى فريق الدعم التابع لها، ثم يرسل فريق الدعم ممثلًا إلى جهة الركاب يقدم له تذكرة ترقية مجانية من الدرجة الأولى عند عودته بجانب المعلومات حول الأمتعة التي يتم تعقبها واعدينه إياه بتسليمها بمجرد خروجه من الطائرة. لذا، تساعد تغريدات العملاء مثل تغريدة: يشعر بالسعادة في باقي رحلته، شركات الطيران في بناء تقديرًا إيجابيًا عن العلامة التجارية.

كيف تستخدم تومسون رويترز البيانات الكبيرة في تحليل آراء العملاء؟

تستخدم شركة تومسون رويترز تحليل الآراء المكتسبة من بيانات تويتر من أجل منصة التداول الخاصة بها وتحليل سوق إيكون (وهو حل مالي من تحليل تومسون رويترز)؛ حيث يمكن للخبراء الماليين الحصول على ميزة تنافسية بتحليل بيانات الآراء على تويتر من خلال تتبع تغريدات معينة من مختلف الشركات والأشخاص. كما يمكن لمستخدمي تطبيق إيكون Eikon تحديد الاتجاهات وأي إشارات محتملة من كميات هائلة من البيانات غير المنظمة، وهذا ما يساعد المهنيين الماليين في الحصول على نظرة عامة حول عدد الآراء الإيجابية والسلبية المتعلقة بأي شركة معينة. علاوة على ذلك، يساعد تحليل الآراء جنبًا إلى جنب مع حلول تحليل البيانات الكبيرة المتقدمة الأخرى، المهنيين الماليين في ملاحظة سوق المالية وأي أحداث تؤثر على الشركة فور حدوثها.

كيف تستخدم مايسيز Macy’s البيانات الكبيرة في تحليل آراء العملاء؟

تجمع متاجر مايسيز للتجزئة في الولايات المتحدة البيانات الكبيرة عن تفضيلات العملاء واهتماماتهم بناءً على الموسمية والنطاق السعري والمعلومات السكانية واللون والجغرافيا وغيرها من الخصائص الأخرى، ثم تقيس أنظمة التحليلات الآراء الإيجابية والسلبية التي يعبر عنها العملاء على وسائل التواصل الاجتماعي عن منتج معين لتطبيق التحليلات التنبؤية التي تساعد على التعرف على الفرص الجديدة والتنبؤات التي يمكن أن تؤثر على أعمالهم، فعلى سبيل المثال: من خلال تحليل الآراء في البيانات الكبيرة، اكتشفت مايسيز أن الأشخاص الذين يشاركون التغريدات حول "السترات" يستخدمون أيضًا المصطلحين "Michael Kors" و "Louis Vuitton" كثيرًا، حيث تساعد هذه المعلومات تاجر التجزئة على تحديد ماركات السترات التي ينبغي تقديم تخفيضات عليها في حملاتهم الإعلانية المستقبلية لجذب العملاء. هذا وتتمتع أنظمة تحليلات مايسيز بالقدرة على التنبؤ بما يريده العميل عن طريق الفصل بين العملاء لجذب انتباههم والحفاظ على مشاركتهم حتى تؤدي التفاعلات إلى شراء المنتج.

كيف تستخدم سيلز فورس Salesforce البيانات الكبيرة في تحليل آراء العملاء؟

يحلل منتج Radian6 من شركة Salesforce محادثات الوسائط الاجتماعية لتحديد اتجاهات العملاء؛ حيث يحدد Radian6 المحادثات التي تحدث على وسائل التواصل الاجتماعي حول شركة معينة أو منتجاتها أو منافسيها، ثم تحلل بيانات الوسائط الاجتماعية لمعرفة الآراء والاتجاهات والديموغرافيا من خلال تجميع الآراء السلبية والإيجابية والحيادية. وهذا ما يساعد مديري وسائل التواصل الاجتماعي على تنظيم سير العمل بسهولة أثناء الاستجابة لمئات الرسائل كل يوم.

2) التحليلات السلوكية:

تستخدم 48 ٪ من المؤسسات البيانات الكبيرة في إطلاق رؤى ذات مغزى من بيانات سلوك العملاء. يكمن جمال البيانات الكبيرة في فهم سلوك العملاء؛ حيث تقوم المنظمات بتسخير قوة البيانات الكبيرة من خلال التحليلات السلوكية لتقديم قيمة كبيرة للأعمال التجارية. هذا وقد ارتفعت المؤسسات التي تستخدم التحليلات السلوكية للتنبؤ بسلوك العملاء للتو بمقدار عشرة أضعاف في إضافة قيمة إلى أعمالها. كما أتقنت أمازون توصية المنتجات منذ مدة طويلة بناءً على اهتمام العملاء. أضف إلى ذلك، تتبع شركات أخرى مختلفة مثل Spotify و Pinterest و Netflix المنظومة نفسها.

كيف يستخدم بنك أمريكا البيانات الكبيرة في التحليلات السلوكية؟

يكافئ برنامج مكافآت بنك أمريكا الذي يسمى BankAmeriDeals عميله بعروض استرداد نقدي مختلفة عن طريق تحليل تاريخهم السابق في شراء بطاقات الائتمان وبطاقات الخصم.

كيف تستخدم شركة تارجت البيانات الكبيرة في التحليلات السلوكية؟

تستخدم شركة تارجت التحليلات السلوكية في التنبؤ بالتغيرات الحياتية التي يمر بها عملاؤهم مثل الطلاق والزواج والحمل؛ فمن خلال الاستفادة من تحليلات البيانات الكبيرة، حددت شركة تارجت 25 منتجًا مثل مكملات الفيتامينات والمستحضرات غير المعطرة التي ساعدت عند تحليلها جماعيًا في تحديد درجة التنبؤ بالحمل. وهكذا، بناءً على درجة التنبؤ لكل امرأة، ترسل تارجت للتجزئة عروضًا ترويجية تركز على المنتجات المتعلقة بالأطفال. وهذا ما ساعد تارجت على زيادة مبيعاتها من منتجات الأطفال بعد إطلاق حملاتهم الإعلانية الجديدة على أساس سلوك تسوق العملاء.

كيف تستخدم شركة نورستروم البيانات الكبيرة في التحليلات السلوكية؟

تولد Nordstrom بيتابايتات من البيانات من متابعي Pinterest البالغ عددهم 4.5 مليون و 300000 متابع على Twitter و 2 مليون إعجاب على Facebook، وذلك من خلال 225 منفذًا للبيع بالتجزئة. هذا ويقوم نظام التحليلات الخاص بهم بمراقبة سلوك العملاء من خلال تتبع عدد الأشخاص الذين يدخلون إلى المتجر والقسم الذي يتفحصونه والمدة التي يمكثون فيها في المتجر ومدة تسوقهم في قسم معين، مما ساعد Nordstrom على تحديد المنتجات التي يجب ترويجها وإلى أي عملاء ومتى وعن طريق أي قناة إعلانية. كما توفر Nordstrom لعملائها تجربة تسوق شخصية من خلال تحليل سلوكيات التسوق لعملائها.

كيف يستخدم ماكدونالدز البيانات الكبيرة في التحليلات السلوكية؟

مع أكثر من 34 ألف مطعم محلي يخدم 69 مليون عميل في 118 دولة و62 مليون عميل يوميًا، وبيع 75 برجر كل ثانية، و27 مليار دولار إيرادات سنوية - يستخدم ماكدونالدز تحليلات البيانات الكبيرة في اكتساب المزيد من الرؤى لتحسين العمليات في مختلف مطاعمه وتعزيز تجربة العملاء؛ حيث يقوم نظام تحليلات مكدونالدز بتحليل البيانات المتعلقة بالعوامل المختلفة مثل أوقات الانتظار والمعلومات في قائمة الطعام وحجم الطلبات وطلب أنماط العملاء لتحسين عمليات مطاعمه في مناطق معينة.

كيف يستخدم كوهل Kohl البيانات الكبيرة في التحليلات السلوكية؟

تقدم سلسلة متاجر كوهل Kohl عروض مخصصة للهواتف الذكية للمستخدم عند دخولها المتجر؛ حيث يتبع Kohl تاريخ تصفح العملاء ويرسل لهم العروض بناءً على تاريخ تصفحهم، فإذا كان أحد المتسوقين يمكث في قسم السراويل، فإن Kohl يقدم عروضًا للعملاء عن السراويل التي بحثوا عنها على موقعهم على الإنترنت ولكن لم يشتروها مطلقًا. لدى العملاء عمومًا احتمالاً كبيرًا للرد على عرض ما عندما يتلقونه في لحظة الشراء أثناء التسوق، مما يساعد Kohl على كسب البيع.

3) تقسيم العملاء:

مع زيادة تكاليف اكتساب العملاء، أصبح من المهم للمؤسسات أن تستهدف الترويج التسويقي بفعالية من خلال تقسيم العملاء؛ حيث تأتي المعلومات المتعلقة بالعميل من مصادر مختلفة مثل بيانات المعاملات والوسائط الاجتماعية وما إلى ذلك، إذ تربط المؤسسات معلومات الملف الشخصي لسلوك العملاء على مواقع التواصل الاجتماعي وتاريخ الشراء - لتقليل تكاليف اكتساب العميل من خلال استهداف عملائها ذوي العروض المخصصة التي تهمهم. هذا وقد نجحت الشركات في خفض تكاليف اكتساب العملاء بنسبة 30 ٪ من خلال تحليلات البيانات الكبيرة. وقد ذكرت إحدى منشورات مجلة هارفارد بيزنس ريفيو أن المؤسسات قد حققت تحسينًا بنسبة 70٪ في معدلات تحويلها عن طريق الترويج التسويقي المستهدف.

كيف تستخدم تايم وارنر البيانات الكبيرة في تقسيم العملاء؟

تعمل Time Warner، وهي شركة إعلامية عملاقة، في 15 سوقًا مختلفًا ولديها ما يقرب من 14 مليون عميل، منهم 7.9 مليون عميل مشترك، وتجمع ما يقرب من 0.6 تيرابايت من البيانات كل يوم. تستفيد Time Warner من تحليلات البيانات الكبيرة في إنشاء حملات إعلانية مخصصة، وتجمع أنظمة تحليلات Time Warner بين بيانات المشاهدة المحلية ومجموعات البيانات السكانية مع بيانات أخرى مثل تسجيل الناخبين والسجلات العقارية لفهم التفضيلات الشخصية لعملائهم من خلال اكتساب نظرة ثاقبة حول التفضيلات السياسية والدخل والبيئة المحلية، وهذا ما يساعد تايم وورنر على استهداف حملاتهم التسويقية والإعلانات باستخدام وسائل مختلفة مثل المواقع الإلكترونية والإذاعة والتلفزيون والوسائط الاجتماعية وتطبيقات الجوال، كما ساعدها أيضًا على إجراء تعديلات إضافية على حملاتهم الإعلانية بناءً على كيفية استجابة الناس لكل من منصات الإعلان.

كيف تستخدم أمازون البيانات الكبيرة في تقسيم العملاء؟

فقط ألق نظرة على أمازون وتعرف على المنتجات التي تنصحك بشرائها. ربما تختلف المنتجات التي توصي بها أمازون عنك وعن صديقك. كيف يفعلون ذلك؟ في كل مرة يسجل فيها المستخدم الدخول إلى حسابه على أمازون ويقوم بعمليات شراء أو تصفح منتجات مختلفة على الموقع؛ تجمع أمازون هذه البيانات وفي المرة التالية التي يعود فيها العميل، يقدمون له منتجات بناءً على تاريخ الشراء والتصفح السابق، وهذا ما يساعد أمازون على تحديد مختلف الاتجاهات بين الأشخاص الذين يقومون بعمليات شراء مماثلة. فعلى سبيل المثال: إذا اشترى 75٪ من الأشخاص الذين يشترون Apple iPhone 6s بطارية شحن محمولة (باور بانك)، فإن أمازون تقدم توصية بالباور بانك كلما اشترى شخص ما iPhone 6s. هذا وتوفر أمازون للناس مزيدًا من الخيارات حتى لو كانوا لا يتطلعون إلى شراء منتجات أخرى، مما يحثهم على القيام بعمليات شراء إضافية، وذلك بفضل تقسيم العملاء بناءً على اهتماماتهم وأنماط الشراء الخاصة بهم.

كيف تستخدم باندورا البيانات الكبيرة في تقسيم العملاء؟

مع 72 مليون مستخدم وبيانات حول عادات الاستماع لحوالي 200 مليون مستخدم، صارت باندورا اسمًا ذائع الصيت في صناعة الموسيقى لتقديم توصيات موسيقية يحبها الناس بحق. وبصرف النظر عن البيانات مثل الجنس والعمر والرمز البريدي التي يدخلها المستخدمون عند التسجيل، تتعقب باندورا جميع الأغاني التي يحبها مستخدم معين وتلك التي يكرهها، وما الموقع الذي يستمعون منه، وما الأجهزة التي يستمعون منها وأكثر من ذلك - لتزويد العملاء بكتالوج موسيقى منسق على أساس الاهتمامات والديموغرافيا.

4) الدعم التنبئي:

تسعى الشركات في الوقت الحاضر إلى التطلع إلى المستقبل لزيادة الإيرادات؛ حيث تقوم الصناعات بتطوير نماذج تنبؤية باعتبارها أولوية قصوى من خلال الاستفادة من تحليلات البيانات الكبيرة.

كيف تستخدم مجموعة يوتيكا الوطنية للتأمين البيانات الكبيرة للحصول على الدعم التنبئي؟

تستخدم مجموعة يوتيكا الوطنية للتأمين التحليلات التنبؤية في مراقبة تقارير الائتمان الواردة باستمرار التي تقيس مدى تقبل المخاطر وفقًا لمجموعة من البيانات الموجودة بدلاً من مجرد التفكير في درجة الائتمان وحدها.

كيف تستخدم فولكس واجن البيانات الكبيرة في الدعم التنبئي؟

تستخدم فولكس واجن البيانات الكبيرة في دعم التسويق التنبئي الذي يساعد فولكس واجن على بناء ولاء العلامة التجارية من خلال زيادة إيرادات خدمات ما بعد البيع؛ إذ حللت فولكس واجن بيانات العملاء من مصادر متعددة وبيانات السيارة والملاحظات النوعية التي كتبها الفنيين لإغراء مالكي فولكس واجن على القدوم إلى مراكز خدماتها.

كيف تستخدم أياسدي Ayasdi البيانات الكبيرة في الدعم التنبئي؟

تستخدم Ayasdi بيانات سرطان الثدي البالغة من العمر 20 عامًا من خلال تشغيلها عبر منتجات شركة آيرس IRIS التي تجمع بين التعلم الآلي والطوبولوجيا؛ حيث تعمل أياسدي Ayasdi على الاستفادة من تحليلات البيانات الكبيرة لاكتشاف علاقات وأسئلة جديدة يمكن الإجابة عليها بمساعدة مجموعة بيانات عمرها 20 عامًا. كما طورت أياسدي Ayasdi طبولوجيا لبيانات مرضى سرطان الدم وسرطان الثدي من خلال تحليل البيانات للعثور على أوجه التشابه التي يمكن أن تساعد في التنبؤ وإيجاد علاجات وأدوية جديدة للسرطان.

كيف تستخدم جامعة بوردو البيانات الكبيرة في الدعم التنبئي؟

تستخدم جامعة بوردو في الولايات المتحدة الأمريكية تحليلات البيانات الكبيرة لزيادة معدل نجاح طلابهم؛ حيث يستعين تطبيق الإشارات بتحليلات البيانات الكبيرة لتتبع أداء الطلاب في فصول مختلفة مما يساعد على التعرف على الطلاب ذوي الأداء المنخفض. هذا وسيوفر نظام التحليلات التنبؤية تنبيهات تستند إلى البيانات لتحذير الطلاب وإخطارهم بالعثرات المحتملة التي قد تحدث أثناء تجربة التعليم العالي في الجامعة.

5) الكشف عن الاحتيال:

تعد الجرائم المالية والمطالبات الاحتيالية وانتهاكات البيانات من أكثر التحديات شيوعًا التي تواجهها المؤسسات في مختلف الصناعات، فقد كان اكتشاف الاحتيال والوقاية منه مشكلة عالمية في جميع الصناعات التي تؤثر على أعمال جميع المنظمات قبل ظهور تحليلات البيانات الكبيرة؛ حيث تساعد تحليلات البيانات الكبيرة المؤسسات على اكتشاف أي نوع من أنواع الاحتيال الداخلي والخارجي ومنعها. فعلى سبيل المثال: يمكن لخوارزميات التحليل تنبيه أي بنك بأن بطاقة الخصم أو بطاقة الائتمان قد سرقها شخص ما عن طريق تحديد أنماط سلوك غير عادية في معاملات البطاقة، وهذا ما يساعد البنوك على الاحتفاظ مؤقتًا بأي معاملات أخرى على البطاقة أثناء الاتصال بمالكها.

كيف تستخدم VISA البيانات الكبيرة في الكشف عن الاحتيال؟

تستخدم شركة فيزا العملاقة لمعالجة بطاقات الائتمان والخصم تحليلات البيانات الكبيرة في عمليات الاحتيال المحتملة؛ فقد ساعدت تحليلات البيانات الكبيرة في شركة VISA على كشف ملياري دولار من فرص الاحتيال المتزايدة المحتملة وعلى معالجة نقاط الضعف الاحتيالية هذه قبل تعرض المال للخطر.

كيف يستخدم مكتب التأمين في كندا البيانات الكبيرة في الكشف عن الاحتيال؟

استفاد مكتب التأمين في كندا الذي يمثل شركات التأمين على السيارات والمنازل والأعمال في كندا من حل تحليل البيانات الكبيرة لشركة IBM في كشف المطالبات الاحتيالية وإظهار علامة حمراء على المطالبات المشبوهة؛ إذ حلل مكتب التأمين في كندا IBC البيانات غير المنظمة لأكثر من 233000 مطالبة من 6 سنوات ماضية. كما يمكن لمكتب التأمين IBC التعرف على مطالبات احتيالية بقيمة 41 مليون دولار كندي. هذا وينص IBC على أن حل تحليلات البيانات الكبيرة يمكن أن يساعد في إنقاذ صناعة السيارات في أونتاريو ويوفر ما يقرب من 200 مليون دولار كندي سنويًا.

كيف يستخدم بنك جي بي مورجان تشيس JPMorgan Chase البيانات الكبيرة في كشف الاحتيال؟

يحلل بنك جي بي مورجان تشيس JPMorgan Chase رسائل البريد الإلكتروني والمكالمات الهاتفية وبيانات المعاملات لكشف إمكانيات الاحتيال التي يصعب اكتشافها؛ حيث يستخدم بنك JPMorgan برنامج تحليلات طورته شركة بالانتير Palantir لتتبع اتصالات الموظفين من أجل التعرف على أي مؤشرات على الاحتيال الداخلي.

Add new comment

Restricted HTML

  • Allowed HTML tags: <a href hreflang> <em> <strong> <cite> <blockquote cite> <code> <ul type> <ol start type> <li> <dl> <dt> <dd> <h2 id> <h3 id> <h4 id> <h5 id> <h6 id>
  • Lines and paragraphs break automatically.
  • Web page addresses and email addresses turn into links automatically.