Satura rādītājs:
- Analytics darbībā
- Gatavošanās taktiskām izmaiņām
- Labāki dati = labāki darbinieki
- Atšķirības skolā un uzņēmējdarbībā
Studenti nav vienīgie, kas atgriežas skolā. Mēs visi varam atgriezties, lai uzzinātu par veidiem, kā produktīvāk virzīt savus centienus. Jutīgā analītika var parādīt ceļu. Neatkarīgi no tā, vai tos piemēro darbā pieņemšanai universitātēs vai uzņēmumu pieņemšanai darbā, lielie dati atklāj, ka mūsu pieņēmumi par to, kas darbojas, mūs ved nepareizā virzienā.
Analytics darbībā
Tiem, kuru bizness ir skola, gatavošanās šai sezonai prasa plānošanu, un lielo datu analīze var parādīt, kā sasniegt maksimālu rezultātu. Tas ir stāsts par Vičitas Valsts universitātes stratēģisko plānošanu. Pirms pāris gadiem Deivids Raits, asociētais viceprezidents akadēmisko datu sistēmu un stratēģiskās plānošanas jautājumos, pārdeva Kanzasas skolu par lielo datu analīzes izmantošanu, lai palielinātu efektivitāti stipendiju tērēšanā un darbā pieņemšanā.
“Viedāka pilsētiņas veidošana: kā Analytics maina akadēmisko ainavu” ir aprakstīts, kā IBM programmatūra samazināja izmaksas, precīzi norādot, no kurienes nāk studenti, kuriem bija iespēja palikt universitātē. Tika analizēts "vienādojumu kopums, kas sver demogrāfiju, akadēmisko vēsturi un citus faktorus", lai identificētu, kuriem "ir vislielākās iespējamības ierasties Vičitas štatā". Balstoties uz to, universitāte pieņēma mērķtiecīgāku personāla atlases stratēģiju.
Piemēram, pēc tam, kad analītika atklāja, no kurienes nāk lielais vairums universitātes studentu, uzņemšanas nodaļa koncentrējās uz šīm vidusskolām. Atklāsme, ka ļoti maz studentu ierodas ārpus valsts, mudināja universitāti samazināt 14 koledžu gadatirgus un samazināt ceļojumu skaitu. Viņi arī izvēlējās koncentrētāku pieeju tiešajam pastam. Agrāk viņi izsūtīja 9000 vēstules. Pēc analītikas piemērošanas viņiem bija jāizsūta tikai 5000 līdz 6000. Samazinātais vēstuļu skaits faktiski nozīmē, ka darbinieku skaits pieaug par 26 procentiem.
Gatavošanās taktiskām izmaiņām
E-pasta apmaiņā Wright izskaidroja problēmas, kas saistītas ar iestādes panākšanu, lai mainītu pārnesumus un izmantotu analītiku. Viņš sacīja, ka ir iesaistīti trīs aspekti:- Viens bija panākt, lai cilvēki redz labumu no lēmumiem, kas balstīti uz pierādījumiem. Datu izmantošana lēmumu pieņemšanai ļoti atšķiras no datu izmantošanas lēmuma apstiprināšanai. Sākumā universitātei bija grūti piespiest cilvēkus izmantot datus pirms lēmuma pieņemšanas. Datiem jābūt pie galda, kad tiek pieņemti lēmumi.
- Otra grūtība bija panākt, lai cilvēki uzticētos analītikai, it īpaši, ja dati ir tik pretrunā ar intuīciju vai iepriekšējo praksi. Pagāja ilgs laiks, līdz padomdevēji ticēja datiem.
- Treškārt, datu kvalitāte, kas nepieciešama analītikas izmantošanai.
Labāki dati = labāki darbinieki
Ir pierādīts, ka arī lielo datu analīzes izmantošana uzlabo darbinieku pieņemšanu un saglabāšanu. Lielo datu uzņēmums Evolv nodarbojas ar prognozējošās analītikas izmantošanu īrēšanā. Tas ir tāpēc, ka, pēc uzņēmuma domām, lielo datu izmantošana tiešu lēmumu pieņemšanai darbā atmaksājas.
Piemēram, Evolva ieskats mainīja Xerox nomas stratēģiju zvanu centru darbinieku atlasei. WSJ rakstā Xerox komercpakalpojumu galvenā amatpersona atzina: "Daži no pieņēmumiem, kas mums bija, nebija derīgi." Tā ir lielo datu analīzes patiesā vērtība; tas atklāj faktiskās korelācijas, kas balstītas uz objektīvu informāciju, nevis vadītāju pieņemšanas zarnās.
Kā izrādījās, atsākšanās un iepriekšējās darbības pārbaude nebija visdrošākie Xerox darbinieku rādītāji, kuri darbosies līdz brīdim, kad uzņēmums iegūs atdevi no saviem 5000 USD ieguldījumiem apmācībā. Evolva dati parādīja, ka aresta reģistrs, kas datēts ar pieciem gadiem, neliecina par "sliktu izturēšanos nākotnē", kas ir vairāk nekā pilnīgi tīrs. Iepriekšējais ieraksts par darbu lēcienu arī nebūt nenozīmē, ka jaunais īre paliks nemainīgs. Evolv pabeidza 21 115 zvanu centra aģentu pētījumu. Datu analīze liecināja par "ļoti nelielu saistību starp aģenta darba vēsturi un viņa vai viņas amatu šajā amatā".
Kādi tad ir faktori, kas to ietekmē? Personība, savienojumi un atrašanās vieta. Evolv programmatūra ideālo kandidātu identificēja kā radošu cilvēku, kurš aktīvi darbojas no viena līdz četriem sociālajiem tīkliem un atrodas kontrolējamā darba vietas darba vietā. Vēl viens galvenais saglabāšanas faktors bija asociācija. Tie, kuri izrādījās visdrīzāk palikt uzņēmumā, bija tie, kuri zināja trīs vai vairāk darbiniekus, kuri jau tur strādāja.
Atšķirības skolā un uzņēmējdarbībā
Kaut arī lielo datu analīze var būt tikpat efektīva korporatīvajā personāla atlasē kā universitāšu atlasē, tā parāda arī to, kur sadalās paralēles starp abām. 2013. gada Forbes rakstā par to, ko uzņēmums uzzināja, piemērojot prognozējošo analītiku pārdošanas cilvēku atlasē, autors Džošs Bersins norāda, ka skolu pieredze ir daudz mazāka, nekā cilvēki domā, prognozējot darba panākumus. Faktiski pretēji plaši izplatītam uzskatam kandidāta GPA vai koledžas izvēle nebija korelē ar panākumiem darbā.
Tas nenozīmē, ka izglītībai nav vērtības; Kaut kāda veida izglītības pabeigšana bija viens no karjeras panākumu rādītājiem, bet galvenais tur bija pabeigšana, nevis skola vai atzīmes. Citi galvenie rādītāji ietvēra gramatiski pareizu atsākšanu, demonstrētus panākumus darbā, veiksmīgu pārdošanas pieredzi un spēju strādāt nestrukturētos apstākļos. Pēc tam, kad uzņēmums datu analītiku iekļāva kvalifikācijas posmos un identificēja faktorus, kas bija precīzi prognozētāji, tas uzlaboja pārdošanas rādītājus, sasniedzot ieņēmumus 4 miljonu ASV dolāru apmērā.
Neatkarīgi no organizācijas vajadzībām, prognozējošā analītika var viņus virzīt uz pareizā ceļa. Kā Wright teica par savu pieredzi, "dodot ļaudīm resursus, kas vajadzīgi labu lēmumu pieņemšanai, visi uzvar."
