Indholdsfortegnelse:
- Analytics i aktion
- Forberedelse til taktiske ændringer
- Bedre data = Bedre medarbejdere
- Forskelle i skole og erhvervsliv
Studerende er ikke de eneste, der går tilbage til skolen. Vi kan alle vende tilbage for at lære om måder at styre vores indsats mere produktivt på. Forudsigelig analyse kan vise vejen. Uanset om det gælder rekruttering til universiteter eller ansættelse af virksomheder, hvad big data afslører, kan vise os, at vores antagelser om, hvad der fungerer, fører os i den forkerte retning.
Analytics i aktion
For dem, hvis virksomhed er skole, kræver planlægning af denne sæson planlægning, og analyse af big data kan vise, hvordan man får maksimale resultater. Det er historien om Wichita State Universitys strategiske planlægning. For et par år siden solgte David Wright, associeret vicepræsident for akademisk datasystem og strategisk planlægning, Kansas-skolen ved at bruge big data-analyse for at øge effektiviteten i stipendiumsudgifter og rekruttering.
"Opbygning af et smartere campus: Sådan ændrer Analytics det akademiske landskab", hvordan IBMs software reducerede omkostningerne ved at finde ud af, hvor de studerende, der sandsynligvis var på universitetet, kom fra. "Et sæt ligninger, der vejer demografi, akademisk historie og andre faktorer" blev analyseret for at identificere, hvilke "der har de største sandsynligheder for at komme til Wichita State." Baseret på dette vedtog universitetet en mere målrettet strategi for rekruttering.
F.eks. Efter analyser afsløret, hvor langt de fleste af universitetets studerende kommer fra, fokuserede optagelsesafdelingen på disse gymnasier. Åbenbaringen om, at meget få studerende kommer uden for staten fik universitetet til at skære 14 universitetsmesser og reducere rejser. De tog også en mere fokuseret tilgang til deres direkte mail. Tidligere sendte de ud 9.000 breve. Efter anvendelse af analyser skulle de kun sende 5.000 til 6.000. Det faldende antal breve, der faktisk oversættes til en stigning i rekrutteringen på 26 procent.
Forberedelse til taktiske ændringer
I en e-mail-udveksling forklarede Wright udfordringerne ved at få en institution til at skifte gear og omfavne analyser. Han sagde, at tre aspekter var involveret:- Den ene var at få folk til at se fordelen ved evidensbaseret beslutningstagning. Brug af data til at tage beslutninger er meget forskellig fra at bruge data til at bekræfte en beslutning. I begyndelsen havde universitetet svært ved at få folk til at bruge data forud for beslutningspunktet. Dataene skal ligge ved bordet, når der træffes beslutninger.
- Den anden vanskelighed var at få folk til at stole på analyserne, især når dataene er så i strid med intuition eller tidligere praksis. Det tog lang tid for rådgivere at have tillid til dataene.
- Og for det tredje var kvaliteten i data nødvendige for at bruge analyser.
Bedre data = Bedre medarbejdere
Anvendelse af big data-analyse har også vist sig at forbedre rekruttering og fastholdelse af medarbejdere. Big data-selskab Evolv er i færd med at anvende forudsigelig analyse til især ansættelse. Det skyldes, at brug af big data til direkte ansættelsesbeslutninger lønner sig ifølge virksomheden.
F.eks. Ændrede Evolvs indsigt Xerox ansættelsesstrategi til valg af callcenter-medarbejdere. I en WSJ-artikel indrømmede Xerox 'chefchef for kommercielle tjenester, "Nogle af de antagelser, vi havde, var ikke gyldige." Det er den reelle værdi af big data-analyse; det afslører faktiske sammenhænge baseret på objektiv information snarere end magefølelser hos ansættelse af ledere.
Da det viste sig, blev CV og baggrundscheck ikke de mest pålidelige indikatorer for Xerox-medarbejdere, der ville blive på, indtil virksomheden får et afkast på sine $ 5.000-investeringer i uddannelse. Evolvs data viste, at en fortegnelse over arrestation, der stammer tilbage over fem år, ikke indikerer "fremtidig dårlig opførsel" mere end en perfekt ren rekord. En tidligere registrering af jobhopping betyder heller ikke nødvendigvis, at den nye leje ikke forbliver sat. Evolv afsluttede en undersøgelse af 21.115 callcenter-agenter. Analysen af dataene indikerede "meget lidt forhold mellem en agents arbejdshistorie og hans eller hendes ansættelsesperiode i stillingen."
Hvad er de faktorer, der gør en forskel derefter? Personlighed, forbindelser og placering. Evolvs software identificerede den ideelle kandidat som en kreativ person, der er aktiv på et til fire sociale netværk og befinder sig inden for en håndterbar arbejdsplads. En anden nøglefaktor i tilbageholdelse var forening. Dem, der viste sig mest sandsynligt at bo på et firma, var dem, der kendte tre eller flere ansatte, der allerede arbejdede der.
Forskelle i skole og erhvervsliv
Mens big data-analyse kan være lige så effektiv i virksomhedsrekruttering som ved universitetsrekruttering, viser den også, hvor parallellerne mellem de to bryder sammen. I en Forbes-artikel i 2013, om, hvad et firma lærte, da det anvendte forudsigelig analyse til at vælge salgsmænd, påpeger forfatter Josh Bersin, at skoleerfaring tæller langt mindre, end folk tror med hensyn til at forudsige jobsucces. I modsætning til den almindelige opfattelse korrelerede en kandidats GPA eller valg af college ikke med succes på jobbet.
Det betyder ikke, at uddannelse er uden værdi; at afslutte en eller anden form for uddannelse var en af indikatorerne på karrieresucces, men nøglen der var færdiggørelse snarere end skolen eller karaktererne. Andre nøgleindikatorer omfattede et grammatisk korrekt CV, demonstrerede succes i et job, succesfuld salgserfaring og evnen til at arbejde under ustrukturerede forhold. Efter at virksomheden indarbejdede dataanalyserne i sine kvalificerende trin og identificerede de faktorer, der var nøjagtige forudsigere, forbedrede det salgsydelsen til en gevinst på $ 4 millioner i omsætning.
Uanset organisationens behov, kan forudsigelig analyse sætte dem på det rigtige spor. Som Wright sagde om sin egen oplevelse, "Ved at styrke folk med de ressourcer, de har brug for for at tage gode beslutninger, vinder alle."
