Turinys:
- „Analytics“ veikia
- Pasirengimas taktiniams pokyčiams
- Geresni duomenys = geresni darbuotojai
- Mokyklos ir verslo skirtumai
Studentai nėra vieninteliai, kurie grįžta į mokyklą. Visi galime sugrįžti, norėdami sužinoti, kaip efektyviau nukreipti pastangas. Nuspėjama analizė gali parodyti kelią. Nesvarbu, ar tai būtų taikoma įdarbinant universitetus, ar samdant įmones, tai, ką atskleidžia dideli duomenys, gali parodyti, kad mūsų prielaidos apie tai, kas veikia, veda mus neteisinga linkme.
„Analytics“ veikia
Tiems, kurių verslas yra mokykla, ruošiantis šiam sezonui reikia planuoti, o didžiųjų duomenų analizė gali parodyti, kaip pasiekti maksimalių rezultatų. Štai Vičitos valstybinio universiteto strateginio planavimo istorija. Prieš porą metų Davidas Wrightas, asocijuotasis viceprezidentas akademinių duomenų sistemos ir strateginio planavimo klausimais, pardavė Kanzaso mokyklą naudodamas didžiųjų duomenų analizę, kad padidintų išlaidų stipendijoms ir įdarbinimo efektyvumą.
„Pažangesnio universiteto miestelio kūrimas: kaip„ Analytics “keičia akademinį kraštovaizdį“ informacija apie tai, kaip IBM programinė įranga sumažino sąnaudas tiksliai nurodydama, iš kur kilę studentai, kuriems buvo didesnė tikimybė likti universitete. Buvo ištirtas „lygčių rinkinys, sveriantis demografinius rodiklius, akademinę istoriją ir kitus veiksnius“, siekiant išsiaiškinti, kurios „turi didžiausią tikimybę atvykti į Vičitos valstiją“. Remdamasis tuo, universitetas priėmė tikslingesnę įdarbinimo strategiją.
Pavyzdžiui, po to, kai analitika atskleidė, iš kur kilusi didžioji dauguma universiteto studentų, priėmimo skyrius daugiausia dėmesio skyrė toms aukštosioms mokykloms. Apreiškimas, kad labai nedaug studentų atvyksta iš valstybės ribų, paskatino universitetą nutraukti 14 kolegijų mugių ir sumažinti kelionių skaičių. Jie taip pat labiau sutelkė savo tiesioginį paštą. Anksčiau jie išsiuntė 9000 laiškų. Pritaikę analizę, jie turėjo išsiųsti tik nuo 5000 iki 6000. Dėl sumažėjusio laiškų skaičiaus įdarbinimas išaugo 26 proc.
Pasirengimas taktiniams pokyčiams
El. Laiške Wright paaiškino iššūkius, kuriuos reikia priversti įstaigą perjungti pavaras ir perimti analizę. Jis sakė, kad tai susiję su trim aspektais:- Vienas iš jų buvo priversti žmones pamatyti įrodymais pagrįsto sprendimų priėmimo naudą. Duomenų naudojimas priimant sprendimus labai skiriasi nuo duomenų naudojimo sprendimui patvirtinti. Iš pradžių universitetui buvo sunku priversti žmones naudotis duomenimis iki sprendimo priėmimo dienos. Priimant sprendimus, duomenys turėtų būti prie stalo.
- Antras sunkumas buvo priversti žmones pasitikėti analitika, ypač kai duomenys prieštarauja intuicijai ar ankstesnei praktikai. Ilgai užtruko, kol patarėjai patikėjo duomenimis.
- Ir trečia, duomenų kokybė, reikalinga analizei naudoti.
Geresni duomenys = geresni darbuotojai
Įrodyta, kad duomenų analizės taikymas pagerina darbuotojų įdarbinimą ir išlaikymą. Didelių duomenų įmonė „Evolv“ užsiima prognozavimo analizės taikymu visų pirma nuomos srityje. Taip yra todėl, kad, bendrovės teigimu, didelių duomenų naudojimas tiesioginiams įdarbinimo sprendimams atsiperka.
Pavyzdžiui, „Evolv“ įžvalga pakeitė „Xerox“ įdarbinimo strategiją, skirtą pasirinkti skambučių centro darbuotojus. WSJ straipsnyje „Xerox“ vyriausiasis komercijos paslaugų pareigūnas pripažino: „Kai kurios mūsų prielaidos nebuvo pagrįstos“. Tai yra tikroji didelių duomenų analizės vertė; atskleidžiamos faktinės koreliacijos, pagrįstos objektyvia informacija, o ne išskiriant vadovus.
Kaip paaiškėjo, atnaujinimas ir asmens patikrinimas pasirodė ne patys patikimiausi „Xerox“ darbuotojų, kurie liks veikti tol, kol įmonė gaus grąžą iš 5000 USD investicijų į mokymus, rodikliai. „Evolv“ duomenys parodė, kad daugiau nei penkerius metus trunkantis arešto įrašas nerodo „blogo elgesio ateityje“ daugiau nei tobulai švarus įrašas. Ankstesnis darbo perėjimo į aukštį įrašas taip pat nebūtinai reiškia, kad naujasis įdarbinimas nebus vykdomas. „Evolv“ baigė 21 115 skambučių centro atstovų tyrimą. Duomenų analizė parodė, kad „labai mažas ryšys tarp agento darbo istorijos ir jo pareigų einant šias pareigas“.
Kokie veiksniai daro įtaką tada? Asmenybė, ryšiai ir vieta. „Evolv“ programinė įranga nustatė, kad idealus kandidatas yra kūrybingas asmuo, aktyviai veikiantis nuo vieno iki keturių socialinių tinklų ir dirbantis lengvai valdomoje darbo vietoje. Kitas svarbus išlaikymo veiksnys buvo asociacija. Pastebėta, kad pasilikti įmonėje greičiausiai buvo tie, kurie pažinojo tris ar daugiau darbuotojų, kurie jau dirbo ten.
Mokyklos ir verslo skirtumai
Nors didžiųjų duomenų analizė gali būti tokia pati efektyvi įdarbinant įmones, kaip ir įdarbinant universitetus, ji taip pat parodo, kur nutrūksta paralelės tarp šių dviejų. 2013 m. „Forbes“ straipsnyje apie tai, ko įmonė sužinojo, kai pritaikė nuspėjamąją analizę renkantis pardavimo žmones, autorius Joshas Bersinas pabrėžia, kad mokyklos patirtis yra kur kas mažesnė, nei žmonės galvoja numatydami darbo sėkmę. Tiesą sakant, priešingai nei paplitusi nuomonė, kandidato VPS ar pasirinkta kolegija nebuvo susijusios su sėkme darbe.
Tai nereiškia, kad išsilavinimas neturi vertės; baigti tam tikrą išsilavinimą buvo vienas iš karjeros sėkmės rodiklių, tačiau svarbiausia buvo baigimas, o ne mokykla ar pažymiai. Kiti pagrindiniai rodikliai buvo gramatiškai teisingas gyvenimo aprašymas, įrodyta sėkmė darbe, sėkminga pardavimo patirtis ir galimybė dirbti nestruktūrizuotomis sąlygomis. Po to, kai bendrovė įtraukė duomenų analizę į savo kvalifikacinius etapus ir nustatė veiksnius, kurie buvo tikslūs prognozuojantys veiksniai, ji pagerino pardavimų rezultatus, siekdama 4 milijonų dolerių pajamų.
Nepriklausomai nuo organizacijos poreikių, nuspėjamoji analizė gali padėti jiems žengti teisingu keliu. Kaip sakė Wrightas apie savo patirtį: „Įgalindami žmones ištekliais, kurių jiems reikia norint priimti gerus sprendimus, visi laimi“.
