Kazalo:
- Analitika v akciji
- Priprava na taktične spremembe
- Boljši podatki = boljši zaposleni
- Razlike v šoli in podjetju
Študenti niso edini, ki se vračajo v šolo. Vsi se lahko vrnemo, da spoznamo načine za bolj produktivno usmerjanje naših prizadevanj. Napovedna analitika lahko pokaže pot. Ne glede na to, ali se uporablja za zaposlovanje na univerzah ali za najem podjetij, razkritje velikih podatkov nam lahko pokaže, da naše predpostavke o tem, katera dela nas vodijo v napačno smer.
Analitika v akciji
Za tiste, ki se ukvarjajo s šolo, priprava na to sezono zahteva načrtovanje in velika analiza podatkov lahko pokaže, kako doseči največje rezultate. To je zgodba strateškega načrtovanja državne univerze Wichita. Pred nekaj leti je David Wright, izredni podpredsednik za akademske podatkovne sisteme in strateško načrtovanje, prodal šolo v Kansasu z uporabo analitike velikih podatkov za povečanje učinkovitosti porabe štipendij in zaposlovanja.
"Gradnja pametnejšega kampusa: Kako analitika spreminja akademsko pokrajino" podrobno opisuje, kako je IBM-ova programska oprema zmanjšala stroške tako, da je natančno določila, od kod prihajajo študentje, ki bi najraje bivali na univerzi. "Skupek enačb, ki tehtajo demografske podatke, akademsko zgodovino in druge dejavnike", smo analizirali, da smo ugotovili, kateri "imajo največjo verjetnost prihoda v državo Wichita." Na podlagi tega je univerza sprejela bolj ciljno usmerjeno strategijo zaposlovanja.
Na primer, potem ko je analitika razkrila, od kod prihaja velika večina študentov na univerzi, se je sprejemni oddelek osredotočil na te srednje šole. Razkritje, da zelo malo študentov prihaja zunaj države, je univerzo spodbudilo, da prekine 14 sejmov na univerzah in zmanjša potovanja. Zavzeli so se tudi za bolj osredotočen pristop k svoji neposredni pošti. V preteklosti so poslali 9.000 pisem. Po uporabi analitike so morali poslati le od 5000 do 6000. Zmanjšanje števila pisem se je dejansko povečalo za 26 odstotkov.
Priprava na taktične spremembe
V izmenjavi e-poštnih sporočil je Wright pojasnil izzive, s katerimi lahko ustanove preklopijo na prestavo in sprejmejo analitiko. Povedal je, da gre za tri vidike:- Eden je bil, da bi ljudje videli koristnost odločanja, ki temelji na dokazih. Uporaba podatkov za sprejemanje odločitev se zelo razlikuje od uporabe podatkov za potrditev odločitve. Na začetku je univerza težko dobivala podatke za uporabo podatkov pred odločitvijo. Podatki morajo biti v tabeli, ko se sprejemajo odločitve.
- Druga težava je bila, da bi ljudje zaupali analitiki, zlasti kadar so podatki tako v nasprotju z intuicijo ali preteklimi praksami. Dolgo je trajalo, da so svetovalci vero v podatke.
- Tretjič pa je bila kakovost podatkov, potrebnih za uporabo analitike.
Boljši podatki = boljši zaposleni
Dokazano je tudi, da uporaba analitike velikih podatkov izboljšuje zaposlovanje in zadrževanje zaposlenih. Veliko podatkovno podjetje Evolv se ukvarja predvsem z uporabo prediktivne analitike pri najemanju. To je zato, ker se uporaba velikih podatkov za usmerjanje odločitev o najemu izplača, menijo v podjetju.
Evolv vpogled je na primer spremenil Xeroxovo strategijo zaposlovanja za izbiro delavcev klicnih centrov. V članku WSJ je glavni operativni direktor komercialnih storitev Xerox priznal: "Nekatere predpostavke nismo bile veljavne." To je resnična vrednost analitike velikih podatkov; razkriva dejanske korelacije, ki temeljijo na objektivnih informacijah in ne na čustvih, ki jih imajo vodje za najem.
Kot se je izkazalo, se izkaže, da se življenjepisi in preverjanje preteklosti niso najbolj zanesljivi kazalniki zaposlenih v Xeroxu, ki bodo ostali na svojem položaju, dokler podjetje ne dobi donosnosti svojih 5000 USD naložb v usposabljanje. Podatki družbe Evolv so pokazali, da zapis o aretaciji, ki traja več kot pet let, ne kaže na "prihodnje slabo vedenje" več kot na povsem čist zapis. Prejšnji zapis o skokih zaposlitev prav tako ne pomeni nujno, da novi najem ne bo ostal na voljo. Evolv je zaključil študijo 21.115 agentov klicnega centra. Analiza podatkov je pokazala, "zelo malo razmerja med delovno zgodovino agenta in njegovim delovnim položajem."
Kateri dejavniki potem dejansko vplivajo? Osebnost, povezave in lokacija. Programska oprema podjetja Evolv je idealnega kandidata prepoznala kot ustvarjalno osebo, ki je aktivna na enem do štirih družbenih omrežjih in je znotraj vodljivega potovanja na delovnem mestu. Drugi ključni dejavnik zadrževanja je bila povezanost. Najverjetneje je bilo ostati v podjetju tisti, ki je poznal tri ali več zaposlenih, ki so že delali tam.
Razlike v šoli in podjetju
Medtem ko je analitika velikih podatkov lahko tako učinkovita pri zaposlovanju v podjetjih kot pri zaposlovanju na univerzah, pa tudi pokaže, kje se vzporednice med obema lomijo. Avtor Josh Bersin v članku Forbes iz leta 2013 o tem, kaj se je podjetje naučilo, ko je uporabljalo napovedno analitiko pri izbiri prodajalcev, poudarja, da šolske izkušnje štejejo za veliko manj, kot si ljudje mislijo v smislu napovedovanja uspeha na delovnem mestu. Pravzaprav v nasprotju s splošnim prepričanjem kandidatov GPA ali izbira fakultete ni v korelaciji z uspehom na delovnem mestu.
To ne pomeni, da je izobraževanje brez vrednosti; zaključek neke oblike izobraževanja je bil eden od kazalcev uspešnosti v karieri, toda ključni je bil zaključek in ne šola ali ocene. Drugi ključni kazalniki so vključevali slovnično pravilen življenjepis, izkazan uspeh pri delu, uspešne prodajne izkušnje in sposobnost delati v nestrukturiranih pogojih. Potem ko je podjetje vključilo analitiko podatkov v svoje kvalifikacijske korake in opredelilo dejavnike, ki so natančni napovedovalci, je izboljšalo prodajno uspešnost v višini 4 milijonov dolarjev prihodka.
Ne glede na potrebe organizacije jih lahko napovedna analitika postavi na pravo pot. Kot je Wright povedal o svojih izkušnjah, "z opolnomočenjem ljudi z viri, ki jih potrebujejo za sprejemanje dobrih odločitev, zmagajo vsi."
