Зміст:
- Аналітика в дії
- Підготовка до тактичних змін
- Кращі дані = Кращі працівники
- Відмінності в школі та бізнесі
Студенти - не єдині, хто повертається до школи. Всі ми можемо повернутися, щоб дізнатися про способи більш продуктивного спрямування наших зусиль. Прогностична аналітика може показати шлях. Незалежно від того, що стосується набору в університет чи корпоративного найму, то, що виявляють великі дані, може показати нам, що наші припущення щодо того, які роботи ведуть нас у неправильному напрямку.
Аналітика в дії
Для тих, чий бізнес займається школою, підготовка до цього сезону займає планування, а аналітика великих даних може показати, як отримати максимальний результат. Це історія стратегічного планування університету Вічіта. Пару років тому Девід Райт, асоційований віце-президент з питань академічних даних та стратегічного планування, продав школу Канзасу, використовуючи аналітику великих даних, щоб підвищити ефективність витрачання стипендій та набору персоналу.
"Побудова розумнішого кампусу: як Analytics змінює академічний ландшафт" розповідає, як програмне забезпечення IBM зменшило витрати, вказавши, звідки беруться студенти, які, швидше за все, залишилися в університеті. "Набір рівнянь, що зважують демографічні показники, академічну історію та інші фактори", аналізували, щоб визначити, які "мають найбільшу ймовірність приїзду до штату Вічіта". На основі цього університет прийняв більш цілеспрямовану стратегію прийому на роботу.
Наприклад, після того, як аналітика виявила, звідки йде переважна більшість студентів університету, вступний відділ зосередився на цих вищих школах. Виявлення, що дуже мало студентів приїжджає за межі держави, спонукало університет скоротити 14 ярмарків коледжів та зменшити кількість поїздок. Вони також взяли більш цілеспрямований підхід до своєї прямої пошти. У минулому вони розіслали 9000 листів. Застосувавши аналітику, їм залишилося лише розіслати 5000 до 6000. Зменшена кількість листів фактично перетворилася на збільшення набору на 26 відсотків.
Підготовка до тактичних змін
У електронному обміні електронною поштою Райт пояснив проблеми змусити організацію перемикати передачі та використовувати аналітику. Він сказав, що були задіяні три аспекти:- Одне змусило людей бачити користь прийняття рішень на основі доказів. Використання даних для прийняття рішень сильно відрізняється від використання даних для підтвердження рішення. На початку університету було важко змусити людей використовувати дані до моменту прийняття рішення. Дані повинні бути за столом під час прийняття рішень.
- Друга складність полягала в тому, щоб люди довіряли аналітиці, особливо коли дані настільки суперечать інтуїції чи минулій практиці. Минуло багато часу, щоб радники вірили в дані.
- Третє - якість даних, необхідних для використання аналітики.
Кращі дані = Кращі працівники
Застосування аналітики великих даних також було доведено для покращення набору та утримання працівників. Компанія Evolv з великими даними займається зокрема застосуванням прогностичної аналітики для найму, зокрема. Це тому, що використання великих даних для прямих рішень щодо найму окупається, повідомляє компанія.
Наприклад, розуміння Evolv змінило стратегію найму Xerox для вибору працівників телефонного центру. У статті WSJ, головний операційний директор комерційних служб Xerox визнав: "Деякі з припущень, які ми мали, були неправдивими". Це реальна цінність аналітики великих даних; він виявляє фактичні кореляції, що базуються на об'єктивній інформації, а не відчуттях кишечника найманих менеджерів.
Як виявилося, резюме та довідкові перевірки виявилися не найнадійнішими показниками співробітників Xerox, які залишатимуться до тих пір, поки компанія не отримає прибуток від своїх 5 000 доларів США. Дані Evolv показали, що запис про арешт, який датується п'ятьма роками, не вказує на "майбутню погану поведінку" більше, ніж на ідеально чистий запис. Попередній запис про скакання на роботу також не обов'язково означає, що новий прокат не залишиться поставленим. Evolv завершив дослідження 21, 115 агентів телефонного центру. Аналіз даних вказував на "дуже малий взаємозв'язок між історією роботи агента та його перебуванням на посаді".
Які фактори впливають на зміну? Особистість, зв’язки та місцезнаходження. Програмне забезпечення Evolv визначило ідеального кандидата творчою людиною, яка активна в одній-чотирьох соціальних мережах і знаходиться в межах керованого місця роботи на робочому місці. Ще одним ключовим фактором утримання була асоціація. Ті, хто виявився найімовірнішим залишитися в компанії, - це ті, хто знав трьох і більше працівників, які вже працювали там.
Відмінності в школі та бізнесі
Незважаючи на те, що аналітика великих даних може бути настільки ж ефективною при підборі корпорацій, як і в підборі університетів, вона також показує, де пробиваються паралелі між ними. У статті Forbes в 2013 році, про те, про що дізналася компанія, застосовуючи прогностичну аналітику для вибору продавців, автор Джош Берсін вказує, що шкільний досвід налічує набагато менше, ніж люди думають з точки зору прогнозування успішності на роботі. Насправді, всупереч поширеній думці, середній бал кандидата чи вибір коледжу не співвідносилися з успіхом у роботі.
Це не означає, що освіта не має цінності; закінчення якоїсь форми навчання було одним із показників успіху в кар’єрі, але ключовим в цьому було закінчення, а не школа чи класи. Інші ключові показники включали граматично правильне резюме, демонстрували успіх у роботі, успішний досвід продажу та здатність працювати в неструктурованих умовах. Після того, як компанія включила аналітику даних у свої кваліфікаційні етапи та визначила фактори, які були точними прогнозами, вона покращила показники продажів, досягаючи прибутку в 4 мільйони доларів.
Незалежно від потреб організації, прогнозна аналітика може поставити їх на правильний шлях. Як Райт сказав про власний досвід, "надаючи людям ресурси, необхідні для прийняття правильних рішень, кожен виграє".
