Înapoi la școală cu analize de date mari

Elevii nu sunt singurii care se întorc la școală. Cu toții putem reveni pentru a afla modalități de a ne direcționa mai productiv eforturile. Analitica predictivă poate arăta calea. Indiferent dacă este aplicat la recrutare universitară sau angajare corporativă, ceea ce relevă datele mari ne poate arăta că presupunerile noastre despre lucrările ne conduc într-o direcție greșită.

Analytics în acțiune

Pentru cei a căror activitate este școala, pregătirea pentru acest sezon necesită planificare, iar analizele de date mari pot arăta cum să obțină rezultate maxime. Aceasta este povestea planificării strategice a Universității de Stat Wichita. Cu câțiva ani în urmă, David Wright, vicepreședinte asociat pentru sistemul de date academice și planificare strategică, a vândut școala din Kansas folosind analize de date mari pentru a crește eficiența în cheltuielile cu bursele și recrutarea.

„Construirea unui campus mai inteligent: modul în care Analytics schimbă peisajul academic” detaliază modul în care software-ul IBM a redus costurile prin identificarea locurilor în care provin studenții care erau mai plăcuți să stea la universitate. „Un set de ecuații care cântăresc demografia, istoricul academic și alți factori” au fost analizate pentru a identifica care „au cele mai mari probabilități de a veni în statul Wichita”. Pe baza acestuia, universitatea a adoptat o strategie mai precisă pentru recrutare.

De exemplu, după ce analizele au dezvăluit de unde provin marea majoritate a studenților universității, departamentul de admitere s-a concentrat pe acele licee. Revelația că foarte puțini studenți provin din afara statului a determinat universitatea să taie 14 târguri de facultate și să reducă călătoriile. De asemenea, aceștia au adoptat o abordare mai concentrată în ceea ce privește poșta directă. În trecut, au trimis 9.000 de scrisori. După ce au aplicat analitice, au fost nevoiți să trimită doar 5.000 - 6.000. Numărul scăzut de scrisori s-a tradus într-o creștere a recrutării cu 26%.

Pregătirea pentru modificările tactice

Într-un schimb de e-mailuri, Wright a explicat provocările obținerii unei instituții pentru a schimba viteza și a îmbrățișa analizele. El a spus că sunt implicate trei aspecte:

• Unul îi făcea pe oameni să vadă beneficiile luării deciziilor bazate pe dovezi. Utilizarea datelor pentru luarea deciziilor este foarte diferită de utilizarea datelor pentru confirmarea unei decizii. La început, universitatea a avut greutăți ca oamenii să folosească date înainte de punctul de decizie. Datele ar trebui să fie la masă, pe măsură ce se iau decizii.

• A doua dificultate a fost ca oamenii să aibă încredere în analiză, mai ales atunci când datele sunt atât de contrare intuiției sau practicilor trecute. A fost nevoie de mult timp pentru ca consilierii să aibă încredere în date.
• Și al treilea a fost calitatea datelor necesare pentru a utiliza analitice.

Pentru a obține un sistem robust de analiză, trebuiau să ștergeți mai întâi datele vechi și „mii de erori de introducere a datelor”. Aceasta a fost o sarcină descurajantă, dar universitatea a fost de acord cu ea de dragul de a înființa un sistem de analiză robust care era necesar pentru a-și atinge obiectivele.

Date mai bune = angajați mai buni

A fost dovedită, de asemenea, că aplicarea analizelor de date mari îmbunătățește recrutarea și păstrarea angajaților. Compania de date mari Evolv se ocupă de aplicarea în special a analizelor predictive pentru angajare. Acest lucru se datorează faptului că utilizarea de date mari pentru a lua decizii de angajare directă plătește, potrivit companiei.

De exemplu, ideea Evolv a schimbat strategia de angajare a lui Xerox pentru selectarea lucrătorilor din call center. Într-un articol WSJ, directorul de operațiuni al serviciilor comerciale al Xerox a recunoscut: „Unele dintre presupunerile pe care nu le-am avut noi erau valide”. Aceasta este adevărata valoare a analizelor de date mari; dezvăluie corelații efective bazate pe informații obiective, mai degrabă decât sentimente intestinale ale angajării managerilor.

După cum s-a dovedit, CV-urile și controalele de fond s-au dovedit a nu fi cei mai fiabili indicatori ai angajaților Xerox, care ar rămâne până când compania va primi randamentul investițiilor sale de 5.000 de dolari în formare. Datele Evolv au arătat că o înregistrare a arestului care datează de peste cinci ani nu indică „viitorul comportament rău” decât o înregistrare perfect curată. O înregistrare anterioară a salariului de locuri de muncă nu înseamnă, în mod necesar, că noua angajare nu va rămâne pusă. Evolv a finalizat un studiu pe 21115 de agenți de call center. Analiza datelor a indicat „relația foarte mică între istoricul muncii agentului și funcția acestuia în funcție”.

Care sunt factorii care fac diferența atunci? Personalitate, conexiuni și locație. Software-ul Evolv a identificat candidatul ideal ca fiind o persoană creativă, care este activă pe una până la patru rețele de socializare și se află într-o navetă gestionabilă a locului de muncă. Un alt factor cheie în retenție a fost asocierea. Cei care s-au dovedit mai plăcuți să rămână la o companie au fost cei care au cunoscut trei sau mai mulți angajați care au lucrat deja acolo.

Diferențe în școală și afaceri

În timp ce analiza de date mari poate fi la fel de eficientă în recrutarea corporatistă ca și în recrutarea universității, aceasta arată, de asemenea, unde paralelele dintre cele două se descompun. Într-un articol Forbes din 2013, despre ceea ce a aflat o companie atunci când a aplicat analize predictive pentru selectarea persoanelor de vânzări, autorul Josh Bersin subliniază că experiența școlară contează cu mult mai puțin decât cred oamenii în ceea ce privește prezicerea succesului locului de muncă. De fapt, contrar credinței populare, GPA-ul unui candidat sau alegerea colegiului nu s-au corelat cu succesul pe post.

Asta nu înseamnă că educația nu are valoare; Finalizarea unei anumite forme de învățământ a fost unul dintre indicatorii succesului în carieră, dar cheia a fost finalizarea, mai degrabă decât școala sau clasele. Alți indicatori cheie au inclus un CV corect gramatical, succesul demonstrat într-un loc de muncă, experiența de vânzări reușită și capacitatea de a lucra în condiții nestructurate. După ce compania a încorporat analiza datelor în etapele sale de calificare și a identificat factorii care au fost predictori corecți, a îmbunătățit performanța vânzărilor, pentru a obține un venit de 4 milioane de dolari în venituri.

Oricare ar fi nevoile organizației, analizele predictive le pot pune pe drumul cel bun. După cum spunea Wright despre propria sa experiență, „Împuternicind oamenii cu resursele de care au nevoie pentru a lua decizii bune, toată lumea câștigă”.