Dom zvučni Povratak u školu s velikom analizom podataka

Povratak u školu s velikom analizom podataka

Sadržaj:

Anonim

Nisu učenici jedini koji se vraćaju u školu. Svi se možemo vratiti da bismo saznali kako da produktivnije usmjerimo svoje napore. Prediktivna analitika može pokazati put. Bez obzira primjenjujemo li se na zapošljavanje na sveučilištima ili u zapošljavanje u tvrtkama, veliki podaci koji nam otkrivaju mogu nam pokazati da naše pretpostavke o tome koja nas djela vode u pogrešnom smjeru.

Analitika na djelu

Za one čiji je posao škola, priprema za ovu sezonu zahtijeva planiranje, a velika analiza podataka može pokazati kako doći do maksimalnih rezultata. To je priča o strateškom planiranju Državnog sveučilišta Wichita. Prije nekoliko godina David Wright, pomoćni potpredsjednik za akademski sustav podataka i strateško planiranje, prodao je školu u Kansasu koristeći veliku analizu podataka kako bi povećao učinkovitost u trošenju stipendija i zapošljavanju.


"Izgradnja pametnijeg kampusa: Kako analitika mijenja akademski pejzaž" detaljno je opisala kako je IBM-ov softver smanjio troškove precizirajući odakle dolaze studenti koji su vjerojatnije boravili na sveučilištu. "Skup jednadžbi koje su važile demografske, akademske povijesti i drugih faktora" analiziran je kako bi se utvrdilo koji "imaju najveću vjerojatnost dolaska u državu Wichita." Na temelju toga sveučilište je usvojilo ciljaniju strategiju zapošljavanja.


Na primjer, nakon što je analitika otkrila odakle dolazi velika većina studenata sveučilišta, upisni se odjel usredotočio na te srednje škole. Otkriće da vrlo malo studenata dolazi izvan države potaklo je sveučilište da prekine 14 sajmova i smanji putovanja. Također su se usredotočili na svoj izravni mail. U prošlosti su poslali 9.000 pisama. Nakon primjene analitike, samo su im morali poslati 5000 do 6.000. Smanjeni broj pisama zapravo se pretvorio u porast broja zaposlenika za 26 posto.

Priprema za taktičke promjene

U razmjeni e-pošte Wright je objasnio izazove dobivanja ustanove da zamijeni zupčanike i prihvati analitiku. Rekao je da su uključena tri aspekta:

  • Jedno je dobivanje ljudi da vide korist od donošenja odluka utemeljenih na dokazima. Upotreba podataka za donošenje odluka vrlo se razlikuje od korištenja podataka za potvrdu odluke. U početku je sveučilište teško dobivalo ljude da koriste podatke prije donošenja odluke. Podaci se trebaju nalaziti za tablicom pri donošenju odluka.

  • Druga poteškoća bilo je privikavanje ljudi na povjerenje analitičarima, pogotovo kada su podaci toliko suprotni intuiciji ili prošloj praksi. Dugo je trebalo da savjetnici vjeruju u podatke.
  • I treće je bila kvaliteta podataka potrebnih za korištenje analitike.
Da bi uspostavili stabilan analitički sustav, morali su prvo očistiti stare podatke i "hiljade pogrešaka pri unosu podataka". To je bio zastrašujući zadatak, ali sveučilište je pristalo na njega radi uspostave robusnog analitičkog sustava koji je bio potreban za postizanje njihovih ciljeva.

Bolji podaci = bolji zaposlenici

Primjena analitike velikih podataka također je dokazala da poboljšava zapošljavanje i zadržavanje zaposlenika. Tvrtka za velike podatke Evolv bavi se primjenom prediktivne analitike posebno kod zapošljavanja. To je zbog toga što se upotreba velikih podataka za usmjeravanje odluka o zapošljavanju isplati, tvrdi tvrtka.


Primjerice, uvid Evolva promijenio je Xeroxovu strategiju zapošljavanja za odabir radnika u pozivnom centru. U članku WSJ-a, Xeroxov glavni operativni direktor komercijalnih usluga priznao je: "Neke pretpostavke nismo bile valjane." To je prava vrijednost analitike velikih podataka; ona otkriva stvarne korelacije temeljene na objektivnim informacijama, a ne osjećaju zapošljavanja menadžera.


Kako se ispostavilo, pokazalo se da životopisi i provjere prošlosti nisu najpouzdaniji pokazatelji zaposlenika Xeroxa koji će ostati na poslu sve dok kompanija ne dobije povrat od svojih 5000 dolara ulaganja u obuku. Podaci Evolva pokazali su da zapis o uhićenju koji datira više od pet godina ne pokazuje "buduće loše ponašanje" više nego savršeno čist zapis. Prethodni zapis o skokovima posla također ne znači da novi najam neće ostati stavljen. Evolv je završio istraživanje sa 21.115 agenata telefonskog centra. Analiza podataka ukazala je na "vrlo mali odnos između radne povijesti agenta i njegovog mandata na tom položaju".


Koji su faktori tada važni? Osobnost, veze i lokacija. Evolv softver identificirao je idealnog kandidata kao kreativnu osobu koja je aktivna na jednoj do četiri društvene mreže i unutar upravljanih mjesta na radnom mjestu. Drugi ključni čimbenik zadržavanja bila je povezanost. Oni koji su se najvjerojatnije zadržali u tvrtki bili su oni koji su poznavali tri ili više zaposlenika koji su već radili tamo.

Razlike u školi i poslu

Iako analitika velikih podataka može biti jednako učinkovita u zapošljavanju korporacija kao i u zapošljavanju na sveučilištima, također pokazuje gdje se paralele između njih dvoje raspadaju. U članku Forbesa iz 2013. godine, o onome što je tvrtka naučila kad je primijenila prediktivnu analitiku na odabiru prodavača, autor Josh Bersin ističe da školsko iskustvo računa puno manje nego što ljudi misle u pogledu predviđanja uspjeha na poslu. Zapravo, suprotno uvriježenom mišljenju, kandidatov GPA ili izbor koledža nisu u korelaciji s uspjehom na poslu.


To ne znači da obrazovanje nije vrijedno; završetak nekog oblika obrazovanja bio je jedan od pokazatelja uspjeha u karijeri, ali ključni je bio završetak, a ne škola ili ocjena. Ostali ključni pokazatelji uključivali su gramatički ispravan životopis, pokazali uspjeh u poslu, uspješno prodajno iskustvo i sposobnost rada u nestrukturiranim uvjetima. Nakon što je tvrtka uključila analizu podataka u svoje kvalifikacijske korake i identificirala čimbenike koji su bili precizni prediktori, poboljšala je prodajnu izvedbu u iznosu od 4 milijuna dolara prihoda.


Bez obzira na potrebe organizacije, prediktivna analitika može ih staviti na pravi put. Kao što je Wright rekao o vlastitom iskustvu, "osnažujući ljude s resursima koji su im potrebni za donošenje dobrih odluka, svi pobjeđuju."

Povratak u školu s velikom analizom podataka