Taula de continguts:
- Analytics en acció
- Preparació per a canvis tàctics
- Millors dades = Millors empleats
- Diferències en escola i negoci
Els estudiants no són els únics que tornen a l'escola. Tots podem tornar a conèixer formes de dirigir els nostres esforços de manera més productiva. Les analítiques predictius poden mostrar el camí. Tant si s’aplica a la contractació universitària com a la contractació d’empreses, el que revela dades grans ens pot demostrar que els nostres supòsits sobre les funcions ens porten en una direcció equivocada.
Analytics en acció
Per a aquells que tenen un negoci escolar, la preparació per a aquesta temporada requereix una planificació i les analítiques de grans dades poden mostrar com obtenir els màxims resultats. Aquesta és la història de la planificació estratègica de la Universitat Estatal de Wichita. Fa un parell d’anys, David Wright, vicepresident associat al sistema de dades acadèmiques i planificació estratègica, va vendre l’escola de Kansas mitjançant l’ús d’analítica de dades grans per augmentar l’eficiència en la despesa de beques i la contractació.
"Construint un campus més intel·ligent: com Analytics canvia el paisatge acadèmic" detalla com el programari d'IBM va reduir els costos en assenyalar d'on provenien els estudiants que eren més favorables per quedar-se a la universitat. "Es va analitzar un conjunt d'equacions que pesa la demografia, la història acadèmica i altres factors" per identificar quins "tenen les probabilitats més elevades d'arribar a l'Estat Wichita". A partir d’això, la universitat va adoptar una estratègia més específica de contractació.
Per exemple, després que les analítiques revelessin d’on provenen la gran majoria dels estudiants de la universitat, el departament d’admissió es va centrar en aquells centres de secundària. La revelació que molt pocs estudiants provenen de fora de l’estat van impulsar la universitat a tallar 14 fires universitàries i reduir els desplaçaments. També van adoptar una aproximació més centrada al seu correu directe. En el passat, van enviar 9.000 cartes. Després d’aplicar analítiques, només havien d’enviar de 5.000 a 6.000. La disminució del nombre de cartes es va traduir en un augment de la contractació del 26 per cent.
Preparació per a canvis tàctics
En un intercanvi de correu electrònic, Wright va explicar els reptes que té una institució per canviar d'engranatge i adoptar analítiques. Va dir que hi havia tres aspectes:- Una era aconseguir que la gent veiés els avantatges de la presa de decisions basada en evidències. L’ús de les dades per prendre decisions és molt diferent de l’ús de les dades per confirmar una decisió. Al principi, la universitat va costar que la gent utilitzés dades abans del punt de decisió. Les dades han de ser a la taula a mesura que es prenen les decisions.
- La segona dificultat era aconseguir que la gent confia en les analítiques, sobretot quan les dades són tan contràries a la intuïció o a les pràctiques passades. Va ser molt de temps perquè els assessors tinguessin fe en les dades.
- I la tercera va ser la qualitat de les dades necessàries per utilitzar les analítiques.
Millors dades = Millors empleats
També s’ha demostrat l’aplicació d’analítica de dades grans per millorar la contractació i la retenció d’empleats. La companyia de grans dades Evolv es dedica a l'aplicació d'analítiques predictives a la contractació. Això és degut a que, segons l'empresa, l'ús de dades grans per a les decisions de contractació directa.
Per exemple, la visió d’Evolv va canviar l’estratègia de contractació de Xerox per seleccionar treballadors del centre de trucades. En un article del WSJ, el cap de serveis comercials de Xerox va admetre que "alguns dels supòsits que no teníem eren vàlids". Aquest és el valor real de l’analítica de grans dades; revela correlacions reals basades en informació objectiva en lloc de sentiments profunds dels contractistes.
Per la seva banda, els resums i els controls de antecedents no van ser els indicadors més fiables dels empleats de Xerox que es mantindrien fins que la companyia obtingués la rendibilitat de la seva inversió de 5.000 dòlars en formació. Les dades d'Evolv demostren que un historial de detenció que es remunta a cinc anys no indica més que "futurs mals comportaments" que un registre perfectament net. Un registre anterior de baixada de treball tampoc no vol dir necessàriament que no es mantingui el lloguer nou. Evolv va completar un estudi de 21.115 agents del centre de trucada. L'anàlisi de les dades va indicar "molt poca relació entre la història laboral de l'agent i la seva posició en el càrrec".
Quins són els factors que marquen la diferència? Personalitat, connexions i ubicació. El programari d’Evolv va identificar el candidat ideal com a persona creativa que està activa en una a quatre xarxes socials i que es troba a un desplaçament manejable del lloc de treball. Un altre factor clau en la retenció va ser l’associació. Els que es van mostrar amb més probabilitat de quedar-se en una empresa van ser els que coneixien tres o més empleats que ja hi treballaven.
Diferències en escola i negoci
Si bé les analítiques de dades grans poden ser tan eficaces en la contractació corporativa com en la contractació universitària, també es mostra on es desglossen els paral·lels entre ambdós. En un article de 2013 de Forbes, sobre el que va aprendre una empresa quan va aplicar analítiques predictives a la selecció de vendes, l'autor Josh Bersin assenyala que l'experiència escolar representa molt menys del que la gent pensa en predir l'èxit laboral. De fet, al contrari de la creença popular, l’APG d’un candidat o l’elecció d’universitat no es correlacionaven amb l’èxit de la feina.
Això no vol dir que l’educació no tingui valor; Acabar alguna forma d’ensenyament va ser un dels indicadors de l’èxit professional, però la clau era la finalització més que l’escola o les notes. Altres indicadors clau van incloure un currículum gramaticalment correcte, èxit demostrat en una feina, experiència de vendes amb èxit i capacitat de treball en condicions no estructurades. Després que la companyia incorporés els analítics de dades en els seus passos de qualificació i identifiqués els factors que eren els predictors precisos, va millorar el rendiment de les vendes per aconseguir un guany de 4 milions de dòlars en ingressos.
Siguin quines siguin les necessitats de l’organització, les analítiques predictives poden posar-les en marxa correcta. Com va dir Wright sobre la seva pròpia experiència, "Mitjançant la capacitat dels homes amb els recursos que necessiten per prendre bones decisions, tothom guanya".
