İçindekiler:
- Analytics Çalışıyor
- Taktik Değişikliklere Hazırlanma
- Daha İyi Veri = Daha İyi Çalışan
- Okul ve İşletmedeki Farklılıklar
Okula geri dönenler sadece öğrenciler değil. Çabalarımızı daha verimli bir şekilde yönlendirmenin yollarını öğrenmek için geri dönebiliriz. Öngörücü analizler yolu gösterebilir. İster üniversite alımına ister kurumsal işe alınsın, büyük verilerin ortaya çıkardığı şey, bize neyin işe yaradığına dair varsayımlarımızın bizi yanlış yöne yönlendirdiğini gösterebilir.
Analytics Çalışıyor
İşletmesi okul olanlar için, bu sezona hazırlanmak planlama gerektirir ve büyük veri analitiği nasıl maksimum sonuç alınacağını gösterebilir. Bu Wichita Eyalet Üniversitesi'nin stratejik planlamasının hikayesi. Birkaç yıl önce, akademik veri sistemi ve stratejik planlama başkan yardımcısı David Wright, Kansas okulunu burs harcamaları ve işe alımdaki verimliliği artırmak için büyük veri analizi kullanma konusunda sattı.
"Daha Akıllı Bir Kampüs İnşa Etme: Analitik Akademik Peyzajı Nasıl Değiştiriyor?", IBM'in yazılımlarının üniversitede kalmayı tercih eden öğrencilerin nereden geldiğini belirleyerek maliyetleri nasıl düşürdüğünü detaylandırıyor. "Niçin Wichita Eyaletine gelme olasılıklarının en yüksek olduğunu" belirlemek için demografi, akademik tarih ve diğer faktörlerin ağırlığını taşıyan bir dizi denklem analiz edildi. Buna dayanarak, üniversite işe alım için daha hedefli bir strateji benimsemiştir.
Örneğin, analitik, üniversite öğrencilerinin büyük çoğunluğunun nereden geldiğini açıkladıktan sonra, kabul bölümü bu liselere odaklanmıştır. Çok az öğrencinin devlet dışından gelmesi, üniversiteyi 14 üniversite fuarını kesmeye ve seyahati azaltmaya teşvik etti. Ayrıca doğrudan postalarına daha odaklanmış bir yaklaşım izlediler. Geçmişte 9.000 mektup gönderdiler. Analitik uyguladıktan sonra, sadece 5.000 ila 6.000 göndermek zorunda kaldılar. Azalan harf sayısı aslında işe alımda yüzde 26'lık bir artışa dönüştü.
Taktik Değişikliklere Hazırlanma
Bir e-posta alışverişinde Wright, bir kuruma vites değiştirme ve analitiği kucaklama zorluğunu açıkladı. Üç yönün dahil olduğunu söyledi:- Bunlardan biri insanlara kanıta dayalı karar almanın faydasını görmelerini sağlamaktı. Karar vermek için verileri kullanmak, bir kararı onaylamak için verileri kullanmaktan çok farklıdır. Başlangıçta, üniversite karar vermeden önce insanları veri kullanmaya zorladı. Kararlar alınırken veriler tabloda olmalıdır.
- İkinci zorluk, özellikle veriler sezgi veya geçmiş uygulamalara aykırı olduğunda, analitiklere güvenmekti. Danışmanların verilere inanması uzun zaman aldı.
- Üçüncüsü, analitiği kullanmak için gerekli verilerin kalitesi idi.
Daha İyi Veri = Daha İyi Çalışan
Büyük veri analizi uygulamasının, çalışanların işe alımını ve elde tutulmasını iyileştirdiği de kanıtlanmıştır. Büyük veri şirketi Evolv, özellikle işe alım için tahmine dayalı analitik uygulama işinde. Şirkete göre işe alım kararlarını yönlendirmek için büyük veri kullanmak işe yarıyor.
Örneğin, Evolv'un görüşü Xerox'un çağrı merkezi çalışanlarını seçme stratejisini değiştirdi. Bir WSJ makalesinde, Xerox'un ticari hizmetler genel müdürü, "Bazı varsayımlarımız geçerli değildi" diye itiraf etti. Büyük veri analitiklerinin gerçek değeri budur; işe alma yöneticilerinin bağırsak duygularından ziyade nesnel bilgilere dayalı gerçek korelasyonları ortaya koymaktadır.
Sonuç olarak, özgeçmişler ve arka plan kontrolleri, şirket 5.000 dolarlık eğitim yatırımına geri dönene kadar devam edecek olan Xerox çalışanlarının en güvenilir göstergeleri değildi. Evolv'un verileri, beş yıl öncesine dayanan bir tutuklama kaydının "gelecekteki kötü davranış" ı mükemmel temiz bir kayıttan daha fazla göstermediğini gösterdi. İş atlamanın daha önceki bir kaydı da, yeni işe alımın kalmayacağı anlamına gelmez. Evolv, 21.115 çağrı merkezi temsilcisi çalışmasını tamamladı. Verilerin analizi "bir temsilcinin çalışma geçmişi ile pozisyondaki görev süresi arasında çok az bir ilişki" olduğunu gösterdi.
O zaman fark yaratan faktörler nelerdir? Kişilik, bağlantılar ve konum. Evolv'un yazılımı ideal adayı bir ila dört sosyal ağda aktif olan ve işyerinin yönetilebilir bir işe gidip gelme noktasında olan yaratıcı bir kişi olarak tanımladı. Elde tutmada bir diğer önemli faktör ilişkiydi. Bir şirkette kalma olasılığının kanıtlanmış olanlar, orada çalışan üç veya daha fazla çalışanı bilenlerdi.
Okul ve İşletmedeki Farklılıklar
Büyük veri analizi kurumsal işe alımda üniversite işe alımında olduğu kadar etkili olsa da, ikisi arasındaki paralelliklerin nerede yıkıldığını da gösterir. 2013 Forbes makalesinde, bir şirketin satış elemanlarını seçmek için tahmine dayalı analitik uyguladığında öğrendikleri hakkında, yazar Josh Bersin, okul deneyiminin, iş başarısını tahmin etme konusunda insanların düşündüğünden çok daha azına dikkat çektiğine dikkat çekiyor. Aslında, yaygın inanışın aksine, bir adayın genel not ortalaması veya kolej seçimi işteki başarı ile korele değildi.
Bu, eğitimin değersiz olduğu anlamına gelmez; bir tür eğitimin bitirilmesi, kariyer başarısının göstergelerinden biriydi, ancak anahtar, okul veya notlardan ziyade tamamlanma idi. Diğer önemli göstergeler arasında dilbilgisi açısından doğru bir özgeçmiş, bir işte başarı, başarılı satış deneyimi ve yapılandırılmamış koşullar altında çalışma yeteneği vardı. Şirket, veri analitiğini nitelikli adımlara dahil ettikten ve doğru öngörücüler olan faktörleri belirledikten sonra, satış performansını 4 milyon dolarlık gelir kazancı sağlayacak şekilde geliştirdi.
Kuruluşun ihtiyaçları ne olursa olsun, öngörücü analizler bunları doğru yola sokabilir. Wright'ın kendi deneyimi hakkında söylediği gibi, "İnsanları iyi kararlar almak için ihtiyaç duydukları kaynaklarla güçlendirerek herkes kazanır."
