Talaan ng mga Nilalaman:
- Pagkilos sa Analytics
- Paghahanda para sa Mga Pagbabago sa Taktikal
- Mas mahusay na Data = Mas mahusay na Mga empleyado
- Mga Pagkakaiba sa Paaralan at Negosyo
Hindi lamang ang mga mag-aaral na bumalik sa paaralan. Mababalik tayong lahat upang malaman ang tungkol sa mga paraan upang masubu nang produktibo ang aming mga pagsisikap. Maaaring ipakita ang mahulaan na analytics. Nalalapat man sa pangangalap ng unibersidad o pag-upa sa korporasyon, ang ipinapakita ng malaking data na maaaring ipakita sa amin na ang aming mga pagpapalagay tungkol sa kung ano ang gumagana ay humahantong sa amin sa maling direksyon.
Pagkilos sa Analytics
Para sa mga na ang negosyo ay paaralan, ang paghahanda para sa panahong ito ay tumatagal ng pagpaplano, at ang malaking data analytics ay maaaring magpakita kung paano makakakuha ng maximum na mga resulta. Iyon ang kuwento ng estratehikong pagpaplano ng Wichita State University. Ilang taon na ang nakalilipas, si David Wright, associate vice president para sa sistema ng data sa akademya at pagpaplano ng estratehiya, naibenta ang paaralan ng Kansas sa paggamit ng malaking analytics ng data upang madagdagan ang kahusayan sa paggastos at pangangalap ng iskolar.
Ang "Pagbuo ng isang Mas Madunong Kampus: Paano Nagbabago ang Analytics ng Akademikong Landscape" kung paano nabawasan ang software ng IBM sa pamamagitan ng pagtukoy kung saan nagmula ang mga mag-aaral na likelier na manatili sa unibersidad. "Ang isang hanay ng mga equation na may timbang na mga demograpiko, kasaysayan ng akademiko, at iba pang mga kadahilanan" ay sinuri upang matukoy kung aling "ang may pinakamataas na posibilidad na mapunta sa Wichita State." Batay doon, pinagtibay ng unibersidad ang isang mas target na diskarte para sa pangangalap.
Halimbawa, matapos isiwalat ng analytics kung saan nagmula ang karamihan sa mga mag-aaral ng unibersidad, ang departamento ng pagpasok ay nakatuon sa mga mataas na paaralan. Ang paghahayag na napakakaunting mga mag-aaral ay nagmula sa labas ng estado ay nag-udyok sa unibersidad na gupitin ang 14 na fairs sa kolehiyo at bawasan ang paglalakbay. Kumuha din sila ng isang mas nakatuon na diskarte sa kanilang direktang mail. Noong nakaraan, nagpadala sila ng 9, 000 titik. Matapos mag-apply ng analytics, kinailangan lamang nilang magpadala ng 5, 000 hanggang 6, 000. Ang nabawasan na bilang ng mga titik na aktwal na isinalin sa isang pagtaas sa recruitment ng 26 porsyento.
Paghahanda para sa Mga Pagbabago sa Taktikal
Sa isang email exchange, ipinaliwanag ni Wright ang mga hamon ng pagkuha ng isang institusyon upang lumipat ang mga gears at yakapin ang mga analytics. Sinabi niya na tatlong aspeto ang kasangkot:- Ang isa ay nakakakuha ng mga tao upang makita ang pakinabang ng paggawa ng desisyon batay sa ebidensya. Ang paggamit ng data upang makagawa ng mga pagpapasya ay ibang-iba mula sa paggamit ng data upang kumpirmahin ang isang desisyon. Sa simula, ang unibersidad ay nahihirapan sa pagkuha ng mga tao na gumamit ng data bago ang punto ng desisyon. Ang data ay dapat na nasa talahanayan habang ang mga desisyon ay ginawa.
- Ang pangalawang kahirapan ay ang pagkuha ng mga tao upang mapagkakatiwalaan ang mga analytics, lalo na kung ang data ay labis na taliwas sa intuwisyon o mga nakagawiang nakagawian. Tumagal ng mahabang panahon para sa mga tagapayo na magkaroon ng pananalig sa data.
- At pangatlo ay ang kalidad sa data na kinakailangan upang magamit ang analytics.
Mas mahusay na Data = Mas mahusay na Mga empleyado
Ang paglalapat ng malaking data analytics ay napatunayan din upang mapagbuti ang pangangalap at pagpapanatili ng mga empleyado. Ang malaking kumpanya ng data na Evolv ay nasa negosyo ng pag-aaplay ng predictive analytics sa pag-upa sa partikular. Iyon ay dahil ang paggamit ng malaking data upang idirekta ang mga desisyon sa pagkuha ay binabayaran, ayon sa kumpanya.
Halimbawa, binago ng pananaw ni Evolv ang diskarte sa pag-upa sa Xerox para sa pagpili ng mga manggagawa sa call center. Sa isang artikulo ng WSJ, ang pinuno ng operating officer ng Xerox ng mga serbisyong komersyal ay inamin, "Ang ilan sa mga pagpapalagay na hindi namin naging wasto." Iyon ang tunay na halaga ng malaking data analytics; naghahayag ito ng mga aktwal na ugnayan batay sa impormasyong pang-layunin sa halip na damdamin ng gat ng mga empleyado ng pag-upa.
Tulad ng nangyari, ang mga resume at mga tseke sa background ay hindi naging pinaka maaasahang mga tagapagpahiwatig ng mga empleyado ng Xerox na magpapatuloy hanggang sa makalikha ang kumpanya sa $ 5, 000 na pamumuhunan sa pagsasanay. Ipinakita ng mga datos ni Evolv na ang isang talaan ng pag-aresto na nag-date nang higit sa limang taon ay hindi nagpapahiwatig ng "masamang masamang pag-uugali" kaysa sa isang perpektong malinis na tala. Ang isang nakaraang rekord ng hopping ng trabaho ay hindi rin nangangahulugang ang bagong upa ay hindi mananatiling ilagay. Nakumpleto ni Evolv ang isang pag-aaral ng 21, 115 mga ahente ng call center. Ang pagsusuri ng data ay nagpahiwatig ng "napakaliit na ugnayan sa pagitan ng kasaysayan ng trabaho ng isang ahente at ang kanyang panunungkulan sa posisyon."
Ano ang mga salik na gumawa ng pagkakaiba-iba? Pagkatao, koneksyon at lokasyon. Kinilala ng software ng Evolv ang perpektong kandidato bilang isang malikhaing tao na aktibo sa isa hanggang apat na mga social network at nasa loob ng isang mapapamahalaang commute ng lugar ng trabaho. Ang isa pang pangunahing kadahilanan sa pagpapanatili ay ang samahan. Ang nagpatunay na mas gusto ang manatili sa isang kumpanya ay ang mga nakakaalam ng tatlo o higit pang mga empleyado na nagtrabaho doon.
Mga Pagkakaiba sa Paaralan at Negosyo
Habang ang malaking data analytics ay maaaring maging epektibo sa pangangalap ng kumpanya tulad ng sa pangangalap ng unibersidad, ipinapakita rin kung saan ang pagkakatulad sa pagitan ng dalawa. Sa isang artikulo sa Forbes ng 2013, tungkol sa kung ano ang natutunan ng isang kumpanya nang mag-apply ito ng mahuhusay na analytics sa pagpili ng mga benta, sinabi ng may-akda na si Josh Bersin na ang karanasan sa paaralan ay binibilang nang mas mababa kaysa sa iniisip ng mga tao sa mga tuntunin ng paghula ng tagumpay sa trabaho. Sa katunayan, salungat sa tanyag na paniniwala, ang isang kandidato ng GPA o pagpili ng kolehiyo ay hindi naitugma sa tagumpay sa trabaho.
Hindi iyon nangangahulugang ang edukasyon ay walang halaga; ang pagtatapos ng ilang anyo ng edukasyon ay isa sa mga tagapagpahiwatig ng tagumpay sa karera, ngunit ang susi mayroong pagkumpleto kaysa sa paaralan o mga marka. Ang iba pang mga pangunahing tagapagpahiwatig ay nagsasama ng isang tamang resume ng gramatika, naipakita ang tagumpay sa isang trabaho, matagumpay na karanasan sa pagbebenta at ang kakayahang magtrabaho sa ilalim ng hindi nakaayos na mga kondisyon. Matapos isama ng kumpanya ang data analytics sa mga hakbang na kwalipikado at natukoy ang mga kadahilanan na tumpak na mga prediktor, napabuti nito ang pagganap ng benta sa tune ng isang $ 4 milyon na kita sa kita.
Anuman ang mga pangangailangan ng samahan, ang mahuhulaan na analytics ay maaaring ilagay ang mga ito sa tamang track. Tulad ng sinabi ni Wright tungkol sa kanyang sariling karanasan, "Sa pamamagitan ng pagbibigay kapangyarihan sa mga tao na may mga mapagkukunang kailangan nila upang gumawa ng magagandang pagpapasya, lahat ay mananalo."
