コンテンツ
出典：Serkorkin / Dreamstime.com
取り除く：
ビッグデータ分析は、学校および企業の採用において驚くべき結果を達成しています。
学校に戻るのは生徒だけではありません。私たち全員が戻って、より生産的に努力を方向付ける方法について学ぶことができます。予測分析はその方法を示すことができます。大学の採用であれ企業の採用であれ、ビッグデータが明らかにすることは、何が効果的であるかについての仮定が間違った方向に私たちを導いていることを示しています。実行中の分析
ビジネスが学校の場合、今シーズンの準備には計画が必要であり、ビッグデータ分析は最大の結果を得る方法を示すことができます。それがウィチタ州立大学の戦略的計画の物語です。数年前、アカデミックデータシステムと戦略計画のアソシエイトバイスプレジデントであるデビッドライトは、ビッグデータ分析を使用して奨学金の支出と採用の効率を高めるカンザス校を売却しました。「よりスマートなキャンパスの構築：アナリティクスはどのようにアカデミックランドスケープを変えているか」では、IBMのソフトウェアがどのように大学に留まる可能性の高い学生がどこから来たのかを特定することによりコストを削減した方法について詳しく説明します。 「人口統計、学歴、およびその他の要因を考慮した一連の方程式」を分析して、「ウィチタ州に来る確率が最も高い」ものを特定しました。それに基づいて、大学は採用のためによりターゲットを絞った戦略を採用しました。
たとえば、大学の学生の大半が出身地であることが分析によって明らかにされた後、入学部門はそれらの高校に焦点を合わせました。州外から来る学生はほとんどいないという啓示を受けて、大学は14のカレッジフェアをカットし、旅行を削減しました。また、ダイレクトメールへのより集中的なアプローチを取りました。過去に、彼らは9,000通の手紙を送りました。分析を適用した後、5,000〜6,000を出すだけで済みました。文字数の減少は、実際に採用率が26％増加したことを意味します。
戦術的な変更の準備
交換で、ライトは機関を切り替えて分析を採用することの課題を説明しました。彼は次の3つの側面が関係していると述べた。- 1つは、エビデンスに基づいた意思決定の利点を人々に見てもらうことでした。データを使用して意思決定を行うことは、データを使用して意思決定を確認することとは大きく異なります。当初、大学は、決定点の前に人々にデータを使用させるのに苦労しました。決定が下されると、データはテーブルにあるはずです。
- 2番目の問題は、特にデータが直感や過去の慣行に反している場合に、人々に分析を信頼させることでした。アドバイザーがデータを信頼するまでに長い時間がかかりました。
- 3番目は、分析を使用するために必要なデータの品質です。
より良いデータ=より良い従業員
ビッグデータ分析の適用は、従業員の採用と定着を改善することも証明されています。ビッグデータ企業Evolvは、特に雇用に予測分析を適用するビジネスを行っています。それは、会社によると、ビッグデータを使用して直接雇用の決定を行うことが報われるためです。たとえば、Evolvの洞察は、コールセンターの従業員を選択するためのゼロックスの採用戦略を変えました。 WSJの記事で、Xeroxの商用サービスの最高執行責任者は、「私たちが持っていた仮定のいくつかが有効ではなかった」と認めました。それがビッグデータ分析の真の価値です。採用マネージャーの直感ではなく、客観的な情報に基づいて実際の相関関係を明らかにします。
結局のところ、履歴書と経歴チェックは、会社がトレーニングへの5,000ドルの投資から利益を得るまで継続するXerox従業員の最も信頼できる指標ではないことが判明しました。 Evolvのデータは、5年以上前に遡る逮捕の記録は、完全にクリーンな記録以上に「将来の悪い行動」を示すものではないことを示しました。また、以前の就職活動の記録は、必ずしも新入社員が雇用されないという意味ではありません。 Evolvは、21,115人のコールセンターエージェントの調査を完了しました。データの分析は、「エージェントの仕事の履歴とその地位における彼または彼女の在職期間との間のごくわずかな関係」を示しました。
その場合、違いを生む要因は何ですか？性格、つながり、場所。 Evolvのソフトウェアは、理想的な候補者を、1〜4つのソーシャルネットワークで活動し、職場の管理可能な通勤圏内にいる創造的な人物として特定しました。保持のもう1つの重要な要素は、関連付けでした。会社にとどまる可能性が最も高いと証明されたのは、すでにそこで働いていた3人以上の従業員を知っていた人たちでした。
学校とビジネスの違い
ビッグデータ分析は大学の採用と同様に企業の採用でも効果的ですが、2つの分析の類似点がどこにあるかを示しています。フォーブスの2013年の記事で、予測分析を営業担当者の選択に適用したときに企業が学んだことについて、著者のJosh Bersinは、学校での経験は人々が仕事の成功を予測するという点で考えるよりもはるかに少ないと指摘しています。実際、一般的な信念に反して、候補者のGPAまたは大学の選択は仕事の成功と相関していませんでした。それは、教育に価値がないという意味ではありません。何らかの形の教育を修了することは、キャリアの成功の指標の1つでしたが、学校や学年ではなく修了が重要でした。その他の重要な指標には、文法的に正しい履歴書、職務での成功、販売経験の成功、非構造化条件の下での作業能力などがあります。同社はデータ分析を適格な手順に組み込み、正確な予測因子である要因を特定した後、販売パフォーマンスを改善し、400万ドルの収益増加を実現しました。
組織のニーズが何であれ、予測分析はそれらを正しい軌道に乗せることができます。ライトが自身の経験について述べたように、「人々に適切な決定を下すために必要なリソースを与えることで、誰もが勝ちます。」