Ritorno a scuola con analisi dei big data

Gli studenti non sono i soli a tornare a scuola. Tutti possiamo tornare a conoscere i modi per dirigere i nostri sforzi in modo più produttivo. L'analisi predittiva può mostrare la strada. Che si tratti di assunzioni universitarie o assunzioni aziendali, ciò che rivelano i big data può mostrarci che i nostri presupposti su quali lavori ci stanno portando nella direzione sbagliata.

Analytics in azione

Per coloro la cui attività è la scuola, prepararsi per questa stagione richiede pianificazione e l'analisi dei big data può mostrare come ottenere i massimi risultati. Questa è la storia della pianificazione strategica della Wichita State University. Un paio di anni fa, David Wright, vicepresidente associato per il sistema accademico di dati e la pianificazione strategica, ha venduto la scuola del Kansas sull'uso dell'analisi dei big data per aumentare l'efficienza nella spesa e nel reclutamento delle borse di studio.

"Costruire un campus più intelligente: come Analytics sta cambiando il panorama accademico" descrive in dettaglio come il software IBM ha ridotto i costi indicando da dove provenivano gli studenti che erano più propensi a rimanere all'università. "Una serie di equazioni che pesa sulla demografia, sulla storia accademica e su altri fattori" sono state analizzate per identificare quali "hanno le maggiori probabilità di venire nello stato di Wichita". Sulla base di ciò, l'università ha adottato una strategia più mirata per l'assunzione.

Ad esempio, dopo che l'analisi ha rivelato da dove proviene la stragrande maggioranza degli studenti dell'università, il dipartimento di ammissione si è concentrato su quelle scuole superiori. La rivelazione che pochissimi studenti provengono da fuori dello stato ha spinto l'università a tagliare 14 fiere e ridurre i viaggi. Hanno anche adottato un approccio più mirato alla posta diretta. In passato, hanno inviato 9000 lettere. Dopo aver applicato l'analisi, hanno dovuto inviare solo da 5.000 a 6.000. Il numero ridotto di lettere si è effettivamente tradotto in un aumento delle assunzioni del 26 percento.

Prepararsi ai cambiamenti tattici

In uno scambio di e-mail, Wright ha spiegato le sfide di convincere un'istituzione a cambiare marcia e ad abbracciare l'analisi. Ha detto che sono stati coinvolti tre aspetti:

• Uno era convincere la gente a vedere i benefici del processo decisionale basato sull'evidenza. L'uso dei dati per prendere decisioni è molto diverso dall'uso dei dati per confermare una decisione. All'inizio, l'università ha avuto difficoltà a indurre le persone a utilizzare i dati prima del punto di decisione. I dati dovrebbero essere al tavolo quando vengono prese le decisioni.

• La seconda difficoltà consisteva nel convincere la gente ad avere fiducia nell'analisi, specialmente quando i dati erano così contrari all'intuizione o alle pratiche passate. Ci è voluto molto tempo perché i consulenti avessero fiducia nei dati.
• E terzo era la qualità dei dati necessari per utilizzare l'analisi.

Per mettere in atto un solido sistema di analisi, dovevano prima eliminare i vecchi dati e "migliaia di errori di immissione dei dati". È stato un compito scoraggiante, ma l'università ha accettato di farlo per creare il robusto sistema di analisi necessario per raggiungere i loro obiettivi.

Dati migliori = dipendenti migliori

È stato anche dimostrato che l'applicazione dell'analisi dei big data migliora il reclutamento e la fidelizzazione dei dipendenti. La società di big data Evolv si occupa in particolare dell'applicazione dell'analisi predittiva alle assunzioni. Questo perché l'utilizzo dei big data per orientare le decisioni di assunzione paga, secondo la società.

Ad esempio, l'intuizione di Evolv ha cambiato la strategia di assunzione di Xerox per la selezione dei lavoratori dei call center. In un articolo della WSJ, il direttore operativo dei servizi commerciali di Xerox ha ammesso: "Alcune delle ipotesi che non avevamo erano valide". Questo è il vero valore dell'analisi dei big data; rivela reali correlazioni basate su informazioni oggettive piuttosto che sensazioni viscerali dei responsabili delle assunzioni.

Come si è scoperto, i curriculum e i controlli dei precedenti non si sono rivelati gli indicatori più affidabili dei dipendenti Xerox che rimarrebbero attivi fino a quando la società non otterrà un ritorno sull'investimento di $ 5.000 in formazione. I dati di Evolv hanno mostrato che un record di arresti che risale a più di cinque anni non indica "futuri comportamenti scorretti" più di un record perfettamente pulito. Un precedente record di job hopping non significa necessariamente che il nuovo assunzione non rimarrà fisso. Evolv ha completato uno studio su 21.115 agenti di call center. L'analisi dei dati ha indicato "una relazione molto scarsa tra la storia lavorativa di un agente e il suo mandato nella posizione".

Quali sono i fattori che fanno la differenza allora? Personalità, connessioni e posizione. Il software Evolv ha identificato il candidato ideale come una persona creativa che è attiva su uno o quattro social network e si trova all'interno di un pendolarismo gestibile sul posto di lavoro. Un altro fattore chiave nella conservazione era l'associazione. Quelli che si dimostrarono più propensi a rimanere in un'azienda furono quelli che conoscevano tre o più impiegati che già lavoravano lì.

Differenze nella scuola e negli affari

Mentre l'analisi dei big data può essere tanto efficace nel reclutamento aziendale quanto nel reclutamento universitario, mostra anche dove i paralleli tra i due si rompono. In un articolo di Forbes del 2013, su ciò che un'azienda ha appreso applicando l'analisi predittiva alla selezione dei venditori, l'autore Josh Bersin sottolinea che l'esperienza scolastica conta molto meno di quanto la gente pensi in termini di previsione del successo sul lavoro. Di fatto, contrariamente alla credenza popolare, il GPA di un candidato o la scelta del college non erano correlati al successo sul posto di lavoro.

Ciò non significa che l'educazione sia senza valore; finire una qualche forma di istruzione era uno degli indicatori del successo della carriera, ma la chiave era il completamento piuttosto che la scuola o i voti. Altri indicatori chiave includevano un curriculum grammaticalmente corretto, dimostrato successo in un lavoro, esperienza di vendita di successo e capacità di lavorare in condizioni non strutturate. Dopo che la società ha incorporato l'analisi dei dati nelle sue fasi di qualificazione e identificato i fattori che erano predittori accurati, ha migliorato le prestazioni di vendita in base a un guadagno di $ 4 milioni di entrate.

Qualunque siano le esigenze dell'organizzazione, l'analisi predittiva può metterli sulla strada giusta. Come Wright ha detto della propria esperienza, "Autorizzando le persone con le risorse di cui hanno bisogno per prendere buone decisioni, tutti vincono".