Kembali ke sekolah dengan analisis data besar

Pelajar bukanlah satu-satunya yang kembali ke sekolah. Kita semua boleh kembali belajar cara-cara untuk mengarahkan usaha kita lebih produktif. Analisis ramalan dapat menunjukkan cara. Sama ada digunakan untuk pengambilan universiti atau pengambilan pekerja korporat, apa yang mendedahkan data besar dapat menunjukkan kepada kita bahawa anggapan kita mengenai apa yang berfungsi membawa kita ke arah yang salah.

Analisis dalam Tindakan

Bagi mereka yang perniagaannya bersekolah, bersiap untuk musim ini mengambil perancangan, dan analitik data besar dapat menunjukkan cara untuk mendapatkan hasil maksimal. Itulah kisah perancangan strategik Universiti Wichita State. Beberapa tahun yang lalu, David Wright, wakil presiden bersekutu untuk sistem data akademik dan perancangan strategik, menjual sekolah Kansas menggunakan analisis data besar untuk meningkatkan kecekapan dalam perbelanjaan dan pengambilan beasiswa.

"Membina Kampus Lebih Cerdas: Bagaimana Analisis Menukar Landskap Akademik" menunjukkan bagaimana perisian IBM mengurangkan kos dengan menentukan di mana pelajar-pelajar yang lebih suka tinggal di universiti datang dari. "Satu set persamaan yang menimbang demografi, sejarah akademik, dan faktor-faktor lain" dianalisis untuk mengenal pasti yang "mempunyai kebarangkalian tertinggi datang ke Negeri Wichita." Berdasarkan itu, universiti menggunakan strategi yang lebih disasarkan untuk pengambilan pekerja.

Contohnya, selepas analitik mendedahkan di mana majoriti pelajar universiti berasal, jabatan pengakuan menumpukan kepada sekolah tinggi itu. Pengungkapan bahawa beberapa pelajar yang datang dari luar negeri mendorong universiti untuk memotong 14 pameran kolej dan mengurangkan perjalanan. Mereka juga mengambil pendekatan yang lebih fokus kepada surat langsung mereka. Pada masa lalu, mereka menghantar 9, 000 surat. Selepas menggunakan analisis, mereka hanya perlu menghantar 5, 000 hingga 6, 000. Penurunan jumlah huruf sebenarnya diterjemahkan ke dalam peningkatan pengambilan 26 peratus.

Menyediakan Perubahan Taktikal

Dalam pertukaran e-mel, Wright menjelaskan cabaran untuk mendapatkan institusi untuk menukar gear dan merangkul analisis. Beliau berkata tiga aspek terlibat:

• Satu adalah untuk mendapatkan orang ramai untuk melihat manfaat pembuatan keputusan berasaskan bukti. Menggunakan data untuk membuat keputusan adalah sangat berbeza daripada menggunakan data untuk mengesahkan keputusan. Pada mulanya, universiti mengalami kesukaran untuk membolehkan orang menggunakan data sebelum titik keputusan. Data sepatutnya di meja sebagai keputusan dibuat.

• Kesukaran kedua ialah untuk mempercayai analisis, terutamanya apabila data itu bertentangan dengan amalan intuisi atau masa lalu. Ia mengambil masa yang lama untuk penasihat untuk mempercayai data.
• Dan ketiga adalah kualiti dalam data yang diperlukan untuk menggunakan analisis.

Untuk mendapatkan sistem analitik yang mantap, mereka perlu membersihkan data lama dan "beribu-ribu ralat kemasukan data". Itulah tugas yang menakutkan, tetapi universiti bersetuju dengannya untuk menubuhkan sistem analitik mantap yang diperlukan untuk mencapai matlamat mereka.

Lebih Baik Data = Pekerja Lebih Baik

Menerapkan analisis data besar juga telah terbukti dapat meningkatkan pengambilan dan pengekalan pekerja. Syarikat data besar Evolv dalam perniagaan menggunakan analisis ramalan untuk menyewa khususnya. Itu kerana menggunakan data besar untuk mengarahkan keputusan pengambilan gaji akan dibayar, menurut syarikat itu.

Sebagai contoh, wawasan Evolv mengubah strategi pengambilan Xerox untuk memilih pekerja pusat panggilan. Dalam artikel WSJ, ketua pegawai operasi perkhidmatan komersil Xerox mengakui, "Sesetengah anggapan yang kita ada tidak sah." Itulah nilai sebenar analisis data besar; ia mendedahkan korelasi sebenar berdasarkan maklumat yang obyektif dan bukannya perasaan mengurus pengurus.

Seperti yang ternyata, resume dan pemeriksaan latar belakang ternyata tidak menjadi penunjuk yang paling boleh dipercayai daripada pekerja Xerox yang akan kekal sehingga syarikat mendapat pulangan pelaburannya $ 5, 000 dalam latihan. Data Evolv menunjukkan bahawa rekod penangkapan yang bermula lebih dari lima tahun tidak menunjukkan "kelakuan buruk masa depan" lebih daripada rekod yang sangat bersih. Rekod pekerjaan melompat sebelumnya juga tidak semestinya menyewa baru tidak akan kekal. Evolv menyelesaikan kajian 21, 115 ejen pusat panggilan. Analisis data menunjukkan "hubungan yang sangat sedikit antara sejarah kerja agen dan kedudukannya dalam kedudukannya."

Apakah faktor-faktor yang membuat perbezaan itu? Keperibadian, sambungan dan lokasi. Perisian Evolv mengenalpasti calon yang ideal sebagai orang yang kreatif yang aktif di satu hingga empat rangkaian sosial dan berada dalam perjalanan yang terurus dari tempat kerja. Satu lagi faktor utama dalam pengekalan ialah persatuan. Orang-orang yang terbukti paling mungkin tinggal di sebuah syarikat adalah mereka yang tahu tiga atau lebih pekerja yang sudah bekerja di sana.

Perbezaan Di Sekolah dan Perniagaan

Walaupun analitik data yang besar boleh menjadi berkesan dalam pengambilan korporat seperti dalam pengambilan universiti, ia juga menunjukkan di mana persamaan antara kedua-duanya dipecahkan. Dalam artikel Forbes 2013, tentang apa yang dipelajari sebuah syarikat apabila ia menggunakan analitik ramalan untuk memilih orang jualan, penulis Josh Bersin menunjukkan bahawa pengalaman sekolah dianggarkan jauh lebih rendah daripada orang berfikir dari segi meramalkan kejayaan pekerjaan. Malah, bertentangan dengan kepercayaan popular, IPK calon atau pilihan kolej tidak berkaitan dengan kejayaan dalam pekerjaan.

Itu tidak bermakna bahawa pendidikan adalah tanpa nilai; menyelesaikan beberapa bentuk pendidikan adalah salah satu petunjuk kejayaan kerjaya, tetapi kunci yang ada adalah penyelesaian daripada sekolah atau gred. Penunjuk utama lain termasuk resume tatabahasa yang betul, menunjukkan kejayaan dalam pekerjaan, pengalaman jualan yang berjaya dan keupayaan untuk bekerja di bawah keadaan tidak tersusun. Selepas syarikat itu menggabungkan analisis data ke dalam langkah-langkah kelayakan dan mengenal pasti faktor-faktor yang ramalan tepat, ia meningkatkan prestasi jualan untuk menghasilkan pendapatan $ 4 juta dalam hasil.

Apa sahaja keperluan organisasi, analisis ramalan boleh meletakkannya di landasan yang betul. Seperti yang dikatakan oleh Wright mengenai pengalamannya sendiri, "Dengan memberi kuasa kepada sumber-sumber yang mereka perlukan untuk membuat keputusan yang baik, semua orang menang."