차례:
학교에 돌아가는 것은 학생 만이 아닙니다. 우리는 모두 노력을 생산적으로 이끌 수있는 방법에 대해 배울 수 있습니다. 예측 분석이 그 길을 보여줄 수 있습니다. 대학 채용이나 기업 채용에 적용 되더라도 빅 데이터가 드러내는 것은 어떤 것이 효과적인 지에 대한 우리의 가정이 우리를 잘못된 방향으로 이끌고 있음을 보여줍니다.
실제로 분석
비즈니스가 학교에 다니는 사람들에게는 이번 시즌을 준비하는 데 계획이 필요하며 빅 데이터 분석은 최대 결과를 얻는 방법을 보여줄 수 있습니다. 이것이 위치 타 주립 대학의 전략 계획에 관한 이야기입니다. 2 년 전, 학술 데이터 시스템 및 전략 계획 담당 부사장 David Wright는 캔자스 학교를 장학금 지출 및 채용의 효율성을 높이기 위해 빅 데이터 분석을 사용하는 방법으로 판매했습니다.
"더 똑똑한 캠퍼스 구축 : 웹 로그 분석이 학문 환경을 바꾸는 방법"은 대학에 머 무르려는 학생들이 어디에서 왔는지 정확하게 지적함으로써 IBM 소프트웨어가 어떻게 비용을 절감했는지 자세히 설명합니다. "인구 통계, 학문적 역사 및 기타 요인을 측정하는 일련의 방정식"을 분석하여 "Wichita State에 올 확률이 가장 높은"것을 식별했습니다. 이를 바탕으로 대학은보다 전략적인 채용 전략을 채택했습니다.
예를 들어, 대부분의 대학 학생들이 어디에서 왔는지 분석 결과, 입학 부서는 해당 고등학교에 중점을 두었습니다. 주 외부에서 온 학생들이 거의 없다는 계시 때문에 대학은 14 개의 대학 박람회를 줄이고 여행을 줄였습니다. 또한 다이렉트 메일에보다 집중적으로 접근했습니다. 과거에는 9, 000 개의 편지를 보냈습니다. 분석을 적용한 후에는 5, 000 ~ 6, 000 만 보내면됩니다. 감소 된 글자 수는 실제로 26 %의 채용 증가로 이어졌습니다.
전술 변경 준비
이메일 교환에서 Wright는 기관이 기어를 바꾸고 분석을 채택하도록하는 데 따르는 어려움에 대해 설명했습니다. 그는 세 가지 측면이 관련되어 있다고 말했다.- 하나는 사람들이 증거에 기반한 의사 결정의 혜택을 보게하는 것이 었습니다. 데이터를 사용하여 의사 결정을하는 것은 데이터를 사용하여 의사 결정을하는 것과는 매우 다릅니다. 처음에 대학은 의사 결정 지점 이전에 사람들이 데이터를 사용하도록하는 데 어려움을 겪었습니다. 결정이 내려지면 데이터가 테이블에 있어야합니다.
- 두 번째 어려움은 특히 데이터가 직관이나 과거 관행과 상반되는 경우 사람들이 분석을 신뢰하게하는 것이 었습니다. 조언자들이 데이터를 믿는 데 오랜 시간이 걸렸습니다.
- 세 번째는 분석을 사용하는 데 필요한 데이터 품질입니다.
더 나은 데이터 = 더 나은 직원
빅 데이터 분석을 적용하는 것도 직원의 채용 및 유지를 향상시키는 것으로 입증되었습니다. 빅 데이터 회사 Evolv는 특히 예측 분석을 채용에 적용하는 사업에 있습니다. 회사에 따르면 빅 데이터를 사용하여 채용 결정을 내리는 것이 유리하기 때문입니다.
예를 들어, Evolv의 통찰력은 콜센터 근로자 선발을위한 Xerox의 채용 전략을 바 꾸었습니다. WSJ 기사에서 Xerox의 상업용 서비스 최고 운영 책임자는 "우리가 생각한 일부 가정이 유효하지 않다"고 인정했습니다. 이것이 빅 데이터 분석의 진정한 가치입니다. 고용 관리자의 직감보다는 객관적인 정보를 기반으로 실제 상관 관계를 보여줍니다.
결과적으로, 이력서 및 배경 점검은 회사가 교육에 대한 $ 5, 000 투자에 대한 수익을 얻을 때까지 계속 머무를 Xerox 직원의 가장 신뢰할만한 지표가 아닌 것으로 판명되었습니다. Evolv의 데이터에 따르면 5 년 전으로 거슬러 올라간 체포 기록은 완벽한 미래 기록보다 더 이상 "미래의 나쁜 행동"을 나타내지 않습니다. 직무 호핑에 대한 이전의 기록이 반드시 신입 사원이 계속 입주하지 않아도되는 것은 아닙니다. Evolv는 21, 115 개의 콜센터 상담원에 대한 연구를 완료했습니다. 데이터의 분석은 "에이전트의 작업 기록과 직위에있는 임기 사이의 관계가 거의 없음"을 나타냅니다.
그렇다면 차이를 만드는 요소는 무엇입니까? 성격, 연결 및 위치. Evolv의 소프트웨어는 이상적인 후보를 1-4 개의 소셜 네트워크에서 활동하고 직장에서 관리 가능한 출퇴근 내에있는 창조적 인 사람으로 식별했습니다. 보존의 또 다른 주요 요소는 연관성입니다. 회사에 머무를 가능성이 가장 높은 사람들은 이미 그곳에서 근무한 3 명 이상의 직원을 알고있는 사람들이었습니다.
학교와 비즈니스의 차이점
빅 데이터 분석은 대학 채용만큼이나 기업 채용에 효과적 일 수 있지만, 두 데이터의 유사점이 어디에 있는지도 보여줍니다. 조쉬 버신 (Josh Bersin)은 2013 년 포브스 (Forbes) 기사에서 예측 분석을 영업 사원 선택에 적용했을 때 알게 된 사실에 대해 사람들이 직업 성공 예측 측면에서 생각하는 것보다 학교 경험이 훨씬 적다고 지적합니다. 사실, 대중의 신념과는 달리, 후보자의 GPA 또는 대학 선택은 직업에서의 성공과 관련이 없습니다.
그렇다고 교육이 가치가 없다는 것을 의미하지는 않습니다. 어떤 형태의 교육을 마치는 것이 경력의 성공을 나타내는 지표 중 하나 였지만 학교 나 성적보다는 완성의 열쇠였습니다. 다른 주요 지표로는 문법적으로 올바른 이력서, 직장에서의 성공, 성공적인 영업 경험 및 비정형 조건에서 작업 할 수있는 능력이 포함되었습니다. 이 회사는 데이터 분석을 적격 단계에 통합하고 정확한 예측 변수 인 요소를 파악한 후 매출을 4 백만 달러로 조정하여 판매 성과를 향상 시켰습니다.
조직의 요구가 무엇이든 예측 분석을 통해 올바른 방향으로 진행할 수 있습니다. Wright는 자신의 경험에 대해 "사람들이 좋은 결정을 내리는 데 필요한 자원을 제공함으로써 모든 사람이 승리합니다."라고 말했습니다.
