Trang Chủ Âm thanh Trở lại trường học với các phân tích dữ liệu lớn

Trở lại trường học với các phân tích dữ liệu lớn

Mục lục:

Anonim

Học sinh không phải là những người duy nhất đi học trở lại. Tất cả chúng ta có thể quay lại để tìm hiểu về các cách để hướng những nỗ lực của mình hiệu quả hơn. Phân tích dự đoán có thể chỉ ra cách. Cho dù áp dụng cho tuyển dụng đại học hoặc tuyển dụng công ty, những gì dữ liệu lớn tiết lộ có thể cho chúng ta thấy rằng các giả định của chúng ta về những gì công việc đang dẫn chúng ta đi sai hướng.

Phân tích hoạt động

Đối với những người có doanh nghiệp là trường học, việc chuẩn bị cho mùa này cần lập kế hoạch và phân tích dữ liệu lớn có thể chỉ ra cách nhận kết quả tối đa. Đó là câu chuyện về kế hoạch chiến lược của Đại học bang Mississippi. Một vài năm trước, David Wright, phó chủ tịch phụ trách hệ thống dữ liệu học thuật và hoạch định chiến lược, đã bán trường Kansas bằng cách sử dụng các phân tích dữ liệu lớn để tăng hiệu quả trong chi tiêu học bổng và tuyển dụng.


"Xây dựng một khuôn viên thông minh hơn: Làm thế nào phân tích thay đổi cảnh quan học thuật" chi tiết cách phần mềm của IBM giảm chi phí bằng cách xác định chính xác nơi các sinh viên thích ở lại trường đại học đến từ đâu. "Một tập hợp các phương trình cân nhắc nhân khẩu học, lịch sử học thuật và các yếu tố khác" đã được phân tích để xác định xem "có xác suất cao nhất khi đến bang Mississippi". Dựa vào đó, trường đại học đã áp dụng chiến lược nhắm mục tiêu hơn cho tuyển dụng.


Ví dụ, sau khi phân tích tiết lộ nơi đại đa số sinh viên của trường đại học đến, bộ phận tuyển sinh tập trung vào các trường trung học đó. Sự tiết lộ rằng rất ít sinh viên đến từ bên ngoài tiểu bang đã thúc đẩy trường đại học cắt giảm 14 hội chợ đại học và giảm đi du lịch. Họ cũng đã thực hiện một cách tiếp cận tập trung hơn vào thư trực tiếp của họ. Trong quá khứ, họ đã gửi 9.000 thư. Sau khi áp dụng phân tích, họ chỉ phải gửi 5.000 đến 6.000. Số lượng thư giảm đi thực sự đã làm tăng 26% tuyển dụng.

Chuẩn bị cho những thay đổi chiến thuật

Trong một cuộc trao đổi email, Wright đã giải thích những thách thức của việc đưa một tổ chức chuyển đổi bánh răng và nắm lấy các phân tích. Ông nói ba khía cạnh có liên quan:

  • Một là khiến mọi người thấy được lợi ích của việc ra quyết định dựa trên bằng chứng. Sử dụng dữ liệu để đưa ra quyết định rất khác với sử dụng dữ liệu để xác nhận quyết định. Ban đầu, trường đại học đã có một thời gian khó khăn để mọi người sử dụng dữ liệu trước thời điểm quyết định. Dữ liệu nên ở trên bàn khi các quyết định được đưa ra.

  • Khó khăn thứ hai là khiến mọi người tin tưởng vào các phân tích, đặc biệt là khi dữ liệu quá trái với trực giác hoặc thực tiễn trong quá khứ. Phải mất một thời gian dài để các cố vấn có niềm tin vào dữ liệu.
  • Và thứ ba là chất lượng dữ liệu cần thiết để sử dụng phân tích.
Để có được một hệ thống phân tích mạnh mẽ, trước tiên họ phải xóa dữ liệu cũ và "hàng ngàn lỗi nhập dữ liệu". Đó là một nhiệm vụ khó khăn, nhưng trường đại học đã đồng ý với nó vì mục đích thiết lập hệ thống phân tích mạnh mẽ cần thiết để đạt được mục tiêu của họ.

Dữ liệu tốt hơn = Nhân viên tốt hơn

Áp dụng phân tích dữ liệu lớn cũng đã được chứng minh để cải thiện việc tuyển dụng và giữ chân nhân viên. Công ty dữ liệu lớn Evolv đang kinh doanh trong việc áp dụng các phân tích dự đoán vào việc tuyển dụng nói riêng. Đó là bởi vì sử dụng dữ liệu lớn để quyết định tuyển dụng trực tiếp sẽ được đền đáp, theo công ty.


Ví dụ, cái nhìn sâu sắc của Evolv đã thay đổi chiến lược tuyển dụng của Xerox để chọn nhân viên trung tâm cuộc gọi. Trong một bài viết của WSJ, giám đốc điều hành dịch vụ thương mại của Xerox thừa nhận: "Một số giả định mà chúng tôi không hợp lệ." Đó là giá trị thực của các phân tích dữ liệu lớn; nó cho thấy mối tương quan thực tế dựa trên thông tin khách quan hơn là cảm giác ruột của người quản lý tuyển dụng.


Khi nó bật ra, sơ yếu lý lịch và kiểm tra lý lịch hóa ra không phải là chỉ số đáng tin cậy nhất của nhân viên Xerox sẽ ở lại cho đến khi công ty nhận được tiền lãi từ khoản đầu tư đào tạo 5.000 đô la. Dữ liệu của Evolv cho thấy rằng một hồ sơ bắt giữ có niên đại hơn năm năm không cho thấy "hành vi xấu trong tương lai" hơn bất kỳ một hồ sơ hoàn toàn sạch sẽ. Một hồ sơ nhảy việc trước đây cũng không nhất thiết có nghĩa là thuê mới sẽ không ở lại. Evolv đã hoàn thành một nghiên cứu về 21.115 đại lý trung tâm cuộc gọi. Phân tích dữ liệu cho thấy "rất ít mối quan hệ giữa lịch sử công việc của một đại lý và nhiệm kỳ của anh ta hoặc cô ta ở vị trí đó."


Các yếu tố làm nên sự khác biệt sau đó là gì? Tính cách, kết nối và vị trí. Phần mềm của Evolv đã xác định ứng cử viên lý tưởng là một người sáng tạo đang hoạt động trên một đến bốn mạng xã hội và nằm trong phạm vi quản lý tại nơi làm việc. Một yếu tố quan trọng khác trong việc duy trì là liên kết. Những người tỏ ra thích hợp nhất ở lại công ty là những người biết ba nhân viên trở lên đã làm việc ở đó.

Sự khác biệt trong trường học và kinh doanh

Mặc dù phân tích dữ liệu lớn có thể có hiệu quả trong tuyển dụng doanh nghiệp cũng như trong tuyển dụng đại học, nó cũng cho thấy sự tương đồng giữa hai bên bị phá vỡ. Trong một bài báo năm 2013 của Forbes, về những gì một công ty đã học được khi áp dụng phân tích dự đoán vào việc lựa chọn nhân viên bán hàng, tác giả Josh Bersin chỉ ra rằng kinh nghiệm học đường ít hơn nhiều so với mọi người nghĩ về dự đoán thành công trong công việc. Trên thực tế, trái với niềm tin phổ biến, điểm trung bình hoặc lựa chọn học đại học của ứng viên không tương quan với thành công trong công việc.


Điều đó không có nghĩa là giáo dục là không có giá trị; hoàn thành một số hình thức giáo dục là một trong những chỉ số thành công trong sự nghiệp, nhưng chìa khóa ở đó là sự hoàn thành thay vì trường học hay điểm số. Các chỉ số quan trọng khác bao gồm một sơ yếu lý lịch đúng ngữ pháp, thể hiện thành công trong công việc, kinh nghiệm bán hàng thành công và khả năng làm việc trong điều kiện không có cấu trúc. Sau khi công ty kết hợp các phân tích dữ liệu vào các bước đủ điều kiện và xác định các yếu tố là yếu tố dự đoán chính xác, nó đã cải thiện hiệu suất bán hàng để điều chỉnh doanh thu tăng 4 triệu đô la.


Bất kể nhu cầu của tổ chức là gì, phân tích dự đoán có thể đưa họ đi đúng hướng. Như Wright đã nói về kinh nghiệm của chính mình, "Bằng cách trao quyền cho mọi người với các nguồn lực họ cần để đưa ra quyết định tốt, mọi người đều chiến thắng."

Trở lại trường học với các phân tích dữ liệu lớn