Tabla de contenido:
- Analytics en acción
- Preparación para cambios tácticos
- Mejores datos = mejores empleados
- Diferencias en la escuela y los negocios
Los estudiantes no son los únicos que vuelven a la escuela. Todos podemos volver a aprender sobre formas de dirigir nuestros esfuerzos de manera más productiva. El análisis predictivo puede mostrar el camino. Ya sea que se aplique al reclutamiento universitario o la contratación corporativa, lo que revelan los grandes datos puede mostrarnos que nuestras suposiciones sobre lo que funciona nos están llevando en la dirección equivocada.
Analytics en acción
Para aquellos cuyo negocio es la escuela, la preparación para esta temporada requiere planificación, y el análisis de big data puede mostrar cómo obtener los máximos resultados. Esa es la historia de la planificación estratégica de la Universidad Estatal de Wichita. Hace un par de años, David Wright, vicepresidente asociado de sistemas de datos académicos y planificación estratégica, vendió a la escuela de Kansas el uso de análisis de big data para aumentar la eficiencia en el gasto y reclutamiento de becas.
"Construyendo un campus más inteligente: cómo la analítica está cambiando el panorama académico" detalla cómo el software de IBM redujo los costos al determinar de dónde provenían los estudiantes que tenían más probabilidades de quedarse en la universidad. "Se analizó un conjunto de ecuaciones que sopesan la demografía, la historia académica y otros factores" para identificar cuáles "tienen las mayores probabilidades de llegar al estado de Wichita". En base a eso, la universidad adoptó una estrategia más específica para el reclutamiento.
Por ejemplo, después de que los análisis revelaran de dónde provienen la gran mayoría de los estudiantes de la universidad, el departamento de admisión se centró en esas escuelas secundarias. La revelación de que muy pocos estudiantes provienen de fuera del estado llevó a la universidad a cortar 14 ferias universitarias y reducir los viajes. También adoptaron un enfoque más centrado en su correo directo. En el pasado, enviaron 9, 000 cartas. Después de aplicar la analítica, solo tenían que enviar 5, 000 a 6, 000. La disminución en el número de cartas se tradujo en un aumento en el reclutamiento del 26 por ciento.
Preparación para cambios tácticos
En un intercambio de correos electrónicos, Wright explicó los desafíos de lograr que una institución cambie de marcha y adopte la analítica. Dijo que estaban involucrados tres aspectos:- Uno fue hacer que las personas vieran el beneficio de la toma de decisiones basada en evidencia. Usar datos para tomar decisiones es muy diferente de usar datos para confirmar una decisión. Al principio, la universidad tuvo dificultades para lograr que las personas usaran datos antes del punto de decisión. Los datos deben estar en la mesa a medida que se toman las decisiones.
- La segunda dificultad fue lograr que la gente confiara en los análisis, especialmente cuando los datos son tan contrarios a la intuición o las prácticas pasadas. A los asesores les llevó mucho tiempo tener fe en los datos.
- Y tercero, la calidad de los datos necesarios para usar el análisis.
Mejores datos = mejores empleados
La aplicación de análisis de big data también ha demostrado mejorar el reclutamiento y la retención de empleados. La compañía Big Data Evolv está en el negocio de aplicar análisis predictivos a la contratación en particular. Esto se debe a que el uso de big data para dirigir las decisiones de contratación vale la pena, según la compañía.
Por ejemplo, la visión de Evolv cambió la estrategia de contratación de Xerox para seleccionar trabajadores del centro de llamadas. En un artículo de WSJ, el director de operaciones comerciales de servicios comerciales de Xerox admitió: "Algunas de las suposiciones que teníamos no eran válidas". Ese es el valor real de la analítica de big data; revela correlaciones reales basadas en información objetiva en lugar de las sensaciones de los gerentes de contratación.
Al final resultó que, los currículums y las verificaciones de antecedentes no fueron los indicadores más confiables de los empleados de Xerox que se quedarían hasta que la compañía obtenga un retorno de su inversión de $ 5, 000 en capacitación. Los datos de Evolv mostraron que un registro de arresto que se remonta a más de cinco años no indica "mal comportamiento futuro" más que un registro perfectamente limpio. Un registro previo de salto de trabajo tampoco significa necesariamente que el nuevo empleado no se quedará. Evolv completó un estudio de 21, 115 agentes de call center. El análisis de los datos indicó "muy poca relación entre el historial laboral de un agente y su mandato en el puesto".
¿Cuáles son los factores que hacen la diferencia entonces? Personalidad, conexiones y ubicación. El software de Evolv identificó al candidato ideal como una persona creativa que está activa en una o cuatro redes sociales y está dentro de un viaje manejable del lugar de trabajo. Otro factor clave en la retención fue la asociación. Los que demostraron ser más propensos a quedarse en una empresa fueron aquellos que conocían a tres o más empleados que ya trabajaban allí.
Diferencias en la escuela y los negocios
Si bien el análisis de big data puede ser tan efectivo en el reclutamiento corporativo como en el reclutamiento universitario, también muestra dónde se rompen los paralelos entre los dos. En un artículo de 2013 de Forbes, sobre lo que una empresa aprendió cuando aplicó análisis predictivos a la selección de vendedores, el autor Josh Bersin señala que la experiencia escolar cuenta mucho menos de lo que la gente piensa en términos de predicción del éxito laboral. De hecho, contrario a la creencia popular, el GPA de un candidato o la elección de la universidad no se correlacionó con el éxito en el trabajo.
Eso no significa que la educación no tenga valor; terminar alguna forma de educación fue uno de los indicadores del éxito profesional, pero la clave fue la finalización en lugar de la escuela o las calificaciones. Otros indicadores clave incluyeron un currículum gramaticalmente correcto, éxito demostrado en un trabajo, experiencia de ventas exitosa y la capacidad de trabajar en condiciones no estructuradas. Después de que la compañía incorporó el análisis de datos en sus pasos de calificación e identificó los factores que eran predictores precisos, mejoró el rendimiento de ventas con una ganancia de $ 4 millones en ingresos.
Cualesquiera que sean las necesidades de la organización, el análisis predictivo puede ponerlos en el camino correcto. Como Wright dijo acerca de su propia experiencia, "Al empoderar a las personas con los recursos que necesitan para tomar buenas decisiones, todos ganan".
