Tillbaka till skolan med big data-analys

Eleverna är inte de enda som går tillbaka till skolan. Vi kan alla komma tillbaka för att lära oss om sätt att rikta våra ansträngningar mer produktivt. Prediktiv analys kan visa vägen. Vare sig det gäller universitetsrekrytering eller företagsanställning, vad big data avslöjar kan visa oss att våra antaganden om vad som fungerar leder oss i fel riktning.

Analytics i aktion

För dem vars verksamhet är skola kräver planering för den här säsongen och analys av big data kan visa hur man får maximala resultat. Det är historien om Wichita State Universitys strategiska planering. För ett par år sedan sålde David Wright, biträdande vice ordförande för akademiskt datasystem och strategisk planering, Kansas-skolan genom att använda big data-analys för att öka effektiviteten i stipendier och rekrytering.

"Att bygga ett smartare campus: Hur Analytics förändrar det akademiska landskapet" beskriver hur IBM: s program minskade kostnaderna genom att peka på var de studenter som gillade att stanna på universitetet kom ifrån. "En uppsättning ekvationer som väger demografi, akademisk historia och andra faktorer" analyserades för att identifiera vilka "som har de högsta sannolikheterna att komma till staten Wichita." Baserat på detta antog universitetet en mer riktad strategi för rekrytering.

Till exempel, efter att analyser avslöjade var den stora majoriteten av universitetets studenter kommer från, fokuserade antagningsavdelningen på dessa gymnasier. Uppenbarelsen att väldigt få studenter kommer utanför staten fick universitetet att klippa 14 universitetsmässor och minska resorna. De tog också ett mer fokuserat tillvägagångssätt till sin direktreklam. Tidigare skickade de ut 9000 brev. Efter att ha använt analyser var de tvungna att skicka ut 5 000 till 6 000. Det minskade antalet brev faktiskt översatt till en ökning av rekryteringen med 26 procent.

Förbereder för taktiska förändringar

I ett e-postutbyte förklarade Wright utmaningarna med att få en institution att byta växel och omfamna analyser. Han sa att tre aspekter var inblandade:

• En var att få människor att se fördelen med evidensbaserat beslutsfattande. Att använda data för att fatta beslut skiljer sig mycket från att använda data för att bekräfta ett beslut. I början hade universitetet svårt att få människor att använda data innan beslutspunkten. Uppgifterna bör ligga vid bordet när beslut fattas.

• Den andra svårigheten var att få folk att lita på analysen, särskilt när uppgifterna strider mot intuition eller tidigare praxis. Det tog lång tid för rådgivare att tro på uppgifterna.
• Och för det tredje var kvaliteten på data som behövs för att använda analyser.

För att få ett robust analyssystem på plats måste de först rensa gamla data och "tusentals datainmatningsfel." Det var en skrämmande uppgift, men universitetet gick med på det för att sätta upp det robusta analyssystem som var nödvändigt för att uppnå sina mål.

Bättre data = Bättre anställda

Tillämpning av big data-analys har också visat sig förbättra rekryteringen och behålla medarbetarna. Big data-företaget Evolv är i branschen att tillämpa prediktiv analys på anställningar i synnerhet. Det beror på att använda big data för att direkt anställa beslut lönar sig, enligt företaget.

Till exempel förändrade Evolvs insikt Xerox anställningsstrategi för att välja callcenterarbetare. I en WSJ-artikel erkände Xerox chefschef för kommersiella tjänster: "Några av de antaganden som vi hade var inte giltiga." Det är det verkliga värdet av big data-analys; det avslöjar faktiska korrelationer baserade på objektiv information snarare än magkänslor hos anställande chefer.

Det visade sig att CV och bakgrundskontroller visade sig inte vara de mest pålitliga indikatorerna för Xerox-anställda som skulle hålla på tills företaget får en avkastning på sina $ 5 000 investeringar i utbildning. Evolvs data visade att ett register över arresteringar som går tillbaka över fem år inte indikerar "framtida dåligt beteende" mer än ett helt rent rekord. En tidigare rekord med jobbhoppning innebär inte nödvändigtvis att den nya hyra inte kommer att förbli satte. Evolv avslutade en studie av 21 115 callcenteragenter. Analysen av uppgifterna indikerade "väldigt litet samband mellan en agents arbetshistoria och hans eller hennes tjänstgöring i positionen."

Vilka är de faktorer som gör en skillnad då? Personlighet, anslutningar och plats. Evolvs mjukvara identifierade den ideala kandidaten som en kreativ person som är aktiv i ett till fyra sociala nätverk och befinner sig inom en hanterbar arbetsplats. En annan nyckelfaktor för retention var förening. De som visat sig mest troligt att bo på ett företag var de som kände till tre eller fler anställda som redan arbetade där.

Skillnader i skola och företag

Även om big data-analys kan vara lika effektiv vid rekrytering av företag som vid universitetsrekrytering, visar det också var parallellerna mellan de två bryter ned. I en Forbes-artikel från 2013, om vad ett företag lärde sig när det använde prediktiv analys för att välja säljare, påpekar författaren Josh Bersin att skolupplevelsen räknas för mycket mindre än vad folk tror när det gäller att förutsäga jobbframgång. I motsats till vad man tror är det inte en kandidats GPA eller val av högskola som inte korrelerade med framgång på jobbet.

Det betyder inte att utbildning är utan värde. att avsluta någon form av utbildning var en av indikatorerna på karriärsframgång, men nyckeln där var avslutningen snarare än skolan eller betyg. Andra viktiga indikatorer inkluderade ett grammatiskt korrekt CV, visade framgång i ett jobb, framgångsrik försäljningsupplevelse och förmågan att arbeta under ostrukturerade förhållanden. Efter att företaget införlivade dataanalysen i sina kvalificeringssteg och identifierade faktorerna som var exakta prediktorer, förbättrade det försäljningsresultatet till en vinst på 4 miljoner dollar i intäkter.

Oavsett organisationens behov kan prediktiv analys sätta dem på rätt spår. Som Wright sade om sin egen erfarenhet, "Genom att ge folk med de resurser de behöver för att fatta bra beslut, vinner alla."