Hvad betyder database Marketing Spin-offs Mean to Market Research?

Work Force Science er ikke den gamle Taylorian stopwatch tilgang til at få mest muligt ud af arbejdsgiverne. Faktisk er den nye arbejdsstyrke videnskab en contrarisk tilgang, der skræmmer ledelsesteori og kan godt sætte medarbejderafdelingerne ude af arbejde … spare måske for funktionen Fordele .

Det er menneskelig natur at overveje potentielle arbejders tidligere adfærd som en vigtig markør for fremtidens præstationer.

Men forskning foretaget af arbejdsstyrelsens videnskabsmænd har placeret dem i overensstemmelse med Securities and Exchange Commission (SEC), der famously giver følgende krævede oplysninger til finansiering af investorer: Tidligere resultater er ikke en garanti af fremtidige resultater . Flyvning i lyset af konventionel visdom hævder arbejdsstyrken forskere, at arbejdsgiverne ikke bør overdrevent overveje attributter som jobshopping eller perioder med ledighed, når de træffer en ansættelsesbeslutning. Og disse arbejdsstyrkeforskere kan sikkerhedskopiere deres argument med data. Masser af data. Store data.

Arbejdsstyrken forskning, der udføres af store datavidenskabsfolk, understreger i høj grad styrken af ​​forholdet mellem kvalitetstilsynsmyndigheder og medarbejdernes præstationer og ansættelsesforhold. En tilsynsførende med stærke kommunikationsevner og personlig varme er fundet i overvejende forskning, der har større vægt end de enkelte personers egenskaber og arbejdserfaring.

Disse resultater gør ledelsesmæssige forståelser på hovedet. Trinvise processer, der er ansat i regressionsanalyse, er blevet tilpasset til brug i human resource guides på rekruttering, ansættelse og forfremmelse. Men disse trinvise modeller bliver stillet spørgsmålstegn ved statistisk modellering - og i en overflod af applikationer, som f.eks. Traditionelle ledelsesstrategier.

Store dataforkæmper siger, at disse modeller ikke afspejler usikkerheden korrekt, og at gut feel ikke kan forventes at udfylde hullerne.

Arbejdskraftrelateret markedsundersøgelse indikerer, at hvis de overlades til deres egne enheder, går ledere (underrettet og ofte begæret af personaleafdelinger) dårligt galt. For eksempel har ledere tendens til at ansætte folk, der er som dem på nogle vigtige måder (køn, alder, aldersstatus, teamtilslutning, fritidsinteresser), som alle væsentligt ikke er relateret til jobpræstationer. Hvad dette kan betyde over tid er, at en virksomhed substantielt kan skæve sin arbejdsstyrke mod en bestemt type medarbejder , der grundlæggende er en klon af sin chef. Selvom denne situation bidrager til større komfort blandt medarbejderne, garanterer det ikke, at jobpræstationen bliver bedre på grund af disse ligheder.Faktisk kan det modsatte være sandt. Høje niveauer af homogenitet kan resultere i en gruppe tænkning mentalitet, der kan være katastrofalt. Eksempler på fejl af denne type indbefatter problemet med O-ringe på den forfalskede Space Shuttle Challenger, den store investering i kreditswaps i 2008-skattemæssige nedbrud, overbevisning af kvanter i deres algoritmer og - for historikerne - Tulipmania af 1600'erne.

Desuden er antallet af potentielle medarbejdere, der kan vurderes ved hjælp af store datateknikker, i sammenligning med konventionelle menneskelige ressourceprocesser enorm. Som Moneyball viste, kan alle menneskers digitale aktivitet indsamles til relativt lave omkostninger, og dataene mines for indsigt i færdigheder, kommunikations- og arbejdsattributter. Digitale stier er konstrueret ved telefonopkald, onlinemeddelelser, e-mails, websides klik og skrevet kode. Særligt digitale indfødte synes ikke at være opmærksomme på de forbrugeraktivitetsspor, de efterlader. For virksomheder i en ansættelsestilstand er disse nemme valg en velsignelse for rekruttering og ansættelsesbeslutninger.

Gild er et opstartsselskab, der bruger ustruktureret store data til at automatisere opdagelsen af ​​talentfulde programmører. Gild søger at kvantificere, hvad folk kan gøre og hvordan de udfører - ofte mens de blot følger deres egne interesser eller undersøger de digitale beviser for deltagelse i realtid i programmering af diskussionsgrupper og Open Source-projekter. Ved at se på deres offentlige kode og sociale netværk jagter deres egne muser.

Matt Richtel skrev i en nylig artikel i The New York Times , Hvor store data spiller rekrutter for specialiserede arbejdstagere : Folk i Silicon Valley har en tendens til at omfavne visse forudsætninger: Fremskridt, effektivitet og hastighed er gode. Teknologi kan løse de fleste ting. Ændring er uundgåelig; afbrydelse må ikke frygtes. Og måske mere end noget andet, vil fortjenesten sejre.

Kenny Mendes, chef for rekruttering hos Box hævder, at Gild har konsekvent givet os nye kandidater, som vi ved, er gode, men ville ikke have fundet andre steder - det skjulte talent, så at sige. Gilds Vivienne Ming, en chefforsker ved Gild, hævder, at Silicon Valley ikke er som fortjeneste, da de udpeger sig som værende. Ming hævder, at Silicon Valley's rekrutterings- og ansættelsespraksis resulterer i stærkt talentfulde, hvis det er noget mærkeligt, bliver folk fejlbedømt og ignoreret i den grad, at et betydeligt antal store kunstnere falder gennem revnerne.

Måske gør Gild også sagen for vigtigheden af ​​kvalitative data. Uden skepsis (en bestemt kvalitativ variabel) af forskere som Ming og Gild grundlægger, Luca Bonmassar, ville de traditionelle vægge af menneskelige ressourcer-siloer ikke være blevet overtrådt. Kom til at tænke på det, Googles analytiske eksperter siger, at virksomheden anser sine beslutninger for at være lige så vigtige som produktets beslutninger. Google afhænger mindre af tal og kvaliteter og grader, når de ansætter, at den gjorde i firmaets tidlige dage.