Zurück in die Schule mit Big Data Analytics

Nicht nur die Schüler gehen wieder zur Schule. Wir können alle zurückkehren, um zu erfahren, wie wir unsere Bemühungen produktiver lenken können. Predictive Analytics kann den Weg weisen. Unabhängig davon, ob es sich um eine Einstellung an einer Universität oder ein Unternehmen handelt, welche Big Data-Daten zeigen, dass unsere Annahmen darüber, was funktioniert, uns in die falsche Richtung führen.

Analytics in Aktion

Für diejenigen, deren Geschäft die Schule ist, erfordert die Vorbereitung auf diese Saison Planung, und Big-Data-Analysen können zeigen, wie Sie maximale Ergebnisse erzielen. Das ist die Geschichte der strategischen Planung der Wichita State University. Vor ein paar Jahren verkaufte David Wright, stellvertretender Vizepräsident für akademisches Datensystem und strategische Planung, die Kansas School, um mithilfe von Big-Data-Analysen die Effizienz bei den Ausgaben für Stipendien und bei der Rekrutierung zu steigern.

"Bauen Sie einen intelligenteren Campus auf: Wie Analytics die akademische Landschaft verändert" beschreibt, wie die Software von IBM die Kosten senkt, indem sie genau festlegt, woher die Studenten stammen, die am ehesten an der Universität bleiben würden. "Eine Reihe von Gleichungen, die Demografie, akademische Geschichte und andere Faktoren abwägen", wurden analysiert, um herauszufinden, "welche die höchsten Wahrscheinlichkeiten haben, in den Staat Wichita zu kommen". Darauf aufbauend hat die Universität eine gezieltere Rekrutierungsstrategie verabschiedet.

Beispielsweise konzentrierte sich die Zulassungsabteilung auf diese Gymnasien, nachdem die Analyse ergab, woher die große Mehrheit der Studenten der Universität stammt. Die Entdeckung, dass nur sehr wenige Studenten von außerhalb des Staates kommen, veranlasste die Universität, 14 Hochschulmessen zu kürzen und die Reisekosten zu senken. Sie gingen auch gezielter auf ihre Direktwerbung ein. In der Vergangenheit haben sie 9.000 Briefe verschickt. Nachdem sie Analytics angewendet hatten, mussten sie nur 5.000 bis 6.000 verschicken. Die geringere Anzahl von Briefen führte zu einem Anstieg der Rekrutierung um 26 Prozent.

Vorbereitung auf taktische Änderungen

In einem E-Mail-Austausch erläuterte Wright die Herausforderungen, die es mit sich bringt, eine Institution zum Umschalten und zur Analyse zu bewegen. Er sagte, drei Aspekte seien beteiligt:

• Zum einen sollten die Menschen den Nutzen evidenzbasierter Entscheidungsfindung erkennen. Die Verwendung von Daten zum Treffen von Entscheidungen unterscheidet sich stark von der Verwendung von Daten zum Bestätigen einer Entscheidung. Am Anfang hatte die Universität Mühe, Leute dazu zu bringen, Daten vor dem Entscheidungspunkt zu verwenden. Die Daten sollten am Tisch sein, wenn Entscheidungen getroffen werden.

• Die zweite Schwierigkeit bestand darin, die Leute dazu zu bringen, der Analyse zu vertrauen, insbesondere wenn die Daten der Intuition oder früheren Praktiken zuwiderlaufen. Es hat lange gedauert, bis Berater Vertrauen in die Daten hatten.
• Und drittens war die Qualität der Daten, die für die Verwendung von Analysen erforderlich sind.

Um ein robustes Analysesystem einzurichten, mussten sie zuerst alte Daten und "Tausende von Dateneingabefehlern" löschen. Das war eine gewaltige Aufgabe, aber die Universität war damit einverstanden, um das robuste Analysesystem einzurichten, das zur Erreichung ihrer Ziele erforderlich war.

Bessere Daten = bessere Mitarbeiter

Die Anwendung von Big-Data-Analysen verbessert nachweislich auch die Rekrutierung und Bindung von Mitarbeitern. Das Big-Data-Unternehmen Evolv befasst sich insbesondere mit der Anwendung von Predictive Analytics bei der Einstellung von Mitarbeitern. Das liegt daran, dass sich die Verwendung von Big Data für direkte Einstellungsentscheidungen nach Angaben des Unternehmens auszahlt.

Zum Beispiel änderte Evolvs Erkenntnis die Einstellungsstrategie von Xerox für die Auswahl von Call-Center-Mitarbeitern. In einem WSJ-Artikel gab Xerox 'Chief Operating Officer für kommerzielle Dienstleistungen zu: "Einige der Annahmen, die wir getroffen hatten, waren nicht gültig." Das ist der wahre Wert der Big-Data-Analyse. Es deckt tatsächliche Zusammenhänge auf, die eher auf objektiven Informationen als auf dem Bauchgefühl von Personalchefs beruhen.

Wie sich herausstellte, erwiesen sich Lebensläufe und Hintergrundüberprüfungen als nicht die zuverlässigsten Indikatoren für Xerox-Mitarbeiter, die so lange im Amt bleiben würden, bis das Unternehmen eine Rendite von 5.000 USD für Schulungsinvestitionen erzielt. Die Daten von Evolv zeigten, dass eine Aufzeichnung der Festnahme, die über fünf Jahre zurückliegt, nicht mehr als eine absolut saubere Aufzeichnung auf "zukünftiges schlechtes Verhalten" hinweist. Ein früherer Rekord beim Job-Hopping bedeutet auch nicht zwangsläufig, dass der neue Mitarbeiter nicht eingestellt bleibt. Evolv hat eine Studie mit 21.115 Call-Center-Agenten abgeschlossen. Die Analyse der Daten ergab, dass "nur ein sehr geringer Zusammenhang zwischen der Arbeitsgeschichte eines Agenten und seiner Amtszeit in der Position besteht".

Was sind die Faktoren, die dann einen Unterschied machen? Persönlichkeit, Verbindungen und Standort. Die Software von Evolv identifizierte den idealen Kandidaten als eine kreative Person, die in ein bis vier sozialen Netzwerken aktiv ist und sich innerhalb eines überschaubaren Arbeitswegs befindet. Ein weiterer Schlüsselfaktor bei der Bindung war die Assoziation. Diejenigen, die sich als am wahrscheinlichsten erwiesen, in einem Unternehmen zu bleiben, kannten drei oder mehr Angestellte, die bereits dort arbeiteten.

Unterschiede in Schule und Beruf

Big-Data-Analysen können bei der Rekrutierung von Unternehmen genauso effektiv sein wie bei der Rekrutierung von Hochschulen. Sie zeigen jedoch auch, wo die Parallelen zwischen beiden zusammenbrechen. In einem Forbes-Artikel aus dem Jahr 2013 über das, was ein Unternehmen gelernt hat, als es Predictive Analytics für die Auswahl von Verkäufern einsetzte, weist der Autor Josh Bersin darauf hin, dass die schulische Erfahrung weitaus weniger zählt, als die Leute für die Vorhersage des Berufserfolgs halten. Entgegen der landläufigen Meinung korrelierte der GPA oder die Studienwahl eines Kandidaten nicht mit dem beruflichen Erfolg.

Das heißt nicht, dass Bildung wertlos ist. Der Abschluss einer Ausbildung war einer der Indikatoren für den beruflichen Erfolg, aber der Schlüssel war eher der Abschluss als die Schule oder die Noten. Weitere wichtige Indikatoren waren ein grammatikalisch korrekter Lebenslauf, nachgewiesene Erfolge bei der Arbeit, erfolgreiche Vertriebserfahrung und die Fähigkeit, unter unstrukturierten Bedingungen zu arbeiten. Nachdem das Unternehmen die Datenanalyse in seine Qualifizierungsschritte einbezogen und die Faktoren identifiziert hatte, die genaue Vorhersagen ergaben, verbesserte es die Verkaufsleistung in Höhe von 4 Mio. USD Umsatzzuwachs.

Was auch immer die Anforderungen des Unternehmens sein mögen, Predictive Analytics kann sie auf den richtigen Weg bringen. Wie Wright über seine eigenen Erfahrungen sagte: "Indem wir die Menschen mit den Ressourcen ausstatten, die sie benötigen, um gute Entscheidungen zu treffen, gewinnt jeder."