Hva betyr databasemarkedsspin-offsene for markedsundersøkelser?

Arbeidsstyrkevitenskap er ikke den gamle Taylorian stoppeklokke tilnærming for å få mest mulig ut av arbeidsgivere. Faktisk er den nye arbeidsstyrken vitenskap en kontrarisk tilnærming som eliminerer ledelsesteori og kan godt sette de menneskelige ressursavdelingene ute av arbeid … lagre kanskje for funksjonen Fordeler .

Det er menneskelig natur å vurdere den tidligere oppførselen til potensielle arbeidstakere som en viktig markør for fremtidig ytelse.

Men forskning utført av arbeidsstyrkeforskere har plassert dem i samsvar med Securities and Exchange Commission (SEC) som famously gir følgende obligatoriske opplysninger for å finansiere investorer: Tidligere resultater er ikke en garanti av fremtidig ytelse . Flyvning mot konvensjonell visdom hevder arbeidsstyrkeforskere at arbeidsgivere ikke bør overdrive overveier attributter som jobbhopping eller perioder med arbeidsledighet når de gjør en ansettelsesbeslutning. Og disse arbeidsstyrken forskerne kan sikkerhetskopiere deres argument med data. Masse data. Stor Data.

Arbeidsstyrkeundersøkelsen utført av store datavitenskapsmenn understreker vesentlig styrken av forholdet mellom kvalitetsveiledere og ansattes ytelse og ansettelse. En veileder med sterk kommunikasjonsferdighet og personlig varme har blitt funnet i overvekt av forskningsstudier for å bære mer vekt enn de individuelle egenskapene og arbeidserfaringene til de ansatte.

Disse funnene gjør ledelsesmessige forståelser opp ned. Trinnvise prosesser, som er ansatt i regresjonsanalyse, har blitt tilpasset for bruk i human resource guider på rekruttering, ansettelse og markedsføring. Men disse trinnvise modellene blir stilt spørsmålstegn ved statistisk modellering - og i en rekke applikasjoner, som for eksempel tradisjonelle styringsstrategier.

Store dataforutsetninger sier at disse modellene ikke gjenspeiler usikkerheten på riktig måte, og at gut feel ikke kan forventes å fylle hullene.

Arbeidskraftrelatert markedsundersøkelse indikerer at hvis de blir overlatt til egne enheter, blir ledere (anbefales og ofte begrenset av personalavdelinger) dårlig dårlig. For eksempel har lederne en tendens til å ansette folk som er som dem på noen viktige måter (kjønn, alder, aldersstatus, lagtilknytning, fritidsinteresser), som alle i hovedsak ikke er relatert til jobbprestasjon. Hva dette kan bety med tiden er at et firma kan skille sin arbeidsstyrke betydelig mot en bestemt type medarbeider som i utgangspunktet er en klone av hans eller hennes sjef. Selv om denne situasjonen bidrar til økt komfort blant ansatte, garanterer det ikke at jobbytelsen blir bedre på grunn av disse likhetene.Faktisk kan motsatt være sant. Høye nivåer av homogenitet kan resultere i en gruppe tenkning mentalitet som kan være katastrofalt. Eksempler på feil av denne typen inkluderer problemet med O-ringene på den forferdelige romferdsutfordreren, den store investeringen i kredittbytter i 2008-finanskrisen, overbekreftelsen av kvanter i deres algoritmer, og - for historikerne - Tulipmania av 1600-tallet.

Videre er antallet potensielle ansatte som kan vurderes ved hjelp av store datateknikker, i forhold til konvensjonelle menneskelige ressursprosesser enorm. Som Moneyball viste kan all digital aktivitet av mennesker samles til relativt lav pris, og dataene mines for innsikt om ferdigheter, kommunikasjon og arbeidsattributter. Digitale stier er konstruert ved telefonsamtaler, direktemeldinger, e-post, nettsideklikk og skrevet kode. Spesielt digitale innfødte virker ikke bekymret for forbrukerens aktivitetsløyper de legger bak. For bedrifter i en ansettelsesmodus er disse enkle valgene en velsignelse for rekruttering og ansettelsesbeslutninger.

Gild er et oppstartsselskap som bruker ustrukturerte store data for å automatisere oppdagelsen av dyktige programmerere. Gild søker å kvantifisere hva folk kan gjøre og hvordan de utfører - ofte mens de bare følger sine egne interesser eller undersøker det digitale beviset om sanntidsdeltakelse i programmeringsdiskusjonsgrupper og Open Source-prosjekter. Bu ser på sin offentlige kode og sosiale nettverk. jage sine egne muser.

Matt Richtel skrev i en nylig artikkel i The New York Times , Hvordan store data spiller rekrutterer for spesialiserte arbeidere : Folk i Silicon Valley har en tendens til å omfavne visse Forutsetninger: Fremgang, effektivitet og fart er gode. Teknologi kan løse de fleste ting. Endring er uunngåelig; forstyrrelse er ikke å frykte. Og kanskje mer enn noe annet, vil fortjenesten seire. Kenny Mendes, ansattssjef på Box hevder at

Gild har konsekvent gitt oss nye kandidater som vi vet er gode, men ville ikke ha funnet andre steder - det skjulte talent, så å si. Gilds Vivienne Ming, en sjefforsker ved Gild, hevder at Silicon Valley ikke er som fortjeneste basert som de utpekte seg som værende. Ming hevder at Silicon Valley rekrutterings- og ansettelsespraksis resulterer i sterkt talentfulle, hvis det er noe dumt, blir folk misjudged og ignorert i den grad at betydelige antall flotte utøvere faller gjennom sprekkene. Kanskje gjør Gild også saken for viktigheten av kvalitative data. Uten skepsis (en bestemt kvalitativ variabel) av forskere som Ming og Gild grunnlegger, Luca Bonmassar, ville de tradisjonelle veggene til menneskelige ressurs-siloer ikke ha blitt brutt. Kom til å tenke på det, Googles analytikerekspektører sier at selskapet vurderer at folkets beslutninger er like viktige som produktets beslutninger. Google avhenger mindre av tall og karakterer og grader når det ansettes som det gjorde i firmaets tidlige dager.