Các nghiên cứu thị trường về Tiếp thị Cơ sở dữ liệu có ý nghĩa gì đối với nghiên cứu thị trường?

Khoa học lực lượng lao động không phải là cách tiếp cận đồng hồ bấm giờ Taylorian cũ để tận dụng tối đa các nhà tuyển dụng. Trên thực tế, khoa học lực lượng lao động mới là một cách tiếp cận trái ngược mà tránh được lý thuyết quản lý và có thể đưa các phòng ban nhân sự ra khỏi công việc … có thể tiết kiệm cho Lợi ích chức năng.

Bản chất của con người là xem xét hành vi trong quá khứ của những người lao động tiềm năng như một dấu hiệu quan trọng cho hoạt động trong tương lai.

Tuy nhiên, nghiên cứu do các nhà khoa học lực lượng lao động thực hiện đã liên kết với Ủy ban Chứng khoán và Chứng khoán (SEC) cung cấp các thông tin cần thiết cho các nhà đầu tư như sau:

Hoạt động trước đây không phải là một đảm bảo hiệu suất tương lai . Đứng trước những sự khôn ngoan thông thường, các nhà khoa học lực lượng lao động tranh luận rằng các nhà tuyển dụng không nên xem xét quá mức các thuộc tính như lao động hoặc thời gian thất nghiệp khi đưa ra quyết định tuyển dụng. Và các nhà khoa học lực lượng lao động này có thể ủng hộ lập luận của họ với dữ liệu. Rất nhiều dữ liệu. Dữ liệu lớn. Nghiên cứu về lực lượng lao động do các nhà khoa học dữ liệu lớn thực hiện đáng kể nhấn mạnh sức mạnh của mối quan hệ giữa giám sát viên chất lượng và hiệu suất và nhiệm kỳ của nhân viên. Một người giám sát có kỹ năng giao tiếp mạnh mẽ và sự ấm áp cá nhân đã được tìm thấy trong sự vượt trội của các nghiên cứu để mang trọng lượng nhiều hơn những đặc điểm cá nhân và kinh nghiệm làm việc của nhân viên.

Những phát hiện này biến sự hiểu biết về quản lý lộn ngược. Các quy trình theo bước, được sử dụng trong phân tích hồi quy, đã được điều chỉnh để sử dụng trong hướng dẫn nhân sự về tuyển dụng, tuyển dụng và quảng bá. Nhưng những mô hình theo bước này đang được đặt câu hỏi trong mô hình thống kê - và trong rất nhiều ứng dụng, chẳng hạn như các chiến lược quản lý truyền thống.

Những người đề xướng dữ liệu lớn nói rằng những mô hình này không phản ánh đúng sự không chắc chắn và rằng

ruột cảm thấy

không thể được dự kiến ​​sẽ lấp đầy khoảng trống.

Nghiên cứu thị trường liên quan đến lực lượng lao động chỉ ra rằng nếu để thiết bị của riêng họ, các nhà quản lý (được khuyên và, thường bị hạn chế bởi các phòng ban nhân sự) đi sai lệch xấu. Ví dụ: các nhà quản lý có xu hướng thuê những người giống họ theo một số cách quan trọng (giới tính, tuổi tác, tình trạng cựu sinh viên, liên kết nhóm, sở thích giải trí), tất cả đều không liên quan gì đến hiệu suất công việc. Điều này có nghĩa là theo thời gian là một công ty có thể làm nghiêng lực lượng lao động của mình đối với một loại nhân viên cụ thể, cơ bản là một bản sao của ông chủ của mình. Mặc dù tình huống này góp phần tạo sự thoải mái hơn cho nhân viên, nhưng nó không đảm bảo hiệu quả công việc sẽ tốt hơn vì những điểm tương đồng này.Trong thực tế, điều ngược lại có thể đúng. Mức độ đồng nhất cao có thể dẫn đến một nhóm

nghĩ rằng tâm thần có thể là thảm khốc. Ví dụ về những thất bại của loại hình này bao gồm vấn đề O-ring trên phi thuyền không gian nguy hiểm Challenger, đầu tư nặng nề trong việc hoán đổi tín dụng trong cuộc khủng hoảng tài chính 2008, sự tự tin quá mức trong các thuật toán của họ, và đối với các nhà sử học - Tulipmania trong những năm 1600. Hơn nữa, số lượng nhân viên tiềm năng có thể được xem xét bằng cách sử dụng các kỹ thuật dữ liệu lớn, so với quy trình nhân sự thông thường, là rất lớn. Như Moneyball đã chỉ ra, tất cả hoạt động số của người dân có thể được thu thập với chi phí tương đối thấp và dữ liệu được khai thác để có được những hiểu biết về kỹ năng, truyền thông và các thuộc tính công việc. Đường nhỏ kỹ thuật số được xây dựng bằng các cuộc gọi điện thoại, nhắn tin tức thời, email, số lần nhấp trang web và mã viết. Những người dân bản địa kỹ thuật số đặc biệt dường như không quan tâm đến các hoạt động tiêu dùng mà họ để lại. Đối với các công ty ở chế độ tuyển dụng, việc dễ dàng picking này là một lợi ích để tuyển dụng và các quyết định tuyển dụng. Gild là một công ty mới thành lập sử dụng các dữ liệu lớn không có cấu trúc để tự động phát hiện ra các lập trình tài năng. Xem xét các bằng chứng kỹ thuật số về sự tham gia thời gian thực trong các nhóm thảo luận lập trình và các dự án nguồn mở, Bu tìm kiếm mã công khai của họ và hoạt động mạng xã hội, Gild tìm cách định lượng những gì mọi người có thể làm và cách họ thực hiện - thường trong khi chỉ đơn giản theo sở thích riêng của họ đuổi theo những bản nhạc đặc biệt của riêng họ. Trong một bài viết gần đây trong

The New York Times

,

Làm thế nào dữ liệu lớn là tuyển dụng cho các nhân viên chuyên biệt , Matt Richtel đã viết: Người dân ở Thung lũng Silicon có xu hướng nắm lấy giả định: Tiến bộ, hiệu quả và tốc độ là tốt. Công nghệ có thể giải quyết hầu hết mọi thứ. Thay đổi là không thể tránh khỏi; gián đoạn không phải là đáng sợ. Và, có thể nhiều hơn bất cứ điều gì khác, công đức sẽ chiếm ưu thế. Kenny Mendes, người đứng đầu nhóm tuyển dụng tại Box tuyên bố rằng Gild đã luôn cho chúng tôi những ứng cử viên mới mà chúng tôi biết là tốt, nhưng sẽ không tìm thấy ở đâu đó - tài năng ẩn giấu, để nói chuyện. Vivienne Ming của Gild, một nhà khoa học chính ở Gild, lập luận rằng Thung lũng Silicon không dựa trên công trạng vì họ tự cho mình là hiện thân. Ming cho rằng thói quen tuyển dụng và thuê lao động của Thung lũng Silicon dẫn đến những người có tài năng mạnh mẽ, nếu hơi maverick, người ta bị đánh giá sai và bỏ qua đến mức mà số lượng lớn người biểu diễn rơi vào các vết nứt.

Có lẽ Gild cũng vậy, vì tầm quan trọng của dữ liệu định tính. Nếu không có sự hoài nghi (một biến chất lượng quyết định) của các nhà khoa học như nhà sáng lập Ming và Gild, Luca Bonmassar, những bức tường truyền thống của các xưởng silicon nhân sự sẽ không bị phá vỡ. Hãy nghĩ đến điều đó, các chuyên gia phân tích người của Google nói rằng công ty xem xét quyết định của con người là quan trọng như các quyết định sản phẩm của nó. Google ít dựa vào con số, cấp bậc và bằng cấp khi thuê nó trong những ngày đầu của công ty.