目录:
学生不是唯一回到学校的人。 我们所有人都可以回来学习如何更有效地指导我们的工作。 预测分析可以显示出出路。 无论是用于大学招聘还是企业招聘，大数据揭示的信息都可以向我们表明，我们对有效方法的假设使我们走错了方向。
行动分析
对于那些上学的人来说，为这个季节做准备需要计划，大数据分析可以显示如何获得最大的收益。 这就是威奇托州立大学的战略规划故事。 几年前，学术数据系统和战略规划副总裁戴维·赖特（David Wright）出售了堪萨斯州的学校，该校使用大数据分析来提高奖学金支出和招聘的效率。
“建设更智能的校园：分析如何改变学术前景”详细介绍了IBM的软件如何通过确定更可能留在大学的学生来自何方来降低成本。 分析了“一系列衡量人口统计学，学术历史和其他因素的方程式”，以确定哪些“进入威奇托州的可能性最高”。 在此基础上，大学采用了更具针对性的招聘策略。
例如，在分析揭示出大学的绝大多数学生来自哪里之后，招生部门将重点放在那些高中上。 很少有学生来自该州以外的消息表明，该大学削减了14场大学展览会并减少了旅行。 他们还对直接邮件采取了更加专注的方法。 过去，他们发出了9, 000封信。 应用分析后，他们只需要发送5, 000到6, 000。 信件数量的减少实际上意味着招聘人数增加了26％。
为战术变革做准备
在电子邮件交流中，赖特（Wright）解释了使机构转换齿轮并接受分析的挑战。 他说涉及三个方面：- 一种是让人们看到基于证据的决策的好处。 使用数据进行决策与使用数据进行决策非常不同。 最初，大学很难让人们在决策点之前使用数据。 做出决策时，数据应在表格中。
- 第二个困难是让人们信任分析，特别是当数据与直觉或过去的做法背道而驰时。 顾问花了很长时间才对数据充满信心。
- 第三是使用分析所需的数据质量。
更好的数据=更好的员工
应用大数据分析也已被证明可以改善员工的招聘和留任率。 大数据公司Evolv专门从事将预测分析应用于招聘的业务。 据该公司称，这是因为使用大数据指导招聘决策会有所收获。
例如，Evolv的见解改变了施乐公司选择呼叫中心工作人员的雇用策略。 在《华尔街日报》的一篇文章中，施乐的商业服务首席运营官承认：“我们的某些假设是无效的。” 那就是大数据分析的真正价值。 它揭示了基于客观信息的实际相关性，而不是招聘经理的直觉。
事实证明，简历和背景调查并不是Xerox员工最可靠的指标，他们会一直坚持到公司获得5, 000美元的培训投资回报为止。 Evolv的数据显示，可以追溯到五年前的逮捕记录仅代表完全干净的记录，并不表示“未来不良行为”。 以前跳槽的记录也不一定意味着新员工不会留下来。 Evolv完成了对21, 115个呼叫中心代理的研究。 对数据的分析表明“代理人的工作历史与其在职期间几乎没有关系”。
那么哪些因素会有所作为呢？ 个性，人脉和位置。 Evolv的软件将理想的候选人确定为富有创造力的人，他活跃于一到四个社交网络上，并且在工作场所的可管理通勤范围内。 保留的另一个关键因素是联想。 那些最有可能留在公司的人是那些认识三名或三名以上已经在该公司工作过的员工的人。
学校和企业的差异
虽然大数据分析在企业招聘中和在大学招聘中一样有效，但它也显示了两者之间的相似之处在哪里破裂。 在2013年《福布斯》（Forbes）的一篇文章中，关于公司在将预测分析应用于选择销售人员时所学到的东西，作者乔什·贝辛（Josh Bersin）指出，就预测工作成功而言，学校经历的价值远远低于人们的预期。 实际上，与普遍看法相反，候选人的GPA或大学选择与工作成功无关。
这并不意味着教育没有价值。 完成某种形式的教育是事业成功的指标之一，但关键是结业而不是学校或年级。 其他关键指标包括语法正确的简历，在工作中表现出的成功，成功的销售经验以及在非结构化条件下工作的能力。 在公司将数据分析纳入其合格步骤并确定了准确的预测因素之后，该公司将销售业绩提高了400万美元。
无论组织有什么需求，预测分析都可以使它们走上正确的轨道。 正如赖特（Wright）谈到自己的经历时所说的那样：“通过为人们提供做出良好决策所需的资源，他们每个人都会取胜。”
