En iyi çalışanları işe alma, istihdam etme ve muhafaza etme konusunda insan kaynakları (İK) büyük veri yaygın olarak kullanılmaktadır. Daha fazla şirketin kârlılığı artırmak için tahmini analitiği benimsemesinin üç nedeni vardır.

Daha Etkili İstihdam

Büyük veriler hangi adayların açık pozisyonlar için en uygun olduğunu ortaya çıkarmasına yardımcı olur. Veri madenciliği sürecinin bir kısmı, potansiyel işe alımların daha üretken olabileceğini daha açık bir şekilde tanımlamak ve bir işyerine çeşitlilik katmak için özgeçmişlerden ve sosyal medya profillerinden bilgi toplamayı içerebilir. Böylece, işe alım yöneticileri aday havuzunu daraltabilir ve görüşmeler sırasında hangi alanlara odaklanmaları gerektiğine karar verebilir. Bu stratejiyi uygulayarak, işe alım süreci daha hızlı hareket eder ve doğru insanlar daha sık işe alınır.

Örneğin, Asya'daki bir banka daha önce 30 şubeye yayılmış 8,000 rolü için yüksek saygın üniversitelerin en iyi mezunlarını seçti. Banka, kurumsal yeniden yapılanma sürecine girdikten sonra, mevcut işletme kaynakları, işgören performansı, mesleki geçmişi, nüfus yapısı, görev süresi ve şube bilgisi alanlarında 30 noktayı kapsayan veri madenciliği bilgilerine başladı. Banka, pozisyonlarında üstünlük sağlama olasılığı bulunan mevcut çalışanları belirlemek, organizasyon içinde yeni roller yaratmak ve işçilerin performansını motive eden unsurlar hakkında ilave bir fikir edinmek için veri analitiği kullanmaya başladı.

Tahmin edici analitik yöntem kullanan banka, yüksek ve düşük performans gösteren kurumlar arasındaki ortak özelliklerini ortaya çıkardı ve belirli bir rolü etkileyebilecek daha güçlü bir olasılıkla işçiler için profiller oluşturdu. Ayrıca, şubelerin ve ekiplerin nasıl yapılandırıldığı kurumun finansal büyümesini de etkilediğini gösterdi. Buna ek olarak, büyük veriler, bankanın başarısı üzerinde belirli rollerin en büyük etkiye sahip olduğunu ortaya koydu.

Sonuç olarak, belirli takımlar ve işçi grupları etrafında yeni örgütsel yapılar yaratılmıştır. Banka, performansı almak ve ölçmek için veri analoğu kullanmaya başladığı için şube verimliliği% 26, yeni elemanların dönüşüm oranı% 80 ve net gelir% 14 arttı.

Daha Az Derecede Önyargılı Kiralama

Tahminli analitik, bir şirketin performansını etkileyen kararların alınmasına yönelik önyargı miktarını azaltır. Örneğin, birçok işe alım müdürü üst düzey işçilerine benzer özelliklere sahip adayları getirir. Bununla birlikte, mevcut çalışanlar aynı önyargılı yöntemlerle işe alındığından, kuruluşlar genellikle bir şirketin genel başarısını azaltabilecek kültürel ve zihinsel çeşitlilikten yoksun kalmaktadırlar. İşçiler ve iş alanlarını puanlamak için modeller ve ölçütler oluşturarak, şirketler hangi çalışanları ve hangi katkıların kuruluş için en değerli olduğunu belirleyebilir ve hangi çalışanların pozisyonlarında mükemmel olabileceğini daha net bir şekilde belirlemek için tahmini analitik kullanabilir.

Örneğin, yılda 250, 000 iş başvurusu alan mesleki hizmetler işi, özgeçmiş gözden geçirmek için harcanan zaman ve parayı azaltmak, tarama sürecinin etkinliğini arttırmak ve işgücü için daha fazla kadın tutmaktı. Tahmini analitik kullanarak, algoritma geçmiş başvuru sahibinin özgeçmişlerini, pozisyondan görüşülen kişileri ve kabul edilenleri açıkladı. Model, verileri şirketin işe alım hedefleriyle ilişkilendirmiş, açık pozisyonlarda üstünlük sağlayacak adayların listesini daraltmış ve bu özgeçmişlerini işe alım sürecindeki bir sonraki aşamaya taşıdı. Özgeçmişlerin yaklaşık% 45'i gözden geçirilmek üzere sonuçlandı, tarama sürecinde elle tarama ile karşılaştırıldığında% 15 daha fazla kadın ilerledi ve işletme% 100'lük bir yatırım getirisi (ROI) gerçekleştirdi.

Daha Büyük Saklama Oranları

Büyük veriler, hangi işçinin ayrılma ihtimalinin daha yüksek olduğunu ve hangi işçinin örgütte başka bir yere taşınması gerektiğini, terfi edileceğini ya da birlikte kalabilmek için teşvik edici olarak bir rehber öğretmen olmasını sağlayarak tutma oranlarını iyileştirmeye yardımcı olur. şirket. Bu tür değişiklikler, genellikle çalışanların örgütte kalmalarını sağlamak için işe bağlılık, iş doyumu ve üretkenliği artırır.

Örneğin, Bank of America Corp. (NYSE: BAC BACBank of America Corp.27; 67-0.% 54 Highstock 4. 2. 6 ile oluşturuldu) çalışanlar gömülü kimlik kartları kullanıyor çağrı merkezi çalışanları arasında kişilerarası etkileşimleri izlemek için sensörler. Wells Fargo & Co. (NYSE: WFC WFCWells Fargo & Co56,% 14-0.% 37 Highstock 4. ile yaratılmıştır. 4.6.699 ) hangi adayların pozisyonlar için en nitelikli olduklarını belirlemek için tahmini analitik kullanır adayların nişanlı ve yüksek performans gösteren işçilerin özelliklerine sahip olup olmadıklarına göre, bankacılar ve kişisel bankacılar olarak. Programın uygulanmasından bir yıl sonra, tellers ve kişisel bankacılar muhafaza sırasıyla sırasıyla% 15 ve% 12 arttı.

Alt satır

İK'de büyük veriler, şirketlerin en iyi çalışanlarını işe alıp, işe alıp tuttuğunda şirketlerin zamandan ve paradan tasarruf etmesine yardımcı olur. İşletmeler gittikçe artan bir şekilde süreçteki değeri görüp alt satırını iyileştirmek istediklerinden daha fazla işletme, işletme uygulamalarında tahmine dayalı analitik yöntemlerini uyguluyor olacak.