Store data i menneskelige ressurser blir stadig mer brukt til å rekruttere, ansette og beholde de beste ansatte. Her er tre grunner til at flere bedrifter vedtar prediktiv analyse for å forbedre bunnlinjen.

Mer effektiv rekruttering

Store data bidrar til å avdekke hvilke kandidater som passer best for åpne stillinger. En del av data-miningprosessen kan inkludere samle informasjon fra CV og sosiale medier profiler for å tydeligere identifisere hvilke potensielle ansettelser kan være mer produktive og legge mangfold til en arbeidsplass. Ansatte ledere kan da begrense deres kandidatbasseng og bestemme hvilke evalueringsområder de skal fokusere på under intervjuer. Ved å implementere denne strategien går ansettelsesprosessen raskere og de riktige personene ansettes oftere.

For eksempel rekrutterte en bank i Asia tidligere toppkandidater fra høyt ansett universiteter for å fylle sine 8 000 roller spredt over 30 grener. Etter at banken gjennomgikk en organisatorisk restrukturering, begynte institusjonen data mining informasjon som dekker 30 poeng i kategoriene av ansattes ytelse, profesjonell historie, demografi, fast eiendom og grenen informasjon fra sine nåværende ressurser. Banken begynte å bruke dataanalyse for å identifisere nåværende ansatte som mest sannsynlig vil utmerke seg i sine stillinger, skape nye roller i organisasjonen og få ytterligere innsikt i hva som motiverer arbeidernes ytelse.

Ved å bruke forutsigbar analyse oppdaget banken vanlige trekk blant høyt og lavt utøvere og skapte profiler for arbeidere med sterkere muligheter for å utmerke seg i en bestemt rolle. Informasjonen viste også at hvordan grener og lag er strukturert påvirker institusjonens økonomiske vekst. I tillegg viste store data at bestemte roller hadde størst innflytelse på bankens suksess.

Som et resultat ble nye organisasjonsstrukturer opprettet rundt bestemte lag og grupper av arbeidere. Fordi banken begynte å benytte dataanalyser for rekruttering og måling av ytelse, økte filialproduktiviteten med 26%, konverteringsfrekvensen til nye rekrutterte økte med 80% og nettoinntektene økte med 14%.

Mindre ledig ansettelse

Prediktiv analyse reduserer mengden bias som går inn i å ta beslutninger som påvirker selskapets ytelse. For eksempel tar mange ansatt ledere ombord kandidater som har egenskaper som ligner på deres topparbeidere. Men fordi eksisterende ansatte ble ansatt med de samme forutinnstilte metodene, oppstår organisasjoner vanligvis mangler i kulturelt og intellektuelt mangfold, noe som kan redusere selskapets overordnede suksess. Ved å skape modeller og benchmarks for å score arbeidere og forretningsområder, kan selskapene bedre identifisere hvilke ansatte og hvilke bidrag som er mest verdifulle for organisasjonen og bruke prediktiv analyse for å tydeligere bestemme hvilke arbeidere som kan utmerke seg i sine stillinger.

For eksempel ønsket en profesjonell tjenesteyting som mottok 250 000 jobbsøknader årlig å redusere tid og penger brukt på å gjennomgå CV, forbedre effektiviteten av screeningsprosessen og ansette flere kvinner for arbeidskraften. Gjennom å bruke prediktiv analyse, reagerte algoritmen for tidligere søkeren, intervjuere som ble tilbudt stillinger og de som aksepterte. Modellen koblet dataene til selskapets ansettelsesmål, innsnevret listen over kandidater som mest sannsynlig vil utmerke seg i de åpne stillingene og flyttet de som fortsetter videre til neste trinn i ansettelsesprosessen. Om lag 45% av CVene ble endret, 15% flere kvinner avanserte i screeningsprosessen sammenlignet med manuell screening og virksomheten realiserte en avkastning på 500%.

Større retensjonsnivåer

Store data bidrar til å forbedre retensjonsraten ved å vise hvilke arbeidstakere som er mer sannsynlig å forlate, og hvilke som kanskje må flyttes til en annen posisjon i organisasjonen, bli promotert eller få en mentor som oppmuntring til å bli med firmaet. Slike endringer øker ofte arbeidsengasjement, jobbtilfredshet og produktivitet slik at ansatte forblir i organisasjonen.

For eksempel bruker Bank of America Corp. (NYSE: BAC BACBank of America Corp27. 67-0. 54% Laget med Highstock 4. 2. 6 ) ansatte har ID-kort med innebygd sensorer for overvåkning av mellommenneskelige samspill blant sine call-center arbeidere. Wells Fargo & Co. (NYSE: WFC WFCWells Fargo & Co56. 14-0. 37% Laget med Highstock 4. 2. 6 ) bruker prediktiv analyse for å bestemme hvilke kandidater som er mest kvalifiserte for stillinger som tellere og personlige bankfolk, i henhold til om kandidatene har egenskapene til engasjert og høypresterende arbeidstakere. Etter ett år med implementering av programmet økte oppbevaring av tellere og personlige bankfolk med henholdsvis 15 og 12%.

Bunnlinjen

Store data i HR hjelper bedrifter med å spare tid og penger når de rekrutterer, ansetter og beholder sine beste arbeidstakere. Flere bedrifter vil implementere prediktiv analyse i deres forretningspraksis, ettersom organisasjoner i økende grad ser verdien i prosessen og ønsker å forbedre bunnlinjen.