¿Qué significan las spin-offs de marketing de base de datos para la investigación de mercado?

Work Force Science no es el antiguo enfoque tayloriano del cronómetro para sacar el máximo provecho de los empleadores. De hecho, la nueva ciencia de la fuerza de trabajo es un enfoque contrario que evita la teoría de la gestión y podría poner a los departamentos de recursos humanos fuera del trabajo … salvo, tal vez, para la función Beneficios .

Es de naturaleza humana considerar el comportamiento anterior de los trabajadores potenciales como un marcador importante para el desempeño futuro.

Pero, la investigación realizada por científicos de la fuerza de trabajo los ha alineado con la Comisión de Bolsa y Valores (SEC) que ofrece las siguientes divulgaciones obligatorias para los inversores: El rendimiento pasado no es una garantía de rendimiento futuro . Enfrentados a la sabiduría convencional, los científicos de la fuerza de trabajo argumentan que los empleadores no deberían considerar excesivamente atributos como el salto de empleo o los períodos de desempleo al tomar una decisión de contratación. Y estos científicos de la fuerza de trabajo pueden respaldar su argumento con datos. Montones de datos Big Data.

La investigación de la fuerza de trabajo realizada por los científicos de Big Data subraya sustancialmente la fortaleza de la relación entre los supervisores de calidad y el rendimiento y la permanencia de los empleados. Un supervisor con fuertes habilidades de comunicación y calidez personal se ha encontrado en una preponderancia de estudios de investigación para tener más peso que las características individuales y la experiencia laboral de los empleados.

Estos hallazgos invierten la comprensión de los directivos. Los procesos paso a paso, que se emplean en el análisis de regresión, se han adaptado para su uso en guías de recursos humanos sobre contratación, contratación y promoción. Pero estos modelos paso a paso están siendo cuestionados en modelos estadísticos, y en una plétora de aplicaciones, como las estrategias de gestión tradicionales.

Los proponentes de big data dicen que estos modelos no reflejan adecuadamente la incertidumbre y que no se puede esperar que gut feel llenen los vacíos.

La investigación de mercado relacionada con la fuerza de trabajo indica que si se les deja a sus propios dispositivos, los gerentes (asesorados y, a menudo, constreñidos por los departamentos de recursos humanos) salen mal. Por ejemplo, los gerentes tienden a contratar personas que son como ellos en algunas formas importantes (sexo, edad, estado de los ex alumnos, afiliación de equipo, intereses recreativos), todos los cuales están esencialmente relacionados con el desempeño laboral. Lo que esto puede significar con el tiempo es que una empresa puede sesgar sustancialmente su fuerza de trabajo hacia un tipo de empleado particular que es fundamentalmente un clon de su jefe. Si bien esta situación contribuye a una mayor comodidad entre los empleados, no garantiza que el desempeño laboral sea mejor debido a estas similitudes.De hecho, lo opuesto puede ser cierto. Los altos niveles de homogeneidad pueden dar lugar a una mentalidad de grupo pensar que puede ser desastrosa. Ejemplos de fallas de este tipo incluyen el problema con las juntas tóricas en el malogrado Space Shuttle Challenger, la fuerte inversión en swaps de crédito en la crisis fiscal de 2008, el exceso de confianza de los cuantos en sus algoritmos y, para los historiadores, la Tulipmania del 1600s.

Además, el número de empleados potenciales que pueden revisarse utilizando técnicas de big data, en comparación con los procesos de recursos humanos convencionales, es enorme. Como lo demostró Moneyball, toda la actividad digital de las personas puede recopilarse a un costo relativamente bajo y esa información se extrae para obtener información sobre las habilidades, la comunicación y los atributos del trabajo. Los recorridos digitales se construyen mediante llamadas telefónicas, mensajes instantáneos, correos electrónicos, clics en páginas web y códigos escritos. Los nativos digitales, en particular, parecen indiferentes a los rastros de actividad del consumidor que dejan atrás. Para las empresas en un modo de contratación, estos fáciles de elegir son una bendición para las decisiones de contratación y contratación.

Gild es una empresa de nueva creación que utiliza big data no estructurado para automatizar el descubrimiento de programadores talentosos. Examinando la evidencia digital de la participación en tiempo real en la programación de grupos de discusión y proyectos de código abierto, mirando a su código público y actividad de redes sociales, Gild busca cuantificar lo que las personas pueden hacer y cómo se desempeñan, a menudo simplemente siguiendo sus propios intereses o persiguiendo sus propias musas particulares.

Matt Richtel escribió en un artículo reciente en The New York Times , Cómo funciona Big Data reclutador para trabajadores especializados : Las personas en Silicon Valley tienden a abrazar ciertas suposiciones: el progreso, la eficiencia y la velocidad son buenas. La tecnología puede resolver la mayoría de las cosas. El cambio es inevitable; la interrupción no debe temerse. Y, tal vez más que cualquier otra cosa, el mérito prevalecerá.

Kenny Mendes, jefe de reclutamiento de Box, afirma que Gild nos ha proporcionado constantemente nuevos candidatos que sabemos que son buenos, pero que no habría encontrado en otro lado: el talento oculto, por así decirlo. Vivienne Ming, una científica de Gild, afirma que Silicon Valley no se basa tanto en el mérito como dicen ellos mismos. Ming argumenta que las prácticas de reclutamiento y contratación de Silicon Valley resultan en personas muy talentosas, aunque un tanto inconformistas, que son mal juzgadas e ignoradas en la medida en que un número sustancial de grandes intérpretes caen por las grietas.

Quizás Gild también defienda la importancia de los datos cualitativos. Sin el escepticismo (una variable decididamente cualitativa) de científicos como el fundador de Ming and Gild, Luca Bonmassar, las paredes tradicionales de los silos de recursos humanos no habrían sido violadas. Ahora que lo pienso, los especialistas en análisis de personas de Google dicen que la compañía considera que las decisiones de sus empleados son tan importantes como sus decisiones sobre los productos. Google se basa menos en los números y grados y grados al contratar que lo hizo en los primeros días de la empresa.