<img height="1" width="1" style="display:none" src="//www.facebook.com/tr?id=1509222356040859&amp;ev=PageView&amp;noscript=1">

填写此表格以请求您访问平台。

职位描述:为成功实施计划而努力的第一步

除了是出色的广告工具外,职位描述还为配备人员的重要信息提供了有效的人才招聘流程。不清楚,过时或不完整的工作[...]

December 02, 2020

阅读更多
所有帖子

临时劳动力计划越来越重视大数据


2之2(第1部分: 大数据技术可满足员工队伍的临时安排)

在本系列的第一部分中,我们研究了将改变2015年人力资源行业格局的人力资源技术趋势,尤其是随着各种规模的公司开始投资绩效管理软件以从大数据中汲取灵感。但是,如果没有正确的解释,管理和人为的决策因素,所有这些信息都可能会被边缘化或不确定。在本文中,我们将研究MSP及其员工合作伙伴如何帮助客户在统计数据中找到意义。

Netflix的秘密算法:数据必须由人来管理

大数据和指标今年将变得更加重要。了解商务智能和分析的重要性仍然是人才培养职能的挑战。有了一系列可用的指标,组织仍在尝试确定要测量的内容,并确定他们是否具备支持需求的技术。但是,为专业人员配备人员的现实情况是,未来的业务成功可能取决于从历史报告转向预测分析。

例如,将分析与工作站点上的内容布局相结合是一种行之有效的方法,可以最大限度地提高应聘者的体验,展示工作品牌的各个方面,并吸引人才到他们最容易吸引的方面。

数据还驱动着采购和审查流程。候选人排名系统中的算法可以计算出人才在其职业生涯中的发展速度,并确定一个人是落后还是领先于其他人。但是,仅凭数字并不能总能画出准确的图景或可靠地预测未来需求及其理想的解决方案。

通过大数据的镜头进行“委托”:很多事情,而不是为什么

考虑一下在新英格兰超级爱国者队出场之前困扰新英格兰爱国者队的“ Deflategate”丑闻。为 哈佛商业评论冯Ka 提供了一个很好的例子 未整理的数据会发生什么。

官员们发现,爱国者的足球充气不足,这可能给他们带来了不诚实的优势。数据分析师沃伦·夏普(Warren Sharp)使用大数据进行了统计分析,似乎将车队的超级失败率与充气不足的球联系在一起。

  • 凭借每发球次数,新英格兰队的表现超过了其他球队(几乎是NFL平均值的两倍),这使它成为一个异常值。
  • 可视化并重新制定度量标准会产生相同的结果。
  • 在室外体育场主场比赛的新英格兰队也比在穹顶下比赛的选手表现要好。在有遮盖的体育场内,大多数球队减少了10次失败。新英格兰再次成为离群值。
  • 使用钟形曲线,新英格兰获得如此空前的成功的几率被认为“极其遥远”。
  • 仅凭分析得出的结论是,任何团队拥有这种能力而不作弊都是“几乎不可能的”。

通过反向因果关系和大数据未定结果,很容易指责新英格兰爱国者队作弊。也许他们做到了。关键是数据并不能证明任何事实,甚至夏普在他的文章中也承认过。该分析仅证明新英格兰擅长防止晃动,而不是为什么。可能有完全正当的理由:对球员进行更好的训练,教练强调在对抗摔跤上的额外关注,球队拥有完善的控球技术和操纵技巧,等等。也很难将爱国者队视为离群值,因为他们的表现仍然落后于亚特兰大猎鹰队。猎鹰已经从分析中移除,因为它们在封闭的体育场内比赛。

Fung观察到:“大数据正在暴露各种我们从未见过的异常​​值和趋势,我们正在不计后果地分配原因,因为这是一个很好的故事,或有助于确认我们的偏见。”

这是我们可以从Netflix中学到的宝贵经验的地方。在Netflix在数字内容流媒体领域取得成功之前,电视工作室依靠有限的数据来指导他们的节目决策:直觉上相当狭窄且同质的高管,直属销售总额和尼尔森评级,这与工作室高管集团一样也缺乏多样性。结果并不总是那么出色,甚至没有达到目标。

然后是Netflix及其首席内容官Ted Sarandos。该公司在数据驱动的节目制作上投入了大量资金,创建了可以更准确地预测观看者的欲望和行为的高级算法。 Netflix原创节目的成功证明了其数据系统的价值。

例如,当Netflix邀请演员凯文·斯帕西(Kevin Spacey)出演如今屡获殊荣且广受好评的“纸牌屋”时,它告诉他:“我们相信您。我们已经运行了数据,它告诉我们观众将观看此系列。我们不需要您做飞行员。”剩下的就是历史了。不过,尽管如此,仅凭大数据并不能在AI推动的真空中得出这个结论。萨兰多斯揭示了这些算法背后的真正秘密:人类。

他对记者说:“知道要忽略哪些数据很重要。” 纽约客.  “在实践中,大概是七十到三十。数据是70,而判断是30。但是,如果那有道理的话,那30必须放在最前面。”

MSP和人员配置专业人员如何成为数据管理大师

利用宾夕法尼亚大学的Philip Tetlock于2006年率先提出的著名研究模型,该模型研究政治领域的预测分析,我们可以重新配置这些原则,以便将其应用于MSP和职员策展人。在过去的时代中,社会科学家详细描述了无数的预测失败,并得出结论,预测的艺术就是这样-一种艺术,甚至是愚蠢的运气。研究表明事实并非如此。预测是一种博学的技能,随着时间的推移,它会随着实践而发展。它有优点。要再次调用最近的超级碗,如果您随机选择一支获胜的球队,那您有50%的时间错了。但是,精英预报员始终将错误率降低了一半以上。以下是有关MSP和人员配置专业人员如何提高其解释大数据的能力的见解,以产生更好的预测分析。学习更多关于 策展人手如何为客户和MSP带来最佳人才

团队始终胜过个人。 研究一次又一次地证明了小组的表现优于个人分析师。当然,团队需要有效地协作和良好的沟通。对于那些这样做的人,他们的预测和分析比单独工作的人所提供的预测和分析要有意义得多。随着临时工计划中对大数据的日益重视,您可以做的最重要的事情之一就是让团队致力于处理,审查,跟踪和报告该信息。

人工智能有助于解释商业智能。数据分析是一个数学和统计过程,最适合受过训练和有才能的人掌握。在泰特洛克(Tetlock)的研究中,他发现,在智力测验中得分较高的受试者在读取数据方面更为准确,尤其是在进入新领域时。 MSP和人员配备专业人员不需要通过IQ测试来运行他们的资源,但是他们应该在具有组织背景,学术训练和数学,正规数据分析或统计方面的技能的组织中找到工作人员。一旦这个核心的分析师团队起飞,它的成员就可以培训其他人。到那时,寻找具有相同资格的工人的需求就减少了。

领域专业知识。名字和学术血统后面的一串字母并不是万能的。真正的领域专业知识可以极大地增强团队的能力。在组建团队时,一定要寻找具有特定行业,职位类别,技能和供应商管理程序经验的工人。处理这些利基需求将加速分析,并为得出的结论提供更多的深度和见识。

练习,练习,练习。 最好的预测员和分析师会随着时间的推移磨练他们的技能。评估的准确性虽然很强,但需要开发,了解,经验和实际应用。如果您刚刚开始发展团队,请不要立刻期望获得出色的结果。即使第一轮分析结果不多,也不要阻止团队继续尝试。致力于团队的发展将为您和您的客户寻求成功。

开明的个人得出更好的结论。偏见和已成定局的结论只能污染数据分析。让我们回顾一下新英格兰爱国者队的例子。对于那些反对新英格兰的人来说,很容易将统计数据解释为作弊的确凿证据,尽管事实是这些数据不能独立确定。当反向因果关系发挥作用时,这尤其棘手-在这种情况下,结果是已知的,研究人员必须反向研究它们以确定原因。为了对大数据中包含的信息采取有效措施,负责分析数据的团队成员必须在没有任何先入之见,不受上级影响的情况下(例如高管称客户希望下个月减少人员)或任何先发制人的指导方针来进行发现。这意味着分析应符合预定的结果。

分析需要时间。在研究中,那些花时间彻底审查数据并仔细考虑最终评估结果的分析师的表现要比那些急于按时完成的分析师要好。在小组设置中,这一点更加明显。接受客户提供临时分析的请求时,请确保您先咨询分析师。您想制定一个合理的时间表,以最终使您的团队受益,并使他们呈现给客户的结果具有完整性。对于定期计划的或重复出现的报告(例如季度业务审查),请提前启动团队以确保正确解释数据。

修订产生更好的结果。作者之间有一个公理,所有写作都是重写。数据分析也是如此。当预报员和分析人员有机会根据新信息的引入来修改其初步发现时,他们的最终结论就超出了那些没有接受的人的解释。重要的是要确保您的团队有足够的时间来执行其修订,以及访问所有传入的数据以及领导层的支持以进行最佳分析。

凯西·恩斯特伦
凯西·恩斯特伦
凯西(Casey)是人员编制行业的家喻户晓的名字之一,专门从事销售和运营领导。他带来了有关业务开发和销售策略,预测分析,领导力以及人力资本解决方案的广泛知识。在进行Crowdstaffing之前,Casey曾担任《财富》 1000强公司的北美地区技术销售副总裁。
发表评论

相关文章

职位描述:为成功实施计划而努力的第一步

除了是出色的广告工具外,职位描述还为配备人员的重要信息提供了信息。
人群拥挤 2020年12月2日下午3:51:02

在建立新员工时扩大与现有员工合作伙伴关系的重要性

配备人员的供应商是兴旺的临时员工计划的推动力,并建立了稳定的员工队伍。
人群拥挤 2020年11月4日下午2:05:35