Stora data i personalresurser används alltmer för att rekrytera, anställa och behålla de bästa medarbetarna. Här är tre skäl till att fler företag använder sig av predictive analytics för att förbättra bottenlinjen.

Mer effektiv rekrytering

Stora uppgifter hjälper till att avgöra vilka kandidater som är bäst lämpade för öppna positioner. En del av data-miningprocessen kan innefatta insamling av information från CV och sociala medier för att tydligare identifiera vilka potentiella anställningar som kan vara mer produktiva och lägga mångfald på en arbetsplats. Anställningschefer kan sedan begränsa sin kandidatpool och bestämma vilka utvärderingsområden de ska fokusera på under intervjuer. Genom att genomföra denna strategi går anställningsprocessen snabbare och rätt personer anställs oftare.

Till exempel rekryterade en bank i Asien tidigare högskolorna från högt uppskattade universitet för att fylla sina 8 000 roller spredt över 30 grenar. Efter att banken genomgick en organisatorisk omstrukturering, inledde institutionen data mining information som täcker 30 poäng i kategorierna anställdas prestation, professionell historia, demografi, tjänstgöring och greninformation från sina nuvarande resurser. Banken började använda dataanalys för att identifiera nuvarande anställda som är mest troliga att utmärka sig i sina positioner, skapa nya roller inom organisationen och få ytterligare insikt i vad som motiverar arbetstagarnas prestation.

Genom att använda prediktiv analys avslöjade banken gemensamma drag hos höga och låga artister och skapade profiler för arbetstagare med en starkare möjlighet att utmärka sig i en specifik roll. Informationen visade också att hur grenar och lag struktureras påverkar institutionens ekonomiska tillväxt. Dessutom visade stora data att specifika roller hade störst inflytande på bankens framgång.

Som ett resultat av detta skapades nya organisatoriska strukturer kring specifika grupper och grupper av arbetstagare. Eftersom banken började använda dataanalys för rekrytering och mätning, ökade filialproduktiviteten med 26%, konverteringskursen för nya rekryter ökade med 80% och nettoresultatet ökade med 14%.

Mindre biased Hiring

Prediktiv analys minskar mängden bias som går till att fatta beslut som påverkar företagets prestanda. Till exempel tar många anställningschefer ombord kandidater som har egenskaper som liknar deras topparbetare. Men eftersom befintliga anställda anlitades av samma förutbestämda metoder hamnar organisationerna typiskt i kulturell och intellektuell mångfald, vilket kan minska företagets övergripande framgång. Genom att skapa modeller och riktmärken för att betygsätta arbetare och affärsområden kan företagen bättre identifiera vilka anställda och vilka bidrag som är mest värdefulla för organisationen och använda prediktiv analys för att tydligare bestämma vilka arbetstagare som kan utmärka sig i sina positioner.

Till exempel skulle en professionell serviceverksamhet som fick 250 000 jobbansökningar årligen minska tid och pengar som spenderades vid granskning av CV, förbättra effektiviteten av screeningsprocessen och anställa fler kvinnor för sin personalstyrka. Genom att använda predictive analytics återupptas algoritmen för tidigare sökande, intervjuade som erbjöds positioner och de som accepterade. Modellen kopplade data till bolagets anställningsmål, inskränktes listan över kandidater som troligtvis skulle utmärka sig i de öppna positionerna och flyttade dem återupptas till nästa steg i anställningsprocessen. Cirka 45% av återupptas slutade granskas, 15% fler kvinnor avancerade i screeningprocessen jämfört med att genomgå manuell screening och verksamheten realiserade en avkastning på 500%.

Stora behållningspriser

Stora data bidrar till att förbättra behållningsgraden genom att visa vilka arbetare som är mer benägna att lämna och vilka som kan behöva flyttas till en annan position i organisationen, främjas eller få en mentor som uppmuntran att stanna med företaget. Sådana förändringar ökar ofta engagemang, arbetsnöjdhet och produktivitet så att anställda blir kvar i organisationen.

Till exempel använder Bank of America Corp. (NYSE: BAC BACBank of America Corp27. 67-0. 54% Skapat med Highstock 4. 2. 6 ) anställda bär ID-kort med inbäddade sensorer för övervakning av interpersonella interaktioner bland sina callcenter-arbetare. Wells Fargo & Co. (NYSE: WFC WFCWells Fargo & Co56. 14-0. 37% Skapat med Highstock 4. 2. 6 ) använder predictive analytics för att bestämma vilka kandidater som är mest kvalificerade för positioner som berättare och personliga banker, beroende på om kandidaterna har karaktären hos engagerade och högpresterande arbetstagare. Efter ett år med genomförandet av programmet ökade kvarhållandet av räknare och personliga banker med 15 respektive 12%.

Bottom Line

Stora data i HR hjälper företag att spara tid och pengar när de rekryterar, anställer och behåller sina bästa arbetstagare. Fler företag kommer att implementera predictive analytics i sina affärspraxis, eftersom organisationerna alltmer ser värdet i processen och vill förbättra bottenlinjen.