Hay una increíble variedad de opciones aquí, de hecho, hay un trabajo muy relacionado con este concepto, comúnmente conocido como “Análisis de Recursos Humanos”.
HR es un campo históricamente blando / no cuantitativo y, por lo general, no hace un muy buen trabajo al aprovechar los enormes datos a su alcance. La última función de trabajo que vivió en un espacio similar (aunque un poco más avanzado) fue Marketing, que ha sido completamente revolucionado en los últimos 10-15 años por big data y otros métodos cuantitativos: las personas que ingresaron esperando un trabajo de habilidades blandas han todos tenían que aprender a lidiar con levantar objetos pesados en matemáticas para descubrir qué funciona, para quién. En marketing, se ha completado el 20% del esfuerzo que logrará el 80% de impacto y ahora estamos haciendo el esfuerzo del 80% para obtener ese 20% final. Mientras tanto, en Recursos Humanos, hay mucho por hacer que tendrá un gran impacto, en lugar de solo el impacto incremental ganado con esfuerzo.
Por ejemplo, aquí hay algunos proyectos que las empresas están buscando para mejorar su eficiencia y resultados utilizando big data:
- ¿Cómo va a medir la similitud de dos voces utilizando la ciencia de datos?
- ¿Cómo podemos tratar las variables categóricas con muchos niveles (> 100) de manera eficiente en una regresión? ¿Qué métodos hay para reducir la cantidad de niveles?
- ¿Qué es la piratería de datos en relación con la ciencia de datos?
- ¿Por qué muchos científicos de datos de LinkedIn se fueron después de la reorganización?
- ¿Qué piensa Ross Ledehrman sobre las aplicaciones de la ciencia de datos en las finanzas?
- ¿Podemos hacer un mejor trabajo al predecir qué candidatos recibirán una entrevista? ¿Cuál pasará la entrevista? ¿Cuál tomará el trabajo? ¿Cuáles serán los de alto rendimiento después de unirse a la empresa?
- ¿Podemos predecir qué empleados abandonarán antes que ellos?
- ¿Podemos evaluar cómo funcionan ciertas políticas (trabajo desde casa, horario flexible, políticas de viaje, etc.)?
- ¿Podemos idear mejores medidas para rastrear la satisfacción de los empleados que nos ayuden a predecir más sobre el rendimiento y la retención de los empleados?
- etc …
Cuando estudiaba para mi maestría en Business Analytics en NYU Stern Master of Science en Business Analytics (complemento descarado para un programa increíble) otro grupo estaba trabajando en un proyecto de este tipo utilizando un conjunto de datos con información de empleados de ingeniería de una empresa pública. Su proyecto consistía en determinar si podían predecir los “candidatos con mejor desempeño” durante el proceso de la entrevista. Su trabajo fue increíble y pudieron descubrir un montón de cosas sobre lo que tenía sentido y lo que no; por ejemplo, el rango de su alma mater de ingeniería no importaba a menos que fuera uno de los 5 principales, esencialmente todos otros eran igualmente propensos a producir grandes candidatos. Además, si un candidato vivía> 1 hora fuera de la oficina, había una caída significativa en su probabilidad de aceptar una oferta. La diferencia entre 55 minutos y 1 hora y 5 minutos produjo algo así como una caída del 20% (presumiblemente porque el aspecto mental de viajar más de una hora, aunque los 10 minutos realmente no es tanto). De todos modos, hay muchos más ejemplos, pero tendrás que esperar hasta que se publique su trabajo para leer el resto 🙂
Hay grandes avances por hacer en este campo, y las compañías Fortune 500 se están dando cuenta de lo importante que esto podría ser para ellos y están reclutando agresivamente para ocupar estos puestos. Se está contratando a personas sin experiencia en recursos humanos para manejar el lado cuantitativo de esto y debido a la naturaleza emocionante de los proyectos, está atrayendo a los mejores talentos.