データベースマーケティングのスピンオフは何を市場調査の対象としていますか？大きなデータの研究上の問題は、それが完全に不透明な方法で再構成され再処理される消費者データのブラックボックスであるということです。

実際、新しい労働力科学は、管理理論を避け、人事部門を仕事から解放する逆のアプローチです。おそらく、 Benefits 機能のために保存してください。

潜在的労働者の過去の行動を将来の業績の重要な指標と考えるのは人間の本質である。

<！しかし、労働者の科学者が行った調査では、投資家に資金を提供するために以下の必要な開示を提供している証券取引委員会（SEC）との位置づけが立てられています。

過去の業績は保証ではありません将来の業績 労働者の科学者は、従来の知恵に惑わされて、雇用者は雇用決定時に求職や失業期間などの属性を過度に考慮すべきではないと主張している。そして、これらの労働力科学者は、議論をデータでバックアップすることができます。たくさんのデータ。ビッグデータ。

ビッグデータ科学者によって実施された労働力調査は、質の高い監督者と従業員の業績と在職期間との間の関係の強さを実質的に強調する。強力なコミュニケーションスキルと個人的な暖かさを持つ監督者が、従業員の個々の特性や作業経験よりも重要な研究研究の大部分を占めています。

これらの知見は経営上の理解を逆さまにする。回帰分析に使用される段階的プロセスは、募集、雇用、昇進に関する人材ガイドに適用されています。しかし、これらの段階的なモデルは、統計的モデリングや、伝統的な管理戦略のような多数のアプリケーションで疑問視されています。

<！大規模なデータ支持者は、これらのモデルは不確実性を適切に反映しておらず、ギャップ999がギャップを埋めるとは考えられないと述べている。

労働力関連の市場調査によると、自社のデバイスに任せれば、マネージャー（人事部門の指導を受けることが多い、しばしば拘束される）がひどくうまくいかないことが示されている。例えば、マネージャーは、仕事の成果と本質的に無関係ないくつかの重要な方法（性別、年齢、卒業生の状態、チームの所属、レクリエーションの利益）でそれらのような人を雇う傾向があります。これが意味することができることは、会社が本質的に上司のクローンである特定の

種類の従業員 に向けて実質的に従業員を偏らせることができることです。このような状況が従業員の快適さに貢献していますが、これらの類似点のために就職実績が向上するとは限りません。実際、その反対は真実かもしれません。高レベルの均質性は、悲惨である可能性のある グループ思考

の心理をもたらす可能性がある。このタイプの失敗の例には、不運なスペースシャトルチャレンジャーのOリングの問題、2008年度の財政融資の信用スワップへの多額の投資、アルゴリズムのクオンツの過信、そして歴史家にとってのチューリップマニア1600年代のまた、従来の人的資源プロセスと比較して、大きなデータ技術を用いて見直すことができる潜在的従業員の数は膨大である。 Moneyballが示したように、人のデジタル活動はすべて比較的低コストで収集でき、そのデータはスキル、コミュニケーション、および仕事の属性に関する洞察を得るために採掘されました。デジタル証跡は、電話、インスタントメッセージ、電子メール、Webページのクリック、および書面によるコードで構成されています。特に、デジタル・ネイティブは、消費者が残している行動トレールには関心がありません。採用モードの企業にとって、これらの簡単な選択肢は、募集と雇用の決定に役立ちます。 Gildは、有能なプログラマーの発見を自動化するために、構造化されていない大きなデータを使用する新興企業です。 Gildは、ディスカッショングループやオープンソースプロジェクトのリアルタイム参加のデジタル証拠を検証して、パブリックコードとソーシャルネットワーキング活動を見て、人々が何をすることができ、どのように行動するかを定量化しようとしています。彼ら自身の特定のミューズを追いかけている。 ニューヨーク・タイムズ の最近の記事では、

特定の労働者のための募集人を募集しているビッグ・データがどれくらいあるか

、Matt Richtelはこう書いています。

シリコンバレーの人々は、前提：進歩、効率、スピードは良いです。技術はほとんどのものを解決することができます。変化は避けられない。混乱を恐れることはない。そして、何よりも多分、メリットが勝つでしょう。 ケニー・メンデス氏は、 ギルド氏は、われわれがよく知っているが、他の場所では見つけられない新しい候補者、つまり隠された才能を常に与えていると主張する。 GildのGildのチーフ・サイエンティストであるGildのVivienne Mingは、シリコンバレーは自分自身を強く主張するほどメリットベースではないと主張する。 Ming氏は、シリコンバレーの人材募集と採用の実践は、才能のある人材が多大な人数を犠牲にしていると誤解され、無視された場合、強く才能を発揮すると主張している。 おそらくGildは、定性的データの重要性についても同様のケースを作ります。 Ming and Gildの創設者であるLuca Bonmassarのような科学者の懐疑論（決まった質的変数）がなければ、人事院の伝統的な壁が破られることはありませんでした。それについて考えてみると、Googleの人物分析スペシャリストは、同社は人の意思決定を製品の決定と同じくらい重要だと考えていると言います。 Googleは、企業の初期段階で採用したときの数字や​​成績、学位にはあまり依存しません。