Υπάρχει μια κρίση εισαγωγών κολέγιο, και για μια φορά δεν είναι εξαιτίας ενός σκάνδαλο. Στην πραγματικότητα, στην περίπτωση αυτή, τα κολλέγια και τα πανεπιστήμια που υποφέρουν και μπορούμε όλοι να μάθουμε από τη δύσκολη τους κατάσταση.
Το ζήτημα είναι πολύ απλό: η τεχνολογία έχει εξουσιοδοτήσει τους υποψηφίους κολλεγίων να απευθύνονται σε όσα σχολεία θέλουν, έτσι ώστε να έχουν όλη τη διαπραγματευτική δύναμη. Ενώ το ζήτημα μπορεί να μοιάζει με δευτερεύουσα όχληση, επηρεάζει σημαντικά τις ικανότητες των ιδρυμάτων να προγραμματίζουν κατάλληλα τις λειτουργίες και τους προϋπολογισμούς επειδή δεν μπορούν να προβλέψουν τι θα φανεί η εισερχόμενη τάξη τους κοντά στο είδος της ακρίβειας που χρησιμοποιούσαν.
$config[code] not foundΣκεφτείτε πώς ήταν τα πράγματα στην πρόσφατη ιστορία. Τα κολέγια θα λάβουν αιτήσεις, θα τα εξετάσουν και στη συνέχεια θα στείλουν επιστολές αποδοχής σε έναν επιλεγμένο αριθμό αιτούντων που θα κατανοήσουν ότι θα δεχόταν μόνο ένα ορισμένο ποσοστό. Η τυπική απόκλιση ήταν τέτοια που τα κολλέγια είχαν υψηλό βαθμό βεβαιότητας ως προς τον τρόπο εμφάνισης της εισερχόμενης τάξης.
Σήμερα, οι φοιτητές απευθύνονται σε 10, 15, ακόμη και 20 διαφορετικά κολέγια και κανένα δεν είναι το σαφές αγαπημένο. Τα πανεπιστήμια δεν γνωρίζουν πλέον ποιον να επεκτείνουν τις υποτροφίες, ποιος θα δεχτεί τις εισαγωγικές επιστολές τους ή ποια θα είναι η εισερχόμενη τάξη.
Οι ιδιοκτήτες μικρών επιχειρήσεων θα πρέπει να μελετήσουν προσεκτικά αυτή την κρίση, διότι είναι η τέλεια μελέτη περίπτωσης για το πώς η ανίχνευση των μικρών επιχειρήσεων για τα δεδομένα μπορεί να λύσει προβλήματα.
Οφέλη από το Analytics μικρών επιχειρήσεων
Έλλειψη σαφών μετρήσεων
Ο Sujoy Roy, διευθύνων σύμβουλος της VisitDays, λέει ότι στο επίκεντρο του προβλήματος δεν υπάρχουν σαφείς μετρήσεις. "Τα σχολεία δεν έχουν αναλάβει συστηματική προσπάθεια να εντοπίσουν τις συνήθειες που δείχνουν πρόθεση στους αιτούντες.Επειδή δεν έχουν εντοπίσει δεδομένα σχετικά με την συμπεριφορά των αιτούντων και συγκρίνονται με τα αποτελέσματα (δηλαδή ποιος αποφάσισε να παρευρεθεί και ποιος όχι), δεν έχουν κανέναν οδηγό για την πρόβλεψη της εγγραφής. "
Ο προσδιορισμός των συμπεριφορών και η σύγκρισή τους με τα αποτελέσματα είναι κεντρικό στοιχείο για την αξιοποίηση των δεδομένων. Πολλές επιχειρήσεις χύνονται σε συστημικά προβλήματα χωρίς να καταβάλλουν προσπάθεια να εντοπίσουν δεδομένα που θα μπορούσαν να υποδηλώνουν τόσο το πρόβλημα όσο και τον τρόπο επίλυσής του. Τα πανεπιστήμια αντιμετωπίζουν ένα πρόβλημα πολύ πιο σημαντικό από τις περισσότερες επιχειρήσεις, αλλά μπορούν να το λύσουν με αυστηρή μελέτη δεδομένων.
Μετακίνηση της βελόνας
Θα ήταν παραπλανητικό να υποδείξουμε ότι η μελέτη των δεδομένων είναι ένα απλό μαθηματικό πρόβλημα και ότι μόνο με την τοποθέτηση του χρόνου θα καταλάβετε το θέμα. Το γεγονός είναι ότι κάποια δεδομένα είναι πιο χρήσιμα από άλλα. Τα κολέγια αγωνίζονται με το γεγονός ότι πολλές αλληλεπιδράσεις ενός φοιτητή με το γραφείο αποδοχής δεν έχουν νόημα και δεν επηρεάζουν την τελική τους απόφαση να παρακολουθήσουν. Πώς λοιπόν βρίσκουν σημαντικά δεδομένα;
Ο Roy λέει ότι η δημιουργικότητα και έξω από το κουτί σκέψης έχει αναδειχθεί πολύτιμα δεδομένα. "Βρήκαμε ότι οι φοιτητές που παρακολουθούν μια περιοδεία στην πανεπιστημιούπολη είναι 70% πιο πιθανό να παρακολουθήσουν. Επιπλέον, με τη διεξαγωγή συνεντεύξεων μετά την επίσκεψη, μπορούμε να διαπιστώσουμε με βαθμό βεβαιότητας 97% ποιος θα αποφασίσει να εγγραφεί στο πανεπιστήμιο ".
Οι επισκέψεις της πανεπιστημιούπολης συχνά δεν χειρίζονται άμεσα από το γραφείο εισδοχής κολλεγίων. Βασίζονται σε εταιρείες όπως η VisitDays για να χειριστούν αυτή τη λειτουργία. Κοιτώντας έξω από τις πηγές δεδομένων τους, μπορούν να βρουν απίστευτα ακριβή δεδομένα που έχουν σημαντικό αντίκτυπο στο ευρύτερο πρόβλημα που προσπαθούν να λύσουν.
Οι επιχειρήσεις πρέπει επίσης να διατηρούν μια ευρεία οπτική γωνία των δεδομένων και όπου τα πολύτιμα δεδομένα ενδέχεται να κρύβονται. Ζητήστε από τους πωλητές και τους υπεργολάβους να δουλέψουν σε προβλήματα με εσάς και πάντα να σκέφτεστε τους δημιουργικούς τρόπους επίλυσης του προβλήματος.
Κρατώντας το απλό
Είναι ατυχές το γεγονός ότι τα δεδομένα συσχετίστηκαν τόσο συχνά με τη λέξη "μεγάλα" επειδή φοβίζουν τους ανθρώπους. Τα μεγάλα δεδομένα είναι ένας ολόκληρος κόσμος στον οποίο πρέπει να συμμετέχουν πολύ λίγες επιχειρήσεις. Ωστόσο, η τεχνολογία σήμερα επιτρέπει στις μικρές επιχειρήσεις να εκμεταλλεύονται έξυπνα τα δεδομένα σε εύχρηστη κλίμακα με τρόπο που δεν θα μπορούσαν να έχουν μέχρι πολύ πρόσφατα.
Όταν προσεγγίζετε ένα πρόβλημα που νομίζετε ότι μπορείτε να λύσετε με δεδομένα, σκεφτείτε τι παρακολουθείτε. Τα πανεπιστήμια προσπαθούν να εντοπίσουν δείκτες πρόθεσης. Αυτό σημαίνει ότι αναζητούν θετικά και αρνητικά συμπτώματα ή συμπεριφορές που έχουν ανεξήγητα συσχετισμό με ένα αποτέλεσμα. Όλα αυτά επιτυγχάνονται με τεκμηρίωση, παρακολούθηση με την πάροδο του χρόνου και στη συνέχεια μελετώντας.
Ποια προβλήματα μπορείτε να λύσετε μελετώντας τα δεδομένα; Οι πελάτες πληρώνουν τιμολόγια ταχύτερα όταν στέλνετε ένα φιλικό email υπενθύμισης μετά από μια εβδομάδα; Μήπως η ομάδα πωλήσεών σας κλείνει περισσότερες προσφορές όταν είναι δημόσια αναγνωρισμένες για την επιτυχία τους; Προσλαμβάνετε υπαλλήλους υψηλότερης ποιότητας όταν τους δίνετε μια περιήγηση στο γραφείο μετά τη συνέντευξή τους;
Οι ιδιοκτήτες μικρών επιχειρήσεων δεν μπορούν να φοβούνται να μελετήσουν τα δεδομένα.
Δοκιμή φωτογραφίας μέσω Shutterstock
1 Σχόλιο ▼
