Les sociétés de valeur de 3,1 billions de dollars négligent toujours

Il y a une raison pour laquelle l’OCDE a réduit les perspectives de croissance des États-Unis à un anémique de 1,6% cette année. Prévisions d’inflation avoir levéles grandes entreprises avertissent de Ventes plus lentes et les tarifs ont conduit à une incertitude commerciale sans précédent.

Pourtant, même si les nuages ​​de tempête se réunissent, la plupart des entreprises ne tapent toujours pas une ressource critique pour augmenter leurs résultats: le leur données. Ce n’est pas une nouvelle histoire. Depuis des années, les analystes déplorent les estimations 3,1 billions de dollars en valeur Pris au piège dans les soi-disant «données sombres», les sociétés d’information collectent mais n’utilisent pas pour la prise de décision.

Une grande partie de ceci est données de main-d’œuvre interneinformations sur les personnes et les opérations. Les entreprises ne parviennent toujours pas à établir une ligne entre les données de tfiel et les résultats commerciaux réels, des ventes à la satisfaction des clients et même à la rétention des employés.

Mais l’IA change soudainement tout. Avec de nouveaux outils, les entreprises déterminent comment utiliser ces données enterrées et voir d’énormes gains. Voici comment.

Le problème n’est pas une pénurie de données. C’est une déconnexion des données

Malgré une décennie de parler des décisions basées sur les données, 85% des entreprises du Fortune 500 n’utilisent toujours pas efficacement leurs données de main-d’œuvre. Voici pourquoi:

• Silos organisationnels sont bien vivants. Les RH, les finances, les ventes et les OP fonctionnent tous sur différents systèmes, en utilisant différentes mesures, protégeant différents gazons.
• Les outils sont fragmentés. Même au sein d’une seule équipe, les plateformes critiques comme la paie, les performances et les systèmes d’apprentissage ne se parlent pas.
• La perspicacité dépend toujours des analystes. Trouver de la valeur nécessite souvent des jours de calcul de la feuille de calcul, un luxe que la plupart des équipes n’ont pas.

Le résultat: des milliards de points de données générés quotidiennement, mais très peu convertis en perspicacité ou action. Les approches habituelles ne sont pas courtes – des investissements massifs dans les entrepôts de données, debout des équipes de données centralisées ou du lancement de tableaux de bord internes. Ces solutions manquent souvent la marque, non pas parce que les données ne sont pas là, mais parce qu’elle manque de contexte, de pertinence ou de rapidité.

Quand données inutilisées concerne votre main-d’œuvre, le risque se multiplie. Alors que les organisations sont confrontées à une pression croissante pour améliorer la productivité et réduire les coûts, ne pas agir sur les données de la main-d’œuvre n’est pas seulement inefficace. C’est cher.

Cela signifie que les efforts de transformation de la main-d’œuvre sont construits sur la sensation intestinale, et non la perspicacité, les stratégies d’atténuation de l’attrition sont des investissements génériques et les investissements de talents ne sont pas ciblés. Les rôles critiques ne sont pas remplis non pas parce qu’il n’y a pas de solution, mais parce que les données n’ont jamais été mises en évidence.

Prenez un fournisseur de soins de santé de premier plan avec lequel nous travaillons. Les travaux de laboratoire se terminent régulièrement tous les lundis et mardi, coûtant des millions de retards. L’équipe des opérations du laboratoire a blâmé la faible demande. Mais les données RH ont raconté une histoire différente: ces jours ont été chroniquement à court de personnel avec des infirmières qualifiées.

Personne n’avait connecté les points parce que personne n’avait accès à tous les points.

Une fois que l’entreprise a intégré les données de planification des RH avec les opérations de laboratoire, ils ont immédiatement optimisé la dotation en personnel et récupéré des revenus perdus. C’est le pouvoir d’activer les données de la main-d’œuvre.

En rapport: Mark Zuckerberg révèle des laboratoires de méta superintelligence, des noms qu’il a bracés d’Openai, Google, anthropic

De la surcharge d’informations à l’intelligence exploitable

Le plus gros problème: le vrai danger ici n’est pas seulement des «données sombres». C’est que l’intelligence critique à propos de votre peuple reste invisible et sans allure au moment exact dont il est le plus nécessaire.

Et c’est précisément là où IA entre en jeu. De nouveaux outils d’IA offrent aux entreprises de nouvelles façons de poser et de répondre aux questions critiques commerciales sur leurs effectifs en temps réel:

• « Quel emplacement de première ligne est le plus susceptible de manquer son objectif de vente hebdomadaire? »
• « Quel pourcentage d’attrition est lié à un manager sous-performant? »
• « Où sommes-nous trop payés pour les heures supplémentaires en raison d’une mauvaise planification? »

Les assistants de l’IA permettent désormais aux gestionnaires de première ligne de connecter les points en posant des questions en langage clair. Dans les coulisses, ces outils tricotent ensemble une coupe transversale de points de données des rapports de performance, des plateformes d’engagement, des systèmes de fréquentation et même des enregistrements de rémunération. Mais le manager obtient exactement ce dont ils ont besoin: une réponse spécifique et une justification claire.

Lorsque cela fonctionne, ce n’est pas seulement perspicace. Il change de jeu opérationnel. Quelques exemples que j’ai vus de près:

• Le groupe Reece a utilisé l’IA pour passer de la conjecture à la planification de la main-d’œuvre de précision. Le distributeur mondial de plomberie et de CVC a eu un problème: un chiffre d’affaires élevé et l’absentéisme menaçaient un pilote de livraison critique le jour même. En combinant l’histoire des absences, des données d’engagement et des listes de quart de travail, ils ont prédit les absences deux semaines à l’avance, donnant le temps de rééquilibrer le travail et d’éviter les perturbations du service.
• Providence a tapé sur l’IA pour trouver le point idéal pour les bosses de paie. Le fournisseur de soins de santé a mis à profit les données historiques pour déterminer si et comment l’augmentation des salaires affecterait le chiffre d’affaires et ce que cela coûterait. Providence a découvert que seule une petite fraction de ses emplois était sensible à la compensation. En payant un groupe ciblé d’employés pour rester, l’entreprise a économisé 6 millions de dollars par an et a augmenté la rétention de 30% dans les domaines clés.

En rapport: Comment intégrer efficacement l’IA dans votre stratégie organisationnelle

4 à retenir pour les dirigeants

Pour les dirigeants qui cherchent à tirer parti de l’IA pour relier le leur Données de travail avec les résultats commerciauxil convient de se rappeler que la technologie n’est qu’une partie de la solution. Quelques étapes clés:

1. Ne commencez pas par la technologie. Commencez par des KPI partagés. Les transformations les plus réussies commencent par aligner les équipes interfonctionnelles sur les résultats commerciaux, pas les piles d’outils.

2. Construisez des rôles hybrides pour rejeter les silos. Des fonctions telles que Revops, Finops et People Analytics sont conçues pour s’asseoir entre les organisations. Ce sont le tissu conjonctif qui transforme les données en stratégie.

3. Concentrez-vous sur la conception de l’utilisateur. L’IA n’est utile que lorsqu’elle est accessible. Pour démocratiser les idées, prioriser les outils qui permettent aux gestionnaires de première ligne de poser de vraies questions et d’obtenir des réponses exploitables sans compétences techniques.

4. Soyez prêt pour les vérités dures. Les données de la main-d’œuvre peuvent exposer les inefficacités, les inégalités et les défis de gestion difficiles. Les entreprises qui réussissent ne verront pas seulement les problèmes. Ils agiront sur eux.

Presque chaque entreprise a une abondance de données. C’est ce qu’ils en font qui compte. Les organisations qui exploitent le pouvoir de connecter les données de la main-d’œuvre aux données commerciales prendront des décisions plus rapides, plus intelligentes et rentables. Quand Les entreprises font faillite Au taux le plus élevé depuis des décennies, rester dans l’obscurité n’est pas une option.