Як алгоритми допомагають розшифрувати «код» організаційної культури
Хоча ніхто не заперечуватиме, що розуміння оргкультури та її цілеспрямоване формування — один із критично важливих елементів управлінського процесу, проте інструменти, які є в наявності на сьогоднішній день, є малорезультативними. Основна проблема полягає у визначенні актуального стану організаційної культури. І тут кардинально змінити ситуацію можуть машинне навчання та аналітика великих даних. Ці технології дозволяють, опрацювавши текстові дані, виявити як відносно прості компоненти культури (як-от емоційні зв’язки працівників з організацією), так і складніші її характеристики (наприклад, міцність та унікальність).
Один із першопрохідців у цій сфері — лабораторія Computational Culture Lab (спільний проект Стенфордського та Каліфорнійського (Берклі) університетів) опублікувала працю, в основі якої лежить багаторічний аналіз електронних повідомлень, якими обмінювалися співробітники однієї технологічної компанії. Частотність використання працівниками займенників в однині і в множині відбиває ступень їхнього внутрішнього «злиття» з оргкультурою, що, у свою чергу, вказує на ймовірність добровільного звільнення. Ще одна група дослідників з’ясувала, що особливості мови, яка використовується в листах до акціонерів 167 європейських банків, дає змогу зробити дуже чіткі висновки стосовно стану оргкультури цих установ та їхньої схильності до вчинення ризикованих дій.
У багатьох може виникнути запитання: як взагалі можливо зібрати та обробити різні тексти, написані великою кількістю несхожих одне на одного людей. Але, напевно, кожний, хто шукав роботу в останні роки, або кого цікавив стан справ на ринку праці, звертався до сервісу Glassdoor, де можна довідатися неприкрашену правду про потенційного працедавця. Glassdoor — це сайт, на якому співробітники анонімно можуть проранжувати різні аспекти діяльності своєї компанії та описати її основні характеристики (серед іншого, стан справ із заробітною платою). З моменту старту 2008-го року, Glassdoor розмістив 45 млн оглядів та опублікував рейтинги, котрі стосуються близька 830 тис. фірм.
Взята у сукупності інформація на Glassdoor може не тільки допомогти компаніям зрозуміти, що їм доцільно зробити, але й дати зовнішнім гравцям корисну аналітичну інформацію. Наприклад, докторант INSEAD Аріанна Марчетті (Arianna Marchetti) використовує алгоритми машинного навчання для дослідження одного сумнозвісного своєю складністю питання — а саме йдеться про відповідність оргкультур різних структур, які проходять через процес M&A. Зокрема, Марчетті цікавить, чи можна на основі аналізу профільтрованих із допомогою алгоритму оглядів на Glassdoor оцінити ступень сумісності двох корпоративних культур і, таким чином, спрогнозувати ймовірність успіху M&A-транзакції. Методика цього дослідника включає тематичне моделювання (виявлення з допомогою машинного навчання базового тексту, який описує найпоширеніші теми), аналіз емоційних зв’язків працівників з компанією (оцінюється позитивне чи негативне забарвлення тексту) та традиційні методи аналізу ключових слів (співвіднесення слів, що вживаються в оглядах зі стандартним переліком лексики, яка позначає різні аспекти культури). Крім усього, маючи доступ до оглядів, опублікованих за кілька років, Марчетті може відстежувати динаміку змін в оргкультурі.
За матеріалами "Algorithms to Decode an Organisation’s Culture (At Last)", INSEAD Knowledge.
Ілюстрація: ShotPrime Studio / Shutterstock.com