Як алгоритми допомагають розшифрувати «код» організаційної культури

Текстовий аналіз, що ґрунтується на технологіях машинного навчання, починає відкривати деякі істини щодо організаційної культури, які раніше залишалися недоступними. Про це пишуть викладачі INSEAD Пушан Дутт (Pushan Dutt) та Фаніш Пурахам (Phanish Puranam).

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