«Нам нужно было исправить продажи, привлекая новый круг клиентов. Мы создали новый процесс, который увеличил количество клиентов на 480 процентов».

«Один партнер недавно помогал нашей организации внедриться в продажи продукта, которым мы никогда не занимались. Она составила бизнес-план и продемонстрировала возможности совету директоров. С тех пор это одно из самых значительных направлений в нашей организации».

«Наш производственный отдел нашел возможность сохранить несколько миллионов долларов на затратах на транспортировку за счет перемещения склада».

Наиболее важным из компонентов исследования выдающейся работы было наше знакомство с 1,7 миллиона случаев признанной работы в корпорациях по всему миру. Всего мы рассмотрели 10 000 заявок о признанной работе.

Эти заявки приходили к нам в форме электронных выдвижений кандидатов, написанных руководителями или коллегами и описывающих, что человек сделал, что заслуживает корпоративной награды. Эти выдвижения содержали в среднем 80 слов. Мы проанализировали изначальные заявки и закодировали их содержание по категориям. Эти заявки помогли нам сфокусироваться на 19 вариациях выдающейся работы. Чтобы избежать погрешности субъективности, две независимые команды кодировали финальную группу заявок по специальной книге, с широким пояснением 19 наиболее многообещающих вариаций. Результаты обеих групп сравнили, чтобы определить степень сходства. Средний уровень сходства был около 80 процентов, что является очень высоким уровнем для такого опыта.

Мы приводим одну из заявок внизу как пример описания выдающейся работы, как его могли бы закодировать для исследования.

Заявка на выдвижение Джейн Доу

Ниже мы предлагаем вам ознакомиться с описание метода анализа, использованного при исследовании, придуманного доктором Трентом Кауфманом и Лоуренсом Кованом из Cicero Group, которые предоставили детальный анализ закодированных данных.

Целью работы с данными исследования было определить наблюдаемые характеристики работника и его характерные черты, которые увеличивают шансы того, что этот сотрудник осуществит выдающуюся работу.

Данные исследования можно было разделить на два класса, когда первый кодировался цифрой 1, когда характеристика была наблюдаемой, и 0, когда характеристика была ненаблюдаемой. Использование подобного дихотомического деления – общая практика в социальных науках (к примеру, работающий – безработный, женатый – неженатый, голосовал – не голосовал).

В наборе данных исследования выходные переменные описывали аспекты наблюдаемых результатов работы сотрудника, вроде «принесло финансовую выгоду», «оказало влияние на других» и т. д.

Сходным образом предикторные переменные описывали наблюдаемые действия или причины полученного результата, вроде «разговаривал с внешним кругом», «смотрел своими глазами» и т. д.

Данные изучались с использованием типа регрессионного анализа, известного как модель вероятности с логистическим распределением (такие логит-модели были созданы специально для предсказания результатов дихотомических выходных переменных). Вывод результатов измерений дает нам возможность просчитать вероятность того или иного события.