Os US $ 3,1 trilhões em empresas de valor ainda ignoram

Há uma razão pela qual a OCDE reduziu as perspectivas de crescimento dos EUA em 1,6% deste ano. As previsões de inflação aumentaram, as principais empresas estão alertando sobre vendas e tarifas mais lentas levaram a incerteza comercial sem precedentes.

No entanto, mesmo quando as nuvens de tempestades se reúnem, a maioria das empresas ainda não está explorando um recurso crítico para aumentar seus resultados: seus próprios dados. Esta não é uma nova história. Durante anos, os analistas lamentam os US $ 3,1 trilhões em valor presos nos chamados “dados escuros”, as empresas de informação coletam, mas não usam para a tomada de decisões.

Muito disso são dados internos da força de trabalho, informações sobre pessoas e operações. As empresas ainda não desejam traçar uma linha entre dados de pessoas em silêncio e resultados reais dos negócios, desde as vendas até a satisfação do cliente e até a retenção de funcionários.

Mas a IA está de repente mudando tudo. Com novas ferramentas, as empresas estão descobrindo como usar esses dados enterrados e ver enormes pagamentos. Aqui está como.

O problema não é uma escassez de dados. É uma desconexão de dados

Apesar de uma década de conversas sobre decisões orientadas a dados, 85% das empresas da Fortune 500 ainda não estão usando seus dados da força de trabalho de maneira eficaz. Aqui está o porquê:

• Os silos organizacionais estão vivos e bem. RH, Finanças, vendas e OPs operam em diferentes sistemas, usando métricas diferentes, protegendo diferentes grama.
• As ferramentas são fragmentadas. Mesmo em uma única equipe, plataformas críticas como folha de pagamento, sistemas de desempenho e aprendizado não conversam.
• O insight ainda depende de analistas. Encontrar valor geralmente requer dias de disputa de planilhas, um luxo que a maioria das equipes não possui.

O resultado: bilhões de pontos de dados gerados diariamente, mas muito pouco convertidos em insight ou ação. As abordagens usuais ficam aquém – investimentos maciços em data warehouses, levantando equipes de dados centralizadas ou lançando painéis internos. Essas soluções geralmente perdem a marca, não porque os dados não estão lá, mas porque falta contexto, relevância ou pontualidade.

Quando esses dados não utilizados são sobre sua força de trabalho, o risco se multiplica. À medida que as organizações enfrentam pressão crescente para melhorar a produtividade e reduzir os custos, não agir nos dados da força de trabalho não é apenas ineficiente. É caro.

Isso significa que os esforços de transformação da força de trabalho estão sendo construídos sobre a sensação do intestino, não a insight, as estratégias de mitigação de atrito são genéricas e os investimentos em talentos não são direcionados. Os papéis críticos dos negócios não são preenchidos não porque não há solução, mas porque os dados nunca foram trazidos à tona.

Pegue um provedor de saúde líder com o qual trabalhamos. O trabalho de laboratório parou rotineiramente toda segunda e terça -feira, custando milhões em atrasos. A equipe de operações do laboratório culpou a baixa demanda. Mas os dados de RH contaram uma história diferente: esses dias eram cronicamente com poucos funcionários com enfermeiros qualificados.

Ninguém conectou os pontos porque ninguém tinha acesso a todos os pontos.

Uma vez que a empresa integrou os dados de agendamento de RH com operações de laboratório, eles imediatamente otimizaram o pessoal e recapturaram a receita perdida. Esse é o poder de ativar os dados da força de trabalho.

RELACIONADO: Mark Zuckerberg revela META Superintelligence Labs, nomes que ele escalfou do Openai, Google, Antrópico

Da sobrecarga de informações à inteligência acionável

A questão maior: o verdadeiro perigo aqui não é apenas ‘dados sombrios’. É que a inteligência crítica sobre seu pessoal permanece invisível e desalinhada no exato momento é mais necessário.

E é exatamente aí que a IA entra em jogo. Novas ferramentas de IA estão dando às empresas novas maneiras de fazer e responder a perguntas críticas dos negócios sobre sua força de trabalho em tempo real:

• “Qual localização da linha de frente provavelmente perderá sua meta de vendas semanal?”
• “Que porcentagem de atrito está ligada a um gerente de baixo desempenho?”
• “Onde estamos pagando em excesso por horas extras devido a um agendamento ruim?”

Os assistentes de IA agora permitem que os gerentes da linha de frente conectem os pontos, colocando perguntas em linguagem simples. Nos bastidores, essas ferramentas trocam uma seção transversal de pontos de dados de relatórios de desempenho, plataformas de engajamento, sistemas de participação e até registros de remuneração. Mas o gerente obtém exatamente o que eles precisam: uma resposta específica e uma lógica clara.

Quando isso funciona, não é apenas perspicaz. É operacionalmente uma mudança de jogo. Alguns exemplos que eu vi de perto:

• O Reece Group usou a IA para passar do planejamento da força de trabalho de precisão. O distribuidor global de encanamento e HVAC tiveram um problema: a alta rotatividade e o absenteísmo estavam ameaçando um piloto crítico de entrega no mesmo dia. Ao combinar o histórico de ausência, os dados de engajamento e as listas de turnos, eles previam as ausências com duas semanas de antecedência, dando tempo ao OPS para reequilibrar o trabalho e evitar a interrupção do serviço.
• Providence bateu a IA para encontrar o ponto ideal para solavancos de pagamento. O provedor de saúde alavancou os dados históricos para determinar se e como o aumento dos salários afetaria a rotatividade e o que isso custaria. Providence descobriu que apenas uma pequena fração de seus empregos era sensível à compensação. Ao pagar a um grupo de funcionários direcionados, a empresa economizou US $ 6 milhões por ano e aumentou a retenção em 30% em áreas -chave.

Relacionado: Como integrar efetivamente a IA em sua estratégia organizacional

4 takeaways para líderes

Para os líderes que desejam aproveitar a IA para conectar seus próprios dados da força de trabalho com os resultados dos negócios, vale lembrar que a tecnologia é apenas parte da solução. Algumas etapas importantes:

1. Não comece com tecnologia. Comece com KPIs compartilhados. As transformações mais bem-sucedidas começam alinhando as equipes multifuncionais nos resultados dos negócios, não em pilhas de ferramentas.

2. Construa papéis híbridos para preencher os silos. Funções como Retops, FinOps e Analytics de Pessoas são projetadas para sentar -se entre as organizações. Eles são o tecido conjuntivo que transforma dados em estratégia.

3. Concentre-se no primeiro design do usuário. A IA só é útil quando é acessível. Para democratizar as idéias, priorize as ferramentas que permitem que os gerentes da linha de frente façam perguntas reais e obtenham respostas acionáveis ​​sem habilidades técnicas.

4. Esteja pronto para verdades duras. Os dados da força de trabalho podem expor ineficiências, desigualdades e difíceis desafios de gerenciamento. As empresas que tenham sucesso não verão apenas os problemas. Eles vão agir sobre eles.

Quase todas as empresas têm uma abundância de dados. É o que eles fazem com isso que conta. As organizações que exploram o poder de conectar dados da força de trabalho com dados de negócios tomarão decisões mais rápidas, inteligentes e lucrativas. Quando as empresas estão falidas na taxa mais alta em décadas, ficar no escuro não é uma opção.