Filter
ChatGPT Hoe LinkedIn met big data onze wereld verbetert
Een monopolie-positie is altijd prettig. LinkedIn zit in zo’n comfortabele positie. Als hét wereldwijde zakelijke sociale medium heeft het z’n sporen inmiddels verdiend. Met meer dan 300 miljoen gebruikers wereldwijd heeft het daarnaast een schat aan data beschikbaar. Als data-analist bij LinkedIn zou ik elke dag met plezier naar m’n werk gaan. Man, wat een interessante data! En doen ze er ook nog wat nuttigs mee? Nou en of!
Meer dan een jaar geleden introduceerde LinkedIn een plek voor studenten: LinkedIn Universities. Steeds meer studenten maken LinkedIn-profielen aan tijdens hun studietijd. Daarnaast hebben miljoenen werkzame personen het onderdeel ‘Educatie’ op hun profiel ingevuld. Een grote bak met data die vraagt om analyse.
De meeste kans
Informatie op het gebied van opleiding geeft veel analysemogelijkheden, met name bij het onderzoeken van de relatie tussen scholen, opleidingen en bedrijven. Een simpele vraag die waardevolle kennis uit deze data kan onttrekken is: welke opleidingen en scholen zorgen voor de meeste kans op een goede en interessante baan? Deze informatie over welke scholen de meeste kans bieden op een functie in het bedrijfsleven kan scholieren helpen bij hun beslissing.
Data-analisten van LinkedIn definieerden als eerste zo’n ‘gewenste functie’. Studies die opleiden tot accountant, maar waarbij de meeste afgestudeerden een baan vinden in andersoortige functies zijn niet relevant. Een studie wordt gekozen om in het betreffende vakgebied te gaan werken. Kortom, hoeveel accountants die momenteel een baan hebben, studeerden aan een bepaalde opleiding?
‘Desirable companies’
Met behulp van die data heeft LinkedIn bedrijven geïdentificeerd die als ‘begeerlijk’ beschouwd worden. Op basis van het jobhopping-gedrag van medewerkers, gecombineerd met het verlooppercentage onder personeel, kon het bedrijf deze organisaties aanwijzen. Bedrijven die veel personeel van concurrenten aantrekken en dit personeel ook nog eens weet te behouden, krijgen daarom een hogere waardering. Leveren universiteiten veel afgestudeerden aan deze bedrijven, dan is dat positief voor de studierichting en onderwijsinstelling.
Het resultaat mag er zijn. Een overzicht van de beste universiteiten van de Verenigde Staten, Canada en het Verenigd Koninkrijk. Andere landen volgen snel. Dit real-time overzicht is ‘based on career outcomes‘, zoals LinkedIn het treffend verwoordt. Een goede manier voor studenten om zich te oriënteren en voor onderwijsinstellingen om prestaties te monitoren.
Economische problemen oplossen
Maar LinkedIn wil nog een stapje verder gaan. Verschuivingen in functies, groeiende en krimpende bedrijfstakken en trends in openstaande en vervulde vacatures: LinkedIn kan een complete analyse maken van economische bewegingen. Dat is de reden van de introductie van de Economic Graph. En hoewel LinkedIn duizenden werknemers heeft, wil het bedrijf de kracht van de massa gebruiken om mee te denken over economische ontwikkelingen.
Met de Economic Graph challenge wil LinkedIn onderzoekers, academici en data-fanatici prikkelen om mee te denken over economische vraagstukken. Met als uitgangspunt de data die LinkedIn bezit. Een mooi crowdsourcing-initiatief. Een manier waarop je big data nog beter kunt uitbuiten: laat de ‘crowd’ aan het werk als verlengstuk van je eigen analisten. LinkedIn heeft het begrepen.
Data voor het oprapen
Ik ben erg benieuwd naar wat LinkedIn nog meer voor ons in petto heeft als het haar eigen data verder onder de loep gáát nemen en láát nemen. Kunnen we voorspellen waar de conjunctuur naar toe gaat? Ook op de lange termijn zijn er veel mogelijkheden. Welke skills zijn populair? Wat zijn de trends bij de invulling van vacatures? Hoe ontstaan netwerken van connecties? Wat zijn de snelst groeiende continenten en waar komt die groei vandaan? Wat mij betreft zien we meer van dit soort waardevolle initiatieven!
Foto intro met dank aan Fotolia.
Over de auteur
