Дэвид Стерт - Great work. Как найти вдохновение, полюбить свою работу и начать зарабатывать

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.

Вероятность события – это просто соотношение ожидаемого количества случаев, когда событие случится, к ожидаемому количеству случаев, когда оно не случится. К примеру, вероятность, равная 3, значит, что мы можем ожидать, что случаев, когда событие случится, в 3 раза больше, чем когда оно не случится, тогда как вероятность, равная j, значит, что мы ожидаем, что только в j случаев событие случится.

С набором данных для данного конкретного исследования все закодированные по типу «предиктор – ответ» вероятности были протестированы как индивидуальные модели. Набор данных включал в себя 5 вариантов ответа и 13 вариантов предиктора, что дает нам 60 индивидуальных моделей. Из этих моделей 46 представляют статистически значительное соотношение между предиктором и ответом, с вероятностью от 17,13 до 1,64. Наиболее экстремальный случай (17,13) может быть объяснен следующим образом: вероятность, равная 17,13, информирует нас о том, что модель предсказывает вероятность того, что сотрудник получит результат «Страсть» (выходная переменная) в 17,13 раза больше для сотрудников, которые выполнили действие «Смотреть» (предикторная переменная), чем для тех сотрудников, которые этого действия не выполнили.

Другой способ посмотреть на данные

Мы анализировали набор данных исследования разными способами. Но один из самых интересных вопросов, которым мы задавались, был «А что случится с вероятностью достижения результата, если наличиствуют два или больше навыка?». Чтобы ответить на этот вопрос, исследователи рассматривали случаи, где больше одной предикторной переменной (действие) работали вместе, и измеряли совокупный эффект на выходные переменные (результаты). И вот что мы увидели.

В целом данные исследования выдающейся работы помогли нам понять, каковы пять наиважнейших навыков, которые влияют на выдающуюся работу, и как эти навыки работают вместе. В приведенных таблицах мы можем увидеть, что работник практически с вероятностью в пять раз больше достигнет финансовых результатов, если он или она используют навыки спрашивать, разговаривать, улучшать и осуществлять вместе. Аналогично этому, сотрудник с вероятностью в десять с половиной раз больше сделает работу, которую другие будут считать важной, когда он или она смотрят, говорят, улучшают и осуществляют вместе.

Это исследование было сфокусировано на недавних проектах в сотнях организаций в дюжине индустрий по всему миру. Forbes просил 1013 «сотрудников», «руководителей» и «бенефициаров» ответить на вопросы об особенных проектах за последние три месяца. Целью было добавить ясности в наше понимание «выдающейся работы» и собрать сведения о том, что вызывает ее по разным точкам зрения.

Мы также стремились открыть новые догадки, которые подтвердят (или опровергнут) значимость пяти навыков, полученных в исследовании признанной работы O.C.Tanner, благодаря изменению определений навыков и тестированию их на всех потенциальных исполнителях выдающейся работы.

Каждый опрос просил участников описать недавний проект и оценить его уровень успеха от «гораздо ниже ожиданий» до «гораздо выше ожиданий». Мы распределили проекты по категориям: «гораздо выше ожиданий» как выдающаяся работа, «отвечает ожиданиям» – как хорошая работа и «гораздо ниже ожиданий» – как плохая работа.