Science >> Wetenschap >  >> anders

Zullen werknemers na fusies en overnames vertrekken of blijven? Onderzoekers zeggen:vraag het maar aan AI

Credit:Unsplash/CC0 Publiek Domein

Binnen kennisintensieve industrieën zoals technologie is er een vrijwel onverzadigbare vraag naar hooggekwalificeerde werknemers, zoals software-ingenieurs en app-ontwikkelaars. De behoefte aan talent motiveert vaak fusies en overnames (M&A), in een proces dat in de volksmond bekend staat als 'acqui-hiring'.



Zoals echter bekend is, kunnen verschillen in bedrijfscultuur en organisatorische afwijkingen tijdens het fusieproces resulteren in talentverloop, spanning en een groter risico op mislukking.

In een recent werkdocument gepubliceerd in SSRN Electronic Journal Jingyuan Yang, hoogleraar informatiesystemen en operations management aan het Donald G. Costello College of Business van de George Mason University, ontdekt hoe je het personeelsverloop efficiënt kunt voorspellen met behulp van een innovatieve AI-gestuurde aanpak. Dit artikel is ook co-auteur van Denghui Zhang van het Stevens Institute of Technology, en Hao Zhong van de ESCP Business School in Parijs.

"Het primaire doel van dit onderzoek is het onderzoeken van de effecten van fusies en overnames op het personeelsverloop in diverse bedrijfssectoren, en het verkrijgen van generaliseerbare inzichten in verlooppatronen", zegt Yang.

Binnen deze studie gebruikten de onderzoekers een grootschalige dataset uit de echte wereld die informatie bevatte over de geschiedenis van overgenomen werknemers en informatie over de fusie- en overnamebedrijven voor hun methodetest. De onderzoekers ontwikkelden vervolgens een 'dual-fit heterogene grafenneuraal netwerk' om het talentverloop in de fusiefase van bedrijven te voorspellen.

Door middel van data-analyse hebben ze een Organization to Organization fit (O-O) gemeten, die de overeenkomsten tussen de twee bedrijven vergelijkt, en een Person to Organization fit (P-O), die de compatibiliteit tussen individuele functies en de nieuwe bedrijfscultuur analyseert.

Yang benadrukt het onderscheid tussen dit onderzoek en traditioneel M&A-onderzoek, dat "zich alleen richt op relaties tussen bedrijven, zonder perspectief op de compatibiliteit van werknemers", zegt Yang.

De O-O fit en de P-O fit zijn omgezet in een grafiekstructuur, die kan worden gebruikt om de algehele fit van de twee bedrijven te kwantificeren. Deze score bepaalt op zijn beurt het waarschijnlijke verloop voor specifieke functietitels.

De onderzoekers ontdekten dat de voorspellende prestaties van hun oplossing vier conventionele machine-learning-modellen overtroffen die op dezelfde gegevens waren getraind, evenals drie bestaande grafische neurale netwerkmodellen.

Op basis van bestaand onderzoek komt Yang tot de conclusie dat maar liefst "30 procent van de gefuseerde bedrijven binnen drie jaar is vertrokken", wat de ernst van het probleem onderstreept. Vanuit het perspectief van Yang lijkt dit een groot verlies en een mislukking van een op werving gerichte overname.

Maar wat betekent de aanpak van Yang voor bedrijven die in de toekomst mogelijk betrokken raken bij ‘acqui-hiring’ en hetzelfde lot willen vermijden? Voor Yang dient dit AI-model als een potentieel hulpmiddel dat de besluitvorming en de effectiviteit van organisaties in het algemeen kan ondersteunen.

"Als ze deze informatie vooraf hebben, denk ik dat dit voor hen zeer nuttig zal zijn bij het nemen van de fusiebeslissing en ook om te zien of dit de meest effectieve manier is om het team aan te nemen en te behouden."

Ze stelt dat dit voorspellende model antwoord geeft op de vraag ‘Welk type medewerker zal er het meest door getroffen worden en het HR-team kan snel vaststellen of de gewenste medewerker vertrekt of niet.’ Ook bevatten de twee overeenkomsten informatie die nuttig is bij het evalueren van het fusie- en overnameproces, om te zien of "er op bedrijfsniveau een hoge compatibiliteit bestaat, en op individueel niveau om te zien of de toekomstig overgenomen werknemer tevreden zal zijn en bij een bedrijf zal blijven." P>

Nauwkeurige voorspellingen van het personeelsverloop per functie stellen overnamebedrijven ook in staat proactieve stappen te ondernemen om bedrijfskritische werknemers te behouden die mogelijk een hoog risico lopen om te stoppen. "Het helpt hen bij het bepalen van hun retentiepakket... [er zijn] veel strategieën om de werknemers te identificeren die ze echt willen werven", zegt Yang.

"Dit kan hen helpen de juiste verwachtingen te koesteren. Bedrijven moeten rekening houden met de geschatte kosten van hun retentiepakket voordat ze de fusie- en overnameovereenkomst aangaan."

Maar is ‘acqui-hiring’, gezien de grote waarschijnlijkheid van omzet en de daaruit voortvloeiende retentiekosten, in de meeste gevallen wel een goed idee? “Ik denk dat het nog lang trending zal zijn, omdat het nog steeds veel voordelen met zich meebrengt. Acquirers krijgen niet alleen de unieke producten en technieken, maar er is ook een zachte kennisset onder de overgenomen medewerkers die echt waardevol is. Dus ik denk dat dit strategie zal dominant blijven op technologisch gebied", zegt Yang.

Meer informatie: Denghui Zhang et al., Acqui-hiring or Acqui-quitting:Data-driven Post-M&A Omzetvoorspelling via een Dual-fit Model, SSRN Electronic Journal (2023). DOI:10.2139/ssrn.4389063

Aangeboden door George Mason University