Dzień dobry,
Co za tydzień. W ramach konferencji Infoshare w Gdańsku:
Odbyło się spotkanie społeczności. Bez znanej wcześniej agendy na 2 godziny przyszło kilkadziesiąt osób. Była okazja posłuchać przeprowadzonych przez Jarka Kuźniara i mnie rozmów z Tomkiem Karwatka (Catch The Tornado), Michałem Rokoszem (Inovo Venture Partners), Michałem Sadowskim (Brand24), Łukaszem Anwajlerem (Ramp Network) (dzięki!).
Fantastyczne rozmowy. Dziękuję wszystkim, którym udało się przyjść na spotkanie, to dla mnie ogromna przyjemność i radość zobaczyć tyle osób czytających newsletter na żywo.
Nagranie rozmów ze spotkania będzie opublikowane w ramach podcastu Technologicznie.
Kolejne spotkanie jeszcze w tym roku, w Warszawie.
Miałem przyjemność również zaprezentować moją tezę na głównej scene dotyczącą rozwoju algorytmów i startupów wspieranych sztuczną inteligencją. Jeżeli nagranie będzie dostępne – pojawi się w newsletterze na pewno.
Ostatnim wydarzeniem było nagranie Technologicznie na żywo. To było coś nowego robić podcast przy kilkuset widzach. Efekt usłyszycie wkrótce.
W zasadzie to kończy moją aktywność w ramach otwartych konferencji w tym roku, robię to rzadko, będę jeszcze rzadziej w 2023.
PS. Niedługo wracają spotkania 1:1 społeczności (w ciągu 1-2 tygodni).
W dzisiejszym wydaniu między innymi:
- Prawdziwe koszty odejścia pracowników z pracy
- Rynek pracownika, czy rynek pracodawcy w branży technologicznej?
- Model biznesowy Save Now Pay Later
- Lookism – czy algorytmy dyskryminują “brzydkich” ludzi?
- Jak uczyć dzieci w technologicznym świecie?
- Jak pielęgnować osobistą bibliotekę?
- 47 krajów dla cyfrowych nomadów
Naprzód!
Prawdziwe koszty odejścia pracowników z pracy
Blisko 70% organizacji doznaje utraty wiedzy, informacji lub własności intelektualnej w wyniku rotacji pracowników. 70%.
The investment in employees lost to attrition is also hard to estimate. Employees tend to become more valuable with each passing day they’re employed. It’s one primary reason for asking for and receiving a raise. Salary, benefits, bonuses, and training that accrue to a person during their tenure represents a large financial outlay.
Organizations exchange performance for salary, so each paycheck represents a literal investment in the employee receiving payment. The payoff is an employee whose expanded knowledge, skillset, and stature will increasingly play impactful roles in an organization’s future. “These are the people who have so much tribal knowledge and are so valuable that they become almost irreplaceable,” writes the Harvard Business Review. When a person quits, it’s as though they sell their stock. Organizations might break-even on a cost-to-performance basis, but the value of their investment drops to zero. What’s more is that employees bring those long-hoped-for dividends to their new roles, often working for direct competitors.
Bardzo często dzisiaj nowy pracownik, w tej samej roli otrzyma większe wynagrodzenie niż obecny, na tym samym stanowisku. Koszt przyciągania talentu. A jak wygląda koszt jego utraty?
W przypadku dobrych pracowników, którzy postanawiają odejść jest najpierw zdziwienie, potem próba zatrzymania (pobudka, może damy więcej pieniędzy), okazuje się, że za późno i powstaje luka w organizacji. Nie to jest luka wyłącznie czasowa, którą w kilka miesięcy wypełnimy inną osobą.
Są koszty bezpośrednie i pośrednie utraty pracowników.
W jaki sposób lepsze słuchanie pracowników, może zmniejszyć odejścia z organizacji?
Monitor changes to your culture. When employees quit, find out why. People are only attracted to different organizations because they believe they’ll have a better experience somewhere else. Something is missing in their professional life, and they’re willing to take a chance somewhere new and largely unknown to find out what it is.
Annual surveys that benchmark cultural development are necessary, but not enough. Once-a-year annual surveys are a good start in the battle against attrition. They’re great for helping to identify systemic issues in an organization’s culture and holding leaders to account for action and change-management. Given the velocity of change in the labor markets and society in general, they’re simply not enough. Continuous listening surveys provide actionable feedback that help leaders see problems and activate responses before the problems spin out of control.
Analytically model employee turnover. Become conversant in what variables influence turnover. Machine learning (ML) can make accurate predictions about the kind of people who are likely to quit. Locating hot-spots in your organization can spur proactive recruiting and risk mitigation. It can also lead to the discovery of winning retention strategies and the implementation of best practices.
Believing an employee might be at risk for attrition gets you halfway there. No statistical analysis or cost accounting will help you to actually intervene. An ongoing dialogue with your workforce can help you cultivate the kind of relationship that makes people attrition-proof. Stay interviews will help you understand why people in mission-critical roles and departments have remained with the company.
Jest to szczególnie istotne przy większych firmach, gdzie odejścia pracowników są komórką w Excelu działu HR, a ich “ważność” nie jest policzalna.
Problem, w tym, że najlepsi ludzi w takich organizacjach odchodzą najpierw.
Rynek pracownika, czy rynek pracodawcy w branży technologicznej?
Rynek pracownika, czy pracodawcy? Trwa mocowanie na argumenty. Z jednej strony konkurencja o talent, z drugiej zamrażanie zatrudniania.
Z odpowiedziami, na to co się dzieje na rynku pracy sektora technologicznego przybywa Hires z najnowszym raportem. Co w środku?
Najważniejsze wnioski
While it might appear power is shifting to employers, it’s still a candidates’ market. For now.
- The ‘time to hire’ metric in 2022 is up worldwide (across US, UK, and Canada) year- over-year (YoY). This doesn’t mean an overall slowdown in tech hiring – simply, the time to acquire tech candidates is increasing.
- Candidates remain emboldened. If denied an expected raise in the next six months, the majority (89.9%) would start looking for a new job immediately. Half expect salary increases by 2023.
- Jobseekers are split on the employer/employee dynamic – 27.2% of candidates surveyed believe power will shift to employers by January 2023, while 24.3% believe the candidate-driven market will continue.
Tech salaries continue to rise, despite a dip during the pandemic.
- Salaries rose globally across almost all roles except product management.
- San Francisco (SF) Bay Area local salaries led markets, with an average local salary of $174,063, with Seattle ($168,069), New York ($161,128), Boston ($158,548), and Austin ($157,612) trailing respectively.
- Whether you live in a large or medium tech hub, or work remotely, there’s the smallest difference in pay to date. In 2022, average local salaries for candidates in mid-sized markets (medium tier 2 cities Boston, LA, Seattle) caught up to larger tech hubs.
- Engineering management roles still pay highest among tech roles across the US, UK, and Canada. US average local salaries for the role clock in at $196,000 while Engineering Management remote salaries are now on average $198,000 – the highest paying salary overall across every market globally.
- Salary levels at corporates (companies with 300+ employees) versus startups (companies with <300 employees) in the US narrowed to the smallest difference to date since 2019, while UK salary differences between corporate versus startups narrowed as well, but still remains the largest salary difference at 4.5%.
Remote work pays. Employers are showing more openness to hire anywhere.
- Businesses of all sizes show more openness to interviewing candidates from other locations, but still prefer to remain within two time zones overall.
- Candidates are also continuing to show strong interest in remote roles with 98% preferring a remote or hybrid opportunity.
- Remote-first employers might have an edge, with candidates showing a marked preference for remote-only roles. In January 2022, 18% of active jobseekers indicated that they were open to “Only Remote” roles. By May 2022, it had climbed to 31% of all active job seekers on Hired’s platform.
- Remote roles are paying $3,000 more on average globally in 2022, and 15 out of 17 core markets analyzed had higher remote salaries versus local pay – up from 13 markets in 2021.
- The top three highest paying markets in the US for remote salaries remained SF Bay Area ($175,909), Seattle ($171,432), and New York ($162,261) in 2022 – with remote salaries climbing for all three markets across the board YoY.
- In the US, SF Bay Area was the only market in which local salaries continued to pay higher than remote salaries (by 1%).
- Globally, 2022 average remote salaries in London are 3.6% less than salaries local to London – the lowest remote to local salaries percentage difference seen across all markets globally.
If tech workers already were working in a fully or partially remote/hybrid role, 32.6% of survey respondents would trade it for a fully in-person role with a higher salary.
- The most compelling benefits for candidates in 2021 to 2022 were the same: flexible work schedules/models ranked first.
Z tego raportu należy podkreślić oczywiste rzeczy:
Te mniej oczywiste również:
Jeżeli ktoś dziś dyskutuje o tym, jak zmusić pracowników firm do powrotu do pracy 9-5 z biura, to trzeba ostatni raz głośno powiedzieć, że ten pociąg zdaniem pracowników już odjechał.
Pełny raport dostępny tutaj.
Save Now Pay Later
Model biznesowy Buy Now Pay Later (BNPL) jest opcją finansowania dla konsumentów i firm, który pozwala zakupić produkt teraz, a zapłacić za niego w późniejszym czasie.
- Istnieje kilka firm, które oferują tę usługę, takich jak Afterpay, Klarna i Affirm.
- Klienci zazwyczaj mają możliwość dokonywania płatności w okresie 2-3 miesięcy i nie są obciążani żadnymi odsetkami od pozostałego salda.
- Niektóre firmy mogą wymagać wpłaty zaliczki, inne nie.
Z inspiracji tym modelem, w ostatnim czasie powstało kilka firm działającym w przeciwnym kierunku.
Save Now Pay Later
Model biznesowy Save Now Buy Later to sposób, w jaki firmy oferują swoim klientom możliwość płacenia za zakupy w momencie, w którym na niego zaoszczędzą.
- Klienci mogą wybrać zapłatę za swój zakup w całości w momencie zakupu (tradycyjny zakup) lub dzięki modelowi SNPL mogą wybrać zapłatę za swój zakup w czasie.
- Firmy, które oferują model biznesowy Save Now Buy Later zazwyczaj naliczają odsetki od pozostałego salda, a klienci są zazwyczaj zobowiązani do dokonywania miesięcznych płatności.
SNBL umożliwia konsumentom rozpoczęcie planu oszczędnościowego wspólnie ze sprzedawcą, a tym samym oszczędzanie na określony zakup w czasie.
Sprzedawca zazwyczaj oferuje konsumentowi zachętę finansową, taką jak zniżka, a gdy konsument zaoszczędzi pełną kwotę, będzie mógł dokonać zakupu.
- W punktu widzenia konwersji ten model pozwala na zwiększenie ilości zamówień, nawet jeżeli są to transakcje odłożone w czasie.
Jak działa model Save Now Pay Later?
From a CX point of view, on the product page of a merchant that offers SNBL, there will usually be an option to start a savings plan.
The consumer then links their bank account to the SNBL provider and starts saving money towards the specific product “with the merchant”, i.e. with what appears to be a savings account linked to the merchant.
The amount the consumer needs to save and the cadence at which money will be withdrawn from their bank account is determined by the purchase price as well as the date by which the consumer wishes to complete the purchase.
Wygląda to, na przykład tak:
Jedną z firm, która oferuje taki model jest Acrua Savings.
Ekonomika tego modelu stawia przed sprzedawcami różne pytania. Czy sprzedawca udziela gwarancji ceny i dostępności konsumentowi? Jak obsłużyć proces klienta, który się rozmyśli? Co jeżeli nie uda się osiągnąć celu w czasie?
Z drugiej strony sam model wydaje się bardzo ciekawym potencjałem dla sprzedających i kupujących.
- Konsumenci mogą mieć większą chęć zakupu, jeżeli czują, że będą systematycznie na niego oszczędzać, oraz ten model nie musi wliczać się do ich zobowiązań kredytowych, jak BNPL.
- Sprzedający mogę zobaczyć dzięki niemu większą liczbę transakcji i lepszą konwersję na zakup oraz potencjał do sprzedaży dodatkowych produktów (cross-sell i up-sell).
Będzie bardzo interesujące zobaczyć, czy ten model stanie się ofertą graczy BNPL, czy raczej powstaną konkurencyjne do BNPL firmy w tym modelu (mniej prawdopodobne).
Z punktu widzenia sprzedawców – bardzo ciekawy i wydający się przyjazny dla konsumenta model.
Lookism, czyli czy algorytmy dyskryminują “brzydkich” ludzi?
Lookism. Forma dyskryminacji ze względu na wygląd fizyczny.
Po tym artykule nie mam co otwierać konta na TikTok. Autor artykułu miał następujące przeczucie na temat TikToka:
However, what surprised me when I first looked into it is not the format/content, but people in the videos recommended by the app. The faces of people I see there seemed very different from what I see in everyday life, in the direction of — how can I put it? — “conventional attractiveness”.
Potem postanowił przeanalizować dane, aby sprawdzić, czy faktycznie istnieją naukowe dowody na potwierdzenie tego przeczucia za pomocą uczenia maszynowego.
Wnioski:
- Wygląd/twarz twórcy treści jest bardzo predykcyjna dla liczby jego subskrybentów w TikTok. Jeżeli algorytm oceni Twoją twarz jako atrakcyjną, jest większa szansa, że będziesz wybieran/a do wyświetlania.
- Najprawdopodobniej algorytmy rekomendacji TikTok używają twarzy jako jednego z sygnałów, promując w ten sposób lookism.
Naturalnie jednym z rozwiązań byłoby uczynienie modeli rekomendacji “ślepymi” na twarze, ale pomarzyć zawsze wolno.
Jednym z najtrudniejszych aspektów pracy algorytmów zarówno w formie uczenia maszynowego, czy uczenia głębokiego będzie ich wyczucie (wyuczenie) na rozpoznawanie dyskryminacji.
W mojej opinii nigdy nie będzie w 100% trafne, ponieważ nawet my mamy problem z uzgodnieniem między sobą, co jest, a co nie jest formą dyskryminacji.
Cały proces, użyte narzędzia jest opisany tutaj. Naprawdę warto zobaczyć, w jaki sposób od strony technicznej można taki projekt wykonać.
Jak uczyć dzieci?
Bardzo dobry esej, w którym Packy McCormick dzieli się swoimi przemyśleniami na temat najlepszego sposobu przygotowania dzieci do życia w nowoczesnym i technologicznym świecie.
Lista najważniejszych:
- Podsycać ciekawość. Pozwól im odkrywać rzeczy, które je ekscytują, a następnie daj im przestrzeń, czas i zasoby do eksploracji.
- Zachęcaj do głębokiego rozwoju – poznania rzeczy najlepszych na świecie w dziedzinach, które je interesują.
- Naucz je myśleć systemowo.
- Zostaw miejsce na samotność i zabawę.
- Pokaż im wartość optymizmu.
- Nadaj priorytet szczęściu.
Interesujące analizy i trendy
- The $100 Trillion Opportunity in Marketplaces LINK
- The Future of FemTech Is Here LINK
- Should you buy a media company? LINK
- The Creator Economy vs The Power Law LINK
- Creating products that stick (and how to do it) LINK
- Advice for an Open-Ended Job Search LINK
- How to nurture a personal library LINK
- Next Gen Real Estate: Activating the PropCo/OpCo Flywheel LINK
- How do you know your startup has a positioning problem? LINK
- Baby steps: Parenting as a founder LINK
- 47 Countries With Digital Nomad Visas – The Ultimate List LINK
Przemyślenia
Annie Duke:
“A common misconception about quitting is that it will slow your progress or stop it altogether. But it is the reverse that is actually true.
If you stick to a path that is no longer worth pursuing, whether it’s a relationship that isn’t going well, or a stock that you’re invested in that’s losing money, or an employee that you’ve hired who isn’t performing, that is when you lose ground.
By not quitting, you are missing out on the opportunity to switch to something that will create more progress toward your goals. Anytime you stay mired in a losing endeavor, that is when you are slowing your progress.
Anytime you stick to something when there are better opportunities out there, that is when you are slowing your progress. Contrary to popular belief, quitting will get you to where you want to go faster.”
Dziękuję za Twój czas,
Bartek
