Ein zweites Beispiel ist die Verwendung von Collaboration Analytics zur effizienteren und effektiveren Bewertung des Performance-Managements – einem wichtigen Treiber für Mitarbeiterengagement12 – bei W.L. Gore & Associates, einem F&E-basierten Produktentwicklungsunternehmen. Die flache, gitterartige Organisationsstruktur des Unternehmens ermöglicht es den Mitarbeitern zu entscheiden, welchen Führungskräften sie folgen sollen, und macht sie auch direkt gegenüber Mitgliedern ihrer Teams verantwortlich. Ohne traditionelle Chefs, um die Leistung zu bewerten, bewerten sich teammitglieder gegenseitig nach ihren Beiträgen (Wirkung und Effektivität), die zu einem Ranking aller Mitarbeiter in ihren Unternehmensbereichen zusammengefasst werden. Das Ranking-System wird dann verwendet, um die Vergütung der Mitarbeiter zu bestimmen. Verwenden Sie dieses Muster, um die Meinung einer Gruppe von Personen rund um ein Thema (mit Facetten) zu sammeln. Die Arbeit im selben Krankenhaus oder derselben Universität bedeutet nicht notwendigerweise, dass die Personen einander bekannt sind oder dass sie etwas anderes als die gemeinsame Vertrautheit mit der Organisation haben. Der Einfluss der geographischen Nähe wird jedoch in allen drei Kollaborationssoziogrammen sichtbar. Dies spiegelt wahrscheinlich den praktischen Anreiz wider, einen Partner zu wählen, der in der Nähe ist: persönliche Treffen sind leichter zu organisieren, und der Wille zur Zusammenarbeit kann durch heitere Treffen auf dem Flur, auf dem Parkplatz oder in der Cafeteria gefördert werden [17]. Die Schwierigkeit, komplexes Wissen zu übertragen oder die Dynamik eines Projekts aufrechtzuerhalten, ist schwieriger, wenn die geografische Entfernung die Zugriffshäufigkeit begrenzt.
Dies hat Auswirkungen auf ein geografisch verteiltes Netzwerk wie das TRN, das Möglichkeiten für mehr Zusammenarbeit identifiziert, wenn Strategien zur Überbrückung von Standorten angegangen werden. Zu den Schwierigkeiten bei der Durchführung geografisch verteilter Kollaborationen gehören die Notwendigkeit einer angemessenen Technologie für die virtuelle Kommunikation (z. B. Telekonferenzen oder Videolinks), die Anpassung an diese Form der Kommunikation, bei der soziale Hinweise wie Körpersprache und Ton der Stimme verloren gehen oder verborgen werden können, und ein veränderter Prozess des Vertrauensaufbaus zwischen Partnern [16]. Soziale Interaktion enden neben den eigentlichen Projektverhandlungen als nützlich für den Aufbau von Fernvertrauen [47], so dass die Einbeziehung von gesellschaftlichen Zusammenkünften in den TRN-Veranstaltungskalender empfohlen würde. Die Stärken derselben Standortkooperationen können durch den bereiten lokalen Zugriff auf Ressourcen an jedem der Standorte gefördert werden. Glücklicherweise ist es möglich, die Zusammenarbeit mit Hilfe von Analysen zu verbessern. Vielleicht war die erste Branche, die dies tat, profiprofessionelle Basketball, wo quantitative Analysten erkannten, dass einige Spieler relativ wenig punkteten, aber irgendwie ihre Teamkollegen erfolgreicher machten.3 Ähnliche Analysen wurden von professionellen Fußballteams durchgeführt, um herauszufinden, welche Muster des Passens am effektivsten für das Toreschießen unter bestimmten Umständen waren.4 Aber die Vorteile des Verständnisses von Mustern der Zusammenarbeit können in allen Arten von Organisationen geerntet werden.
Die Verwendung von Analysen, um kollaborative Aktivitäten transparenter zu gestalten, hilft Unternehmen, bisher unsichtbare Treiber für Umsatzproduktion, Innovation und Mitarbeitereffektivität zu identifizieren und zu nutzen. Analytics ermöglicht ein besseres Management von Kosten, die für Unternehmen zu enormen, aber versteckten Kosten geworden sind, die von Mitarbeitern nicht selbst verwaltet werden können. Gore begann, einen schlankeren, zweigleisigen Ansatz zu erforschen, indem er Kollaborationsanalysen verwendete. Erstens ermöglichten automatisierte Umfragen einzelnen Mitarbeitern, Netzwerkkontakte zu benennen, die ihre Beiträge am besten kannten. Ein Algorithmus erfasste alle diese Kollaborationsdaten und zeigte, welche Mitarbeiter in der Lage waren, Paare anderer Mitarbeiter zu vergleichen. Eine zweite automatisierte Umfrage stellte dann jedem Mitarbeiter paarten Mitarbeiter vor, die sie eindeutig bewerten konnten, und bat sie, zu bewerten, ob einer ein stärkerer Beitragszahler als der andere war.