بررسی تاثیر داده محوری بر تصمیم گیری منابع انسانی

تاثیر داده محوری بر تصمیم گیری منابع انسانی

در این دوره که اطلاعات ، ارزشی برابر با پول و سرمایه دارد ، منابع انسانی بیشترین سود را از تحولات داده محور می‌ برد . امروزه ، متخصصان حوزه منابع انسانی صرفا به بایگانی پرونده ها و ارزیابی نمی پردازند ، بلکه از ابزار های تحلیلی پیشرفته جهت شناسایی الگو های پنهان ، پیش بینی نیاز های نیروی کار و تجویز مداخلات هدفمند استفاده می کنند .

از استخدام و مدیریت عملکرد گرفته تا آموزش و تهیه برنامه های رفاهی پرسنل ، شیوه های داده محور تاثیری شگرف بر تصمیمات انسانی گذاشته اند . موضوع نوشتار پیش رو،  به بررسی تاثیر داده محوری بر تصمیم گیری های مربوط به منابع انسانی اختصاص دارد . ادامه مطالب را از دست ندهید .

رویکرد های تحلیلی اصلی در تصمیمات منابع انسانی داده محور

تحلیل های مدرن منابع انسانی ، معمولا از چهار مرحله تشکیل می شوند :

• تحلیل های توصیفی ( چه اتفاقی افتاد ؟ )

تحلیل های توصیفی ، داده های تاریخی و کنونی نیروی کار را در قالب داشبورد ها و کارت های امتیاز جمع آوری می کند . شاخص هایی نظیر زمان استخدام ، نرخ گردش نیروی کار ، هزینه های پرداختی و تکمیل دوره های آموزشی در یک نگاه قابل مشاهده خواهند بود . سیستم های کنترل تردد اعم از دستگاه های ساعت زنی ، اسکنر های بیومتریکی و نرم افزار های حضور و غیاب ابری ، با این داشبورد ها یکپارچه شده و اطلاعات دقیقی در خصوص وقت شناسی ، غیبت ها و اضافه کاری وارد این داشبورد ها می کند . تیم های منابع انسانی با شناسایی موارد غیرعادی ، به بررسی علل ریشه ای آن ها می پردازند .

• تحلیل های تشخیصی ( چرا این اتفاق افتاد ؟ )

تحلیل های تشخیصی افزون بر اعداد و ارقام خام ، همبستگی ها و عوامل علی را نیز بررسی می کند . متخصصان منابع انسانی با محاسبه همبستگی احساسات ابراز شده در مصاحبه های خروج از خدمت با رتبه بندی مدیران ، یا بررسی ارتباط میان مشارکت در دوره های آموزشی و امتیازات عملکرد ، از چرایی شکل گیری الگو های خاص مطلع می شوند .

• تحلیل های مبتنی بر پیش بینی ( چه اتفاقی خواهد افتاد ؟ )

در مدل های پیش بینانه ، از الگو های تاریخی برای برآورد نتایج آتی استفاده می شود . طبقه بندی های یادگیری ماشینی ممکن است بر مبنای سوابق کار ، روند های عملکرد ، پاسخ های نظرسنجی های رضایت شغلی و سیگنال های بازار کار خارجی ، به هر یک از کارکنان یک امتیاز ریسک ترک شغل را اختصاص دهد . به همین ترتیب ، مدل های رگرسیون نیز می توانند با در نظر گرفتن طرح های توسعه ای برنامه ریزی شده ، نرخ ریزش نیروی کار در گذشته و توزیع نیروی کار ، نیاز های استخدامی را پیش بینی کنند .

• تحلیل های تجویزی ( چه باید کرد ؟ )

بالاترین مرحله تحلیل های انسانی ، شیوه های تحلیلی تجویزی می باشد که با ترکیب پیش بینی ها با الگوریتم های بهینه سازی ، انجام اقدامات خاصی را توصیه می کنند . به عنوان مثال ، موتور بهینه سازی با ایجاد توازن مطلوب میان سرعت استخدام و محدودیت های بودجه ، ترکیبی ایده آل از ترفیع های داخلی و استخدام های خارجی پیشنهاد می کند . تحلیل های تجویزی ، بینش های به دست آمده را به راهبرد های ملموس و اولویت بندی شده تبدیل کرده و شکاف موجود میان تحلیل و اقدامات اجرایی را پر می کند .

استخدام و جذب استعداد ها بر اساس داده ها

استخدام ، یکی از فعالیت های سنجش پذیر منابع انسانی محسوب شده و از تحلیل های داده محور بیشترین انتفاع را برده است . سازمان ها می توانند با شناسایی آن دسته از کانال های جذبی که بهترین عملکرد را در جذب نیرو های موفق دارند ، بودجه های بازاریابی خود را بهتر تخصیص داده و هزینه های خود را از پلتفرم های کاری با بهره وری کم ، به سمت فروم های تخصصی و پویش های هدفمند اجتماعی سوق دهند .

ابزار های غربالگری مبتنی بر پیش بینی ، از داده ها و سوابق کاری متقاضیان برای رتبه بندی آن ها به لحاظ موفقیت های شغلی در آینده استفاده می کنند و بدین شکل با استاندارد سازی ارزیابی ها ، به کاهش تعصبات و غرض ورزی ها کمک می کنند .

مصاحبه های ساختار یافته که بر مبنای تحلیل آماری و سوالات معتبر طراحی شده اند ، این اطمینان را می دهند که هر یک از متقاضیان بر اساس معیار های موثر و یکسان ارزیابی می گردند . نتیجه این اقدامات این خواهد بود که بر اساس شاخص های صنعت ، شاهد کاهش 30 درصدی زمان پر کردن فرصت های شغلی و افزایش حفظ نیروی کار در سال اول خواهیم بود .

بهبود مدیریت عملکرد

بررسی های سنتی سالانه در خصوص عملکرد ، جای خود را به پلتفرم های بازخورد پیوسته داده اند که توسط شاخص های زمانی حقیقی تقویت شده اند . به جای انتظار چند ماهه برای گفت وگو در رابطه با مشارکت پرسنل ، مدیران می توانند مشاهدات خود را _ از دستاورد های پروژه گرفته تا رضایت مشتریان _ بر روی داشبورد های گوشی همراه یا دسکتاپ ثبت کنند .

از طریق تحلیل ها می توان کارکنانی که بهترین عملکرد را دارند ، شناسایی نمود ، برای افرادی که عملکردشان مطلوب نیست ، آموزش های هدفمند در نظر گرفت و با کاهش حجم کار و میزان همکاری ها ، احتمال فرسودگی را تعیین نمود . داده های به دست آمده از نرم افزار حضور و غیاب ، نقش پشتیبان را در این میان ایفا می کنند و با نشان دادن الگو های غیبت مکرر یا تاخیر های غیرموجه ، به برنامه ریزی و تصمیم گیری های راهبردی کمک می کنند .

بهینه سازی آموزش و توسعه

تحلیل های یادگیری علاوه بر نرخ تکمیل دوره و نمرت ارزیابی ،  تاثیر نهایی آموزش بر شاخص های عملکرد را نیز رصد و بررسی می کند . سازمان ها می توانند با بررسی رابطه میان شرکت در دوره های آموزشی با نتایج پروژه و بازخورد ها ، میزان بازده سرمایه گذاری در امر آموزش را برآورد کنند .

پلتفرم های پیشرفته از هوش مصنوعی جهت ارائه پیشنهاد مسیر های آموزشی شخصی سازی شده استفاده می کنند ؛ مسیر هایی که برای هر یک از پرسنل به طور جداگانه و بر اساس اهداف شغلی آن ها ، شکاف های مهارتی و نیاز های سازمانی آینده انتخاب می شوند . چنین رویکرد های اصلاح شده ای ، موجب افزایش نرخ تکمیل پروژه ، کسب سریع استعداد ها و ایجاد فرهنگ رشد و توسعه مداوم می گردند .

کارآمدی عملیاتی : نقش سیستم های کنترل تردد

نرم افزار های حضور و غیاب مدرن که اغلب به عنوان ابزار های تاکتیکی زمان سنجی شناخته می شوند ، امروزه مولفه ای وابسته به راهبرد های داده محور منابع انسانی محسوب می گردند . این سیستم ها _ چه از نوع نوار های رادیو شناسه باشند ، چه از نوع اپلیکیشن های حضور و غیاب و چه اسکنر های بیومتریک _ داده هایی دقیق و لحظه ای در خصوص شروع ، پایان و مدت زمان کار پرسنل ارائه می دهند .

سوابق حضور  و غیاب در ادغام با داده های حقوق و دستمزد ، عملکرد  و مشارکت ، به تشخیص الگو های غیبت ،  برآوردن نیاز های پرسنلی و ارزیابی کارآمدی سیاست های دور کاری کمک می کنند . در نتیجه ، این هوشمندی عملیاتی موجب بودجه بندی دقیق تر برای اضافه کاری شده ، ریسک های مربوط به نقض قوانین را کاهش داده و مدل های پیش بینانه را که مبنای برنامه ریزی نیرو کار هستند ، تغذیه می کند .