Vinaora Nivo Slider 3.xVinaora Nivo Slider 3.xVinaora Nivo Slider 3.xVinaora Nivo Slider 3.x
مشاوره و آموزش مدیریت منابع انسانی رایان راهبرد چابک
با بهره گیری از مدلهای جاری در دنیا و با توجه به تجربیات سازمانهای موفق و برگزیده
دوره ویژه کارگاهی آنالیز شغل و تهیه شناسنامه شغل به روش هی گروپ
دوره های کارگاهی با تعداد بسیار محدود متخصصین تشکیل می شود و مدرس دوره که دوره را در مؤسسه هی گروپ طی نموده و در پروژه تهیه شناسنامه شغل با ایشان همکاری داشته، بر تمامی موارد تهیه شده توسط شرکت کنندگان نظارت می کند
دوره های آموزش مجازی، با محتوایی غنی
دوره ها به صورت خودآموز طراحی شده اند، هرچند امکان پاسخگویی به سؤالات نیز وجود دارد
دوره های تخصصی و عملی مدیریت منابع انسانی رایان راهبرد چابک
بر اساس مدلهای روز دنیا و با رویکرد کارگاهی و اجرایی برگزار می شوند

داده های بزرگ در منابع انسانی

امتیاز کاربران

ستاره فعالستاره فعالستاره فعالستاره فعالستاره غیر فعال
 

مقدمه : چرا داده های بزرگ؟

داده های بزرگ آوازه بزرگی ایجاد کرده اند. اما واقعا داده بزرگ چیست و برای کسب و کار شما چه کاربردی دارد؟

در حالی که این اصطلاح ممکن است عبارتی به نظر برسد که تحلیل های سنتی کسب و کار را از رده خارج کرده است، اما در عین حال ارائه دهنده پدیده ای است که مضامینی را ورای جهان صنفی توسعه می دهد. (عمومیت بیشتری دارد و منحصر به ادبیات کسب و کار نیست).

مجموعه ای انبوه از اطلاعات غنی در دسترس، به صورت نمایی در حال رشد است. در واقع از تاریخ 2013، 90 درصد تمامی داده هایی که تاکنون جمع آوری شده در دو سال آخر بوده است. هیچ شکی نیست که منابع انسانی در یک مسیر مبتنی بر داده در حال حرکت است. تحلیل های جزء به جزء که روزی وسیع ترین حوزه بازاریابی و فروش را تشکیل می‌داد امروزه مورد استفاده داده های مربوط به نیروی کار است که به عنوان دارایی استراتژیک شرکت محسوب می شوند. آماده کردن این تحلیل ها شرکت شما را قادر می سازد تا در زمینه سرمایه گذاری بر روی سرمایه انسانی، مبتنی بر واقعیات تصمیم گیری کند.

در این مقاله ما موارد زیر را بررسی می‌کنیم:

- داده های بزرگ دقیقا چیستند؟

- چرا امروزه به طور ویژه برای نیروی کار مهم اند؟

- به منظور مدیریت بهینه سرمایه انسانی چگونه باید آن ها را به کار برد؟

داده های بزرگ چه هستند؟

نگاه جدیدی به چشم انداز منابع انسانی

ما در دنیایی به سر می‌بریم که میزان داده های در دسترس به طور دائم و چشمگیر در حال افزایش است و تمامی داده های انسانی شناخته شده هر 1.2 سال دو برابر می شود. در همین زمانی که شما در حال مطالعه این پاراگراف هستید در فضای اینترنت بیش از دو میلیون بار در گوگل سرچ شده است و 83000$ کالا در آمازون.کام فروخته شده است و 104000 عکس جدید در اسنپ چت به اشتراک گذاشته شده است. به محض اینکه این داده ها جمع آوری می‌شود، تحلیل گران داده به قدرت بالقوه دسترسی و تحلیل مجموعه داده های عظیم ایجاد شده، می اندیشند. اصطلاح big data هم به حجم عظیمی از داده های قابل حصول و هم به فرصت بی سابقه ای که بینش در آن ها فراهم می‌کند، اشاره دارد . همچنان که شیوه های کسب و اتخاذ این اطلاعات جدید تصحیح شده و بهبود می یابند، تحلیل گران کسب و کار که نگاه و تفکر رو به جلو و پیشتاز دارند، ارزشی را در به کارگیری این داده های بزرگ برای مدیریت سرمایه انسانی سازمان، می یابند.

مفهوم داده بزرگ اغلب در قالب 4Vs خلاصه می شود:

§ حجم: داده ها در مقادیر حجیم جمع آوری می شوند.

§ تنوع: داده ها از منابع بسیاری حاصل می شوند که از جمله آن می توان به رسانه جمعی، ایمیل ، نرم افزار مدیریت سرمایه انسانی و ... اشاره نمود

§ سرعت: داده ها به سرعت و با کمترین اتلاف وقت به دست می آیند

§ راستگویی و صداقت: داده ها دقیق اند و مبتنی بر ورودی های معتبر و واقعی‌اند.

اما v پنجمی در نظر گرفته نشده است. value یا "ارزش" اغلب در احاطه داده های بزرگ فراموش می شود. پروژه ها و راه حل هایی که به شدت بر جمع آوری و ترکیب مجموعه داده های وسیع تاکید دارد موفق نخواهند شد مگر اینکه از ابتدا ارزش نهایی کسب و کار را مد نظر قرار دهند. به همین علت استفاده مناسب از داده های بزرگ (در حجم زیاد) بر افشای اطلاعاتی تمرکز دارد که می تواند برای پیش بینی پیامدهای آینده و در نتیجه فراهم آوردن ارزش برای کسب و کار مفید باشد. این بینش های فعال و پیشگویانه که با هوش تجاری توصیفی و سنتی ترکیب شده اند، می‌توانند در حمایت و یا ایجاد رشد استراتژیک قدرتمند، موثر باشند.

کاربرد داده های بزرگ در کسب و کار قابلیت های بالقوه عظیمی را ایجاد می کند و ارزش واقعی حاصل تحلیل های پیشگویانه و تجویزی است که به کاربران کمک می‌کند تا بهترین اقدامات مبتنی بر داده های در دسترس را دریابند. انتظار از داده های بزرگ تنها یافتن بصیرت و بینش نیست بلکه هدف آن یافتن بینش صحیح در زمان صحیح به منظور اخذ تصمیمات بهتر برای کسب و کار است. شرکت ها روز به روز بیشتر متوجه می شوند که استفاده از داده های بزرگ تا چه اندازه می تواند برای خطوط صف و عملیاتشان ارزشمند باشد. مطالعات متعددی نشان دهنده نتایج ملموسی از ایجاد فرهنگ تصمیم گیری مبتنی بر داده است و شرکت هایی که این فرهنگ را پرورش می دهند، 5 تا 6 درصد از رقبای خود بهره‌ور ترند.

از تصمیمات انتزاعی تا تصمیمات مبتنی بر داده:

چگونه انتظارات کارکنان همزمان با تغییرات تکنولوژی تغییر می کند؟

تا الآن شما یک حقیقت واضح را دریافت نموده اید: نیروی کار شما به سرعت در حال تغییر است. هر نسل پس از بازنشستگی نسل قبل از خودش، خیلی زود موقعیت های رهبری را در دست می گیرد و انتظارات جدیدی را نیز همراه با خود می آورد که به وسیله زندگی خارج از اداره شان تحت تاثیر قرار گرفته و شکل می گیرد. نسل جدید کارکنان داده های بزرگ را به کار می گیرند تا بتوانند اساسی ترین تصمیمات را اتخاذ کنند. حتی در تجربیات روزمره خود نظیر تصمیم گیری در مورد اینکه شام چه بخورند یا وقت خود را چگونه سپری کنند، نیز از داده های برزگ بهره می‌برند. foursquare و urbanspoon تنها دو مثال از منابع داده ای بزرگ هستند که در تجارب روزانه توسط این نسل مورد استفاده قرار می گیرند.

همچنین این نسل جدید کارکنان به شدت تحلیل های پیشگویانه را به منظور اتخاذ تصمیم گیری های مربوط به خرید به کار می برند. پیشنهادات شخصی شده آمازون این ضمانت را به شما می دهد که پول شما صرف آن چیزی می شود که دوست دارید و ممکن است دقیق تر از آن چیزی باشد که شما قادرید با خواندن جسته گریخته شرح محصول انجام دهید.

به علاوه افرادی که متعلق به نسل "digital native" هستند (نسلی که از سن کودکی با تکنولوژی اطلاعاتی ارتباط برقرار می کند و با آن تعامل می کند و به همین علت مفاهیم آن را خوب می شناسد)، به سمت دیجیتالی کردن زندگی فیزیکی و جسمانی شان نیز حرکت کرده اند. نهضتی که تحت عنوان "Age of the Quantified Self" نامگذاری شده است. (استفاده از تکنولوژی برای جمع آوری داده در مورد تمامی جنبه های یک زندگی شخصی). این نهضت با خرید ابزارهای محاسباتی ارزشمندی چون Fitbit,Nike+SportWatchGPS,FuelBand بسیار گسترش یافت. این ابزارها به طور مستمر خواب، فعالیت و رژیم را پیگیری و تحلیل می کنند. کاربران می‌توانند از این داده ها برای بهبود سلامتی خود و اتخاذ تصمیمات کلان بهره ببرند. نظیر انجام تمرینات ریلکسیشن زمانی که این دستگاه ها افزایش استرس را تشخیص می دهند.

تمامی مطالبی که مطرح شد چه راه حلی را برای مدیریت سرمایه انسانی، که نیاز است از این انتظارات حمایت کند، ارائه می دهد ؟

راه حل پیشرو برای بینش استراتژیک، باید با اقداماتی که کاربران به صورت روزمره انجام می دهند و پرسش در مورد اینکه تصمیمات پشت این اقدامات از چه فاکتورهایی ناشی می شود، آغاز شود. به علاوه این راه حل باید در عین نمایش بصری داده ها، داده ای را که مبنای این تصمیم گیری هاست مورد هدف قرار دهد تا تاثیر لازم را بر روی کاربر برای اتخاذ بهترین تصمیمات بگذارد. نهایتا راه حل مطرح شده باید برخی از این بینش ها را با هدف تصمیم گیری در خود جای دهد و ابزارهای واقعی زمانی را مستقیما برای کاربری فراهم کند که از داده برای خلق مزیت رقابتی بهره می برد. مدیران ارشد همچنان می توانند تمامی تحلیل های مربوط به نیروی کار را مرور کنند و بینش بیشتر و عمیق تر، مسیر و استراتژی متعدد را در مورد تیم های خود لحاظ کنند. در مرحله بعد مدیران نیازمند دانشی هستند که بتواند این بینش‌ها را برای حمایت تصمیم گیری به سرعت در اختیار تیمشان قرار دهد.

برخی مثال ها در مورد اینکه چگونه این نوع از تحلیل می تواند مورد استفاده قرار گیرد:

به محض اینکه متصدیان استخدامی فرصت های شغلی را به صورت آزادانه مطرح می کنند، می توانند مجموعه ای از داده ها را که نشان دهنده مهارت و شایستگی های بالا برای یک موقعیت مشخص است و منجر به تصمیمات استخدامی می گردد را مشاهده کنند.

زمانی که می‌خواهیم تعیین کنیم که چه قسمت و دپارتمانی نیازمند ایجاد فرصت استخدامی است یک متصدی استخدام می تواند چارتی را که در یک جایگاه شغلی مشخص به مقایسه نرخ استخدام و حفظ نیرو پرداخته را مورد نظر قرار دهد

تغییر در آرایش نیروی کار در کنار قابلیت های تکنولوژیکی جدید نیازمند این است که طیف کاملی از مجریان، مدیران کارکنان و تحلیل گران به تصمیم گیری مبتنی بر داده بپردازند.

داده بزرگ + هوش تجاری = بینش تجاری

به کارگیری داده های بزرگ برای تاثیر استراتژیک و داشتن نیروی کار مشارکتی

یکی از حوزه های تجارت که به عنوان اداره کنندگان نیروی انسانی شناخته می شوند بیش از سایرین نیاز به به کار بردن بینش تجاری تجویزی و پیش گویانه دارند. به خصوص در زمینه حفظ استعداد ها.

بر طبق Harris Interactive Poll (که به جمع آوری نظرات عموم مردم می پردازد) 74% افراد به دنبال یافتن یک شغل جدیدند و 35% افراد شغلشان را در طی اولین شش ماه پس از شروع ترک می کنند.

تحلیل داده های بزرگ می تواند سازمان شما را توانمند کند تا با اتخاذ معیارهای پیش فعالانه به حفظ بهترین استعداد هایتان بپردازید. مطالعات نشان داده است که برای جایگزینی یک کارمند ساعتی باید از $5000 تا 20000$  و برای جایگزینی یک کارمند دانشی باید 30% تا 100% حقوقش را هزینه کرد. به علاوه ریزشی که حاصل از دست دادن یک مدیر اجرایی است می تواند بسیار وسیع باشد. شما باید تاثیر منفی محسوس بر روی زیردستان خود را در نظر بگیرید و آینده افراد مستعد سازمانتان را تضمین کنید. این دو امر حتمی و لازم الاجرا هستند.

نیاز به یافتن راه کارهای خلاقانه برای حفظ کارکنان، مطلب جدیدی نیست اما تصمیم گیری های مبتنی بر داده امروزه جایگزین شیوه های قبلی شده اند. امروزه تحلیل گران داده، با استفاده از طیف وسیعی از معیارها قادرند الگوریتمی را توسعه دهند که سعی دارد به صورت هدفمند پیش بینی کند چگونه و تحت چه شرایطی یک کارمند مشخص سازمان شما را ترک خواهد کرد. این پیش‌بینی‌ها می تواند برای هر کارمند فعال تحت عنوان امتیاز نگهداری یاretention score به صورت اعداد و ارقام در بیاید که مدیر را قادر می سازد که در شرایط خطر به مقایسه آن ها بپردازد. (امتیاز حفظ و نگهداری ریسک حاصل از ترک سازمان توسط کارمند را مطرح می کند و اینکه چقدر احتمال دارد که وی سازمان را ترک کند. با توجه به این دو عامل تعیین می شود که چقدر نیاز به اقدامات حفظ و نگهداری برای یک فرد مشخص است.) در جایی که هوش تجاری سنتی می تواند به شناسایی روند های وسیعتر و گزارش دهی در سطح سازمانی کمک کند، تحلیل های پیش گویانه نیز (نظیر امتیاز حفظ و نگهداری) برای فراهم آوردن بینش در سطح کارکنان طراحی شده اند. در نتیجه شرکت شما می تواند برای حفظ کارکنانش در وضعیت مناسب تری قرار بگیرد تا اینکه مبتنی بر ریسک باشد.

با به کار بردن داده های بزرگ و فراهم آوری اطلاعات از سراسر چرخه زندگی کارکنان، شما قادر خواهید بود که retention score ها را بیابید. برای مثال اطلاعاتی که شما در مورد یک کارمند جمع آوری می کنید اطلاعات کلیدی‌ای را که تعیین کننده ریسک بالقوه از دست دادن این فرد است، فراهم می سازد. این اطلاعات شامل اطلاعات جمعیت شناختی، سوابق مزایا و جبران خدمت، سوابق شغلی و بسیاری عوامل و فاکتورهای دیگر می باشد.

بهترین راهکار در مورد مدیریت سرمایه انسانی راهکاری است که امتیاطهای نگهداری را به صورت ذاتی و  به شیوه ای ارائه می دهد که بتواند به راحتی و به سرعت مورد تفسیر قرار گیرد و به این ترتیب مدیران را قادر سازد تا به صورت هوشمند عمل کنند و به محض اینکه ریسک ترک سازمان کارمندی به سطح مشخصی رسید به صورت خودکار اقدامات لازم را صورت دهند.

نتیجه گیری:

داده بزرگ به معنای بزرگ فکر کردن و انجام نوآوری روی نحوه بهره‌برداری از بینش هایی است که می‌تواند از داده های در دسترس شما استخراج شود. استفاده از قدرت داده های بزرگ برای رشد و تکامل نیروی کار، می تواند تاثیر واقعی روی کسب و کار سازمان شما داشته باشد. شما می توانید از آن برای داشتن منابع مستعد بهتر، اداره مزایا و جبران خدمت، حفظ و نگهداری طولانی مدت تر استعدادها و کسب مزیت رقابتی بهره ببرید.

امروزه بسیاری از شرکت ها به دنبال یافتن راهی برای بهره برداری از قدرت داده های بزرگ هستند. جمع آوری منابع داده ای متنوع برای شناخت افراد انسانی سازمان، می تواند به شما کمک کند تا تصمیمات بهتری را برای امروز و فردای نیروی کار خود اتخاذ کنید.

 

ترجمه: کارشناسان منابع انسانی رایان راهبرد چابک

اصل مقالات قبلی سایت به ترتیب بازدید