I løbet af det sidste årti har vi set HR-fagfolk overalt i verden begynde at erkende vigtigheden af People Analytics (People Analytics) som grundlæggende for fremtiden for menneskelige ressourcer.
Drevet af den udbredte anvendelse af cloudtjenester inden for HR begynder virksomheder at investere meget i programmer, platforme og værktøjer, der udnytter data til alle aspekter af arbejdsstyrkens planlægning, talentstyring og forbedring operationel.
Annoncer
I denne artikel finder du:
Hvad er People Analytics?
People Analytics, også kendt som Workforce Analytics, er en systematisk og videnskabelig tilgang, hvor tilgængelige menneskelige data (både kvalitativ og kvantitativ) behandles for at løse / forstå forskellige forretningsforespørgsler relateret til menneskelige ressourcer som helhed.
Annoncer
Kloge statistiske teknikker og maskinlæringsalgoritmer er nødvendige for at besvare de sværeste forretningsforespørgsler på den mest effektive og ubesværede måde. Denne tilgang
People Analytics-tilgangen er mere en "bundt" eller "emballage" på en elementær måde, der består af flere iterative trin, der involverer veldefinerede metoder til at skabe forretningsorientering.
Annoncer
Betydning
Et stadigt skiftende og ustabilt forretningsmiljø har skabt et presserende behov for bedre beslutninger fra mennesker overalt. For at få en virkelig succes skal du være i stand til at forhøre dine data for at bestemme årsagen til problemer, anvende passende indgreb og forudse fremtidig evidensbaseret udvikling solid.
Denne proces er kernen i effektive mennesker analysestrategier. Kraften i folkeanalyser i den daglige beslutningsproces er ubestridelig: ifølge DDI skal Organisationer, der udmærker sig i folkeanalyser, er 3,1 gange mere tilbøjelige til at overgå deres jævnaldrende.
Annoncer
Mange almindelige HR-målinger de tilføjer ikke strategisk værdi til virksomheden. De hjælper ofte ikke HR. at formulere, hvad der er nødvendigt for at opfylde et forretningsmål eller behov. De afslører ikke, hvordan underbemandingen vil påvirke arrangørernes indtægtsmål eller nettoscore.
Med People Analytics kan du fange din administrators opmærksomhed ved at grave i strategiske HR-målinger, såsom:
Annoncer
- Indkomst pr. Medarbejder.
- Forbedring af kvaliteten af rekrutteringen.
- Rotation af ydeevne i nøglejobs.
- Mistet indkomst på grund af ledige dage.
- HR effektivitet.
- Fejlrate for nye ansættelser.
- Ansættelse af mangfoldighed i positioner, der påvirker kunden
Fokus
Dette er det typiske økosystem i People Analytics-tilgangen
1 rækkevidde
At forstå forretningsproblemet / studiet og dets nuværende indvirkning er et indledende trin. Generelt defineres / diskuteres / debatteres alle aspekter sammen med det ønskede sandsynlige resultat, der kræves. Det sker typisk på udøvende niveau mellem interessenter og emneeksperter.
2.- Planlægning
Længere nede på linjen... er målene meget veldefinerede her med hensyn til beskrivelsen af omfang, den logistik, der skal bruges med hensyn til ressourcer, metoder, værktøjer, SLA, etc. Hensigten er klart defineret sammen med de estimerede leveringstidslinjer.
3.- Dataarkitekturmodel
Dataene er skelet for denne undersøgelse. At forstå det eksisterende skema er nøglen sammen med eksemplet på den ønskede dataarkitekturmodel.
Gentagne datarevis udføres for at måle tilgængelighed, kvalitet, sundhed, tilgængelighed, nøjagtighed og følsomhed. Og de nødvendige yderligere strukturerede data skal indsamles om resultaterne af dataraudit, før man fortsætter for at undgå uenigheder og uregelmæssigheder.
4.- Procesflowdiagram (PFD)
Her oprettes forbindelsen af noderne i henhold til dataarkitekturmodellen. Dette illustrerer undersøgelsens køreplan og karakteriserer al mulig kritik undervejs. Typisk bør en PFD drøftes med interessenter for input, inden man går videre til næste trin. Her kan du ændre omfanget af projektet igen og om nødvendigt estimere tidslinjerne, hvis det er nødvendigt.
5.- Analyse og databehandling
Dette er en interessant og sjov del af undersøgelsen, hvor de faktiske data analyseres og behandles i henhold til køreplanen defineret i PFD. Statistiske teknikker og maskinlæringsalgoritmer bruges iterativt til at opnå de ønskede resultater, der matcher det definerede omfang af undersøgelsen.
6.- Videnudvinding
Dette er den intuitive del af projektet, hvor resultaterne studeres for at udvide viden. Det er nødvendigt at have fremragende kommerciel og teknisk viden for at udstille denne del. Resultatet er hovedsageligt på teknisk sprog og erfaring med at gøre det til forretningsresultater i form af historier.
7.- Konsekvensanalyse og anbefalinger
Dette er det sidste formelle trin i tilgangen, hvor virkningen analyseres gennem forskellige hypotesestudier, og der fremsættes anbefalinger med interessenter. Det er nødvendigt at definere de positive og negative aspekter af undersøgelsen for at undgå konsekvenser. Anbefalinger fremsættes normalt på baggrund af indsamlede beviser og ideer drevet i form af en rapport, visualisering.
