Κατά την τελευταία δεκαετία, έχουμε δει επαγγελματίες ανθρώπινου δυναμικού σε όλο τον κόσμο να αρχίζουν να αναγνωρίζουν τη σημασία του Ανάλυση ατόμων (Ανάλυση ατόμων) ως θεμελιώδες για το μέλλον των ανθρώπινων πόρων.
Με γνώμονα την ευρεία υιοθέτηση υπηρεσιών cloud στο HR, οι εταιρείες αρχίζουν να επενδύουν σε μεγάλο βαθμό σε προγράμματα, πλατφόρμες και εργαλεία που αξιοποιούν δεδομένα για όλες τις πτυχές του σχεδιασμού εργατικού δυναμικού, της διαχείρισης ταλέντων και της βελτίωσης επιχειρήσεων.
Διαφημίσεις
Σε αυτό το άρθρο θα βρείτε:
Τι είναι το People Analytics;
Το People Analytics, επίσης γνωστό ως Workforce Analytics, είναι ένα συστηματική και επιστημονική προσέγγιση στην οποία υπάρχουν διαθέσιμα δεδομένα για τον άνθρωπο (τόσο ποιοτικά όσο και ποσοτικά) υποβάλλονται σε επεξεργασία για την επίλυση / κατανόηση διαφόρων επιχειρηματικών ερωτημάτων που σχετίζονται με το ανθρώπινο δυναμικό στο σύνολό του.
Διαφημίσεις
Απαιτούνται έξυπνες στατιστικές τεχνικές και αλγόριθμοι μηχανικής μάθησης για την απάντηση των πιο δύσκολων επιχειρηματικών ερωτημάτων με τον πιο αποτελεσματικό και αβίαστο τρόπο. Αυτή η προσέγγιση εξαγάγετε διάφορες ιδέες και ιστορίες που μπορούν να χρησιμοποιηθούν στη λήψη αποφάσεων, διαμόρφωση στρατηγικών και μελλοντικών στόχων για οργανισμούς.
Η προσέγγιση People Analytics είναι περισσότερο ένα "Bundle" ή "Packaging" με έναν στοιχειώδη τρόπο, που αποτελείται από διάφορα επαναληπτικά βήματα που περιλαμβάνουν καλά καθορισμένες μεθοδολογίες για τη δημιουργία επιχειρηματικού πνεύματος.
Διαφημίσεις
Σημασια
Ένα συνεχώς μεταβαλλόμενο και ασταθές επιχειρηματικό περιβάλλον έχει δημιουργήσει επείγουσα ανάγκη για καλύτερες αποφάσεις από ανθρώπους παντού. Για να είστε πραγματικά επιτυχημένοι, πρέπει να είστε σε θέση να ανακρίνετε τα δεδομένα σας για να προσδιορίσετε τη βασική αιτία του προβλήματα, εφαρμόστε κατάλληλες παρεμβάσεις και προβλέψτε μελλοντικές εξελίξεις βάσει τεκμηρίων στερεός.
Αυτή η διαδικασία βρίσκεται στο επίκεντρο των αποτελεσματικών στρατηγικών ανάλυσης ανθρώπων. Η δύναμη της ανάλυσης ανθρώπων στην καθημερινή λήψη αποφάσεων είναι αναμφισβήτητη: σύμφωνα με το DDI, το Οι οργανισμοί που υπερέχουν στα αναλυτικά στοιχεία των ανθρώπων είναι 3,1 φορές πιο πιθανό να έχουν καλύτερη απόδοση τους συνομηλίκους τους.
Διαφημίσεις
Πολλές κοινές μετρήσεις HR δεν προσθέτουν στρατηγική αξία στην εταιρεία. Συχνά δεν βοηθούν το HR. να διατυπώσει τι χρειάζεται για την επίτευξη ενός επιχειρηματικού στόχου ή ανάγκης. Δεν αποκαλύπτουν πώς η έλλειψη προσωπικού θα επηρεάσει τους στόχους εσόδων ή την καθαρή βαθμολογία των διοργανωτών.
Με τα αναλυτικά στοιχεία ατόμων, μπορείτε να τραβήξετε την προσοχή του Διευθύνοντος Συμβούλου σας, επιλέγοντας στρατηγικές μετρήσεις ανθρώπινου δυναμικού, όπως:
Διαφημίσεις
- Εισόδημα ανά εργαζόμενο.
- Βελτίωση της ποιότητας των προσλήψεων.
- Εναλλαγή απόδοσης σε βασικές εργασίες.
- Χαμένο εισόδημα λόγω κενών ημερών.
- Αποτελεσματικότητα HR.
- Ποσοστό αποτυχίας νέων προσλήψεων.
- Πρόσληψη ποικιλομορφίας σε θέσεις αντίκτυπου πελατών
Συγκεντρώνω
Αυτό είναι το τυπικό οικοσύστημα της προσέγγισης People Analytics
1 προσέγγιση
Η κατανόηση του επιχειρηματικού προβλήματος / μελέτης και ο υπάρχων αντίκτυπός της είναι ένα προκαταρκτικό βήμα. Γενικά, όλες οι πτυχές ορίζονται / συζητούνται / συζητούνται μαζί με το επιθυμητό πιθανό αποτέλεσμα που απαιτείται. Συνήθως εμφανίζεται σε εκτελεστικό επίπεδο μεταξύ ενδιαφερομένων και ειδικών σε θέματα.
2.- Προγραμματισμός
Περαιτέρω, οι στόχοι είναι πολύ καλά καθορισμένοι εδώ σχετικά με την περιγραφή του πεδίο εφαρμογής, η εφοδιαστική που απαιτείται για χρήση σε πόρους, μεθοδολογίες, εργαλεία, SLA, και τα λοιπά. Η πρόθεση καθορίζεται σαφώς μαζί με τα εκτιμώμενα χρονοδιαγράμματα παράδοσης.
3.- Μοντέλο αρχιτεκτονικής δεδομένων
Τα δεδομένα είναι ο σκελετός αυτής της μελέτης. Η κατανόηση του υπάρχοντος σχήματος είναι βασική παράλληλα με το παράδειγμα του επιθυμητού μοντέλου αρχιτεκτονικής δεδομένων.
Διενεργούνται επαναλαμβανόμενοι έλεγχοι δεδομένων για τη μέτρηση της διαθεσιμότητας, της ποιότητας, της λογικής, της προσβασιμότητας, της ακρίβειας και της ευαισθησίας. Και τα απαραίτητα επιπρόσθετα δομημένα δεδομένα πρέπει να συλλέγονται στα αποτελέσματα του ελέγχου δεδομένων πριν προχωρήσουμε για να αποφευχθούν διαφωνίες και ανωμαλίες.
4.- Διάγραμμα ροής διεργασίας (PFD)
Εδώ η σύνδεση των κόμβων γίνεται σύμφωνα με το μοντέλο αρχιτεκτονικής δεδομένων. Αυτό απεικονίζει τον χάρτη πορείας της μελέτης και χαρακτηρίζει όλες τις πιθανές κριτικές κατά την πορεία. Συνήθως, ένα PFD θα πρέπει να συζητείται με τους ενδιαφερόμενους για εισαγωγή πριν προχωρήσουμε στο επόμενο βήμα. Εδώ μπορείτε να αλλάξετε ξανά το πεδίο του έργου και να επανεκτιμήσετε τα χρονοδιαγράμματα, εάν είναι απαραίτητο.
5.- Ανάλυση και επεξεργασία δεδομένων
Αυτό είναι ένα ενδιαφέρον και διασκεδαστικό μέρος της μελέτης όπου τα πραγματικά δεδομένα αναλύονται και υποβάλλονται σε επεξεργασία σύμφωνα με τον χάρτη πορείας που ορίζεται στο PFD. Οι στατιστικές τεχνικές και οι αλγόριθμοι μηχανικής εκμάθησης χρησιμοποιούνται επαναληπτικά για να λάβουν τα επιθυμητά αποτελέσματα που ταιριάζουν με το καθορισμένο πεδίο της μελέτης.
6.- Εξόρυξη γνώσης
Αυτό είναι το διαισθητικό μέρος του έργου όπου τα αποτελέσματα μελετώνται για την εξαγωγή γνώσεων. Είναι απαραίτητο να έχουμε άριστες εμπορικές και τεχνικές γνώσεις για να εκθέσουμε αυτό το μέρος. Το αποτέλεσμα είναι κυρίως σε τεχνική γλώσσα και εμπειρία για να το μετατρέψει σε επιχειρηματικά αποτελέσματα με τη μορφή ιστοριών.
7.- Ανάλυση επιπτώσεων και συστάσεις
Αυτό είναι το τελευταίο επίσημο βήμα στην προσέγγιση στην οποία ο αντίκτυπος αναλύεται μέσω διαφόρων υποθέσεων μελετών και διατυπώνονται συστάσεις με τους ενδιαφερόμενους. Είναι απαραίτητο να προσδιοριστούν οι θετικές και αρνητικές πτυχές της μελέτης για να αποφευχθούν συνέπειες. Οι συστάσεις γίνονται γενικά βάσει συλλεχθέντων αποδεικτικών στοιχείων και ιδεών που βασίζονται σε μορφή έκθεσης, οπτικοποίησης.
