מה זה People Analytics?

בעשור האחרון ראינו אנשי מקצוע בתחום משאבי אנוש ברחבי העולם מתחילים להכיר בחשיבותם של ניתוח אנשים (People Analytics) כבסיס לעתיד משאבי אנוש.

מונע על ידי אימוץ נרחב של שירותי ענן בתוך משאבי אנוש, חברות מתחילות להשקיע רבות בתוכניות, פלטפורמות וכלים הממנפים נתונים לכל ההיבטים של תכנון כוח האדם, ניהול ושיפור כישרונות מִבצָעִי.

מה זה People Analytics?

People Analytics, המכונה גם Workforce Analytics, הוא גישה שיטתית ומדעית בה נתונים אנושיים זמינים (הן איכותיים והן כמותיים) מעובדים כדי לפתור / להבין בירורים עסקיים שונים הקשורים למשאבי אנוש בכללותם.

יש צורך בטכניקות סטטיסטיות ממולחות ואלגוריתמים של למידת מכונה בכדי לענות על השאילתות העסקיות הקשות ביותר בצורה היעילה והמאומצת ביותר. הגישה הזו לחלץ רעיונות וסיפורים שונים בהם ניתן להשתמש בקבלת החלטות, לגבש אסטרטגיות ויעדים עתידיים עבור ארגונים.

הגישה של People Analytics היא יותר "חבילה" או "אריזה" בצורה אלמנטרית, המורכבת מכמה שלבי איטרטיבי הכוללים מתודולוגיות מוגדרות היטב ליצירת חוש עסקי.

חֲשִׁיבוּת

סביבה עסקית ומשתנה תדיר והולכת יצרה צורך דחוף להחלטות טובות יותר מצד אנשים בכל מקום. כדי להצליח באמת, עליך להיות מסוגל לחקור את הנתונים שלך כדי לקבוע את הסיבה הבסיסית של ה- בעיות, ליישם התערבויות מתאימות ולצפות התפתחויות מבוססות ראיות עתידיות מוצק.

תהליך זה הוא לב ליבה של אסטרטגיות יעילות לניתוח אנשים. הכוח של ניתוח האנשים בקבלת ההחלטות היום יומית אינו ניתן להכחשה: על פי DDI, ארגונים המצטיינים בניתוחי אנשים הם בעלי סיכוי גבוה פי 3.1 להביצועים טובים יותר עמיתיהם.

מדדים נפוצים רבים בתחום משאבי אנוש הם אינם מוסיפים ערך אסטרטגי לחברה. לעתים קרובות הם לא עוזרים למשאבי אנוש. לבטא את הדרוש בכדי לעמוד ביעד או צורך עסקי. הם לא מגלים כיצד המחסור בסגל ישפיע על יעדי ההכנסות או על ציוני הנקודות של היזמים.

בעזרת ניתוח אנשים תוכלו למשוך את תשומת ליבו של המנכ"ל שלכם על ידי חפירה במדדים אסטרטגיים של משאבי אנוש, כגון:

• הכנסה לעובד.
• שיפור איכות הגיוס.
• סיבוב ביצועים בעבודות מפתח.
• אובדן הכנסה עקב ימים פנויים.
• יעילות משאבי אנוש.
• שיעור כישלונות עובדים חדשים.
• שכירת גיוון בעמדות השפעה על לקוחות

מוֹקֵד

זו המערכת האקולוגית האופיינית לגישה של People Analytics

1 להגיע

הבנת הבעיה / המחקר העסקי וההשפעה הקיימת עליו היא שלב ראשוני. באופן כללי, כל ההיבטים מוגדרים / נדונים / מתווכחים יחד עם התוצאה ההסתברותית הרצויה הנדרשת. זה בדרך כלל מתרחש ברמת ההנהלה בין בעלי עניין ומומחים בנושא.

2.- תכנון

בהמשך הקו... היעדים מוגדרים כאן היטב לגבי תיאור ה- היקף, הלוגיסטיקה הנדרשת לשימוש מבחינת משאבים, מתודולוגיות, כלים, SLA, וכו ' הכוונה מוגדרת בבירור יחד עם לוחות הזמנים המשוערים למסירה.

3.- מודל ארכיטקטורת נתונים

הנתונים הם השלד של מחקר זה. הבנת הסכימה הקיימת היא המפתח יחד עם דוגמה למודל ארכיטקטורת הנתונים הרצוי.

נערכות ביקורת נתונים חוזרת על מנת למדוד זמינות, איכות, שפיות, נגישות, דיוק ורגישות. ויש לאסוף את הנתונים המובנים הנוספים הדרושים על תוצאות ביקורת הנתונים לפני שתמשיך כדי למנוע חילוקי דעות וחריגות.

4.- תרשים זרימת תהליכים (PFD)

כאן חיבור הצמתים מתבצע על פי מודל ארכיטקטורת הנתונים. זה ממחיש את מפת הדרכים של המחקר ומאפיין את כל הביקורות האפשריות בדרך. בדרך כלל, יש לדון על PFD עם בעלי העניין לקבלת תשומות לפני שתמשיך לשלב הבא. כאן תוכלו לשנות את היקף הפרויקט ולהעריך מחדש את לוחות הזמנים במידת הצורך.

5.- ניתוח ועיבוד נתונים

זהו חלק מעניין ומהנה במחקר בו מנתחים ומעבדים את הנתונים בפועל על פי מפת הדרכים שהוגדרה ב- PFD. נעשה שימוש איטרטיבי בטכניקות סטטיסטיות ואלגוריתמים של למידת מכונה כדי להשיג את התוצאות הרצויות התואמות את היקף המחקר המוגדר.

6.- מיצוי ידע

זהו החלק האינטואיטיבי של הפרויקט בו נלמדות התוצאות להפקת ידע. יש צורך בידע מסחרי וטכני מעולה כדי להציג חלק זה. התוצאה היא בעיקר בשפה טכנית וניסיון להפוך אותה לתוצאות עסקיות בצורת סיפורים.

7.- ניתוח ההשפעות והמלצות

זהו השלב הפורמלי האחרון בגישה בו מנותחים את ההשפעה באמצעות מחקרי השערה שונים ומומלצות עם בעלי העניין. יש להגדיר את ההיבטים החיוביים והשליליים של המחקר כדי למנוע השלכות. המלצות נעשות בדרך כלל על סמך ראיות שנאספו ורעיונות המונעים בצורה של דוח, הדמיה.