واحد منابع انسانی در هر سازمان نقش بسیار حیاتی دارد. این بخش، با نگهداری اطلاعات و دادههای مرتبط با کارمندان، به حفظ و توسعه منابع انسانی اساسی در سازمان کمک میکند. در گذشته، اطلاعات منابع انسانی بسیاری از بلااستفاده میماندند یا به صورت سنتی در گزارشها و جداول نموداری ثبت میشدند. اما در دنیای امروز با ظهور دادههای بزرگ و تجزیه و تحلیل آنها، سازمانها از این دادهها بهرهبری کرده و از آنها برای پیشبینی رفتار کارمندان، جذب نیروهای انسانی متناسب با نیازهای خود، بهبود عملکرد و رفاه کارکنان، و مدیریت بهتر فرآیندها و عملیات منابع انسانی استفاده میکنند.
در واقع، امروزه دادههای منابع انسانی بیشتر از هر زمان دیگری ارزشمندتر هستند. این اطلاعات ارزشمند میتوانند در تصمیمگیریهای منابع انسانی، توسعه کارکنان، جذب نیروهای متمایز، تشخیص و جذب استعدادهای جدید، و حفظ و توسعه استعدادهای داخلی به کار روند. به عبارت دیگر، دادههای منابع انسانی به شرکتها کمک میکنند تا به بهترین شکل ممکن اهداف استراتژیک خود را دنبال کنند، و این همان چیزی است که ارزش دادههای منابع انسانی را بالا میبرد.
در این مقاله، به معرفی منابع انسانی دادهمحور، فرآیند تجزیه و تحلیل دادههای منابع انسانی، کاربردها و مزایا و معایب آن میپردازیم. این رویکرد امکان میدهد که تیمهای منابع انسانی از دادهها برای تصمیمگیریهای بهتر در زمینه منابع انسانی، تحلیل بهتر و ارزیابی عملکرد کارکنان، بهبود فرآیندها و عملیات منابع انسانی، و افزایش بهرهوری و رفاه عمومی کارکنان بهرهبرند. این اقدامات میتوانند به شدت بر توانایی یک سازمان در دستیابی به اهداف استراتژیک خود تأثیر بگذارند و ارزش بیشتری به دادههای منابع انسانی ببخشند.
کاربرد منابع انسانی داده محور چگونه است
در حال حاضر، مدیریت منابع انسانی مبتنی بر دادهها از ابزارهای متنوعی استفاده میکند، از جمله دادهها، حسگرها، تجزیه و تحلیل داده، یادگیری ماشین، هوش مصنوعی و سایر فناوریها. این ایجاد تصویری هوشمند از منابع انسانی در سازمان و کمک میکند تا سازمانها عملکرد بهتری داشته باشند و به بهبود شرایط کارکنان خود بپردازند.
استفاده از تحلیل دادههای منابع انسانی به سازمانها این قابلیت را میدهد که اطلاعات را به اطلاعات مفید تبدیل کنند و از آنها برای پیشبینی و بهبود فرآیندها و عملکرد خود استفاده کنند. این مهم است که این تجزیه و تحلیل دادهها در سه مرحله اصلی صورت میگیرد: پیشبینی، تجزیه و تحلیل علتی، و گزارشدهی. این ابزارها به سازمانها امکان میدهند تا به اطلاعات با ارزشی دست پیدا کنند که در تصمیمگیریها و بهبود ها به آنها کمک میکند.
منابع انسانی هوشمند، به معنای واقعی کلمه، بر پایه دادهها عمل میکند. با این حال، متأسفانه، بسیاری از بخشهای منابع انسانی علیرغم دسترسی به انبوه دادهها، اغلب وقت خود را صرف وظایف مدیریتی یا حل مسائل حقوقی میکنند. فعالیتهایی مانند ارزیابی عملکرد کارمندان، جزئیات روزمره استخدام و مدیریت افراد، و حتی نظرسنجیهای سالانه درخصوص رضایت کارکنان، در اغلب موارد به صورت سنتی و بدون بهرهگیری از رویکرد هوشمندانهتری انجام میشوند. از طرف دیگر، حتی وقتی دادهها در بخش منابع انسانی به کار میروند، اغلب از روشهایی استفاده میشود که نهایتاً به کسبوکار سودمندی نمیآوردند.
به عبارت دیگر، تحلیل دادههای منابع انسانی در بسیاری از موارد به صورت سنتی و بر اساس شاخصهای معمولی عملکرد انجام میشود که به عنوان ابزارهای استاندارد در اندازهگیری عواملی مانند میزان غیبت کارکنان به کار میروند. این معیارها به راحتی قابل اندازهگیری هستند و بدون نیاز به تحلیل دادهها میتوانند توسط بسیاری از شرکتها به کار گرفته شوند. اما امروزه، معیارهای منحصربهفرد و بسیار ارزشمندتری در زمینه منابع انسانی وجود دارد که میتوانند به تیمهای منابع انسانی کمک کنند تا به تصمیمگیریهای بهتری برای سازمان برسند.
اینجاست که مفهوم منابع انسانی مبتنی بر داده به میان میآید. تیمهای منابع انسانی میتوانند از دادهها برای تصمیمگیری بهتر، ارزیابی کارکنان به شکل موثرتر، بهبود فرآیندها و عملیات منابع انسانی، و ارتقاء رفاه و بهرهوری کارکنان استفاده کنند. همه این عوامل همراه با یکدیگر میتوانند تأثیر قابل توجهی بر توانایی یک سازمان در دستیابی به اهداف استراتژیک خود داشته باشند و ارزش دادههای منابع انسانی را به شدت افزایش دهند.
در این روند، مدیریت منابع انسانی و افراد به وسیله یک انقلاب مبتنی بر داده و هوش مصنوعی بهبود مییابد. این انقلاب تمرکز خود را بر مسائلی نرم و انسانی مانند فرهنگ، یادگیری، توسعه، و مشارکت کارکنان قرار میدهد و با استفاده از هوش مصنوعی و تحلیل دادههای رفتاری افراد به جلب و هدایت تغییرات میپردازد.
مراحل منابع انسانی داده محور
فرآیند تحلیل دادههای منابع انسانی از چندین مرحله تشکیل شده است که به صورت مرتبط با یکدیگر هستند و با همکاری عمل میکنند. برای رسیدن به بینشهایی که HR Analytics وعده داده است، ابتدا باید دادهها جمعآوری شوند، سپس باید دادهها پایش شده و با دادههای دیگر مانند اطلاعات تاریخی، هنجارها یا میانگینها سنجیده شوند. در این مرحله، روندها یا الگوها شناسایی میشوند و نتایج تجزیه و تحلیل میشوند. در نهایت، بینشهای بهدستآمده در تصمیمگیریهای سازمانی اعمال میشود.
در ادامه به توضیح هر یک از این مراحل میپردازیم:
1. جمعآوری دادهها:
جمعآوری دادههای کلان منابع انسانی نیازمند تجمیع اطلاعات زیادی است که توسط واحد منابع انسانی جهت تجزیه و تحلیل و ارزیابی فرایندهای منابع انسانی مانند استخدام، مدیریت استعداد، آموزش و ارزیابی عملکرد جمعآوری میشود. این دادهها باید به راحتی دسترسیپذیر باشند و توانایی ادغام در یک سیستم گزارشدهی را داشته باشند. از سیستمهای منابع انسانی موجود و سیستمهای یادگیری و توسعه، یا روشهای نوین جمعآوری دادهها مانند سیستمهای مبتنی بر ابر، دستگاههای تلفن همراه و حتی فناوریهای پوشیدنی برای جمعآوری دادهها استفاده میشود. سیستمی که دادهها را جمعآوری میکند، باید توانایی مرتبسازی و سازماندهی دادهها را برای تجزیه و تحلیل آینده ارائه دهد. جمعآوری و ردیابی دادههای با کیفیت، اولین جزء حیاتی در تجزیه و تحلیل منابع انسانی است. انواع دادههایی که میتوان جمعآوری کرد شامل اطلاعات کارمندان، عملکرد افراد، سابقه حقوق و ارتقای شغلی، اطلاعات جمعیت شناختی، آموزش و مشارکت کارکنان، مرخصیها و…
2. اندازهگیری:
در مرحله اندازهگیری، دادهها مورد مقایسه با هنجارهای تاریخی و استانداردهای سازمانی قرار میگیرند که به عنوان معیارهای HR نیز شناخته میشوند. این مرحله به تجدید نظر در دادههای جمعآوری شده برای درک بهتر نرخهای خروج از سازمان، میزان غیبت کارکنان و بررسی نتایج استخدام میپردازد. از این معیارها برای مقایسه دادهها با هنجارهای تاریخی و استانداردهای سازمانی استفاده میشود. این فرآیند نیازمند بهروزرسانی مداوم دادهها در طول زمان است و نمیتواند به یک نسخه محدود از دادهها تکیه کند.
3. تحلیل دادهها:
در مرحله تحلیل دادهها، شاخصهای ارزیابی شده در مرحله قبلی برای شناسایی روندها و الگوها مورد بررسی قرار میگیرند. این مرحله ممکن است از روشهای مختلفی مانند تجزیه و تحلیل توصیفی، تجزیه و تحلیل تجویزی و تجزیه و تحلیل پیشبینی کننده استفاده کند. تجزیه و تحلیل توصیفی تمرکز خود را بر درک دادههای تاریخی و بهبودپذیری آنها معطوف میکند. تجزیه و تحلیل پیشبینی کننده از مدلهای آماری برای تجزیه و تحلیل دادههای تاریخی به منظور پیشبینی خطرات و فرصتهای آینده استفاده میکند. تجزیه و تحلیل تجویزی نیز تحلیلهای پیشبینی کننده را به مرحله پیشبینی پیامدهای آنها ترکیب میکند.
4. استفاده از تحلیلها:
بعد از تحلیل دادهها، باید از یافتهها به عنوان بینشی عملی برای تصمیمگیریهای سازمانی استفاده شود. به عبارت دیگر، باید از دادهها برای بهبود عملکرد و عملیات منابع انسانی، ارتقاء رفاه و بهرهوری کارکنان، و تصمیمگیریهای بهتر برای سازمان استفاده کرد. از نتایج تجزیه و تحلیل به دست آمده میتوان در تصمیماتی مانند بهینهسازی فرآیندها و عملیات، ارتقاء عملکرد سازمانی، و توسعه استراتژیهای منابع انسانی استفاده کرد.
در نتیجه، این فرآیندها به سازمانها امکان میدهند تا از دادههای منابع انسانی بهره بیشتری بگیرند و تصمیمات بهتری برای مدیریت افراد و منابع خود اتخاذ کنند. این نه تنها به بهبود عملکرد سازمان کمک میکند بلکه به توسعه و رشد طولانی مدت آن نیز کمک میکند.
کاربرد های تحلیل داده در عملیات منابع انسانی
“استفاده از دادهها در حوزه منابع انسانی، با ایجاد امکان پاسخگویی به سوالات کلان سازمانی بدون ارتکاب به حدس و گمان، بهبود عملکرد سازمان را همراه خواهد داشت. در ادامه، به برخی از مهمترین کاربردهای تحلیل دادهها در عملیات منابع انسانی میپردازیم.
1. تحلیل دادهها در استخدام:
یکی از اصلیترین وظایف واحد منابع انسانی، استخدام استعدادهای برتر برای سازمان است. در این فرآیند، رزومه داوطلبان شغلی بررسی میشود و مصاحبهها با متقاضیان صورت میگیرد تا فرد مناسبی برای سازمان انتخاب شود. استفاده از دادههای کلان (Big Data) به ما این امکان را میدهد که فرآیند استخدام را بهبود بخشیم. با اتصال فرآیند استخدام به شبکههای اجتماعی، ما میتوانیم اطلاعات بیشتری در مورد داوطلبان شغلی، از جمله جزئیات شخصی، تجربیات زندگی، ارتباطات اجتماعی و مهارتها را جمعآوری کنیم. این کمک میکند تا تصویر دقیقتری از متقاضیان در ذهن سازمان ایجاد شود و فرآیند استخدام به شکل بهتری انجام شود.
2. تحلیل دادهها در ارزیابی عملکرد و جبران خدمات:
ارزیابی عملکرد و جبران خدمات به عنوان یکی از مهمترین شاخصهایی است که افراد را به سمت یک سازمان جذب میکند و حقوق و مزایا برای آنها جذابیت دارد. اغلب سیستمهای مدیریت عملکرد سنتی شرایط کیفی را ارزیابی میکنند و برای جبران خدمات، از نتایج عملکرد ارتباطی با درآمد نمیکنند. تحلیل دادهها در منابع انسانی به ما این امکان را میدهد که الگوهای معناداری را در دادهها شناسایی کنیم و عملکرد شرکت، محصول، فرآیند، تیم یا کارمندان را به صورت کمی ارزیابی کنیم. با استفاده از فناوری کلان داده در مدیریت عملکرد، ما میتوانیم جزئیات روزانه کار، محتوای کار و دستاوردهای هر کارمند را ثبت کنیم. همچنین این فناوری به محاسبه خودکار دستمزدها و ایجاد استانداردهای بهتر عملکرد کمک میکند.
3. تحلیل دادهها در آموزش و توسعه کارکنان:
آموزش نیروی کار، بخش مهمی از توسعه پایدار یک کسبوکار را تشکیل میدهد. آموزش موفقیتآمیز نیروی کار میتواند سطح دانش و عملکرد آنها را بهبود بخشد. تحلیل دادهها در منابع انسانی به ما این امکان را میدهد که به صورت موثرتری توسعه و طراحی برنامههای آموزشی را مدیریت کنیم. این دادهها نشان میدهند که چه کارهای آموزشی بیشترین تأثیر را دارند و چه مهارتهایی برای کارکنان مهمتریناند. این بسیاری از منابع مادی و مالی را کاهش میدهد و ما را قادر میسازد تا نیروی کارمان را بهبود ببخشیم.
4. تحلیل دادهها در بهبود تجربه کارکنان:
تجربه کارکنان در یک سازمان از اهمیت بالایی برخوردار است. تحلیل دادهها به ما این امکان را میدهد که از طریق نظارت بر معیارهایی مانند حضور و غیاب کارکنان و سنجش میزان مشارکت و بهرهوری آنها، تجربه کارکنان را بهتر درک کنیم. این دادهها نشان میدهند که سازمان در کجا قرار دارد و کجا میتواند بهبود ایجاد کند. از طریق تحلیل دادهها میتوانیم سیاستهای جبران خدمات و مزایا را بهبود ببخشیم و تجربه کارکنان را بهبود ببخشیم.
یکی از موارد مهم در استفاده از تحلیل دادهها در منابع انسانی، توانایی بهبود فرآیندها و تصمیمگیری دقیقتر سازمانها است. این رویکرد داده محور، به سازمانها این امکان را میدهد که از حدس و گمان در تصمیمگیریها دوری کنند و براساس دادههای قابل اطمینان تصمیم بگیرند.
یکی از مزایای اصلی تحلیل دادههای منابع انسانی، درک عمیقتر از دلایل ترک و ماندن کارکنان در سازمان است. با تجزیه و تحلیل دادهها میتوان فهمید چرا کارکنان تصمیم به ترک سازمان میگیرند و چگونه میتوان استراتژیهای جلب و نگهداری مناسبی را اجرا کرد.
در اینجا، تحلیل دادهها به ما این امکان را میدهد که رفتار کارکنان را به دقت بیشتری بسنجیم، از جمله نحوه تعامل آنها با همکاران و مشتریان. این اطلاعات میتواند به بهبود مشارکت کارکنان در سازمان کمک کند و همچنین به بهبود فرآیندها و محیط کاری منجر شود.
با تحلیل دادههای مرتبط با عملکرد کارکنان و همچنین مقایسه آنها با نیازهای سازمان، میتوان مهارتهای موردنیاز کارکنان را برای توسعه سازمان بهبود داد.
چالش های منابع انسانی داده محور
البته در استفاده از دادهها در منابع انسانی چالشهایی نیز وجود دارد. برخی از این چالشها عبارتند از:
- مهارتهای تحلیلی کم: بسیاری از کارکنان سازمانها مهارتهای آماری و تحلیلی کافی را برای کار با دادههای بزرگ ندارند. برای حل این مشکل، آموزش و توسعه مهارتهای تحلیل داده برای کارکنان میتواند مفید باشد.
- مدیریت دادهها: استفاده از سیستمهای مختلف برای مدیریت و ذخیره دادهها در سازمان میتواند تجمیع و مقایسه دادهها را دشوار کند. برای حل این مسئله، سازمانها به سیستمهای مدیریت دادهها با کیفیت نیاز دارند.
- دسترسی به دادهها: برخی از سازمانها ممکن است دسترسی به دادههای با کیفیت را نداشته باشند، به ویژه اگر سیستمهای بهروز نداشته باشند. این مسئله نیازمند بهبود سیستمها و فناوریها است.
- مسائل اخلاقی و حریم خصوصی: استفاده از دادههای کارکنان باید با رعایت اصول اخلاقی و حفظ حریم خصوصی انجام شود تا مشکلات اخلاقی ایجاد نشود.
با توجه به این چالشها، استفاده از تحلیل دادهها در منابع انسانی نیاز به برنامهریزی و مدیریت دقیق دارد. اما با اجرای صحیح و موثر این فرآیند، ارزش شرکت در نظر کارکنان افزایش خواهد یافت و سازمانها میتوانند به بهبود عملکرد و توسعه پایدار خود برای آینده بپردازند.
نویسنده: سعید زمانپور
منابع:
datasciencecentral.com
forbes.com
saksoft.com
valamis.com
aihr.com
