منابع انسانی داده محور چیست؟

در دنیای امروز همه چیز در حال تغییر است و جهان پیرامون ما هر روز هوشمندتر می‌شود. در عصر حاضر بیشتر فعالیت‌هایی که ما در محیط کارمان انجام می‌دهیم از فعالیت‌های روزمره کارکنان، میزان تمرکز بر کار، نشاط و رفاه کارکنان تا فعالیت‌های کلان‌تری که شرکت‌ها درگیر آن هستند قابل اندازه‌گیری شده‌اند. این حجم کلان از داده‌ها(انفجار داده) سبب شده تا داده‌های بیشتری در اختیار تیم‌های منابع انسانی قرار بگیرد و به صورت بالقوه قابلیت بینش افزایی بیشتری در مقایسه با گذشته داشته باشد.

در این مقاله قصد دارم در خصوص مفهوم منابع انسانی داده محور (Data-Driven HR) توضیحاتی دهم و مثال‌هایی از آن را در فرایندهای مدیریت منابع انسانی، با شما به اشتراک گذارم.

مفهوم منابع انسانی داده محور چیست؟

همه فعالیت‌هایی که در حوزه کسب و کار در حال انجام است از ارسال یک ایمیل توسط کارکنان گرفته تا حسگرهای موجود در خط تولید، همگی در حال تولید داده هستند. داده‌های مربوط به فرایند جذب، آموزش، حضور و غیاب، بهره وری، ارزیابی توسعه فردی، پروفایل شایستگی و رضایت شغلی کارکنان به عنوان نمونه‌هایی از داده‌های بی‌شماری  هستند که در واحد منابع انسانی وجود دارد.

منابع انسانی داده محور یا منابع انسانی هوشمند عبارت است از بهره مندی از حجم عظیم داده‌ها به روش‌های هوشمندانه برای استخراج بینش‌هایی که نه تنها عملکرد افراد را در سازمان‌ها ارتقا می‌دهد بلکه به تیم‌های منابع انسانی در تصمیم‌گیری‌های بهتر یاری می‌رساند.

اکنون به یاری داده‌های کلان و تحلیل آن‌ها شرکت‌ها قادرند پیش بینی کنند که چه زمانی کارکنان شرکت را ترک خواهند کرد، از کجا افراد شایسته‌ای را برای جذب شناسایی کرده و به چه نحوی افراد شایسته را شناسایی کنند و در ادامه چطور این افراد را پس از استخدام با نشاط نگه دارند.

این مقاله را هم مطالعه کنید: تجزیه و تحلیل افراد (People Analytics) چیست و چطور انجام می‌شود؟

اهمیت و کاربرد داده‌ها در حوزه منابع انسانی

تیم‌های منابع انسانی با بهره گیری از داده به روش هوشمندانه و همچنین با بکارگیری ابزارهای تحلیلی مناسب برای تبدیل این داده‌ها به بینش‌های اصلی مورد نیاز برای کسب و کار خود دست یافته و فواید چشمگیری را نصیب سازمان‌ها خواهند کرد.

با ذکر چند مثال در فرایندهای منابع انسانی، اهمیت و کاربرد داده‌ها در حوزه منابع انسانی را شفاف‌تر ببینیم.

 جذب و استخدام داده محور

برای نمونه در فرایند جذب متقاضیان استخدام، یادگیری ماشینی به عنوان یک ابزار یاری رسان به تیم‌های منابع انسانی، در ردیابی مراحل بررسی پرونده متقاضیان جذب و همچنین تسریع در فرایند ارائه بازخورد و ارزیابی آن‌ها استفاده می‌شود.

به طور مثال پلتفرم Peoplise یک بستر دیجیتالی در حوزه جذب و استخدام است که بر اساس غربالگری دیجیتالی درخواست‌های جذب و استخدام و همچنین، نتایج مصاحبه‌های انجام شده، متقاضیان جذب را اولویت بندی می‌کند و از این راه به متخصصان و مدیران منابع انسانی در فرایند تصمیم گیری در خصوص شایسته‌ترین افراد کمک می‌کند.

در یک نمونه دیگر یک بانک با هدف کاهش هزینه‌های کارکنان و همچنین استخدام افراد با مهارت‌ها و توانمندی‌های مناسب‌تر، داده‌های عملکری کارکنان خود را بر اساس نوع دانشگاه‌هایی که دانش آموخته آنجا بودند، تحلیل کرد. بر خلاف آن چه از گذشته در فرایند جذب بانک مورد توجه بود و ذهنیت این بود که افراد دانش آموخته از دانشگاه‌های برتر کارکنانی با عملکرد عالی هستند، نتایج تحلیل داده‌ها نشان داد که اتفاقا افرادی که در دانشگاه‌های با رتبه بندی پایین‌تری تحصیل کرده‌اند، در مقایسه با دانش آموختگان دانشگاه‌های برتر عملکرد بهتری دارند.

 آموزش داده محور

با کاربرد هوش مصنوعی در آموزش‌های مجازی این امکان فراهم شده است تا هر گونه اقدام و فعالیت فراگیران رصد شده و پاسخ‌ها به راحتی ارزیابی شود. زیرا افراد ردپای دیجیتالی از هر فعالیتی که انجام می‌دهند به جای می‌گذارند. این سوابق دیجیتال سرعت یادگیری، مکث در میان تماشای ویدئوهای آموزشی، مطالبی که مجدد بررسی کرده‌اند و… را شامل می‌شود.

برای مثال زمان بیشتر صرف شده فرد در یک درس خاص در مقایسه با دروس قبلی‌ش می‌تواند بیانگر این باشد که این فرد اطلاعات بیشتری در این درس خاص نیاز دارد. یا اگر دانش پذیری به سرعت از محتوای ارائه شده در درسی خاص عبور کند شاید به معنای این باشد که این سطح درس برای وی کافی نبوده است.

این داده‌ها به متولیان آموزش را برای تهیه دوره‌های جذاب و متناسب یاری می‌رساند.

مدیریت عملکرد داده محور

شرکت استارت آپی Zugata پلتفرمی توسعه داده است که بازخورد در لحظه، ناشناس و هم سطح در رده کارکنان در کنار توصیه‌های پایش شده و منتورینگ ارائه می‌دهد تا به بهبود عملکرد کارکنان کمک کند.

این سیستم شناسایی می‌کند که چه کسانی با هم تعامل داشتند و بازخوردهای ناشناس را در هر هفته از افراد درخواست می‌کند.

ابزارهایی از این دست به اعضای تیم کمک می‌کند تا ارتباطات باز و منظمی با یکدیگر داشته باشند و نقاط ضعف و فرصت‌های رشد و بهبود را نیز کشف کنند. برای تیم‌های منابع انسانی و مدیران، پلتفرم Zugata اطلاعاتی فراهم می‌کند تا مهارت‌ها، نقاط قوت و قابل بهبود را درک کرده تا برنامه‌های اثربخش آموزش و توسعه را طراحی کنند.

این مقاله را هم مطالعه کنید معرفی مهمترین شاخص‌های کلیدی منابع انسانی

خروج از خدمت داده محور

دستیابی به روند نرخ خروج کارکنان از طریق تحلیل داده‌ها امکان پذیر خواهد بود. در همین زمینه می‌توان به پلتفرم تحلیل واتسن Watson Analytics شرکت آی بی ام اشاره کرد که نمونه‌ای از کاربرد تحلیل خروج افراد در دنیای واقعی‌ست. این پلتفرم با بررسی داده‌های کارکنان گذشته (که از مصاحبه‌های خروج به دست آمده بودند) و مقایسه آن با داده‌های کنونی یک شرکت، شاخص‌های مرتبط به فرسایش نیروی انسانی را شناسایی کرد.

اضافه کاری، سطح شغل، تعداد سال‌های کار کردن با مدیر فعلی و سن کارکنان، همگی از جمله محرک‌های معناداری بودند که این پلتفرم در خصوص خروج کارکنان به آن دست یافته بود، به طور مثال نتایج این تحلیل نشان داد کارکنانی که بیش از پانزده ساعت اضافه کاری در هفته داشتند احتمال بیشتری بود که سازمان را ترک کنند. که می‌تواند متولیان منابع انسانی را در تصمیم گیری بر اساس داده یاری نماید.

 رضایت شغلی داده محور

برای ارزیابی رضایت شغلی در عصر شکلک‌ها(!) یا ایموجی سازمان‌ها دستگاه‌هایی را در محل‌های شلوغ سازمان نظیر سالن جلسات و یا بوفه می‌گذارند. این دستگاه‌ها از کارکنان سوال‌های ساده را با پاسخ در قالب چهار ایموجی با چهره خندان تا ناراحت می‌پرسد که نظر کارکنان نسبت به سوال را نشان می‌دهد. سپس تیم منابع انسانی سازمان می‌تواند از داده‌های گردآوری شده برای درک تصویر مشخصی از واکنش‌های کارکنان نسبت به ایده‌های جدید، سیاست‌های شرکت، امکانات و بسیاری موارد دیگر استفاده کند.

موضوع قابل توجه در تمامی مثال‌های فوق این است که به دنبال تاکید بر نقش‌های در حال تغییر واحدهای منابع انسانی در دوران معاصر هستیم.

این مقاله را هم مطالعه کنید: داشبورد منابع انسانی چیست و چطور ساخته می‌شود+ نمونه

منابع انسانی در آینده

نتایج یک نظرسنجی سالانه که توسط شرکت کاریابی Harvey Nesh انجام شده است نشان می‌دهد، در طی 5 سال آینده، حوزه منابع انسانی به شکل چشمگیری تحت تاثیر فناوری‌های هوش مصنوعی و خودکارسازی دستخوش تغییر و تحول خواهد شد.

بر اساس باور رهبران منابع انسانی در حال حاضر تنها 15 درصد از فعالیت‌های حوزه منابع انسانی تحت تاثیر این فناوری‌ها قرار گرفته‌اند در حالی که طی دو تا پنج سال آینده میزان این تاثیرات به 40 درصد افزایش خواهد یافت.

نتایج مطالعه‌ای دیگر که در دانشگاه آکسفورد انجام شده است حاکی از آن است که طی 20 سال آینده حدود 720 شغل به شدت تحت تاثیر خودکارسازی قرار خواهند گرفت و در سال 2035 میلادی مشاغل اداری حوزه منابع انسانی با احتمال 90 درصد خودکار می‌شوند. این در حالی‌ست که مشاغل کارشناسان و مدیران منابع انسانی اقبال کمتری برای جایگزینی با روبات‌ها خواهند داشت.

سخن آخر

منابع انسانی داده محور به معنای آن است که نه تنها از فواید استفاده از این داده‌ها در خلق بینش در بهبود عملکرد منابع انسانی سازمان باید بهره برد؛ بلکه باید برای موفقیت کلی شرکت نیز استفاده کرد. ایده اصلی منابع انسانی داده محور، هوشمند سازی واحد منابع انسانی از هر راه ممکن و همچنین، تصمیم گیری‌های هوشمندانه در این واحد سازمانی است. داده‌ها علاوه بر این که به متخصصان واحد منابع انسانی در تصمیم گیری‌های بهتر در فرایندهایی نظیر استخدام و ارزیابی عملکرد یاری می‌رساند به شکل گیری گزارشات بخش‌های دیگر شرکت هم کمک می‌کند و در حالت کلی به حمایت و پشتیبانی از تصمیمات شرکت منجر می‌شود.

منابع:

کتاب مدیریت منابع انسانی داده محور، تالیف برنارد مر، ترجمه دکتر علی پیران نژاد و وحید فرجی جبه دار

https://www.aihr.com