Prediktivna Analitika U HR - Modni Trend Ili Vitalna ...

Có thể bạn quan tâm

HR analitičar- osoba koja prikuplja, procjenjuje, analizira informacije o ljudskim resursima. Profesija će zainteresovati kandidate koji su zainteresovani za matematiku i ekonomiju. Profesija je pogodna za one koji se zanimaju za psihologiju i društvene nauke (vidi izbor zanimanja prema interesovanju za školske predmete).

Kratki opis

HR analitika je novi koncept, može se opisati kao proces tokom kojeg se HR podaci analiziraju korištenjem metoda poslovne inteligencije, statistike i tehnologija obrade podataka. Glavni zadaci su sljedeći:

pružanje nepoznatih informacija (uvid);
definicija vodećih podataka.

Ovaj proces daje odgovore na brojna važna pitanja:

priprema izvještaja o starosti zaposlenih;
obračun najkvalificiranijeg kadra;
izbor kandidata koji ispunjavaju sve poslovne uslove;
utvrđivanje nivoa fluktuacije osoblja;
predviđanje perioda kada je potrebno izvršiti "podmlađivanje" kadrova;
statistika stvarnog prisustva osoblja na radnom mjestu: sjednice, godišnji odmori, bolovanja itd.

Gore navedena pitanja su samo mali dio mogućnosti HR analitike. Čelnici kompanija, oslanjajući se na podatke analitičkih izvještaja, donose upravljačke odluke koje imaju ključnu ulogu u poboljšanju poslovne efikasnosti. HR analitičar radi sa velikim količinama podataka, koristeći duboko znanje stečeno ne samo u okviru univerzitetskog programa, već i tokom dodatnih obuka, kurseva, seminara.

Karakteristike profesije

Još prije 5-10 godina informacije o ljudskim resursima su se prikupljale i sistematizirale haotično, a danas se situacija promijenila. Rukovodioci kompanija rado zapošljavaju HR analitičare, čiji rad omogućava sveobuhvatnu optimizaciju kadrovskih procesa. HR analitičar je osoba sa dubokim poznavanjem matematike, statistike, u svom radu koristi sisteme automatizacije. Razmotrimo glavne zadatke koje rješava HR analitičar:

budžetiranje troškova neophodnih za ljudske resurse: plate, naknade, bonusi, materijalni podsticaji;
analizu korišćenja izdvojenog budžeta, analitičar može učestvovati u procesu revizije plata;
izrada izvještaja o odjeljenjima. Govorimo o prometu, platnom spisku, broju zaposlenih itd.;
analiza efektivnosti upravljačkih odluka;
interakcija sa rukovodiocima poslovnih jedinica kompanije;
rad sa HR statistikom, evidentiranje prikupljenih podataka u izvještajima, prezentacijama;
generisanje nestandardnih izveštaja po prijemu zahteva od rukovodioca;
uvođenje novih sistema automatizacije;
proučavanje tržišta zarada, unos podataka u bazu podataka, redovno ažuriranje baze podataka;
prikupljanje, analiza, obrada podataka o ljudskim resursima;
procjena efektivnosti korištenja radnog vremena.

Raspon odgovornosti zavisi od politike kompanije u kojoj HR analitičar radi. U nekim oblastima poslovanja, dužnosti analitičara su dodijeljene HR menadžerima, u drugim takvo radno mjesto još nije otvoreno. Profesija je u fazi razvoja, ali će u budućnosti steći veliku popularnost.

Prednosti i mane profesije

pros

Profesija je nova, ali su HR analitičari već traženi kako u malim kompanijama tako i u velikim korporacijama.
Kontinuirani razvoj: kursevi, seminari, drugi obrazovni programi. Obuku najčešće plaća poslodavac.
Veliki broj slobodnih radnih mjesta. Na primjer, u Moskvi je otvoreno oko 70 ponuda za HR analitičara, u Rusiji u cjelini postoji više od 150 slobodnih radnih mjesta (podaci sa portala hh.ru).
HR analitičar radi sa softverom i statističkim podacima, tako da je komunikacija sa zaposlenima u strukturnim odjelima svedena na minimum.
Segment HR analitike karakteriše prosjek plate ali su mogući dodaci i bonusi za odličan rad.

Minusi

Kolosalna odgovornost.
HR analitičar ne može pogriješiti.
Sjedeći rad, potrebno je puno vremena provoditi za kompjuterom, što negativno utječe na kvalitetu vida i opće zdravlje.

Važni lični kvaliteti

HR analitičar je točna, skrupulozna, disciplinirana osoba sa tendencijom ponavljanja posla. Dan za danom mora da obrađuje ogromnu količinu podataka, koristeći analitičko razmišljanje, metodologiju, pragmatizam. Takođe mora imati strpljenje, visoku sposobnost učenja, profesionalnu odgovornost.

Obuka za HR analitiku

Poslodavci su zainteresovani za HR analitičare koji imaju diplomu više obrazovanje... Na ruskim univerzitetima otvorena su mnoga specijalizovana područja obuke:

"Upravljanje ljudskim resursima" (šifra: 38.03.03);
„Statistika“ (novi smjer, odobren 2017. godine, otvoren u RTU MIREA i OSU);
"Ekonomija", na primjer, sa profilom "Ekonomija rada" (šifra: 38.03.01);
"Menadžment", na primjer, sa profilom "Upravljanje ljudskim resursima" (šifra: 38.03.02).

Profilni ispit za gore navedene oblasti je matematika. Napominjemo da HR analitičar mora redovno usavršavati svoje kvalifikacije i ažurirati svoja znanja, stoga se preporučuje učešće na seminarima, webinarima, obukama nekoliko puta godišnje.

„Ruski institut stručno obrazovanje"IPO" - regrutuje studente za specijalnost u programu učenja na daljinu stručna prekvalifikacija i profesionalni razvoj. Studiranje na IPO je zgodan i brz način za sticanje obrazovanja na daljinu. 200+ kurseva obuke. 8000+ diplomaca iz 200 gradova. Kratki rokovi za papirologiju i eksternu obuku, beskamatne rate sa zavoda i individualni popusti. Kontaktiraj nas! "

Univerziteti

Nacionalni istraživački univerzitet Visoka ekonomska škola.
Moskovski državni univerzitet M.V. Lomonosov.
RUDN.
PRUE ih. G.V. Plekhanov.
RTU MIREA.
Ruski državni univerzitet nazvan po A. N. Kosygin.
SevSU.
SPbGUP.

Mjesto rada

HR analitičari su potrebni u svim kompanijama koje imaju svoje odjeljenje za ljudske resurse. Oni mogu biti zaposleni sa punim radnim vremenom ili se odlučiti za outsourcing. Prva opcija uključuje saradnju sa predstavnicima velikog biznisa, druga - srednje i malo.

Plaća

Menadžeri radije angažuju HR analitičare sa najmanje 1 godinom radnog iskustva, koji su sigurni korisnici računara koji znaju strane jezike. Visina naknade zavisi od regije poslovanja, vještina i sposobnosti. Često se plata HR analitičara sastoji ne samo od gole opklade, već i od bonusa i premija.

Plata za 19.11.2019

Rusija 30.000-60.000 rubalja

Moskva 50.000—200.000 ₽

Stručno znanje

C&B / HR analitika.
Tehnologije upravljanja osobljem.
Analitika, ekonomija, menadžment, osnove zapošljavanja, statistika.
Strani jezici.
Budžetiranje osoblja.
Poslovni procesi HR odjela.
Automatizacija HR procesa.
Ključni pokazatelji učinka osoblja (KPI).

HR je prošao dug put od tradicionalnog prikupljanja i praćenja informacija o zaposlenima do moderan pristup: Korištenje podataka za generiranje pronicljivih uvida u cijelo poslovanje.

Šta je HR analitika?

HR analitika je proces u kojem se primjenjuju tehnike obrade podataka i poslovne inteligencije (BA) na obradu HR podataka. Ponekad se naziva i analitikom talenata. Osim toga, data mining se u ovom kontekstu odnosi na praksu ispitivanja baza podataka radi stvaranja novih informacija.

HR analitičari imaju dva glavna cilja: davanje uvida (prethodno nepoznatih informacija) i identifikovanje ključnih podataka.

Prvi cilj je pružiti organizaciji informacije o vlastitim operacijama koje joj mogu pomoći da efikasno upravlja svojim ljudima. To su uvidi koji mogu osigurati da se poslovni ciljevi kompanije efikasno ostvare.

Druga ključna funkcija HR analitike je da pomogne u identifikaciji podataka koje organizacija treba pohraniti. Osim toga, pruža modele za predviđanje različitih načina na koje organizacija može postići optimalni povrat ulaganja (ROI) u svoj ljudski kapital.

Sve u svemu, HR analitika je fokusirana na maksimalno iskorištavanje ogromne količine podataka o ljudskim resursima koje većina organizacija prikuplja. Kompanije često imaju obilje podataka, kao što su demografija zaposlenih, evidencija o obuci, itd., a analiza može izvući važno znanje iz njih.

Ispod su detaljnije informacije o HR analitici:

Zašto bi vaša organizacija trebala raditi s HR analitikom?

HR odluke se često zasnivaju na profesionalnim instinktima i intuiciji. Zapošljavanje, na primjer, često zavisi od ličnog kontakta koji regruter ima ili nije uspio uspostaviti s kandidatom. Problem sa "instinktima" i intuicijom je u tome što oni mogu normalizovati loše prakse.

Dakle, nepravda na poslu može proći nezapaženo. Razlika u plaćama između muškaraca i žena je odličan primjer za to. Organizacije mogu misliti da plaćaju isto ako ne prouče dokaze.

HR analitika može pomoći u poboljšanju performansi i predviđanju najuspješnijih modela. Ovo eliminiše većinu ljudskih grešaka u donošenju odluka. Na primjer, poboljšanje upravljanja opterećenjem može biti efikasnije kada se koriste podaci koji pokazuju koja odjeljenja ili grupe su već preopterećeni i koji sebi mogu priuštiti preuzimanje više odgovornosti.

Što je još važnije, pokazalo se da HR analitika pokreće rast kompanije. Training Zone izvještava o porastu produktivnosti za jednu kompaniju koja koristi HR analitiku da poboljša svoj proces zapošljavanja. Kroz analizu podataka, kompanija je uočila da tradicionalno ključni indikatori- edukacija i preporuke - nisu imale mnogo uticaja na prodajni učinak kandidata. U stvari, ključne metrike kao što su prodajno iskustvo visoke vrijednosti i sposobnost rada u nestrukturiranim okolnostima zapravo su doprinijele poboljšanju prodajnih performansi. Kada je kompanija implementirala ovu analizu talenata u zapošljavanje, prodaja kompanije porasla je za 4 miliona dolara sljedeće godine.

Druge studije su došle do sličnih zaključaka o važnosti HR analitike za ukupni učinak kompanije. Istraživanje MIT-a i IBM-a pokazalo je da veća upotreba HR analitike može rezultirati:

Povećanje prodaje za 8%;
Povećanje neto prihoda iz poslovanja za 24%;
58% veća prodaja po zaposlenom.

Ključni načini korištenja HR analitike

Područja primjene HR analitike su ogromna, a metrika na koju se treba fokusirati za organizaciju će se razlikovati u zavisnosti od industrije kao i prirode poslovanja.

Evo nekoliko primjera mogućih KPI-ova:

stopa otpuštanja,
vrijeme zapošljavanja,
stopa fluktuacije za različite grupe osoblja (prva godina, pet godina itd.),
prihod po zaposlenom.

Gore navedeni pokazatelji i drugi slični podaci mogu se koristiti za poboljšanje poslovnih performansi. Ključna područja u kojima podaci mogu pomoći su:

Regrutovanje- HR analitika može dati odgovore na pitanja o pronalaženju idealnih kandidata za ovaj posao. Na primjer, kao što je prikazano u gornjem primjeru kompanije, podaci se mogu koristiti za identifikaciju kvaliteta onih kandidata koji donose najbolje rezultate. Možete uporediti podatke kandidata koji su na kraju ostali u kompaniji i pronaći zajedničke imenitelje među njima.

Zdravlje i sigurnost- HR analitika može bolje identificirati problematična područja vezana za zdravlje i sigurnost. Podaci mogu ukazivati na uloge, mjesta rada i druge slične faktore koji imaju najveću stopu nesreća.

Zadržavanje zaposlenih- Uz podatke možete saznati i više o zadržavanju zaposlenih. Možete koristiti HR analitiku da identifikujete aspekte koji povećavaju angažman zaposlenika.

Nedostaci u talentima- podaci mogu otkriti postojanje praznina u organizaciji. Na primjer, neki odjeli mogu imati više kvalificiranih radnika od drugih i to može ometati zajednički posao kompanije.

Stopa otpuštanja- koliko zaposlenih odlazi u određenom periodu u odnosu na ukupan broj zaposlenih? Učinak prodaje – HR analitika vam može pomoći da shvatite detalje o tome kako povećati učinak prodaje. Možda ćete otkriti da određeni talenti pomažu zaposlenima da rade bolje, ili da određeni programi obuke pružaju trenutni povrat od prodaje.

Pet izazova za HR analitiku

Prije nego što pređemo na početne faze implementacije HR analitike, vrijedno je razmotriti neke od glavnih izazova koji se javljaju. Kada implementirate HR analitiku u vašoj organizaciji, važno je pronaći načine za rješavanje sljedećih pet izazova.

Zadatak 1: protok podataka

Što više informacija vaša organizacija prikupi, teže je koristiti ih ako je potrebno. Velika količina podataka ne dovodi automatski do dobrih rezultata. Da biste bili uspješni, morate imati sposobnost primjene pravih analitičkih tehnika.

Ako vaše odjeljenje za ljudske resurse prikupi mnogo podataka bez korištenja pravih analitičkih pristupa, na kraju ćete jednostavno dobiti puno podataka. Što ih je više, teže je napraviti vrijedna nagađanja.

Na primjer, metrike za sve metrike koje prikupljate moraju biti pravilno definirane i kategorizirane. Morate identificirati pitanja koja želite riješiti sa svojim podacima, a ne samo prikupiti da budu.

Izazov 2: kvalitet podataka

Osim prikupljanja prave količine podataka, morate se pobrinuti da posvetite dovoljno pažnje njihovom kvalitetu. Protok podataka može brzo dovesti do podataka lošeg kvaliteta jer ne stvarate smislene veze između različitih skupova podataka.

Važno je osigurati kvalitet podataka fokusirajući se na osiguranje njihovog integriteta i sigurnosti. Problem mnogih organizacija je taj što podaci koji se koriste u HR analitici mogu doći iz različitih dijelova organizacije i stoga biti previše različiti, što dovodi do problema. Neki podaci mogu biti zanemareni, odbačeni, izgubljeni ili se skupovi podataka ne mogu kombinovati, što će onda dovesti do neadekvatne analize.

Izazov 3: niske analitičke vještine u većini odjela za ljudske resurse

Da bi HR analitika uspjela, tim koji stoji iza nje mora imati znanje i o ljudskim resursima i o analitici podataka. Ali pronalaženje HR lidera koji su također kompetentni za analizu podataka može biti izazov.

Prema Elizabeth Craig, istraživaču na Accenture institutu za visoke performanse, teško da postoji neko ko je dovoljno obučen za HR analitiku. Osim toga, Craig je rekao za data-informed.com da neki alati za analizu podataka zahtijevaju specijalizirane IT vještine, što povećava pritisak traženja pravih ljudi.

Problem izgleda još veći jer se samo 6% globalnih HR timova osjeća sigurno u svoje analitičke vještine. Osim toga, samo 20% vjeruje da je korištenje podataka od strane njihove organizacije dovoljno vjerodostojno i pouzdano za donošenje odluka.

Izazov 4: Česti nedostatak podrške menadžmenta za HR analitiku

HR analitika još nije postala osnovni proces za mnoge kompanije, a podrška menadžmenta često nedostaje. Ali da bi proces funkcionirao, odjeli za ljudske resurse moraju uvjeriti čelnike kompanija u prednosti korištenja analitike.

Ova podrška je važna jer omogućava pristup resursima, budući da implementacija pravog HR analitičkog sistema nije jeftina. Takođe može da obezbedi bolji pristup podacima u svim odeljenjima. Da bi uvjerio rukovodioce, HR se mora fokusirati na identifikaciju mogućnosti za maksimiziranje ROI, čak i na početku.

Izazov 5: HR analitika je skupa i ROI često nije vidljiv

Konačno, organizacije moraju biti svjesne troškova. Raspon cijena analitičkih instrumenata je raznolik kao i dostupnost instrumenata. Prema članku na data-informed.com, cijena platforme može se kretati od "400.000 dolara do 1,5 miliona dolara za kompaniju sa 5.000 stalno zaposlenih."

Osim toga, procjena ne uključuje povećanja troškova s kojima se organizacije mogu suočiti prilikom zapošljavanja novih zaposlenika za implementaciju programa ili obuku postojećih zaposlenika u analitičkim vještinama.

Takođe, ROI na HR analitiku nije baš opipljiv. To je zato što koristi od implementacije analitičkih rezultata mogu biti iz različitih odjela i kroz duge periode. Na primjer, poboljšanja u zadržavanju zaposlenih neće biti odmah vidljiva.

Izazov je shvatiti da potraga za jeftinijom platformom za HR analitiku ne znači uvijek velike uštede. Mana softver i alati mogu dovesti do neefikasnih i nepotpunih rezultata, koji, kao rezultat, neće stvoriti dovoljno visok ROI da opravda ulaganje.

Pet prvih koraka za implementaciju HR analitike

Ako vaša organizacija želi implementirati HR analitiku, koji je pravi put? U nastavku je pet koraka koji mogu pomoći vašoj organizaciji da započne s procesom.

Korak 1: Određivanje poslovnih problema koje želite riješiti

Prva i najvažnija stvar je identificirati poslovne probleme koje želite riješiti. Ne možete početi prikupljati podatke, a zatim ih samo pogledati da biste pronašli odnose.

Identifikujte probleme koje biste želeli da poboljšate u sektoru ljudskih resursa. Na primjer, to mogu biti pitanja vezana za raznolikost poslova, poboljšanje zadržavanja zaposlenih, mjerenje količine novca potrošenog na obuku ili bolje razumijevanje razloga odsustva s radnog mjesta. Postoji nekoliko jednostavnih pitanja s kojima biste trebali započeti prije nego što krenete dalje.

Na primjer, recimo da želite razumjeti kako HR utiče na stvari kao što je rezultat vaše kompanije.

Nakon što ste prikupili opće informacije u vezi sa osobljem koje biste željeli detaljnije proučiti, morate započeti identifikacijom potrebnih metrika za rješavanje ovih problema. Evo nekih HR metrika koje pokazuju učinak HR odjela:

Vrijeme regrutacije - Koliko vremena je potrebno da se popuni slobodno radno mjesto i koliko vremena je potrebno da kandidat prihvati ponudu i postane zaposlenik?
Stopa fluktuacije osoblja - Koliko zaposlenih odlazi nakon prve godine, pet godina i tako dalje?
Raznolikost radne snage – koliki su procenti kada su u pitanju žene, muškarci, vjerske i etničke grupe?
Prihodi po zaposlenom, među stalno zaposlenima - koliki su prihodi ostvareni na bazi punog radnog vremena?
Plaća za prekovremeni rad – koliko je visoka plaća za prekovremeni rad i koliko često se to radi?
Odnos stalnih i privremenih radnika - Koliko je zaposlenih na nepuno radno vrijeme u odnosu na puno radno vrijeme?

Korak 2: Identifikujte podatke koji odgovaraju na gornja pitanja

Kada imate pitanja i problema, možete početi da identifikujete podatke koji su potrebni za odgovor ili rešavanje.

Prvo, vaš fokus bi trebao biti na podacima o ljudskim resursima koji su već pohranjeni u vašem odjelu. Ovo uključuje informacije o zapošljavanju, učinku i nasljeđivanju. Vaše odeljenje bi već trebalo da nadgleda ove skupove podataka.

Drugo, morate početi prikupljati podatke o stvarima kao što su angažman, ankete i intervjui. Ovisno o nivou prikupljanja podataka u vašoj organizaciji, možda već imate mehanizme za prikupljanje ovih podataka.

Konačno, potrebno je da proširite svoje prikupljanje podataka na druge poslovne sisteme i odjele. Trebali biste početi prikupljati važne finansijske metrike i istraživanje tržišta. To uključuje stvari kao što su promet, učinak prodaje, novac potrošen na istraživanje tržišta i obuku.

Korak 3. Implementirajte ETL: ekstrakcija, transformacija i učitavanje

Kao što je gore navedeno, odjel za ljudske resurse mora blisko sarađivati sa IT odjelom, jer specifični softver i rudarenje podataka mogu zahtijevati specijalizirane analitičke vještine. Zato je dobra ideja da počnemo da gradimo bliže veze između ova dva odeljenja.

Dio ovog procesa je implementacija ETL-a: izdvajanje, procesiranje i učitavanje. Postoje alati koji se mogu koristiti za automatsko izvođenje ovog procesa. Na primjer, IMB WebsphereDataStage i Cognos Data Manager, ili Microsoft SQL Server Integration Services su neke od najpopularnijih opcija. Iako netehničko osoblje može koristiti ove platforme, može biti od pomoći zatražiti pomoć od IT odjela.

Ovaj proces vam u suštini omogućava da izdvojite podatke koji su vam potrebni iz izvora koje definišete, transformišete ih u ispravan čist i konzistentan format i otpremite ih na vašu analitičku platformu kako biste ih koristili za analizu.

Korak 4. Integracija rezultata u poslovne transakcije

Kada vaša analiza podataka počne generirati rezultate, morate početi unositi promjene. Na primjer, ako je vaš fokus na istraživanju različitosti radna snaga a vaši podaci pokazuju da ne dobijate dovoljno prijava od etničkih manjina, možete početi mijenjati svoju strategiju zapošljavanja.

Osim toga, potrebno je uspostaviti veze između HR podataka i drugih poslovnih metrika. Na primjer, smanjenje prekovremenog rada osoblja može biti u direktnoj korelaciji sa produktivnošću i profitabilnošću. Izveštaj KPMG-a „Ljudi su pravi brojevi“ istražuje važnost ovih veza kroz primer nedostatka osoblja na radnom mestu i isplativosti.

„Iako je korisno pratiti izostanke u svim regijama ili iz prethodnih godina, ako HR može pokazati da je smanjeni izostanak u pozitivnoj korelaciji s operativnom efikasnošću, tada će menadžment vidjeti stvarnu vrijednost HR-a“, navodi se u izvještaju.

Korak 5. Redovne analize

Konačno, HR analitika se mora obavljati redovno, inače će u većini slučajeva biti nebitna. Da bi se iskoristile njegove prednosti, mora se uspostaviti redovan proces.

Na primjer, identificirali ste problem koji želite riješiti s podacima, izvršili analizu i pronašli odgovor. Nakon što implementirate rješenja za svoj problem, morate mu se redovno vraćati kako biste provjerili šta se dešava sa promjenom i ima li novih problema.

Zaključak

HR analitika je sastavni dio upravljanja podacima i njena implementacija može donijeti pozitivne nagrade svakoj organizaciji. Ali, kao što je gore objašnjeno, upravljanje, analiza i tumačenje podataka nije lako, a organizacije moraju pristupiti „ljudskoj“ analitici korak po korak.

Ključ uspješne HR analitike temelji se na razumijevanju da nije veličina mjerenih podataka ta koja vodi do rezultata, već utjecaj podataka na donošenje odluka u organizaciji. HR analitiku ne treba posmatrati kao suštinsku za HR odjel, već kao nešto što može stvoriti vrijednost za cijelu organizaciju.

Korporativne kulture

Ključne riječi:

1 -1

konferencija HR-environment, posvećena radu sa kadrovima, razvoju zaposlenih i rešavanju problema u oblasti HR. Anton Lukjanov, šef grupe za HR analitiku u Yandexu, govorio je o osnovama rada s podacima u HR-u i podijelio svoje najbolje prakse.

Šta je "graf"?

Sve industrije generiraju podatke. Zahvaljujući podacima možemo bolje razumjeti internog klijenta, optimizirati procese i drugačije gledati na interakciju zaposlenih. Ovi procesi se mogu opisati pomoću teorije grafova.

Graf je apstraktni matematički objekt koji se sastoji od vrhova (tačaka) i ivica (prava) koje ih povezuju. Uzmimo Internet kao primjer – mnoge stranice su povezane linkovima. Srž Yandexovog poslovanja je brzo zaobići internet graf, analizirati sadržaj i dati relevantan odgovor korisniku. Drugi primjer je Yandex.Taxi: pronalaženjem najkraće udaljenosti između tačaka na mapi, usluga pomaže putniku da stigne na odredište.

Yandex graf: tačke - zaposleni, linije - interakcija između njih

Apstraktni prikaz objekata u obliku grafika predložio je matematičar Leonard Euler, koji je riješio problem popularan u 18. stoljeću: kako preći preko svih gradskih mostova u Konigsbergu, a da ni jedan od njih ne prođete dvaput?

Izvori i zahtjevi za podacima

Da biste napravili grafikon, potrebni su vam podaci. Organizacija može koristiti kao izvore podataka:

korporativna pošta

kalendar sastanaka osoblja

zadataka u trackeru

interne PBX pozive

Trackeri su posebno popularni kod IT kompanija. Omogućuju vam postavljanje zadataka, dodjeljivanje osoba odgovornih za njihovo izvršavanje, prilaganje datoteka. Trackeri znatno olakšavaju timski rad. U Yandexu ovaj alat ne koriste samo programeri, već i drugi odjeli.

HR odjeli koriste tracker za:

odobravanje konkursa

hiring

adaptacije

učenje

HR analitika je izgrađena na osnovu ovog alata.

Zahtjevi za podatke:

Kvaliteta. Podaci moraju biti bez grešaka i propusta. Indikatori se moraju dovesti do opšteg pogleda.

Kompletnost. Sada radite u nekoliko informacioni sistemi istovremeno. Podaci uzeti samo iz jednog sistema neće biti potpuni.

Analiza interakcije

Tačke i linije na grafikonu predstavljaju zaposlene i njihove interakcije. Što je veći prečnik u tački, to je intenzivnija interakcija između zaposlenog i kolega. Što je deblja linija koja povezuje dvoje zaposlenih, to se u ovom paru dešava intenzivnija interakcija.

Interakcije zaposlenih u Yandexu

Važno je uzeti u obzir i ispravno interpretirati sve podatke. Intenzitet interakcije između zaposlenih direktno zavisi od njihove pozicije i zadataka koji su im dodeljeni.

Koji se zaključci mogu izvući i šta se može primijeniti u organizacijskim promjenama:

Efikasnost interakcija. Ako se grupe razlikuju po intenzitetu interakcija i imaju objektivan indikator kao što je KPI ili se radi pregled učinka, tada možete uporediti faktore iz grafikona (intenzitet interakcija) i predvidjeti koje akcije vode do najboljih pokazatelja . Na primjer, pretjerana količina komunikacije može preplaviti menadžere i utjecati na njihovo izgaranje.

Stil upravljanja rukovodstvom. Podaci će vam reći da li menadžer koristi mikroupravljanje ili potpunu kontrolu. Koristeći podatke sa grafikona, možete reći menadžeru da li je njegov stil upravljanja prikladan za svaki određeni zadatak i koje radnje mogu poboljšati efikasnost zaposlenih.

Komunikacija unutar tima. Na primjer, članovi tima dobro komuniciraju jedni s drugima, ali jedva komuniciraju s drugim kolegama. Takav tim može kreirati projekat koji je već postojao u kompaniji, podaci o njemu se čuvaju, ali tim ne zna za to. Kao rezultat toga, resursi kompanije će biti izgubljeni zbog nedovoljne interakcije sa drugim odjelima. Ili obrnuto, kada interna komunikacija u timu slabi, to dovodi do kašnjenja u pripremi projekta.

Potpuna slika interakcija zaposlenih omogućava vam da automatski kreirate listu kolega za anketu od 360 stepeni. U tom slučaju, podaci koje će menadžer dobiti na osnovu rezultata ankete će biti potpuni.

Interakcija između timova

metrika

Neke metrike iz teorije grafova mogu se uspješno koristiti u organizacijama:

Gustina / rijetkost. Graf se naziva potpunim kada su svi njegovi vrhovi povezani rubovima. U stvarnom svijetu, primjer kompletnog grafikona može biti mali startup: jedan mali prijateljski tim u kojem se svi međusobno poznaju i efikasno komuniciraju. Odlazak jednog zaposlenog ne dovodi do gubitka bitnih informacija, interakcija nije narušena. Rastom kompanije poremećena je gustina. Teško je zamisliti kompaniju sa hiljadama zaposlenih u kojoj se svi zaposleni poznaju. Ovakvu kompaniju karakteriše rizik gubitka značajne komunikacije unutar tima kada jedan zaposleni ode.

Razdaljina. Ova metrika podsjeća na dobro poznatu teoriju o šest rukovanja. Što je kraća udaljenost između zaposlenih, to je veća kohezija, više ljudi se poznaje.

Centralnost. Ovu metriku dobro ilustruje grafik likova "Igre prijestolja": nakon neočekivane smrti jednog od centralnih likova u djelu, scenaristi imaju poteškoća s pričom sporednih likova.

Most. To se može ilustrovati primjerom Belgije - zemlje sa dva službena jezika, gdje mali most ljudi koji govore dva jezika povezuje "jednojezične" sugrađane. U kompaniji su ljudi na ovom mostu nosioci veoma važnih veza. Njihov odlazak predstavlja veliki problem za kompaniju.

Aplikacija

U kompanijama sa projektnom strukturom projekti se pokreću i zatvaraju na sedmičnoj bazi, važno je pratiti troškove. Potrebno je pravilno prikupljati i prenositi podatke za ekonomske proračune. Ovaj proces se može poboljšati automatizacijom. Yandex je uradio sljedeće:

Napravljen graf kompanije.

Analizom ponašanja zaposlenika u svakom konkretnom mjesecu, HR analitičari mogu vidjeti na kojem projektu se trenutno nalaze. Nestala je potreba za prepiskom sa menadžerima usluga. Ovo štedi vrijeme poslovnim subjektima i analitičarima.

Za sada je ovo pilot projekat koji pokazuje zanimljive rezultate. Mnogi istraživački projekti u Yandexu su naknadno pušteni u proizvodnju.

Dakle, klasičan način analitike

Podaci. Izvor, kompletnost i kvalitet.

Vizualizacija. Kako gledati ove podatke, kako ih koristiti. Ideje o metrikama, koje u slučaju HR analitike mogu biti preuzete iz teorije grafova ili doći same.

Izvještavanje, koji mesečno pokazuje šta se dešava u kompaniji. Na primjer, intenzitet interakcije između menadžera.

metrika, koji se koriste za zaključke.

Prediktivna analitika- pokretanje automatiziranog procesa koji štedi vrijeme.

Šta još trebate znati o HR analitici

Kevin Wheeler, predsjednik i osnivač Global Learning Resources, Inc., u članku"Loša strana HR analitike: 8 malo poznatih činjenica" ističe nekoliko važnih faktora koji se odnose na HR podatke:

Analitika nije čarobna pilula. Analitika nije čarobni metak. Podaci vam mogu pomoći da shvatite problem i možda odaberete efikasniji način da ga riješite, ali podaci ne zamjenjuju empatiju i ljudsko razmišljanje.

Razumijevanje tačno onoga što želite da znate. Potrebna vam je najveća jasnoća o tome šta želite analizirati ili mjeriti. I uvjerite se da je to uopće moguće.

Koristeći odgovarajuću metodu. Metoda prikupljanja podataka takođe može biti izazovna. Jedan slučaj upotrebe za analitiku je razjašnjavanje problema ili pronalaženje mogućih uzroka.

Pasivni podaci mogu biti bolji od traženih podataka. Mnogo je lakše sami prikupiti pasivne podatke nego tražiti pouzdane podatke od drugih. Prikupljanje činjeničnih informacija o akcijama i odlukama je relativno lako.

Podrška je važna. Za efektivna upotreba podaci zahtijevaju podršku menadžmenta i odgovarajuće korporativne kulture u kojoj se podacima daje vrijednost.

Gol kontroliše situaciju. Postoji veliko iskušenje da se sve izmjeri, posebno u ranim fazama, kada se analitički alat tek implementira u kompaniji. Ali bolje je da se fokusirate na dva ili tri ključna pitanja na koja želite odgovor. Tada imate dovoljno vremena za preciznije prikupljanje podataka i kompletnu analizu.

Podaci su pogrešni. Nedavno je postalo uobičajeno staviti podatke na pijedestal i doživljavati ih kao čistu informaciju, u kojoj nema politike ni mišljenja. Ali, nažalost, mišljenja utječu na analizu podataka na isti način kao i sve ostalo.

Što jednostavnije to bolje. Odvojite vrijeme da sastavite listu: šta biste zaista željeli znati kako biste poboljšali svoj proces zapošljavanja; koji podaci će vam pomoći da poboljšate efikasnost većine izvora ili odgovorite na aktuelna pitanja upravljanja.

U posljednje vrijeme pojavljuju se i problemi ispravnog tumačenja podatakagovorio je Nassim Taleb : “Ako znate kako raditi sa velikim podacima, to je dobro, ali morate znati to protumačiti, filtrirati gluposti i nepotrebnu buku koja sve zbunjuje. Zanimljivo, jedini koji znaju raditi sa podacima su antiterorističke službe. Oni su u stanju da ne pronađu lažne korelacije i suze uzorak na određene osumnjičene, već traže veze.Kompjuter se jednostavno može prevariti podacima, statistička disciplina je veoma važna. Veliki podaci nam ne mogu reći šta je ispravno, samo ono što NIJE."

Izvor slike - HR okruženje

Relevantni i zanimljivi HR slučajevi u našem Telegramu. Pretplatite se na kanal!

Zabranjeno je kopiranje i bilo kakva obrada materijala sa stranice

O seminaru

HR analitika (ili analitika ljudi) je analiza velikih količina podataka koji opisuju osoblje iz različitih uglova. Generalno, HR analitika ima dva glavna cilja: pružanje uvida (prethodno nepoznatih informacija) i identifikacija ključnih podataka. Prvi cilj je pružiti organizaciji informacije o vlastitim operacijama koje joj mogu pomoći da efikasno upravlja svojim ljudima. To su uvidi koji mogu osigurati da se poslovni ciljevi kompanije efikasno ostvare. Druga ključna funkcija HR analitike je da pomogne u identifikaciji podataka koje organizacija treba pohraniti. Osim toga, pruža modele za predviđanje različitih načina na koje organizacija može postići optimalni povrat ulaganja (ROI) u svoj ljudski kapital.

Za razliku od drugih pristupa koji se koriste u upravljanju ljudskim resursima, HR analitika se zasniva na stvarnim događajima u prošlosti, koji se odražavaju u podacima, a ne na idejama menadžmenta ili stručnjaka o tome kako oni vide ili bi željeli da vide organizaciju. Na primjer, model kompetencija kreiran tradicionalnim pristupom zasniva se na konsenzusu ključnih dionika koji opisuju „idealnog“ zaposlenika i koji će, po njihovom mišljenju, biti uspješni u poslu. Fokusirane osobe u svojim prosudbama koriste svo svoje iskustvo i duboko razumijevanje poslovanja, ali je teško isključiti element subjektivnosti, priželjkivanja ili drugih nesvjesnih ili skrivenih motiva.

HR analitičar, koristeći različite metode, uključujući mašinsko učenje, traži korelacije i izoluje faktore koji su značajni za opisivanje fenomena koji se proučava. I često nakon što su dobili rezultate ove analize, kupci i konsultanti moraju uložiti mnogo truda da ostvare ponekad radikalno neočekivane rezultate, da pronađu objašnjenje za njih, da protumače naizgled potpuno neočigledne veze između različitih parametara koji stvarno utiču na ciljni indikator. koristeći ljudsku logiku. Ali upravo u tom "čišćenju subjektivnosti" postoji vrijednost i prediktivna moć analitičkog pristupa.

Trajanje obuke

Kratak program seminara

Šta je HR analitika i zašto je važna za donošenje informiranih HR odluka
Identificiranje prediktora koji su važni za predviđanje uspjeha korištenjem korelacijske analize i analize srednje vrijednosti

Istražna analiza podataka za identifikaciju karakteristika zaposlenih
Analiza korelacionih podataka. Određivanje veličine korelacije. Korelaciona analiza u Excel-u
Osnove statističkog zaključivanja. Poređenje srednjih vrijednosti i Studentov t-test. Ispravno tumačenje rezultata statističkih istraživanja. Statistički izlaz u Excelu

Kreirajte složene profile položaja koristeći višestruku linearnu regresiju:

Jednostavna linearna regresija sa jednim prediktorom. Direktna prognoza uspjeha, greška prognoze
Višestruka linearna regresija. Interpretacija rezultata istraživanja i kontrola kvaliteta rezultata
Prognoza uspjeha zaposlenih na osnovu rezultata regresione analize

O HR analitici pišu i govore mnogo više nego što razumiju šta je ona zapravo i koje zadatke treba da rešava.

Ovaj članak govori o tome koje su glavne poteškoće u primjeni i odakle početi analizirati.

Dok je u javnom prostoru, HR analitika podrazumijeva ili metriku i rad s brojevima, statistiku u HR-u, koji su indikatori lokalnih procesa ili odjela, ili dijeljenje slučajeva o tome kako povezati IT odjel sa kreiranjem arhiva HR podataka. Zapravo, HR analitika rješava problem strateški razvoj kompanija određuje glavne trendove prognoze.

Dakle, šta je HR analitika?

Zašto je to sada toliko relevantno, u svjetlu globalne digitalizacije privrede, poslovanja i ljudi? Podaci, prijatelji! Veliki podaci su svuda!

A onda su neuronauke stigle na vrijeme, pokazujući nam koliko su ljudske odluke subjektivne i emocionalne umjesto racionalnog pristupa.

Kako sada živjeti s tim?

Naravno, potreban je drugačiji način donošenja odluka – da sve bude logično, razumno, zasnovano na podacima i sa zagarantovanim rezultatom. Ko to ne želi? Svi žele! Zašto ne rade?

Spremnost za HR analitiku ostaje veliki izazov. Prema izvještaju Deloittea 2017, nakon nekoliko godina rasprave o ovom pitanju, samo 8% ispitanika je reklo da ima korisne podatke; samo 9% veruje da dobro razume koje karakteristike zaposlenih vode uspehu u njihovim organizacijama; a samo 15% generalno je implementiralo sisteme ljudskih resursa i talenata za linijske menadžere.

“To je bila misterija tokom posljednje decenije – zašto, s obzirom na očiglednu važnost ljudskog kapitala, organizacije ne ulažu u njega i zahtijevaju od lidera da donose odluke o ljudima koristeći analitiku zasnovanu na činjenicama?” (").

U čemu je stvar? Zašto mnogo više pričaju i pišu o prednostima i neophodnosti upotrebe analitike nego što koriste u stvarnom radu?

Pogledajmo ovaj fenomen iz različitih uglova.

U čemu je poteškoća?

Prije svega, vrijedno je razmotriti duboke, temeljne razloge za ovo "usporavanje" od strane čelnika kompanija. Ovo ću opisati u okviru modela koji su Pete Ramstad i John Boudreau predstavili u Beyond HR (Boudreau i Ramstad, 2007), a koji se zove LAMP model. logika, analitika, mjere i proces).

Da bismo pojednostavili ono što je opisano u ovom modelu, razlozi zbog kojih je upotreba analitike usporena su sljedeći:

Logika: ne možemo objasniti zašto funkcionišu proizvodni sistemi visokih performansi. Ovo je još uvijek crna kutija. Razumijemo da postoji određeni odnos između nijansi, ali sigurno ne možemo reći šta direktno zavisi od toga šta i šta treba učiniti sa X da bi se dobio Y.

analitika: tradicionalno je nedostajala dubina i temeljitost u analitičkim modelima. Lideri Google-a i drugih vodećih kompanija okreću se industrijama poput raketne industrije, gdje postoje modeli koji uzimaju u obzir širok spektar faktora. Jednostavno rečeno, nije metodološki ispravno.

metrika: najčešće se skupovi podataka odnose na trenutni status zaposlenja, troškove zaposlenih i programe ljudskih resursa. U najboljem slučaju, ovi podaci su operativno ili napredno izvještavanje, a ne strateška ili prediktivna analitika, koja uključuje analize, segmentaciju zaposlenih i usko je integrirana sa strateškim planiranjem.

Proces: to je prezentacija analitike donosiocima odluka. Ovdje su glavni faktori uspjeha pravovremenost i stepen vizuelne privlačnosti prezentiranih podataka. Riječ je o dobivanju podataka u realnom vremenu u pristupačnom i razumljivom obliku za donošenje odluka, a takvi alati koji koriste umjetnu inteligenciju se tek razvijaju. Na primjer, većina rukovodilaca nema pojma kako protumačiti stope fluktuacije zaposlenih jer obično znaju da niska fluktuacija nije uvijek korisna, i obrnuto, ne znaju kako odrediti što je najbolje za situaciju s kojom se suočavaju. Sa ove tačke gledišta, mi smo u fazi revizije HR alata.

Mislim da iz gore navedenog, složenost i dubina problema izgledaju malo jasnije. Dakle, postoje objektivni razlozi zašto se ulaganje u analitiku čini prilično rizičnim poslom. grubo govoreći, nemamo jasne, pouzdane, nedvosmislene alate za donošenje odluka na osnovu analitike. Tačnije, za vrlo jednostavna lokalna područja postoje, ali nisu vrijedni troška. Troškovi na ovom nivou imaju smisla ako možemo dobiti pouzdane prediktivne trendove koji su ključni za poslovni uspjeh. A analitičar sam to ne može garantovati.

Ne želimo samo da obrađujemo podatke. Želimo imati pouzdane alate za donošenje poslovnih odluka sa manje ili više zagarantovanim rezultatima. I u tom smislu, glavna stvar i dalje ostaje kod osobe:

sposobnost postavljanja strateški relevantnih pitanja i predstavljanja ih u logičkom okviru koji pokazuje odnos između ulaganja u ljudske resurse i kritičnih organizacionih rezultata;

posedovanje dubinskog znanja o svom poslovanju;

razumijevanje logike analitičkih modela u smislu njihove primjenjivosti za objašnjenje vitalnih procesa u organizaciji i još mnogo toga.

Ako uopšte jednostavnim riječima Da rezimiramo, glavna poteškoća analitike kao načina rada s podacima je da prvo morate odrediti koje rezultate želimo dobiti. A za to je potrebno postaviti vrlo korektna pitanja koja zahtijevaju duboko razumijevanje poslovanja, zatim odrediti uz pomoć kog analitičkog modela možemo doći do ovih rezultata, u skladu s tim odrediti kakve podatke i u kojem obimu su nam potrebni , pa tek onda smisliti, kako da ih dobijemo tačno u onom obliku u kojem se traži.

Kompleksan pristup

Da biste ilustrirali složenost pristupa, pogledajte sliku koja prikazuje sastav tima za HR analitiku:

To nije sve. Veoma je važno zapamtiti da je, generalno, izraz „HR analitika“ danas izuzetno retka u radovima istraživača i autora. Ovo je tako poznat izraz na ruskom jeziku. Na engleskom se sada koristi koncept People Analytics - analitika ljudi. To nije jednostavan sinonim. Obrnuto. Sa lokalnih područja vezanih isključivo za HR – fluktuacija, metrika zapošljavanja, status zaposlenja itd., na Zapadu su prešli na globalnu “people analytics” ili “human analytics”. Bitni su svi podaci o ljudima – njihovo kretanje, zdravstveno stanje, aktivnost na društvenim mrežama itd. Samo koristeći punu količinu podataka možemo govoriti o prihvatljivom stepenu pouzdanosti prognoza i strateških odluka. Za prikupljanje takvih podataka, kompanije moraju implementirati nove alate bazirane na mobilnim aplikacijama i ne samo, te privući stručnjake koji bi mogli raditi s tim.

Ali ovo je daleko od kraja problema, ovo je samo njihov početak.

Kontekst. Kombinacija velikih i gustih podataka

Kontekst je kritičan. Šta to znači? To znači da su nam pored velikih podataka potrebni i tzv. gusti podaci: to su sve one vrijedne informacije od ljudi - priče, emocije, komunikacija - koje se ne mogu kvantificirati, ali sa sobom nose značenje nevjerovatne dubine. Ono što ih čini dubokim je iskustvo ispravnog percipiranja onoga što ljudi govore – to je ono što pomaže da se prepoznaju praznine i praznine u prediktivnim modelima. Gusti podaci uranjaju poslovna pitanja u ljudske probleme - pojašnjavaju kontekst. Stoga, kombinovanje velikih i gustih podataka daje dublju sliku. Radite i sa prikupljenim i sa neprikupljenim podacima: to vam omogućava da postavite prava pitanja "zašto?" Zašto se to dešava?

Da bih ilustrovao važnost konteksta, navest ću dva primjera: negativan i pozitivan.

Negativan primjer- ovo je istorija Nokije, koja je već postala tužan primer kako možete da napustite tržište na svom vrhuncu. Suština strateške pogrešne kalkulacije bila je u tome što su čelnici kompanije ignorisali guste podatke, koji nisu mogli da pariraju nizu sa velikim podacima, ali su tačno predvideli ogromno interesovanje za pametne telefone čak i među najsiromašnijim segmentima stanovništva.

A pozitivan primjer takođe na vidiku. Ovo je fantastičan rast Netflixa. Tamo su, naprotiv, uvideli praznine u analitičkim modelima i pozvali tehnološkog etnografa (već postoji takva specijalizacija) da radi sa gustim podacima. I shvatio je nešto što nije bilo vidljivo u velikim podacima. Etnograf je primetio da ljudi vole da se "zalepe" ispred televizora, ne osećaju se krivim zbog toga, već jednostavno uživaju. Kombinujući velike podatke sa gustim podacima, uradili su nešto jednostavno, ali efikasno: umesto prikazivanja multi-žanrovskih TV emisija, počeli su da puštaju iste da bi se ljudima lakše „držali“. Ali to nije bilo sve, promijenili su i samu praksu emitovanja u skladu sa ovim saznanjima. Objedinjavajući velike i guste podatke, ne samo da su poboljšali svoje poslovanje, već su i promijenili način na koji ljudi konzumiraju medije. Očekuje se da će se njihovi udjeli udvostručiti u narednih nekoliko godina.

Podaci nisu ništa. Kontekst je sve!

Resursi

Postepeno idemo naprijed u razmatranju našeg problema, a ako ste još s nama, posljednji bastion je pred nama.

Ovo su resursi. Kao što možete vidjeti iz navedenog, ozbiljan rad s podacima zahtijeva "težak" i skup softver, visoko kvalifikovane stručnjake i puno vremena. Sve ovo dovodi do troškova koji su gotovo nepriuštivi za većinu organizacija. Ako pratite temu, možda ste primijetili da su većina objavljenih slučajeva slučajevi velikih kompanija koje opisuju globalna istraživanja. U ovom slučaju morate se sjetiti tzv. greška preživelog.

Objavljeni slučajevi su uglavnom oni u kojima su radili. A koliko je onih koji nisu uspjeli po istoj cijeni? Do sada ne postoje jeftini i relativno jednostavni alati i modeli. Ali tržište je tržište i, najvjerovatnije, nakon nekog vremena će se pojaviti kao rezultat akumuliranog iskustva. Stoga se velike kompanije sada trude, a svi ostali čekaju da se pojavi nešto pristupačnije kao rezultat aktivnosti prvih.

Ovo su, zapravo, glavni razlozi zašto je samo 8% ispitanika izjavilo da ima korisne podatke; samo 9% veruje da dobro razume koje karakteristike zaposlenih vode uspehu u njihovim organizacijama; a samo 15% generalno je implementiralo sisteme ljudskih resursa i talenata za linijske menadžere.

Ali neophodnost i korist od rada sa podacima je očigledna i ne može se pregovarati. Pa šta ti radiš?

Gdje kompanije mogu početi?

Ljudska analitika je pravac velikih razmjera zbog globalne prirode zadataka koji se rješavaju i prilično je nov. Međutim, među analitičkim pristupima već postoje dijelovi koji su već duže vrijeme dobro razvijeni. Oni pružaju moćan, ali pristupačan alat i mogu pružiti značajan uvid kompaniji. Jedan takav pristup je analiza organizacione mreže(ONA, Analiza organizacione mreže). Šta je to?

Svrha ONA je mjerenje i prikaz odnosa i tokova između ljudi, grupa ili organizacija. Jedinstvenost ONA leži u činjenici da ni na koji drugi način nije nemoguće sagledati stvarne veze između ljudi u organizaciji. U stvari, to je rendgenski snimak vaše organizacije ili odnosa vaše organizacije sa eksternim tržištem, ili vašeg osoblja, ili grupe kandidata. Ukratko, odnosi koji su vam potrebni se mogu analizirati.

ONA je nastala na raskrsnici sociometrije i mrežne analize i čini se da je izuzetno koristan alat.

Veliki plus ovog pristupa je njegova vidljivost.

Na primjer: Analiza rukovodilaca u odjelu za istraživanje i proizvodnju velike naftne kompanije dala je sljedeću razliku između formalne i stvarne organizacijske strukture (Sl. From Blog Roba Crossa):

Iz desne figure se vidi da kompanija ima jednog od srednjih menadžera, izvjesnog Colea (vidi lijevu sliku), koji je gotovo nevidljiv u službenoj hijerarhiji, a zapravo kroz njega teku sve informacije i stvarna raspodjela posla ide. On je glavno informativno čvorište i on odlučuje kome će koje informacije prenijeti. Potpredsjednik je na veoma udaljenoj periferiji i, zapravo, nema utjecaja na njega operativni menadžment nije.

Mislim da ste već počeli nagađati kakvu ulogu takva shema može imati, na primjer, u upravljanju promjenama.

Sljedeća velika industrija za ONA je, naravno, upravljanje znanjem. Ako postavljate pitanja poput: "Ko je najbolji stručnjak na poslu?"

Kako ne govoriti o zadatku stvaranja informacionog polja u kompaniji? Svaki menadžer komunikacija mora imati ovu vrstu analize ako ne želi ići naslijepo. Takva analiza može pokazati i odnose i tokove informacija između odjela, između kompanije i drugih dionika, te između ljudi. U našem kursu obuke za ljudske resurse, koji nije lakiran, pobliže razmatramo ovu temu.

Na primjer, kako se interakcija između financija i marketinga zaista odvija u vašoj kompaniji? Preko koga sve informacije teku (sl. Od blog Roba Crossa)?

Isto važi i za bilo koju inovaciju, liderstvo, razvoj talenata, itd.

Razmotrili smo izglede za korištenje ONA unutar organizacije, ali ovaj alat se jednako dobro može koristiti i za analizu vanjskih odnosa - sa konkurentima, dobavljačima i izvođačima itd.

Glavna područja primjene ONA

ONA je umjetnost dobivanja korisnih rezultata: dobijate mape i metrike koje vas vode do zaista dobrih pitanja. Odnosno, ONA, kao i svaki analitički alat, ne daje odgovor na pitanje “Zašto?”, samo osoba može dati ovaj odgovor. Ali kartice rade dvije stvari:

Oni pružaju pokazatelje gdje bi moglo biti nešto zanimljivo za istraživanje.

Pružaju zanimljive vizualne rezultate kao podršku pričama o rezultatima.

Naravno, u stvarnosti to nije tako jednostavno kao što se čini na prvi pogled. Iza sve te inspirativne ljepote i prividne jednostavnosti krije se ozbiljan matematički aparat i fundamentalna istraživanja, ali je mnogo jednostavnija od onoga što je danas u "velikoj analitici". ONA će vam odmah dati izuzetno korisne rezultate i uštedjeti resurse.

Victoria Buznik i Lilia Grabovskaya, autori resursa Talent Management.com.ua i kursa obuke "HR bez uljepšavanja"

Từ khóa » Hr Metrika I Analitika