"گراف" چیست؟

همه صنایع داده تولید می کنند. به لطف داده ها، می توانیم مشتری داخلی را بهتر درک کنیم، فرآیندها را بهینه کنیم و نگاهی متفاوت به تعامل کارمندان بیندازیم. این فرآیندها را می توان با استفاده از نظریه گراف توصیف کرد.

گراف یک شیء ریاضی انتزاعی است که از رئوس (نقاط) و یال (خطوط) تشکیل شده است که آنها را به هم متصل می کند. اینترنت را به عنوان مثال در نظر بگیرید - بسیاری از سایت ها با پیوندها به هم متصل می شوند. اساس کسب و کار Yandex دور زدن سریع نمودار اینترنت، تجزیه و تحلیل محتوا و دادن پاسخ مناسب به کاربر است. مثال دیگر Yandex.Taxi است: با یافتن کوتاه ترین فاصله بین نقاط روی نقشه، این سرویس به مسافر کمک می کند تا به مقصد خود برسد.

نمودار شرکت Yandex: نقاط - کارمندان، خطوط - تعامل بین آنها

یک نمایش انتزاعی از اشیاء در قالب نمودار توسط ریاضیدان لئونارد اویلر ارائه شد، که یک مسئله رایج در قرن 18 را حل کرد: چگونه از تمام پل های شهر کونیگزبرگ بدون عبور از هیچ یک از آنها دو بار عبور کنیم؟

منابع و نیازهای داده

برای ساخت یک نمودار، به داده ها نیاز دارید. یک سازمان می تواند به عنوان منابع داده استفاده کند:

پست شرکتی

تقویم جلسات کارکنان

وظایف در ردیاب

تماس های داخلی PBX

ردیاب ها به ویژه در شرکت های IT محبوب هستند. آنها به شما اجازه می دهند وظایف را تنظیم کنید، افرادی که مسئول اجرای آنها هستند را تعیین کنید، فایل ها را پیوست کنید. ردیاب ها تعامل در تیم ها را بسیار ساده می کنند. در Yandex، این ابزار نه تنها توسط توسعه دهندگان، بلکه توسط سایر بخش ها نیز استفاده می شود.

بخش های منابع انسانی از ردیاب برای موارد زیر استفاده می کنند:

جای خالی

استخدام

انطباق

یادگیری

بر اساس این ابزار، تجزیه و تحلیل منابع انسانی ساخته شده است.

داده های مورد نیاز:

کیفیت. داده ها باید عاری از خطا و حذف باشد. شاخص ها باید به یک شکل کلی آورده شوند.

کامل بودن. اکنون کار در چندین سیستم اطلاعاتی به طور همزمان به یک امر عادی تبدیل شده است. داده های گرفته شده از تنها یک سیستم کامل نخواهد بود.

تجزیه و تحلیل تعامل

نقاط و خطوط روی نمودار نشان دهنده کارمندان و تعاملات آنهاست. هرچه قطر نقطه بزرگتر باشد، تعامل بین کارمند و همکاران شدیدتر است. هرچه خط اتصال دو کارمند ضخیم تر باشد، تعامل فشرده تر در این جفت رخ می دهد.

تعاملات کارکنان Yandex

در نظر گرفتن و تفسیر صحیح همه داده ها مهم است. شدت تعاملات کارکنان به طور مستقیم به موقعیت و وظایف آنها بستگی دارد.

چه نتایجی می توان گرفت و چه چیزی را می توان در تغییرات سازمانی اعمال کرد:

اثربخشی تعاملات.اگر گروه ها در شدت تعاملات متفاوت هستند و دارای یک شاخص عینی مانند KPI هستند یا بررسی عملکرد انجام می شود، می توانید عوامل را از نمودار مقایسه کنید (شدت تعاملات) و پیش بینی کنید که کدام اقدامات منجر به عملکرد بهتر می شود. به عنوان مثال، ارتباطات بیش از حد می تواند مدیران را تحت فشار قرار دهد و بر فرسودگی شغلی آنها تأثیر بگذارد.

سبک مدیریت رهبرانداده ها نشان می دهد که آیا رهبر از مدیریت خرد یا کنترل کامل استفاده می کند. با استفاده از داده های نمودار، می توانید به مدیر بگویید که آیا سبک مدیریت او برای هر کدام مناسب است یا خیر وظیفه خاصو چه اقداماتی می تواند کارایی کارکنان را بهبود بخشد.

ارتباط درون تیمیبه عنوان مثال، اعضای تیم به خوبی با یکدیگر تعامل دارند، اما به سختی با سایر همکاران تعامل دارند. چنین تیمی می تواند پروژه ای بسازد که قبلاً در شرکت بوده است، داده های مربوط به آن ذخیره می شود، اما تیم از آن اطلاعی ندارد. در نتیجه منابع شرکت به دلیل تعامل ناکافی با سایر بخش ها هدر خواهد رفت. یا برعکس، وقتی ارتباطات داخلی در یک تیم لنگ است، این امر منجر به تاخیر در آماده سازی پروژه می شود.

تصویر کاملتعاملات کارکنانبه شما امکان می دهد به طور خودکار لیستی از همکاران خود را برای انجام یک نظرسنجی 360 درجه ایجاد کنید. در این صورت داده هایی که مدیر بر اساس نتایج نظرسنجی دریافت خواهد کرد کامل خواهد بود.

تعامل بین تیم ها

معیارهای

برخی از معیارهای تئوری گراف را می توان با موفقیت در سازمان ها مورد استفاده قرار داد:

تراکم / پراکندگی.یک نمودار زمانی کامل نامیده می شود که تمام رئوس آن توسط یال ها به هم متصل شوند. در دنیای واقعی، یک استارت‌آپ کوچک می‌تواند نمونه‌ای از یک نمودار کامل باشد: یک تیم کوچک دوستانه که در آن همه یکدیگر را می‌شناسند و به طور مؤثر با هم تعامل دارند. خروج یک کارمند منجر به از دست دادن اطلاعات ضروری نمی شود، تعامل مختل نمی شود.
با رشد شرکت، چگالی از بین می رود. تصور شرکتی با هزاران کارمند که در آن همه کارمندان یکدیگر را بشناسند، دشوار است. چنین شرکتی با خطر از دست دادن ارتباطات قابل توجه در تیم در هنگام ترک یک کارمند مشخص می شود.

فاصلهاین معیار یادآور نظریه معروف شش دست دادن است. هر چه فاصله بین کارکنان کمتر باشد، انسجام بیشتر، افراد بیشتر یکدیگر را می شناسند.

مرکزیت.این معیار توسط نمودار شخصیت بازی تاج و تخت به خوبی نشان داده شده است: پس از مرگ غیرمنتظره یکی از شخصیت های اصلی اثر، فیلمنامه نویسان با مشکل مواجه می شوند. خط داستانشخصیت های کوچک.

پل.این را می توان با مثال بلژیک نشان داد - کشوری با دو زبان رسمی، که در آن پل کوچکی از مردم دو زبانه همشهریان "تک زبانه" را به هم متصل می کند. در شرکت، افراد روی این پل حامل ارتباطات بسیار مهمی هستند. خروج آنها یک مشکل بزرگ برای شرکت است.

کاربرد

در شرکت هایی با ساختار پروژه، پروژه ها به صورت هفتگی راه اندازی و بسته می شوند، پیگیری هزینه ها مهم است. جمع آوری و انتقال صحیح داده ها برای محاسبات اقتصادی ضروری است. این فرآیند را می توان با اتوماسیون بهبود بخشید. Yandex کارهای زیر را انجام داد:

یک نمودار شرکت ایجاد کرد.

با تجزیه و تحلیل رفتار یک کارمند در هر ماه خاص، تحلیلگران منابع انسانی می بینند که او در حال حاضر در چه پروژه ای است. بدون نیاز به مکاتبه با مدیران خدمات. این باعث صرفه جویی در زمان کسب و کار و تحلیلگر می شود.

در حالی که این یک پروژه آزمایشی است که نتایج جالبی را نشان می دهد. زیاد پروژه های تحقیقاتیدر Yandex متعاقباً به تولید عرضه می شوند.

بنابراین، روش کلاسیک تجزیه و تحلیل

داده ها.منبع، کامل بودن و کیفیت.

تجسم.چگونه به این داده ها نگاه کنیم، چگونه از آن استفاده کنیم. ایده هایی در مورد معیارها، که در مورد تجزیه و تحلیل منابع انسانی، می تواند از نظریه گراف گرفته شود یا ایده خود را ارائه دهد.

گزارش نویسی،که ماهانه نشان می دهد که چه اتفاقی در شرکت می افتد. مثلاً شدت تعامل بین مدیران.

معیارهای،که برای نتیجه گیری استفاده می شود.

تجزیه و تحلیل پیش بینی کننده- راه اندازی یک فرآیند خودکار که باعث صرفه جویی در زمان می شود.

چیزهای دیگری که باید در مورد تجزیه و تحلیل منابع انسانی بدانید

کوین ویلر، رئیس و بنیانگذار Global Learning Resources, Inc.، در مقاله ای"سوی دیگر تجزیه و تحلیل منابع انسانی: 8 واقعیت کمی شناخته شده" چندین را برجسته می کند عوامل مهممربوط به داده های منابع انسانی:

تجزیه و تحلیل یک قرص جادویی نیست.تجزیه و تحلیل یک درمان معجزه آسا نیست. داده ها به درک مشکل و احتمالا انتخاب بیشتر کمک می کند روش موثرتصمیمات او، اما داده ها جایگزینی برای همدلی و استدلال انسانی نیست.

درک دقیق آنچه می خواهید بدانید.شما باید در مورد آنچه که می خواهید تجزیه و تحلیل یا اندازه گیری کنید بسیار واضح باشید. و مطمئن شوید که حتی ممکن است.

با استفاده از روش مناسب.روش جمع آوری داده ها نیز ممکن است باشد وظیفه دلهره آور. یکی از موارد استفاده برای تجزیه و تحلیل، روشن کردن یک مشکل یا جستجوی دلایل احتمالی است.

داده‌های غیرفعال ممکن است بهتر از داده‌های درخواستی باشند.جمع‌آوری داده‌های غیرفعال برای خودتان بسیار ساده‌تر از درخواست داده‌های معتبر از دیگران است. جمع آوری اطلاعات واقعی از اقدامات و تصمیمات نسبتاً آسان است.

حمایت مهم است.استفاده مؤثر از داده ها مستلزم حمایت رهبری و فرهنگ سازمانی مناسب است که به داده ها ارزش می دهد.

هدف موقعیت را کنترل می کند.وسوسه بزرگی برای اندازه گیری همه چیز وجود دارد، به خصوص در ابتدا، زمانی که یک ابزار تحلیلی به تازگی در یک شرکت معرفی می شود. اما بهتر است روی دو یا سه سوال کلیدی که می خواهید به آنها پاسخ دهید تمرکز کنید. سپس زمان کافی برای جمع آوری اطلاعات دقیق تر و تجزیه و تحلیل کامل دارید.

داده ها کامل نیستند. AT اخیرامرسوم شده است که داده ها را روی یک پایه قرار دهیم و آنها را به عنوان اطلاعات خالص درک کنیم که در آن هیچ سیاست یا نظری وجود ندارد. اما، متأسفانه، نظرات مانند هر چیز دیگری بر تجزیه و تحلیل داده ها تأثیر می گذارد.

هر چه ساده تر بهتروقت بگذارید و فهرستی از چیزهایی که واقعاً دوست دارید برای بهبود فرآیند استخدام خود بدانید تهیه کنید. چه داده هایی به شما کمک می کند تا عملکرد بیشتر منابع را بهبود بخشید یا به سوالات مدیریتی پاسخ دهید.

در مورد مشکلات تفسیر صحیح داده ها اخیرا نیزنسیم طالب صحبت کرد : اگر می دانید چگونه با آن کار کنید اطلاعات بزرگ، این خوب است، اما باید بتوانید آن را تفسیر کنید، مزخرفات و سر و صدای غیر ضروری را که همه چیز را گیج می کند فیلتر کنید. جالب اینجاست که تنها کسانی که می دانند چگونه با داده ها کار کنند، خدمات ضد تروریستی هستند. آنها قادر به یافتن همبستگی های نادرست نیستند و نمونه را به مظنونین خاص محدود می کنند، آنها به دنبال ارتباط هستند.یک کامپیوتر را می توان به سادگی با داده ها فریب داد، نظم و انضباط آماری بسیار مهم است. کلان داده ها نمی توانند به ما بگویند چه چیزی درست است، فقط چه چیزی درست نیست.»

منبع تصویر - HR Environment

موارد مرتبط و جالب HR در تلگرام ما. عضو کانال شوید

کپی برداری و هرگونه پردازش مطالب از سایت ممنوع می باشد

آنها خیلی بیشتر از اینکه بفهمند واقعاً چیست و چه وظایفی را برای حل آنها طراحی شده است، می نویسند و درباره آن صحبت می کنند.

این مقاله در مورد مشکلات اصلی درخواست است و از کجا می توانید شروع به تجزیه و تحلیل کنید.

در حالی که در فضای عمومی، تجزیه و تحلیل منابع انسانی به معنای معیارها و کار با اعداد است، آمار در منابع انسانی، که شاخص هستند. فرآیندهای محلییا بخش ها، یا مواردی را در مورد نحوه مشارکت بخش فناوری اطلاعات در ایجاد آرشیو داده های منابع انسانی به اشتراک بگذارید. در واقع، تجزیه و تحلیل منابع انسانی مشکلات توسعه استراتژیک شرکت را حل می کند، روندهای پیش بینی اصلی را تعیین می کند.

بنابراین تجزیه و تحلیل منابع انسانی چیست؟

تجزیه و تحلیل منابع انسانی فرآیندی است که در آن از تکنیک های علم داده و هوش تجاری (BA) برای پردازش داده های منابع انسانی استفاده می شود. گاهی اوقات به آن تحلیل استعداد نیز می گویند. همچنین داده کاوی در این زمینه به تمرین بررسی پایگاه های داده برای ایجاد اطلاعات جدید اشاره دارد.

چرا این موضوع در حال حاضر با توجه به دیجیتالی شدن جهانی اقتصاد، تجارت و مردم بسیار مرتبط است. دوستان داده! کلان داده همه جا هست!

و سپس علوم اعصاب به موقع رسیدند و به ما نشان دادند که چگونه تصمیمات انسانی به جای رویکرد عقلانی، ذهنی و پر از احساسات هستند.

حالا چطور باهاش ​​زندگی کنیم؟

البته، ما به روشی متفاوت برای تصمیم گیری نیاز داریم - به طوری که همه چیز منطقی، معقول، مبتنی بر داده ها و با نتیجه تضمین شده. چه کسی آن را نمی خواهد؟ همه می خواهند! چرا نمی کنند؟

آمادگی تجزیه و تحلیل منابع انسانی همچنان یک چالش بزرگ است. طبق گزارش دیلویت در سال 2017، پس از چندین سال بحث در مورد این موضوع، تنها 8 درصد از پاسخ دهندگان گزارش دادند که داده های مفیدی دارند. تنها 9% معتقدند که درک خوبی از ویژگی های کارکنان منجر به موفقیت در سازمان خود دارند. و تنها 15 درصد به طور کلی از سیستم های سنجش منابع انسانی و استعداد برای مدیران خط استفاده کرده اند.

"این یک راز بوده است دهه گذشتهچرا با توجه به اهمیت آشکار سرمایه انسانی، سازمان‌ها روی آن سرمایه‌گذاری نمی‌کنند و از رهبران نمی‌خواهند با استفاده از تحلیل‌های مبتنی بر شواهد درباره افراد تصمیم‌گیری کنند؟» (").

پس قضیه چیه؟ چرا آنها در مورد فواید و ضرورت استفاده از تجزیه و تحلیل بسیار بیشتر از آنچه در کار واقعی استفاده می کنند صحبت می کنند و می نویسند؟

بیایید از زوایای مختلف به این پدیده نگاه کنیم.

سختی چیست؟

اول از همه، ارزش دارد که دلایل عمیق و اساسی برای چنین "ترمزگیری" از سوی رهبران شرکت در نظر گرفته شود. من این را بر اساس مدلی توصیف خواهم کرد که پیت رامستاد و جان بودرو در فراتر از منابع انسانی (بودرو و رامستاد، 2007) ارائه کردند که مدل LAMP (LAMP - منطق، تحلیل، اندازه‌گیری و فرآیند) نامیده می‌شود.

اگر آنچه در این مدل توضیح داده شده را ساده کنیم، دلایلی که باعث ممانعت از استفاده از تجزیه و تحلیل می شود به شرح زیر است:

• منطق ها:ما نمی توانیم توضیح دهیم که چرا سیستم های کاری با عملکرد بالا کار می کنند. هنوز یک "جعبه سیاه" است. ما می‌دانیم که رابطه خاصی بین تفاوت‌های ظریف وجود دارد، اما نمی‌توانیم با اطمینان بگوییم که چه چیزی مستقیماً به این بستگی دارد که با X برای بدست آوردن Y چه کار و چه باید کرد.

• تجزیه و تحلیل:در اینجا، به طور سنتی، عدم عمق و دقت مدل های تحلیلی وجود داشت. رهبران گوگل و سایر شرکت های پیشرو به صنایعی مانند علم موشک روی آورده اند، جایی که مدل هایی وجود دارد که تعداد زیادی از عوامل را در نظر می گیرند. به بیان ساده، از نظر روش شناختی صحیح نیست.

• معیارهای:متداول ترین مجموعه داده ها در مورد وضعیت شغلی فعلی، هزینه های کارکنان و برنامه های منابع انسانی است. در بهترین حالت، این داده‌ها گزارش‌های عملیاتی یا پیشرفته هستند، نه تحلیل‌های استراتژیک یا پیش‌بینی‌کننده، که شامل تحلیل‌ها، تقسیم‌بندی کارکنان، و کاملاً با برنامه‌ریزی استراتژیک ادغام می‌شوند.

• روند:این ارائه تجزیه و تحلیل به تصمیم گیرندگان است. در اینجا، عوامل اصلی موفقیت، به موقع بودن و میزان جذابیت بصری داده های ارائه شده است. این در مورد استدر مورد به دست آوردن داده های بلادرنگ به شکلی قابل دسترس و قابل فهم برای تصمیم گیری و استفاده از این گونه ابزارها هوش مصنوعیتازه در حال توسعه هستند. برای مثال، اکثر مدیران نمی دانند که چگونه نرخ جابجایی کارکنان را تفسیر کنند، زیرا معمولاً می دانند که جابجایی پایین همیشه سودمند نیست و بالعکس، نمی دانند چگونه در موقعیتی که با آن مواجه می شوند بهترین را تعیین کنند. از این منظر ما در مرحله بازنگری در ابزارهای منابع انسانی هستیم.

من فکر می کنم با توجه به موارد فوق، پیچیدگی و عمق مشکل کمی واضح تر است. بنابراین، دلایل عینی وجود دارد که چرا سرمایه گذاری در تجزیه و تحلیل بسیار خطرناک به نظر می رسد. به طور کلی، ما ابزار روشن، قابل اعتماد و بدون ابهام برای تصمیم گیری بر اساس تجزیه و تحلیل نداریم.به طور دقیق تر، برای مناطق بسیار ساده محلی وجود دارد، اما آنها ارزش هزینه را ندارند. اگر بتوانیم روندهای پیش بینی قابل اعتمادی را که کلید موفقیت کسب و کار هستند به دست آوریم، این سطح از هزینه ها منطقی است. و این تحلیل به خودی خود نمی تواند تضمین کند.

ما نمی خواهیم فقط داده ها را پردازش کنیم. ما می خواهیم ابزارهای قابل اعتمادی برای تصمیم گیری های تجاری با نتایج کم و بیش تضمین شده داشته باشیم. و از این نظر، چیز اصلی هنوز با شخص باقی می ماند:

• توانایی پرسیدن سوالات استراتژیک مرتبط و ارائه آنها ساختار منطقینشان دهنده رابطه سرمایه گذاری در حوزه مدیریت پرسنل و نتایج حیاتی سازمانی.

• دانش عمیق کسب و کار شما؛

• درک منطق مدل های تحلیلی به معنای کاربرد آنها برای توضیح فرآیندهای حیاتی در یک سازمان و بسیاری موارد دیگر.

اگر در همه به زبان سادهبه طور خلاصه، مشکل اصلی تجزیه و تحلیل به عنوان روشی برای کار با داده ها این است که ابتدا باید تعیین کنیم که چه نتایجی می خواهیم به دست آوریم. و برای این باید سوالات بسیار درستی بپرسید که نیاز به درک عمیق کسب و کار دارد، سپس تعیین کنید که با کمک کدام مدل تحلیلی می توانیم به این نتایج دست پیدا کنیم، مطابق با این، تعیین کنید که چه نوع داده ای و تا چه حد نیاز داریم. ، و تنها پس از آن به این فکر می کنیم که چگونه آنها را دقیقاً به شکلی که به آنها نیاز داریم بدست آوریم.

یک رویکرد پیچیده

برای نشان دادن پیچیدگی رویکرد، به تصویری که ترکیب تیم تحلیل منابع انسانی را نشان می دهد نگاه کنید:

این همش نیست. یادآوری این نکته بسیار مهم است که به طور کلی عبارت "تحلیل منابع انسانی" امروزه در آثار محققان و نویسندگان بسیار نادر است. این یک اصطلاح آشنا به زبان روسی است. در زبان انگلیسی، اکنون از مفهوم People Analytics استفاده می شود - تجزیه و تحلیل افراد. این یک مترادف ساده نیست. برعکس. از مناطق محلی که منحصراً به منابع انسانی مرتبط است - گردش مالی، معیارهای استخدام، وضعیت استخدام و غیره، در غرب به "تحلیل مردم" یا "تحلیل انسانی" جهانی روی آوردند. همه داده های مربوط به افراد مهم هستند - حرکات آنها، وضعیت سلامتی، فعالیت در شبکه های اجتماعی و غیره. تنها با استفاده از حجم کامل داده ها، می توان در مورد میزان قابل قبولی از قابلیت اطمینان پیش بینی ها و تصمیمات استراتژیک صحبت کرد. برای جمع آوری چنین داده هایی، شرکت ها باید ابزارهای جدیدی را بر اساس برنامه های موبایلو نه تنها، و برای جذب متخصصانی که می توانند با این کار کار کنند.

اما این تا پایان مشکلات فاصله زیادی دارد، این تازه آغاز راه است.

متن نوشته. ترکیب داده های بزرگ و متراکم

زمینه تعیین کننده است. چه مفهومی داره؟ این بدان معنی است که ما علاوه بر داده های بزرگ، به اصطلاح نیاز داریم. داده های متراکم: این همه آن اطلاعات ارزشمند از مردم است - داستان ها، احساسات، ارتباطات - که نمی توان آنها را کمیت کرد، اما دارای ارزشی با عمق باورنکردنی است. چیزی که آنها را عمیق می کند، تجربه درک درست آنچه مردم می گویند است، که به تشخیص شکاف ها و حفره ها در مدل های پیش بینی کمک می کند. داده های متراکم مسائل تجاری را در مشکلات انسانی غوطه ور می کند - زمینه را روشن می کند. بنابراین، ترکیب داده های بزرگ و متراکم تصویر عمیق تری به دست می دهد. شما با داده‌های جمع‌آوری‌شده و جمع‌آوری‌نشده کار می‌کنید: این به شما این فرصت را می‌دهد که سؤالات درست «چرا؟» را بپرسید. چرا این اتفاق می افتد؟

برای نشان دادن اهمیت زمینه، دو مثال می زنم: یکی منفی و دیگری مثبت.

مثال منفیداستان نوکیا است که قبلاً به یک نمونه غم انگیز تبدیل شده است که چگونه می توانید در اوج شکل خود از بازار خارج شوید. ماهیت اصلی اشتباه محاسبات استراتژیک این بود که رهبران شرکت داده های متراکم را نادیده گرفتند، که نمی توانست با مجموعه ای از داده های بزرگ مقایسه شود، اما کاملاً دقیق علاقه زیادی به گوشی های هوشمند را حتی در میان کم درآمدترین اقشار جمعیت پیش بینی کرد.

ولی مثال مثبتهمچنین در مقابل همه این رشد فوق العاده برای نتفلیکس است. در آنجا، برعکس، آنها شکاف هایی را در مدل های تحلیلی دیدند و از یک قوم شناس تکنولوژیک (در حال حاضر چنین تخصصی وجود دارد) دعوت کردند تا با داده های متراکم کار کند. و او چیزی را کشف کرد که در کلان داده ها دیده نمی شد. این قوم شناس متوجه شد که مردم دوست دارند به تلویزیون "چسب" کنند، در مورد آن احساس گناه نمی کنند، بلکه فقط از آن لذت می برند. و با ترکیب کلان داده ها با داده های متراکم، کاری ساده اما مؤثر انجام دادند: به جای نمایش ژانرهای مختلف سریال، شروع به پخش همان ها کردند تا "چسبیدن" را برای مردم آسان تر کنند. اما این همه ماجرا نبود، آنها رویه پخش را مطابق با این یافته ها تغییر دادند. آنها با گرد هم آوردن داده های بزرگ و متراکم، نه تنها کسب و کار خود را بهبود بخشیدند، بلکه نحوه مصرف مردم از اطلاعات رسانه ها را نیز تغییر دادند. انتظار می رود که سهام آنها در چند سال آینده دو برابر شود.

داده چیزی نیست زمینه همه چیز است!

منابع

ما به تدریج در بررسی مشکل خود جلو می رویم و اگر هنوز با ما هستید، آخرین سنگر جلوتر است.

اینها منابع هستند. همانطور که از همه موارد بالا مشخص است، کار جدی با داده ها به نرم افزار "سنگین" و گران قیمت، متخصصان بسیار ماهر و زمان زیادی نیاز دارد. همه اینها هزینه هایی را به همراه دارد که برای اکثر سازمان ها عملاً غیرقابل تحمل است. اگر موضوع را دنبال کنید، ممکن است متوجه شده باشید که بیشتر موارد منتشر شده مربوط به شرکت های بزرگ است که تحقیقات جهانی را توصیف می کنند. در همان زمان، باید در مورد به اصطلاح به یاد داشته باشید. اشتباه بازمانده

موارد منتشر شده بیشتر مواردی است که در آنها مشخص شده است. و چه تعداد از آنها با همین هزینه شکست خوردند؟ در حالی که کم هزینه و نسبتا ابزار سادهو بدون مدل اما بازار همان بازار است و به احتمال زیاد پس از مدتی در نتیجه تجربه انباشته ظاهر خواهند شد. بنابراین، شرکت های بزرگ اکنون در حال تلاش هستند و بقیه منتظر هستند تا چیزی مقرون به صرفه تر در نتیجه فعالیت های اول ظاهر شود.

در واقع، در اینجا دلایل اصلی وجود دارد که چرا تنها 8 درصد از پاسخ دهندگان گزارش دادند که داده های مفیدی دارند. تنها 9% معتقدند که درک خوبی از ویژگی های کارکنان منجر به موفقیت در سازمان خود دارند. و تنها 15 درصد به طور کلی از سیستم های سنجش منابع انسانی و استعداد برای مدیران خط استفاده کرده اند.

اما ضرورت و مزایای کار با داده ها بدیهی است و قابل بحث نیست. پس چه باید کرد؟

شرکت ها از کجا می توانند شروع کنند؟

تجزیه و تحلیل افراد به دلیل ماهیت جهانی وظایف در حال حل، یک جهت در مقیاس بزرگ است و کاملاً جدید است. با این حال، در میان رویکردهای تحلیلی، بخش های طولانی و به خوبی توسعه یافته وجود دارد. آنها یک جعبه ابزار قدرتمند و در عین حال در دسترس را ارائه می دهند و می توانند بینش قابل توجهی را به شرکت ارائه دهند. یکی از این رویکردها این است تحلیل شبکه سازمانی(ONA، تحلیل شبکه سازمانی). چیست؟

هدف ONA اندازه گیری و ترسیم روابط و جریانات بین افراد، گروه ها یا سازمان ها است. منحصر به فرد بودن ONA در این واقعیت نهفته است که به هیچ وجه نمی توان ارتباطات واقعی بین افراد سازمان را مشاهده کرد. در واقع، این یک عکس اشعه ایکس از سازمان شما یا رابطه سازمان شما با بازار خارجی یا کارکنان شما یا مجموعه نامزدها است. به طور خلاصه، آن روابطی که شما نیاز دارید قابل تجزیه و تحلیل هستند.

ONA در تقاطع جامعه سنجی و تحلیل شبکه پدیدار شد و به نظر می رسد ابزار بسیار مفیدی باشد.

مزیت بزرگ این روش بصری بودن آن است.

به عنوان مثال: تجزیه و تحلیل مدیران در بخش اکتشاف و تولید یک شرکت بزرگ نفتی تفاوت زیر را بین ساختار رسمی و واقعی سازمانی نشان داد (شکل از وبلاگ راب کراس):

از شکل سمت راست می توان دریافت که شرکت دارای یکی از مدیران میانی، یک کول خاص (کول، شکل سمت چپ) است که تقریباً در سلسله مراتب رسمی نامرئی است، اما در واقع از طریق او است که تمام جریانات اطلاعات و توزیع واقعی کار پیش می رود. او گره اصلی اطلاعات است و تصمیم می گیرد چه اطلاعاتی را به چه کسی منتقل کند. معاون رئیس جمهور در حاشیه ای بسیار دور قرار دارد و در واقع هیچ تأثیری بر مدیریت عملیاتی ندارد.

فکر می کنم شما قبلاً شروع به حدس زدن کرده اید که چنین طرحی چه نقشی می تواند داشته باشد، مثلاً در مدیریت تغییر.

البته کاربرد بزرگ بعدی ONA مدیریت دانش است. اگر در ورودی سؤالاتی مانند "باحال ترین متخصص در کار کیست؟" بپرسید، تصویر خروجی حاملان اصلی تخصص در سازمان را نشان می دهد.

چگونه در اینجا در مورد وظیفه ایجاد یک زمینه اطلاعاتی در شرکت صحبت نکنیم؟ هر مدیر ارتباطاتی اگر نمی‌خواهد کورکورانه حرکت کند، باید این نوع تحلیل را داشته باشد. چنین تحلیلی می تواند هم روابط و هم جریان اطلاعات بین بخش ها، بین یک شرکت و سایر سهامداران و بین افراد را نشان دهد. در دوره آموزشی "HR بدون تزئین" به این موضوع با جزئیات بیشتری اشاره می کنیم.

به عنوان مثال، تعامل بین امور مالی و بازاریابی واقعاً در شرکت شما چگونه کار می کند؟ تمام اطلاعات از طریق چه کسی می رود (شکل وبلاگ راب کراس)?

همین امر در مورد هر نوآوری، رهبری، توسعه استعداد و غیره صدق می کند.

ما به چشم انداز استفاده از ONA در یک سازمان نگاه کردیم، اما این ابزار را می توان با همان موفقیت در تجزیه و تحلیل روابط خارجی - با رقبا، تامین کنندگان و پیمانکاران و غیره استفاده کرد.

برنامه های اصلی ONA

ONA هنر بدست آوردن نتایج مفید است: شما نقشه ها و معیارهایی را دریافت می کنید که واقعاً شما را به سمت آن سوق می دهد سوالات خوب. یعنی ONA، مانند هر ابزار تحلیلی، به سؤال "چرا؟" پاسخ نمی دهد، فقط یک شخص می تواند این پاسخ را بدهد. اما کارت ها دو کار را انجام می دهند:

• آنها شاخص هایی را ارائه می دهند که در کجا ممکن است چیزی مورد علاقه برای کاوش وجود داشته باشد.

• آنها نتایج بصری جالبی را برای پشتیبانی از داستان های نتایج ارائه می دهند.

البته، در واقعیت، این به آن سادگی که در نگاه اول به نظر می رسد نیست. پشت این همه زیبایی الهام بخش و سادگی ظاهری یک دستگاه ریاضی جدی است و تحقیق بنیادی، اما بسیار ساده تر از آنچه امروز در "تحلیل های بزرگ" وجود دارد است. ONA فوراً نتایج بسیار مفیدی را به شما می دهد و در منابع صرفه جویی می کند.

ویکتوریا بوزنیکو لیلیا گرابوفسکایا، نویسندگان منبع Talent Management.com.ua و دوره آموزشی "HR بدون تزئین"

هزینه بسته شدن کار

این رقمی است که شامل هزینه ارسال پست های خالی در سایت های کاریابی، تماس با استخدام کنندگان، غربالگری، مصاحبه می شود - هر چیزی که در روند جستجوی نامزدها اتفاق می افتد هزینه خاص خود را در قالب منابع انسانی و زمانی دارد. مطابق با تحقیق فوق شغل،هزینه بسته شدن یک جای خالی در روسیه در سال 2015 10000 بود. در مسکو، این رقم تا حدودی متفاوت است - 17٪ بیشتر از کشور. پشت سال گذشتههزینه بسته شدن یک جای خالی کاهش یافته است و هزینه منابع انسانی نیز به میزان قابل توجهی کاهش یافته است.

زمان بستن یک کار است

مدت زمانی که برای بستن یک کار صرف می شود تقریباً به اندازه هزینه فرآیند مهم است. متاسفانه، برای پیدا کردن برخی از مقدار متوسطما شکست خوردیم ما این را در ایالات متحده آمریکا می دانیم حدود 25 روز نیاز استبرای پر کردن یک جای خالی

فرمول ساده است: # روز موقعیت باز است / # تعداد نامزد استخدام شده است

منابع نامزد

دانستن منابعی که بهترین نامزدها را برای شما به ارمغان می‌آورند، فرآیند استخدام را بسیار آسان‌تر می‌کند. در اینجا ارزش دارد که همه چیز را تا لحظه پذیرش پیشنهاد، ویژگی های جای خالی و تمام پلتفرم هایی که برای پاسخگویی در دسترس است در نظر بگیرید - توسعه دهنده به فیس بوک پاسخ داد و به سایت شغلی رفت و حسابدار بلافاصله به کار پاسخ داد. سایت. یه تفاوت وجود دارد. با این نوع تجزیه و تحلیل می توانید هزینه بسته شدن یک شغل را کاهش دهید.

کارایی فرآیند جذب نیرو

در هر مرحله از انتخاب، شما فردی را از بین می برید، شخصی به تنهایی ناپدید می شود - تجزیه و تحلیل دلایلی که این اتفاق در این مرحله رخ داده است به شما امکان می دهد فرآیند استخدام را به طور مؤثرتری ایجاد کنید. سوالاتی را بپرسید که نامزدهای نامناسب را حذف می کند، در مورد اصول کار شرکت صحبت کنید که ممکن است برای کسی مناسب نباشد، ارائه دهید. وظایف تستزودتر، به طوری که آن دسته از داوطلبانی که نمی خواهند آنها را برآورده کنند، بلافاصله از روند انتخاب حذف می شوند.

فرمول این است: (# نفر از نامزدهای راه یافته به مرحله بعدی / تعداد کل داوطلبانی که موفق به انتخاب شدند) X 100

پذیرش پیشنهاد

آسان است - چند درصد از کاندیداهایی که تمام مراحل گزینش را گذرانده اند، در نهایت یک پیشنهاد دریافت کردند (و آن را پذیرفتند)؟ مهم است که نه تنها اطلاعاتی در مورد اینکه چرا این کاندیداهای خاص را انتخاب کرده اید، بلکه همچنین چرا دیگران امتناع کرده اند یا به دلایلی به مرحله انتخاب نهایی نرسیده اند نیز در نظر گرفته شود.

تجزیه و تحلیل نیازبرای بهبود فرآیند انتخاب: چگونه فرهنگ شرکتی را نشان می دهید؟ چه چیزی افراد را در طول مصاحبه گیج می کند؟ نحوه پاسخ کاندیداها به اطلاعات مربوط به دستمزدو محل دفتر؟

گردش مالی کارکنان

گردش مالی باید به طور منظم نظارت شود - برای تجزیه و تحلیل هر چند ماه، هر شش ماه یا هر سال. این به شما امکان می دهد به وضوح درک کنید که چرا کارمندان شرکت را ترک می کنند و برای جلوگیری از این اتفاق چه کاری باید انجام شود - دوباره در مورد صرفه جویی در استخدام صحبت می کنیم، اما همچنین در مورد ایجاد یک فرهنگ شرکتی با پایه ای پایدار در قالب متخصصان خوب صحبت می کنیم. .

فرمول: # تعداد کارمندانی که سال را ترک کردند / تعداد کل # کارمند

هزینه گردش مالی

یک عامل دست کم گرفته شده این است که هر کارمندی که شرکت را ترک می کند هزینه ای نیز دارد. بدبینانه به نظر می رسد، اما این یک واقعیت است و یک دلیل دیگر برای فکر کردن به اینکه چرا دفتر خالی است و چه اشتباهی انجام می دهید. علاوه بر این، اگر کارمندان ترک کنند، این نیز بر روحیه عمومی تیم تأثیر می گذارد - دیگرانی که به سادگی از تغییر می ترسند یا برعکس، ناگهان جرات ترک را به دست می آورند، شروع به گرفتن آنها می کنند. و با این حال - باید بدانید از دست دادن یک کارمند چقدر برای شما هزینه دارد.

فرمول (ممکن است گزینه ها): وجوه پرداخت شده پس از ترک کارمند + هزینه جای خالی + هزینه جایگزینی کارمند + پرداخت برای آموزش اولیه و سازگاری

متوسط ​​دوره تصدی

تجزیه و تحلیل کنید که به طور متوسط ​​چه مدت کارمندان یک موقعیت خاص را اشغال می کنند. بنابراین می توانید بفهمید که چه زمانی یک کارمند نزدیک به اخراج است و در چه مرحله ای بهتر است درگیر تغییرات پرسنلی شوید.

کارایی کانال

آیا انتشار پست های خالی در FB در مورد شما صحیح است؟ چند کاندیدای واقعا خوب از سایت کار به این موقعیت آمدند؟ تجزیه و تحلیل اثربخشی کانال ها به شما امکان می دهد فقط از سایت هایی استفاده کنید که به طور منظم به نامزدهای مناسب اجازه درخواست می دهند.

پوزیشن های باز در مقابل جای خالی بسته شده

این یک مقاله تحلیلی مربوط به شرکت های بزرگ است - برای ارزیابی مجدد اثربخشی فرآیند استخدام، باید تعداد مشاغل خالی را که به تازگی بسته شده اند و آنهایی که ظاهر شده اند مقایسه کنید. اگر تعداد کمی جای خالی در یک شرکت باز شود، به این معنی است که شما همه چیز را درست انجام می دهید و همه چیز در شرکت کاملا هماهنگ است.

میانگین سنی کارکنان شرکت

بدانید که کارکنان شما به چه سنی نیاز دارند تا استخدام کارآمدتر و فرهنگ سازی آسان تر شود. تفاوت نسلی هنوز در محل کار احساس می شود - اگرچه در روسیه تئوری نسل Y و Z چندان مرتبط نیست، اما بسیار بیشتر است. ویژگی های مهمکه باید به طور مرتب در کار خود توجه داشته باشید و آن را تحلیل کنید.

مشارکت و رضایت

دو معیار که معمولاً توسط نظرسنجی ها اندازه گیری می شوند. مسئله اثربخشی آنها در دنیای فناوری‌های HR حاد است. وظیفه شما این است که بهترین ابزار تجزیه و تحلیل تعامل و رضایت کارکنان را برای شرکت خود بیابید. این که آیا همزمان نظرسنجی های ناشناس انجام می دهید یا فقط با تیم خود صحبت می کنید چندان مهم نیست، نکته اصلی این است که پاسخ ها به حقیقت نزدیک هستند.