എന്താണ് “ഗ്രാഫ്”?

എല്ലാ വ്യവസായങ്ങളും ഡാറ്റ സൃഷ്ടിക്കുന്നു. ഡാറ്റയ്ക്ക് നന്ദി, ഞങ്ങൾക്ക് ആന്തരിക ക്ലയന്റിനെ നന്നായി മനസിലാക്കാനും പ്രക്രിയകൾ ഒപ്റ്റിമൈസ് ചെയ്യാനും ജീവനക്കാരുടെ ഇടപെടലിനെക്കുറിച്ച് വ്യത്യസ്തമായി നോക്കാനും കഴിയും. ഗ്രാഫ് തിയറി ഉപയോഗിച്ച് ഈ പ്രക്രിയകളെ വിവരിക്കാം.

ഒരു ഗ്രാഫ് എന്നത് അമൂർത്തമായ ഗണിത വസ്\u200cതുവാണ്, അവ തമ്മിൽ ബന്ധിപ്പിക്കുന്ന ലംബങ്ങളും പോയിന്റുകളും അരികുകളും (വരികൾ) അടങ്ങിയിരിക്കുന്നു. ഒരു ഉദാഹരണമായി, ഇന്റർനെറ്റ് എടുക്കുക - പല സൈറ്റുകളും ലിങ്കുകൾ വഴി ബന്ധിപ്പിച്ചിരിക്കുന്നു. ഇന്റർനെറ്റ് ഗ്രാഫിൽ വേഗത്തിൽ സഞ്ചരിക്കുക, ഉള്ളടക്കം വിശകലനം ചെയ്യുക, ഉപയോക്താവിന് പ്രസക്തമായ ഉത്തരം നൽകുക എന്നിവയാണ് Yandex- ന്റെ ബിസിനസ്സിന്റെ അടിസ്ഥാനം. മറ്റൊരു ഉദാഹരണം Yandex.Taxi: മാപ്പിലെ പോയിന്റുകൾ തമ്മിലുള്ള ഏറ്റവും കുറഞ്ഞ ദൂരം കണ്ടെത്തുന്നത്, യാത്രക്കാരെ ലക്ഷ്യസ്ഥാനത്തേക്ക് പോകാൻ സേവനം സഹായിക്കുന്നു.

Yandex കമ്പനി ഗ്രാഫ്: പോയിന്റുകൾ - ജീവനക്കാർ, ലൈനുകൾ - അവ തമ്മിലുള്ള ഇടപെടൽ

പതിനെട്ടാം നൂറ്റാണ്ടിൽ പ്രചാരത്തിലുണ്ടായിരുന്ന പ്രശ്നം പരിഹരിച്ച ഗണിതശാസ്ത്രജ്ഞൻ ലിയോനാർഡ് യൂലറാണ് ഗ്രാഫുകളുടെ രൂപത്തിൽ വസ്തുക്കളുടെ അമൂർത്ത പ്രാതിനിധ്യം നിർദ്ദേശിച്ചത്: കൊയിനിഗ്സ്ബെർഗിലെ എല്ലാ നഗര പാലങ്ങളിലൂടെയും രണ്ടുതവണ കടന്നുപോകാതെ എങ്ങനെ കടക്കാം?

ഉറവിടങ്ങളും ഡാറ്റ ആവശ്യകതകളും

ഒരു ഗ്രാഫ് നിർമ്മിക്കുന്നതിന്, നിങ്ങൾക്ക് ഡാറ്റ ആവശ്യമാണ്. ഡാറ്റ ഉറവിടങ്ങൾ എന്ന നിലയിൽ, ഓർഗനൈസേഷന് ഇത് ഉപയോഗിക്കാൻ കഴിയും:

കോർപ്പറേറ്റ് മെയിൽ

ജീവനക്കാരുടെ മീറ്റിംഗ് കലണ്ടർ

ട്രാക്കറിലെ ടാസ്\u200cക്കുകൾ

pBX കോളുകൾ

ഐടി കമ്പനികളിൽ ട്രാക്കർമാർ പ്രത്യേകിച്ചും ജനപ്രിയമാണ്. ടാസ്\u200cക്കുകൾ സജ്ജീകരിക്കാനും അവയുടെ നിർവഹണത്തിന്റെ ഉത്തരവാദിത്തം നൽകാനും ഫയലുകൾ അറ്റാച്ചുചെയ്യാനും അവർ നിങ്ങളെ അനുവദിക്കുന്നു. ട്രാക്കർമാർ ടീം വർക്ക് വളരെ ലളിതമാക്കുന്നു. Yandex- ൽ, ഈ ഉപകരണം ഡവലപ്പർമാർ മാത്രമല്ല, മറ്റ് വകുപ്പുകളും ഉപയോഗിക്കുന്നു.

എച്ച്ആർ യൂണിറ്റുകൾ ഇനിപ്പറയുന്നവയിലേക്ക് ട്രാക്കർ ഉപയോഗിക്കുന്നു:

ജോലി പൊരുത്തപ്പെടുത്തൽ

നിയമനം

അഡാപ്റ്റേഷനുകൾ

പഠനം

ഈ ഉപകരണത്തെ അടിസ്ഥാനമാക്കി, എച്ച്ആർ അനലിറ്റിക്സ് നിർമ്മിച്ചിരിക്കുന്നു.

ഡാറ്റ ആവശ്യകതകൾ:

ഗുണമേന്മയുള്ള. ഡാറ്റ പിശകില്ലാത്തതും ഒഴിവാക്കിയതുമായിരിക്കണം. സൂചകങ്ങളെ പൊതുവായ കാഴ്ചയിലേക്ക് കൊണ്ടുവരണം.

സമ്പൂർണ്ണത. ഇപ്പോൾ മാനദണ്ഡം ഒരേ സമയം നിരവധി വിവര സിസ്റ്റങ്ങളിൽ പ്രവർത്തിക്കുന്നു. ഒരു സിസ്റ്റത്തിൽ നിന്ന് മാത്രം എടുത്ത ഡാറ്റ പൂർത്തിയാകില്ല.

ഇടപെടൽ വിശകലനം

ഗ്രാഫിലെ ഡോട്ടുകളും ലൈനുകളും ജീവനക്കാരെയും അവരുടെ ഇടപെടലുകളെയും സൂചിപ്പിക്കുന്നു. പോയിന്റിൽ വലിയ വ്യാസം, സഹപ്രവർത്തകരുമായുള്ള ജീവനക്കാരുടെ ഇടപെടൽ കൂടുതൽ തീവ്രമാകും. രണ്ട് ജോലിക്കാരെ ബന്ധിപ്പിക്കുന്ന രേഖയുടെ കട്ടിയുള്ളത്, കൂടുതൽ തീവ്രമായ ഇടപെടൽ ഈ ജോഡിയിൽ നടക്കുന്നു.

Yandex ജീവനക്കാരുടെ ഇടപെടലുകൾ

എല്ലാ ഡാറ്റയും പരിഗണിക്കുകയും ശരിയായി വ്യാഖ്യാനിക്കുകയും ചെയ്യേണ്ടത് പ്രധാനമാണ്. ജീവനക്കാരുടെ ഇടപെടലുകളുടെ തീവ്രത അവരുടെ സ്ഥാനത്തെയും ചുമതലകളെയും ആശ്രയിച്ചിരിക്കുന്നു.

സംഘടനാ മാറ്റങ്ങളിൽ എന്ത് നിഗമനങ്ങളിൽ എത്തിച്ചേരാം, എന്ത് പ്രയോഗിക്കണം:

ഇടപെടലുകളുടെ ഫലപ്രാപ്തി. ഗ്രൂപ്പുകളുടെ ഇടപെടലുകളുടെ തീവ്രതയിൽ വ്യത്യാസമുണ്ടെങ്കിൽ അവർക്ക് കെപിഐ പോലുള്ള ഒരു വസ്തുനിഷ്ഠ സൂചകം ഉണ്ടെങ്കിലോ പ്രകടന അവലോകനം വിലയിരുത്തപ്പെടുകയാണെങ്കിലോ, നിങ്ങൾക്ക് ഗ്രാഫിൽ നിന്നുള്ള ഘടകങ്ങളെ താരതമ്യം ചെയ്യാനും (ഇടപെടലുകളുടെ തീവ്രത) ഏതൊക്കെ പ്രവർത്തനങ്ങൾ മികച്ച സൂചകങ്ങളിലേക്ക് നയിക്കുമെന്ന് പ്രവചിക്കാനും കഴിയും. ഉദാഹരണത്തിന്, അമിതമായ ആശയവിനിമയം മാനേജർമാരെ ഓവർലോഡ് ചെയ്യാനും അവരുടെ ബർണ out ട്ടിനെ ബാധിക്കാനും കഴിയും.

മാനേജ്മെന്റ് സ്റ്റൈൽ എക്സിക്യൂട്ടീവുകൾ. മാനേജർ മൈക്രോ മാനേജുമെന്റാണോ അതോ മൊത്തം നിയന്ത്രണമാണോ എന്ന് ഡാറ്റ പറയും. ഗ്രാഫിൽ നിന്നുള്ള ഡാറ്റ ഉപയോഗിച്ച്, മാനേജർക്ക് അവന്റെ മാനേജുമെന്റ് ശൈലി ഓരോ നിർദ്ദിഷ്ട ജോലിക്കും അനുയോജ്യമാണെന്നും ഏതെല്ലാം പ്രവർത്തനങ്ങൾ ജീവനക്കാരുടെ കാര്യക്ഷമത വർദ്ധിപ്പിക്കുമെന്നും നിങ്ങൾക്ക് പറയാൻ കഴിയും.

ടീമിനുള്ളിലെ ആശയവിനിമയം. ഉദാഹരണത്തിന്, ടീം അംഗങ്ങൾ പരസ്പരം നന്നായി ഇടപഴകുന്നു, പക്ഷേ പ്രായോഗികമായി മറ്റ് സഹപ്രവർത്തകരുമായി ഇടപഴകരുത്. അത്തരമൊരു ടീമിന് ഇതിനകം കമ്പനിയിൽ ഉണ്ടായിരുന്ന ഒരു പ്രോജക്റ്റ് നിർമ്മിക്കാൻ കഴിയും, അതിനെക്കുറിച്ചുള്ള ഡാറ്റ സംഭരിക്കപ്പെടുന്നു, പക്ഷേ ടീമിന് ഇതിനെക്കുറിച്ച് അറിയില്ല. തൽഫലമായി, മറ്റ് വകുപ്പുകളുമായുള്ള അപര്യാപ്തമായ ഇടപെടൽ കാരണം കമ്പനിയുടെ വിഭവങ്ങൾ പാഴാകും. അല്ലെങ്കിൽ തിരിച്ചും, ഒരു ടീമിലെ ആന്തരിക ആശയവിനിമയങ്ങൾ മുടന്തായിരിക്കുമ്പോൾ, ഇത് പ്രോജക്റ്റ് തയ്യാറാക്കുന്നതിൽ കാലതാമസമുണ്ടാക്കുന്നു.

ജീവനക്കാരുടെ ഇടപെടലുകളുടെ പൂർണ്ണമായ ചിത്രം 360 ഡിഗ്രി സർവേ നടത്താൻ സഹപ്രവർത്തകരുടെ ഒരു ലിസ്റ്റ് യാന്ത്രികമായി സൃഷ്ടിക്കാൻ നിങ്ങളെ അനുവദിക്കുന്നു. ഈ സാഹചര്യത്തിൽ, സർവേയുടെ ഫലമായി മാനേജർക്ക് ലഭിക്കുന്ന ഡാറ്റ പൂർത്തിയാകും.

ടീം ഇടപെടൽ

അളവുകൾ

ഓർഗനൈസേഷനുകളിൽ ഗ്രാഫ് സിദ്ധാന്തത്തിൽ നിന്നുള്ള ചില അളവുകൾ വിജയകരമായി ഉപയോഗിക്കാൻ കഴിയും:

സാന്ദ്രത / വിരളത. ഒരു ഗ്രാഫിനെ അതിന്റെ എല്ലാ ലംബങ്ങളും അരികുകളാൽ ബന്ധിപ്പിക്കുമ്പോൾ പൂർ\u200cണ്ണമെന്ന് വിളിക്കുന്നു. യഥാർത്ഥ ലോകത്ത്, ഒരു ചെറിയ സ്റ്റാർട്ടപ്പ് ഒരു സമ്പൂർണ്ണ ഗ്രാഫിന്റെ ഉദാഹരണമാണ്: എല്ലാവരും പരസ്പരം അറിയുകയും ഫലപ്രദമായി ഇടപഴകുകയും ചെയ്യുന്ന ഒരു ചെറിയ, സൗഹൃദ ടീം. ഒരു ജീവനക്കാരന്റെ പുറപ്പെടൽ ഭ material തിക വിവരങ്ങൾ നഷ്\u200cടപ്പെടുന്നതിലേക്ക് നയിക്കുന്നില്ല, ഇടപെടൽ തകർന്നിട്ടില്ല.
ഒരു കമ്പനി വളരുന്തോറും സാന്ദ്രത തകരുന്നു. ആയിരക്കണക്കിന് ജീവനക്കാരുള്ള ഒരു കമ്പനി സങ്കൽപ്പിക്കാൻ പ്രയാസമാണ്, അതിൽ എല്ലാ ജീവനക്കാർക്കും പരസ്പരം അറിയാം. ഒരു ജീവനക്കാരൻ പോകുമ്പോൾ ടീമിനുള്ളിൽ കാര്യമായ ആശയവിനിമയങ്ങൾ നഷ്\u200cടപ്പെടാനുള്ള സാധ്യത അത്തരമൊരു കമ്പനിയുടെ സവിശേഷതയാണ്.

ദൂരം. ആറ് ഹാൻ\u200cഡ്\u200cഷേക്കുകളുടെ അറിയപ്പെടുന്ന സിദ്ധാന്തത്തെ ഈ മെട്രിക് ഓർമ്മിപ്പിക്കുന്നു. ജീവനക്കാർ തമ്മിലുള്ള ചെറിയ ദൂരം, കൂടുതൽ യോജിപ്പുകൾ, കൂടുതൽ ആളുകൾ പരസ്പരം അറിയുന്നു.

കേന്ദ്രീകരണം. ഗെയിം ഓഫ് ത്രോൺസിന്റെ പ്രതീകങ്ങളുടെ ഗ്രാഫ് ഈ മെട്രിക് നന്നായി ചിത്രീകരിക്കുന്നു: സൃഷ്ടിയുടെ കേന്ദ്ര കഥാപാത്രങ്ങളിലൊന്നിന്റെ അപ്രതീക്ഷിത മരണത്തിന് ശേഷം, തിരക്കഥാകൃത്തുക്കൾക്ക് ദ്വിതീയ പ്രതീകങ്ങളുടെ കഥാഗതിയിൽ പ്രയാസമുണ്ട്.

പാലം. രണ്ട് സംസ്ഥാന ഭാഷകളുള്ള ഒരു രാജ്യമായ ബെൽജിയത്തിന്റെ ഉദാഹരണത്തിലൂടെ ഇത് വ്യക്തമാക്കാം, അവിടെ രണ്ട് ഭാഷകൾ സംസാരിക്കുന്ന ആളുകളുടെ ഒരു ചെറിയ പാലം “ഏകഭാഷ” സഹ പൗരന്മാരെ ബന്ധിപ്പിക്കുന്നു. ഈ പാലത്തിലെ ആളുകളുടെ കൂട്ടത്തിൽ വളരെ പ്രധാനപ്പെട്ട ബന്ധങ്ങളുടെ വാഹകരാണ്. അവരുടെ പുറപ്പെടൽ കമ്പനിക്ക് ഒരു വലിയ പ്രശ്നമാണ്.

അപ്ലിക്കേഷൻ

ഒരു പ്രോജക്റ്റ് ഘടനയുള്ള കമ്പനികളിൽ, പ്രോജക്റ്റുകൾ സമാരംഭിക്കുകയും ആഴ്ചതോറും അടയ്ക്കുകയും ചെയ്യുന്നു, ചെലവ് നിരീക്ഷിക്കേണ്ടത് പ്രധാനമാണ്. സാമ്പത്തിക കണക്കുകൂട്ടലുകൾക്കായി ഡാറ്റ ശരിയായി ശേഖരിക്കുകയും കൈമാറുകയും ചെയ്യേണ്ടത് ആവശ്യമാണ്. ഓട്ടോമേഷൻ ഉപയോഗിച്ച് ഈ പ്രക്രിയ മെച്ചപ്പെടുത്താൻ കഴിയും. യാൻഡെക്സ് ഇനിപ്പറയുന്നവ ചെയ്തു:

ഒരു കമ്പനി ഗ്രാഫ് നിർമ്മിച്ചു.

ഓരോ നിർദ്ദിഷ്ട മാസത്തിലും ജീവനക്കാരുടെ പെരുമാറ്റം വിശകലനം ചെയ്യുന്നതിലൂടെ, അവർ നിലവിൽ ഏത് പ്രോജക്റ്റിലാണെന്ന് എച്ച്ആർ അനലിസ്റ്റുകൾ കാണുന്നു. സേവന മാനേജർമാരുമായുള്ള കത്തിടപാടുകളുടെ ആവശ്യകത അപ്രത്യക്ഷമായി. ഇത് ബിസിനസ്സിനും അനലിസ്റ്റുകൾക്കുമായി സമയം ലാഭിക്കുന്നു.

ഇതുവരെ, ഇത് രസകരമായ ഫലങ്ങൾ കാണിക്കുന്ന ഒരു പൈലറ്റ് പ്രോജക്റ്റാണ്. യാൻഡെക്സിലെ പല ഗവേഷണ പദ്ധതികളും പിന്നീട് ഉൽ\u200cപാദനത്തിലേക്ക് കൊണ്ടുവരുന്നു.

അതിനാൽ അനലിറ്റിക്\u200cസിന്റെ ക്ലാസിക് മാർഗം

ഡാറ്റ. ഉറവിടം, സമ്പൂർണ്ണത, ഗുണമേന്മ.

ദൃശ്യവൽക്കരണം. ഈ ഡാറ്റ എങ്ങനെ നോക്കാം, എങ്ങനെ ഉപയോഗിക്കാം. എച്ച്ആർ അനലിറ്റിക്\u200cസിന്റെ കാര്യത്തിൽ ഗ്രാഫ് സിദ്ധാന്തത്തിൽ നിന്ന് എടുക്കാവുന്നതോ സ്വന്തമായി കൊണ്ടുവരുന്നതോ ആയ അളവുകളെക്കുറിച്ചുള്ള ആശയങ്ങൾ.

റിപ്പോർട്ടുചെയ്യുന്നു കമ്പനിയിൽ എന്താണ് സംഭവിക്കുന്നതെന്ന് പ്രതിമാസ കാണിക്കുന്നു. ഉദാഹരണത്തിന്, മാനേജർമാരുടെ ഇടപെടലിന്റെ തീവ്രത.

അളവുകൾ അവ നിഗമനങ്ങളിൽ ഉപയോഗിക്കുന്നു.

പ്രവചനാ അനലിറ്റിക്\u200cസ് - സമയം ലാഭിക്കുന്ന ഒരു യാന്ത്രിക പ്രക്രിയയുടെ സമാരംഭം.

എച്ച്ആർ അനലിറ്റിക്സിനെക്കുറിച്ച് നിങ്ങൾ മറ്റെന്താണ് അറിയേണ്ടത്

ഒരു ലേഖനത്തിൽ ഗ്ലോബൽ ലേണിംഗ് റിസോഴ്\u200cസസ് ഇൻ\u200cകോർപ്പറേറ്റിന്റെ പ്രസിഡന്റും സ്ഥാപകനുമായ കെവിൻ വീലർ“എച്ച്ആർ അനലിറ്റിക്\u200cസിന്റെ വിപരീത വശം: കുറച്ച് അറിയപ്പെടുന്ന വസ്തുതകൾ” എച്ച്ആർ ഡാറ്റയുമായി ബന്ധപ്പെട്ട നിരവധി പ്രധാന ഘടകങ്ങൾ എടുത്തുകാണിക്കുന്നു:

അനലിറ്റിക്സ് ഒരു മാജിക് ഗുളികയല്ല. അനലിറ്റിക്സ് ഒരു അത്ഭുത രോഗശാന്തിയല്ല. പ്രശ്\u200cനം മനസിലാക്കാൻ ഡാറ്റ സഹായിക്കുന്നു, ഒരുപക്ഷേ, അത് പരിഹരിക്കുന്നതിന് കൂടുതൽ ഫലപ്രദമായ മാർഗം തിരഞ്ഞെടുക്കുക, പക്ഷേ ഡാറ്റ സമാനുഭാവത്തെയും മനുഷ്യന്റെ ന്യായവാദത്തെയും മാറ്റിസ്ഥാപിക്കുന്നില്ല.

നിങ്ങൾ കൃത്യമായി അറിയാൻ ആഗ്രഹിക്കുന്നതെന്താണെന്ന് മനസിലാക്കുന്നു. നിങ്ങൾ വിശകലനം ചെയ്യാനോ അളക്കാനോ ആഗ്രഹിക്കുന്ന കാര്യങ്ങളെക്കുറിച്ച് വളരെ വ്യക്തത ആവശ്യമാണ്. അത് പോലും സാധ്യമാണെന്ന് ഉറപ്പാക്കുക.

ഉചിതമായ രീതി ഉപയോഗിക്കുന്നു. ഡാറ്റ ശേഖരിക്കുന്ന രീതി ഒരു ശ്രമകരമായ കാര്യമാണ്. ഒരു പ്രശ്\u200cനം വ്യക്തമാക്കുകയോ സാധ്യമായ കാരണങ്ങൾ കണ്ടെത്തുകയോ ചെയ്യുക എന്നതാണ് അനലിറ്റിക്\u200cസിനുള്ള ഒരു ഉപയോഗ കേസ്.

നിഷ്\u200cക്രിയ ഡാറ്റ അഭ്യർത്ഥിച്ച ഡാറ്റയേക്കാൾ മികച്ചതായിരിക്കാം. മറ്റുള്ളവരിൽ നിന്ന് വിശ്വസനീയമായ ഡാറ്റ അഭ്യർത്ഥിക്കുന്നതിനേക്കാൾ നിഷ്ക്രിയ ഡാറ്റ സ്വയം ശേഖരിക്കുന്നത് വളരെ എളുപ്പമാണ്. ഏതെങ്കിലും പ്രവർത്തനങ്ങളുടെയും തീരുമാനങ്ങളുടെയും അടിസ്ഥാനത്തിൽ വസ്തുതാപരമായ വിവരങ്ങൾ ശേഖരിക്കുന്നത് താരതമ്യേന ലളിതമാണ്.

പിന്തുണ പ്രധാനമാണ്. ഡാറ്റയുടെ ഫലപ്രദമായ ഉപയോഗത്തിന് മാനേജുമെന്റ് പിന്തുണയും ഡാറ്റയ്ക്ക് പ്രാധാന്യം നൽകുന്ന ഉചിതമായ ഒരു കോർപ്പറേറ്റ് സംസ്കാരവും ആവശ്യമാണ്.

ലക്ഷ്യം സാഹചര്യം നിയന്ത്രിക്കുന്നു. എല്ലാം അളക്കാൻ ഒരു വലിയ പ്രലോഭനമുണ്ട്, പ്രത്യേകിച്ചും ആദ്യം, അനലിറ്റിക്സ് ഉപകരണം കമ്പനിയിൽ മാത്രം നടപ്പിലാക്കുമ്പോൾ. എന്നാൽ നിങ്ങൾ ഉത്തരം നൽകാൻ ആഗ്രഹിക്കുന്ന രണ്ടോ മൂന്നോ പ്രധാന ചോദ്യങ്ങളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നതാണ് നല്ലത്. കൂടുതൽ കൃത്യമായ ഡാറ്റ ശേഖരണത്തിനും പൂർണ്ണ വിശകലനത്തിനും നിങ്ങൾക്ക് മതിയായ സമയമുണ്ട്.

ഡാറ്റ തികഞ്ഞതല്ല. അടുത്തിടെ, ഒരു പീഠത്തിൽ ഡാറ്റ ഇടുകയും അവ ശുദ്ധമായ വിവരങ്ങളായി കാണുകയും ചെയ്യുക പതിവാണ്, അതിൽ രാഷ്ട്രീയമോ അഭിപ്രായങ്ങളോ ഇല്ല. പക്ഷേ, നിർഭാഗ്യവശാൽ, അഭിപ്രായങ്ങൾ ഡാറ്റ വിശകലനത്തെ മറ്റെല്ലാവരെയും പോലെ സ്വാധീനിക്കുന്നു.

ലളിതമാണ് നല്ലത്. ഒരു പട്ടിക തയ്യാറാക്കാൻ സമയമെടുക്കുക: റിക്രൂട്ടിംഗ് പ്രക്രിയ മെച്ചപ്പെടുത്തുന്നതിന് നിങ്ങൾ ശരിക്കും അറിയാൻ ആഗ്രഹിക്കുന്നത്; മിക്ക ഉറവിടങ്ങളുടെയും ഫലപ്രാപ്തി മെച്ചപ്പെടുത്തുന്നതിനോ ടോപ്പിക് മാനേജുമെന്റ് ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകുന്നതിനോ എന്ത് ഡാറ്റ നിങ്ങളെ സഹായിക്കും.

ശരിയായ ഡാറ്റാ വ്യാഖ്യാനത്തിന്റെ പ്രശ്നങ്ങളും അടുത്തിടെനാസിം താലിബ് പറഞ്ഞു : “ബിഗ് ഡാറ്റയുമായി എങ്ങനെ പ്രവർത്തിക്കണമെന്ന് നിങ്ങൾക്കറിയാമെങ്കിൽ, അത് നല്ലതാണ്, പക്ഷേ നിങ്ങൾക്ക് അത് വ്യാഖ്യാനിക്കാൻ കഴിയണം, എല്ലാം ആശയക്കുഴപ്പത്തിലാക്കുന്ന മാലിന്യവും അനാവശ്യവുമായ ശബ്\u200cദം ഫിൽട്ടർ ചെയ്യുക. രസകരമെന്നു പറയട്ടെ, ഡാറ്റയുമായി പ്രവർത്തിക്കാൻ കഴിയുന്നത് തീവ്രവാദ വിരുദ്ധ സേവനങ്ങളാണ്. തെറ്റായ പരസ്പര ബന്ധങ്ങൾ കണ്ടെത്താനും നിർദ്ദിഷ്ട സംശയമുള്ളവർക്ക് സാമ്പിൾ ചുരുക്കാനും അവർക്ക് കഴിയും, അവർ കൃത്യമായി കണക്ഷനായി തിരയുന്നു.ഒരു കമ്പ്യൂട്ടറിനെ ഡാറ്റ ഉപയോഗിച്ച് വഞ്ചിക്കാൻ കഴിയും; സ്ഥിതിവിവരക്കണക്ക് വളരെ പ്രധാനമാണ്. വലിയ ഡാറ്റയ്ക്ക് ശരി എന്താണെന്ന് ഞങ്ങളോട് പറയാൻ കഴിയില്ല, ശരിയല്ലാത്തത് മാത്രം. ”

ചിത്ര ഉറവിടം - എച്ച്ആർ

ഞങ്ങളുടെ ടെലിഗ്രാമിലെ യഥാർത്ഥവും രസകരവുമായ എച്ച്ആർ കേസുകൾ. ചാനൽ സബ്\u200cസ്\u200cക്രൈബുചെയ്യുക!

സൈറ്റ് സൈറ്റിൽ നിന്ന് മെറ്റീരിയലുകൾ പകർത്തുകയോ പ്രോസസ്സ് ചെയ്യുകയോ ചെയ്യുന്നത് നിരോധിച്ചിരിക്കുന്നു

ഞങ്ങളുടെ പ്രത്യേക ലേഖകൻ ഒക്സാന റൈബാകോവ സന്ദർശിച്ച എച്ച്ആർ-അനലിറ്റിക്സ് കോൺഫറൻസിന്റെ പശ്ചാത്തലത്തിൽ ഞങ്ങൾ ഞങ്ങളുടെ പ്രസിദ്ധീകരണങ്ങൾ തുടരുന്നു. അവസാന ലക്കത്തിൽ, ലബോറട്ടറി ഫോർ ഹ്യൂമാനിറ്റേറിയൻ ടെക്നോളജീസിലെ അനലിറ്റിക്സ് ഹെഡ് അരാം ഫോമിചെവ്, വലിയ ഡാറ്റയുമായി ബന്ധപ്പെട്ട പ്രോജക്ടുകൾ വികസിപ്പിക്കുന്നതിനും നടപ്പിലാക്കുന്നതിനുമുള്ള രീതിശാസ്ത്രത്തെക്കുറിച്ചുള്ള തന്റെ ശുപാർശകൾ ഞങ്ങളുമായി പങ്കുവച്ചു.

ഇന്ന്, ഹോഫിലെ എച്ച്ആർ ഡയറക്ടർ തത്യാന കൊനേവ “എച്ച്ആർ അനലിറ്റിക്സ്” എന്ന റിപ്പോർട്ടിനൊപ്പം ഈ വിഷയം തുടരുന്നു. ബിസിനസ്സുമായി ഒരേ ഭാഷ എങ്ങനെ സംസാരിക്കും. ”

ഹോഫ് സംബന്ധിച്ച്

എച്ച്ആർ അനലിറ്റിക്സ് നടപ്പിലാക്കൽ

• സ്റ്റാഫ് ഉൽപാദനക്ഷമത വർദ്ധിച്ചു
• ജീവനക്കാർക്കുള്ള ചെലവുകളുടെ വിഹിതം (കമ്പനിയുടെ മൊത്തം ചെലവുകളുടെ) കുറഞ്ഞു

സി & ബി മെട്രിക്സ്

• ബിസിനസ് യൂണിറ്റ് (BYU) വരുമാനം അനുസരിച്ച് ശമ്പളത്തിന്റെ വിഹിതത്തിന്റെ ചലനാത്മകം;
• റൂബിളുകളിലെയും എൽ\u200cഎഫ്\u200cഎൽ യൂണിറ്റുകളിലെയും പ്രകടനത്തിന്റെ ചലനാത്മകത (കാലയളവ് 2016/2017), BYu വേർതിരിച്ചെടുത്തത്,%. ഉൽ\u200cപാദനക്ഷമതയെ പണപരമായും കഷണമായും നിരീക്ഷിക്കേണ്ടത് പ്രധാനമാണ്, കാരണം ഇത് സംഭവിക്കുന്നു, ഉദാഹരണത്തിന്, റൂബിളുകളിലെ ഉൽ\u200cപാദനക്ഷമത വളരുന്നു, കഷണങ്ങളായി അത് ഒരേ സ്ഥലത്ത് തന്നെ നിൽക്കുകയോ വീഴുകയോ ചെയ്യുന്നു. ഇത് പണപ്പെരുപ്പമല്ലാതെ മറ്റൊന്നുമല്ല;
• സ്റ്റാഫ് വിറ്റുവരവിന്റെ ചലനാത്മകം,%;
• പിരിച്ചുവിടൽ കാരണം ജീവനക്കാരെ പിരിച്ചുവിടൽ.

ബിസിനസ്സിനൊപ്പം ഈ പാരാമീറ്റർ വിശകലനം ചെയ്യുകയും ചോദ്യങ്ങൾ ചോദിക്കുകയും ചെയ്യേണ്ടത് പ്രധാനമാണ്. ഉദാഹരണത്തിന്, മുമ്പത്തെ കാലയളവുകളേക്കാൾ 6 മാസം മുതൽ 1 വർഷം വരെയുള്ള ഇടവേളയിൽ “ജോലി ചെയ്യാത്ത” കാരണമെന്താണ്? അതായത്, ആ സമയം വരെ, ജീവനക്കാരൻ കൈകാര്യം ചെയ്തു, പിന്നീട് എന്തോ സംഭവിച്ചു.

ടി & ഡി മെട്രിക്സ്

ഒരു ബിസിനസ് യൂണിറ്റിലെ ജീവനക്കാരുടെ എണ്ണത്തിന്റെ 25% മാനദണ്ഡം രണ്ടാമത്തെ ഗ്രാഫിൽ മഞ്ഞ രേഖ കാണിക്കുന്നു. ജീവനക്കാരുടെ ഇനിപ്പറയുന്ന വിഭാഗങ്ങൾ അവിടെ ഉൾപ്പെടുന്നു:

• നിരീക്ഷണത്തിൽ;
• കഴിഞ്ഞ പുതിയ പരിശീലനം;
• ഒരു നിഗൂ sh ഷോപ്പർ "പരാജയപ്പെട്ടു";
• പരാതികൾ ലഭിച്ചവർ.

ഓരോ പരിശീലനത്തിനുശേഷവും ഞങ്ങൾ അറിവ് വിലയിരുത്തുന്നു. 90% ൽ താഴെയുള്ള ഏതെങ്കിലും പരിശീലനത്തിന് ശരാശരി ജീവനക്കാർ ഒരു വിജ്ഞാന നില കാണിക്കുന്നുവെങ്കിൽ, ഈ പരിശീലനത്തിന്റെ ഫലപ്രാപ്തി വർദ്ധിപ്പിക്കുന്നതിന് ഞങ്ങൾ കാരണങ്ങൾ വിശകലനം ചെയ്യുന്നു.

അതുപോലെ, ഓരോ കോച്ചിനും അനലിറ്റിക്സ് നടത്തുന്നു

ഹ്യൂമൻ റിസോഴ്സസ് മെട്രിക്സ്

രണ്ടാമത്തെ ചാർട്ടിൽ മാനേജർമാരുമായി ചർച്ച ചെയ്യുന്നതിന് ഒരു കാരണവുമുണ്ട്. ഫർണിച്ചർ ദിശയ്\u200cക്ക് ഒഴിവുള്ള ക്ലോസിംഗ് നിരക്ക് 14 ദിവസമാണെങ്കിൽ, എല്ലാവർക്കും ഈ പരാമീറ്ററിനോട് കൂടുതലോ കുറവോ സൂചകങ്ങളുണ്ടെങ്കിൽ, ഒരു സ്റ്റോർ ഉപേക്ഷിക്കുന്നുവെങ്കിൽ, ചോദ്യങ്ങൾ ഉയർന്നുവരുന്നു.

എല്ലാ മെട്രിക്കുകളും എല്ലാ മാനേജർമാർക്കും ലഭ്യമാണ്. അവർക്ക് ടാബ്\u200cലെറ്റുകളിലും ഫോണുകളിലും ബി\u200cഐയിൽ നിന്ന് ഡ download ൺ\u200cലോഡ് ചെയ്യാൻ കഴിയും (ഇവ വലിയ ഡാറ്റ വിശകലനം ചെയ്യാനും ഡാഷ്\u200cബോർഡുകളിൽ ഡാറ്റ പ്രദർശിപ്പിക്കാനും നിങ്ങളെ അനുവദിക്കുന്ന പ്രോഗ്രാമുകളാണ്). ഇതുവരെ, നിങ്ങൾക്ക് ഓൺലൈനിലല്ല ട്രാക്കുചെയ്യാൻ കഴിയുന്നത്, പക്ഷേ ഞങ്ങൾ ഇതിലേക്ക് നീങ്ങുന്നു.

പ്രസംഗത്തിന്റെ അവസാനത്തിൽ, തങ്ങളുടെ കമ്പനികളിൽ മികച്ച പേഴ്\u200cസണൽ മാനേജുമെന്റ് രീതികൾ അവതരിപ്പിക്കുന്നതിനുള്ള വിവരങ്ങൾ പങ്കിടാൻ ടാറ്റിയാന തന്റെ സഹപ്രവർത്തകരോട് അഭ്യർത്ഥിച്ചു.

ഇപ്പോൾ, മെട്രിയം ഗ്രൂപ്പിലെ ഡയറക്ടർ ഓഫ് അന്ന തിമുഷേവയിൽ നിന്ന് അല്പം വ്യത്യസ്തമായ കാഴ്ചപ്പാട്. “മെട്രിയത്തിലെ എച്ച്ആർ അനലിറ്റിക്സ്” എന്ന റിപ്പോർട്ടുമായി അവർ സമ്മേളനത്തിന്റെ ആദ്യ സെഷൻ അവസാനിപ്പിച്ചു. ബിസിനസ്സ് പ്രശ്\u200cനങ്ങൾ വിജയകരമായി പരിഹരിക്കുന്നതിനുള്ള പാത. ”

കമ്പനിയിൽ എച്ച്ആർ അളവുകൾ നടപ്പിലാക്കേണ്ടത് അത്യാവശ്യമാണെന്ന നിഗമനത്തിലെത്തിയത് ടാറ്റിയാനയെപ്പോലെ തന്നെ. അവളുടെ ഡിപ്പാർട്ട്മെന്റിലെ ജീവനക്കാർ സ്വതന്ത്രമായി (ബാഹ്യ ദാതാക്കളെ ഉൾപ്പെടുത്താതെ) നിരീക്ഷണത്തിന് ആവശ്യമായ സൂചകങ്ങൾ തിരഞ്ഞെടുത്തു. അതിൽ 15 ഓളം പേരുണ്ടായിരുന്നു.

എന്നാൽ ബിസിനസ്സ് ഈ സൂചകങ്ങളെ ഇതുപോലെയാണ് മനസ്സിലാക്കിയത്

അതിനാൽ അന്ന ഇനിപ്പറയുന്ന നിഗമനങ്ങളിൽ എത്തി:

• സിസ്റ്റം ലളിതമാക്കേണ്ടതുണ്ട്;
• ഇത് സ്ഥിരമായിരിക്കരുത് കൂടാതെ ഓരോ തവണയും വ്യത്യസ്ത ബിസിനസ്സ് ജോലികൾക്കായി മാറണം;
• ഡാറ്റ ദൃശ്യവൽക്കരിക്കണം!

എല്ലാ സെയിൽസ് സ്റ്റാഫുകളെയും ക്വാണ്ടിറ്റേറ്റീവ് (വ്യക്തിഗത, ടീം വിൽപ്പന പദ്ധതിയുടെ പ്രകടനം), ഗുണപരമായ (360 ഡിഗ്രി യോഗ്യത വിലയിരുത്തൽ) പാരാമീറ്ററുകൾ ഉപയോഗിച്ച് വിലയിരുത്തുന്നു. ഉയർന്ന തസ്തികകളിലേക്ക് മാറ്റാൻ പദ്ധതിയിട്ടിരിക്കുന്ന ജീവനക്കാർക്ക്, ഡിഐ\u200cഎസ്\u200cസി രീതിശാസ്ത്രവും അറിവിന്റെ വിലയിരുത്തലും അനുസരിച്ച് പെരുമാറ്റത്തെക്കുറിച്ച് ഒരു അധിക വിലയിരുത്തൽ നടത്തുന്നു.

സമ്മേളനത്തിന്റെ ആദ്യ ഭാഗം സംഗ്രഹിച്ച്, നിരവധി പ്രധാന കാര്യങ്ങൾ ശ്രദ്ധിക്കാം.

• ഡാറ്റ ദൃശ്യവൽക്കരിക്കണം. അതിനാൽ, ഒന്നാമതായി, അവ ബിസിനസ്സ് നന്നായി മനസ്സിലാക്കുന്നു, രണ്ടാമതായി, വായിക്കാൻ കഴിയാത്ത വലിയ റിപ്പോർട്ടുകൾ സൃഷ്ടിക്കാതെ, നിലവിലുള്ളതും ഭാവിയിലുള്ളതുമായ ജോലികൾ പരിഹരിക്കുന്നതിന് നിങ്ങൾക്ക് ധാരാളം ഉപയോഗപ്രദമായ വിവരങ്ങൾ കാണിക്കാൻ കഴിയും.
• അനലിറ്റിക്\u200cസിനായി അനലിറ്റിക്\u200cസ് നടപ്പിലാക്കരുത്. ഓരോ മെട്രിക്കും ഒരു പ്രത്യേക പ്രശ്നം പരിഹരിക്കുന്നതിനോ അല്ലെങ്കിൽ പ്രശ്നങ്ങളുടെ അഭാവത്തിന്റെ സൂചകമായി പ്രവർത്തിക്കാനോ ലക്ഷ്യമിടണം. ഓരോ മോണിറ്ററിംഗ് സെഷനും ശേഷം, സാഹചര്യം മെച്ചപ്പെടുത്തുന്നതിന് ഒരു പദ്ധതി വികസിപ്പിക്കണം.
• അനലിറ്റിക്\u200cസിനായുള്ള ഡാറ്റ ഉയർന്ന നിലവാരമുള്ളതും അവ ലക്ഷ്യമിടുന്ന പ്രശ്\u200cനത്തെ ആശ്രയിച്ച് തിരഞ്ഞെടുക്കുന്നതുമായിരിക്കണം.

എച്ച്ആർ ഗവേഷണത്തിൽ വിജയിക്കണമെന്ന് ഞാൻ ആഗ്രഹിക്കുന്നു,
നിങ്ങളുടെ ഒക്സാന റൈബാക്കോവ

ഈ ഗൈഡിൽ, എച്ച്ആർ അനലിറ്റിക്\u200cസിന്റെ സാരാംശവും നിങ്ങളുടെ ഓർഗനൈസേഷൻ ഈ പ്രക്രിയയെ ഗൗരവമായി കാണേണ്ടതിന്റെ കാരണങ്ങളും ഞങ്ങൾ വിശദീകരിക്കും. “ഹ്യൂമൻ” അനലിറ്റിക്\u200cസിന്റെ പൊതുവായ പ്രശ്\u200cനങ്ങളെക്കുറിച്ചും ഈ മേഖലയിൽ നിങ്ങളുടെ ഓർഗനൈസേഷനെ ആരംഭിക്കാൻ സഹായിക്കുന്ന ആദ്യ അഞ്ച് ഘട്ടങ്ങളെക്കുറിച്ചും ഞങ്ങൾ സംസാരിക്കും.

ജീവനക്കാരുടെ വിവരങ്ങൾ പരമ്പരാഗതമായി ശേഖരിക്കുന്നതിൽ നിന്നും ട്രാക്കുചെയ്യുന്നതിൽ നിന്നും ഒരു ആധുനിക സമീപനത്തിലേക്ക് എച്ച്ആർ വളരെ ദൂരം എത്തിയിരിക്കുന്നു: മുഴുവൻ ബിസിനസ്സിലേക്കും ഉൾക്കാഴ്ചയുള്ള ഉൾക്കാഴ്ചകൾ വരയ്ക്കാൻ ഡാറ്റ ഉപയോഗിക്കുന്നു.

എന്താണ് എച്ച്ആർ അനലിറ്റിക്സ്?

എച്ച്ആർ ഡാറ്റാ പ്രോസസ്സിംഗിൽ ഡാറ്റാ പ്രോസസ്സിംഗ്, ബിസിനസ് ഇന്റലിജൻസ് (ബിഎ) രീതികൾ പ്രയോഗിക്കുന്ന ഒരു പ്രക്രിയയാണ് എച്ച്ആർ അനലിറ്റിക്സ്. അവളെ ചിലപ്പോൾ ടാലന്റ് അനലിറ്റിക്സ് എന്നും വിളിക്കാറുണ്ട്. കൂടാതെ, ഈ സന്ദർഭത്തിൽ ഡാറ്റ മൈനിംഗ് പുതിയ വിവരങ്ങൾ സൃഷ്ടിക്കുന്നതിന് ഡാറ്റാബേസുകൾ പഠിക്കുന്ന രീതിയെ സൂചിപ്പിക്കുന്നു.

എച്ച്ആർ അനലിറ്റിക്\u200cസിന് രണ്ട് പ്രധാന ലക്ഷ്യങ്ങളുണ്ട്: സ്ഥിതിവിവരക്കണക്കുകൾ നൽകുന്നു (മുമ്പ് അജ്ഞാതമായ വിവരങ്ങൾ), കൂടാതെ കീ ഡാറ്റയുടെ നിർവചനം.

ജീവനക്കാരുടെ ഫലപ്രദമായ നടത്തിപ്പിന് സഹായിക്കുന്ന സ്വന്തം പ്രവർത്തനങ്ങളെക്കുറിച്ചുള്ള വിവരങ്ങൾ ഓർഗനൈസേഷന് നൽകുക എന്നതാണ് ആദ്യ ലക്ഷ്യം. കമ്പനിയുടെ ബിസിനസ്സ് ലക്ഷ്യങ്ങളുടെ ഫലപ്രദമായ നേട്ടം ഉറപ്പാക്കാൻ കഴിയുന്ന ഉൾക്കാഴ്ചകളാണ് ഇവ.

എച്ച്ആർ അനലിറ്റിക്\u200cസിന്റെ രണ്ടാമത്തെ പ്രധാന പ്രവർത്തനം ഓർഗനൈസേഷൻ നിലനിർത്തേണ്ട ഡാറ്റ തിരിച്ചറിയാൻ സഹായിക്കുക എന്നതാണ്. കൂടാതെ, ഒരു ഓർഗനൈസേഷന് അതിന്റെ മാനുഷിക മൂലധനത്തിൽ നിക്ഷേപത്തിന് മികച്ച വരുമാനം (ROI) ലഭിക്കുന്നതിനുള്ള വിവിധ വഴികൾ പ്രവചിക്കാനുള്ള മോഡലുകൾ ഇത് നൽകുന്നു.

പൊതുവേ, എച്ച്ആർ അനലിറ്റിക്സ് മിക്ക ഓർഗനൈസേഷനുകളും ശേഖരിക്കുന്ന വലിയ അളവിലുള്ള മാനവ വിഭവ ശേഷി ഉപയോഗം പരമാവധി ലക്ഷ്യമിടുന്നു. കമ്പനികൾക്ക് പലപ്പോഴും ജീവനക്കാരുടെ ജനസംഖ്യാശാസ്\u200cത്രം, പരിശീലന രേഖകൾ മുതലായ ധാരാളം ഡാറ്റകളുണ്ട്, വിശകലനത്തിന് അവരിൽ നിന്ന് പ്രധാനപ്പെട്ട അറിവ് എക്\u200cസ്\u200cട്രാക്റ്റുചെയ്യാനാകും.

എച്ച്ആർ അനലിറ്റിക്സിനെക്കുറിച്ചുള്ള കൂടുതൽ വിശദമായ വിവരങ്ങൾ ഇനിപ്പറയുന്നവയാണ്:

നിങ്ങളുടെ ഓർഗനൈസേഷൻ എച്ച്ആർ അനാലിറ്റിക്സുമായി പ്രവർത്തിക്കുന്നത് എന്തുകൊണ്ട്?

പേഴ്\u200cസണൽ തീരുമാനങ്ങൾ പലപ്പോഴും പ്രൊഫഷണൽ സഹജാവബോധത്തെയും അവബോധത്തെയും അടിസ്ഥാനമാക്കിയുള്ളതാണ്. ഉദാഹരണത്തിന്, നിയമനം പലപ്പോഴും റിക്രൂട്ട് ചെയ്യുന്നയാൾ വിജയിച്ചതോ സ്ഥാനാർത്ഥിയുമായി സ്ഥാപിക്കുന്നതിൽ പരാജയപ്പെട്ടതോ ആയ വ്യക്തിഗത സമ്പർക്കത്തെ ആശ്രയിച്ചിരിക്കുന്നു. “സഹജാവബോധം”, അവബോധം എന്നിവയിലെ പ്രശ്നം അവർക്ക് മോശം രീതികൾ സാധാരണമാക്കാൻ കഴിയും എന്നതാണ്.

അതിനാൽ, ജോലിയിലെ അനീതി ശ്രദ്ധിക്കപ്പെടാതെ പോകുന്നു. പുരുഷന്മാരും സ്ത്രീകളും തമ്മിലുള്ള ശമ്പള വിടവ് ഇതിന് ഉത്തമ ഉദാഹരണമാണ്. തെളിവുകൾ പരിശോധിച്ചില്ലെങ്കിൽ തങ്ങളും അതുതന്നെ നൽകുമെന്ന് ഓർഗനൈസേഷനുകൾ ചിന്തിച്ചേക്കാം.

എച്ച്ആർ അനലിറ്റിക്സ് ഉൽ\u200cപാദനക്ഷമത വർദ്ധിപ്പിക്കാനും ഏറ്റവും വിജയകരമായ മോഡലുകൾ പ്രവചിക്കാനും സഹായിക്കും. തീരുമാനമെടുക്കുന്നതിലെ മിക്ക മനുഷ്യ പിശകുകളും ഇത് ഇല്ലാതാക്കുന്നു. ഉദാഹരണത്തിന്, ഏതൊക്കെ വകുപ്പുകളോ ഗ്രൂപ്പുകളോ ഇതിനകം അമിതഭാരമുള്ളവയാണെന്നും കൂടുതൽ ഉത്തരവാദിത്തങ്ങൾ ഏറ്റെടുക്കാൻ കഴിയുമെന്നും കാണിക്കുന്ന ഡാറ്റ ഉപയോഗിക്കുമ്പോൾ വർക്ക്ലോഡ് മാനേജുമെന്റ് മെച്ചപ്പെടുത്തുന്നത് കൂടുതൽ ഫലപ്രദമാണ്.

ഏറ്റവും പ്രധാനമായി, എച്ച്ആർ അനലിറ്റിക്സ് കമ്പനിയുടെ വളർച്ചയ്ക്ക് സംഭാവന നൽകുന്നുവെന്ന് തെളിയിച്ചിട്ടുണ്ട്. നിയമന പ്രക്രിയ മെച്ചപ്പെടുത്തുന്നതിന് എച്ച്ആർ അനലിറ്റിക്സ് ഉപയോഗിക്കുന്ന ഒരു കമ്പനിയുടെ ഉൽ\u200cപാദനക്ഷമത വർദ്ധനവിന്റെ ഫലങ്ങളെക്കുറിച്ച് പരിശീലന മേഖല റിപ്പോർട്ട് ചെയ്യുന്നു. ഡാറ്റാ വിശകലനത്തിന് നന്ദി, പരമ്പരാഗത പ്രധാന സൂചകങ്ങളായ വിദ്യാഭ്യാസവും ശുപാർശകളും സ്ഥാനാർത്ഥിയുടെ വിൽപ്പന പ്രകടനത്തിൽ വലിയ സ്വാധീനം ചെലുത്തുന്നില്ലെന്ന് കമ്പനി ശ്രദ്ധിച്ചു. വാസ്തവത്തിൽ, പ്രധാന സൂചകങ്ങൾ വലിയ തുകകൾ വിറ്റതിന്റെ അനുഭവവും ഘടനാപരമായ സാഹചര്യങ്ങളിൽ പ്രവർത്തിക്കാനുള്ള കഴിവുമാണ്, ഇത് വിൽപ്പന കാര്യക്ഷമത വർദ്ധിപ്പിക്കുന്നതിന് ശരിക്കും കാരണമായി. കമ്പനി ഈ മാനവ വിഭവശേഷി വിശകലന ഡാറ്റയെ ജോലിക്കാരെ നിയമിക്കുമ്പോൾ, കമ്പനിയുടെ വിൽപ്പന അടുത്ത വർഷം 4 മില്യൺ ഡോളർ വർദ്ധിച്ചു.

ഒരു കമ്പനിയുടെ മൊത്തത്തിലുള്ള പ്രകടനത്തിന് എച്ച്ആർ അനലിറ്റിക്\u200cസിന്റെ പ്രാധാന്യത്തെക്കുറിച്ച് മറ്റ് പഠനങ്ങൾ സമാനമായ നിഗമനങ്ങളിൽ എത്തിയിട്ടുണ്ട്. എം\u200cഐടിയും ഐ\u200cബി\u200cഎമ്മും നടത്തിയ ഒരു പഠനത്തിൽ എച്ച്ആർ അനലിറ്റിക്\u200cസിന്റെ ഉയർന്ന തലത്തിലുള്ള ഉപയോഗം നൽകാമെന്ന് കാണിച്ചു:

• വിൽപ്പനയിൽ 8% വർധന;
• അറ്റ പ്രവർത്തന വരുമാനത്തിൽ 24% വർധന;
• ഒരു ജീവനക്കാരന് 58% ഉയർന്ന വിൽപ്പന.

എച്ച്ആർ അനലിറ്റിക്സ് ഉപയോഗിക്കുന്നതിനുള്ള അടിസ്ഥാന വഴികൾ

എച്ച്ആർ അനലിറ്റിക്സിനുള്ള അപേക്ഷയുടെ മേഖലകൾ വളരെ വലുതാണ്, കൂടാതെ ഒരു ഓർഗനൈസേഷനായി ശ്രദ്ധ കേന്ദ്രീകരിക്കേണ്ട സൂചകങ്ങൾ വ്യവസായത്തെയും ബിസിനസിന്റെ സ്വഭാവത്തെയും ആശ്രയിച്ചിരിക്കുന്നു.

സാധ്യമായ പ്രധാന സൂചകങ്ങളുടെ ചില ഉദാഹരണങ്ങൾ ഇതാ:

• പിരിച്ചുവിടൽ അനുപാതം
• ജോലിക്കെടുക്കുന്ന സമയം
• വിവിധ ഗ്രൂപ്പുകളുടെ വിറ്റുവരവിന്റെ തോത് (ഒന്നാം വർഷം, അഞ്ച് വർഷം മുതലായവ),
• ഒരു ജീവനക്കാരന്റെ വരുമാനം.

ബിസിനസ്സ് പ്രകടനം മെച്ചപ്പെടുത്തുന്നതിന് മുകളിലുള്ള സൂചകങ്ങളും മറ്റ് സമാന ഡാറ്റയും ഉപയോഗിക്കാം. ഡാറ്റ സഹായിക്കാൻ കഴിയുന്ന പ്രധാന മേഖലകൾ ഇവയാണ്:

• റിക്രൂട്ടിംഗ് - ഈ ബിസിനസ്സിന് അനുയോജ്യമായ സ്ഥാനാർത്ഥികളെ കണ്ടെത്തുന്നതിനെക്കുറിച്ചുള്ള ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകാൻ എച്ച്ആർ അനലിറ്റിക്സിന് കഴിയും. ഉദാഹരണത്തിന്, ഒരു കമ്പനിയുടെ മുകളിലുള്ള ഉദാഹരണം കാണിച്ചിരിക്കുന്നതുപോലെ, മികച്ച ഫലങ്ങൾ നൽകുന്ന സ്ഥാനാർത്ഥികളുടെ ഗുണങ്ങൾ തിരിച്ചറിയാൻ ഡാറ്റ ഉപയോഗിക്കാം. ആത്യന്തികമായി കമ്പനിയിൽ തുടരുന്ന സ്ഥാനാർത്ഥികളുടെ ഡാറ്റ നിങ്ങൾക്ക് താരതമ്യം ചെയ്യാനും അവയ്ക്കിടയിൽ പൊതുവായ വിഭാഗങ്ങളെ കണ്ടെത്താനും കഴിയും.

• ആരോഗ്യവും സുരക്ഷയും - എച്ച്ആർ അനലിറ്റിക്\u200cസിന് ആരോഗ്യവും സുരക്ഷയുമായി ബന്ധപ്പെട്ട ആശങ്കയുള്ള മേഖലകളെ നന്നായി തിരിച്ചറിയാൻ കഴിയും. അപകട നിരക്ക് ഏറ്റവും കൂടുതലുള്ള റോളുകൾ, ജോലിസ്ഥലങ്ങൾ, മറ്റ് സമാന ഘടകങ്ങൾ എന്നിവ ഡാറ്റ സൂചിപ്പിക്കാം.

• ജീവനക്കാരെ നിലനിർത്തൽ - ഡാറ്റയ്ക്ക് നന്ദി, ജീവനക്കാരെ നിലനിർത്തുന്നതിനെക്കുറിച്ചും നിങ്ങൾക്ക് കൂടുതലറിയാം. ജീവനക്കാരുടെ ഇടപഴകൽ വർദ്ധിപ്പിക്കുന്ന വശങ്ങൾ തിരിച്ചറിയാൻ നിങ്ങൾക്ക് എച്ച്ആർ അനലിറ്റിക്സ് ഉപയോഗിക്കാം.

• കഴിവുകളുടെ വിടവുകൾ - ഡാറ്റയ്ക്ക് ഓർ\u200cഗനൈസേഷനിലെ വിടവുകൾ\u200c വെളിപ്പെടുത്താൻ\u200c കഴിയും. ഉദാഹരണത്തിന്, ചില വകുപ്പുകളിൽ മറ്റുള്ളവരെ അപേക്ഷിച്ച് കൂടുതൽ പ്രഗത്ഭരായ ജോലിക്കാരുണ്ടാകാം, ഇത് കമ്പനിയുടെ മൊത്തത്തിലുള്ള പ്രവർത്തനങ്ങളെ തടസ്സപ്പെടുത്താം.

• വിൽപ്പന പ്രകടനം - വിൽപ്പന എങ്ങനെ വർദ്ധിപ്പിക്കാം എന്നതിന്റെ വിശദാംശങ്ങൾ മനസിലാക്കാൻ എച്ച്ആർ അനലിറ്റിക്സ് നിങ്ങളെ സഹായിക്കും. ഒരു പ്രത്യേക കഴിവ് ജീവനക്കാരെ മികച്ച രീതിയിൽ പ്രവർത്തിക്കാൻ സഹായിക്കുന്നുവെന്നോ അല്ലെങ്കിൽ ചില പരിശീലന പരിപാടികൾ വിൽപ്പനയുടെ കാര്യത്തിൽ പെട്ടെന്നുള്ള വരുമാനം നൽകുന്നതായോ നിങ്ങൾ ശ്രദ്ധിച്ചേക്കാം.

എച്ച്ആർ അനാലിറ്റിക്സിനുള്ള അഞ്ച് വെല്ലുവിളികൾ

എച്ച്ആർ അനലിറ്റിക്സ് നടപ്പിലാക്കുന്നതിന്റെ പ്രാരംഭ ഘട്ടത്തിലേക്ക് കടക്കുന്നതിന് മുമ്പ്, ഉണ്ടാകുന്ന ചില പ്രധാന പ്രശ്നങ്ങൾ പരിഗണിക്കേണ്ടതാണ്. നിങ്ങളുടെ ഓർ\u200cഗനൈസേഷനിൽ\u200c എച്ച്\u200cആർ\u200c അനലിറ്റിക്സ് വിന്യസിക്കുമ്പോൾ\u200c, ഇനിപ്പറയുന്ന അഞ്ച് ടാസ്\u200cക്കുകൾ\u200c പരിഹരിക്കുന്നതിനുള്ള മാർ\u200cഗ്ഗങ്ങൾ\u200c കണ്ടെത്തേണ്ടത് പ്രധാനമാണ്.

ടാസ്ക് 1: ഡാറ്റ ഫ്ലോ
നിങ്ങളുടെ ഓർ\u200cഗനൈസേഷൻ\u200c കൂടുതൽ\u200c വിവരങ്ങൾ\u200c ശേഖരിക്കുന്നു, ആവശ്യമെങ്കിൽ\u200c അത് ഉപയോഗിക്കുന്നത് കൂടുതൽ\u200c ബുദ്ധിമുട്ടാണ്. ഒരു വലിയ അളവിലുള്ള ഡാറ്റ യാന്ത്രികമായി നല്ല ഫലങ്ങളിലേക്ക് നയിക്കില്ല. വിജയിക്കാൻ, ശരിയായ അനലിറ്റിക്സ് രീതികൾ പ്രയോഗിക്കാനുള്ള കഴിവ് നിങ്ങൾക്ക് ഉണ്ടായിരിക്കണം.

ശരിയായ അനലിറ്റിക്കൽ സമീപനങ്ങൾ പ്രയോഗിക്കാതെ നിങ്ങളുടെ എച്ച്ആർ വകുപ്പ് ധാരാളം ഡാറ്റ ശേഖരിക്കുകയാണെങ്കിൽ, നിങ്ങൾക്ക് ധാരാളം ഡാറ്റ ലഭിക്കും. വിലയേറിയ അനുമാനങ്ങൾ നടത്തുന്നത് കൂടുതൽ ബുദ്ധിമുട്ടാണ്.

ഉദാഹരണത്തിന്, നിങ്ങൾ ശേഖരിക്കുന്ന എല്ലാ അളവുകളുടെയും അളവുകൾ ശരിയായി തിരിച്ചറിഞ്ഞ് തരംതിരിക്കണം. നിങ്ങളുടെ ഡാറ്റ ഉപയോഗിച്ച് പരിഹരിക്കാൻ ആഗ്രഹിക്കുന്ന പ്രശ്നങ്ങൾ നിങ്ങൾ നിർണ്ണയിക്കണം, മാത്രമല്ല അവ ശേഖരിക്കരുത്.

ടാസ്ക് 2: ഡാറ്റ ഗുണമേന്മ
ശരിയായ അളവിലുള്ള ഡാറ്റ ശേഖരിക്കുന്നതിനൊപ്പം, അവയുടെ ഗുണനിലവാരത്തിൽ നിങ്ങൾ വേണ്ടത്ര ശ്രദ്ധ ചെലുത്തുന്നുണ്ടെന്നും ഉറപ്പാക്കേണ്ടതുണ്ട്. വ്യത്യസ്\u200cത ഡാറ്റാ സെറ്റുകൾ\u200cക്കിടയിൽ നിങ്ങൾ\u200c അർ\u200cത്ഥവത്തായ ബന്ധങ്ങൾ\u200c സൃഷ്\u200cടിക്കാത്തതിനാൽ\u200c ഡാറ്റാ ഫ്ലോ വേഗത്തിൽ\u200c ഗുണനിലവാരമില്ലാത്ത ഡാറ്റയിലേക്ക് നയിച്ചേക്കാം.

ഡാറ്റയുടെ ഗുണനിലവാരം ഉറപ്പ് വരുത്തേണ്ടത് പ്രധാനമാണ്, അതിന്റെ സമഗ്രതയും സുരക്ഷയും ഉറപ്പുവരുത്തുന്നതിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നു. എച്ച്ആർ അനലിറ്റിക്സിൽ ഉപയോഗിക്കുന്ന ഡാറ്റയ്ക്ക് ഓർഗനൈസേഷന്റെ വിവിധ ഭാഗങ്ങളിൽ നിന്ന് വരാം, അതിനാൽ വളരെ വ്യത്യസ്തമായിരിക്കും, ഇത് പ്രശ്നങ്ങളിലേക്ക് നയിക്കുന്നു എന്നതാണ് പല ഓർഗനൈസേഷനുകളുടെയും പ്രശ്നം. ചില ഡാറ്റ അവഗണിക്കുകയോ നിരസിക്കുകയോ നഷ്ടപ്പെടുകയോ ഡാറ്റ സെറ്റുകൾ സംയോജിപ്പിക്കാനോ കഴിയില്ല, ഇത് അപര്യാപ്തമായ വിശകലനത്തിലേക്ക് നയിക്കും.

ടാസ്ക് 3: മിക്ക എച്ച്ആർ യൂണിറ്റുകളിലും കുറഞ്ഞ വിശകലന വൈദഗ്ദ്ധ്യം
എച്ച്ആർ അനലിറ്റിക്സ് വിജയിക്കാൻ, അതിന്റെ പിന്നിലുള്ള ടീമിന് മാനവ വിഭവശേഷിയിലും ഡാറ്റാ വിശകലനത്തിലും അറിവ് ഉണ്ടായിരിക്കണം. ഡാറ്റാ വിശകലനത്തിൽ കഴിവുള്ള എച്ച്ആർ നേതാക്കളെ കണ്ടെത്തുന്നത് ബുദ്ധിമുട്ടാണ്.

എച്ച്ആർ അനലിറ്റിക്\u200cസിന് വേണ്ടത്ര പരിശീലനം ലഭിച്ച ഒരു വ്യക്തിയും ഇല്ലെന്ന് ആക്\u200cസൻചർ ഇൻസ്റ്റിറ്റ്യൂട്ട് ഫോർ ഹൈ പെർഫോമൻസിലെ റിസർച്ച് ഫെലോ എലിസബത്ത് ക്രെയ്ഗ് അഭിപ്രായപ്പെടുന്നു. കൂടാതെ, ചില ഡാറ്റാ അനാലിസിസ് ടൂളുകൾക്ക് പ്രത്യേക ഐടി കഴിവുകൾ ആവശ്യമാണെന്ന് ക്രെയ്ഗ് ഡാറ്റ-ഇൻഫോർമഡ് ഡോട്ട് കോമിനോട് പറഞ്ഞു, ഇത് ശരിയായ ആളുകളെ കണ്ടെത്തുന്നതിന് സമ്മർദ്ദം വർദ്ധിപ്പിക്കുന്നു.

ആഗോള എച്ച്ആർ ടീമുകളിൽ 6% പേർക്ക് മാത്രമേ അവരുടെ വിശകലന വൈദഗ്ധ്യത്തിൽ ആത്മവിശ്വാസം ഉള്ളൂ എന്നതിനാലാണ് പ്രശ്നം കൂടുതൽ വലുതായി കാണപ്പെടുന്നത്. കൂടാതെ, തങ്ങളുടെ ഓർഗനൈസേഷനിൽ ഡാറ്റ ഉപയോഗിക്കുന്നത് വിശ്വസനീയവും തീരുമാനങ്ങൾ എടുക്കാൻ പര്യാപ്തവുമാണെന്ന് 20% പേർ വിശ്വസിച്ചു.

ടാസ്ക് 4: എച്ച്ആർ അനലിറ്റിക്സിനുള്ള മാനേജ്മെന്റ് പിന്തുണയുടെ അഭാവം

എച്ച്ആർ അനലിറ്റിക്സ് ഇതുവരെ പല കമ്പനികളുടെയും പ്രധാന പ്രക്രിയകളിലൊന്നായി മാറിയിട്ടില്ല, മാത്രമല്ല മാനേജുമെന്റ് പിന്തുണ പലപ്പോഴും കുറവാണ്. എന്നാൽ ഈ പ്രക്രിയ പ്രവർത്തിക്കുന്നതിന്, അനലിറ്റിക്സ് ഉപയോഗിക്കുന്നതിന്റെ നേട്ടങ്ങളെക്കുറിച്ച് എച്ച്ആർ വകുപ്പുകൾ കമ്പനി നേതാക്കളെ ബോധ്യപ്പെടുത്തണം.

ശരിയായ എച്ച്ആർ അനലിറ്റിക്സ് സംവിധാനം നടപ്പിലാക്കുന്നത് വിലകുറഞ്ഞതല്ലാത്തതിനാൽ ഇത് ഉറവിടങ്ങളിലേക്ക് പ്രവേശനം നൽകുന്നതിനാൽ ഈ പിന്തുണ പ്രധാനമാണ്. വിവിധ വകുപ്പുകളിലെ ഡാറ്റയിലേക്ക് മികച്ച ആക്സസ് നൽകാനും ഇതിന് കഴിയും. നേതാക്കളെ ബോധ്യപ്പെടുത്തുന്നതിന്, പ്രാരംഭ ഘട്ടത്തിൽ പോലും നിക്ഷേപത്തിൽ നിന്ന് പരമാവധി വരുമാനം നേടാനുള്ള അവസരങ്ങൾ തിരിച്ചറിയുന്നതിൽ എച്ച്ആർ വകുപ്പുകൾ ശ്രദ്ധിക്കണം.

ടാസ്ക് 5: എച്ച്ആർ അനലിറ്റിക്സ് ചെലവേറിയതാണ്, മാത്രമല്ല നിക്ഷേപത്തിന്റെ വരുമാനം പലപ്പോഴും കാണാനാകില്ല

അവസാനമായി, സംഘടനകൾ ചെലവുകളെക്കുറിച്ച് അറിഞ്ഞിരിക്കണം. വിശകലന ഉപകരണങ്ങളുടെ വില ശ്രേണി ഉപകരണങ്ങളുടെ ലഭ്യത പോലെ വൈവിധ്യപൂർണ്ണമാണ്. ഡാറ്റാ ഇൻഫോർമഡ്.കോമിലെ ഒരു ലേഖനം അനുസരിച്ച്, പ്ലാറ്റ്ഫോമിന്റെ വില "5,000 മുഴുവൻ സമയ ജോലിക്കാരുള്ള ഒരു കമ്പനിക്ക് 400,000 ഡോളർ മുതൽ 1.5 മില്യൺ ഡോളർ വരെ" വ്യത്യാസപ്പെടാം.

കൂടാതെ, പ്രോഗ്രാമുകൾ നടപ്പിലാക്കുന്നതിനോ അനലിറ്റിക്സ് ഉപയോഗത്തിൽ നിലവിലുള്ള ജീവനക്കാരെ പരിശീലിപ്പിക്കുന്നതിനോ പുതിയ ജീവനക്കാരെ നിയമിക്കുമ്പോൾ ഓർഗനൈസേഷനുകൾ അഭിമുഖീകരിച്ചേക്കാവുന്ന ചെലവുകളുടെ വർദ്ധനവ് എസ്റ്റിമേറ്റ് കണക്കിലെടുക്കുന്നില്ല.

കൂടാതെ, എച്ച്ആർ അനലിറ്റിക്സിലെ നിക്ഷേപത്തിന്റെ വരുമാനം വളരെ വ്യക്തമല്ല. അനലിറ്റിക് ഫലങ്ങൾ നടപ്പിലാക്കുന്നതിലൂടെ ലഭിക്കുന്ന നേട്ടം വിവിധ വകുപ്പുകളിലും ദീർഘകാലത്തേക്കും ഉണ്ടാകാം എന്നതിനാലാണിത്. ഉദാഹരണത്തിന്, ജീവനക്കാരെ നിലനിർത്തുന്നതിലെ മെച്ചപ്പെടുത്തലുകൾ പെട്ടെന്ന് ദൃശ്യമാകില്ല.

വിലകുറഞ്ഞ എച്ച്ആർ അനലിറ്റിക്സ് പ്ലാറ്റ്\u200cഫോമിനായി പരിശ്രമിക്കുന്നത് എല്ലായ്പ്പോഴും വലിയ സമ്പാദ്യം നൽകില്ലെന്ന് മനസ്സിലാക്കുക എന്നതാണ് വെല്ലുവിളി. സോഫ്റ്റ്വെയറിന്റെയും ഉപകരണങ്ങളുടെയും അഭാവം ഫലപ്രദമല്ലാത്തതും അപൂർണ്ണവുമായ ഫലങ്ങളിലേക്ക് നയിച്ചേക്കാം, തൽഫലമായി, നിക്ഷേപത്തെ ന്യായീകരിക്കുന്നതിന് വേണ്ടത്ര ഉയർന്ന ROI സൃഷ്ടിക്കില്ല.

എച്ച്ആർ എച്ച്ആർ വിശകലനത്തിനായി അഞ്ച് ആദ്യ ഘട്ടങ്ങൾ

നിങ്ങളുടെ ഓർഗനൈസേഷൻ എച്ച്ആർ അനലിറ്റിക്സ് നടപ്പിലാക്കാൻ ആഗ്രഹിക്കുന്നുവെങ്കിൽ, ശരിയായ മാർഗം എന്താണ്? നിങ്ങളുടെ ഓർഗനൈസേഷനെ ആരംഭിക്കാൻ സഹായിക്കുന്ന അഞ്ച് ഘട്ടങ്ങൾ ചുവടെയുണ്ട്.

ഘട്ടം 1. നിങ്ങൾ പരിഹരിക്കാൻ ആഗ്രഹിക്കുന്ന ബിസിനസ്സ് പ്രശ്നങ്ങൾ തിരിച്ചറിയുക.

നിങ്ങൾ പരിഹരിക്കാൻ ആഗ്രഹിക്കുന്ന ബിസിനസ്സ് പ്രശ്നങ്ങൾ തിരിച്ചറിയുക എന്നതാണ് ആദ്യത്തേതും പ്രധാനപ്പെട്ടതുമായ കാര്യം. നിങ്ങൾക്ക് ഡാറ്റ ശേഖരിക്കാൻ ആരംഭിക്കാനാകില്ല, തുടർന്ന് ബന്ധങ്ങൾ കണ്ടെത്താൻ അത് നോക്കുക.

എച്ച്ആർ മേഖലയിൽ നിങ്ങൾ മെച്ചപ്പെടുത്താൻ ആഗ്രഹിക്കുന്ന പ്രശ്നങ്ങൾ തിരിച്ചറിയുക. ഉദാഹരണത്തിന്, ഇവ ജോലികളുടെ വൈവിധ്യം, ജീവനക്കാരെ നിലനിർത്തൽ വർദ്ധിപ്പിക്കുക, പരിശീലനത്തിനായി ചെലവഴിച്ച തുക അളക്കുക, അല്ലെങ്കിൽ ഹാജരാകാതിരിക്കാനുള്ള കാരണങ്ങളെക്കുറിച്ച് നന്നായി മനസ്സിലാക്കുക എന്നിവയുമായി ബന്ധപ്പെട്ട പ്രശ്നങ്ങളാകാം. മുന്നോട്ട് പോകുന്നതിനുമുമ്പ് നിങ്ങൾ ആരംഭിക്കേണ്ട ചില ലളിതമായ ചോദ്യങ്ങളുണ്ട്.

ഉദാഹരണത്തിന്, നിങ്ങളുടെ കമ്പനിയുടെ ലാഭം പോലുള്ള കാര്യങ്ങളെ എച്ച്ആർ എങ്ങനെ ബാധിക്കുന്നുവെന്ന് മനസിലാക്കാൻ നിങ്ങൾ ആഗ്രഹിക്കുന്നുവെന്ന് കരുതുക.

നിങ്ങൾ കൂടുതൽ വിശദമായി പഠിക്കാൻ ആഗ്രഹിക്കുന്ന സ്റ്റാഫുമായി ബന്ധപ്പെട്ട പൊതുവായ വിവരങ്ങൾ ശേഖരിച്ച ശേഷം, ഈ പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നതിന് ആവശ്യമായ സൂചകങ്ങൾ തിരിച്ചറിഞ്ഞ് നിങ്ങൾ ആരംഭിക്കേണ്ടതുണ്ട്.
ഒരു എച്ച്ആർ യൂണിറ്റിന്റെ പ്രകടനം കാണിക്കുന്ന ചില എച്ച്ആർ അളവുകൾ ഇതാ:

പിരിച്ചുവിടൽ നിരക്ക് - മൊത്തം ഉദ്യോഗസ്ഥരുടെ എണ്ണവുമായി ബന്ധപ്പെട്ട് ഒരു നിശ്ചിത കാലയളവിൽ എത്ര ജീവനക്കാർ ജോലി ഉപേക്ഷിച്ചു?
സമയം എടുക്കുന്നു - ഒരു ഒഴിവ് നികത്താൻ എത്ര സമയമെടുക്കും, അതുപോലെ തന്നെ ഒരു സ്ഥാനാർത്ഥി ഒരു ഓഫർ സ്വീകരിച്ച് ഒരു ജീവനക്കാരനാകാൻ എടുക്കുന്ന സമയവും?
സ്റ്റാഫ് വിറ്റുവരവ് നിരക്ക് - ആദ്യ വർഷം, അഞ്ച് വർഷം, എന്നിങ്ങനെ എത്ര ജീവനക്കാർ പോകുന്നു?
സ്റ്റാഫ് വൈവിധ്യം - സ്ത്രീകൾ, പുരുഷന്മാർ, മത, വംശീയ വിഭാഗങ്ങൾ എന്നിവരുടെ കാര്യത്തിൽ എത്ര ശതമാനം?
മുഴുവൻ സമയ ജീവനക്കാർക്കിടയിൽ ഒരു ജീവനക്കാരന്റെ വരുമാനം - ഒരു മുഴുവൻ ദിവസത്തേക്ക് നേടിയ വരുമാനം എന്താണ്?
ഓവർടൈം ശമ്പള തുക -ഓവർടൈം വേതനം എത്ര ഉയർന്നതാണ്, എത്ര തവണ ഇത് ചെയ്യുന്നു?
സ്ഥിരവും താൽക്കാലികവുമായ തൊഴിലാളികൾ തമ്മിലുള്ള അനുപാതം -മുഴുവൻ സമയവുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ എത്ര ജീവനക്കാർ പാർട്ട് ടൈം ആണ്?

ഘട്ടം 2: മുകളിലുള്ള ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകുന്ന ഡാറ്റ തിരിച്ചറിയുക.

നിങ്ങൾക്ക് ചോദ്യങ്ങളും പ്രശ്നങ്ങളും ഉണ്ടാകുമ്പോൾ, ഉത്തരങ്ങൾക്ക് ആവശ്യമായ ഡാറ്റ അല്ലെങ്കിൽ അവയുടെ പരിഹാരങ്ങൾ നിർണ്ണയിക്കാൻ നിങ്ങൾക്ക് ആരംഭിക്കാം.

ഒന്നാമതായി, നിങ്ങളുടെ യൂണിറ്റിൽ ഇതിനകം സംഭരിച്ചിരിക്കുന്ന ഉദ്യോഗസ്ഥരുമായി ബന്ധപ്പെട്ട ഡാറ്റയിൽ നിങ്ങളുടെ ശ്രദ്ധ കേന്ദ്രീകരിക്കണം. റിക്രൂട്ട്മെന്റ്, ഫലപ്രാപ്തി, യോഗ്യത എന്നിവയെക്കുറിച്ചുള്ള വിവരങ്ങൾ ഇതിൽ ഉൾപ്പെടുന്നു. നിങ്ങളുടെ യൂണിറ്റ് ഇതിനകം തന്നെ ഈ ഡാറ്റ സെറ്റുകൾ നിരീക്ഷിച്ചുകൊണ്ടിരിക്കണം.

രണ്ടാമതായി, ഇടപഴകൽ, സർവേകൾ, അഭിമുഖങ്ങൾ എന്നിവയെക്കുറിച്ചുള്ള വിവരങ്ങൾ ശേഖരിക്കാൻ നിങ്ങൾ ആരംഭിക്കേണ്ടതുണ്ട്. നിങ്ങളുടെ ഓർഗനൈസേഷനിലെ വിവരശേഖരണത്തിന്റെ തോത് അനുസരിച്ച്, ഈ ഡാറ്റ ശേഖരിക്കുന്നതിനുള്ള സംവിധാനങ്ങൾ നിങ്ങൾക്ക് ഇതിനകം ഉണ്ടായിരിക്കാം.

അവസാനമായി, നിങ്ങൾ മറ്റ് ബിസിനസ്സ് സിസ്റ്റങ്ങളിലേക്കും വകുപ്പുകളിലേക്കും ഡാറ്റ ശേഖരണം വിപുലീകരിക്കേണ്ടതുണ്ട്. നിങ്ങൾ പ്രധാനപ്പെട്ട സാമ്പത്തിക സൂചകങ്ങളും വിപണി ഗവേഷണങ്ങളും ശേഖരിക്കാൻ ആരംഭിക്കണം. വിൽപ്പന, വിൽപ്പന പ്രകടനം, വിപണി ഗവേഷണത്തിനും പരിശീലനത്തിനുമായി ചെലവഴിച്ച പണം എന്നിവ ഇതിൽ ഉൾപ്പെടുന്നു.

ഘട്ടം 3. ETL നടപ്പിലാക്കൽ: വേർതിരിച്ചെടുക്കൽ, പ്രോസസ്സിംഗ്, ലോഡിംഗ്.

മുകളിൽ സൂചിപ്പിച്ചതുപോലെ, എച്ച്ആർ വകുപ്പ് ഐടി വകുപ്പുമായി ചേർന്ന് പ്രവർത്തിക്കണം, കാരണം ചില സോഫ്റ്റ്വെയറുകൾക്കും ഡാറ്റ മൈനിംഗിനും പ്രത്യേക വിശകലന കഴിവുകൾ ആവശ്യമായി വന്നേക്കാം. അതിനാൽ, രണ്ട് വകുപ്പുകളും തമ്മിലുള്ള അടുത്ത ബന്ധം നടപ്പിലാക്കാൻ ആരംഭിക്കുന്നത് നല്ലതാണ്.

ഈ പ്രക്രിയയുടെ ഭാഗമാണ് ഇടി\u200cഎൽ നടപ്പിലാക്കുന്നത്: വേർതിരിച്ചെടുക്കൽ, പ്രോസസ്സിംഗ്, ലോഡിംഗ്. ഈ പ്രക്രിയ സ്വപ്രേരിതമായി നടപ്പിലാക്കാൻ ഉപയോഗിക്കാവുന്ന ഉപകരണങ്ങളുണ്ട്. ഉദാഹരണത്തിന്, IMB വെബ്\u200cസ്\u200cഫിയർ ഡാറ്റാസ്റ്റേജും കോഗ്നോസ് ഡാറ്റാ മാനേജറും അല്ലെങ്കിൽ മൈക്രോസോഫ്റ്റ് എസ്\u200cക്യുഎൽ സെർവർ ഇന്റഗ്രേഷൻ സേവനങ്ങളും ഏറ്റവും ജനപ്രിയമായ ഓപ്ഷനുകളാണ്. സാങ്കേതികേതര സ്റ്റാഫുകൾക്ക് ഈ പ്ലാറ്റ്ഫോമുകൾ ഉപയോഗിക്കാൻ കഴിയുമെങ്കിലും, നിങ്ങളുടെ ഐടി വകുപ്പിനോട് സഹായം ചോദിക്കുന്നത് സഹായകരമാകും.

നിങ്ങൾ നിർവചിക്കുന്ന ഉറവിടങ്ങളിൽ നിന്ന് ആവശ്യമായ ഡാറ്റ എക്\u200cസ്\u200cട്രാക്റ്റുചെയ്യാനും ശരിയായ ശുദ്ധവും സ്ഥിരവുമായ ഫോർമാറ്റിലേക്ക് പരിവർത്തനം ചെയ്യാനും വിശകലനത്തിനായി ഉപയോഗിക്കുന്ന നിങ്ങളുടെ വിശകലന പ്ലാറ്റ്ഫോമിലേക്ക് അപ്\u200cലോഡ് ചെയ്യാനും ഈ പ്രക്രിയ നിങ്ങളെ അനുവദിക്കുന്നു.

ഘട്ടം 4ബിസിനസ്സ് പ്രവർത്തനങ്ങളിലെ ഫലങ്ങളുടെ സംയോജനം.

നിങ്ങളുടെ ഡാറ്റ വിശകലനം ഫലങ്ങൾ സൃഷ്ടിക്കാൻ ആരംഭിക്കുമ്പോൾ, നിങ്ങൾ മാറ്റങ്ങൾ നടപ്പിലാക്കാൻ ആരംഭിക്കേണ്ടതുണ്ട്. ഉദാഹരണത്തിന്, നിങ്ങൾ തൊഴിൽ ശക്തി വൈവിധ്യത്തെക്കുറിച്ച് പഠിക്കുന്നതിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുകയും വംശീയ ന്യൂനപക്ഷങ്ങളിൽ നിന്ന് നിങ്ങൾക്ക് മതിയായ അപേക്ഷകൾ ലഭിക്കുന്നില്ലെന്ന് നിങ്ങളുടെ ഡാറ്റ കാണിക്കുകയും ചെയ്യുന്നുവെങ്കിൽ, നിങ്ങളുടെ നിയമന തന്ത്രം മാറ്റാൻ നിങ്ങൾക്ക് കഴിയും.

കൂടാതെ, എച്ച്ആർ ഡാറ്റയും മറ്റ് ബിസിനസ്സ് അളവുകളും തമ്മിൽ നിങ്ങൾ ഒരു ബന്ധം സ്ഥാപിക്കേണ്ടതുണ്ട്. ഉദാഹരണത്തിന്, ഓവർടൈം ജോലിയുടെ കുറവ് ഉൽ\u200cപാദനക്ഷമതയുമായും ലാഭക്ഷമതയുമായും നേരിട്ട് ബന്ധപ്പെട്ടിരിക്കുന്നു. കെപിഎംജിയുടെ “ആളുകൾ യഥാർത്ഥ സംഖ്യകൾ” റിപ്പോർട്ട് ജോലിസ്ഥലത്തെ ഉദ്യോഗസ്ഥരുടെ അഭാവം, സാമ്പത്തിക കാര്യക്ഷമത എന്നിവയിലൂടെ ഈ ബന്ധങ്ങളുടെ പ്രാധാന്യത്തെക്കുറിച്ച് സംസാരിക്കുന്നു.

“വിവിധ പ്രദേശങ്ങളിലെ വിടവുകൾ കണ്ടെത്തുന്നതിനോ മുൻ വർഷങ്ങളുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ ഇത് ഉപയോഗപ്രദമാണെങ്കിലും, ഹാജരാകാതിരിക്കുന്നതിന്റെ കുറവ് ഉൽപാദന കാര്യക്ഷമതയുമായി ക്രിയാത്മകമായി ബന്ധപ്പെട്ടിരിക്കുന്നുവെന്ന് എച്ച്ആർക്ക് കാണിക്കാൻ കഴിയുമെങ്കിൽ, മാനേജ്മെൻറ് എച്ച്\u200cആറിന്റെ യഥാർത്ഥ മൂല്യം കാണും,” റിപ്പോർട്ട് പറയുന്നു.

ഘട്ടം 5 പതിവ് വിശകലനം നടത്തുക.

അവസാനമായി, എച്ച്ആർ അനലിറ്റിക്സ് പതിവായി നടത്തണം, അല്ലാത്തപക്ഷം മിക്ക കേസുകളിലും ഇത് അപ്രസക്തമാകും. ഇത് പ്രയോജനപ്പെടുത്തുന്നതിന്, ഒരു പതിവ് പ്രക്രിയ നടപ്പിലാക്കേണ്ടത് ആവശ്യമാണ്.

ഉദാഹരണത്തിന്, ഡാറ്റ ഉപയോഗിക്കുന്നത് കൈകാര്യം ചെയ്യാൻ നിങ്ങൾ ആഗ്രഹിക്കുന്ന ഒരു പ്രശ്നം നിങ്ങൾ തിരിച്ചറിഞ്ഞു, ഒരു വിശകലനം നടത്തി, ഉത്തരം കണ്ടെത്തി. നിങ്ങളുടെ പ്രശ്\u200cനത്തിനുള്ള പരിഹാരങ്ങൾ\u200c നിങ്ങൾ\u200c നടപ്പിലാക്കിയ ശേഷം, മാറ്റത്തിൽ\u200c എന്തുസംഭവിക്കുന്നുവെന്നും പുതിയ പ്രശ്\u200cനങ്ങൾ\u200c ഉണ്ടോയെന്നും പരിശോധിക്കുന്നതിന് നിങ്ങൾ\u200c പതിവായി ഇതിലേക്ക് മടങ്ങേണ്ടതുണ്ട്.

ഉപസംഹാരം

ഡാറ്റാ മാനേജ്മെന്റിന്റെ അവിഭാജ്യ ഘടകമാണ് എച്ച്ആർ അനലിറ്റിക്സ്, ഇത് നടപ്പിലാക്കുന്നത് ഏത് ഓർഗനൈസേഷനും നല്ല വരുമാനം നൽകും. എന്നാൽ, മുകളിൽ കാണിച്ചിരിക്കുന്നതുപോലെ, ഡാറ്റ കൈകാര്യം ചെയ്യുന്നതും വിശകലനം ചെയ്യുന്നതും വ്യാഖ്യാനിക്കുന്നതും എളുപ്പമല്ല, കൂടാതെ ഓർ\u200cഗനൈസേഷനുകൾ\u200c ഒരു സമയത്ത് ഒരു ഘട്ടത്തിൽ മനുഷ്യ വിശകലനത്തെ സമീപിക്കേണ്ടതുണ്ട്.

വിജയകരമായ എച്ച്ആർ അനലിറ്റിക്\u200cസിന്റെ താക്കോൽ, ഫലത്തിലേക്ക് നയിക്കുന്ന അളന്ന ഡാറ്റയുടെ വലുപ്പമല്ല, മറിച്ച് ഓർഗനൈസേഷനിൽ തീരുമാനമെടുക്കുന്നതിലുള്ള ഡാറ്റയുടെ സ്വാധീനത്തെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്. എച്ച്ആർ അനലിറ്റിക്സ് എച്ച്ആർ ഡിപ്പാർട്ട്\u200cമെന്റിന് മാത്രം ആവശ്യമുള്ളതായി കാണരുത്, മറിച്ച് മുഴുവൻ ഓർഗനൈസേഷനും മൂല്യം സൃഷ്ടിക്കാൻ കഴിയുന്ന ഒന്നായി കാണരുത്.

ഈ മെറ്റീരിയൽ (വാചകവും ചിത്രങ്ങളും) പകർപ്പവകാശത്തിന് വിധേയമാണ്. മെറ്റീരിയലിലേക്കുള്ള സജീവ ലിങ്ക് ഉപയോഗിച്ച് പൂർണ്ണമായും ഭാഗികമായോ ഏതെങ്കിലും പുന rin പ്രസിദ്ധീകരിക്കുന്നു.

എച്ച്ആർ നയം കമ്പനി തിരഞ്ഞെടുത്ത വികസന തന്ത്രത്തെ നേരിട്ട് ആശ്രയിച്ചിരിക്കുന്നു, കൂടാതെ വികസിത എച്ച്ആർ മെട്രിക്സ് അതിന്റെ ഫലപ്രാപ്തി വിലയിരുത്തുന്നതിനുള്ള ഒരു ഉപകരണമായിരിക്കും.

കമ്പനികളിൽ എച്ച്ആർ അളവുകൾ അളക്കാൻ എന്താണ് പ്രധാനം, ഏത് സൂചകങ്ങളാണ് ഏറ്റവും വിവരദായകമെന്ന് അംഗീകരിക്കപ്പെട്ടിട്ടുള്ളത്, ഒരു കമ്പനിയിൽ എച്ച്ആർ അനലിറ്റിക്സ് എങ്ങനെ സംഘടിപ്പിക്കാം, അനലിറ്റിക്കൽ സെന്റർ എച്ച്ആർ ഡാറ്റയുടെ കൺസൾട്ടിംഗ് വിഭാഗം മേധാവി വലേറിയ ചെർനെറ്റ്സോവയിൽ നിന്നുള്ള വിലയേറിയ ശുപാർശകൾ.

കൂടുതൽ മാനേജ്മെന്റ് തീരുമാനങ്ങൾ വികസിപ്പിക്കുന്നതിന്, സംഘടനയുടെ ഫലപ്രാപ്തിയെക്കുറിച്ച് സമഗ്രമായ ഒരു ചിത്രം സൃഷ്ടിക്കുന്നതിന് ഏതെങ്കിലും യൂണിറ്റിന്റെ പ്രവർത്തന ഫലങ്ങൾ വിശകലനം ചെയ്യുന്നത് ആവശ്യമാണ്. ഇന്ന്, എച്ച്ആർ-ഡിപ്പാർട്ട്മെന്റ് അനലിറ്റിക്\u200cസിന് ഒരു പ്രത്യേക സ്ഥാനമുണ്ടെന്ന് ആരും സംശയിക്കുന്നു.

ഒരു കമ്പനിയിലും പൂർണ്ണമായും പ്രയോഗിക്കാൻ കഴിയുന്ന എച്ച്ആർ മെട്രിക്കുകളുടെ റഫറൻസ് സെറ്റ് ഇല്ലെന്നത് ഉടനടി ശ്രദ്ധിക്കേണ്ടതാണ്. വ്യക്തമായും, ഓരോ വ്യക്തിഗത കമ്പനിയിലും ഇത് സ്വന്തം വ്യക്തിഗത സെറ്റ് ആയിരിക്കും.

സ്റ്റാഫുകളെ തിരഞ്ഞെടുക്കുന്നതും സ്വീകരിക്കുന്നതും, ജീവനക്കാരെ പരിശീലിപ്പിക്കുന്നതും വിലയിരുത്തുന്നതും, കരിയറും സംഘടനാ വികസനവും, വിലപ്പെട്ട ജീവനക്കാരുടെ പ്രചോദനവും നിലനിർത്തലും എന്നിവയും മറ്റ് കാര്യങ്ങളും വിലയിരുത്തുന്ന അളവുകളാണ് ഇപ്പോൾ ഉപയോഗിക്കുന്ന ഏറ്റവും സാധാരണ അളവുകൾ.

എച്ച്ആർ സ്പെഷ്യലിസ്റ്റുകളെ സംബന്ധിച്ചിടത്തോളം ഇവ ആന്തരിക എച്ച്ആർ പ്രക്രിയകൾ മെച്ചപ്പെടുത്തുന്നതിനുള്ള ദൈനംദിന ജോലിയുടെ ഉപകരണങ്ങളാണെങ്കിൽ, ടോപ്പ് മാനേജ്മെന്റിനായി ഉദ്യോഗസ്ഥരുടെ നിക്ഷേപത്തിന്റെ വരുമാനവും മറ്റ് ബിസിനസ്സ് സൂചകങ്ങളുമായുള്ള (ആർ\u200cഒ\u200cഐ) വ്യക്തമായ ബന്ധവും വിലയിരുത്തുന്ന ഒരു കൂട്ടം തന്ത്രപരമായ മാക്രോമെട്രിക്സ് അവതരിപ്പിക്കേണ്ടതുണ്ട്.

എവിടെ തുടങ്ങണം?

ഒരു എച്ച്ആർ സ്പെഷ്യലിസ്റ്റ് ഒരു കമ്പനിയിൽ എച്ച്ആർ അനലിറ്റിക്സ് സംഘടിപ്പിക്കേണ്ടതുണ്ടെങ്കിൽ, അത് ചെറുതായി ആരംഭിച്ച് ക്രമേണ മുന്നോട്ട് പോകേണ്ടതാണ്. എച്ച്ആർ-പോളിസിയുടെ പ്രധാന ജോലികൾ തീരുമാനിച്ച് ഈ ടാസ്\u200cക്കുകളുമായി പൊരുത്തപ്പെടുന്ന എച്ച്ആർ-മെട്രിക്സ് തിരഞ്ഞെടുക്കുക. നിങ്ങൾ എത്ര തവണ ഫലങ്ങൾ എടുക്കുമെന്ന് നിർണ്ണയിക്കുക. എച്ച്ആർ അനലിറ്റിക്\u200cസിന്റെ ഡാറ്റ കണക്കാക്കാൻ ടോപ്പ് മാനേജ്\u200cമെന്റ് സമ്മതിക്കേണ്ടത് വളരെ പ്രധാനമാണ്: കമ്പനി വിറ്റുവരവ് വർദ്ധിപ്പിക്കുകയാണെന്ന് ഡാറ്റ കാണിക്കുന്നുണ്ടെങ്കിൽ, അത് കുറയ്ക്കുന്നതിനുള്ള നടപടികൾ വികസിപ്പിക്കണം.

ഒരു എച്ച്ആർ തന്ത്രം വികസിപ്പിക്കാൻ തുടങ്ങുന്ന ചെറുകിട കമ്പനികളുടെ എച്ച്ആർ സ്പെഷ്യലിസ്റ്റുകൾ, കമ്പനിയിൽ ഇതിനകം ഉൾപ്പെട്ടിരിക്കുന്ന പ്രധാന എച്ച്ആർ പ്രക്രിയകളെ വിലയിരുത്തുന്ന ഒരു കൂട്ടം അളവുകളിൽ സ്വയം ഒതുങ്ങണമെന്ന് ഞങ്ങൾ ശുപാർശ ചെയ്യുന്നു (ഉദാഹരണത്തിന്, ജീവനക്കാരെ നിയമിക്കുകയും പൊരുത്തപ്പെടുത്തുകയും ചെയ്യുന്നു).

കമ്പനി വളരുന്നതിനനുസരിച്ച് എച്ച്ആർ ടാസ്\u200cക്കുകളുടെ വ്യാപ്തിയും പുതിയ ആവശ്യകതകളും പ്രക്രിയകളും ദൃശ്യമാകും, അതനുസരിച്ച് പുതിയ അളവുകളും (നിലനിർത്തൽ, പരിശീലനം, വിലയിരുത്തൽ, ജീവനക്കാരുടെ വികസനം തുടങ്ങിയവ).

നിങ്ങൾക്ക് ആവശ്യമായ അടിസ്ഥാന അളവുകൾ മൂന്ന് വിമാനങ്ങളിൽ കേന്ദ്രീകരിച്ചിരിക്കുന്നു: സമയം, വില, ഗുണമേന്മ.

മിക്ക എച്ച്ആർ അളവുകളും കണക്കാക്കുന്നത് ഇന്റർനെറ്റിൽ കണ്ടെത്താൻ എളുപ്പമുള്ള സ്റ്റാൻഡേർഡ് ഫോർമുലകൾ ഉപയോഗിച്ചാണ്. എന്നാൽ ചിലപ്പോൾ മെട്രിക്സ് കമ്പനിയുടെ ചുമതലകളുമായി പൊരുത്തപ്പെടേണ്ടതുണ്ട്.

എച്ച്ആർ മെട്രിക്സുമായി പ്രവർത്തിക്കാൻ ആരംഭിക്കുക, ഉദ്യോഗസ്ഥരെ തരംതിരിക്കുക: പ്രധാന സ്ഥാനങ്ങളുടെ അല്ലെങ്കിൽ അവരുടെ ഗ്രൂപ്പുകളുടെ ഒരു പട്ടിക ഉണ്ടാക്കുക. വ്യക്തമായും, ഓരോ കമ്പനിക്കും ഇത് ബിസിനസിന്റെ സവിശേഷതകൾ പ്രതിഫലിപ്പിക്കുന്ന ഒരു പട്ടികയായിരിക്കും.

ഈ സാഹചര്യത്തിൽ, ഓരോ എച്ച്ആർ മെട്രിക്കും നിർദ്ദിഷ്ട കീ സ്ഥാനങ്ങൾക്കോ \u200b\u200bഅവരുടെ ഗ്രൂപ്പുകൾക്കോ \u200b\u200bഉള്ള സാഹചര്യം പ്രതിഫലിപ്പിക്കുന്ന ഒരു സെറ്റ് / ഡാറ്റ സെറ്റ് ഉണ്ടായിരിക്കും.

ഉദാഹരണത്തിന്, "തിരഞ്ഞെടുക്കൽ സമയം", "തിരഞ്ഞെടുക്കാനുള്ള ചെലവ്" എന്നീ അളവുകൾ. ഒരു വശത്ത്, നിങ്ങളുടെ കമ്പനിയിലെ റിക്രൂട്ട്\u200cമെന്റിന്റെ ഫലപ്രാപ്തിയെ അവർ വിലയിരുത്തുന്നു, മറുവശത്ത്, അവർ തൊഴിൽ വിപണിയിലെ സ്ഥിതിയെക്കുറിച്ചുള്ള വിവരങ്ങൾ ചില സ്പെഷ്യലിസ്റ്റുകളുടെ സാന്നിധ്യം, അതിന്റെ മാറ്റത്തിന്റെ ചലനാത്മകത എന്നിവ നൽകുന്നു. പ്രവചനാ അനലിറ്റിക്സിലേക്ക് നീങ്ങാൻ ഇത് ഇതിനകം നിങ്ങളെ അനുവദിക്കുന്നു - ഭാവിയിലെ തിരഞ്ഞെടുപ്പിന്റെ സാമ്പത്തിക ചെലവുകൾ വിലയിരുത്താനും മറ്റ് ബിസിനസ്സ് ജോലികളുമായി സംയോജിച്ച് അപകടസാധ്യതകൾ / നഷ്ടങ്ങൾ / നേട്ടങ്ങൾ എന്നിവ വിലയിരുത്താനും വിപണി സാഹചര്യം കണക്കിലെടുക്കാനും നിങ്ങൾക്ക് കഴിയും.

വിലയേറിയ ജീവനക്കാരെ നിലനിർത്തുന്നതിനുള്ള ചുമതല പരിഗണിക്കുക.

നിരവധി പഠനങ്ങളുടെ ഫലങ്ങൾ അനുസരിച്ച്, കമ്പനിയിൽ തുടരാനുള്ള ജീവനക്കാരുടെ ആഗ്രഹത്തെ ഇനിപ്പറയുന്ന പ്രധാന ഘടകങ്ങൾ സ്വാധീനിക്കുന്നു: മാന്യമായ പ്രതിഫലം, വികസിപ്പിച്ച നഷ്ടപരിഹാര പാക്കേജ്, കരിയർ, പ്രൊഫഷണൽ വളർച്ചാ അവസരങ്ങൾ.

ആസൂത്രിതമായി, ഈ പ്രശ്നം പരിഹരിക്കുന്നതിനുള്ള അൽ\u200cഗോരിതം വികസിപ്പിക്കുന്ന ഒരു ഫണലിന്റെ രൂപത്തിൽ പ്രതിനിധീകരിക്കാം, അവിടെ പ്രധാന ദ task ത്യം “വിലയേറിയ ജീവനക്കാരെ നിലനിർത്തുക” എന്നതാണ്, അത് ലളിതമായ രൂപത്തിൽ രണ്ട് വ്യത്യസ്ത സബ്\u200cടാസ്കുകളായി വിഘടിപ്പിക്കുന്നു, അവ ഓരോന്നും ഒന്നോ അതിലധികമോ അളവുകൾ ഉപയോഗിച്ച് കണക്കാക്കാം.

തീർച്ചയായും, വ്യത്യസ്ത കമ്പനികൾക്ക് സമാന സാഹചര്യങ്ങളിൽ വ്യത്യസ്ത എച്ച്ആർ അളവുകൾ ഉപയോഗിക്കാൻ കഴിയും, ഇത് മാനേജ്മെന്റിന്റെ മുൻഗണനകളെ ആശ്രയിച്ചിരിക്കുന്നു, വിവിധ കമ്പനികളിലെ നിർദ്ദിഷ്ട അളവുകൾ അളക്കുന്നതിനുള്ള സ on കര്യത്തെ ആശ്രയിച്ചിരിക്കുന്നു.

എച്ച്ആർ അളവുകൾ തിരഞ്ഞെടുക്കുമ്പോൾ, നിങ്ങൾ ഇനിപ്പറയുന്ന മാനദണ്ഡങ്ങളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കണം:

1. എച്ച്ആർ അളവുകൾ വളരെയധികം ഉണ്ടാകരുത്. പേഴ്\u200cസണൽ മാനേജുമെന്റ് മേഖലയിലെ ചുമതലകൾ നിറവേറ്റുന്നതിനെ പ്രതിഫലിപ്പിക്കുന്ന പാരാമീറ്ററുകൾ മാത്രം അളക്കുക.

2. എച്ച്ആർ അളവുകൾ നിലവിലുള്ള എച്ച്ആർ പോളിസികളുടെ നടപ്പാക്കലിനെ കൃത്യമായി പ്രതിഫലിപ്പിക്കണം. പ്രധാന ജോലികൾ അപൂർവ സ്പെഷ്യലിസ്റ്റുകളെ ആകർഷിക്കുകയാണെങ്കിൽ, ഒരു ഒഴിവ് അവസാനിപ്പിക്കുന്നതിനുള്ള ശരാശരി പദം നിങ്ങൾക്ക് പ്രാധാന്യം കുറവായിരിക്കാം, പക്ഷേ ആന്തരിക ഉപഭോക്താവിന്റെ സംതൃപ്തിയും പ്രൊബേഷണറി കാലയളവ് കഴിഞ്ഞ ജീവനക്കാരുടെ അനുപാതവും കൂടുതൽ പ്രധാനമാണ്. നിങ്ങളുടെ എച്ച്ആർ തന്ത്രത്തിന്റെ മുൻ\u200cഗണനകളെ ഏറ്റവും കൃത്യമായി പ്രതിഫലിപ്പിക്കുന്ന അളവുകൾ തിരഞ്ഞെടുക്കുക.

3. എച്ച്ആർ അളവുകൾ താരതമ്യേന എളുപ്പവും വസ്തുനിഷ്ഠവുമായിരിക്കണം. ഉദാഹരണത്തിന്, വിറ്റുവരവ് ഒരു വസ്തുനിഷ്ഠ സൂചകമാണ്, അത് "വ്യാജം" ചെയ്യുന്നത് ബുദ്ധിമുട്ടാണ്. എന്നാൽ കുറഞ്ഞ ശമ്പളം കാരണം ജോലിയിൽ നിന്ന് പുറത്തുപോകുന്നവരുടെ പങ്ക് തികച്ചും ആത്മനിഷ്ഠമായ ഒരു സൂചകമാണ്: വാരാന്ത്യ അഭിമുഖത്തിലെ എല്ലാ ജീവനക്കാരും പിരിച്ചുവിടലിന്റെ യഥാർത്ഥ കാരണങ്ങളെക്കുറിച്ച് സംസാരിക്കുന്നില്ല. കുറഞ്ഞ ശമ്പളത്തെക്കുറിച്ചുള്ള പൊതുവായ വാക്കുകൾക്ക് പിന്നിൽ നേതാവുമായി അല്ലെങ്കിൽ മറ്റ് കാരണങ്ങളാൽ ഒരു മറഞ്ഞിരിക്കുന്ന വൈരുദ്ധ്യമുണ്ടാകാൻ സാധ്യതയുണ്ട്.

എച്ച്ആർ അനലിറ്റിക്സിനുള്ള ഒരു സാർവത്രിക ഉപകരണമായി ROI

ഡാറ്റ വിശകലനം ചെയ്യാൻ ആരംഭിക്കുമ്പോൾ, എച്ച്ആർ മെട്രിക്കുകളുടെ താൽക്കാലിക ചലനാത്മകത ഒരു നിശ്ചിത കാലയളവിൽ പരിഹരിക്കുക മാത്രമല്ല, എച്ച്ആർ-കളുടെ മുൻകാല പ്രവർത്തനങ്ങളെ പ്രതിഫലിപ്പിക്കുകയും മാത്രമല്ല, മറ്റ് ബിസിനസ്സ് സൂചകങ്ങളുമായി (പ്രാഥമികമായി സാമ്പത്തിക) പരസ്പരബന്ധം കാണിക്കുകയും വേണം.

ഇത് ചെയ്യുന്നതിന്, ലാഭം അടിസ്ഥാനമാക്കിയുള്ളതും വരുമാനത്തെ അടിസ്ഥാനമാക്കിയുള്ളതുമായ അളവുകൾ പരിഗണിക്കുക: ഉൽ\u200cപാദനക്ഷമതയിലെത്താനുള്ള സമയം (നിശ്ചിത ഇടവേളകളിൽ ജീവനക്കാരുടെ യോഗ്യതകളുടെ വിലയിരുത്തലിനെ അടിസ്ഥാനമാക്കി); റവന്യൂ പദ്ധതിയുടെ പൂർത്തീകരണം; ഒരു ജീവനക്കാരന് വരുമാനം / ലാഭം, വേതന യൂണിറ്റിന് ലാഭം, ശമ്പള പദ്ധതി നടപ്പാക്കൽ തുടങ്ങിയവ.

അനലിറ്റിക്സിൽ നിലവിലെ എച്ച്ആർ പ്രക്രിയകളുടെ ഒരു ചിത്രം ഉൾപ്പെടുത്തണം, റിപ്പോർട്ടിംഗ് കാലയളവുകളുടെ മാറ്റങ്ങളുടെ ചലനാത്മകത വിശദീകരിക്കുക, ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകുക - ഈ മാറ്റങ്ങൾ സംഭവിച്ചതിന്റെ ഫലമായി, പ്രക്രിയകളുടെ കാര്യക്ഷമത മെച്ചപ്പെടുത്തുന്നതിനുള്ള പരിഹാരങ്ങൾ നിർദ്ദേശിക്കുക, നിർദ്ദിഷ്ട പരിഹാരങ്ങളെ അടിസ്ഥാനമാക്കി അവയുടെ വികസനം പ്രവചിക്കുക.

പേഴ്\u200cസണൽ മാനേജ്\u200cമെന്റ് മേഖലയിലെ ചില പ്രവർത്തനങ്ങളിൽ നിക്ഷേപിച്ച മൂലധനത്തിന്റെ വരുമാനം വിലയിരുത്തുന്നതിനുള്ള ഒരു സാർവത്രിക ഉപകരണമായി അടുത്തിടെ റഷ്യൻ കമ്പനികൾ ROI സജീവമായി ഉപയോഗിക്കുന്നു. കമ്പനി മാനേജുമെന്റുമായി നിങ്ങൾ സംസാരിക്കേണ്ട “ഭാഷ” ഇതാണ്.

ROI യുടെ കണക്കുകൂട്ടൽ ജീവനക്കാരുടെ നിക്ഷേപത്തിന്റെ സാമ്പത്തിക ഫലപ്രാപ്തി വിലയിരുത്തുന്നത് സാധ്യമാക്കുന്നു, എന്നിരുന്നാലും ചില പ്രോഗ്രാമുകളിൽ നിന്നുള്ള വരുമാനം അല്ലെങ്കിൽ ബാഹ്യവും ആന്തരികവുമായ ഘടകങ്ങളുടെ സ്വാധീനം കാരണം അവയുടെ ചെലവുകൾ കൃത്യമായി വിലയിരുത്താൻ എല്ലായ്പ്പോഴും സാധ്യമല്ല.

അതിനാൽ, നിയമന പ്രക്രിയകളുടെ ഗുണനിലവാരം ഇനിപ്പറയുന്ന രീതിയിൽ വിലയിരുത്താം:

ROI HR \u003d ((കമ്പനിയിൽ എത്തിയ ജീവനക്കാരിൽ നിന്നുള്ള വരുമാനം - എല്ലാ റിക്രൂട്ട്\u200cമെന്റ് ചെലവുകളും) / എല്ലാ റിക്രൂട്ട്\u200cമെന്റ് ചെലവുകളും) x 100%.

സമാനതകളാൽ, മറ്റ് എച്ച്ആർ പ്രക്രിയകൾക്കുള്ള സൂത്രവാക്യങ്ങൾ രൂപപ്പെടുത്താം. എച്ച്ആർ സേവനത്തിന്റെ ഫലപ്രാപ്തിയുടെ അവിഭാജ്യ വിലയിരുത്തലായിരിക്കും വിവിധ പ്രക്രിയകൾക്കായുള്ള മൊത്തം ആർ\u200cഒ\u200cഐ.

ലഭിച്ച ഡാറ്റ എങ്ങനെ വ്യാഖ്യാനിക്കാം

ഏതൊരു സൂചകങ്ങളും സങ്കീർണ്ണവും ജീവിതവുമായി പരമാവധി അറ്റാച്ചുമെൻറുമായി വിശകലനം ചെയ്യണം. സെയിൽസ് ഡിപ്പാർട്ട്\u200cമെന്റിൽ പരിശീലനം ലഭിച്ച ജീവനക്കാരുടെ ശതമാനം വർദ്ധിച്ചിട്ടുണ്ടെങ്കിൽ, ഇത് എന്താണ് അർത്ഥമാക്കുന്നത്?

ഓപ്ഷൻ 1:b കുറിച്ച് ഭൂരിഭാഗം ജീവനക്കാരും മുമ്പത്തെ കാലഘട്ടത്തിലെ അതേ പരിശീലനത്തിന് വിധേയരായി.

ഓപ്ഷൻ 2: മുമ്പത്തെ കാലയളവിലെ അതേ മണിക്കൂറുകളുടെ എണ്ണം ഒരു വലിയ ജീവനക്കാരായി തിരിച്ചിരിക്കുന്നു. അതായത്, വിദ്യാർത്ഥികളുടെ അനുപാതം വർദ്ധിച്ചു, പക്ഷേ ഓരോരുത്തർക്കും സമയം കുറവാണ്. ഒരുപക്ഷേ ഇത് പരിശീലന വകുപ്പിൽ നിന്നുള്ള ഒരു “ഹാക്ക്” ആയിരിക്കാം, അല്ലെങ്കിൽ തിരിച്ചും: ഒരേ പ്രോഗ്രാം കുറഞ്ഞ സമയം കൊണ്ട് മാസ്റ്റർ ചെയ്യാൻ നിങ്ങളെ അനുവദിക്കുന്ന കൂടുതൽ ഫലപ്രദമായ കോഴ്സുകൾ അവർ കണ്ടെത്തി.

മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, ഓരോ കേസിലും ഏതൊക്കെ കാരണങ്ങളാണ് ഒന്നോ അല്ലെങ്കിൽ മറ്റൊരു സൂചകത്തിലോ മാറ്റത്തിന് കാരണമായതെന്ന് വ്യക്തമായി മനസിലാക്കേണ്ടതുണ്ട്. ചിലപ്പോൾ മറ്റ് സൂചകങ്ങളുടെ വിശകലനം ധാരാളം വിവരങ്ങൾ നൽകുന്നു (പരിശീലനം ലഭിച്ചവരുടെ ശതമാനം + ഓരോ ജീവനക്കാരന്റെയും പരിശീലന സമയങ്ങളുടെ എണ്ണം), ചിലപ്പോൾ അർത്ഥവത്തായ സ്വഭാവത്തിന്റെ അധിക വിവരങ്ങൾ ആവശ്യമാണ്. ഏതൊരു സൂചകവും "ഇവിടെ എന്തോ മാറ്റം സംഭവിച്ചു, ഞങ്ങൾ അത് മനസ്സിലാക്കേണ്ടതുണ്ട്" എന്ന് പറയുന്ന ഒരു ബീക്കണാണ്. എന്തുകൊണ്ടാണ് ഇത് മാറിയത്, ഇത് നല്ലതോ ചീത്തയോ, ഇതിനെക്കുറിച്ച് എന്തുചെയ്യണം - കണക്കുകൾക്ക് ഈ ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകാൻ കഴിയില്ല.

എച്ച്\u200cആറിലെ വലിയ ഡാറ്റ: ട്രെൻഡുകളും ഉടനടി സാധ്യതകളും

ഒന്നാമതായി, വർദ്ധിച്ചുവരുന്ന കമ്പനികൾ എച്ച്ആർ അനലിറ്റിക്സ് നടപ്പിലാക്കും. രണ്ടാമതായി, ഇത് വർദ്ധിച്ചുവരുന്ന എച്ച്ആർ പ്രക്രിയകളെ ഉൾക്കൊള്ളുന്നു. മൂന്നാമതായി, വിവരണാത്മകങ്ങളിൽ നിന്നുള്ള എച്ച്ആർ അനലിറ്റിക്\u200cസ് കൂടുതൽ പ്രവചനാതീതമാകും. അതായത്, സ്റ്റാഫ് വിറ്റുവരവ് വിലയിരുത്തുന്നതിനുള്ള ചുമതല ചില നടപടികൾ സ്വീകരിച്ചാൽ, ചില ഇവന്റുകൾ കൈവശം വച്ചാൽ സ്റ്റാഫ് വിറ്റുവരവ് പ്രവചിക്കാനുള്ള ഒരു ജോലിയായി മാറും.

ബിഗ് ഡാറ്റാ സൊല്യൂഷനുകളുടെ ആഗോള വിപണി അതിവേഗം വളരുകയാണ്; എച്ച്\u200cആറിലേക്കുള്ള “റോഡ്” ഇപ്പോൾ പ്രധാനമായും സോഷ്യൽ നെറ്റ്\u200cവർക്കുകളിലൂടെ കടന്നുപോകുന്നു, അവിടെ ധാരാളം ഡാറ്റ കേന്ദ്രീകരിച്ചിരിക്കുന്നു. ഉചിതമായ പ്രോസസ്സിംഗ് ഉപയോഗിച്ച്, എച്ച്ആർ സ്പെഷ്യലിസ്റ്റുകളുടെ പ്രവർത്തനത്തെ വളരെയധികം സഹായിക്കുന്ന നിരവധി ഉപകരണങ്ങൾ അവ സൃഷ്ടിക്കുന്നു. ഇന്ന്, എച്ച്\u200cആറിലെ ബിഗ് ഡാറ്റ ഉപകരണങ്ങളുടെ പ്രാധാന്യം പ്രധാനമായും റിക്രൂട്ട്\u200cമെന്റിനും ടാലന്റ് മാനേജ്\u200cമെന്റിനുമുള്ള സാങ്കേതികവിദ്യകളുടെ മെച്ചപ്പെടുത്തലുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു.

ലഭ്യമായ ഏതെങ്കിലും സ്റ്റാറ്റിസ്റ്റിക്കൽ സോഫ്റ്റ്വെയർ എച്ച്ആർ ഡാറ്റ പ്രോസസ്സ് ചെയ്യുന്നതിന് അനുയോജ്യമായേക്കാം. ഇആർ\u200cപി സിസ്റ്റങ്ങളുടെ പ്രമുഖ വിതരണക്കാരിൽ നിന്ന് എച്ച്ആർ അനലിറ്റിക്സ് ഓട്ടോമേറ്റ് ചെയ്യുന്നതിന് നിരവധി സോഫ്റ്റ്വെയർ പരിഹാരങ്ങൾ ഉണ്ട്. ചെറുകിട, ഇടത്തരം കമ്പനികളിൽ, അവർ സാധാരണയായി Excel ഉപയോഗിക്കുന്നു. മറ്റ് എച്ച്ആർ പ്രക്രിയകളുടെ അതേ സിസ്റ്റത്തിൽ എച്ച്ആർ അനലിറ്റിക്സ് നടത്തുമ്പോൾ ഇത് സൗകര്യപ്രദമാണ്. ക്ലൗഡ് സേവനങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ള കോർപ്പറേറ്റ് എച്ച്ആർ സംവിധാനങ്ങളായ സക്സസ് ഫാക്ടറുകൾ കൂടുതൽ പ്രചാരത്തിലുണ്ട്.

എച്ച്ആറിൽ ബിഗ് ഡാറ്റ വിജയകരമായി ഉപയോഗിക്കുന്നതിനുള്ള മൂന്ന് രഹസ്യങ്ങൾ

എച്ച്ആർ ഡാറ്റ മാത്രം ബിഗ് ഡാറ്റയല്ല, എച്ച്\u200cആറിൽ ബിഗ് ഡാറ്റ സാങ്കേതികവിദ്യകൾ വ്യാപകമായി ഉപയോഗിക്കുന്നുവെന്നത് ശ്രദ്ധിക്കുക. എച്ച്ആർ പ്രശ്നങ്ങൾ പരിഹരിക്കുന്നതിന് ബിഗ് ഡാറ്റ വിജയകരമായി പ്രവർത്തിക്കുന്നതിന്, ഇത് ആവശ്യമാണ്:

1. എച്ച്ആർ സ്പെഷ്യലിസ്റ്റുകളുടെയും ബിഗ് ഡാറ്റ പ്രോഗ്രാമർമാരുടെയും അനലിസ്റ്റുകളുടെയും ശ്രമങ്ങളുടെ സംയോജനം. അനലിസ്റ്റ് മികച്ച അൽ\u200cഗോരിതം നിർദ്ദേശിക്കുകയും ഡാറ്റ മികച്ച രീതിയിൽ പ്രോസസ്സ് ചെയ്യുകയും ചെയ്യും. എന്നാൽ എച്ച്ആർ മാത്രമേ മോഡലിന്റെ ഉള്ളടക്ക വശത്തെ ബാധിക്കുകയുള്ളൂ!

ഒരു പ്രത്യേക സ്ഥാനാർത്ഥിയുടെ പ്രകടനം ഒരു പ്രത്യേക സ്ഥാനത്ത് പ്രവചിക്കാൻ നിങ്ങളെ അനുവദിക്കുന്ന ഒരു മാതൃകയാണ് നിങ്ങൾ നിർമ്മിക്കുന്നതെന്ന് കരുതുക. ഈ ഫലപ്രാപ്തി എന്തിനെ ആശ്രയിച്ചിരിക്കുന്നു? ജോലി പരിചയം? വിദ്യാഭ്യാസം? ജോലിസ്ഥലത്തെ അവസാന സ്ഥലത്ത് അനുഭവം ഉണ്ടോ? നിർദ്ദിഷ്ട കഴിവുകൾ? സോഫ്റ്റ് സ്കിൽസ്? സാമൂഹിക പ്രവർത്തനം? മോഡലിൽ\u200c ഉൾ\u200cപ്പെടുത്തുന്നതിന് അർ\u200cത്ഥമാക്കുന്ന ആ പാരാമീറ്ററുകൾ\u200c നിർദ്ദേശിക്കുക എന്നതാണ് എച്ച്\u200cആറിന്റെ ചുമതല. അത്തരമൊരു മാതൃക നടപ്പിലാക്കുക എന്നതാണ് അനലിസ്റ്റ് / പ്രോഗ്രാമറുടെ ചുമതല. രണ്ട് പാർട്ടികളുടെയും സംയുക്ത പ്രവർത്തനത്തിലൂടെ മാത്രമേ മോഡലിൽ ഉൾപ്പെടുത്തിയിരിക്കുന്ന പാരാമീറ്ററുകൾ നിർദ്ദിഷ്ടവും അളക്കാവുന്നതും വിശകലനത്തിന് അനുയോജ്യവുമാക്കാൻ കഴിയൂ.

2. ഒന്നാമതായി, ഏതെങ്കിലും ഡാറ്റാ വിശകലനം ആരംഭിക്കുന്നതിന് മുമ്പ്, നിങ്ങൾക്ക് ഏത് രൂപത്തിലാണ് വിശകലന ഫലം ലഭിക്കുകയെന്നും നിങ്ങൾ ഇത് എന്തുചെയ്യുമെന്നും മനസിലാക്കണം.

ജീവനക്കാരുടെ പിരിച്ചുവിടലിന്റെ പ്രവചനത്തെക്കുറിച്ച് അറിയപ്പെടുന്ന ഒരു കേസ്. 30 ജീവനക്കാരുടെ ഒരു ലിസ്റ്റ് ഉപയോഗിച്ച് നിങ്ങൾ എന്തു ചെയ്യും, ഓരോരുത്തർക്കും അടുത്ത 3 മാസത്തിനുള്ളിൽ 52% പ്രോബബിലിറ്റിയോടെ നിങ്ങളുടെ കമ്പനി വിടാം. ഈ ചോദ്യത്തിന് നിങ്ങളുടെ പക്കൽ ഉത്തരമില്ലെങ്കിൽ, അത്തരമൊരു പട്ടികയിൽ പ്രവർത്തിക്കുന്നതിൽ അർത്ഥമില്ല.

3. വലിയ ഡാറ്റ ഉപകരണങ്ങൾ ഉപയോഗിച്ച്, നിങ്ങൾ യഥാർത്ഥത്തിൽ ആളുകളുമായി പ്രവർത്തിക്കുന്നുണ്ടെന്ന കാര്യം മറക്കരുത്. അനുകരണ ഫലങ്ങളിൽ അശ്രദ്ധമായി പാലിക്കുന്നത് പരിഹരിക്കാനാകാത്ത പ്രത്യാഘാതങ്ങൾക്ക് ഇടയാക്കും. ബിഗ് ഡാറ്റയുടെയും യഥാർത്ഥ ജീവനക്കാരുടെയും ജംഗ്ഷനിൽ മികച്ച പരിഹാരങ്ങൾക്കായി തിരയുക!

വലേറിയ ചെർനെറ്റ്സോവ, കൺസൾട്ടിംഗ് മേധാവി

ഞാനത് നിസ്സാരമായി കാണില്ല, പക്ഷേ എച്ച്ആർ അനലിറ്റിക്സിൽ താൽപ്പര്യം കുറഞ്ഞത് 10 വർഷമെങ്കിലും വളർന്നു. ഒടുവിൽ, കുറച്ച് വർഷങ്ങൾക്ക് മുമ്പ് വരെ, പ്രൊഫഷണൽ എച്ച്ആർ കമ്മ്യൂണിറ്റി അക്ഷരാർത്ഥത്തിൽ നിരവധി കോൺഫറൻസുകൾ, ബിസിനസ് ബ്രേക്ക്ഫാസ്റ്റുകൾ, വർക്ക് ഷോപ്പുകൾ എന്നിവയിൽ പൊട്ടിത്തെറിച്ചു. എച്ച്ആർ അനലിറ്റിക്സ് എന്താണ്, അത് എങ്ങനെ അളക്കാം, ഒരു ഡാറ്റ ശേഖരണ സംവിധാനം എങ്ങനെ സജ്ജീകരിക്കാം, വിവരങ്ങൾ എങ്ങനെ പ്രയോഗത്തിൽ വരുത്താം എന്നിവയെക്കുറിച്ച് പറയുന്നു.

ഇപ്പോൾ എല്ലാം എല്ലാവർക്കും വ്യക്തമായിക്കഴിഞ്ഞുവെന്ന് തോന്നുന്നു, പക്ഷേ നടന്നുകൊണ്ടിരിക്കുന്ന ചർച്ചകളും സംവാദങ്ങളും മറ്റുതരത്തിൽ നിർദ്ദേശിക്കുന്നു. റഷ്യയിലെ ചില എന്റർപ്രൈസുകൾ ഇതിനകം തന്നെ വ്യക്തിഗത ഡാറ്റ ശേഖരിക്കുന്നതിനും വിശകലനം ചെയ്യുന്നതിനും സംയോജിത സംവിധാനങ്ങൾ സ്ഥാപിക്കുകയും ഓൺലൈനിൽ സംഗ്രഹ റിപ്പോർട്ടുകൾ സ്വീകരിക്കുകയും ചെയ്തു. മറ്റ് ഓർ\u200cഗനൈസേഷനുകൾ\u200c “എന്തെങ്കിലും അളക്കുന്നു,” എന്താണെന്നും എന്തുകൊണ്ടാണെന്നും മനസിലാകുന്നില്ല. മറ്റുചിലർ ഈ ദിശയിൽ വിവേചനരഹിതമായ ആദ്യ നടപടികൾ കൈക്കൊള്ളുന്നു.

അതേസമയം, "വലിയ ഡാറ്റ" യുടെ നമ്മുടെ കാലഘട്ടത്തിൽ, വിശകലനം, സ്ഥിതിവിവരക്കണക്കുകൾ, വസ്തുതകൾ എന്നിവ അടിസ്ഥാനമാക്കി എന്താണ് സംഭവിക്കുന്നതെന്നതിനെക്കുറിച്ചുള്ള ധാരണ പൊതുവായി യോഗ്യതയുള്ള മാനേജുമെന്റ് തീരുമാനങ്ങൾ എടുക്കുന്നതിനും നിർണ്ണായകമായിത്തീരുന്നു, പ്രത്യേകിച്ചും ഉദ്യോഗസ്ഥരെ സംബന്ധിച്ച മാനേജ്മെന്റ് തീരുമാനങ്ങൾ.

എച്ച്ആർ അനലിറ്റിക്സ് മനസ്സിലാക്കുന്നതിനുള്ള ബുദ്ധിമുട്ട് ഇത് എന്തിനെക്കുറിച്ചാണെന്ന് പെട്ടെന്ന് വ്യക്തമാകാത്തതുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു. നിങ്ങൾ ഒരു മാനേജരോട് ചോദിച്ചാൽ, ഉദാഹരണത്തിന്, ഒരു വാണിജ്യ സേവനം, എന്താണ് എച്ച്ആർ അനലിറ്റിക്സ്, പരിശീലനത്തിന്റെ ചെലവുകളെയും ഫലപ്രാപ്തിയെയും കുറിച്ച് അദ്ദേഹം സംസാരിക്കും. റിക്രൂട്ട്\u200cമെന്റ് വിഭാഗം മേധാവി ഒഴിവുകൾ അവസാനിപ്പിക്കുന്ന സമയത്തെക്കുറിച്ചും സെലക്ഷൻ ഫണലിനെക്കുറിച്ചും ചിന്തിക്കും. സി\u200cഇ\u200cഒ ഉൽ\u200cപാദനക്ഷമതയെക്കുറിച്ചും സ്റ്റാഫ് ചെലവുകളുടെ തിരിച്ചടവിനെക്കുറിച്ചും സംസാരിക്കാൻ സാധ്യതയുണ്ട്. ഈ കാഴ്ചപ്പാടുകളെല്ലാം ശരിയാണ്, ആവശ്യമാണ്.

മനസിലാക്കാൻ, “മുകളിൽ നിന്ന്” എന്ന ചോദ്യം നോക്കുന്നത് ഉപയോഗപ്രദമാകും. വിദൂരത്തുനിന്ന് ആരംഭിക്കുമ്പോൾ, എച്ച്ആർ അനലിറ്റിക്സ് ആന്തരികവും ബാഹ്യവുമായി വിഭജിക്കപ്പെട്ടിട്ടുണ്ടെന്ന് നമുക്ക് പറയാൻ കഴിയും. ആന്തരിക എച്ച്ആർ അനലിറ്റിക്സ് ഓർഗനൈസേഷനിലെ ആളുകളുമായി ബന്ധപ്പെട്ട എല്ലാ കാര്യങ്ങളെക്കുറിച്ചും സംസാരിക്കുന്നു. ബാഹ്യ എച്ച്ആർ അനലിറ്റിക്സ് കമ്പനിയുടെ പരിസ്ഥിതിയെക്കുറിച്ചും തൊഴിൽ വിപണിയിലെ വിതരണത്തിന്റെയും ഡിമാന്റിന്റെയും പരസ്പരബന്ധം, വേതനത്തിന്റെ തോത്, പൊതു ജനസംഖ്യാ സ്ഥിതി എന്നിവയെക്കുറിച്ച് ഒരു ധാരണ നൽകുന്നു.

നീങ്ങുക. ഗണ്യമായി ആന്തരിക എച്ച്ആർ അനലിറ്റിക്സ് - ഇതിനെക്കുറിച്ച് എന്താണ്? ഒന്നാമതായി, കമ്പനി അതിന്റെ പ്രധാന വിഭവങ്ങളിലൊന്ന് - ആളുകൾ: എത്രത്തോളം ഫലപ്രദമായി കൈകാര്യം ചെയ്യുന്നു എന്നതിനെക്കുറിച്ച്: ആളുകൾ: അവരുടെ സ്റ്റാഫിൽ നിന്ന് കമ്പനിക്ക് എത്രമാത്രം പ്രയോജനം ലഭിച്ചു (ദയയിലും പണത്തിലും), ഈ ആനുകൂല്യം ലഭിക്കുന്നതിന് എന്ത് ചെലവാണ് ചെലവഴിച്ചത്.

ഇതിൽ നിന്ന് അളക്കാവുന്ന ഘടകങ്ങളുടെ രണ്ട് ഗ്രൂപ്പുകൾ ഉയർന്നുവരുന്നു: വിവിധ വിഭാഗങ്ങളിലെ ഉദ്യോഗസ്ഥരുടെ ചെലവ് (അവരിൽ ഏറ്റവും വലിയ ശമ്പളം, ഉദ്യോഗസ്ഥരെ റിക്രൂട്ട് ചെയ്യുന്നതിനും പരിശീലിപ്പിക്കുന്നതിനുമുള്ള ചെലവുകൾ, പേഴ്\u200cസണൽ ഡിപ്പാർട്ട്\u200cമെന്റിനെ പരിപാലിക്കുന്നതിനുള്ള ചെലവുകൾ) കൂടാതെ സാധ്യമായ എല്ലാ പ്രകടന സൂചകങ്ങളും, അതായത്. ചെലവുകളുടെയും വരുമാനത്തിന്റെയും / ലാഭത്തിന്റെയും അനുപാതം (വരുമാനത്തിലെ ശമ്പളത്തിന്റെ വിഹിതം, തൊഴിൽ ഉൽപാദനക്ഷമത, ശമ്പളപ്പട്ടികയുടെ ഒരു റൂബിളിന് കമ്പനി വരുമാനം മുതലായവ).

ബിസിനസ്സ് വിജയത്തിന്റെ പ്രധാന ഘടകങ്ങളിലൊന്ന് ശരിയായ കഴിവുകൾ, സ്റ്റാഫ് വിറ്റുവരവ്, പ്രധാന ഒഴിവുകളുടെ ജീവനക്കാരുടെ നിരക്ക്, പൊരുത്തപ്പെടൽ ദൈർഘ്യം എന്നിവയുള്ള ആളുകളെ ആകർഷിക്കാനും നിലനിർത്താനുമുള്ള കഴിവാണ് “എച്ച്ആർ ഫംഗ്ഷനെക്കുറിച്ചും മാനവ വിഭവശേഷിയെക്കുറിച്ചും” അനലിറ്റിക്സ് ബ്ലോക്കിന്റെ ഭാഗമാണ്.

ആന്തരിക എച്ച്ആർ അനലിറ്റിക്\u200cസിന്റെ അളവുകളുടെ രണ്ടാമത്തെ ബ്ലോക്ക് പൂർണ്ണമായും ആളുകൾക്കായി നീക്കിവച്ചിരിക്കുന്നു, അതായത്. ഓർഗനൈസേഷന്റെ ജീവനക്കാർ, അവരുടെ വിദ്യാഭ്യാസം, കഴിവുകൾ, കഴിവുകൾ, മന psych ശാസ്ത്രപരമായ സവിശേഷതകൾ, പ്രചോദന ഘടന, കോർപ്പറേറ്റ് സംസ്കാരം, സാമൂഹിക ഇടപെടൽ, ഒരു വ്യക്തിയുടെ വ്യക്തിഗത സവിശേഷതകൾ എന്നിവയുമായി ബന്ധപ്പെട്ട മറ്റ് ഘടകങ്ങൾ. എച്ച്ആർ അനലിറ്റിക്സിലെ ഈ വിഭാഗത്തിൽ പേഴ്\u200cസണൽ ഘടന, ശരാശരി കാലാവധി, ഒരു ഓർഗനൈസേഷന്റെ പ്രധാന കഴിവുകൾ, സ്റ്റാഫ് സംതൃപ്തിയുടെ നിലവാരം, വിറ്റുവരവിന് കാരണങ്ങൾ, കമ്പനി ഉദ്യോഗസ്ഥരെ വിലയിരുത്താൻ സഹായിക്കുന്ന മറ്റ് ഘടകങ്ങൾ എന്നിവ ഒരു വിഭവമായി മാത്രമല്ല, മൂലധനമായും കൂടുതൽ ബിസിനസ്സ് വികസനത്തിനുള്ള അടിസ്ഥാനമായും ഉൾപ്പെടുന്നു. അതിന്റെ മത്സരശേഷിയും.

അവസാനമായി, ആന്തരിക എച്ച്ആർ അനലിറ്റിക്\u200cസിന്റെ മൂന്നാമത്തെ ബ്ലോക്ക് സംഘടനാ ഫലപ്രാപ്തിയെക്കുറിച്ചുള്ള പഠനമാണ്. കൃത്യമായി പറഞ്ഞാൽ, ഞങ്ങൾ ഇവിടെ സംസാരിക്കുന്നത് എച്ച്ആർ, ബിസിനസ് അനലിറ്റിക്സ് എന്നിവയെക്കുറിച്ചാണ്, പേഴ്\u200cസണൽ മാനേജുമെന്റ് ഫംഗ്ഷൻ മാത്രമല്ല, ഓർഗനൈസേഷണൽ ഘടനയും കമ്പനിയുടെ എല്ലാ പ്രവർത്തനങ്ങളുടെയും സംയോജനവും പരസ്പരം പരസ്പര സ്വാധീനത്തിന്റെ പശ്ചാത്തലത്തിലും ബിസിനസ്സിന്റെ മൊത്തത്തിലുള്ള കാര്യക്ഷമതയെക്കുറിച്ചും ഞങ്ങൾ പരിഗണിക്കുമ്പോൾ.

ഓർ\u200cഗനൈസേഷണൽ\u200c ഫലപ്രാപ്തിയുടെ ഒരു വിശകലനം നടത്തുന്നതിന്, നിങ്ങൾക്ക് കമ്പനിയുടെ ഒരു ഫംഗ്ഷനോഗ്രാമും ഒരു ഓർ\u200cഗാനിഗ്രാമും, അതിന്റെ വികസനത്തിന്റെ ഘട്ടത്തെക്കുറിച്ചുള്ള ഒരു വിലയിരുത്തൽ, നിലവിലുള്ളതും ആവശ്യമുള്ളതുമായ മാനേജ്മെൻറ് ശൈലികളുടെ ഒരു വിലയിരുത്തൽ, നിലവിലുള്ള ബിസിനസ്സ് പ്രക്രിയകളുടെ വിശകലനം എന്നിവയും അതിലേറെയും ആവശ്യമാണ്.

അതിനാൽ, ആന്തരിക എച്ച്ആർ അനലിറ്റിക്സ് ഒരു റിസോഴ്സായി ഉദ്യോഗസ്ഥരുടെ ഫലപ്രാപ്തി വിലയിരുത്തൽ, ഒരു ഓർഗനൈസേഷന്റെ മാനുഷിക മൂലധനമായി ഉദ്യോഗസ്ഥരെ വിലയിരുത്തൽ, ഒരു കമ്പനിക്ക് മൊത്തത്തിൽ തൊഴിൽ സംഘടനയുടെ ഫലപ്രാപ്തി വിലയിരുത്തൽ എന്നിവ ഉൾക്കൊള്ളുന്നു. ബാഹ്യ എച്ച്ആർ അനലിറ്റിക്സ് നമുക്ക് എന്താണ് നൽകുന്നത്, അതിനെക്കുറിച്ച് എന്താണ്?

മുഴുവൻ ഓർഗനൈസേഷനെയും പോലെ, പേഴ്\u200cസണൽ ഡിപ്പാർട്ട്\u200cമെന്റും എച്ച്ആർ ഫംഗ്ഷനും അനുയോജ്യമായ ലബോറട്ടറി സാഹചര്യങ്ങളിൽ പ്രത്യേകം നിലനിൽക്കുന്നില്ല. മറ്റ് തൊഴിൽ ദാതാക്കൾ അപേക്ഷിക്കുന്ന തൊഴിൽ വിപണിയിൽ അപേക്ഷകരെ തേടണം. അപേക്ഷകർക്കിടയിലും തൊഴിലുടമകൾക്കിടയിലും മത്സരം ഉയർന്നതാണ്. ജോലി സാഹചര്യങ്ങൾ, വേതനത്തിന്റെ തോത്, കമ്പനിയുടെ പ്രശസ്തി എന്നിവ സ്വന്തം സ്റ്റാഫിംഗ് ആവശ്യങ്ങൾ നിറവേറ്റാനുള്ള ഓർഗനൈസേഷന്റെ കഴിവിനെ സാരമായി ബാധിക്കും.

അതിനാൽ, "അടുത്തുതന്നെ" തുടരുന്നതിന്, കുറഞ്ഞത്, വിപണിയിലെ ശമ്പളത്തിന്റെ തോത്, ആവശ്യമായ യോഗ്യതയുള്ള ഉദ്യോഗസ്ഥരുടെ ലഭ്യത, കമ്പനിയുടെ പ്രശസ്തി എന്നിവ വിശകലനം ചെയ്യേണ്ടത് ആവശ്യമാണ്. ഒപ്റ്റിമൽ, ലിസ്റ്റുചെയ്ത ഡാറ്റയ്\u200cക്ക് പുറമേ, ആന്തരിക എച്ച്ആർ അനലിറ്റിക്\u200cസിന്റെ എല്ലാ സൂചകങ്ങളിലും ഓർഗനൈസേഷൻ ബെഞ്ച്മാർക്കിംഗ് പഠനങ്ങൾ നടത്തും. മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, പേഴ്\u200cസണൽ മാനേജുമെന്റിലെ അതിന്റെ ഫലപ്രാപ്തിയെ മറ്റ് ഓർഗനൈസേഷനുകളിലെ പേഴ്\u200cസണൽ മാനേജുമെന്റിന്റെ ഫലപ്രാപ്തിയുമായി താരതമ്യപ്പെടുത്തണം, ഇത് ഈ പ്രത്യേക ബിസിനസ്സിന്റെ മത്സരശേഷി കൂടുതൽ വർദ്ധിപ്പിക്കും.

എച്ച്ആർ അനലിറ്റിക്സ് സൂചകങ്ങളെ പരസ്പരം സ്വതന്ത്രമായി പരിഗണിക്കാൻ കഴിയുമോ? ചിലതിന് ഒരുപക്ഷേ കഴിയും. ഉദാഹരണത്തിന്, കമ്പനിയുടെ വരുമാനത്തിലെ വേതന ഫണ്ടിന്റെ വിലയുടെ പങ്ക് തന്നെ ഒരു സുപ്രധാനവും സ്വയംപര്യാപ്തവുമായ സൂചകമാണ്. എന്നാൽ സ്റ്റാഫ് വിറ്റുവരവ് അതിൽ അത്ര വ്യക്തമല്ല.

എന്നിരുന്നാലും, ദ്രാവകത തിരഞ്ഞെടുക്കുന്ന വേഗതയുമായി താരതമ്യം ചെയ്താൽ, തൊഴിൽ സ്രോതസ്സുകൾ നിറയ്ക്കാൻ കമ്പനിയുടെ അളന്ന കഴിവ് ഞങ്ങൾക്ക് ലഭിക്കും. ഒരേ വിറ്റുവരവിനെ വിവിധ വകുപ്പുകളുടെ പ്രകടന സൂചകങ്ങളുമായി താരതമ്യം ചെയ്താൽ, കമ്പനിയുടെ കാര്യക്ഷമതയും കമ്പനിയുടെ ലാഭവും ഉദ്യോഗസ്ഥരുടെ ഒഴുക്കിന്റെ നേരിട്ടുള്ള സ്വാധീനം നമുക്ക് കാണാൻ കഴിയും.

മുകളിൽ നിന്ന് നോക്കുമ്പോൾ, എച്ച്ആർ അനലിറ്റിക്സ് വളരെ എളുപ്പത്തിൽ മനസ്സിലാക്കാം. എന്നിരുന്നാലും, വിശദാംശങ്ങളിൽ\u200c മുഴുകുമ്പോൾ\u200c, പേഴ്\u200cസണൽ\u200c മാനേജുമെന്റുമായി ബന്ധപ്പെട്ട നൂറിലധികം വ്യത്യസ്ത സൂചകങ്ങൾ\u200c നിങ്ങൾ\u200c കണ്ടെത്തും. തീർച്ചയായും, വകുപ്പ് മേധാവികൾക്കോ \u200b\u200bസിഇഒയ്\u200cക്കോ ഉടമകൾക്കോ \u200b\u200bപേഴ്\u200cസണൽ ഡിപ്പാർട്ട്\u200cമെന്റിന്റെ ജീവനക്കാർക്കോ ഈ ഡാറ്റ ഫലപ്രദമായി പ്രയോഗിക്കാൻ കഴിയില്ല.

അതിനാൽ, ഒരു കമ്പനിയിൽ ഒരു എച്ച്ആർ അനലിറ്റിക്സ് സംവിധാനം വികസിപ്പിക്കുമ്പോൾ, പ്രധാന കാര്യം എന്താണ് അളക്കേണ്ടത് എന്നതിലല്ല, മറിച്ച് കമ്പനിയിലെ പേഴ്\u200cസണൽ മാനേജുമെന്റ് സിസ്റ്റത്തെ മികച്ച രീതിയിൽ ചിത്രീകരിക്കുന്ന കുറച്ച് സൂചകങ്ങൾ കണ്ടെത്തുക, ഒപ്പം ഏത് സൂചകങ്ങളും ആർക്കാണ് ഇത് വേണ്ടത്.