സെമിനാറിനെക്കുറിച്ച്

വിവിധ കോണുകളിൽ നിന്നുള്ള ഉദ്യോഗസ്ഥരെ വിവരിക്കുന്ന വലിയ അളവിലുള്ള ഡാറ്റയുടെ വിശകലനമാണ് എച്ച്ആർ അനലിറ്റിക്സ് (അല്ലെങ്കിൽ പീപ്പിൾ അനലിറ്റിക്സ്). പൊതുവേ, എച്ച്ആർ അനലിറ്റിക്\u200cസിന് രണ്ട് പ്രധാന ലക്ഷ്യങ്ങളുണ്ട്: സ്ഥിതിവിവരക്കണക്കുകൾ നൽകൽ (മുമ്പ് അജ്ഞാതമായ വിവരങ്ങൾ), പ്രധാന ഡാറ്റ തിരിച്ചറിയൽ. ജീവനക്കാരെ ഫലപ്രദമായി കൈകാര്യം ചെയ്യാൻ സഹായിക്കുന്ന സ്വന്തം പ്രവർത്തനങ്ങളെക്കുറിച്ചുള്ള വിവരങ്ങൾ ഓർഗനൈസേഷന് നൽകുക എന്നതാണ് ആദ്യ ലക്ഷ്യം. ഒരു കമ്പനിയുടെ ബിസിനസ്സ് ലക്ഷ്യങ്ങൾ ഫലപ്രദമായി കൈവരിക്കുമെന്ന് ഉറപ്പാക്കാൻ കഴിയുന്ന സ്ഥിതിവിവരക്കണക്കുകളാണ് ഇവ. ഒരു ഓർഗനൈസേഷൻ സംഭരിക്കേണ്ട ഡാറ്റ തിരിച്ചറിയാൻ സഹായിക്കുക എന്നതാണ് എച്ച്ആർ അനലിറ്റിക്\u200cസിന്റെ രണ്ടാമത്തെ പ്രധാന പ്രവർത്തനം. കൂടാതെ, ഒരു ഓർഗനൈസേഷന് അതിന്റെ മാനുഷിക മൂലധനത്തിൽ നിക്ഷേപത്തിന് (ROI) മികച്ച വരുമാനം നേടാൻ കഴിയുന്ന വിവിധ വഴികൾ പ്രവചിക്കാനുള്ള മോഡലുകൾ ഇത് നൽകുന്നു.

എച്ച്ആർ മാനേജ്മെന്റിൽ ഉപയോഗിക്കുന്ന മറ്റ് സമീപനങ്ങളിൽ നിന്ന് വ്യത്യസ്തമായി, എച്ച്ആർ അനലിറ്റിക്സ് മുൻ\u200cകാലത്തെ യഥാർത്ഥ സംഭവങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്, അത് ഡാറ്റയിൽ പ്രതിഫലിക്കുന്നു, കൂടാതെ മാനേജുമെന്റിന്റെയോ വിദഗ്ദ്ധരുടെയോ ആശയങ്ങളെ അടിസ്ഥാനമാക്കിയല്ല, അവർ എങ്ങനെ സംഘടനയെ കാണാൻ ആഗ്രഹിക്കുന്നു അല്ലെങ്കിൽ ആഗ്രഹിക്കുന്നു. ഉദാഹരണത്തിന്, പരമ്പരാഗത സമീപനം സൃഷ്ടിച്ച യോഗ്യതാ മാതൃക “അനുയോജ്യമായ” ജീവനക്കാരനെ വിവരിക്കുന്ന പ്രധാന പങ്കാളികളുടെ അഭിപ്രായ സമന്വയത്തെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്, അവരുടെ അഭിപ്രായത്തിൽ ഒരു ജോലിയിൽ വിജയിക്കും. ഫോക്കസ് വ്യക്തികൾ അവരുടെ എല്ലാ അനുഭവങ്ങളും ബിസിനസിനെക്കുറിച്ചുള്ള ആഴത്തിലുള്ള ഗ്രാഹ്യവും അവരുടെ വിധിന്യായങ്ങളിൽ ഉപയോഗിക്കുന്നു, എന്നാൽ ആത്മനിഷ്ഠത, അഭിലഷണീയമായ ചിന്ത, അല്ലെങ്കിൽ മറ്റ് അബോധാവസ്ഥയിലുള്ള അല്ലെങ്കിൽ മറ്റ് ഉദ്ദേശ്യങ്ങൾ എന്നിവ ഒഴിവാക്കാൻ പ്രയാസമാണ്.

എച്ച്ആർ അനലിസ്റ്റ്, മെഷീൻ ലേണിംഗ്, പരസ്പര ബന്ധങ്ങൾക്കായുള്ള തിരയലുകൾ, പഠനത്തിൻ കീഴിലുള്ള പ്രതിഭാസത്തെ വിവരിക്കുന്നതിന് പ്രധാനമായ ഘടകങ്ങൾ എന്നിവ ഉപയോഗിച്ച് വിവിധ രീതികൾ ഉപയോഗിക്കുന്നു. പലപ്പോഴും ഈ വിശകലനത്തിന്റെ ഫലങ്ങൾ ലഭിച്ചതിനാൽ, ഉപഭോക്താക്കളും കൺസൾട്ടന്റുമാരും ചിലപ്പോൾ സമൂലമായി അപ്രതീക്ഷിത ഫലങ്ങൾ തിരിച്ചറിയുന്നതിനും അവയ്\u200cക്കായി ഒരു വിശദീകരണം കണ്ടെത്തുന്നതിനും ടാർഗെറ്റ് ഇൻഡിക്കേറ്ററിനെ ശരിക്കും ബാധിക്കുന്ന വിവിധ പാരാമീറ്ററുകൾ തമ്മിലുള്ള പൂർണ്ണമായും അവിശ്വസനീയമായ കണക്ഷനുകൾ വ്യാഖ്യാനിക്കുന്നതിനും വളരെയധികം പരിശ്രമിക്കേണ്ടതുണ്ട്. മനുഷ്യ യുക്തി. എന്നാൽ ഈ "വ്യക്തിനിഷ്ഠതയുടെ ശുദ്ധീകരണത്തിൽ" വിശകലന സമീപനത്തിന്റെ മൂല്യവും പ്രവചന ശക്തിയും ഉണ്ട്.

പരിശീലനത്തിന്റെ കാലാവധി

സെമിനാറിന്റെ സംക്ഷിപ്ത പരിപാടി

• എന്താണ് എച്ച്ആർ അനലിറ്റിക്സ്, വിവരമുള്ള എച്ച്ആർ തീരുമാനങ്ങൾ എടുക്കുന്നതിന് ഇത് പ്രധാനമായിരിക്കുന്നത് എന്തുകൊണ്ട്
• പരസ്പര ബന്ധ വിശകലനവും ശരാശരി വിശകലനവും ഉപയോഗിച്ച് വിജയം പ്രവചിക്കാൻ പ്രധാനമായ പ്രവചകരെ തിരിച്ചറിയുന്നു
• ജീവനക്കാരുടെ സവിശേഷതകൾ തിരിച്ചറിയുന്നതിനുള്ള പര്യവേക്ഷണ ഡാറ്റ വിശകലനം
• പരസ്പര ബന്ധമുള്ള ഡാറ്റ വിശകലനം. പരസ്പര ബന്ധങ്ങളുടെ വലുപ്പം നിർണ്ണയിക്കുന്നു. Excel- ലെ പരസ്പരബന്ധ വിശകലനം
• സ്ഥിതിവിവരക്കണക്ക് അനുമാനത്തിന്റെ അടിസ്ഥാനങ്ങൾ. മാർഗങ്ങളുടെ താരതമ്യവും വിദ്യാർത്ഥിയുടെ ടി-ടെസ്റ്റും. സ്ഥിതിവിവര ഗവേഷണ ഫലങ്ങളുടെ ശരിയായ വ്യാഖ്യാനം. Excel- ലെ സ്ഥിതിവിവരക്കണക്ക്

• ഒന്നിലധികം ലീനിയർ റിഗ്രഷൻ ഉപയോഗിച്ച് സങ്കീർണ്ണമായ സ്ഥാന പ്രൊഫൈലുകൾ സൃഷ്ടിക്കുക:
• ഒരു പ്രവചകനുമൊത്തുള്ള ലളിതമായ ലീനിയർ റിഗ്രഷൻ. വിജയത്തിന്റെ നേരിട്ടുള്ള പ്രവചനം, പ്രവചന പിശക്
• ഒന്നിലധികം ലീനിയർ റിഗ്രഷൻ. ഗവേഷണ ഫലങ്ങളുടെ വ്യാഖ്യാനവും ഫലങ്ങളുടെ ഗുണനിലവാര നിയന്ത്രണവും
• റിഗ്രഷൻ വിശകലന ഫലങ്ങളെ അടിസ്ഥാനമാക്കി ജീവനക്കാരുടെ വിജയ പ്രവചനം

ബി\u200cഐ പ്ലാറ്റ്\u200cഫോമിൽ നടപ്പിലാക്കിയ അനലിറ്റിക്കൽ മോഡൽ "എച്ച്ആർ അനലിറ്റിക്\u200cസ്", പേഴ്\u200cസണൽ മാനേജുമെന്റ് മേഖലയിലെ അധിക അവസരങ്ങൾ വെളിപ്പെടുത്തുകയും എന്റർപ്രൈസ് മാനേജുമെന്റിന്റെ പ്രക്രിയകളെക്കുറിച്ച് പുതിയതായി അറിയാൻ നിങ്ങളെ അനുവദിക്കുന്നു. ഡാറ്റാ പ്രോസസ്സിംഗ് രംഗത്ത് പുതിയ സാങ്കേതികവിദ്യകൾ ഉപയോഗിച്ചതിനും വിവരങ്ങളുമായുള്ള സംവേദനാത്മക ഇടപെടലിനായി ആധുനിക ഉപയോക്തൃ ഇന്റർഫേസുകളുടെ പിന്തുണയ്ക്കും നന്ദി, എച്ച്ആർ അനലിറ്റിക്സ്:

• എല്ലാ വിഭാഗം ഉപയോക്താക്കൾക്കും ഉപയോഗിക്കാൻ എളുപ്പമാണ്.
• മൊബൈൽ ഉപകരണങ്ങളിൽ ലഭ്യമാണ്.
• പൂർണ്ണ ഡാറ്റയിൽ വേഗത്തിൽ പ്രവർത്തിക്കുന്നു.
• ബിസിനസ് പ്രകടന മാനേജുമെന്റുമായി (സി\u200cപി\u200cഎം) ബന്ധപ്പെട്ട മേഖലയിലേക്ക് ജീവനക്കാരുടെ വിവരങ്ങളുടെ ഉപയോഗം വിപുലീകരിക്കുന്നു.

കമ്പനിയുടെ ജീവനക്കാരുമായി ബന്ധപ്പെട്ട നിരവധി പ്രധാന സൂചകങ്ങളെ ഒരൊറ്റ മൾട്ടിഫങ്ഷണൽ പരിഹാരത്തിനുള്ളിൽ വിശകലനം ചെയ്യുന്നതിനുള്ള അവസരം എച്ച്ആർ അനലിറ്റിക്സ് നൽകുന്നില്ല, മൂന്ന് തലത്തിലുള്ള വിവരങ്ങൾ നൽകുന്നു:

• പ്രധാന സ്\u200cക്രീനിൽ കീ കെപി\u200cഎകളും പ്രധാന സൂചകങ്ങളിലെ മാറ്റങ്ങളുടെ ചലനാത്മകതയും പ്രദർശിപ്പിക്കുന്ന പ്രധാന ഡാഷ്\u200cബോർഡ്.
• വിശദമായ, സമഗ്രമായ വിവരങ്ങൾ പ്രതിഫലിപ്പിക്കുന്ന ഓരോ വിഷയ മേഖലയ്\u200cക്കുമുള്ള ഒരു കൂട്ടം ഡാഷ്\u200cബോർഡുകൾ.
• ഗവേഷണ വസ്\u200cതുവിനെക്കുറിച്ചുള്ള വിശദമായ വിവരങ്ങൾ വെളിപ്പെടുത്തുന്ന ഒരു കൂട്ടം റിപ്പോർട്ടുകൾ: ജീവനക്കാരുടെ കാർഡുകൾ, തൊഴിൽ വിവരണങ്ങൾ, കാൻഡിഡേറ്റ് പ്രൊഫൈലുകൾ മുതലായവ.

ചലനാത്മകവും ആധുനികവുമായ ബിസിനസ്സിന്റെ ആവശ്യകതകൾ എച്ച്ആർ അനലിറ്റിക്ക കണക്കിലെടുക്കുന്നു:

• ഒരു കോം\u200cപാക്റ്റ് പരിഹാരം - ഒരൊറ്റ പ്ലാറ്റ്ഫോം, ഒരു സംയോജിത സംഭരണം, ഒരു പൊതു അനലിറ്റിക് പോർട്ടൽ.
• ഡാറ്റ അപ്\u200cഡേറ്റ് ചെയ്യാനുള്ള കഴിവുള്ള എം\u200cഎസ് പവർപോയിന്റ് സ്ലൈഡുകളിലേക്ക് സംവേദനാത്മക ബിഐ ഉള്ളടക്കം ഉൾച്ചേർക്കുന്നു. ഇത്തരത്തിലുള്ള അനലിറ്റിക്സ് ഉപയോഗിച്ച്, അവതരണങ്ങൾക്കും മാനേജുമെന്റുമായുള്ള പതിവ് മീറ്റിംഗുകൾക്കും നിങ്ങൾ എല്ലായ്പ്പോഴും തയ്യാറാണ്.
• ഡാറ്റ ഓൺലൈനിൽ അപ്\u200cഡേറ്റ് ചെയ്യാനുള്ള കഴിവ്.

എച്ച്ആർ അനലിറ്റിക്സ് മോഡലിന്റെ പ്രധാന സൂചകങ്ങൾ

എല്ലാ പ്രധാന അളവുകളും പ്രാഥമികമായി മുതിർന്ന എക്സിക്യൂട്ടീവുകൾക്കായി രൂപകൽപ്പന ചെയ്ത ഒരു പ്രധാന ഡാഷ്\u200cബോർഡിലാണ് അവതരിപ്പിച്ചിരിക്കുന്നത്.

• ജീവനക്കാരുടെ എണ്ണം
  • ഏത് കാലയളവിലെയും നിലവിലെ ശരാശരി ശമ്പളം
  • ഡിവിഷനുകൾ, ഫംഗ്ഷനുകൾ, യോഗ്യതകൾ എന്നിവ പ്രകാരം
• വേതന. മൊത്തം പേയ്\u200cമെന്റുകളും ശരാശരി വേതനവും
• ജീവനക്കാരെ നിയമിക്കുകയും ജോലിയിൽ നിന്ന് പിരിച്ചുവിടുകയും ചെയ്യുന്നു
• ശമ്പളപ്പട്ടികയുടെ ഘടന
• ജീവനക്കാരുടെ റിക്രൂട്ട്\u200cമെന്റ് ഫണൽ
  • സ്പെഷ്യലിസ്റ്റുകളുടെ വിഭാഗം അനുസരിച്ച്
  • എച്ച്ആർ മാനേജർമാരുടെ പശ്ചാത്തലത്തിൽ
• പേഴ്\u200cസണൽ പരിശീലനത്തിനായി ക്വാണ്ടിറ്റേറ്റീവ്, ക്വാളിറ്റേറ്റീവ് കെപിഐകൾ
• ജീവനക്കാരുടെ സംതൃപ്തി. നിരവധി മാനദണ്ഡങ്ങൾക്കനുസൃതമായി ജീവനക്കാരുടെ ഒരു സർവേയുടെ ഫലമായി ലഭിച്ച ഒരു ക്വാണ്ടിറ്റേറ്റീവ് അല്ലെങ്കിൽ ഗുണപരമായ സൂചകം
• എന്റർപ്രൈസിലെ തൊഴിൽ ഉൽപാദനക്ഷമതയെ ചിത്രീകരിക്കുന്ന കെപി\u200cഎകൾ

ആധുനിക ഇൻഫോഗ്രാഫിക്സും സമയ ഇടവേളകളും ഫിൽട്ടറുകളും നിർവചിക്കുന്നതിനുള്ള സൗകര്യപ്രദമായ ഉപകരണങ്ങൾ ഉപയോഗിച്ച് എല്ലാ വിവരങ്ങളും ഒരൊറ്റ സ്ക്രീനിൽ അവതരിപ്പിക്കുന്നു. BI പ്ലാറ്റ്\u200cഫോമിലെ നൂതന ആർക്കിടെക്ചറിന് നന്ദി, നമ്പറുകളിലെയും ഗ്രാഫിക്സിലെയും എല്ലാ മാറ്റങ്ങളും ഏതെങ്കിലും ഉപയോക്തൃ പ്രവർത്തനത്തിന് ശേഷം തൽക്ഷണം സംഭവിക്കുന്നു.

കാർട്ടോഗ്രാഫിക് അടിസ്ഥാനത്തിൽ വിഷ്വലൈസേഷൻ ഉപയോഗിച്ച് സാന്നിധ്യത്തിന്റെ ഭൂമിശാസ്ത്രം (ഓഫീസുകൾ, പ്രൊഡക്ഷൻ സൈറ്റുകൾ മുതലായവ) അനുസരിച്ച് മിക്ക സൂചകങ്ങളും വിശകലനം ചെയ്യാൻ കഴിയും.

സ്റ്റാഫ് വികസനം

ജീവനക്കാരുടെ പരിശീലനത്തിന്റെ ചലനാത്മകതയെയും പ്രൊഫഷണൽ വികസനത്തിന്റെ വേഗതയെയും പ്രതിഫലിപ്പിക്കുന്ന സൂചകങ്ങൾ ട്രാക്കുചെയ്യുന്നതിന് പേഴ്\u200cസണൽ ഡെവലപ്\u200cമെന്റ് ഡാഷ്\u200cബോർഡ് നിങ്ങളെ അനുവദിക്കുന്നു, പരിശീലന ചെലവുകളുടെ ഫലപ്രാപ്തി വിശകലനം ചെയ്യുന്നതിനായി ഇത് രൂപകൽപ്പന ചെയ്\u200cതിരിക്കുന്നു.
ജീവനക്കാരുടെ ജോലി മേഖലകൾ, അവരുടെ യോഗ്യതകൾ, പ്രാദേശിക ഡിവിഷനുകൾ എന്നിവയുടെ പശ്ചാത്തലത്തിൽ കെപി\u200cഎകൾ നടപ്പാക്കുന്നത് നിയന്ത്രിക്കാൻ നിങ്ങളെ അനുവദിക്കുന്ന ഫിൽട്ടറുകളിലേക്ക് എച്ച്ആർ മാനേജർക്ക് പ്രവേശനമുണ്ട്.

ജനസംഖ്യാശാസ്\u200cത്രം

കമ്പനിയുടെ ഉദ്യോഗസ്ഥരുടെ ലിംഗഭേദവും പ്രായ വിഭാഗവും അനുസരിച്ച് വിശകലനം. പ്രവർത്തന മേഖലയെ ആശ്രയിച്ച്, കമ്പനിയ്ക്ക് പ്രാധാന്യമുള്ള പ്രായപരിധി എച്ച്ആർ അനലിറ്റിക്സ് മാതൃകയിൽ വ്യക്തിഗതമായി ക്രമീകരിക്കാൻ കഴിയും.

പ്രധാന അളവുകളും ദൃശ്യവൽക്കരണങ്ങളും:

• കമ്പനിയുടെ ഭൂമിശാസ്ത്രവും കാലക്രമേണ ചലനാത്മകതയും അനുസരിച്ച് ഒരു ജീവനക്കാരന്റെ ശരാശരി പ്രായം
• പ്രദേശങ്ങൾ, തൊഴിൽ മേഖലകൾ, യോഗ്യതകൾ എന്നിവയിൽ ലിംഗഭേദവും പ്രായ ഘടനയും അനുസരിച്ച് ജീവനക്കാരുടെ വിതരണം

വേതന ഫണ്ട്

കമ്പനിയുടെ മൊത്തത്തിലുള്ള ശമ്പളത്തിന്റെ തോത്, പ്രവർത്തന മേഖലകൾ, ഓഫീസുകൾ, ജീവനക്കാരുടെ വിഭാഗങ്ങൾ എന്നിവയെക്കുറിച്ചുള്ള സംഗ്രഹ വിവരങ്ങൾ വിശകലനം ചെയ്യുക എന്നതാണ് ഈ വിഭാഗത്തിന്റെ പ്രധാന ലക്ഷ്യം.

ജീവനക്കാരുടെ കാർഡ്

ഓരോ ജീവനക്കാരനെപ്പറ്റിയുമുള്ള വിശദമായ വിവരങ്ങളിലേക്ക് ഡാഷ്\u200cബോർഡ് പ്രവേശനം നൽകുന്നു: പ്രായം, അനുഭവം, സ്ഥാനം, യോഗ്യതകൾ, കാലയളവിലേക്കുള്ള പേയ്\u200cമെന്റുകളുടെ തുക. ടെംപ്ലേറ്റ് ഉപയോഗിച്ച് തിരയാനും ആട്രിബ്യൂട്ടുകൾ ഉപയോഗിച്ച് റെക്കോർഡുകൾ തിരഞ്ഞെടുക്കാനും കഴിയും.

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

എന്താണ് എച്ച്ആർ അനലിറ്റിക്സ്?

എച്ച്ആർ ഡാറ്റ പ്രോസസ്സിംഗിനായി ഡാറ്റ പ്രോസസ്സിംഗ്, ബിസിനസ് ഇന്റലിജൻസ് (ബിഎ) ടെക്നിക്കുകൾ പ്രയോഗിക്കുന്ന പ്രക്രിയയാണ് എച്ച്ആർ അനലിറ്റിക്സ്. ഇതിനെ ചിലപ്പോൾ ടാലന്റ് അനലിറ്റിക്സ് എന്നും വിളിക്കുന്നു. കൂടാതെ, ഈ സന്ദർഭത്തിൽ ഡാറ്റ മൈനിംഗ് പുതിയ വിവരങ്ങൾ സൃഷ്ടിക്കുന്നതിന് ഡാറ്റാബേസുകൾ പരിശോധിക്കുന്ന രീതിയെ സൂചിപ്പിക്കുന്നു.

എച്ച്ആർ അനലിസ്റ്റുകൾക്ക് രണ്ട് പ്രധാന ലക്ഷ്യങ്ങളുണ്ട്: സ്ഥിതിവിവരക്കണക്കുകൾ നൽകൽ (മുമ്പ് അജ്ഞാതമായ വിവരങ്ങൾ), പ്രധാന ഡാറ്റ തിരിച്ചറിയൽ.

ജീവനക്കാരെ ഫലപ്രദമായി കൈകാര്യം ചെയ്യാൻ സഹായിക്കുന്ന സ്വന്തം പ്രവർത്തനങ്ങളെക്കുറിച്ചുള്ള വിവരങ്ങൾ ഓർഗനൈസേഷന് നൽകുക എന്നതാണ് ആദ്യ ലക്ഷ്യം. ഒരു കമ്പനിയുടെ ബിസിനസ്സ് ലക്ഷ്യങ്ങൾ ഫലപ്രദമായി കൈവരിക്കാമെന്ന് ഉറപ്പാക്കാൻ കഴിയുന്ന സ്ഥിതിവിവരക്കണക്കുകളാണ് ഇവ.

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

മൊത്തത്തിൽ, എച്ച്ആർ അനലിറ്റിക്സ് മിക്ക ഓർഗനൈസേഷനുകളും ശേഖരിക്കുന്ന വലിയ അളവിലുള്ള മാനവ വിഭവശേഷി ഡാറ്റ പ്രയോജനപ്പെടുത്തുന്നതിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നു. കമ്പനികൾക്ക് പലപ്പോഴും ജീവനക്കാരുടെ ജനസംഖ്യാശാസ്\u200cത്രം, പരിശീലന രേഖകൾ മുതലായ ഡാറ്റയുടെ ഒരു സമ്പത്ത് ഉണ്ട്, വിശകലനത്തിന് അതിൽ നിന്ന് പ്രധാനപ്പെട്ട ഉൾക്കാഴ്ചകൾ എക്\u200cസ്\u200cട്രാക്റ്റുചെയ്യാനാകും.

എച്ച്ആർ അനലിറ്റിക്സിനെക്കുറിച്ചുള്ള കൂടുതൽ വിശദമായ വിവരങ്ങൾ ചുവടെ:

നിങ്ങളുടെ ഓർഗനൈസേഷൻ എച്ച്ആർ അനലിറ്റിക്സുമായി പ്രവർത്തിക്കുന്നത് എന്തുകൊണ്ട്?

എച്ച്ആർ തീരുമാനങ്ങൾ പലപ്പോഴും പ്രൊഫഷണൽ സഹജാവബോധത്തെയും അവബോധത്തെയും അടിസ്ഥാനമാക്കിയുള്ളതാണ്. ഉദാഹരണത്തിന്, നിയമനം പലപ്പോഴും റിക്രൂട്ടർ സ്ഥാനാർത്ഥിയുമായി സ്ഥാപിക്കുന്നതിൽ പരാജയപ്പെട്ടതോ പരാജയപ്പെട്ടതോ ആയ വ്യക്തിഗത സമ്പർക്കത്തെ ആശ്രയിച്ചിരിക്കുന്നു. “സഹജാവബോധം”, അവബോധം എന്നിവയിലെ പ്രശ്നം അവർക്ക് മോശം രീതികൾ സാധാരണമാക്കാൻ കഴിയും എന്നതാണ്.

അതിനാൽ, ജോലിയിലെ അനീതി ശ്രദ്ധിക്കപ്പെടാതെ പോയേക്കാം. ലിംഗ ശമ്പള വിടവ് ഇതിന് ഉത്തമ ഉദാഹരണമാണ്. തെളിവുകൾ പഠിച്ചില്ലെങ്കിൽ തങ്ങളും അതുതന്നെ നൽകുമെന്ന് ഓർഗനൈസേഷനുകൾ കരുതുന്നു.

പ്രകടനം മെച്ചപ്പെടുത്തുന്നതിനും ഏറ്റവും വിജയകരമായ മോഡലുകൾ പ്രവചിക്കുന്നതിനും എച്ച്ആർ അനലിറ്റിക്\u200cസിന് കഴിയും. തീരുമാനമെടുക്കുന്നതിലെ മിക്ക മനുഷ്യ പിശകുകളും ഇത് ഇല്ലാതാക്കുന്നു. ഉദാഹരണത്തിന്, ഏതെല്ലാം വകുപ്പുകളോ ഗ്രൂപ്പുകളോ ഇതിനകം തന്നെ അമിതഭാരമുള്ളവയാണെന്നും കൂടുതൽ ഉത്തരവാദിത്തങ്ങൾ ഏറ്റെടുക്കാൻ കഴിയുമെന്നും കാണിക്കാൻ ഡാറ്റ ഉപയോഗിക്കുമ്പോൾ വർക്ക്ലോഡ് മാനേജുമെന്റ് മെച്ചപ്പെടുത്തുന്നത് കൂടുതൽ ഫലപ്രദമാണ്.

ഏറ്റവും പ്രധാനമായി, എച്ച്ആർ അനലിറ്റിക്സ് കമ്പനിയുടെ വളർച്ചയെ തെളിയിച്ചിട്ടുണ്ട്. ഒരു കമ്പനി അവരുടെ നിയമന പ്രക്രിയ മെച്ചപ്പെടുത്തുന്നതിന് എച്ച്ആർ അനലിറ്റിക്സ് ഉപയോഗിക്കുന്ന ഒരു കമ്പനിയുടെ ഉൽ\u200cപാദനക്ഷമത നേട്ടങ്ങളെക്കുറിച്ച് പരിശീലന മേഖല റിപ്പോർട്ട് ചെയ്യുന്നു. പരമ്പരാഗത വിശകലന അളവുകളായ വിദ്യാഭ്യാസവും റഫറലും ഒരു സ്ഥാനാർത്ഥിയുടെ വിൽപ്പന പ്രകടനത്തെ കാര്യമായി സ്വാധീനിക്കുന്നില്ലെന്ന് ഡാറ്റ വിശകലനത്തിലൂടെ കമ്പനി ശ്രദ്ധിച്ചു. വാസ്തവത്തിൽ, ഉയർന്ന മൂല്യമുള്ള വിൽപ്പന അനുഭവവും ഘടനാപരമായ സാഹചര്യങ്ങളിൽ പ്രവർത്തിക്കാനുള്ള കഴിവും പോലുള്ള പ്രധാന അളവുകൾ വിൽപ്പനയുടെ മെച്ചപ്പെട്ട പ്രകടനത്തിന് കാരണമായി. റിക്രൂട്ടിംഗിൽ കമ്പനി ഈ ടാലന്റ് അനലിറ്റിക്സ് സംയോജിപ്പിച്ചപ്പോൾ, കമ്പനിയുടെ വിൽപ്പന അടുത്ത വർഷം 4 മില്യൺ ഡോളർ വർദ്ധിച്ചു.

കമ്പനിയുടെ മൊത്തത്തിലുള്ള പ്രകടനത്തിന് എച്ച്ആർ അനലിറ്റിക്\u200cസിന്റെ പ്രാധാന്യത്തെക്കുറിച്ച് മറ്റ് പഠനങ്ങൾ സമാനമായ നിഗമനങ്ങളിൽ എത്തി. എം\u200cആർ\u200cടിയും ഐ\u200cബി\u200cഎമ്മും നടത്തിയ പഠനത്തിൽ എച്ച്ആർ അനലിറ്റിക്\u200cസിന്റെ ഉയർന്ന ഉപയോഗം കാരണമാകുമെന്ന് കണ്ടെത്തി:

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

എച്ച്ആർ അനലിറ്റിക്സ് ഉപയോഗിക്കുന്നതിനുള്ള പ്രധാന വഴികൾ

എച്ച്ആർ അനലിറ്റിക്സിനുള്ള അപേക്ഷയുടെ മേഖലകൾ വളരെ വലുതാണ്, കൂടാതെ ഒരു ഓർഗനൈസേഷനായി ശ്രദ്ധ കേന്ദ്രീകരിക്കാനുള്ള അളവുകൾ വ്യവസായവും ബിസിനസ്സിന്റെ സ്വഭാവവും അനുസരിച്ച് വ്യത്യാസപ്പെടും.

സാധ്യമായ കെപി\u200cഎകളുടെ ചില ഉദാഹരണങ്ങൾ ഇതാ:

• പിരിച്ചുവിടൽ നിരക്ക്,
• നിയമന സമയം,
• വിവിധ ഗ്രൂപ്പുകളുടെ വിറ്റുവരവ് നിരക്ക് (ഒന്നാം വർഷം, അഞ്ച് വർഷം മുതലായവ),
• ഒരു ജീവനക്കാരന്റെ വരുമാനം.

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

റിക്രൂട്ടിംഗ് - എച്ച്ആർ അനലിറ്റിക്\u200cസിന് ഈ ബിസിനസ്സിനായി അനുയോജ്യമായ സ്ഥാനാർത്ഥികളെ കണ്ടെത്തുന്നതിനെക്കുറിച്ചുള്ള ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകാൻ കഴിയും. ഉദാഹരണത്തിന്, മുകളിലുള്ള കമ്പനി ഉദാഹരണം കാണിച്ചതുപോലെ, മികച്ച ഫലങ്ങൾ നൽകുന്ന സ്ഥാനാർത്ഥികളുടെ ഗുണങ്ങൾ തിരിച്ചറിയാൻ ഡാറ്റ ഉപയോഗിക്കാം. കമ്പനിയുമായി തുടരുന്ന സ്ഥാനാർത്ഥികളുടെ ഡാറ്റ നിങ്ങൾക്ക് താരതമ്യം ചെയ്യാനും അവയ്ക്കിടയിൽ പൊതുവായ വിഭാഗങ്ങളെ കണ്ടെത്താനും കഴിയും.

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

ജീവനക്കാരെ നിലനിർത്തൽ - ഡാറ്റ ഉപയോഗിച്ച്, ജീവനക്കാരെ നിലനിർത്തുന്നതിനെക്കുറിച്ചും നിങ്ങൾക്ക് കൂടുതലറിയാം. ജീവനക്കാരുടെ ഇടപഴകൽ വർദ്ധിപ്പിക്കുന്ന വശങ്ങൾ തിരിച്ചറിയാൻ നിങ്ങൾക്ക് എച്ച്ആർ അനലിറ്റിക്സ് ഉപയോഗിക്കാം.

കഴിവുകളുടെ വിടവുകൾ- ഓർഗനൈസേഷനിൽ വിടവുകളുടെ അസ്തിത്വം ഡാറ്റയ്ക്ക് വെളിപ്പെടുത്താൻ കഴിയും. ഉദാഹരണത്തിന്, ചില വകുപ്പുകളിൽ മറ്റുള്ളവരെ അപേക്ഷിച്ച് ഉയർന്ന വൈദഗ്ധ്യമുള്ള തൊഴിലാളികൾ ഉണ്ടായിരിക്കാം, ഇത് കമ്പനിയുടെ മൊത്തത്തിലുള്ള പ്രവർത്തനത്തെ തടസ്സപ്പെടുത്താം.

പിരിച്ചുവിടൽ നിരക്ക്- മൊത്തം ജീവനക്കാരുടെ എണ്ണവുമായി ബന്ധപ്പെട്ട് ഒരു നിശ്ചിത കാലയളവിൽ എത്ര ജീവനക്കാർ പോകുന്നു? വിൽപ്പന പ്രകടനം - നിങ്ങളുടെ വിൽപ്പന എങ്ങനെ വർദ്ധിപ്പിക്കാം എന്നതിന്റെ വിശദാംശങ്ങൾ കണ്ടെത്താൻ എച്ച്ആർ അനലിറ്റിക്സ് സഹായിക്കും. ചില കഴിവുകൾ ജീവനക്കാരെ മികച്ച പ്രകടനം നടത്താൻ സഹായിക്കുന്നുവെന്ന് നിങ്ങൾ കണ്ടെത്തിയേക്കാം, അല്ലെങ്കിൽ ചില പരിശീലന പരിപാടികൾ ഉടനടി വിൽപ്പന വരുമാനം നൽകുന്നു.

എച്ച്ആർ അനലിറ്റിക്\u200cസിന് അഞ്ച് വെല്ലുവിളികൾ

എച്ച്ആർ അനലിറ്റിക്സ് നടപ്പിലാക്കുന്നതിന്റെ പ്രാരംഭ ഘട്ടത്തിലേക്ക് കടക്കുന്നതിന് മുമ്പ്, ഉയർന്നുവരുന്ന ചില പ്രധാന വെല്ലുവിളികൾ പരിഗണിക്കേണ്ടതാണ്. നിങ്ങളുടെ ഓർഗനൈസേഷനിൽ എച്ച്ആർ അനലിറ്റിക്\u200cസ് വിന്യസിക്കുമ്പോൾ, ഇനിപ്പറയുന്ന അഞ്ച് വെല്ലുവിളികളെ നേരിടാനുള്ള വഴികൾ 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 ടെക്നിക്കുകൾ പ്രയോഗിക്കാനുള്ള കഴിവ് നിങ്ങൾക്ക് ആവശ്യമാണ്.

ശരിയായ അനലിറ്റിക് സമീപനങ്ങൾ ഉപയോഗിക്കാതെ നിങ്ങളുടെ എച്ച്ആർ ഡിപ്പാർട്ട്മെന്റ് ധാരാളം ഡാറ്റ ശേഖരിക്കുകയാണെങ്കിൽ, നിങ്ങൾ ധാരാളം ഡാറ്റയിൽ അവസാനിക്കും. വിലയേറിയ .ഹങ്ങൾ ഉണ്ടാക്കുന്നതിനേക്കാൾ കൂടുതൽ ബുദ്ധിമുട്ടാണ്.

ഉദാഹരണത്തിന്, നിങ്ങൾ ശേഖരിക്കുന്ന എല്ലാ അളവുകളുടെയും അളവുകൾ ശരിയായി നിർവചിക്കുകയും തരംതിരിക്കുകയും വേണം. നിങ്ങളുടെ ഡാറ്റ ഉപയോഗിച്ച് പരിഹരിക്കാൻ ആഗ്രഹിക്കുന്ന പ്രശ്നങ്ങൾ തിരിച്ചറിയേണ്ടതുണ്ട്, അത് ശേഖരിക്കുക മാത്രമല്ല.

വെല്ലുവിളി 2: ഡാറ്റ ഗുണമേന്മ

ശരിയായ അളവിലുള്ള ഡാറ്റ ശേഖരിക്കുന്നതിനൊപ്പം, അതിന്റെ ഗുണനിലവാരത്തിൽ നിങ്ങൾ വേണ്ടത്ര ശ്രദ്ധ ചെലുത്തുന്നുണ്ടെന്നും ഉറപ്പാക്കേണ്ടതുണ്ട്. വ്യത്യസ്\u200cത ഡാറ്റാസെറ്റുകൾ\u200cക്കിടയിൽ നിങ്ങൾ\u200c അർ\u200cത്ഥവത്തായ കണക്ഷനുകൾ\u200c സൃഷ്\u200cടിക്കാത്തതിനാൽ\u200c ഡാറ്റാ ഫ്ലോ വേഗത്തിൽ\u200c ഗുണനിലവാരമില്ലാത്ത ഡാറ്റയിലേക്ക് നയിച്ചേക്കാം.

നിങ്ങളുടെ ഡാറ്റയുടെ സമഗ്രതയും സുരക്ഷയും ഉറപ്പുവരുത്തുന്നതിൽ ശ്രദ്ധ കേന്ദ്രീകരിച്ച് അതിന്റെ ഗുണനിലവാരം ഉറപ്പാക്കേണ്ടത് പ്രധാനമാണ്. എച്ച്ആർ അനലിറ്റിക്സിൽ ഉപയോഗിക്കുന്ന ഡാറ്റ ഓർഗനൈസേഷന്റെ വിവിധ ഭാഗങ്ങളിൽ നിന്ന് വരാം, അതിനാൽ വളരെ വ്യത്യസ്തമായിരിക്കാം എന്നതാണ് പല ഓർഗനൈസേഷനുകളുടെയും പ്രശ്നം. ചില ഡാറ്റ അവഗണിക്കാനോ നിരസിക്കാനോ നഷ്ടപ്പെടാനോ ഡാറ്റാസെറ്റുകൾ സംയോജിപ്പിക്കാനോ കഴിയില്ല, ഇത് അപര്യാപ്തമായ വിശകലനത്തിലേക്ക് നയിക്കും.

വെല്ലുവിളി 3: മിക്ക എച്ച്ആർ വകുപ്പുകളിലും കുറഞ്ഞ വിശകലന വൈദഗ്ദ്ധ്യം

എച്ച്ആർ അനലിറ്റിക്സ് വിജയിക്കാൻ, അതിന് പിന്നിലുള്ള ടീമിന് മാനവ വിഭവശേഷിയും ഡാറ്റ അനലിറ്റിക്സ് വൈദഗ്ധ്യവും ഉണ്ടായിരിക്കണം. ഡാറ്റാ വിശകലനത്തിൽ കഴിവുള്ള എച്ച്ആർ നേതാക്കളെ കണ്ടെത്തുന്നത് വെല്ലുവിളിയാകും.

ആക്സെഞ്ചർ ഇൻസ്റ്റിറ്റ്യൂട്ട് ഫോർ ഹൈ പെർഫോമൻസിലെ റിസർച്ച് ഫെലോ എലിസബത്ത് ക്രെയ്ഗ് പറയുന്നതനുസരിച്ച്, എച്ച്ആർ അനലിറ്റിക്\u200cസിന് വേണ്ടത്ര പരിശീലനം ലഭിച്ച ആരും ഇല്ല. കൂടാതെ, ചില ഡാറ്റാ അനാലിസിസ് ഉപകരണങ്ങൾക്ക് പ്രത്യേക ഐടി കഴിവുകൾ ആവശ്യമാണെന്നും ശരിയായ ആളുകളെ കണ്ടെത്തുന്നതിന് സമ്മർദ്ദം ചെലുത്തുന്നുവെന്നും ക്രെയ്ഗ് ഡാറ്റാ-ഇൻഫോർമഡ് ഡോട്ട് കോമിനോട് പറഞ്ഞു.

ആഗോള എച്ച്ആർ ടീമുകളിൽ 6% പേർക്ക് മാത്രമേ അവരുടെ അനലിറ്റിക്\u200cസ് കഴിവുകളിൽ ആത്മവിശ്വാസം ഉള്ളൂ എന്നതിനാൽ പ്രശ്\u200cനം ഇതിലും വലുതായി തോന്നുന്നു. കൂടാതെ, തങ്ങളുടെ ഓർഗനൈസേഷന്റെ ഡാറ്റ ഉപയോഗം വിശ്വാസയോഗ്യവും തീരുമാനങ്ങൾ എടുക്കാൻ പര്യാപ്തവുമാണെന്ന് 20% പേർ വിശ്വസിച്ചു.

വെല്ലുവിളി 4: എച്ച്ആർ അനലിറ്റിക്സിനുള്ള മാനേജുമെന്റ് പിന്തുണയുടെ അഭാവം

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

ശരിയായ എച്ച്ആർ അനലിറ്റിക്സ് സംവിധാനം നടപ്പിലാക്കുന്നത് വിലകുറഞ്ഞതല്ലാത്തതിനാൽ വിഭവങ്ങളിലേക്ക് പ്രവേശനം നൽകുന്നതിനാൽ ഈ പിന്തുണ പ്രധാനമാണ്. ഡിപ്പാർട്ട്\u200cമെന്റുകളിലുടനീളം ഡാറ്റയിലേക്ക് മികച്ച ആക്\u200cസസ് നൽകാനും ഇതിന് കഴിയും. എക്സിക്യൂട്ടീവുകളെ ബോധ്യപ്പെടുത്തുന്നതിന്, തുടക്കത്തിൽ തന്നെ ROI പരമാവധിയാക്കാനുള്ള അവസരങ്ങൾ തിരിച്ചറിയുന്നതിൽ HR ശ്രദ്ധിക്കണം.

വെല്ലുവിളി 5: എച്ച്ആർ അനലിറ്റിക്സ് ചെലവേറിയതും ROI പലപ്പോഴും കാണാനാകില്ല

അവസാനമായി, ഓർഗനൈസേഷനുകൾ ചെലവ് ബോധമുള്ളവരായിരിക്കണം. വിശകലന ഉപകരണങ്ങളുടെ വില പരിധി ഉപകരണങ്ങളുടെ ലഭ്യത പോലെ വ്യത്യാസപ്പെട്ടിരിക്കുന്നു. ഡാറ്റ-ഇൻഫോർമഡ്.കോമിലെ ഒരു ലേഖനം അനുസരിച്ച്, പ്ലാറ്റ്ഫോമിന്റെ വില "5,000 മുഴുവൻ സമയ ജോലിക്കാരുള്ള ഒരു കമ്പനിക്ക് 400,000 ഡോളർ മുതൽ 1.5 മില്യൺ ഡോളർ വരെ" വരെയാകാം.

കൂടാതെ, പ്രോഗ്രാമുകൾ നടപ്പിലാക്കുന്നതിനോ നിലവിലുള്ള ജീവനക്കാരെ അനലിറ്റിക്സ് കഴിവുകളിൽ പരിശീലിപ്പിക്കുന്നതിനോ പുതിയ ജീവനക്കാരെ നിയമിക്കുമ്പോൾ ഓർഗനൈസേഷനുകൾ അഭിമുഖീകരിച്ചേക്കാവുന്ന ചെലവ് വർദ്ധനവ് എസ്റ്റിമേറ്റിൽ ഉൾപ്പെടുന്നില്ല.

കൂടാതെ, എച്ച്ആർ അനലിറ്റിക്സിലെ ആർ\u200cഒ\u200cഐ വളരെ വ്യക്തമല്ല. കാരണം, അനലിറ്റിക്സ് ഫലങ്ങൾ നടപ്പിലാക്കുന്നതിന്റെ പ്രയോജനങ്ങൾ വിവിധ വകുപ്പുകളിൽ നിന്നും ദീർഘകാലത്തേക്ക് ഉണ്ടാകാം. ഉദാഹരണത്തിന്, ജീവനക്കാരെ നിലനിർത്തുന്നതിലെ മെച്ചപ്പെടുത്തലുകൾ പെട്ടെന്ന് ദൃശ്യമാകില്ല.

വിലകുറഞ്ഞ എച്ച്ആർ അനലിറ്റിക്\u200cസ് പ്ലാറ്റ്\u200cഫോമിനെ പിന്തുടരുന്നത് എല്ലായ്\u200cപ്പോഴും വലിയ സമ്പാദ്യത്തിലേക്ക് വിവർത്തനം ചെയ്യുന്നില്ലെന്ന് മനസിലാക്കുകയാണ് വെല്ലുവിളി. സോഫ്റ്റ്വെയറിന്റെയും ഉപകരണങ്ങളുടെയും അഭാവം ഫലപ്രദമല്ലാത്തതും അപൂർണ്ണവുമായ ഫലങ്ങളിലേക്ക് നയിച്ചേക്കാം, തൽഫലമായി, നിക്ഷേപത്തെ ന്യായീകരിക്കാൻ ആവശ്യമായ ഉയർന്ന ROI സൃഷ്ടിക്കുന്നില്ല.

എച്ച്ആർ അനലിറ്റിക്സ് നടപ്പിലാക്കുന്നതിനുള്ള അഞ്ച് ആദ്യ ഘട്ടങ്ങൾ

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

ഘട്ടം 1: നിങ്ങൾ പരിഹരിക്കാൻ ആഗ്രഹിക്കുന്ന ബിസിനസ്സ് പ്രശ്നങ്ങൾ തിരിച്ചറിയുന്നു

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, ഇത് തൊഴിൽ വൈവിധ്യവുമായി ബന്ധപ്പെട്ട ചോദ്യങ്ങൾ, ജീവനക്കാരെ നിലനിർത്തുന്നത് മെച്ചപ്പെടുത്തുക, പരിശീലനത്തിനായി ചെലവഴിച്ച തുക അളക്കുക, അല്ലെങ്കിൽ ജോലിസ്ഥലത്ത് നിന്ന് ഹാജരാകാതിരിക്കുന്നതിന്റെ കാരണങ്ങൾ നന്നായി മനസിലാക്കുക. മുന്നോട്ട് പോകുന്നതിനുമുമ്പ് നിങ്ങൾ ആരംഭിക്കേണ്ട ചില ലളിതമായ ചോദ്യങ്ങളുണ്ട്.

ഉദാഹരണത്തിന്, നിങ്ങളുടെ കമ്പനിയുടെ അടിത്തറ പോലുള്ള കാര്യങ്ങളെ എച്ച്ആർ എങ്ങനെ ബാധിക്കുന്നുവെന്ന് മനസിലാക്കാൻ നിങ്ങൾ ആഗ്രഹിക്കുന്നുവെന്ന് പറയാം.

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

• റിക്രൂട്ട്മെന്റ് സമയം - ഒരു ഒഴിവ് നികത്താൻ എത്ര സമയമെടുക്കും ഒരു സ്ഥാനാർത്ഥി ഒരു ഓഫർ സ്വീകരിച്ച് ഒരു ജീവനക്കാരനാകാൻ എടുക്കുന്ന സമയം?
• സ്റ്റാഫ് വിറ്റുവരവ് നിരക്ക് - ആദ്യ വർഷം, അഞ്ച് വർഷം, എന്നിങ്ങനെ എത്ര ജീവനക്കാർ പോകുന്നു?
• തൊഴിൽ ശക്തി വൈവിധ്യം - സ്ത്രീകൾ, പുരുഷന്മാർ, മത, വംശീയ വിഭാഗങ്ങൾ എന്നിവയിലെ ശതമാനം എത്രയാണ്?
• ഒരു ജീവനക്കാരന്റെ വരുമാനം, മുഴുവൻ സമയ ജീവനക്കാർക്കിടയിൽ - ഒരു മുഴുസമയ അടിസ്ഥാനത്തിൽ ലഭിക്കുന്ന വരുമാനം എന്താണ്?
• ഓവർ\u200cടൈം വേതനം - ഓവർ\u200cടൈം വേതനം എത്ര ഉയർന്നതാണ്, എത്ര തവണ ഇത് ചെയ്യുന്നു?
• താൽക്കാലിക തൊഴിലാളികളുടെ അനുപാതത്തിൽ സ്ഥിരമാണ് - പാർട്ട് ടൈം വേഴ്സസ് ഫുൾടൈം എത്ര ജീവനക്കാർ?

ഘട്ടം 2: മുകളിലുള്ള ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകുന്ന ഡാറ്റ തിരിച്ചറിയുക

നിങ്ങൾക്ക് ചോദ്യങ്ങളും പ്രശ്നങ്ങളും ഉണ്ടാകുമ്പോൾ, ഉത്തരം നൽകാനോ പരിഹരിക്കാനോ ആവശ്യമായ ഡാറ്റ തിരിച്ചറിയാൻ നിങ്ങൾക്ക് കഴിയും.

ആദ്യം, നിങ്ങളുടെ ശ്രദ്ധ നിങ്ങളുടെ ഡിപ്പാർട്ട്മെന്റിൽ ഇതിനകം സംഭരിച്ചിരിക്കുന്ന എച്ച്ആർ ഡാറ്റയിലായിരിക്കണം. നിയമനം, പ്രകടനം, പിന്തുടർച്ച എന്നിവയെക്കുറിച്ചുള്ള വിവരങ്ങൾ ഇതിൽ ഉൾപ്പെടുന്നു. നിങ്ങളുടെ ഡിപ്പാർട്ട്മെന്റ് ഇതിനകം തന്നെ ഈ ഡാറ്റാസെറ്റുകൾ നിരീക്ഷിച്ചുകൊണ്ടിരിക്കണം.

രണ്ടാമതായി, ഇടപഴകൽ, വോട്ടെടുപ്പുകൾ, അഭിമുഖങ്ങൾ എന്നിവപോലുള്ള കാര്യങ്ങളിൽ നിങ്ങൾ ഡാറ്റ ശേഖരിക്കാൻ ആരംഭിക്കണം. നിങ്ങളുടെ ഓർഗനൈസേഷനിലെ വിവരശേഖരണത്തിന്റെ തോത് അനുസരിച്ച്, ഈ ഡാറ്റ ശേഖരിക്കുന്നതിനുള്ള സംവിധാനങ്ങൾ നിങ്ങൾക്ക് ഇതിനകം ഉണ്ടായിരിക്കാം.

അവസാനമായി, നിങ്ങളുടെ ഡാറ്റ ശേഖരണം മറ്റ് ബിസിനസ്സ് സിസ്റ്റങ്ങളിലേക്കും വകുപ്പുകളിലേക്കും വ്യാപിപ്പിക്കേണ്ടതുണ്ട്. നിങ്ങൾ പ്രധാനപ്പെട്ട സാമ്പത്തിക അളവുകളും വിപണി ഗവേഷണവും ശേഖരിക്കാൻ ആരംഭിക്കണം. വിറ്റുവരവ്, വിൽപ്പന പ്രകടനം, വിപണി ഗവേഷണത്തിനും പരിശീലനത്തിനുമായി ചെലവഴിച്ച പണം എന്നിവ ഇതിൽ ഉൾപ്പെടുന്നു.

ഘട്ടം 3. ഇടിഎൽ നടപ്പിലാക്കുക: വേർതിരിച്ചെടുക്കൽ, പരിവർത്തനം, ലോഡിംഗ്

മുകളിൽ പറഞ്ഞതുപോലെ, ചില സോഫ്റ്റ്വെയറുകൾക്കും ഡാറ്റാ മൈനിംഗിനും പ്രത്യേക വിശകലന വൈദഗ്ദ്ധ്യം ആവശ്യമായി വരാമെന്നതിനാൽ എച്ച്ആർ വകുപ്പ് ഐടി വകുപ്പുമായി ചേർന്ന് പ്രവർത്തിക്കണം. അതിനാൽ രണ്ട് വകുപ്പുകളും തമ്മിൽ കൂടുതൽ അടുത്ത ബന്ധം സ്ഥാപിക്കുന്നത് നല്ലതാണ്.

ഈ പ്രക്രിയയുടെ ഒരു ഭാഗം ETL നടപ്പിലാക്കലാണ്: എക്\u200cസ്\u200cട്രാക്റ്റുചെയ്യുക, പ്രോസസ്സ് ചെയ്യുക, ലോഡ് ചെയ്യുക. ഈ പ്രക്രിയ സ്വപ്രേരിതമായി നടപ്പിലാക്കാൻ ഉപയോഗിക്കാവുന്ന ഉപകരണങ്ങളുണ്ട്. ഉദാഹരണത്തിന്, IMB വെബ്\u200cസ്\u200cഫിയർ ഡാറ്റാസ്റ്റേജും കോഗ്നോസ് ഡാറ്റാ മാനേജറും അല്ലെങ്കിൽ മൈക്രോസോഫ്റ്റ് എസ്\u200cക്യുഎൽ സെർവർ ഇന്റഗ്രേഷൻ സേവനങ്ങളും ഏറ്റവും പ്രചാരമുള്ള ഓപ്ഷനുകളാണ്. സാങ്കേതികേതര ഉദ്യോഗസ്ഥർക്ക് ഈ പ്ലാറ്റ്ഫോമുകൾ ഉപയോഗിക്കാൻ കഴിയുമെങ്കിലും, ഐടി വകുപ്പിനോട് സഹായം ചോദിക്കുന്നത് സഹായകമാകും.

നിങ്ങൾ നിർവചിച്ച ഉറവിടങ്ങളിൽ നിന്ന് നിങ്ങൾക്ക് ആവശ്യമായ ഡാറ്റ എക്\u200cസ്\u200cട്രാക്റ്റുചെയ്യാനും ശരിയായ ശുദ്ധവും സ്ഥിരവുമായ ഫോർമാറ്റിലേക്ക് പരിവർത്തനം ചെയ്യാനും വിശകലനത്തിനായി ഉപയോഗിക്കുന്ന നിങ്ങളുടെ അനലിറ്റിക്\u200cസ് പ്ലാറ്റ്\u200cഫോമിലേക്ക് അപ്\u200cലോഡുചെയ്യാനും ഈ പ്രക്രിയ നിങ്ങളെ അനുവദിക്കുന്നു.

ഘട്ടം 4. ബിസിനസ്സ് ഇടപാടുകളിലേക്ക് ഫലങ്ങളുടെ സംയോജനം

നിങ്ങളുടെ ഡാറ്റ വിശകലനം ഫലങ്ങൾ സൃഷ്ടിക്കാൻ ആരംഭിച്ചുകഴിഞ്ഞാൽ, നിങ്ങൾ മാറ്റങ്ങൾ നടപ്പിലാക്കാൻ ആരംഭിക്കേണ്ടതുണ്ട്. ഉദാഹരണത്തിന്, നിങ്ങൾ തൊഴിൽ ശക്തിയുടെ വൈവിധ്യത്തെക്കുറിച്ച് ഗവേഷണം നടത്തുകയും വംശീയ ന്യൂനപക്ഷങ്ങളിൽ നിന്ന് നിങ്ങൾക്ക് മതിയായ ആപ്ലിക്കേഷനുകൾ ലഭിക്കുന്നില്ലെന്ന് നിങ്ങളുടെ ഡാറ്റ കാണിക്കുകയും ചെയ്യുന്നുവെങ്കിൽ, നിങ്ങളുടെ നിയമന തന്ത്രം മാറ്റാൻ നിങ്ങൾ ആരംഭിച്ചേക്കാം.

കൂടാതെ, നിങ്ങൾ എച്ച്ആർ ഡാറ്റയും മറ്റ് ബിസിനസ്സ് അളവുകളും തമ്മിൽ ലിങ്കുകൾ സ്ഥാപിക്കേണ്ടതുണ്ട്. ഉദാഹരണത്തിന്, സ്റ്റാഫ് ഓവർ\u200cടൈം കുറയ്ക്കുന്നത് ഉൽ\u200cപാദനക്ഷമതയും ലാഭക്ഷമതയുമായി നേരിട്ട് ബന്ധപ്പെട്ടിരിക്കുന്നു. കെ\u200cപി\u200cഎം\u200cജിയുടെ “ആളുകളാണ് യഥാർത്ഥ സംഖ്യകൾ” റിപ്പോർട്ട് ഈ കണക്ഷനുകളുടെ പ്രാധാന്യം വർ\u200cക്ക്ഫോഴ്\u200cസ് ഹാജരാകാതിരിക്കുന്നതിനും ചെലവ്-ഫലപ്രാപ്തിക്കും ഉദാഹരണത്തിലൂടെ എടുത്തുകാണിക്കുന്നു.

“വിവിധ പ്രദേശങ്ങളിൽ അല്ലെങ്കിൽ മുൻ വർഷങ്ങളെ അപേക്ഷിച്ച് ഹാജരാകാതിരിക്കുന്നത് ട്രാക്കുചെയ്യുന്നത് ഉപയോഗപ്രദമാണെങ്കിലും, ഹാജരാകാതിരിക്കുന്നത് പ്രവർത്തനക്ഷമതയുമായി ക്രിയാത്മകമായി ബന്ധപ്പെട്ടിരിക്കുന്നുവെന്ന് എച്ച്ആർക്ക് കാണിക്കാൻ കഴിയുമെങ്കിൽ, മാനേജ്മെൻറ് എച്ച്ആറിന്റെ യഥാർത്ഥ മൂല്യം കാണും,” റിപ്പോർട്ട് പറയുന്നു.

ഘട്ടം 5. പതിവ് വിശകലനം നടത്തുന്നു

അവസാനമായി, എച്ച്ആർ അനലിറ്റിക്സ് പതിവായി ചെയ്യണം, അല്ലാത്തപക്ഷം ഇത് മിക്ക കേസുകളിലും അപ്രസക്തമാകും. അതിന്റെ നേട്ടങ്ങൾ പ്രയോജനപ്പെടുത്തുന്നതിന്, ഒരു പതിവ് പ്രക്രിയ നടപ്പാക്കണം.

ഉദാഹരണത്തിന്, ഡാറ്റ കൈകാര്യം ചെയ്യാൻ നിങ്ങൾ ആഗ്രഹിക്കുന്ന ഒരു പ്രശ്നം നിങ്ങൾ തിരിച്ചറിഞ്ഞു, ഒരു വിശകലനം നടത്തി, ഉത്തരം കണ്ടെത്തി. നിങ്ങളുടെ പ്രശ്\u200cനത്തിനുള്ള പരിഹാരങ്ങൾ\u200c നടപ്പിലാക്കിയ ശേഷം, മാറ്റത്തിനൊപ്പം എന്താണ് സംഭവിക്കുന്നതെന്നും പുതിയ എന്തെങ്കിലും പ്രശ്നങ്ങളുണ്ടോയെന്നും പരിശോധിക്കുന്നതിന് നിങ്ങൾ പതിവായി ഇതിലേക്ക് മടങ്ങേണ്ടതുണ്ട്.

ഉപസംഹാരം

ഡാറ്റാ മാനേജ്മെന്റിന്റെ അവിഭാജ്യ ഘടകമാണ് എച്ച്ആർ അനലിറ്റിക്സ്, ഇത് നടപ്പിലാക്കുന്നത് ഏത് ഓർഗനൈസേഷനും നല്ല പ്രതിഫലം നൽകും. എന്നാൽ, മുകളിൽ ചർച്ച ചെയ്തതുപോലെ, ഡാറ്റ കൈകാര്യം ചെയ്യുന്നതും വിശകലനം ചെയ്യുന്നതും വ്യാഖ്യാനിക്കുന്നതും എളുപ്പമല്ല, കൂടാതെ ഓർ\u200cഗനൈസേഷനുകൾ\u200c “മനുഷ്യ” വിശകലനങ്ങളെ ഒരു ഘട്ടത്തിൽ ഒരു ഘട്ടത്തിൽ സമീപിക്കേണ്ടതുണ്ട്.

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

• കോർപ്പറേറ്റ് സംസ്കാരം

കീവേഡുകൾ\u200c:

1 -1

ഇവിടെ നിന്ന് എവിടെ പോകണമെന്ന് ദയവായി എന്നോട് പറയുക?
- നിങ്ങൾക്ക് എവിടെ പോകണം? - പൂച്ചയ്ക്ക് ഉത്തരം നൽകി.
- ഞാൻ കാര്യമാക്കുന്നില്ല ... - ആലീസ് പറഞ്ഞു.
- അപ്പോൾ നിങ്ങൾ എവിടെ പോയാലും പ്രശ്നമില്ല, - പൂച്ച പറഞ്ഞു.
- ... എവിടെയെങ്കിലും പോകാൻ, - ആലീസ് വിശദീകരിച്ചു.
- നിങ്ങൾ തീർച്ചയായും എവിടെയെങ്കിലും എത്തും, - പൂച്ച പറഞ്ഞു. - നിങ്ങൾ ദീർഘനേരം നടക്കണം.
ലൂയിസ് കരോൾ, ആലീസിന്റെ സാഹസികതയിലെ വണ്ടർലാൻഡ്. ആലീസ് ഇൻ ദ വണ്ടർ\u200cലാൻ\u200cഡ് "

ഉപയോഗശൂന്യമായ ചരിത്രപരമായ എച്ച്ആർ അളവുകൾ നിങ്ങൾ കണ്ടിട്ടുണ്ടോ? അനാവശ്യമായ എല്ലാം ഉപേക്ഷിക്കാം, സുപ്രധാനമായത് പരിശോധിക്കുക: എച്ച്ആർ അനലിറ്റിക്\u200cസിന്റെ ഏറ്റവും പ്രധാനപ്പെട്ട സൂചകങ്ങളെക്കുറിച്ച് സൈറ്റ് പോർട്ടലിനോട് പറഞ്ഞു ദിമിത്രി സുപ്രോനെൻകോ , മെറ്റൽ പ്രൊഫൈൽ കമ്പനി എച്ച്ആർ വിഭാഗം മേധാവി.

പേഴ്\u200cസണൽ മാനേജ്\u200cമെന്റ് മേഖലയിലെ അനലിറ്റിക്\u200cസ് ഒരു സ്വതന്ത്രവും പ്രധാനപ്പെട്ടതുമായ ഒരു ബ്ലോക്ക് എന്ന നിലയിൽ - ഒരു വശത്ത്, ആഭ്യന്തര കമ്പനികളുടെ വിഷയം തികച്ചും പുതിയതാണ്. എന്നെ സംബന്ധിച്ചിടത്തോളം, എച്ച്ആർ ഫംഗ്ഷൻ അതിന്റെ ആധുനിക രൂപത്തിൽ പേഴ്\u200cസണൽ ഡിപ്പാർട്ട്\u200cമെന്റിൽ നിന്നും കമ്പനിയുടെ സിഇഒയ്ക്ക് നേരിട്ട് കീഴടങ്ങുകയും സാമ്പത്തിക, സാമ്പത്തിക ബ്ലോക്കിന്റെ ഭാഗമായി ഒ & ഇസെഡ് രൂപീകരിക്കുകയും ചെയ്യുന്നു.

മറുവശത്ത്, ഈ കാലയളവ് ചില കമ്പനികൾക്ക് ഒരു പടി മാത്രമല്ല, ഒരു മുഴുവൻ കുതിച്ചുചാട്ടവും നടത്തുന്നതിന് പര്യാപ്തമാണ്, മറ്റുള്ളവ താൽക്കാലികമായി നിർത്തിവച്ച ആനിമേഷന്റെ അവസ്ഥയിൽ തുടരുന്നു. തൽഫലമായി, ഒരേ വ്യവസായത്തിനുള്ളിൽ പോലും, എച്ച്ആർ അനലിറ്റിക്\u200cസിന്റെ സമീപനങ്ങളിലും വികസന നിലയിലും അത്തരമൊരു സുപ്രധാന വ്യത്യാസം നമുക്ക് നിരീക്ഷിക്കാൻ കഴിയും, ഡിജിറ്റൽ യുഗത്തിൽ നമുക്ക് നമ്മുടെ തോളിൽ തട്ടിമാറ്റാൻ മാത്രമേ കഴിയൂ.

എന്നാൽ ഒന്നും സംഭവിക്കാത്തതിനാൽ (പ്രവർത്തനവും നിഷ്\u200cക്രിയത്വവും), വ്യത്യസ്ത സമീപനങ്ങളുടെ കാരണങ്ങൾ സ്ഥിരമായി കൈകാര്യം ചെയ്യാം. ഞാൻ അവയെ എനിക്കായി വസ്തുനിഷ്ഠമായി വിഭജിക്കുന്നു (അവ എച്ച്ആർഡി കമ്പനിയിൽ നിന്ന് സ്വതന്ത്രമായി നിലനിൽക്കുന്നു) ആത്മനിഷ്ഠവും.

വസ്തുനിഷ്ഠമായവയിൽ നിന്ന് ആരംഭിക്കാം. ഒന്നാമതായി, എന്റെ വ്യക്തിപരമായ അഭിപ്രായത്തിൽ, മിക്കതും കമ്പനിയുടെ എച്ച്ആർ അനലിറ്റിക്സിനെ നേരിട്ട് ബാധിക്കുകയും മറ്റ് ഘടകങ്ങളെ പരോക്ഷമായി ബാധിക്കുകയും ചെയ്യുന്ന ഏറ്റവും പ്രധാനപ്പെട്ട ഘടകത്തിൽ നിന്ന് വ്യവസായത്തിലെ മത്സരത്തിന്റെ തോത്.

അടിസ്ഥാന വിദ്യാഭ്യാസമുള്ള ഒരു സാമ്പത്തിക ശാസ്ത്രജ്ഞനെന്ന നിലയിൽ, ഉയർന്ന മത്സരാധിഷ്ഠിത കമ്പോളമാണ് ഒരു ഉൽ\u200cപ്പന്നം / സേവനം, ഉൽ\u200cപാദന സാങ്കേതികവിദ്യ, ലോജിസ്റ്റിക്സ്, അസംസ്കൃത വസ്തുക്കളുടെ ലഭ്യത മുതലായവ കഴിയുന്നത്ര ഏകീകൃതവും വാങ്ങുന്നയാൾ പ്രായോഗികമായി ഈ ഉൽപ്പന്നം / സേവനം ആരിൽ നിന്ന് വാങ്ങിയെന്ന് ശ്രദ്ധിക്കുന്നില്ല. ഈ സാഹചര്യങ്ങളിൽ, സേവന നിലവാരം ആദ്യം വരുന്നു, അതിനാലാണ് 21-ാം നൂറ്റാണ്ടിലെ സമ്പദ്\u200cവ്യവസ്ഥയെ പല തന്ത്രപ്രധാന ഗുരുക്കന്മാരും ഇതിനകം ഇംപ്രഷനുകളുടെ സമ്പദ്\u200cവ്യവസ്ഥ എന്ന് വിളിക്കുന്നത്. ഈ അവസ്ഥകളിലെ പ്രധാന കാര്യം, തന്ത്രപരമായ നേട്ടം ഉദ്യോഗസ്ഥർ അല്ലെങ്കിൽ അതിന്റെ ഗുണനിലവാരമാണ്. ഉയർന്ന മത്സരാധിഷ്ഠിതമായ അത്തരം വിപണികളിലെ ശക്തമായ തൊഴിലാളികൾക്കുള്ള മത്സരവും ശ്രദ്ധേയമാണ് എന്നത് യുക്തിസഹമാണ്.

എച്ച്ആർ സ്പെഷ്യലിസ്റ്റുകൾക്ക് മറ്റ് മാർഗങ്ങളൊന്നുമില്ല, എന്നാൽ ഈ സാഹചര്യങ്ങളിൽ വിപണിയിൽ നിന്ന് മികച്ച സ്പെഷ്യലിസ്റ്റുകളെ എത്രയും വേഗം കണ്ടെത്താനും / ആകർഷിക്കാനും സാധ്യമായ ഏറ്റവും വലിയ സമയത്തേക്ക് ആവശ്യമായ ഇടപെടൽ നിലനിർത്താനും സാധ്യമായ എല്ലാ വിശകലന ഉപകരണങ്ങളും ഉപയോഗിക്കുക.

അതിനാൽ, ഇതെല്ലാം "റിക്രൂട്ട്\u200cമെന്റ് ഫണൽ" എന്നതിലെ അനലിറ്റിക്\u200cസിൽ ആരംഭിക്കുന്നു, സ്റ്റാഫ് വിറ്റുവരവിന്റെ കാരണങ്ങളാൽ അനലിറ്റിക്\u200cസിൽ അവസാനിക്കുന്നു, അവയ്ക്കിടയിൽ പൊരുത്തപ്പെടുത്തൽ, പ്രചോദനം, പരിശീലനം, വികസനം, ഇടപഴകൽ, കോർപ്പറേറ്റ് സംസ്കാരം മുതലായവയെക്കുറിച്ചുള്ള സൂചകങ്ങളുടെ ഒരു ലോകം മുഴുവൻ ഉണ്ട്. ഉദാഹരണത്തിന്, ഞങ്ങൾക്ക് ഐടി സ്പെഷ്യലിസ്റ്റുകളുടെ മാർക്കറ്റ് എടുക്കാം. പല വ്യവസായങ്ങളിലും യഥാർത്ഥ വേതനം അടുത്ത കാലത്തായി കുറഞ്ഞുവരുന്നുണ്ടെങ്കിലും, ഇവിടെ സ്ഥിരവും സുസ്ഥിരവുമായ വളർച്ച നാം കാണുന്നു.

ഒരു ഐടി സ്പെഷ്യലിസ്റ്റിനായി ഒരു പുതിയ ജോലി കണ്ടെത്തുന്നതിനുള്ള സമയം വളരെ കുറവാണ്, അത്തരം സാഹചര്യങ്ങളിൽ അവരുടെ ക്ലെയിമുകളുടെ തോത് നിരന്തരം വളരുകയാണ്. കമ്പനികൾ എങ്ങനെ പ്രതികരിക്കുന്നു? വ്യക്തിഗത സമീപനം. സമർപ്പിത ഒന്നോ അതിലധികമോ (സ്\u200cകെയിലിനെ ആശ്രയിച്ച്) റിക്രൂട്ടർമാരിൽ നിന്ന് ആരംഭിച്ച്, എച്ച്ആർഡിക്ക് ഉയർന്ന നിലവാരമുള്ള സ്പെഷ്യലിസ്റ്റുകളെ കാഴ്ചയിലൂടെ അറിയാമെന്ന വസ്തുതയോടെ അവസാനിക്കുന്നു (കമ്പനിയുടെ എണ്ണം 10,000+ ആണെങ്കിൽ പോലും), കാരണം വോളിയത്തിന്റെയും ആവൃത്തിയുടെയും അടിസ്ഥാനത്തിൽ സ്റ്റാൻ\u200cഡേർഡ് അവസ്ഥകളിലെയും ഉദ്യോഗസ്ഥരോടുള്ള സമീപനങ്ങളിലെയും മാറ്റങ്ങൾ\u200c, കമ്പനിയുടെ ഉയർന്ന മാനേജ്മെൻറുമായി അവർ ഒരേ നിലയിലാണ്. എന്നാൽ ഇത് വളരെ മത്സരാധിഷ്ഠിതമായ വ്യവസായങ്ങൾക്കുള്ളതാണ്. വ്യവസായത്തിന് ഒരു കുത്തക / ഒളിഗോപോളി സ്വഭാവം ഉണ്ടെങ്കിൽ, ഈ "ട്യൂണിംഗ്" എല്ലാം ആവശ്യമില്ല.

അവർ എച്ച്ആർ അനലിറ്റിക്സ് ഉപയോഗിക്കുന്നില്ലെന്ന് ഞാൻ പറയുന്നില്ല, ഇല്ല. എന്നാൽ അതിന്റെ ഉള്ളടക്കം കൂടുതൽ വിരളമായിരിക്കും, അല്ലെങ്കിൽ (പലപ്പോഴും എന്റെ അനുഭവത്തിൽ) തീരുമാനമെടുക്കുന്നതിനുള്ള ജോലിയിൽ ഇത് ഉപയോഗിക്കുന്നത് .പചാരികമായിരിക്കും. ഒരു പ്രശസ്ത വിദേശ കൺസൾട്ടിംഗ് കമ്പനി വികസിപ്പിച്ച അളവുകളുടെ ഒരു പ്രധാന പട്ടിക മോസ്കോ പതിവായി അഭ്യർത്ഥിക്കുന്ന ഒരു കമ്പനിയിൽ അദ്ദേഹം തന്നെ ജോലി ചെയ്തു. ആശയവിനിമയ പദ്ധതി എല്ലായ്പ്പോഴും സാധാരണമാണ്: അഭ്യർത്ഥിച്ചു - നൽകിയിട്ടുണ്ട് - മറന്നു.

രണ്ടാമതായി, വ്യവസായ അഫിലിയേഷൻ (പ്രത്യേകത)... ഒരു ഉദാഹരണം ഉപയോഗിച്ച് ഞാൻ വിശദീകരിക്കാം. നിരവധി വർഷങ്ങൾക്ക് മുമ്പ് റഷ്യയിലെ ഏറ്റവും വലിയ കാർഷിക യന്ത്ര നിർമ്മാതാക്കളിൽ ഒരാളുടെ എച്ച്ആർഡി സ്ഥാനത്തിനായി എന്നെ അഭിമുഖം നടത്തി. സി\u200cഇ\u200cഒ ഉത്തരവാദിത്തത്തേക്കാൾ കൂടുതൽ സമീപിച്ചു (ജോലിസ്ഥലത്തെ അദ്ദേഹത്തിന്റെ അനുഭവം ഞാൻ കടമെടുത്തു), വിലയിരുത്തലുകളുടെയും നിരവധി അഭിമുഖങ്ങളുടെയും ഫലങ്ങളിൽ സ്വയം പരിമിതപ്പെടുത്താതെ, കമ്പനിയുടെ സ facilities കര്യങ്ങളിലേക്കും എല്ലാ എച്ച്ആർ വിവരങ്ങളിലേക്കും സ access ജന്യ ആക്സസ് നൽകുകയും ഒരു കർമപദ്ധതി അഭ്യർത്ഥിക്കുകയും ചെയ്തു 2 വർഷത്തേക്ക്. എല്ലാറ്റിന്റെയും അവസാനം ഞാൻ മറ്റൊരു തൊഴിലുടമയുടെ ക്ഷണം സ്വീകരിച്ചുവെങ്കിലും, ഈ കമ്പനിയുടെ അനുഭവം ഇപ്പോഴും എനിക്ക് രസകരമാണ്.

ഉത്തരവാദിത്തമുള്ള എച്ച്ആർ മേഖലയിലെ ഒരു പ്രധാന സവിശേഷത കാർഷിക വർഷവുമായി ബന്ധപ്പെട്ട് പ്രകടമാകുന്ന കാലികതയാണ്. സീസണാലിറ്റി ഉള്ള ആരെയും നിങ്ങൾ ആശ്ചര്യപ്പെടുത്തുകയില്ല, എന്നാൽ ഇവിടെ നിങ്ങൾ സ്കെയിൽ കണക്കിലെടുക്കേണ്ടതുണ്ട് (പ്രതിവർഷം ആയിരത്തിലധികം പ്രൊഡക്ഷൻ തൊഴിലാളികളെ നിയമിക്കുക, പരിശീലിപ്പിക്കുക, തുടർന്ന് കുറയ്ക്കുക എന്നിവ ആവശ്യമാണ്), തൊഴിലാളികളുടെ യോഗ്യതകൾക്കുള്ള ഉയർന്ന തലത്തിലുള്ള ആവശ്യകതകൾ (ഇത് വെയർ\u200cഹ house സ് തൊഴിലാളികളെ നിയമിക്കുന്നതിനല്ല), സ്ഥാനം (എല്ലാ ഉൽ\u200cപാദന യൂണിറ്റുകളും നഗരത്തിന്റെ ഒരേ പ്രദേശത്താണ് സ്ഥിതിചെയ്യുന്നത്), സൈക്കിളിന്റെ ആവർത്തന ആവൃത്തി (അക്കാലത്ത് ഇത് ഇതിനകം അഞ്ചാമത്തെ റിക്രൂട്ട്മെന്റ് / റിഡക്ഷൻ സൈക്കിൾ ആയിരുന്നു) എച്ച്ആർ ബ്രാൻഡിന് തുടർന്നുള്ള എല്ലാ അനന്തരഫലങ്ങളും (എയർപോർട്ടിൽ നിന്ന് പോകുന്ന വഴിയിലെ ആദ്യത്തെ ടാക്സി ഡ്രൈവർ കമ്പനിയുടെ ഉടമസ്ഥാവകാശം മാറിയതിനുശേഷം പ്ലാന്റിന്റെ മുഴുവൻ കഥയും എന്നോട് പറഞ്ഞു, നിങ്ങൾ ഇവിടെത്തന്നെ ജോലിക്ക് പോകേണ്ടതുണ്ട്. അവസാന കേസ്).

എന്റർപ്രൈസിലെ പ്രധാന എച്ച്ആർ ഡിപ്പാർട്ട്മെന്റ് ഒ & എച്ച് (പതിവുപോലെ) അല്ലായിരുന്നുവെന്ന് വ്യക്തമാണ്, എന്നാൽ പേഴ്\u200cസണൽ സെലക്ഷൻ ഡിപ്പാർട്ട്\u200cമെന്റ്, ഒരു മാസത്തിനുള്ളിൽ ഇത്രയധികം ജീവനക്കാരെ തിരഞ്ഞെടുക്കുന്നത് ഉറപ്പാക്കേണ്ടതായിരുന്നു. 2 വസ്തുതകളാൽ ഞാൻ ആശ്ചര്യപ്പെട്ടു: ഈ വകുപ്പിലെ എല്ലാ ജോലിക്കാരും പുരുഷന്മാരായിരുന്നു (ഇത് പൊതുവെ എച്ച്ആർ പ്രവർത്തനത്തിനും പ്രത്യേകിച്ചും റിക്രൂട്ട് ചെയ്യുന്നതിനും സാധാരണമല്ല), എച്ച്ആർ അനലിറ്റിക്\u200cസിന്റെ ഗുണനിലവാരം.

നിരന്തരമായ അടിസ്ഥാനത്തിലാണ് അവർ എല്ലാം ട്രാക്കുചെയ്തതെന്ന് എനിക്ക് തോന്നുന്നു. ഞാൻ "സെലക്ഷൻ ഫണലിനെ" കുറിച്ച് പോലും സംസാരിക്കുന്നില്ല, ഓരോ വർക്ക്ഷോപ്പിനും ഇത് സ്ഥാനങ്ങളുടെ പശ്ചാത്തലത്തിൽ സമാഹരിച്ചിരിക്കുന്നു, എനിക്ക് അറിയാവുന്ന എല്ലാ ബാഹ്യ, ആന്തരിക ചാനലുകളിലൂടെയും സ്ഥാനാർത്ഥികളെ ആകർഷിക്കുന്നതിന്റെ ഫലപ്രാപ്തി താരതമ്യം ചെയ്തു, വിശകലനത്തിന് ഒരു പ്രത്യേക സ്ഥലം അനുവദിച്ചു ആദ്യ മൂന്ന് മാസങ്ങളിൽ സ്റ്റാഫ് വിറ്റുവരവിന്റെ ആന്തരിക സ്ഥിതിവിവരക്കണക്കുകളായി മുഴുവൻ അഡാപ്റ്റേഷൻ കാലഘട്ടവും വിഭജിക്കപ്പെട്ടിട്ടുണ്ട്, കൂടാതെ മുഴുവൻ അഡാപ്റ്റേഷൻ ശൃംഖലയിലും, ഒരു ട്രയൽ കാലയളവിൽ സ്റ്റാഫ് വിറ്റുവരവുള്ള അതേ ഫണൽ.

മൂന്നാമതായി, കമ്പനി വികസനത്തിന്റെ ഘട്ടം... എൽ. ഗ്രീനർ ഒരു ഓർഗനൈസേഷന്റെ ജീവിത ചക്രത്തിന്റെ പ്രസിദ്ധമായ മാതൃക ഇവിടെ ഓർമ്മിക്കേണ്ടത് ആവശ്യമാണ്. ലേഖനത്തിൽ ഇത് വിശദമായി വികസിപ്പിക്കുന്നതിൽ അർത്ഥമില്ല - വിഷയത്തിലെ കാര്യങ്ങൾ ഇന്റർനെറ്റിൽ എളുപ്പത്തിൽ ലഭ്യമാണ്.

കമ്പനിയിൽ\u200c കെ\u200cപി\u200cഐ / ബി\u200cഎസ്\u200cസി സംവിധാനം നടപ്പിലാക്കുന്നതിനെ പിന്തുണയ്ക്കുന്നവരും എതിരാളികളും (കൂടാതെ എച്ച്\u200cആറിലെ അനലിറ്റിക്\u200cസ് കെപിഐ സിസ്റ്റത്തിന്റെ ഒരു ഘടകമാണ്, കാരണം ആസൂത്രണം, നിയന്ത്രണം, പ്രചോദനം എന്നിവയില്ലാതെ തന്നെ, കമ്പനിക്ക് മൂല്യം നൽകുന്നില്ല) പരസ്പരം യോജിക്കാൻ കഴിയില്ല, കാരണം അവരുടെ തർക്കത്തിന്റെ അടിസ്ഥാനം ഗ്രെയ്\u200cനർ അനുസരിച്ച് വികസനത്തിന്റെ വിവിധ ഘട്ടങ്ങളിലുള്ള സംഘടനകളാണ്. "സർഗ്ഗാത്മകത" എന്ന ഘട്ടത്തിൽ, നിയമത്തിന് അപൂർ\u200cവ്വമായ അപവാദമായിരിക്കും അനലിസ്റ്റ് എങ്കിൽ, "ഡയറക്റ്റീവ് നേതൃത്വം" എച്ച്ആർ അനലിറ്റിക്സ് ലളിതമാക്കിയിരിക്കുന്നു (2-3 പൊതു സൂചകങ്ങൾ), തുടർന്ന് "ഡെലിഗേഷൻ" ഘട്ടത്തിൽ ഒരു പ്രധാന കാര്യമുണ്ട് സൂചകങ്ങളുടെ അളവും ഗുണപരവുമായ വികസനം, "ഏകോപന" ഘട്ടത്തിൽ, അനലിറ്റിക്സ് അനാവശ്യമായിത്തുടങ്ങുന്നു (എച്ച്ആർ അനലിറ്റിക്സ് നടത്തുന്നതിനുള്ള ഇടപാട് ചെലവ് ഓർഗനൈസേഷന്റെ സാമ്പത്തിക ഫലത്തെ കവിയുമ്പോൾ). ഇവിടെ കെപിഐയുടെ എതിരാളികൾ വേദിയിലേക്ക് ഉയർന്ന് വിമർശിക്കാൻ തുടങ്ങുന്നു.

അവ ഭാഗികമായി ശരിയാണ്, എന്നാൽ മിക്ക ആഭ്യന്തര കമ്പനികളും നാലാം ഘട്ടത്തിലേക്ക് “വളർന്നിട്ടില്ല” എന്നും ഒരിക്കലും വളരാൻ സാധ്യതയില്ലെന്നും നിങ്ങൾ ഉടൻ തന്നെ ഒരു വ്യക്തത വരുത്തേണ്ടതുണ്ട്. അഞ്ചാം ഘട്ടത്തിലേക്ക് പോകേണ്ടതിന്റെ ആവശ്യകതയെക്കുറിച്ച് ആത്മവിശ്വാസത്തിന്റെ ഒരു പ്രതിസന്ധി നേരിട്ട ഏതാനും ഭാഗ്യവാന്മാർ (ആർ\u200cബി\u200cസി 500 പട്ടികയിലെ നേതാക്കൾ) ഗ seriously രവമായി ചിന്തിക്കുന്നു: “സഹകരണം”.

എൽ. ഗ്രീനർ പറയുന്നതനുസരിച്ച്, ഈ ഘട്ടത്തിൽ ടീം ബിൽഡിംഗിനും പരസ്പര സഹകരണത്തിനും പ്രത്യേക ശ്രദ്ധ നൽകുന്നു, formal പചാരിക നിയന്ത്രണ സംവിധാനങ്ങൾ ക്രമേണ സാമൂഹിക നിയന്ത്രണവും സ്വയം അച്ചടക്കവും ഉപയോഗിച്ച് മാറ്റിസ്ഥാപിക്കുന്നു. ഒരു ഓർഗനൈസേഷന്റെ വികസനത്തിന്റെ ഓരോ ഘട്ടത്തിനും എച്ച്ആർ മെട്രിക്സ് സിസ്റ്റത്തോട് അതിന്റേതായ സമീപനമുണ്ട്, കൂടാതെ സമീപനത്തെ ലളിതമാക്കുന്നത് ഏകീകൃത ആവശ്യകതകളായി ചുരുക്കുന്നത് അംഗീകരിക്കാനാവില്ല, അതുപോലെ തന്നെ വികസനത്തിന്റെ വിവിധ ഘട്ടങ്ങളിൽ സംഘടനകളുടെ എച്ച്ആർ അനലിറ്റിക്സ് താരതമ്യം ചെയ്യുന്നത് പ്രൊഫഷണലല്ല.

നാലാമത്തെ, കമ്പനിയിലെ ഓട്ടോമേഷൻ നില... ഇവിടെ, എന്റെ അഭിപ്രായത്തിൽ, എല്ലാം വളരെ ലളിതമാണ്: വെടിമരുന്നും യൂണിഫോമും ഉള്ള നിങ്ങളുടെ സൈനികർ വളരെ പിന്നിലാണെങ്കിൽ നിങ്ങൾക്ക് വലിയ തോതിൽ ആക്രമണം നടത്താൻ കഴിയില്ല. കൈകൊണ്ട് ഒത്തുചേരുന്ന എച്ച്ആർ അനലിറ്റിക്സ് ഒരു മികച്ച ഉപകരണത്തെ കളങ്കപ്പെടുത്തുന്നതിനുള്ള ഒരു ഉറപ്പായ മാർഗമാണ്. അതിനാൽ, ഞങ്ങൾ ഐടി ഡിപ്പാർട്ടുമെന്റുമായി ചങ്ങാതിമാരാണ്, നിങ്ങളുടെ സ്ഥിതിവിവരക്കണക്കുകൾ സൂക്ഷിക്കുന്ന ഇആർ\u200cപി സിസ്റ്റത്തിൽ നിങ്ങൾക്ക് ഒരു സമർപ്പിത അനലിസ്റ്റ് ഉണ്ടായിരിക്കണം.

കമ്പനിയുടെ വലുപ്പത്തെ ആശ്രയിച്ച്, നിരവധി എച്ച്ആർ സിസ്റ്റങ്ങളിൽ നിന്നുള്ള ഡാറ്റ സംയോജിപ്പിക്കുന്നതിനുള്ള ജോലികളുടെ ഒരു ബ്ലോക്ക് ചേർക്കാം. എന്റെ സ്വന്തം അനുഭവത്തിൽ നിന്ന്, ഏറ്റവും കൂടുതൽ പരിശ്രമിക്കേണ്ടത് ഇന്റഗ്രേഷൻ സജ്ജീകരണമാണെന്ന് എനിക്ക് പറയാൻ കഴിയും, അതിന്റെ ഫലമായി ചില കമ്പനികൾ എല്ലാ എച്ച്ആർ പ്രവർത്തനങ്ങളെയും ഒരൊറ്റ പ്ലാറ്റ്ഫോമിലേക്ക് മാറ്റാനുള്ള യുക്തിസഹമായ (എന്നാൽ വിലകുറഞ്ഞതല്ല) തീരുമാനമെടുത്തു.

ആത്മനിഷ്ഠ ഘടകങ്ങളെക്കുറിച്ച് ഇപ്പോൾ കുറച്ച്.

ആദ്യം, ഉപഭോക്തൃ ലഭ്യത: എച്ച്ആർ സ്വന്തമായി നിലനിൽക്കേണ്ടതില്ല. ഓരോ ടാസ്\u200cക്കിനും / പ്രോജക്റ്റിനും എല്ലായ്പ്പോഴും ഒരു ഗുണഭോക്താവ് ഉണ്ടായിരിക്കണം: ഉടമ, ബോർഡ് ഓഫ് ഡയറക്ടർമാർ, മാനേജുമെന്റ് ബോർഡ്, സി\u200cഇ\u200cഒ, ബിസിനസ് യൂണിറ്റിന്റെ ഡയറക്ടർ, ഫംഗ്ഷണൽ ബ്ലോക്കിന്റെ തലവൻ അല്ലെങ്കിൽ മറ്റൊരാൾ, ശീർഷകം / ബോഡി എന്തുതന്നെയായാലും വിളിച്ചു. ടാസ്ക് / പ്രോജക്റ്റിന് ഈ ഗുണഭോക്താവ് ഇല്ലെങ്കിൽ (ഇത് നിർഭാഗ്യവശാൽ സംഭവിക്കുന്നു), എച്ച്ആർ മാനേജർക്ക് കമ്പനിയിൽ “സന്തോഷം ഉണ്ടാക്കുന്നു” എന്ന് അറിയപ്പെടാനുള്ള സാധ്യത കുത്തനെ വർദ്ധിക്കുന്നു. ഇതിനർത്ഥം നിങ്ങൾക്ക് ഒരു ചുമതല നൽകിയിട്ടില്ലെങ്കിൽ, നിങ്ങൾ അത് കൈകാര്യം ചെയ്യേണ്ടതില്ല എന്നാണ്. ഇത് ഗുണഭോക്താവിന് താൽപ്പര്യമുള്ളത് എന്തുകൊണ്ടാണെന്ന് നിങ്ങൾ മനസിലാക്കുന്നുവെങ്കിൽ അത് ആവശ്യമാണ്, എന്നാൽ ആദ്യം ചെയ്യേണ്ടത് അവന്റെ സമ്മതം നേടുക എന്നതാണ്.

പ്രായോഗികമായി ഞാൻ വിശദീകരിക്കാം. ഉദാഹരണത്തിന്, നിരവധി വലിയ കമ്പനികളിൽ എച്ച്ആർ ഡിപ്പാർട്ട്മെന്റിന്റെ തലവനായ ഒരു നേതാവിനെ എടുക്കുക, അവിടെ എച്ച്ആർഡിയുടെ ശ്രദ്ധാകേന്ദ്രത്തിലെ പ്രധാന സൂചകങ്ങളിലൊന്ന് സ്റ്റാഫിംഗാണ്, ഇത് കമ്പനിയുടെ മൊത്തം മൂല്യമായും വിവിധ വിശകലന വിഭാഗങ്ങളിലും (പ്രകാരം ബിസിനസ്സ് യൂണിറ്റുകൾ, ഫംഗ്ഷണൽ ബ്ലോക്കുകളും മറ്റുള്ളവയും പ്രകാരം).

ഒന്നാമതായി, ഉത്തരവാദിത്തത്തിന്റെ എച്ച്ആർഡി മേഖലയിലെ മുഴുവൻ ബജറ്റും (അതിൻറെ പരമാവധി പങ്ക് ശമ്പളപ്പട്ടികയാണ്) ഒരു നിർദ്ദിഷ്ട കാലയളവിലെ ആസൂത്രിത സ്റ്റാഫ് വലുപ്പത്തെ നേരിട്ട് ആശ്രയിച്ചിരിക്കുന്നു (ചട്ടം പോലെ, ഇത് ഒരു പാദമാണ്, ഉയർന്ന ഉച്ചാരണമുള്ള കമ്പനികൾക്ക് വിൽപ്പന / ഉൽപാദനത്തിന്റെ കാലികത - ഒരു മാസം). രണ്ടാമതായി, മറ്റ് പ്രധാന അളവുകൾ (ഉദാ. സ്റ്റാഫിംഗ് ലെവലുകൾ, കാലഹരണപ്പെട്ട ഒഴിവുകൾ) ഹെഡ്ക ount ണ്ടിനെ വളരെയധികം ആശ്രയിച്ചിരിക്കുന്നു.

ഞങ്ങൾ ഈ മാനേജരെ തുല്യമായ ഒരു വലിയ കമ്പനിയിലേക്ക് മാറ്റുകയാണ്. ഇത് എങ്ങനെ പ്രവർത്തിക്കാൻ തുടങ്ങും? മിക്കവാറും, ആദ്യത്തെ എച്ച്ആർ പ്രക്രിയകളുടെ ഓഡിറ്റ് ആയിരിക്കും (അവനുവേണ്ടിയുള്ള സാധാരണ കോർഡിനേറ്റ് സിസ്റ്റത്തിലെ അനലിറ്റിക്സ് ശേഖരണം ഉൾപ്പെടെ). കമ്പനിയിലെ ഒഴിവുകളുടെ വിഹിതം മൊത്തം സ്റ്റാഫുകളുടെ 30% ആണെന്നും ഒഴിവുകളുടെ എണ്ണത്തിന്റെ 10% ൽ കൂടുതൽ റിക്രൂട്ട് ചെയ്യുന്നതിനുള്ള അപേക്ഷകളാണെന്നും ഇവിടെ വ്യക്തമാക്കുന്നു. എന്താണ് ഇതുകൊണ്ട് അർത്ഥമാക്കുന്നത്?

മിക്കവാറും, പ്രശ്നം തിരഞ്ഞെടുക്കലിലല്ല, പക്ഷേ സ്റ്റാഫിംഗ് പട്ടിക “ഡെഡ്” ഒഴിവുകളാൽ നിറഞ്ഞിരിക്കുന്നു. ഈ ഒഴിവുകളുടെ കാലാവധിയും പ്രാധാന്യമർഹിക്കുന്നുവെങ്കിൽ, ഉദ്യോഗസ്ഥരുടെ എണ്ണം ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിനുള്ള നിലവിലുള്ള നടപടികൾ കണക്കിലെടുക്കുമ്പോൾ, ഒരു റിഫ്ലെക്സ് തീരുമാനം (സബ്കോർടെക്സ് തലത്തിൽ മാറ്റിവയ്ക്കുന്നത്) കാലഹരണപ്പെട്ട ഒഴിവുകൾ കുറയ്ക്കും അല്ലെങ്കിൽ കുറഞ്ഞത് ഉള്ളവ വൃത്തിയാക്കുക തിരഞ്ഞെടുക്കലിനായി ഒരു ആപ്ലിക്കേഷൻ പോലും ഇല്ല, സംഖ്യയുടെ അടിസ്ഥാനത്തിൽ അടിസ്ഥാന തൊഴിലാളി തലത്തിലേക്ക് പോകുക, ഇതെല്ലാം എന്തുചെയ്യണമെന്ന് ഇതിനകം ചിന്തിക്കുന്നു. തീരുമാനിച്ചു - ചെയ്തു. ഏതാനും മാസങ്ങൾക്കുശേഷം, സീസണിന്റെ ആരംഭത്തോടെ, ബിസിനസ്സ് യൂണിറ്റുകൾ ഒരു കുഴപ്പമുണ്ടാക്കുന്നു: അവർക്ക് ആവശ്യത്തിന് വലിയൊരു ജോലിക്കാരെ വേഗത്തിൽ നിയമിക്കേണ്ടതുണ്ട്, പക്ഷേ അവർക്ക് ഇത് ചെയ്യാൻ കഴിയില്ല, കാരണം സ്റ്റാഫിംഗ് ടേബിളിൽ അത്തരം ഒഴിവുകൾ ഇല്ല.

ഉദ്യോഗസ്ഥരുടെ എണ്ണം ഒരു സാങ്കേതിക സൂചകമാണെന്നും പേഴ്\u200cസണൽ ഡിപ്പാർട്ട്\u200cമെന്റിന്റെ ജീവനക്കാരെ രജിസ്റ്റർ ചെയ്യുന്നതിന് മാത്രമേ ഒഴിവുകൾ ആവശ്യമുള്ളൂവെന്നും റിസോഴ്\u200cസ് പ്ലാനിംഗ് ശമ്പള സൂചകത്തിന്റെ അടിസ്ഥാനത്തിൽ മാത്രമാണ് നിർമ്മിച്ചിരിക്കുന്നതെന്നും ഇത് ബ്രാഞ്ച് ഡയറക്ടറുടെ മാർഗനിർദ്ദേശം നൽകുന്നു. ബ്രാഞ്ച് ചെലവുകൾക്ക് പൊതുവെ ഉത്തരവാദിത്തമുള്ളതിനാൽ ഒരു ജീവനക്കാരനെ നിയമിക്കണോ വേണ്ടയോ എന്ന് തീരുമാനിക്കുമ്പോൾ. ഈ ഘട്ടത്തിൽ, പ്രക്രിയ ശരിയായി നിർമ്മിച്ചോ ഇല്ലയോ എന്നത് എനിക്ക് പ്രശ്നമല്ല, മറ്റെന്തെങ്കിലും പ്രധാനമാണ്: എച്ച്ആർ ഡിപ്പാർട്ട്മെന്റിന്റെ അനലിറ്റിക്സ് സ്വന്തമായി നിലനിൽക്കാൻ കഴിയില്ല, ബിസിനസ്സിൽ നിന്ന് വേറിട്ട്. ഇത് എല്ലായ്പ്പോഴും ദ്വിതീയമാണ്, നിർദ്ദിഷ്ട ജോലികൾക്കായി രൂപപ്പെടുത്തിയിരിക്കുന്നു. അപ്പോൾ അത് അമിതമായിരിക്കില്ല.

രണ്ടാമതായി, ഞാൻ സ്വയം വിളിക്കുന്ന ഘടകം: “ഇത് ചരിത്രപരമായി സംഭവിച്ചു” എന്നത് പേഴ്\u200cസണൽ മാനേജുമെന്റ് മേഖലയിലെ ആഭ്യന്തര വിശകലനത്തെ സാരമായി ബാധിക്കുന്നു. നിങ്ങളുടെ ചോദ്യം "എന്തിനുവേണ്ടിയാണ്?" ("എന്തുകൊണ്ട്?" എന്നതുമായി തെറ്റിദ്ധരിക്കരുത്) നിങ്ങൾ പതിവായി ഈ എച്ച്ആർ അനലിറ്റിക്സ് ശേഖരിക്കുന്നു, നിങ്ങൾക്ക് സത്യസന്ധമായ ഉത്തരം ലഭിക്കും: "ഞങ്ങൾ ഇത് വളരെ ഉപയോഗിച്ചു", "ഞങ്ങൾ എല്ലായ്പ്പോഴും ഇത് ചെയ്തു", "ഇത് ഞങ്ങൾക്ക് വളരെ സൗകര്യപ്രദമാണ്" അല്ലെങ്കിൽ സമാനമായ എന്തെങ്കിലും.

ഒരുകാലത്ത് കമ്പനിയുടെ മാനേജ്മെൻറിൽ നിന്നുള്ള ഒരാൾ, ഒരു നിർദ്ദിഷ്ട പ്രശ്നം പരിഹരിക്കുന്നതിനായി, ഒരു പ്രത്യേക സൂചകത്തിന്റെ നിരീക്ഷണം നിരീക്ഷിക്കാൻ അഭ്യർത്ഥിച്ചു. അതിനുശേഷം, സ്ഥിതി ഗണ്യമായി മാറാൻ കഴിയുമായിരുന്നു, ടാസ്ക് അനാവശ്യമായി അപ്രത്യക്ഷമാകുമായിരുന്നു, പക്ഷേ ആരും യഥാസമയം “ഹാംഗ് അപ്പ്” കമാൻഡ് നൽകാത്തതിനാൽ, എച്ച്ആർ സേവനം നിഷ്ക്രിയത വഴി വിവരങ്ങൾ ശേഖരിക്കുകയും അംഗീകൃത പട്ടിക പ്രകാരം അയയ്ക്കുകയും ചെയ്യുന്നു സ്വീകർത്താക്കളുടെ.

എന്റെ പ്രാക്റ്റീസിൽ\u200c, അത്തരം റിപ്പോർ\u200cട്ടുകൾ\u200cക്ക് വർഷങ്ങൾക്ക് ശേഷം (വർഷങ്ങൾ!), ഈ സ്വീകർ\u200cത്താക്കൾ\u200c പരസ്പരം കണ്ടെത്തിയത് തുടക്കക്കാരൻ ആരാണെന്നും അവർക്ക് എന്തുകൊണ്ട് ഈ വിവരങ്ങൾ\u200c ആവശ്യമാണെന്നും ഞാൻ കണ്ടു. തുടക്കത്തിൽ ചുമതല നിർവഹിച്ച വ്യക്തിയുടെ ഉയർന്ന പദവിയും അദ്ദേഹത്തിന്റെ നേതൃത്വത്തിന്റെ സ്വേച്ഛാധിപത്യത്തിന്റെ നിലവാരവും, “ചരിത്രപരമായി രൂപംകൊണ്ട” വിഭാഗത്തിൽ നിന്ന് എച്ച്ആർ അളവുകളുടെ ഒരു വരി നേടാനുള്ള സാധ്യത കൂടുതലാണ്.

ഇപ്പോൾ, സിദ്ധാന്തം കൊണ്ടുവന്നതിനുശേഷം, സാധ്യമായ പ്രത്യാഘാതങ്ങളെയും സൂക്ഷ്മതകളെയും കുറിച്ച് എല്ലാവരേയും അറിയിച്ചുകഴിഞ്ഞാൽ, നിങ്ങൾക്ക് ഡ്രൈവിംഗിലേക്ക് പോകാം, അതായത് എച്ച്ആർ അനലിറ്റിക്സ് സൂചകങ്ങളുടെ പട്ടിക. ഞാൻ പ്രവർത്തിച്ച സൂചകങ്ങളിൽ നിന്ന് മാത്രമാണ് ഈ ലിസ്റ്റ് രൂപീകരിച്ചിരിക്കുന്നതെന്നും ഞാൻ അക്കാലത്ത് ജോലിചെയ്തിരുന്ന അവസ്ഥകൾക്കായി, മാത്രമല്ല, ഈ പട്ടിക ഏതെങ്കിലും കമ്പനികളിൽ 80% പോലും ഉപയോഗിച്ചിരുന്നില്ല (മനസിലാക്കാത്തവർ) എന്തുകൊണ്ട്, ലേഖനം വീണ്ടും വായിക്കാൻ ഞാൻ നിർദ്ദേശിക്കുന്നു).

I. ധനകാര്യം:

വരുമാനത്തിലെ ജീവനക്കാരുടെ ചെലവുകളുടെ പങ്ക് (എച്ച്ആർഡിയുടെ ഉത്തരവാദിത്ത മേഖലയിലെ എല്ലാ ഇനങ്ങളും ചെലവുകൾ കണക്കിലെടുക്കുന്നു);

ഒരേ കാലയളവിലെ ജീവനക്കാരുടെ വരുമാന / മാർജിൻ / അറ്റ \u200b\u200bലാഭത്തിന്റെ വളർച്ചാ നിരക്കിന്റെ അനുപാതം (തത്വത്തിൽ, ശരാശരി ശമ്പളത്തിന്റെ വളർച്ചാ നിരക്കുമായി ഞാൻ ഇതിനെ താരതമ്യം ചെയ്യുന്നില്ല, കാരണം അതിന്റെ ചലനാത്മകത ഉദ്യോഗസ്ഥരുടെ എണ്ണത്തെ ഗണ്യമായി സ്വാധീനിക്കുന്നു, ഇത് സാമ്പത്തിക സൂചകത്തിന്റെ സാരാംശത്തെ വളച്ചൊടിക്കാൻ ഇടയാക്കും);

എച്ച്ആർ ഫംഗ്ഷനുള്ള സാമ്പത്തിക അപകടസാധ്യതകളുടെ തോത് (റിസ്ക് ഇവന്റുകളുടെ എണ്ണമായി കണക്കാക്കാം, ഇത് എച്ച്ആർ പ്രക്രിയയിലെ ഏതെങ്കിലും പരാജയം എന്ന് മനസിലാക്കുന്നു, ഇത് ഒരു നിശ്ചിത തുകയേക്കാൾ കൂടുതൽ ഓർഗനൈസേഷന് നാശനഷ്ടമുണ്ടാക്കി, അതിനാൽ ആകെ തുക എല്ലാ അപകടസാധ്യതകൾക്കും നാശനഷ്ടം);

1% സ്റ്റാഫ് വിറ്റുവരവിനുള്ള കമ്പനിയുടെ ചെലവുകൾ (എല്ലാ നേരിട്ടുള്ള ചെലവുകളും കണക്കിലെടുക്കുന്നു: തിരഞ്ഞെടുക്കൽ, പരിശീലനം, ഉദ്യോഗസ്ഥരുടെ പൊരുത്തപ്പെടുത്തൽ (ഉപദേഷ്ടാവിന്റെയും മാനേജരുടെയും ശ്രദ്ധ വ്യതിചലിപ്പിക്കൽ), ജീവനക്കാരൻ ഉൽപാദനക്ഷമത ലക്ഷ്യത്തിലെത്തുന്നതുവരെ ശമ്പളം, അഭാവത്തിൽ വരുമാനം നഷ്ടപ്പെടും ജീവനക്കാരന്റെ ലക്ഷ്യ സ്ഥാനത്തെത്തുന്നതുവരെ;

സമാന അനലിറ്റിക്സിലെ തൊഴിൽ വിപണിയിലെ ഒരു സർവേ അടിസ്ഥാനമാക്കിയുള്ള ശരാശരി ശമ്പളവുമായി താരതമ്യപ്പെടുത്തുമ്പോൾ ജീവനക്കാരുടെ ശരാശരി ശമ്പളം (സ്ഥാനങ്ങൾ / പ്രവർത്തനങ്ങൾ / സ്ഥാനങ്ങൾ എന്നിവയുടെ പശ്ചാത്തലത്തിൽ).

II. ക്ലയന്റുകൾ (ആന്തരികം):

എച്ച്ആർ സേവനങ്ങളിലുള്ള ആന്തരിക ക്ലയന്റുകളുടെ സംതൃപ്തിയുടെ തോത് (ഒരു ഭാരം കൂടിയ ശരാശരി സൂചകമായി കണക്കാക്കുകയും പ്രവർത്തനങ്ങളുടെ പശ്ചാത്തലത്തിൽ വെവ്വേറെ കണക്കാക്കുകയും ചെയ്യുന്നു. ചട്ടം പോലെ, എല്ലാ സബ് കോൺ\u200cട്രാക്ടർമാരും തിരഞ്ഞെടുപ്പ്, പ്രചോദനം, ഹെഡ്ക ount ണ്ട് മാനേജുമെന്റ്, വിലയിരുത്തൽ, വികസനം എന്നിവയിൽ താൽപ്പര്യപ്പെടുന്നു);

സ്റ്റാൻഡേർഡ് സമയപരിധിക്കുള്ളിൽ അടച്ചിരിക്കുന്ന ഒഴിവുകളുടെ അനുപാതം (സ്ഥാനം, ഫംഗ്ഷണൽ ബ്ലോക്ക്, സ്ഥാനം മുതലായവയെ ആശ്രയിച്ച് സ്റ്റാൻഡേർഡ് സമയ ഫ്രെയിം വ്യത്യാസപ്പെട്ടിരിക്കുന്നു);

സ്റ്റാഫിംഗ് ലെവലിന്റെ% ലെ സ്റ്റാഫിംഗ് ലെവൽ (സൂചകം മുമ്പത്തെ സൂചകത്തിന് ഒരു ബദലാണ്, ഇത് മാസ് റിക്രൂട്ട്\u200cമെന്റിന്റെ വ്യവസ്ഥകളിൽ ഉപയോഗിച്ചു, ഇത് മുമ്പത്തേതിന് വിപരീതമായി, താൽക്കാലികമല്ല, ഇടവേളയല്ല, അതിനാൽ ഇത് പ്രത്യേകിച്ച് അസ ven കര്യമാണ് വെയ്റ്റഡ് ശരാശരി സ്റ്റാഫിംഗ് എസ്\u200cഎസ്\u200cസിയുമായുള്ള സാമ്യത കണക്കാക്കുമ്പോൾ റിക്രൂട്ട് ചെയ്യുന്നു);

സ്ഥാനത്തേക്ക് പ്രവേശിക്കുന്ന ഘട്ടത്തിലെ ജീവനക്കാരുടെ ശരാശരി പ്രകടനം (പലപ്പോഴും സെയിൽസ് മാനേജർമാർക്ക് ഉപയോഗിക്കുന്നു, സമയ ഇടവേള സ്ഥാനത്തിനായി വ്യത്യസ്തമായി സജ്ജീകരിച്ചിരിക്കുന്നു, ഒരു ചട്ടം പോലെ, ഇത് ഒരു തുടക്കക്കാരന്റെ പരിശീലന കാലയളവിലും സ്വതന്ത്ര ജോലികളിലേക്കുള്ള പ്രവേശനവുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു, ഒരു ശതമാനം, സോപാധിക ഉൽപ്പന്നങ്ങൾ മുതലായവ കണക്കാക്കാം).

III. പ്രക്രിയകൾ:

1 ജീവനക്കാരെ റിക്രൂട്ട് ചെയ്യുന്നതിനുള്ള ചെലവ് (എന്നെ സംബന്ധിച്ചിടത്തോളം ഇത് സ്ഥാനത്തിന്റെ / തൊഴിലിന്റെ നിലവാരത്തെ ആശ്രയിച്ച് 4 വിഭാഗങ്ങളായി തിരിച്ചിരിക്കുന്നു);

- വിവിധ വിശകലന വിഭാഗങ്ങളിൽ (സ്ഥാനങ്ങൾ, സ്ഥാനങ്ങൾ, പ്രവർത്തനങ്ങൾ, സ്ഥാനാർത്ഥികളെ ആകർഷിക്കുന്നതിനുള്ള ചാനലുകൾ മുതലായവ) റിക്രൂട്ട് ചെയ്യുന്നതിനുള്ള "ഫണലുകൾ";

പ്രൊബേഷനിൽ ജീവനക്കാരുടെ വിറ്റുവരവ് (ഒരു ആന്തരിക ക്ലയന്റുമായി ബന്ധം സ്ഥാപിക്കുന്നതിനുള്ള വളരെ ഉപയോഗപ്രദമായ സൂചകമാണ്, പ്രത്യേകിച്ചും പ്രവർത്തനത്തിന്റെയും സ്ഥാനത്തിന്റെയും പശ്ചാത്തലത്തിൽ, ഇതിനായി ഇത് രണ്ട് ഘടകങ്ങളായി വിഭജിക്കേണ്ടത് ആവശ്യമാണ്: ജീവനക്കാരന്റെ മുൻകൈയിലും മുൻകൈയിലും മാനേജർ);

സ്റ്റാഫ് റിട്ടയർമെന്റ് / സ്റ്റാഫ് വിറ്റുവരവ് (സൂചകങ്ങൾ തമ്മിലുള്ള വിഭജനം സോപാധികമാണ്, വിരമിക്കൽ വഴി ഞാൻ അർത്ഥമാക്കുന്നത് പുറത്താക്കപ്പെട്ട എല്ലാ ജീവനക്കാരും, പിരിച്ചുവിടലിന്റെ കാരണം പരിഗണിക്കാതെ, "ഓഫ്\u200cസെറ്റിലേക്ക്" പോകുക, ഏതെങ്കിലും കാരണങ്ങൾ സൂചകത്തിന്റെ കണക്കുകൂട്ടലിൽ ഉൾപ്പെടുത്തിയിട്ടില്ലെങ്കിൽ , പിന്നെ എന്നെ സംബന്ധിച്ചിടത്തോളം ഇത് വിറ്റുവരവാണ്. രണ്ടാമത്തെ സാഹചര്യത്തിൽ, എക്സിറ്റിൽ ഒരു സർവേ നടത്തുക, വിരമിച്ച ജീവനക്കാരുടെ ടെലിഫോൺ നമ്പറുകൾ ശേഖരിക്കുന്നത് ഉറപ്പാക്കുക, പിരിച്ചുവിട്ട ജീവനക്കാർക്കായി ഓഡിറ്റ് കോളുകൾ നടത്തുക;

സ്റ്റാഫ് റിട്ടയർമെന്റ് / വിറ്റുവരവ് കാരണങ്ങളാൽ പരമ്പരാഗത അനലിറ്റിക്സ്;

പ്രധാന ഉദ്യോഗസ്ഥരുടെ വിരമിക്കൽ / വിറ്റുവരവ് (അവസാന പേഴ്\u200cസണൽ കമ്മീഷനിൽ എ (ഉയർന്ന ശേഷി), ബി (ഉയർന്ന ഉൽ\u200cപാദനക്ഷമതയുള്ള) ഗ്രേഡ് ലഭിച്ച ജീവനക്കാർക്കും അതുപോലെ തന്നെ അംഗീകൃത കരിയർ റൂട്ടുകൾ അനുസരിച്ച് ഉയർന്ന സ്ഥാനത്തിനായി പേഴ്\u200cസണൽ റിസർവിൽ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. RN- ന്റെ സന്നദ്ധത നിലയോടെ (ഇപ്പോൾ തയ്യാറാണ്);

പ്രധാന ഉദ്യോഗസ്ഥരുടെ വിരമിക്കൽ / വിറ്റുവരവിന് കാരണങ്ങളെക്കുറിച്ചുള്ള അനലിറ്റിക്സ് (മുമ്പത്തെ ഖണ്ഡിക കാണുക);

സ്റ്റാഫിംഗ് പട്ടിക അനുസരിച്ച് എഫ്\u200cആർ\u200cവിയുമായി ബന്ധപ്പെട്ട് ജീവനക്കാരുടെ അഭാവത്തിന്റെ ശരാശരി ശതമാനം (എല്ലാത്തരം ഹാജരാകാത്തതും ഉൾപ്പെടുന്നു);

സ്ഥാനം / പ്രവർത്തനം അനുസരിച്ച് വിൽപ്പന / ഉൽപ്പന്ന പരിശീലനം വിജയകരമായി പൂർത്തിയാക്കിയ സെയിൽസ് സ്റ്റാഫുകളുടെ ശതമാനം;

അംഗീകൃത ചെക്ക്\u200cലിസ്റ്റുകൾ അനുസരിച്ച് കമ്പനിയുടെ വിൽപ്പന നിലവാരവുമായി പൊരുത്തപ്പെടുന്നതിന്റെ ലെവൽ (ശതമാനം) (ആന്തരികവും ബാഹ്യവുമായ ഓഡിറ്റിന്റെ ഫലങ്ങളെ അടിസ്ഥാനമാക്കിയാണ് അനലിറ്റിക്\u200cസ് ശേഖരിക്കുന്നത് - ഉപഭോക്താക്കളെ വിളിക്കൽ, ഓഡിറ്റിംഗ് കോളുകൾ മുതലായവ)

സ്റ്റാൻ\u200cഡേർഡ് സമയപരിധിക്കുള്ളിൽ\u200c ഐ\u200cപി\u200cആർ\u200c ടാസ്\u200cക്കുകൾ\u200c പൂർ\u200cത്തിയാക്കുന്നതിന്റെ ശരാശരി ശതമാനം;

ഫീഡ്\u200cബാക്ക് ചോദ്യാവലിയെ അടിസ്ഥാനമാക്കി മുഖാമുഖ പഠനങ്ങളിൽ സംതൃപ്തിയുടെ ശരാശരി സ്\u200cകോർ.

IV. സ്റ്റാഫ് വികസനം:

കമ്പനിയിലെ പ്രധാന സ്ഥാനങ്ങളുടെ പങ്ക് (വ്യക്തിഗതമായി നിർണ്ണയിക്കപ്പെടുന്നു), അവസാന പേഴ്\u200cസണൽ കമ്മീഷന്റെ ഫലങ്ങളാൽ പിൻ\u200cഗാമികൾ സന്നദ്ധത നില RN (ഇപ്പോൾ തയ്യാറാണ്), RN + 1 (ഒരു വർഷത്തിനുള്ളിൽ തയ്യാറാണ്) എന്നിവ ഉപയോഗിച്ച് അടച്ചിരിക്കുന്നു;

എച്ച്ആർ ഉയർന്ന കാര്യങ്ങളെക്കുറിച്ചാണെന്ന അഭിപ്രായമുണ്ട്, അത് അക്കങ്ങളുടെ ചട്ടക്കൂടിലേക്ക് നയിക്കാനാവില്ലെന്ന് തോന്നുന്നു. എന്തെങ്കിലും അളക്കാൻ കഴിയുന്നില്ലെങ്കിൽ, അത് നിയന്ത്രിക്കാൻ കഴിയില്ലേ? നിങ്ങൾക്ക് ശരിയായ ഉപകരണങ്ങൾ ഉണ്ടെങ്കിൽ ആളുകളുമായി പ്രവർത്തിക്കുന്നത് കൃത്യമായ ഒരു ശാസ്ത്രമാകുമെന്ന് ഇത് മാറുന്നു. ഉദാഹരണത്തിന്, മാസ്റ്റർ എച്ച്ആർ അനലിറ്റിക്സ്.

എവിടെ തുടങ്ങണം? ഞങ്ങൾ ചോദിച്ചു എറ്റ്ജെനി ബോണ്ടാരെങ്കോ, ഡിടിഇകെ അക്കാദമി ഡയറക്ടർ, പത്ത് ചോദ്യങ്ങൾ, ഈ ഉത്തരങ്ങൾ ബുദ്ധിമുട്ടുള്ളതും എന്നാൽ രസകരവുമായ ഈ പാത എങ്ങനെ ആരംഭിക്കാമെന്ന് നാവിഗേറ്റുചെയ്യാൻ സഹായിക്കും.

എന്താണ് എച്ച്ആർ അനലിറ്റിക്സ്?

എച്ച്ആർ അനലിറ്റിക്സിനെക്കുറിച്ച് ലളിതമായി സംസാരിക്കുന്നത് അസാധ്യമാണ്. സ്കൂളിലെയും സർവ്വകലാശാലയിലെയും നമ്മിൽ മിക്കവർക്കും ഏറ്റവും ബുദ്ധിമുട്ടുള്ളതായി തോന്നുന്ന അറിവ് ഈ വിഷയം നൽകുന്നു - ഇത് പ്രത്യേകിച്ചും ഗണിതശാസ്ത്രവും സ്ഥിതിവിവരക്കണക്കുകളും. മാത്രമല്ല, മിക്കപ്പോഴും ഈ ഗുണകങ്ങളും മോഡുകളും മീഡിയനുകളും ഞങ്ങൾക്ക് തീർത്തും അനാവശ്യമാണെന്ന് തോന്നി. അനുഭവത്തിലൂടെ മാത്രമേ ഇത് എത്രമാത്രം ഉപയോഗപ്രദമാകൂ എന്നതിനെക്കുറിച്ചുള്ള ഒരു ധാരണ വരുന്നു, നിങ്ങൾ പഠന പ്രക്രിയ ശരിയായി നിർമ്മിക്കുകയാണെങ്കിൽ, അത് ആവേശകരമാണ്.

തെളിവ് അടിസ്ഥാനമാക്കിയുള്ള എച്ച്ആർ: മൈക്രോസ്കോപ്പിന് കീഴിൽ, എഴുത്തുകാരൻ കെറ്റി ജേക്കബ്സ് ഒരു വിശദമായ ഉദാഹരണം നൽകുന്നു. ഒരു വലിയ ഓർഗനൈസേഷന്റെ മാറ്റ പരിപാടിയുടെ ഭാഗമായി, മാറ്റത്തിന്റെ ചുമതലയുള്ള മൂന്ന് നേതാക്കൾ എന്തുചെയ്യണമെന്നതിനെക്കുറിച്ച് വ്യത്യസ്ത അഭിപ്രായങ്ങൾ പ്രകടിപ്പിച്ചു. ഒരേ രോഗിയെ മൂന്ന് ഡോക്ടർമാർ വ്യത്യസ്തമായി ചികിത്സിക്കുന്നത് പോലെയാണ് ഇത്. ചികിത്സ വാഗ്ദാനം ചെയ്യുന്നതിനായി വസ്തുതകളെ ആശ്രയിക്കുന്നത് വൈദ്യശാസ്ത്രത്തിൽ പതിവാണ്. ആളുകളെ മാനേജുചെയ്യുന്നതിൽ, മിക്ക തീരുമാനങ്ങളും വ്യക്തിഗത അനുഭവത്തെയും മറ്റ് ആളുകളുടെ ഗവേഷണത്തെയും എവിടെയെങ്കിലും വായിച്ചതിനെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്.

അതിനാൽ, എച്ച്ആർ അനലിറ്റിക്\u200cസിന് നിരവധി നിർവചനങ്ങൾ ഉണ്ട്. ഒരുപക്ഷേ ഏറ്റവും പൂർണ്ണമായത് ഇതുപോലെയാണ്: ഇത് സ്ഥിതിവിവരക്കണക്കുകൾ, ശാസ്\u200cത്രീയ സമീപനം ഉപയോഗിച്ച് ബിസിനസിന് നേട്ടങ്ങൾ നൽകുന്ന ആളുകളെ മാനേജുചെയ്യുന്ന പ്രക്രിയകളിലെ ഡ്രൈവർമാർ എന്നിവരുടെ തിരച്ചിൽ പ്രക്രിയയാണ്.

എച്ച്ആർ അനലിറ്റിക്\u200cസിന് രണ്ട് പ്രധാന സമീപനങ്ങളുണ്ട്.

ഒന്നിനെ സമീപിക്കുക: "ഞാൻ ലക്ഷ്യം കാണുന്നു." അതിന്റെ സാരാംശം എന്താണ്?

ഈ സമീപനം ഒരു നിർദ്ദിഷ്ട ലക്ഷ്യം കൈവരിക്കുന്നു. ഉദാഹരണത്തിന്, ഒരു കമ്പനി അനുഭവം അല്ലെങ്കിൽ അനുമാനങ്ങളെ അടിസ്ഥാനമാക്കി ഒരു സിദ്ധാന്തം വികസിപ്പിക്കുന്നു. ഈ സിദ്ധാന്തം, വാഗ്ദാനം ചെയ്യുന്ന നിരവധി യുവ സ്പെഷ്യലിസ്റ്റുകൾ ബിസിനസ്സ് ഉപേക്ഷിക്കുന്നു: അവരെ എല്ലാ വർഷവും റിക്രൂട്ട് ചെയ്യുന്നു, പക്ഷേ അവരിൽ കുറച്ചുപേർ മാത്രമേയുള്ളൂ. തുടർന്ന് കമ്പനി ഡാറ്റ ശേഖരിക്കുന്നു, ഒരു രീതിശാസ്ത്രം തിരഞ്ഞെടുക്കുന്നു, ഈ മാനദണ്ഡം കണക്കാക്കുന്നു, അങ്ങനെ ഒന്നുകിൽ അനുമാനത്തെ സ്ഥിരീകരിക്കുകയോ നിരസിക്കുകയോ ചെയ്യുന്നു.

അഭ്യർത്ഥന വ്യത്യസ്തമായിരിക്കാം - ഉദാഹരണത്തിന്, കമ്പനിയിൽ നിന്ന് പുറത്തുപോകുന്ന ആളുകളുടെ പ്രക്രിയകൾ പഠിക്കാൻ നിങ്ങളെ അനുവദിക്കുന്ന ഒരു പ്രവചന മോഡൽ നിങ്ങൾ നിർമ്മിക്കേണ്ടതുണ്ട്. ലഭ്യമായ ഡാറ്റ ശേഖരിച്ച് വിശകലനം ചെയ്ത ശേഷം, കമ്പനിക്ക് "ചുവന്ന മേഖലകൾ" കാണാൻ കഴിയും - സമീപഭാവിയിൽ ഉപേക്ഷിച്ചേക്കാവുന്ന ജീവനക്കാർ. ഈ ടാസ്ക്, ഉദാഹരണത്തിന്, ലോജിസ്റ്റിക് റിഗ്രഷന്റെ അധികാരത്തിലാണ്.

രണ്ട് സമീപിക്കുക: "ഞാൻ പര്യവേക്ഷണം ചെയ്യാൻ പോകുന്നു." ഇത് എന്താണ്?

ഏതെങ്കിലും പ്രത്യേക മാനദണ്ഡം വിശകലനം ചെയ്യാൻ ഇവിടെ ഉദ്ദേശ്യമില്ല. എന്നാൽ ഒരു കൂട്ടം ഡാറ്റയും വ്യക്തമല്ലാത്ത ചില ഉപയോഗപ്രദമായ സ്ഥിതിവിവരക്കണക്കുകൾ കണ്ടെത്താനുള്ള ആഗ്രഹവുമുണ്ട്, ഉപരിതലത്തിൽ കിടക്കരുത്. ഇത് വിളിക്കപ്പെടുന്നവയുമായി അടുത്താണ്. മെഷീൻ ലേണിംഗ് - ഡാറ്റ പര്യവേക്ഷണം ചെയ്തു, രസകരമായ ബന്ധങ്ങൾ കണ്ടെത്തി, നിഗമനങ്ങളിൽ എത്തിച്ചേരുന്നു. പരികല്പനകൾ രൂപപ്പെടുത്താനും ലക്ഷ്യങ്ങൾ നിർണ്ണയിക്കാനും നിർദ്ദിഷ്ട ബിസിനസ്സ് നിഗമനങ്ങളിൽ എത്തിച്ചേരാനും സഹായിക്കുന്ന ഒരുതരം ബുദ്ധി.

ആരംഭിക്കുന്നതിന്, നിങ്ങൾക്ക് ഈ വിഷയത്തെക്കുറിച്ചുള്ള പ്രസിദ്ധീകരണങ്ങൾ വായിക്കാം - "തെളിവുകൾ അടിസ്ഥാനമാക്കിയുള്ള എച്ച്ആർ: മൈക്രോസ്കോപ്പിന് കീഴിൽ", അതുപോലെ "എച്ച്ആർ മെട്രിക്സും അനലിറ്റിക്സും: ഉപയോഗവും സ്വാധീനവും. ഹ്യൂമൻ റിസോഴ്\u200cസ് പ്ലാനിംഗ് "(രചയിതാക്കൾ ആദ്യം" എച്ച്ആർ അനലിറ്റിക്\u200cസ് "എന്ന പദം ഉപയോഗിച്ചു).

തുടർന്ന് നിങ്ങൾ സ്ഥിതിവിവരക്കണക്കുകൾ പഠിക്കാൻ ആരംഭിക്കേണ്ടതുണ്ട് - ഇതിനായി നിങ്ങൾക്ക് ഏതെങ്കിലും അടിസ്ഥാന പാഠപുസ്തകം എടുക്കാം. ഉദാഹരണത്തിന്, “സ്ഥിതിവിവരക്കണക്ക്” എന്ന പുസ്തകം. സോഷ്യോളജിസ്റ്റുകൾക്കും മാനേജർമാർക്കും വേണ്ടിയുള്ള ഒരു പരിശീലന കോഴ്സ് ”ഒ. ഇവാനോവ: യഥാർത്ഥ ഉദാഹരണങ്ങൾ ഉപയോഗിച്ച് എല്ലാം ലളിതമായും വ്യക്തമായും വിവരിച്ചിരിക്കുന്നു. ഇ. സിഡോറെങ്കോ എഴുതിയ "സൈക്കോളജിയിലെ മാത്തമാറ്റിക്കൽ പ്രോസസ്സിംഗ് രീതികൾ" (ഉപയോഗപ്രദമായ മറ്റ് പുസ്തകങ്ങൾ) (വിവിധ സ്ഥിതിവിവരക്കണക്ക് മാനദണ്ഡങ്ങൾ ഘടനാപരമായ രീതിയിൽ വിവരിച്ചിരിക്കുന്നു). "വർക്ക് നിയമങ്ങൾ" വായിക്കുന്നതും രസകരമാണ്. (ലാസ്ലോ ബോക്കിന്റെ ഗൂഗിളിനെക്കുറിച്ചുള്ള ഒരു മികച്ച പുസ്തകം), നേക്കഡ് സ്റ്റാറ്റിസ്റ്റിക്സ് (ചാൾസ് വീലൻ), ഡാറ്റാ ഡ്രൈവൻ മാനേജുമെന്റ് (ടിം ഫിലിപ്സ്), ബിഗ് ഡാറ്റ (വിക്ടർ മേയർ-ഷോൻ\u200cബെർഗർ).

എച്ച്ആർ അനലിറ്റിക്സിനെക്കുറിച്ച് പുസ്തകങ്ങളൊന്നുമില്ല, പ്രത്യേകിച്ചും റഷ്യൻ ഭാഷയിൽ. എന്നാൽ ഈ വിഷയം മനസിലാക്കാൻ പോലും നിങ്ങൾ ശ്രമിക്കരുത് എന്നല്ല ഇതിനർത്ഥം, കാരണം സമാനതകളുടെ രീതി ഇവിടെ തികച്ചും ബാധകമാണ്. സമാന വിശകലനപരമായ ജോലികൾ എങ്ങനെ പരിഹരിക്കപ്പെടുമെന്ന് നിങ്ങൾക്ക് നിരീക്ഷിക്കാൻ കഴിയും, പറയുക, വിപണനക്കാർ - ഉദാഹരണത്തിന്, ഉപഭോക്താക്കളെ പഠിക്കുക. ജീവനക്കാരെ പഠിച്ചുകൊണ്ട് ഇത് നിങ്ങളുടെ ഫീൽഡിൽ പ്രയോഗിക്കുക. ബിസിനസ് അനലിസ്റ്റുകൾ, സൈക്കോളജിസ്റ്റുകൾ, സാമൂഹ്യശാസ്ത്രജ്ഞർ എന്നിവർ അവരുടെ പ്രശ്നങ്ങൾ എങ്ങനെ പരിഹരിക്കുന്നുവെന്ന് നിങ്ങൾക്ക് മനസിലാക്കാൻ കഴിയും. ഉദാഹരണത്തിന്, രണ്ട് ഗ്രൂപ്പുകളുടെ വിദ്യാർത്ഥികളുടെ പ്രകടനത്തെ എങ്ങനെ താരതമ്യം ചെയ്യാമെന്നതിന്റെ ഒരു ഉദാഹരണം സോഷ്യോളജിസ്റ്റുകൾക്കും മാനേജർമാർക്കും വേണ്ടിയുള്ള സ്റ്റഡി കോഴ്സ് നൽകുന്നു. വ്യത്യസ്ത പരിശീലകർ പരിശീലിപ്പിച്ച രണ്ട് ഗ്രൂപ്പ് ജീവനക്കാരെ താരതമ്യം ചെയ്യാനും പരിശീലന പ്രവർത്തനങ്ങളുടെ ഫലപ്രാപ്തി അളക്കാനും ഇത് എച്ച്ആർ പ്രാക്ടീസിലേക്ക് വിവർത്തനം ചെയ്യുന്നത് എളുപ്പമാണ്.

വഴിയിൽ, എച്ച്ആർ അനലിറ്റിക്സ് പഠിക്കുന്നതിൽ ഇംഗ്ലീഷ് പരിജ്ഞാനം ഒരു വലിയ നേട്ടമായിരിക്കും: ഉയർന്ന നിലവാരമുള്ള എല്ലാ വിജ്ഞാന സ്രോതസ്സുകളും ഇംഗ്ലീഷിലാണ്.

നിങ്ങൾക്ക് മാസ്റ്റർ ചെയ്യേണ്ട പ്രോഗ്രാമുകൾ എന്താണ്?

എച്ച്ആർ അനലിറ്റിക്\u200cസിന്റെ മൂലക്കല്ല് ടൂൾബോക്\u200cസാണ്. നിർഭാഗ്യവശാൽ, ഉക്രേനിയൻ കമ്പനികളിൽ, ജീവനക്കാർ, ഫിനാൻ\u200cസിയർമാർ പോലും എല്ലായിടത്തും Excel ഉപയോഗിക്കുന്നു. ഇതൊരു മൊത്തത്തിലുള്ള പ്രശ്നമാണ്. കൂടുതൽ കാര്യക്ഷമമായ ഉപകരണങ്ങൾ എന്തുകൊണ്ട് ശ്രമിക്കരുത് എന്ന് ചോദിക്കുമ്പോൾ - ഉദാഹരണത്തിന്, പൈറ്റ്നോൺ അല്ലെങ്കിൽ ആർ, പരിഭ്രാന്തരായ "അതിനാൽ ഇവ പ്രോഗ്രാമിംഗ് ഭാഷകളാണ്!" അനലിറ്റിക്സ്, ഫിനാൻഷ്യൽ, പ്രത്യേകിച്ച് എച്ച്ആർ എന്നിവയുമായി എന്ത് ബന്ധമുണ്ടെന്ന് തോന്നുന്നു. വാസ്തവത്തിൽ, ഈ ഉപകരണങ്ങൾ തികച്ചും ബാധകമാണ്. അടിസ്ഥാന പ്രശ്നങ്ങൾ പരിഹരിക്കാൻ Excel നിങ്ങളെ അനുവദിക്കുന്നു, കൂടാതെ ഇത് എങ്ങനെ പ്രവർത്തിക്കുന്നുവെന്ന് മനസിലാക്കാൻ പ്രാഥമിക സൂചകങ്ങൾ സ്വമേധയാ കണക്കാക്കാൻ നിങ്ങൾ പഠിക്കുമ്പോൾ പ്രാരംഭ ഘട്ടത്തിൽ നല്ലതാണ്. നിങ്ങളുടെ ആയുധപ്പുരയിൽ\u200c കൂടുതൽ\u200c സങ്കീർ\u200cണ്ണമായ ഉപകരണങ്ങൾ\u200c ഉള്ളപ്പോൾ\u200c, കണക്കുകൂട്ടലുകൾ\u200c വേഗത്തിലും എളുപ്പത്തിലും നിർമ്മിക്കുന്നു: നിങ്ങൾ\u200c സൂത്രവാക്യങ്ങൾ\u200c എഴുതേണ്ട ആവശ്യമില്ല, നിങ്ങൾ\u200cക്ക് ഒരു വരി കോഡ് എഴുതുകയും ആവശ്യമായ ഡാറ്റ നൽ\u200cകുകയും പ്രവർ\u200cത്തനത്തിന് ഒരു ചുമതല നൽകുകയും വേണം - പറയുക, ഒരു റിഗ്രഷൻ നിർമ്മിക്കാൻ. തുടർന്ന് - ഗ്രാഫ്, ഫോർമുല, മറ്റ് പ്രധാന പാരാമീറ്ററുകൾ എന്നിവ നേടുക. ഇത് നിമിഷങ്ങൾക്കുള്ളിൽ ചെയ്യുന്നു. കൂടാതെ, ഡാറ്റാഗണം മാറിയിട്ടുണ്ടെങ്കിൽ, Excel മിക്കവാറും എല്ലാ സൂത്രവാക്യങ്ങളും മാറ്റിയെഴുതേണ്ടിവരും. Pytnon അല്ലെങ്കിൽ R ൽ, ഒരു ലിഖിത സ്ക്രിപ്റ്റ് ഉണ്ടെങ്കിൽ, ഏത് ഡാറ്റാസെറ്റുമായി പ്രവർത്തിക്കണമെന്ന് പ്രോഗ്രാം ശ്രദ്ധിക്കുന്നില്ല.

ഒരു വ്യക്തി ഒരിക്കലും പ്രോഗ്രാമിംഗ് ഭാഷകളുമായി ഇടപെട്ടിട്ടില്ലെങ്കിൽ, അവ മാസ്റ്റേഴ്സ് ചെയ്യുന്നത് ഫാന്റസി രംഗത്ത് നിന്നുള്ള ഒന്നാണെന്ന് തോന്നാം. വാസ്തവത്തിൽ, ആർ ഭാഷ, അവബോധജന്യമാണ്, മാത്രമല്ല ഇത് പഠിച്ചിട്ടില്ലാത്ത ഒരാൾക്ക് പോലും ആറുമാസത്തിനുള്ളിൽ ആത്മവിശ്വാസത്തോടെയുള്ള അടിസ്ഥാന തലത്തിൽ അത് മാസ്റ്റർ ചെയ്യാൻ കഴിയും (തീർച്ചയായും, ഉചിതമായ പരിശ്രമത്തോടെ). ഇന്ന് കുട്ടികൾക്കായി എങ്ങനെ പ്രോഗ്രാം പഠിക്കാം എന്നതിനെക്കുറിച്ച് പുസ്തകങ്ങളുണ്ടെങ്കിൽ, ഒരു മുതിർന്നയാൾക്ക് ഇപ്പോഴും അത്തരം ഒരു ജോലിയെ നേരിടാൻ കഴിയും. ആർ ഭാഷ സ free ജന്യമാണ്, ഡ download ൺ\u200cലോഡിനായി ലഭ്യമാണ്, ശാസ്ത്രീയ ഗവേഷണവും അറിവും സ share ജന്യമായി പങ്കിടാൻ ആഗ്രഹിക്കുന്ന ശാസ്ത്രജ്ഞരാണ് ഇത് കണ്ടുപിടിച്ചത്. കൂടാതെ, ഇൻറർ\u200cനെറ്റിൽ\u200c R നായി ധാരാളം ലൈബ്രറികൾ\u200c ഉണ്ട്, അടിസ്ഥാന പ്രവർ\u200cത്തനം പര്യാപ്തമല്ലെങ്കിൽ\u200c ആവശ്യമായ മാനദണ്ഡങ്ങൾ\u200cക്കായി പുതിയ ഫംഗ്ഷനുകൾ\u200c എടുക്കുന്നതിന് നിങ്ങൾ\u200cക്ക് ബന്ധിപ്പിക്കാൻ\u200c കഴിയും (പറയുക, സങ്കീർ\u200cണ്ണ മോഡലുകൾ\u200c നിർമ്മിക്കുന്നതിന്, 3D വിഷ്വലൈസേഷൻ\u200c മുതലായവ).

ഏത് ഇന്റർനെറ്റ് ഉറവിടങ്ങളാണ് നിങ്ങൾ ശ്രദ്ധിക്കേണ്ടത്?

ആളുകൾ അവരുടെ ഡാറ്റാസെറ്റുകൾ പങ്കിടുന്ന പ്രത്യേക സൈറ്റുകളുണ്ട്, മറ്റ് ഉപയോക്താക്കൾ പരസ്പരം പ്രശ്നങ്ങൾ പരിഹരിക്കാൻ സഹായിക്കുന്നു. ഉദാഹരണത്തിന്, stackoverflow.com, kaggle.com എന്നിവയ്ക്കും ഒരു എച്ച്ആർ അനലിറ്റിക്സ് വിഭാഗമുണ്ട്. പൊതുവേ, അനലിറ്റിക്സിൽ വിജ്ഞാന കൈമാറ്റം വളരെ സ്വാഗതാർഹമാണ്: ഇതുവരെ കുറച്ച് ഡാറ്റകളില്ലാത്തതിനാൽ, ഇത് പ്രായോഗികമായി പഠിക്കാനുള്ള ഏക മാർഗ്ഗമാണ്.

ഇ-കോഴ്സുകളുള്ള ഒരു നല്ല ഉറവിടം stepik.org ആണ്: ഇവിടെ നിങ്ങൾക്ക് സ്ഥിതിവിവരക്കണക്കുകളുടെ അടിസ്ഥാനകാര്യങ്ങൾ (അടിസ്ഥാനപരമോ കൂടുതൽ വിപുലമായതോ, ഉദാഹരണങ്ങളും ടാസ്\u200cകുകളും ഉപയോഗിച്ച്), R ലെ ഡാറ്റാ വിശകലനത്തെക്കുറിച്ച് കോഴ്\u200cസുകൾ എടുക്കാം (യഥാർത്ഥ പ്രശ്\u200cനങ്ങൾക്ക് എങ്ങനെ പ്രയോഗിക്കാം എന്നതിന്റെ ഉദാഹരണങ്ങൾ) , R ലെ പ്രോഗ്രാമിംഗിന്റെ അടിസ്ഥാനകാര്യങ്ങളെക്കുറിച്ച് (R ന്റെ പ്രവർത്തനക്ഷമതയെയും R - Rstudio നായുള്ള വികസന അന്തരീക്ഷത്തെയും കുറിച്ച് പരിചയം).

ഡാറ്റാ സയൻസ്, എച്ച്ആർ അനലിറ്റിക്സ് എന്നിവയിൽ നിങ്ങൾക്ക് കോഴ്സറ.ഓർഗ് കോഴ്സുകൾ എടുക്കാം. എന്നാൽ സ്ഥിതിവിവരക്കണക്കിലെ അടിസ്ഥാന ആശയങ്ങൾ ശ്രോതാവിന് ഇതിനകം അറിയാമെങ്കിൽ ഇത് അർത്ഥമാക്കുന്നു. കാരണം, “ഇപ്പോൾ ഞങ്ങൾ ഒരു റിഗ്രഷൻ മോഡൽ നിർമ്മിക്കും” എന്ന് ലക്ചറർ പറയുമ്പോൾ, അത് എന്താണെന്ന് നിങ്ങൾ അറിഞ്ഞിരിക്കണം.

അതിനാൽ, എച്ച്ആർ അനലിറ്റിക്സ് മാസ്റ്റർ ചെയ്യുന്നതിന്, നിങ്ങൾക്ക് കോഴ്സുകൾ വായിക്കാനും പഠിക്കാനും കഴിയും. എന്നാൽ ഇത് പര്യാപ്തമല്ല: നിങ്ങൾ ശ്രമിക്കണം. ഏറ്റവും ലളിതമായ ഡാറ്റ എടുക്കുക - കമ്പനി ജീവനക്കാർക്ക് എത്രമാത്രം ശമ്പളം നൽകുന്നു, ആളുകൾ എത്ര തവണ അസുഖ അവധിയിലേക്കോ അവധിയിലേക്കോ പോകുന്നു, ആദ്യത്തെ കണക്കുകൂട്ടലുകൾ നടത്താൻ ശ്രമിക്കുക. നിങ്ങൾ ലളിതത്തിൽ നിന്ന് സങ്കീർണ്ണത്തിലേക്ക് നീങ്ങേണ്ടതുണ്ട്: ലളിതമായ സാങ്കേതിക വിദ്യകൾ എങ്ങനെ പ്രവർത്തിക്കുന്നുവെന്ന് നിങ്ങൾ മനസിലാക്കുന്നുവെങ്കിൽ, മോഡലുകളും ഗുണകങ്ങളും കണക്കാക്കുന്നു, നിങ്ങൾക്ക് കൂടുതൽ സങ്കീർണ്ണമായവ മാസ്റ്റർ ചെയ്യാൻ കഴിയും.

ഭയപ്പെടാൻ എന്ത് "അപകടങ്ങൾ"?

ഗവേഷണ ഫലം അനുമാനത്തെ സ്ഥിരീകരിക്കുന്നുവെന്ന് ഉറപ്പാക്കാൻ എച്ച്ആർ മാനേജർമാർ പലപ്പോഴും പരിശ്രമിക്കുന്നു, അവർ ആഗ്രഹിക്കുന്ന രീതിയായി മാറുന്നു. എച്ച്ആർ അനലിറ്റിക്സിൽ നല്ലതും ചീത്തയുമായ ഉത്തരങ്ങളൊന്നുമില്ലെന്ന് മനസ്സിലാക്കണം - യഥാർത്ഥ വസ്തുതകൾ മാത്രം. ചില സമയങ്ങളിൽ എന്തെങ്കിലും "കൃത്രിമം കാണിക്കാൻ" നിങ്ങൾ പ്രലോഭിപ്പിക്കപ്പെടാം. ഇനിപ്പറയുന്നവയുമായി ട്യൂൺ ചെയ്യുന്നത് വളരെ പ്രധാനമാണ്: നിങ്ങൾ ഗവേഷണം നടത്തി, ആവശ്യമായ എല്ലാ കണക്കുകൂട്ടലുകളും നടത്തി, അസാധുവായ അനുമാനത്തെ അംഗീകരിക്കുകയോ നിരസിക്കുകയോ ചെയ്തു. ഒരു പുതിയ സിദ്ധാന്തമുണ്ട് - പുതിയ ഗവേഷണം നടത്തേണ്ടതുണ്ട്.

എപ്പോൾ എച്ച്ആർ അനലിറ്റിക്സ് അർത്ഥമാക്കുന്നില്ല?

നിങ്ങൾ എച്ച്ആർ അനലിറ്റിക്സിൽ ഏർപ്പെട്ടിരിക്കുകയാണെങ്കിൽ, കണ്ടെത്തലുകളെ അടിസ്ഥാനമാക്കി മാനേജുമെന്റ് തീരുമാനങ്ങൾ എടുക്കാൻ നിങ്ങൾ തയ്യാറായിരിക്കണം. അല്ലെങ്കിൽ അത് അർത്ഥമാക്കുന്നില്ല. എച്ച്ആർ അനലിറ്റിക്സ് കാണിക്കുന്നത് പലപ്പോഴും പ്രതീക്ഷകളുമായി വിരുദ്ധമായിരിക്കും. അതിനാൽ, നിങ്ങൾ ചോദ്യത്തിന് മുൻ\u200cകൂട്ടി സത്യസന്ധമായി ഉത്തരം നൽകേണ്ടതുണ്ട്: "ഗവേഷണ ഫലങ്ങളെ അടിസ്ഥാനമാക്കി മാറ്റങ്ങൾ വരുത്താൻ ഞങ്ങൾക്ക് മതിയായ ഇച്ഛാശക്തി ഉണ്ടോ?"

ഉദാഹരണത്തിന്, ഒരു കമ്പനി ജീവനക്കാർക്കായി പരിശീലനങ്ങൾ നടത്തുന്നു - ഇത് എല്ലാവർക്കും ഇഷ്ടപ്പെടുന്ന ഒരു അറിയപ്പെടുന്ന പരിശീലകനെ ക്ഷണിക്കുന്നു. പരിശീലന പരിപാടിയുടെ ഫലപ്രാപ്തി അളക്കാൻ തീരുമാനിക്കുന്നു. പരിശീലനത്തിന് ശേഷം, പങ്കെടുക്കുന്നവർ സന്തുഷ്ടരും പ്രചോദിതരുമാണ്, വികാരങ്ങളെയും ഉപയോഗത്തെയും കുറിച്ചുള്ള ആവേശകരമായ പ്രതികരണങ്ങളോടെ ഫീഡ്\u200cബാക്ക് ചോദ്യാവലി പൂരിപ്പിക്കുക, തുടർന്ന് ... പരിശീലനത്തിൽ പങ്കെടുത്ത 20 പേരിൽ, പ്രായോഗികമായി നേടിയ അറിവ് ആരും പ്രയോഗിക്കുന്നില്ല. ഒരു ഉപകരണം പോലും. തീർച്ചയായും, നിങ്ങൾക്ക് പരിശീലനം ഇഷ്ടപ്പെട്ടേക്കാം - എന്നാൽ ജീവനക്കാരുടെ പെരുമാറ്റത്തിൽ എന്താണ് മാറ്റം വന്നത്, അത് ബിസിനസിന് എന്ത് നേട്ടങ്ങൾ നൽകി എന്ന ചോദ്യത്തിന് എച്ച്ആർ അനലിറ്റിക്സ് ഉത്തരം നൽകും. ഉദാഹരണത്തിന്, ഇതൊരു ആശയവിനിമയ പരിശീലനമാണെങ്കിൽ, ജീവനക്കാരൻ നേരത്തെ നൽകിയ സ്ഥാനത്തെ പ്രതിരോധിക്കാൻ എത്ര ആർഗ്യുമെന്റുകൾ ഉണ്ടെന്നും പരിശീലനത്തിന് ശേഷം ഈ വൈദഗ്ദ്ധ്യം എങ്ങനെ മെച്ചപ്പെട്ടുവെന്നും നിങ്ങൾക്ക് ട്രാക്കുചെയ്യാനാകും. മാറ്റമില്ല? ആളുകളുടെ അഭിപ്രായത്തിൽ ഏറ്റവും ഫലപ്രദമായി കണക്കാക്കിയ പരിശീലനം വാസ്തവത്തിൽ ഉപയോഗശൂന്യമാണെന്ന് മാറുന്നു. ആരും ഇത് പ്രതീക്ഷിച്ചില്ല, പക്ഷേ നിങ്ങൾക്ക് അക്കങ്ങളുമായി തർക്കിക്കാൻ കഴിയില്ല. പഠനത്തിൽ, ആവശ്യമായ കഴിവുകൾ വികസിപ്പിക്കാൻ സഹായിക്കുന്ന വ്യായാമങ്ങൾ പരിശീലനത്തിൽ ഉൾപ്പെടുത്തിയിട്ടില്ലെന്ന് മാറുന്നു.

ഈ സാഹചര്യത്തിൽ, അസാധുവായ അനുമാനം ഇതുപോലെയാകാം: "ഈ പരിശീലനം പങ്കെടുക്കുന്നവരുടെ പെരുമാറ്റത്തെ ഒരു തരത്തിലും ബാധിക്കില്ല." ഇതര സിദ്ധാന്തം - "പരിശീലനം പങ്കെടുക്കുന്നവരുടെ സ്വഭാവത്തെ ബാധിക്കുന്നു, വാദങ്ങളുടെ ഉപയോഗ നിലവാരം വർദ്ധിപ്പിക്കാൻ സഹായിക്കുന്നു." ഗവേഷണം അസാധുവായ അനുമാനത്തെ സ്ഥിരീകരിക്കുന്നുവെങ്കിൽ, കമ്പനിക്ക് ബുദ്ധിമുട്ടുള്ള ഒരു തിരഞ്ഞെടുപ്പ് നേരിടേണ്ടിവരുന്നു: എല്ലാവരും ഇഷ്ടപ്പെടുന്ന ഒരു മികച്ച പരിശീലകനുണ്ട്. എന്നാൽ അദ്ദേഹത്തിന്റെ പരിശീലനം ബിസിനസിന് നല്ലതല്ല. ഞാൻ എന്തുചെയ്യണം - പരിശീലകനെ ഉപേക്ഷിക്കുക, സമയവും വിഭവങ്ങളും എടുക്കുന്ന പ്രോഗ്രാം വീണ്ടും ചെയ്യുക, അല്ലെങ്കിൽ മറ്റൊരാളെ ക്ഷണിക്കുക? ..

നിങ്ങളുടെ കമ്പനിയിൽ ഒരു ഡാറ്റ സംസ്കാരം എങ്ങനെ വികസിപ്പിക്കാം?

എച്ച്ആർ അനലിറ്റിക്സ് എന്നത് ഒരു കൂട്ടം സംഖ്യകൾ മാത്രമല്ല. ഇത് ഡാറ്റയുമായി പ്രവർത്തിക്കാനുള്ള മുഴുവൻ സംസ്കാരവുമാണ്. എച്ച്ആർ, അവൻ എത്രത്തോളം പുരോഗമിച്ചാലും വിഷയം സമഗ്രമായി പഠിക്കുകയും ബിസിനസ്സ് നേതാവിനോ ഉടമയ്\u200cക്കോ ഇത് എന്തിനെക്കുറിച്ചാണെന്ന് മനസ്സിലാകുന്നില്ലെങ്കിൽ ഒന്നും പ്രവർത്തിക്കില്ല. അനലിറ്റിക്സുമായി പ്രവർത്തിക്കാൻ ആഗ്രഹിക്കുന്ന ഒരു എച്ച്ആർ മാനേജർ പ്രതിരോധത്തെ മറികടക്കാൻ പഠിക്കേണ്ടതുണ്ട്. എച്ച്ആർ ഉടമയുടെ അടുത്ത് വന്ന് “ഞങ്ങൾക്ക് ഒരു ചി-സ്ക്വയർ ഉണ്ട് - നാൽപത്തിയെട്ട് ...” എന്ന് പറയുമ്പോൾ ഒരു സാഹചര്യം സങ്കൽപ്പിക്കുക. ഇത് അവനെ അർത്ഥമാക്കുന്നില്ല.

ഇവിടെ പലപ്പോഴും ഒരു പ്രശ്\u200cനം ഉണ്ടാകുന്നു, കാരണം എച്ച്\u200cആർ സേവനം എല്ലായ്പ്പോഴും ലളിതമായ പരിഹാരങ്ങൾ വിൽക്കാൻ നിയന്ത്രിക്കുന്നില്ല. എച്ച്ആർ അനലിറ്റിക്\u200cസ് ഡാറ്റാ ഡ്രൈവാണ് എന്നതാണ് വിപരീതഫലം. നേതാക്കൾ നമ്പറുകളെയും ബിസിനസ്സ് അളവുകളെയും ഇഷ്ടപ്പെടുന്നു, നിങ്ങൾ അവരെ എച്ച്ആർ അനലിറ്റിക്സിൽ ഉൾപ്പെടുത്തുകയാണെങ്കിൽ, എച്ച്ആർ മെട്രിക്സുമായി ലിങ്കുചെയ്യുക, സംരംഭത്തിന്റെ വിജയസാധ്യത വർദ്ധിക്കുന്നു. "ഡാറ്റാധിഷ്ടിത കമ്പനി" എന്ന ആശയം പോലും ഉണ്ട് - അതായത്, നിർദ്ദിഷ്ട ഡാറ്റയെ അടിസ്ഥാനമാക്കി തീരുമാനങ്ങൾ എടുക്കുന്ന ഒരു ഓർഗനൈസേഷൻ.

വ്യത്യസ്ത ഉറവിടങ്ങളിൽ നിന്ന് നിങ്ങൾക്ക് ലഭിക്കുന്ന അറിവ് സഹപ്രവർത്തകരുമായി പങ്കിടുന്നത് ഡിടിഇകെ അക്കാദമിയിൽ സ്വീകരിച്ച ഒരു നല്ല പരിശീലനമാണ്. ആരെങ്കിലും രസകരമായ എന്തെങ്കിലും പഠിച്ചുവെങ്കിൽ (ഉദാഹരണത്തിന്, ഒരു സെമിനാറിൽ അല്ലെങ്കിൽ അത് സ്വയം പഠിക്കുക പോലും), ജീവനക്കാരൻ ഒരു മെയിലിംഗ് ലിസ്റ്റ് അയയ്ക്കുകയും എല്ലാവരേയും ഒരു മീറ്റിംഗിലേക്ക് ക്ഷണിക്കുകയും ചെയ്യുന്നു. ഇത് ആവശ്യമില്ല, പക്ഷേ ഉപയോഗപ്രദവും രസകരവുമാണ്, അതിനാൽ ഇത് ജനപ്രിയമാണ്. എച്ച്ആർ അനലിറ്റിക്സ് എന്ന വിഷയത്തിൽ ഞങ്ങൾ പതിവായി അത്തരം മീറ്റിംഗുകൾ നടത്തുന്നു, നിങ്ങൾ എന്തുതന്നെ പ്രവർത്തിച്ചാലും - പരിശീലനം, പേഴ്\u200cസണൽ റിസർവ്, റിക്രൂട്ടിംഗ് എന്നിങ്ങനെ ഈ ഉപകരണം തികച്ചും ബാധകമാണെന്ന് ഞങ്ങൾക്ക് ബോധ്യമുണ്ട്.

ചില സമയങ്ങളിൽ എച്ച്ആർ അനലിറ്റിക്സ് സുപ്രധാന പ്രശ്നങ്ങൾ പരിഹരിക്കാൻ സഹായിക്കുന്നു. ഉദാഹരണത്തിന്, ഒരു നിർമ്മാണ കമ്പനി സുരക്ഷാ ഗവേഷണം നടത്തുകയാണെങ്കിൽ. സുരക്ഷാ നടപടിക്രമങ്ങൾ ലംഘിക്കാൻ സാധ്യതയുള്ള ജീവനക്കാരുടെ പെരുമാറ്റം വിശകലനം ചെയ്യാൻ ഒരു വിശകലന സമീപനം നിങ്ങളെ അനുവദിക്കുന്നു, ഒരിക്കലും അത് ചെയ്യാത്തവരോ വളരെ അപൂർവമായി മാത്രം ചെയ്യുന്നവരോ. ഡാറ്റയെ അടിസ്ഥാനമാക്കി, ഈ ഗ്രൂപ്പുകളുടെ ചില ഛായാചിത്രങ്ങൾ വരയ്ക്കുക, സാഹചര്യങ്ങൾ വിശകലനം ചെയ്യുക. ഉദാഹരണത്തിന്, ഒരു കമ്പനി മിക്കപ്പോഴും വൈകുന്നേരങ്ങളിലും അവധി ദിവസങ്ങളിലും ലംഘനങ്ങൾ നടക്കുന്നുണ്ടെന്ന നിഗമനത്തിലെത്തിയാൽ, ഉൽ\u200cപാദനത്തിൽ കുറഞ്ഞ മാനേജ്മെൻറ് ഉള്ളപ്പോൾ, നിയന്ത്രണം ശക്തിപ്പെടുത്തേണ്ടത് ഈ മണിക്കൂറുകളിലാണ് എന്ന് നിഗമനം ചെയ്യാൻ ഇത് ഞങ്ങളെ അനുവദിക്കുന്നു. സുരക്ഷാ നടപടികൾ പാലിക്കുന്നതിലൂടെ ജനങ്ങളുടെ ആരോഗ്യത്തിന്റെ സുരക്ഷയെ സ്വാധീനിക്കുന്നു. പക്ഷേ, വീണ്ടും, മാനേജുമെന്റ് തീരുമാനങ്ങൾ എടുക്കാൻ ബിസിനസ്സ് തയ്യാറായില്ലെങ്കിൽ, ഗവേഷണം നടത്തുന്നതിൽ അർത്ഥമില്ല.

എച്ച്ആർ അനലിറ്റിക്\u200cസിന്റെ പ്രധാന മൂല്യം എന്താണ്?

സ്റ്റീരിയോടൈപ്പുകളിൽ നിന്ന് രക്ഷപ്പെടാൻ എച്ച്ആർ അനലിറ്റിക്\u200cസ് സഹായിക്കുന്നു. ഇതാണ് അതിന്റെ നേട്ടം: മറ്റൊരാളുടെ .ഹക്കച്ചവടത്തെ ആശ്രയിക്കേണ്ട ആവശ്യമില്ല. ട്രെൻഡുകളും അഭിപ്രായങ്ങളും മികച്ചതാണ്, എന്നാൽ ഓരോ കേസിലും ആശ്രയിക്കുന്നത് എത്രത്തോളം ഉചിതമാണ് എന്നതാണ് ചോദ്യം. ഉദാഹരണത്തിന്, ഒരു പ്രത്യേക പ്രദേശത്തെ ആഗോള ട്രെൻഡുകൾ എല്ലായ്പ്പോഴും രസകരമാണ്, പക്ഷേ അവ ഓരോ നിർദ്ദിഷ്ട കമ്പനിക്കും ബാധകമാണോ? മിക്കവാറും, നിങ്ങൾക്ക് നിങ്ങളുടെ സ്വന്തം ഗവേഷണം ആവശ്യമാണ്. എച്ച്ആർ അനലിറ്റിക്\u200cസിന് നന്ദി, അവ വേഗത്തിൽ ചെയ്യാനാകും.