Razdelki spletnega mesta
Uredniški izbor:
- Šest primerov kompetentnega pristopa k sklanjanju števnikov
- Face of Winter Poetični citati za otroke
- Lekcija ruskega jezika "mehki znak za sikajočimi samostalniki"
- Velikodušno drevo (prispodoba) Kako priti do srečnega konca pravljice Radodarno drevo
- Načrt lekcije o svetu okoli nas na temo "Kdaj bo poletje?"
- Vzhodna Azija: države, prebivalstvo, jezik, vera, zgodovina Kot nasprotnik psevdoznanstvenih teorij o delitvi človeških ras na nižje in višje je dokazal resnico
- Razvrstitev kategorij primernosti za vojaško službo
- Malokluzija in vojska Malokluzija ni sprejeta v vojsko
- Zakaj sanjate mrtvo mamo živo: razlage sanjskih knjig
- V katerih znakih zodiaka so ljudje rojeni aprila?
Oglaševanje
HR analitične raziskave. Prediktivna analitika v HR - moderen trend ali življenjska potreba? Viri podatkov in zahteve |
Objektivnih kazalnikov za ocenjevanje in merjenje kadrov v podjetju je veliko. Kateri od njih vam omogočajo, da "držite prst na utripu" in katere si lahko občasno ogledate? Poskusimo ugotoviti v tem članku. Kvantitativni indikatorjiZ njihovo pomočjo merimo kvantitativne značilnosti osebje podjetja ali podjetja. Glavno vprašanje je "koliko?" Število zaposlenih– število zaposlenih delavcev na določen datum. Prosimo, bodite pozorni na to, saj se ta indikator pogosto zamenjuje z drugim, ki je obravnavan spodaj. Povprečno število zaposlenih (ASH)– povprečno število zaposlenih v določenem časovnem obdobju. Običajno izračunano za obdobje najmanj enega meseca. Obstajata dve možnosti za izračun indikatorja:
Druga metoda je natančnejša, vendar zahteva več dela. Vendar se uporablja v večini podjetij in tudi za poročanje oblastem državne statistike. Za hitro analizo situacije lahko uporabite prvo možnost izračuna. Volilna številka– število vseh zaposlenih, ki so trenutno na delu. Upoštevani so tudi zaposleni na službeni poti. Socialno-demografske značilnosti ekipePovprečna starostVsi kadroviki merijo, vendar ne znajo vedno uporabljati tega kazalnika. Uporabljati ga je treba pri analizi dovolj ozkih skupin osebja za napovedovanje zaposlovanja, pa tudi pri razvoju ali prilagajanju socialne politike. Na primer, podatek o povprečni starosti podjetja s 3.000 zaposlenimi ni primeren za sprejemanje vodstvenih odločitev. Če pogledate povprečno starost, na primer, vodij trgovin, lahko sklepate o potrebi po spremembi politike nagrajevanja in nadomestil (dokazano je, da so pri različnih starostih različne prioritete). Število zaposlenih po stopnji izobrazbe– izkazuje določeno splošno stopnjo izobrazbe za podjetje ali določene kategorije osebja. Na primer, meni se, da je nujno, da ima vodja višja izobrazba. Niso pa vsi študirali na univerzah. Sestava spolaZa kolektiv je značilno število moških in žensk ter njihovo razmerje. Zanimivo je pogledati te številke po poklicu ali vodstveni ravni. Očitni so nekateri »ženski« ali »moški« poklici. Treba je opozoriti, da je v zadnjih letih v svetovni praksi običajno meritikazalniki raznolikostiosebje podjetja. To pomeni, spremljajte razmerje moških in žensk, mladih in starejših zaposlenih, lokalnega osebja in obiskovalcev. Raziskave potrjujejo, da ohranjanje visoke ravni raznolikosti v ekipah vodi k izboljšanju učinkovitosti. Seveda z visoko stopnjo vodenja, ki upošteva to raznolikost. Drugi kazalniki sociodemografskih značilnosti vključujejo naslednje:
Kakovostne značilnosti HRV to skupino kazalnikov sodijo tisti, ki dajejo informacije o kakovosti »človeških virov«, ki so na voljo v podjetju. Izhodna povprečnega zaposlenega. Prikazuje število proizvedenih enot v določenem časovnem obdobju. Je najbolj univerzalen kazalec za merjenje vloženega dela. Proizvodnja se lahko meri v naravnih, pogojno naravnih (kazalniki intenzivnosti dela) in stroškovnih merskih enotah. Zvestoba osebja– naklonjen odnos zaposlenega do podjetja oziroma delodajalca. To je precej težko izmeriti, čeprav obstaja več metod. Praviloma večina metod ocenjuje potencialne verjetnosti, ali bodo zaposleni zapustili delodajalca ali ne, če bodo prejemali enako ali nekoliko manj boljše pogoje pri drugem delodajalcu. Zavzetost zaposlenih- stanje zaposlenega, ki mu pomaga, da kar najbolje opravlja svoje delo.Več podrobnosti o merjenju zavzetosti najdete v gradivu o tej temi na naši spletni strani.. Indikatorji gibanja osebjaFluktuacija osebja– morda najbolj poznan indikator gibanja kadrov. Izračunano kot odstotek odpuščenih delavcev glede na povprečno število zaposlenih v ustreznem obdobju. V tem primeru se pri izračunu uporablja število zaposlenih, ki so bili odpuščeni zaradi fluktuacije osebja. Naj jih naštejemo:
Po pravici povedano je treba omeniti, da upokojitev ne bo vedno pomenila "pretoka" osebja. Na primer, če je delodajalec posebej sprožil odpuščanje upokojenca (spodbujevalno plačilo ali druge metode), potem je bolje, da se takšno odpuščanje odstrani iz izračuna. Promet po recepciji– se izračuna kot razmerje med skupnim številom najetega osebja in skupnim številom zaposlenih. Še enkrat, ne pozabite na obračunsko obdobje. Promet ob odpustu– ravno nasprotno od prometa na recepciji. Število notranjih prenosov– prikazuje notranjo mobilnost osebja podjetja. Stopnja nadomestitve delovne sile– se izračuna kot razmerje med številom zaposlenih in številom odpuščenih delavcev. Če je ta koeficient manjši od ena, se število delovnih mest v podjetju zmanjša. Ta kazalnik običajno uporabljajo zavodi za zaposlovanje za oceno stanja na trgu dela. Kazalniki, ki označujejo delo s kadrovsko rezervo podjetjaRazpoložljivost kadrovske rezerve– kazalnik v odstotkih, izračunan na naslednji način. Najprej se določi število položajev, na katere se je treba pripraviti. kadrovska rezerva. Nato se med njimi zabeleži število delovnih mest, za katera je že pripravljena kadrovska rezerva. In izračunamo pokritost rezerve: Koriščenje rezerve po dogovoru– pomen je jasen iz imena. Izračuna se takole: Za izračune je treba uporabiti le tista delovna mesta, ki so vključena v kadrovski rezervni seznam. Ekonomski kazalciPomemben blok v kadrovski analitiki. Obstaja splošno mnenje, da kadroviki slabo razumejo ekonomijo. Poskusimo to popraviti. V skladu s prakso, sprejeto v Ruski federaciji, so vsa plačila osebju razdeljena na tri vrste:
Ta porazdelitev se uporablja v statističnih agencijah, z nekaj spremembami pa se lahko uporablja tudi za poslovodno računovodstvo in analizo stroškov. Treba je povedati, da za namene davčno računovodstvo uporablja se nekoliko drugačen pristop, ki je podrobneje opisan v členu 255 Davčnega zakonika Ruske federacije. Sklad za plače- Vse gotovina delodajalec, namenjen plačilom osebju kot plačilo za njihovo delo. Vključuje:
![]() Socialna plačila– v to kategorijo odhodkov sodijo stroški podjetja za zdravljenje, počitek, potovanja, prehrana, odškodnina ob odpustu itd. To so vsi stroški za izvajanje socialne politike podjetja. Drugi stroški osebja– potne stroške, dodatke za izmene, šolnine, organizacijo kulturnih prireditev in druge stroške. To porazdelitev stroškov je potrebno upoštevati pri izdelavi statističnih poročil in komuniciranju s predstavniki vladnih agencij. Za poslovodno računovodstvo in analizo stroškov osebja pa je bolj priročno uporabiti drugačno strukturo stroškov:
Poleg splošnih velikih skupin odhodkov obstaja več ključnih ekonomskih kazalcev. Pomembni so za analizo situacije in sprejemanje odločitev. povprečna plača– vsi stroški dela (brez odbitkov) se delijo s povprečnim številom zaposlenih v podjetju. Priporočljivo je upoštevati SWP v naslednjih "rezih":
Z vidika socialne pravičnosti in zagotavljanja enakih pravic in možnosti je treba primerjati SWP moških in žensk. Plačna intenzivnost izdelkov– kaže, koliko denarja je treba porabiti za delo za proizvodnjo določenega obsega izdelkov. Na primer, intenzivnost plače je mogoče prikazati kotrubljev/tono oz rubljev/rubljev. Nekatere težave z uporaboVoditeljem začetnikom in kadrovikom se včasih porajajo vprašanja o pogostosti in primernosti uporabe določenih kazalnikov pri odločanju. Dajmo nekaj priporočil:
Kadrovska analitika vključuje različne metode analiza in obdelava podatkov, potrebnih za povečanje učinkovitosti storitev. Več podrobnosti o temi najdete v članku. Iz članka se boste naučili:Kaj je kadrovska analitikaKadrovska analitika je proces, v katerem se za ovrednotenje kadrovskih podatkov uporabljajo tehnike obdelave informacij in poslovne analitike (BA). Pogosto se imenuje analiza talentov. Podatkovno rudarjenje se nanaša na prakso preučevanja baz podatkov za ustvarjanje nove informacije. Obstaja več glavnih ciljev: zagotavljanje vpogleda in prepoznavanje ključnih parametrov. Lastnosti cilja:
Cilji kadrovske analitike so kar najbolj učinkovita uporaba količin podatkov o človeški viri, ki jih zbira večina podjetij. Podjetja imajo pogosto podatke, kot so demografija zaposlenih, izobrazbeni podatki itd. Podrobna analiza nam omogoča, da iz njih izluščimo pomembna znanja, ki bodo v pomoč pri nadaljnjem delu. Prenesite dokumente na temo: IN Zadnje časeštevilna podjetja uporabljajo velike podatke v HR, ko je velika količina informacij strukturirana in postavljena v tabele. V tem primeru je treba uporabiti posebne programe, ki omogočajo izračune in analize. Metode je smiselno uporabiti, če organizacija zaposluje več kot 1000 ljudi. Zakaj določiti kazalnike HRKadrovske odločitve pogosto temeljijo na poklicnem občutku, pa tudi na intuiciji, ki jo moramo upoštevati pri določanju kadrovskih kazalnikov. Zaposlovanje je pogosto odvisno od stika, ki ga je zaposlovalcu uspelo ali ni uspelo vzpostaviti s kandidatom za delovno mesto. Težava z instinkti in intuicijo je, da se slabe prakse lahko uveljavijo. Na primer, krivica lahko ostane neopažena. Jasen primer je razlika v plačah med ženskami in moškimi. Menedžerji lahko mislijo, da plačujejo enako, če ne pogledajo natančnih podatkov. Kadrovska analitika pomaga izboljšati produktivnost dela, napovedujejo uspešne modele. S tem odpravimo nekatere napake pri odločanju. Na primer, upravljanje delovne obremenitve bo bolj učinkovito, če se podatki uporabijo za prikaz, kateri oddelki ali skupine že nosijo čezmerno obremenitev in kateri si samo dovolijo, da prevzamejo več odgovornosti. Strokovnjaki so dokazali, da analitika prispeva k hitri rasti organizacije. Raziskava, ki sta jo opravila MIT in IBM, je pokazala, da lahko visoka stopnja uporabe kadrovske analitike povzroči: povečanje prodaje, neto prihodkov iz poslovanja in prodaje na zaposlenega. Glavna področja uporabe kadrovske analitikePodročja analitike so obsežna in kazalniki, na katere se mora osredotočiti organizacija, so neposredno odvisni od industrije in narave posla. Tu je nekaj primerov ključnih kadrovskih kazalnikov:
Podani indikatorji in drugi podobni podatki se uporabljajo za izboljšanje poslovna učinkovitost. Ključna področja, kjer lahko informacije pomagajo, vključujejo: Zaposlovanje- analitika odgovarja na vprašanja o iskanju idealnih kandidatov za odprta prosta delovna mesta. Informacije se na primer uporabljajo za prepoznavanje lastnosti kandidatov, ki dajejo najboljše rezultate. Poleg tega lahko primerjate podatke prijavljenih, ki ostajajo v organizaciji, in med njimi poiščete enake imenovalce. Zdravje in varnost- Kadrovska analitika vam omogoča prepoznavanje problematičnih področij. Podatki kažejo na vloge, pa tudi kraje dela in druge podobne dejavnike, ki imajo visoko stopnjo nesreč. Zadržanje zaposlenih- zahvaljujoč informacijam lahko izveste več o ohranjanju strokovnjakov, ki so dragoceni za organizacijo. S kadrovsko analitiko lahko prepoznate vidike, ki povečujejo angažiranost osebje. Talent Gaps- informacije pomagajo prepoznati vrzeli v podjetju. Na primer, nekateri oddelki imajo več kvalificiranih zaposlenih kot drugi, kar je lahko zelo moteče splošno delo organizacije. Učinkovitost prodaje- to področje kadrovske analitike pomaga razumeti podrobnosti o tem, kako izboljšati učinkovitost. Vidite lahko, da vam določena nadarjenost pomaga bolje delovati, programi pa dajejo takojšnje rezultate. Analiza indikatorjev kadrovske uspešnostiVsaka organizacija bi morala občasno opraviti analizo kazalnikov kadrovske uspešnosti, da bi pravočasno prepoznala obstoječe težave. Še posebej pogosto ga je treba izvajati v kriznih razmerah, ko je treba zmanjšati stroške z minimalnim vplivom na ekipo oziroma njeno pripadnost in motivacijo. Indikator št. 1.Indikator št. 1. Ohranjanje proračuna za zaposlene Kadrovski analitiki vedno uporabljajo ta indikator v organizacijah, kjer delo ocenjujejo z uporabo KPI. Izračuna se na naslednji način: Sat = Zf: plača × 100 %, kjer:
Če ugotovite, da je bil proračun presežen, še vedno znižajte stroške dela nazadnje. Ampak, na primer, znižajte stroške socialnega paketa bolj drzno. K stroškom izobraževanja kadrov pristopite diferencirano z metodami kadrovske analitike. Označite tiste, ki jih ni zaželeno rezati, in tiste, ki jih je mogoče žrtvovati. Recimo, da morate načrtovati sredstva za "Povečanje stopnje poklicne kvalifikacije." In teoretični seminarji splošni načrt sredstva, ko je tako usposabljanje res potrebno. Indikator št. 2.Trenutni finančni donos stroškov zaposlenih Ei = Op: Zf, kjer je:
Natančno boste videli, koliko izdelkov proizvede podjetje za vsak rubelj, porabljen za osebje. Formulo je enostavno prilagoditi ob upoštevanju posebnosti panoge podjetja. Če v podjetju HR vpliva tako na proizvodne stroške kot tudi na prodajo, je bolje postaviti KPI, ki je vezan na bruto dobiček. V tem primeru bo kadrovska analitika vezana na preproste izračune. Formula za izračun je naslednja: Ei = (Pv - Zf) : Zf, kjer je:
Indikator št. 3.Produktivnost dela Ta parameter natančno prikazuje, koliko proizvodnje je proizvedeno na zaposlenega. Višji kot je rezultat, bolje je. Izračuna se takole: Pt = Op: Tz, kjer je:
Za lažji izračun zamenjajte stroški dela povprečno število zaposlenih, ob predpostavki, da so vsi delali enako število dni v posameznem obdobju. Kadrovski analitik mora upoštevati vse nianse, vnesti podatke v poročevalske dokumente, da lahko naknadno izračuna parametre. Indikator št. 4.Fluktuacija osebja Fluktuacija kadrov vam omogoča, da ocenite delo celotne službe in še posebej kadrovskega direktorja. Formula za izračun fluidnosti izgleda takole: Tk = Su: Co × 100 %, kjer:
Spremljajte, ali stroški zamenjave presegajo specialist cena, ki jo plačaš, da ga obdržiš. Če presežejo, lahko menjava med edinstvenimi strokovnjaki povzroči povečane stroške zaposlovanja za podjetje. Kako se temu izogniti? Prepoznajte rizično skupino med zaposlenimi. Praviloma so to ključni menedžerji podjetja. Zdaj spremenite nenadzorovano menjavo v obvladljivo. V rizični skupini prepoznajte najbolj nelojalne ljudi, ki bi lahko zapustili podjetje. Vnaprej poiščite zamenjavo zanje. Analizirajte trg dela in na razgovore povabite strokovnjake podobne ravni znanja. Na koncu vprašajte, ali bo kandidat pripravljen prevzeti položaj, ko bo na voljo. Indikator št. 5.Stopnja absentizma Absentizem je pomanjkanje lokalnih strokovnjakov za delovni čas. Ni pomembno, ali je to iz utemeljenega razloga ali zaradi odsotnosti, ampak analitik jih mora prešteti. Če je kazalnik visok, si osebje ne prizadeva učinkovito opravljati svojih nalog. Izračuna se na naslednji način: Ap = Dor: Up × 100 %, kjer:
Indikator št. 6.Zadovoljstvo ljudi pri delu Izmerite zadovoljstvo z anketo. Formula je: Lp = Cl: Co × 100 %, kjer:
O kadrovski analitiki veliko več pišejo in govorijo, kot razumejo, kaj v resnici je in katere težave naj bi reševala. Ta članek govori o tem, katere so glavne težave pri uporabi in kje lahko začnete analizo. Doslej v javnem prostoru kadrovska analitika pomeni bodisi metriko in delo s številkami, statistiko v kadrovski, ki so indikatorji lokalni procesi ali oddelkov ali deliti primere o tem, kako vključiti IT oddelek v ustvarjanje arhivov kadrovskih podatkov. Pravzaprav kadrovska analitika rešuje probleme strateškega razvoja podjetja in določa glavne napovedne trende. Torej, kaj je kadrovska analitika?Kadrovska analitika je proces, v katerem se tehnike podatkovne znanosti in poslovne analitike (BA) uporabljajo za obdelavo kadrovskih podatkov. Včasih se imenuje tudi analiza talentov. Poleg tega se rudarjenje podatkov v tem kontekstu nanaša na prakso rudarjenja podatkovnih baz za ustvarjanje novih informacij. Zakaj je to zdaj, v luči globalne digitalizacije gospodarstva, poslovanja in ljudi, tako aktualno. Podatki, prijatelji! Veliki podatki so povsod! In potem se je pojavila nevroznanost, ki nam je pokazala, kako so človeške odločitve subjektivne in polne čustev namesto z racionalnim pristopom. Kako zdaj živeti s tem? Seveda pa potrebujemo drugačen način odločanja – da je vse logično, razumno, na podlagi podatkov in z zagotovljen rezultat. Kdo si tega ne želi? Vsi hočejo! Zakaj tega ne storijo? Pripravljenost kadrovske analitike ostaja velik izziv. Glede na poročilo Deloitte iz leta 2017 je po letih razprav o tem vprašanju samo 8 % anketirancev poročalo, da imajo koristne podatke; samo 9 % jih verjame, da dobro razumejo, katere lastnosti zaposlenih vodijo do uspeha v njihovih organizacijah; in le 15 % vseh jih je namestilo sisteme za kadrovsko učinkovitost in učinkovitost talentov za vodje linij. »To je že dolgo časa skrivnost. zadnje desetletje– zakaj, glede na očitno pomembnost človeški kapital Ali organizacije ne vlagajo v to in od voditeljev zahtevajo, da svoje odločitve o ljudeh sprejemajo z uporabo analitike, ki temelji na dokazih?« ("") Kaj je torej? Zakaj veliko več govorijo in pišejo o prednostih in nujnosti uporabe analitike, kot jo uporabljajo pri realnem delu? Poglejmo ta pojav z različnih zornih kotov. V čem je težava?Najprej je vredno razmisliti o globokih, temeljnih razlogih za takšno "zaviranje" s strani vodij podjetij. To bom opisal v smislu modela, ki sta ga Pete Ramstad in John Boudreau predstavila v Beyond HR (Boudreau in Ramstad, 2007) in sta ga poimenovala model logike, analitike, ukrepov in procesa. Za poenostavitev tega, kar je opisano v tem modelu, so razlogi, zakaj je uporaba analitike prepovedana, naslednji:
Menim, da se iz zgoraj opisanega zdita kompleksnost in globina problema malo bolj jasni. Torej obstajajo objektivni razlogi, zakaj se zdi vlaganje v analitiko precej tvegano. Grobo rečeno, nimamo jasnih, zanesljivih in nedvoumnih orodij za sprejemanje analitičnih odločitev. Natančneje, za zelo preprosta lokalna območja obstajajo, vendar niso vredni stroškov. Poraba te ravni je smiselna, če lahko dobimo zanesljive napovedne trende, ki so ključni za poslovni uspeh. Toda sama analitika tega ne more zagotoviti. Ne želimo le obdelovati podatkov. Želimo imeti zanesljiva orodja za sprejemanje poslovnih odločitev z bolj ali manj zagotovljenimi rezultati. In v tem smislu glavna stvar še vedno ostaja pri osebi:
Če sploh s preprostimi besedamiČe povzamemo, je glavna težava analitike kot načina dela s podatki ta, da moramo najprej ugotoviti, kakšne rezultate želimo dobiti. In za to moramo postaviti zelo pravilna vprašanja, ki zahtevajo globoko razumevanje poslovanja, nato ugotoviti, s pomočjo katerega analitičnega modela lahko dobimo te rezultate, v skladu s tem ugotoviti, katere podatke in v kakšnem obsegu potrebujemo , in šele nato pomislite, kako jih lahko dobimo točno v obliki, ki jo potrebujemo? Kompleksen pristopZa ponazoritev kompleksnosti pristopa si oglejte sliko, ki prikazuje sestavo kadrovske analitične ekipe: To še ni vse. Zelo pomembno je vedeti, da je besedna zveza "HR analitika" danes v delih raziskovalcev in avtorjev izjemno redka. To je tako znan izraz v ruskem jeziku. V angleščini se zdaj uporablja koncept People Analytics – analitika ljudi. To ni preprost sinonim. Nasprotno. Z lokalnih področij, ki so povezana izključno s HR - fluktuacija, metrika zaposlovanja, zaposlitveni status itd., je Zahod prešel na globalno »ljudsko analitiko« ali »človeško analitiko«. Pomembni so vsi podatki o ljudeh - njihovo gibanje, zdravstveno stanje, aktivnost na družbenih omrežjih itd. Šele z uporabo celotne količine podatkov lahko govorimo o sprejemljivi stopnji zanesljivosti napovedi in strateških odločitev. Za zbiranje takšnih podatkov morajo podjetja uvesti nova orodja, ki temeljijo na mobilne aplikacije in več ter pritegniti strokovnjake, ki bi lahko delali s tem. A to še zdaleč ni konec težav, to je šele njihov začetek. Kontekst. Združevanje velikih in gostih podatkovKontekst je kritičen. Kaj to pomeni? To pomeni, da poleg velikih podatkov potrebujemo t.i. gosti podatki: to so vse tiste dragocene informacije ljudi - zgodbe, čustva, sporočila - ki jih ni mogoče kvantificirati, vendar imajo pomen neverjetne globine. Kar jih dela globoke, je izkušnja pravilnega dojemanja tega, kar ljudje govorijo – to je tisto, kar pomaga prepoznati vrzeli in luknje v napovednih modelih. Zgoščeni podatki potopijo poslovna vprašanja v človeška vprašanja – zagotavljajo kontekst. Zato združevanje velikih in gostih podatkov daje globljo sliko. Delate z zbranimi in nezbranimi podatki: to vam daje priložnost, da postavite prava vprašanja "zakaj?" Zakaj se to dogaja? Za ponazoritev pomembnosti konteksta bom navedel dva primera: negativnega in pozitivnega. Negativen primer- to je zgodba Nokie, ki je že postala žalosten primer, kako lahko na vrhuncu forme odletiš s trga. Bistvo glavne strateške napake je bilo v tem, da so vodilni v podjetju ignorirali goste podatke, ki jih v nizu ni bilo mogoče primerjati z velikimi podatki, ampak so popolnoma natančno napovedali ogromno zanimanje za pametne telefone tudi med najrevnejšimi sloji prebivalstva. A pozitiven primer tudi na očeh. To je fantastična rast za Netflix. Tam so, nasprotno, videli luknje v analitičnih modelih in povabili tehnološkega etnografa (takšna specializacija že obstaja) za delo z gostimi podatki. In ugotovil je nekaj, kar ni bilo vidno v velikih podatkih. Etnograf je opazil, da se ljudje radi »zataknejo« pred televizorjem, ob tem se ne počutijo krive, ampak preprosto uživajo. In s kombinacijo velikih podatkov z gostimi podatki so naredili nekaj preprostega, a učinkovitega: namesto da bi prikazovali različne žanre serij, so začeli prikazovati iste, da bi ljudem olajšali zagozdenje. A to še ni vse, v skladu s temi ugotovitvami so spremenili tudi samo prakso oddajanja. Z združevanjem velikih, gostih podatkov niso le izboljšali svojega poslovanja, ampak so spremenili tudi način, kako ljudje uživajo medijske informacije. Njihovi deleži naj bi se v naslednjih nekaj letih podvojili. Podatki niso nič. Kontekst je vse! ViriPostopoma napredujemo pri obravnavi našega problema in če ste še vedno z nami, je zadnji bastion pred nami. To so sredstva. Kot je razvidno iz vsega zgoraj opisanega, resno delo s podatki zahteva "težko" in drago programsko opremo, visoko usposobljene strokovnjake in veliko časa. Vse to povzroča stroške, ki si jih večina organizacij praktično ne more privoščiti. Če spremljate temo, ste morda opazili, da je večina objavljenih primerov velikih podjetij, ki opisujejo globalne raziskave. V tem primeru se morate spomniti na tako imenovani. napaka preživelega. Objavljeni primeri so večinoma tisti, v katerih je delovalo. In koliko je takih, pri katerih se ni obneslo z enakimi stroški? Čeprav poceni in relativno preprosta orodja in modelov ni. Toda trg je trg in najverjetneje se bodo čez nekaj časa pojavili kot posledica nabranih izkušenj. Zato se zdaj trudijo velika podjetja, vsi ostali pa čakajo, da se kot rezultat dejavnosti prvih pojavi nekaj bolj dostopnega. To so pravzaprav glavni razlogi, zakaj je le 8 % vprašanih izjavilo, da imajo koristne podatke; samo 9 % jih verjame, da dobro razumejo, katere lastnosti zaposlenih vodijo do uspeha v njihovih organizacijah; in le 15 % vseh jih je namestilo sisteme za kadrovsko učinkovitost in učinkovitost talentov za vodje linij. Toda potrebe in prednosti dela s podatki so očitne in o njih ni mogoče razpravljati. Torej, kaj narediti? Kje lahko podjetja začnejo?Analitika ljudi je obsežna smer zaradi globalne narave nalog, ki se rešujejo, in je precej nova. Vendar pa med analitičnimi pristopi že obstajajo razdelki, ki so že dolgo dobro razviti. Zagotavljajo zmogljiva, a dostopna orodja in lahko podjetju zagotovijo pomembne vpoglede. Eden takih pristopov je analiza organizacijske mreže(ONA, analiza organizacijskih omrežij). Kaj je to? Namen ONA je meriti in prikazati odnose in tokove med ljudmi, skupinami ali organizacijami. Zaradi česar je ONA edinstvena, je to, da ni drugega načina, kako videti prave povezave med ljudmi v organizaciji. To je pravzaprav rentgenski posnetek vaše organizacije ali odnosa vaše organizacije z zunanjim trgom ali vaše delovne sile ali vaše skupine kandidatov. Skratka, tiste odnose, ki jih potrebujete, lahko analizirate. ONA se je pojavila na stičišču sociometrije in mrežne analize in se zdi izjemno uporabno orodje. Velika prednost tega pristopa je njegova vizualnost. Na primer: analiza menedžerjev v oddelku za raziskovanje in proizvodnjo velike naftne družbe je pokazala naslednjo razliko med formalno in dejansko organizacijsko strukturo (slika iz Blog Roba Crossa): Iz desne slike je razvidno, da ima podjetje enega od srednjih menedžerjev, nekega Cola (glej levo sliko), ki je v uradni hierarhiji skoraj neviden, a pravzaprav prek njega potekajo vsi tokovi informacij oz. dejanska razdelitev dela go. On je glavno informacijsko središče in on odloča, kdo bo dobil kakšne informacije. Podpredsednik se nahaja na zelo oddaljenem obrobju in dejansko nima vpliva na operativno vodenje. Mislim, da ste že začeli ugibati, kakšno vlogo lahko igra takšna shema, na primer, pri upravljanju sprememb. Naslednja velika aplikacija za ONA je seveda upravljanje znanja. Če na vhodu postavljate vprašanja kot je: “Kdo je najbolj kul strokovnjak pri delu?”, bo slika na izhodu prikazala glavne nosilce strokovnega znanja v organizaciji. Kako ne govoriti o nalogi ustvarjanja informacijskega polja v podjetju? Vsak komunikacijski menedžer preprosto mora imeti tovrstno analizo, če ne želi zlepa napredovati. Takšna analiza lahko pokaže tako odnose kot informacijske tokove med oddelki, med podjetjem in drugimi deležniki ter med ljudmi. V našem izobraževalnem tečaju “HR Unvarnished” se te teme dotaknemo podrobneje. Na primer, kako dejansko poteka interakcija med financami in marketingom v vašem podjetju? Preko koga gredo vse informacije (sl blog Roba Crossa)? Enako velja za vsako inovacijo, vodenje, razvoj talentov itd. Pogledali smo možnosti za uporabo ONA znotraj organizacije, vendar je z enakim uspehom to orodje mogoče uporabiti za analizo zunanjih odnosov - s konkurenti, dobavitelji in izvajalci itd. Glavne aplikacije ONAONA je umetnost pridobivanja uporabnih rezultatov: dobite zemljevide in kazalnike, ki vas pripeljejo do zares dobra vprašanja. To pomeni, da ONA, tako kot vsako analitično orodje, ne odgovarja na vprašanje "Zakaj?" Ta odgovor lahko da samo oseba. Toda kartice naredijo dvoje:
Seveda v resnici to ni tako preprosto, kot se zdi na prvi pogled. Za vso to navdihujočo lepoto in navidezno preprostostjo se skriva resen matematični aparat in temeljne raziskave, vendar je veliko preprostejši od tistega, kar imamo danes v "veliki analitiki". ONA vam bo takoj dala izjemno uporabne rezultate in prihranila vire. Viktorija Bužnik in Lilija Grabovskaja, avtorji vira Talent Management.com.ua in tečaja usposabljanja "HR brez olepševanja" Deskriptivna (deskriptivna) analitika. Z uporabo razpoložljive informacije oblikuje cilj in maksimum natančen opis objekt/situacijo, ki se preučuje. Odgovarja na vprašanje: "Kaj se zdaj dogaja?". To je osnova vsake kadrovske analitike. Deluje s podatki, kot so struktura osebja, delovni standardi, standardi števila zaposlenih, pregledi plač, meritve učinkovitosti procesov, interna in zunanja merila. Napovedna analitika. Temelji očitne odvisnosti in potrjene statistične hipoteze vam omogočajo "pogled" v bližnjo prihodnost z napovedovanjem števila in načrtovanjem obremenitev osebja. Omogoča ustvarjanje profila uspešnih strokovnjakov, razvoj akcijskega načrta za povečanje njihove vključenosti in določanje standardov za opravljanje testov. Napovedna analitika. Uporabe neočitne odvisnosti, podatki iz deskriptivne analize, napovedne analitike in velikih podatkov za »vplivanje na dogodke v daljni prihodnosti«. Avtomatizirano z uporabo umetne inteligence (AI). Uporabljajo se za preprečevanje/predvidevanje/ugotavljanje razlogov za odpuščanje zaposlenih, še preden se to zgodi, za predvidevanje njihovega morebitnega uspeha/polomije na določenem delovnem mestu. Prediktivno modeliranje uporablja tradicionalne in inovativne metode analize: Teoretično je napovedna analitika v HR skupaj z umetno inteligenco zasnovana tako, da:
Vendar v praksi ne gre vse tako gladko. Prediktivna analitika v HR in Črni labodNasprotniki napovednih modelov verjamejo, da analitika po definiciji ni »napovedna«. Kot utemeljitev navajajo idejo, ki jo je populariziral Nassim Nicholas Taleb v svojem delu »Črni labod. V znamenju nepredvidljivosti.« Po mnenju avtorja so vsi incidenti s pomembnimi posledicami črni labodi, torej redki in težko predvidljivi. Za referenco. Prvi Evropejec, ki je videl črnega laboda, je bil nizozemski popotnik Willem de Vlaminck. To se je zgodilo leta 1697 v Zahodni Avstraliji. Pred tem so bili predstavniki starega sveta popolnoma prepričani, da so labodi izključno beli. In zdaj zadnje vprašanje: kako verjetno je, da bi eden od prebivalcev Evrope lahko napovedal videz teh ptic s črno barvo? Če je Talebova teorija pravilna, potem v zvezi s kadri napovedna analitika ne more predvideti dogodkov, ki bi lahko bistveno vplivali na reševanje kadrovskih vprašanj. Po drugi strani pa mnogi velika podjetjaše naprej veliko vlagati v razvoj umetne inteligence, z uvajanjem tehnologij prediktivnega modeliranja v delo kadrovskih služb. Zakaj to počnejo? Poskusimo ugotoviti. Predvidevanje nepredvidljivega: 5 primerov uporabe napovedne analitike v HRAmeriške posebne enote. Morda boste presenečeni, vendar kadrovska služba specialnih sil ZDA uporablja orodja za napovedno analitiko, da napove, kateri kandidat bo postal uspešen borec v elitni enoti. Zahteve so stroge. Izbrati moramo najboljše. In tako, da se prepričate. Uganite, napovedujte, kaj je značilno za težkega vojaka specialnih enot: 1) visoka raven IQ; 2) sposobnost narediti 80 sklec; 3) pogum, vzdržljivost, moč značaja?... Analiza je pokazala na 3. točko. Google. V svoji knjigi »Pravila dela! Zakaj večina ljudi na svetu želi delati pri Googlu« Laszlo Bock, višji podpredsednik oddelka za človeške vire (HRM), piše, da je najpomembnejše kadrovsko orodje pri Googlu statistika. Začetni razgovor s kandidatom je popolnoma avtomatiziran, poteka računalniško in konfiguriran za izbiro najboljšega kandidata. Iskalni velikan s pomočjo napovedne analize ocenjuje tudi verjetnost, da bodo ljudje zapustili podjetje. Ena od ugotovitev: novi zaposleni v prodaji, ki ne napredujejo v 4 letih, pogosteje zapustijo podjetje. Hewlett-Packard. HP-jevi fantje so pravi ljubitelji napovedne analitike v HR. Podjetje je začelo zaupati napovednim tehnologijam že leta 2011. Nato so interni znanstveniki združili podatke o človeških virih iz prejšnjih 2 let in uporabili napovedni model, da bi poskušali predvideti verjetnost odhoda vsakega od 300.000 zaposlenih. Posledično je bil ustvarjen tako imenovani indikator »Flight Risk«, s pomočjo katerega so se vodje lahko pravočasno odzvali na opozorilne signale o odpuščanjih. Zahvaljujoč temu je HP prihranil do 300.000.000 $. Kaj smo še ugotovili: za razliko od Googla zaposlenim v Hewlett-Packardu ni pomembno le napredovanje, ampak tudi povišanje plače; sicer so razrešeni v 5 letih. Najboljši nakup. Ta prodajalec potrošniška elektronika— eden od vodij prediktivne kadrovske raziskave, med katero je vodstvo podjetja ugotovilo, da povečanje zavzetosti zaposlenih za 0,1 % vodi do povečanja letnega dohodka za 100.000 USD. Takšni rezultati so spodbudili pregled pogostosti notranjih revizij zavzetosti: so zdaj izvaja četrtletno namesto enkrat letno. IBM. Modri velikan ima na voljo IBM-ov superračunalnik Watson, ki ocenjuje vrsto kriterijev, ki naj bi vplivali na menjavo kadrov. Med njimi: stopnja in smer izobrazbe, urna postavka, strast in zadovoljstvo z delom, pogostost/odsotnost službenih potovanj, zakonski stan, starost in celo oddaljenost od doma do delovnega mesta. Stolpec, ki vsebuje navedbo »izgorelosti« zaposlenega (da/ne), je označen z zeleno (glejte spodnji posnetek). Z analizo teh informacij lahko kadrovik prepreči odhod specialista in ugotovi razlog za odpuščanje. Opomba. Tabela prikazuje strukturirane podatke, kar pomeni, da se napovedna analitika skoraj vedno začne in konča z deskriptivno analitiko. Zato ne zanemarite zbiranja tradicionalnih statističnih podatkov. Vsekakor vam bodo prišli prav, če se boste odločili za razvoj napovednih modelov. 5 korakov za razvoj napovednega modelaIN splošni pogled potek dela bo naslednji (z uporabo primera napovedi odpuščanj na lastno zahtevo kvalificiranih strokovnjakov):
Povzemimo in razmislimo o tem, kako uporabiti gradivo članka v domači kadrovski realnosti. Stroški zapolnitve prostega delovnega mestaTo je številka, ki vključuje stroške objave prostega delovnega mesta na delovnih mestih, stike z zaposlovalci, preverjanje, razgovore – vse, kar se dogaja v procesu iskanja kandidatov, ima svojo ceno v obliki človeških in časovnih virov. Po navedbah Superjob raziskave, stroški zapolnitve enega prostega delovnega mesta v Rusiji leta 2015 so znašali 10.000. V Moskvi je številka nekoliko drugačna - 17% višja kot v državi. V zadnjem letu se je znižal strošek zapolnitve enega prostega delovnega mesta, močno pa so se znižali tudi kadrovski stroški. Čas je za zapolnitev prostega delovnega mestaČas, porabljen za zapolnitev enega prostega delovnega mesta, je skoraj tako pomemben kot stroški postopka. Na žalost, poiščite nekaj Povprečna vrednost ni nam uspelo. To vemo v ZDA potrebnih približno 25 dni za zapolnitev enega prostega mesta. Formula je preprosta: # dni je delovno mesto odprto / # število zaposlenih kandidatov Viri kandidatovČe poznate vire, ki vam prinesejo največ dobrih kandidatov, je postopek zaposlovanja veliko lažji. Tukaj je vredno razmisliti o vsem, preden sprejmete ponudbo, posebnosti prostega delovnega mesta in vse platforme, ki so na voljo za odziv - razvijalec se je odzval na Facebooku in šel na karierno stran, računovodja pa se je takoj odzval na delovnem mestu. Obstaja razlika. Zahvaljujoč tej vrsti analitike lahko zmanjšate stroške zasedbe prostega delovnega mesta. Učinkovitost postopka zaposlovanjaNa vsaki stopnji izbire nekoga izločite, nekdo odpade sam - analiza razlogov, zakaj se je to zgodilo na tej določeni stopnji, vam bo omogočila učinkovitejšo izgradnjo postopka zaposlovanja. Postavite tista vprašanja, ki izločijo neprimerne kandidate, govorite o načelih dela podjetja, ki nekomu morda ne ustrezajo, dajte testne naloge prej, tako da se tisti kandidati, ki jih ne želijo upoštevati, takoj izločijo iz izbirnega postopka. Formula je: (število kandidatov, ki napredujejo v naslednjo stopnjo / skupno število izbranih kandidatov) X 100 Sprejem ponudbeEnostavno – kolikšen odstotek kandidatov, ki so šli skozi vse faze selekcije, je na koncu prejelo ponudbo (in jo sprejelo)? Pomembno je upoštevati ne le informacije o tem, zakaj ste izbrali prav te kandidate, ampak tudi, zakaj so drugi zavrnili ali iz nekega razloga niso dosegli končne stopnje izbora. analitika potrebno za izboljšanje izbirnega postopka: kako izkazujete kulturo podjetja? Kaj ljudi odvrne med intervjuji? Kako se kandidati odzovejo na informacije o plače in lokacijo pisarne? Fluktuacija osebjaPromet je treba redno spremljati – analiza vsakih nekaj mesecev, vsakih šest mesecev ali vsako leto. To vam bo omogočilo, da jasno razumete, zakaj zaposleni zapuščajo podjetje in kaj je treba storiti, da se to ne zgodi - spet govorimo o varčevanju pri zaposlovanju in tudi o izgradnji korporativne kulture s stabilnimi temelji v obliki dobrih strokovnjakov . Formula: # število zaposlenih, ki so med letom odšli / skupno # število zaposlenih Stroški prometaPodcenjen dejavnik je, da vsak zaposleni, ki zapusti podjetje, tudi stane. Sliši se cinično, a to je dejstvo in dodaten razlog, da pomislite, zakaj je pisarna prazna in kaj delate narobe. Poleg tega, če zaposleni odidejo, to vpliva tudi na splošno razpoloženje v ekipi - drugi mu bodo začeli slediti, ki se preprosto bojijo sprememb ali, nasprotno, nenadoma zberejo pogum, da odidejo. Pa vendar – vedeti morate, koliko vas bo stala izguba zaposlenega. Formula (lahko obstajajo možnosti): sredstva, izplačana po odhodu zaposlenega + stroški prostega delovnega mesta + stroški zamenjave zaposlenega + plačila za začetno usposabljanje in prilagoditev Povprečna delovna dobaAnalizirajte, kako dolgo v povprečju zaposleni zasedajo določen položaj. Tako lahko razumete, kdaj je zaposleni blizu odhoda in kdaj je bolje narediti kadrovske spremembe. Učinkovitost kanalaAli je v vašem primeru pravilna objava prostih delovnih mest na FB? Koliko res dobrih kandidatov je prišlo na položaj z delovišča? Analiza učinkovitosti kanalov vam bo omogočila uporabo le tistih platform, ki redno omogočajo prijavo ustreznih kandidatov. Odprte pozicije vs. Zaprta prosta delovna mestaTo je analitični članek, ki je pomemben za velika podjetja - primerjati morate število prostih delovnih mest, ki so bila pravkar zapolnjena, in tistih, ki so se pojavila, da ponovno ocenite učinkovitost postopka zaposlovanja. Če ima podjetje malo prostih delovnih mest, to pomeni, da delate vse prav in da je v podjetju vse dokaj harmonično. Povprečna starost zaposlenih v podjetjuČe veste, koliko morajo biti stari vaši zaposleni, je lahko učinkovitejše zaposlovanje in lažja izgradnja korporativne kulture. Generacijska razlika se še vedno čuti na delovnem mestu - čeprav v Rusiji teorija generacij Y in Z ni tako pomembna, je veliko več pomembne lastnosti, ki jih morate upoštevati in redno analizirati pri svojem delu. Zavzetost in zadovoljstvoDva kazalnika, ki se najpogosteje merita z anketami. Vprašanje njihove učinkovitosti v svetu kadrovskih tehnologij je pereče. Vaša naloga je najti optimalno orodje za analizo zavzetosti in zadovoljstva zaposlenih za vaše podjetje. Ni tako pomembno, ali izvajate anonimne ankete ali se samo pogovarjate s svojo ekipo, pomembno je, da so odgovori blizu resnice. |
Preberite: |
---|
priljubljeno:
Aforizmi in citati o samomoru![]() |
Novo
- Face of Winter Poetični citati za otroke
- Lekcija ruskega jezika "mehki znak za sikajočimi samostalniki"
- Velikodušno drevo (prispodoba) Kako priti do srečnega konca pravljice Radodarno drevo
- Načrt lekcije o svetu okoli nas na temo "Kdaj bo poletje?"
- Vzhodna Azija: države, prebivalstvo, jezik, vera, zgodovina Kot nasprotnik psevdoznanstvenih teorij o delitvi človeških ras na nižje in višje je dokazal resnico
- Razvrstitev kategorij primernosti za vojaško službo
- Malokluzija in vojska Malokluzija ni sprejeta v vojsko
- Zakaj sanjate mrtvo mamo živo: razlage sanjskih knjig
- V katerih znakih zodiaka so ljudje rojeni aprila?
- Zakaj sanjate o nevihti na morskih valovih?