نظریه بازی در منابع انسانی: کاربردها و 3 نمونه مطالعه موردی

به عنوان یک جامعه منابع انسانی، ما به معیارها وسواس داریم. ما برای رعایت استانداردهای نظارتی منابع انسانی و نظارت بر تغییرات فرآیند ماه به ماه به معیارها وابسته هستیم.

اما آیا معیارهای نمایش داده شده در داشبورد ما یک نقشه راه قوی برای بهبود آنها به ما می دهد؟ یا زمانی که ما بهبود یا کاهش داده ها را مشاهده می کنیم، اطلاعاتی در مورد دلایل ریشه ای پنهان ارائه می دهند؟

اکثر پزشکان منابع انسانی احتمالاً نه خواهند گفت. و با این حال، این اطلاعات برای ایجاد بهبود حیاتی است. اینجاست که تئوری بازی می تواند بینش ارزشمندی برای منابع انسانی ارائه دهد.

مطالب
چگونه منابع انسانی به طور سنتی محدودیت های معیارها را کاهش می دهد؟
تفاوت بین نظریه بازی و مدل سازی شبیه سازی
تئوری بازی توضیح داد
مزایای استراتژیک نظریه بازی برای منابع انسانی
مطالعات موردی نظریه بازی ها
چرا نظریه بازی به طور گسترده در منابع انسانی عملیاتی استفاده نمی شود؟

“اندازه گیری تاثیر منابع انسانی بر عملکرد نهایی، جام مقدس HR Analytics است.” – ادوارد لاولر و جان بودرو، معیارهای منابع انسانی و تجزیه و تحلیل: استفاده و تأثیر

چگونه منابع انسانی به طور سنتی محدودیت های معیارها را کاهش می دهد؟

سرمایه‌گذاری زیادی در مدل‌سازی پیش‌بینی کلان داده‌ها برای حوزه‌های تجاری معمولی مانند فرسایش، برنامه‌ریزی جانشین پروری و یادگیری انجام شده است. اغلب، این شامل چندین ماه (گاهی اوقات سالها) جمع آوری داده های گسترده است، که اغلب شامل پیمایش محرمانه بودن داده های پیچیده، انطباق، و موانع یکپارچه سازی است.

علاوه بر این، به‌عنوان تحلیل‌گر منابع انسانی، مدل‌های پیش‌بینی پیچیده‌ای را نیز بر روی گردش‌های کاری R، پایتون، Alteryx و موارد مشابه ساخته‌ایم. با این حال، یک مشکل اساسی در آن نهفته است.

HRBP ها و سایر رهبران عملکرد منابع انسانی دریافته اند که تأثیر پروژه های مدل سازی پیش بینی در عمل محدود و گاهی اوقات حتی گمراه کننده است زیرا یک نقص اساسی در هنگام اعمال مدل های پیش بینی رفتار انسان حل نشده است.

مدل‌سازی پیش‌بینی‌کننده در بهترین حالت می‌تواند رفتار انسان را در سطح گروه/تیم به‌طور قابل اعتماد پیش‌بینی کند، زیرا متغیرهای غیرقابل نگاشت، غیرقابل ردیابی و غیرقابل اعتماد زیادی در مورد انسان وجود دارد که نمی‌توان رفتار شخصی را از طریق مدل‌سازی پیش‌بینی‌کننده به‌طور قابل اعتماد پیش‌بینی کرد.

به قول معروف آلبرت انیشتین، “هر چیزی که قابل شمارش باشد، مهم نیست، و هر چیزی که مهم است قابل شمارش نیست.”

جواب چیست؟

این در گزارش یا تجزیه و تحلیل پیش بینی کننده نیست، بلکه در تجزیه و تحلیل است که جایی بین این دو قرار دارد. در عوض، در 8 سال گذشته مشاوره استراتژیک تحلیل منابع انسانی برای بازار ایالات متحده / اروپا / کانادا، ما دو رویکرد تجزیه و تحلیل متمایز را کشف کرده ایم که بیشترین تأثیر را برای منابع انسانی دارند.

1. نظریه بازی
2. مدل سازی شبیه سازی

تفاوت بین نظریه بازی و مدل سازی شبیه سازی

تئوری بازی توضیح داد

بیایید از یک قیاس ساده برای توضیح نظریه بازی ها استفاده کنیم:

اگر بخواهید یک سکه پرتاب کنید، 50% احتمال دارد که سکه روی “سر” بیفتد زیرا یک سکه فقط 2 روی دارد. اما احتمال اینکه یک سکه دو بار پرتاب شده روی «سر» بیفتد چقدر است؟ آیا احتمال 25٪، 10٪ یا 1٪ وجود دارد؟

در مرحله بعد، حداقل زمان مورد نیاز برای پرتاب 3 سکه به طور همزمان را در نظر بگیرید تا تضمین کنید که هر سکه در یک پرتاب روی “سر” فرود آید.

بیایید سناریو را برعکس کنیم. چند سکه باید به طور همزمان پرتاب کنید تا 100% تضمین شود که حداقل یکی از سکه ها روی “سر” فرود آید؟ هنگامی که به فرآیندهای منابع انسانی تعمیم داده شود، نظریه بازی می تواند به سناریوهای پیچیده What-If پاسخ دهد.

آیا می توان تئوری بازی ها را برای هر رشته ای که خارج از چارچوب است به کار برد؟

نظریه بازی ها ریشه در احتمالات و آمار دارد و موضوعی وسیع با حدود 20 زیر مجموعه یا زیر شاخه است. دو زیر مجموعه مربوط به بینش عملیاتی منابع انسانی که برای مطالعات موردی استفاده خواهیم کرد عبارتند از:

1. بازی های ترکیبی
2. بازی بیزی

در این مقاله، تئوری بازی ها در HR را به طور مفصل پوشش خواهیم داد و 3 سناریو واقعی روزمره برای HR عملیاتی را به اشتراک می گذاریم. هدف ما این است که تا پایان این مقاله، تیم علم داده منابع انسانی شما آماده باشد تا اولین گام ها را در پیاده سازی نظریه بازی در محیط تولید منابع انسانی شما بردارد.

توجه: تئوری بازی های کلاسیک از طریق احتمال مشروط مشترک اصلاح شده است تا مطابق با پذیرش آن برای مشکلات منابع انسانی استراتژیک زندگی واقعی باشد.

حل تنوع جنسیتی در رهبری برتر از طریق نظریه بازی

یک پلت فرم تجربه کارمند Humaxa در مورد جنسیت و تنوع نژادی در رهبری در ایالات متحده تحقیق کرد. بر اساس مطالعه ای از دانشگاه مریویل، شکاف بین مردان و زنان 68٪ از 32٪ بود.

این یک مشکل معمولی است که متخصصان منابع انسانی سال‌ها سعی در رفع آن دارند. برای مثال، چگونه می‌توانیم از احتمال بالاتر ارتقای رهبران زن به سطح SVP اطمینان حاصل کنیم؟

راه حل این امر از طریق سناریوهای فعال در نردبان شرکت است که در آن:

1. تعداد کافی مرد در سطح معاونت/مدیر بازنشسته می‌شوند و در نتیجه احتمال ارتقای رتبه زنان افزایش می‌یابد.
2. اطمینان از بازنشستگی داوطلبانه جذاب برای مردان در سطح مدیریت ارشد
3. استخدام جانبی زنان با استعداد در سطح معاونت

نقشه مسیر و معیارهای دقیق برای دستیابی به این چیست؟ تئوری بازی پاسخ هایی برای چنین مشکلات استراتژیک منابع انسانی دارد.

مزایای استراتژیک نظریه بازی برای منابع انسانی

این بینش های استراتژیک، همانطور که در موارد استفاده زیر نشان داده شده است، می تواند کارایی پروژه را تقریباً 25٪ یا بیشتر بهبود بخشد، که برای منابع انسانی عملیاتی بسیار مفید است.

علاوه بر این، این نوع اطلاعات می‌تواند به منابع انسانی در برنامه‌ریزی چشم‌انداز پروژه، بودجه‌بندی، زمان‌بندی، و مهم‌تر از همه، توانایی محاسبه و تعهد به زمان‌بندی قابل اعتماد کمک کند.

این بینش های استراتژیک را می توان نسبتاً سریع محاسبه کرد (در یک بازه زمانی متوسط 4-5 روز کاری) و به داده های بزرگ یا محاسبات پیچیده که برای یادگیری ماشین یا هوش مصنوعی مورد نیاز است نیاز ندارد. ثبت نام در یک برنامه گواهینامه تجزیه و تحلیل افراد به شما کمک می کند تا مهارت ها و دانش مورد نیاز برای کار بر روی پروژه های مرتبط با تجزیه و تحلیل افراد را توسعه دهید.

بیایید 3 مطالعه موردی را برای نشان دادن مزایای نظریه بازی برای منابع انسانی عملیاتی باز کنیم.

نظریه بازی برای مطالعات موردی منابع انسانی

توجه: محاسبه کامل فرمول ها به دلیل محدودیت فضا قابل ارائه نیست. با این حال، دستورالعمل های کافی برای ساخت پرونده های خود و محاسبه فرمول ها ارائه شده است. لطفاً برای اجرای تولید با تیم علم داده خود مشورت کنید.

مطالعه موردی 1: استعدادیابی

• مکان: اتاق کنفرانس، بخش تجزیه و تحلیل افراد، 500 MNC ثروت
• میزبان: تجزیه و تحلیل VP People
• مشتری : جذب استعداد VP

بیانیه مشکل بازی HR:

به دلیل ترکیبی از عوامل کسب و کار، جذب VP Talent دارای شرایط حیاتی ماموریت زیر است:

1. نیاز به استخدام 5 فروش مستقیم برای هدایت مناطق مختلف برای رسیدگی به خط جدیدی از محصولات در شرف راه اندازی
2. 2 نفر از افراد استخدام شده باید زن باشند
3. میانگین تجربه استخدامی نباید کمتر از 4 سال در نقش رهبری ارشد باشد.

• سوال: آیا تئوری بازی برای منابع انسانی می تواند بینش هایی را برای برآوردن شرایط زیر ارائه دهد؟

بیانیه راه حل :

تجزیه و تحلیل VP People: بله، نقشه مسیر زیر برای برآوردن الزامات بالا آمده است:

• شما باید حداکثر با 14 نامزد مرد و 8 داوطلب زن که دارای پیش نیازهای شغلی مدیر هستند مصاحبه کنید. به احتمال 92% تعداد اتصالات مورد نیاز را پیدا کنید.
• 87 درصد احتمال دارد که این فرآیند در 84 روز تکمیل شود و 80 درصد احتمال دارد که در 72 روز تکمیل شود.
• توصیه می شود هیچ نامزدی با سابقه کمتر از 2 سال را در نقش رهبری قرار ندهید. اگر این کار را انجام دهید، 90 درصد احتمال دارد که میانگین تجربه در یک نقش رهبری ارشد 4 سال یا بیشتر باشد.

نحوه گزارش ساده این موضوع به رهبری منابع انسانی:

حداکثر 14 داوطلب مرد و 8 داوطلب زن باید مصاحبه شوند. 85 روز طول می کشد تا همه پوزیشن ها بسته شوند. شرط لازم برای واجد شرایط بودن باید حداقل 3 سال در نقش مدیریت ارشد باشد.

محاسبات (نمای کلی غیر فنی)

مطالعه موردی 2: پاداش

• مشتری: جوایز VP

بیانیه مشکل بازی HR :

به دلیل ترکیبی از عوامل تجاری، VP Rewards دارای شرایط زیر است:

1. کسب و کار باید اطمینان حاصل کند که دقیقاً 8 مدیر بازنشستگی داوطلبانه (VR) را می پذیرند.
2. میانگین دوره تصدی تمام مدیرانی که واقعیت مجازی را می پذیرند باید 14 سال باشد
3. پیشنهاد VR فقط می تواند به صورت متوالی و پس از دریافت پیشنهاد اولیه توسط 8 نفر ارائه شود. این به این معنی است که مدیر نهم تنها در صورتی می تواند اختیار بازنشستگی داوطلبانه داشته باشد که از بین 8 مدیر 1 نفر این پیشنهاد را نپذیرند.
4. VP Rewards می‌خواهد حداقل تعداد مدیران خدمت‌رسان را بداند که باید به این گزینه داده شود تا اطمینان حاصل شود که 8 مدیر واقعیت مجازی را می‌پذیرند.
5. علاوه بر این، VP Rewards می‌خواهد بداند که چگونه اطمینان حاصل کند که میانگین دوره تصدی حداقل 16 سال خواهد بود.

بیانیه راه حل:

تجزیه و تحلیل VP People: بله، در اینجا نقشه مسیر برای برآورده کردن الزامات بالا آمده است

• برای رسیدن به هدف 8 VR، Rewards باید گزینه VR را به 27 کارگردان بدهد تا از شانس 99٪ اطمینان حاصل شود.
• توصیه نمی شود VR را به مدیرانی با سابقه تصدی کمتر از 12 سال بدهید. در این صورت، به احتمال 95 درصد، تمام مدیرانی که برنامه واقعیت مجازی را می پذیرند، به طور متوسط حداقل 14 سال کار خواهند کرد.
• توالی صحیحی که در آن باید به مدیران بالقوه VR داده شود، تنها از طریق یادگیری ماشینی قابل تحلیل است، که فراتر از محدوده تئوری بازی است.

چگونه این موضوع را به صورت ساده به رهبری منابع انسانی گزارش کنیم

ممکن است به حداکثر ۲۷ کارگردان نیاز باشد که گزینه‌های VR داده شوند. گزینه های واقعیت مجازی باید به طور ایده آل به کارمندانی داده شود که حداقل 12 سال سابقه خدمت در سازمان را داشته باشند. انتخاب و توالی که در آن مدیران باید واقعیت مجازی داده شوند از طریق یک مدل بردار پشتیبان (یادگیری ماشین) محاسبه شده است.

مطالعه موردی 3: یادگیری و توسعه

• مشتری 3: آموزش و توسعه معاونت (L&D)

بیان مشکل بازی :

به دلیل ترکیبی از عوامل تجاری، VP L&D دارای شرایط زیر است:

1. L&D چندین جلسه آنلاین “آموزش رهبری کار از راه دور” را برای رهبران ارشد (مانند مدیران و بالاتر) در هر 5 منطقه جهانی سازماندهی می کند.
2. L&D باید اطمینان حاصل کند که حداقل 300 رهبر از 5 منطقه در یک جلسه آنلاین شرکت می کنند.
3. معاون L&D می‌خواهد بداند چند جلسه باید برگزار شود تا اطمینان حاصل شود که 300 رهبر یا بیشتر در آن شرکت می‌کنند. همچنین اینکه آیا جلسات باید در روزهای خاصی از هفته برگزار شود یا خیر و در چند روز می توان کل برنامه را تکمیل کرد (مدت یک جلسه 4 ساعت خواهد بود).

بیانیه راه حل:

• برگزاری 12 جلسه 97 درصد احتمال حضور 300 رهبر یا بیشتر وجود دارد. جلسات را بعد از ظهر جمعه و به دنبال آن عصر چهارشنبه برگزار کنید.
• 85 درصد احتمال دارد که 12 جلسه در 4 ماه پخش شوند.

چالش های منحصر به فرد:

داده‌های تاریخی نماینده برای مدل‌سازی در دسترس نبود، زیرا هرگز چنین نیاز تجاری منحصر به فردی در دوران پیش از همه‌گیری وجود نداشت. بیشتر جلسات محدود قبلی رهبران کوچکتر و غیرمجازی بود، و رهبران اغلب به مکان‌هایی در مکان‌های جهانی پرواز می‌کردند.

روش شناسی مورد استفاده

مراحل محاسبه به شرح زیر است:

1. پرونده تجاری به نظریه بازی تبدیل شده است
2. داده های تاریخی گرفته شده است (داده های 3 یا 4 ساله)
3. نوع توزیع مشاهده شده (این کار را می توان در داخل توسط نرم افزار آماری Minitab یا از طریق گرفتن یک نمونه مبهم و تجزیه آن از طریق یک ابزار آنلاین انجام داد)
4. سپس داده ها از طریق CDF شناسایی شده (تابع چگالی تجمعی) خاص برای هر توزیع (همانطور که در نقطه 3 مشخص شده است) تجزیه می شود. به عنوان مثال، مرحله 4 را می توان با موارد زیر محاسبه کرد:
   • آمار احتمالات
   • ماشین حساب توزیع دو جمله ای
5. احتمالات برای احتمال مشترک با هم ضرب می شوند (در صورت لزوم)
6. در صورت لزوم (مانند مورد استفاده از پاداش) باید حلقه‌های منزوی را از طریق پایتون یا R انجام داد.
7. محاسبات احتمال از جبر خطی و فاکتوریل استفاده می کنند. هیچ کس نیازی به انجام این کار در عمل ندارد، زیرا ابزارهای آماری از پیش تنظیم شده (Minitab، سایت های آنلاین) برای محاسبه آن در دسترس هستند.

تکه‌های فنی کلیدی مورد استفاده در مثال‌ها

• برخی از محاسبات فوق اختصاصی HR شامل کشش توابع احتمال اعمال شده تا حد خود است، اما همه آنها به راحتی توسط یک آماردان قابل انجام هستند.
• نمونه های فوق تنها 1% از احتمالات کاربرد آن در منابع انسانی را نشان می دهد. تئوری بازی را می توان تقریباً برای هر فرآیند HR تراکنشی قابل تصوری به کار برد.
• بیشتر موارد فقط به داده های سطح بالا مبهم نیاز دارند، که نیاز به مقررات محرمانه بودن داده ها مانند GDPR اتحادیه اروپا و غیره را برطرف می کند. این یک مزیت قابل توجه در مقایسه با روش های تحلیلی و یادگیری ماشینی است.
• از نظر تئوری، این محاسبات حتی می توانند بر روی ماکروهای اکسل نیز اجرا شوند. با این حال، ایده بهتر ممکن است استفاده از پلتفرم هایی مانند برنامه نویسی Alteryx یا Python باشد.

چرا نظریه بازی به طور گسترده در منابع انسانی عملیاتی استفاده نمی شود؟

جالب است که ما منابع انسانی را به طور فعال با استفاده از تئوری بازی در برنامه ریزی عملیاتی مشاهده نکرده ایم، حداقل در یک محیط مولد. با توجه به پتانسیل عظیم نظریه بازی، این یک فرصت از دست رفته است.

چرا منابع انسانی تئوری بازی را با اهرم بهتری اعمال نکرده است؟ در طول دهه گذشته یا بیشتر، به نظر می‌رسد روایت کاربرد علم داده در منابع انسانی از تمرکز گزارش‌دهی ایستا یا پویا به هوش مصنوعی، یادگیری ماشینی، و NLP یا کلان داده تغییر کرده است – با نادیده گرفتن پتانسیل‌هایی که نظریه بازی در این فرآیند ارائه می‌دهد.

احتمالات و نظریه بازی بخشی از یک رشته قدیمی در کاربرد عملی آن هستند که حداقل 100 سال است که وجود داشته است.

ریاضیدانان فرانسوی پاسکال، فرما، و پواسون (با تلفظ ‘poa – sohn’) با تحقیقات پیشرو در این زمینه شناخته می شوند که توسط بسیاری دیگر از ریاضیدانان اروپایی تکمیل شده است. این در رشته‌های متنوعی مانند اکچوئرهای بیمه، ردیابی رفتار مجرمانه، متعادل‌سازی کلان سبد سهام، حتی warGame و تخمین الگوهای انتشار COVID استفاده می‌شود.

برخی از روال‌های یادگیری ماشین، مانند Naive Bayes و KNN، حتی از زیرمجموعه‌ای از احتمالات و تئوری بازی‌ها به شکلی استفاده می‌کنند، به عنوان مثال، احتمال محاسبه و امتیاز رای‌گیری احتمالی.

توجه به این نکته مهم است که استفاده از احتمالات و تئوری بازی به صورت مجزا با بازی Baysen، بعد کاملاً جدیدی از کاربرد تاکتیکی را باز می کند، که یک تغییر بازی برای منابع انسانی و دیگران است.

مطالعات موردی بالا نشان می‌دهد که چگونه می‌توانیم به سرعت پاسخ‌های تقریبی را برای هر مشکل تجاری تاکتیکی محاسبه کنیم. در حالی که پروژه های تجزیه و تحلیل پیشرفته فقط بر روی موارد استفاده استاندارد منابع انسانی مستند شده مانند محاسبه ساییدگی، برنامه ریزی جانشین پروری یا پیش بینی غیبت کار می کنند.

مزایا و معایب تئوری بازی های منابع انسانی در مقابل یادگیری ماشین منابع انسانی و هوش مصنوعی

برای نتیجه گیری

منابع انسانی عملکردی نیازی به ورود به جزئیات دقیق محاسبات ندارد، زیرا این کار یک آماردان خواهد بود. با این حال، برای ارائه یک نمای کلی از ریاضیات، تئوری بازی ها مبتنی بر تخمینی است که به عنوان cdf (تابع چگالی تجمعی) با انواع توزیع مستند شده مانند نرمال، دوجمله ای، هندسی، پواسون و غیره شناخته می شود. این انواع توزیع تقریباً انواع مختلفی دارند. فرآیندها و زیرفرایندهای منابع انسانی

برای پذیرش نظریه بازی در منابع انسانی، همه عوامل به گونه‌ای تنظیم می‌شوند که احتمال وقوع رویداد مورد نظر (پروژه‌های منابع انسانی تاکتیکی) حداقل 85 درصد باشد. این جوهر یک بازی Baysian است.

بازی مبارک، HR!