اخلاق داده ها در تجزیه و تحلیل افراد: 4 اساسی که باید دنبال کنید

در طول ده سال گذشته، داده ها و تجزیه و تحلیل ها به بخشی جدایی ناپذیر از منابع انسانی تبدیل شده اند. در حالی که بیشتر سازمان‌ها شروع به بهبود جنبه‌های عملیاتی جمع‌آوری و مدیریت داده‌ها کرده‌اند، اخلاق داده‌ها همچنان پشت سر گذاشته می‌شود. تحقیقات Insight222 نشان داد که 81٪ از رهبران تجزیه و تحلیل افراد معتقدند که اخلاق یا نگرانی های مربوط به حریم خصوصی پروژه های مبتنی بر داده آنها را به خطر انداخته است، و تخمین زده می شود که بیش از 70٪ از کارمندان به داده هایی دسترسی دارند که نباید آنها را داشته باشند.

تا سال 2025، تخمین زده می‌شود که افراد و شرکت‌ها در سراسر جهان روزانه تقریباً 463 اگزابایت داده تولید می‌کنند، در حالی که یک دهه قبل کمتر از 3 اگزابایت داده بود. بنابراین موانع مربوط به اخلاق داده در منابع انسانی چیست؟ چرا اخلاق داده‌ها مهم است و بهترین روش‌هایی که متخصصان منابع انسانی می‌توانند برای اطمینان از مدیریت مسئولانه داده‌ها دنبال کنند، چیست؟

مطالب
اخلاق داده چیست؟
چرا اخلاق داده برای متخصصان منابع انسانی بسیار مهم است؟
4 مبانی اخلاق داده

اخلاق داده چیست؟

اخلاق داده ها در منابع انسانی بر روی شیوه هایی متمرکز است که هدف آنها حفظ اعتماد کاربران، کارمندان، مشتریان و شرکا در محل کار است. در دهه گذشته، استفاده از داده‌ها و تجزیه و تحلیل‌ها در منابع انسانی افزایش یافته است، اما برای انجام تجزیه و تحلیل منابع انسانی، سازمان‌ها باید مجموعه‌ای از داده‌ها را جمع‌آوری، ذخیره و تجزیه و تحلیل کنند که برخی از آنها حساس هستند.

برای مثال، تعداد زیادی از کسب‌وکارها از People Analytics برای گزارش‌دهی تنوع استفاده می‌کنند و این شامل داده‌های مربوط به جنسیت، قومیت، گرایش جنسی و سن است. اگر این داده ها به درستی مدیریت نشود یا به بیرون درز کند، می تواند تأثیر منفی جسمی و روحی بر رفاه آن کارمند داشته باشد و باعث تعصبات ناخودآگاه در محل کار شود. به همین دلیل است که کارمندان اغلب در افشای اطلاعات حساس خود یا به اشتراک گذاشتن اطلاعات نادرست مردد هستند.

اخلاق داده‌ها تنها با اتخاذ رویکردی شفاف، دموکراتیک و اخلاقی در کل فرآیند داده‌ها قابل دستیابی است، اما گفتن این کار آسان‌تر از انجام آن است.

چرا اخلاق داده برای متخصصان منابع انسانی بسیار مهم است؟

جمع آوری، تجزیه و تحلیل، ذخیره و تبادل داده های کارکنان یک چالش اخلاقی و قانونی برای متخصصان منابع انسانی است. وقتی اعتماد کارمندان خود را از دست دادید، به دست آوردن مجدد آن آسان نیست. در هسته خود، تجزیه و تحلیل افراد مربوط به افراد است، بنابراین اخلاق داده ها باید در راس هر ابتکار تحلیلی باشد.

برای جمع آوری و تجزیه و تحلیل داده های کارکنان در وهله اول باید یک دلیل واضح – یک هدف یا چالش تجاری – وجود داشته باشد. پس از ایجاد، منابع انسانی باید در هر مرحله شفاف باشد و کارکنان را آگاه کند که چرا جمع‌آوری این داده‌ها مهم است، چگونه آن‌ها را جمع‌آوری می‌کنند، این داده‌ها چیست، چگونه برنامه‌ریزی می‌کنند از آن استفاده کنند، و چه کسی به آن دسترسی خواهد داشت. . همچنین بسیار مهم است که به حریم خصوصی و ناشناس بودن کارمندان خود احترام بگذارید و اطمینان حاصل کنید که قبل از به دست آوردن و به اشتراک گذاری داده های شخصی رضایت آگاهانه داده شده است. برای اطمینان از محرمانه ماندن داده ها، باید به صورت ایمن ذخیره شوند و دسترسی فقط به چند مدیر منابع انسانی و ذینفعان اعطا شود.

جمع آوری داده های اخلاقی در منابع انسانی

جمع آوری داده ها در مورد کارمندان و تجزیه و تحلیل آن به متخصصان منابع انسانی و رهبران کسب و کار کمک می کند تا الگوها را شناسایی کنند، روندهای آینده را پیش بینی کنند، تصمیمات مبتنی بر شواهد بگیرند و مزیت رقابتی به دست آورند. تجزیه و تحلیل افراد بدون شک حوزه منابع انسانی را به سمت بهتر شدن تغییر می دهد.

با این حال، این مبتنی بر داده های کارکنان است که جمع آوری و تجزیه و تحلیل می شود، به این معنی که متخصصان منابع انسانی باید این کار را به درستی انجام دهند.

مشکل اینجاست که این کار همیشه آسان نیست. یک نظرسنجی توسط UNLEASH و موسسه نیروی کار هوشمند IBM نشان داد که 84٪ از مردم معتقدند منابع انسانی به راهنمایی فوری در مورد استفاده منصفانه و حفظ حریم خصوصی منابع داده جدید و در حال ظهور در تجزیه و تحلیل افراد نیاز دارد.

تحولات قانونی به سرعت در حال تغییر هستند، مانند فرآیندهای داده و فناوری، که ارائه اطلاعات دقیق و دقیق به کارکنان را دشوار می کند. منابع داده غیر سنتی (ایمیل، رسانه های اجتماعی، ابزارهای پوشیدنی و حسگرها) این خط را بیشتر محو می کنند. جمع‌آوری غیرفعال داده‌ها از طریق تجزیه و تحلیل شبکه و ابزارهای گوش دادن، مطابق با تعداد کارگران از راه دور افزایش یافته است، زیرا سازمان‌ها سعی می‌کنند کنترل نیروی کار گسترده خود را حفظ کنند. به علاوه، افزایش ابزارهای مبتنی بر هوش مصنوعی در استخدام و تجزیه و تحلیل افراد، نگرانی‌های اخلاقی داده و حفظ حریم خصوصی را افزایش می‌دهد.

با توجه به مشکلات متعددی که متخصصان منابع انسانی با آن مواجه هستند، ضروری است که سازمان‌ها اصول اخلاق داده‌ها را رعایت کنند و تمام تلاش خود را برای حفظ اعتماد کارکنان خود در حین مدیریت انتظارات تجاری انجام دهند.

4 مبانی اخلاق داده

اگرچه ناوبری اخلاق داده در تجزیه و تحلیل افراد می تواند چالش برانگیز باشد، فرآیندها و اقدامات خاصی وجود دارد که تیم های منابع انسانی و رهبران کسب و کار می توانند برای اطمینان از رعایت اصول اخلاقی در حین استفاده از داده ها و تجزیه و تحلیل برای اهداف تجاری انجام دهند.

4 Fundamentals of Data Ethics4 Fundamentals of Data Ethics

1. یک چارچوب استفاده از داده های شرکت ایجاد کنید

اولین قدم برای اخلاق داده ها، ایجاد چارچوب استفاده از داده های شرکت برای کارمندان است.

منابع انسانی باید رهبران بخش‌ها (از جمله مدیر عامل و CDO، تیم‌های حقوقی و انطباق) را گرد هم بیاورد تا چارچوبی برای استفاده از داده ایجاد کنند که منعکس‌کننده ماموریت، چشم‌انداز و اهداف مشترک شرکت و نحوه برنامه‌ریزی آن برای استفاده از داده‌ها باشد.

مدیر عامل (همراه با دیگر رهبران C-suite) باید نقش خود را در تعریف قوانین داده ای ایفا کند که با اخلاقیات مطابقت دارد و برای صنعت خاص آنها طراحی شده است. کارکنان باید در مورد خطرات احتمالی مربوط به داده ها و اینکه کدام پروژه های جمع آوری داده و تجزیه و تحلیل را می توانند و نمی توانند دنبال کنند، روشن باشند.

به عنوان مثال، یک کسب و کار ممکن است تصمیم بگیرد که یک اصل اصلی برای استفاده از داده تنها در صورتی استفاده از داده است که مستقیماً با بهبود زندگی کاری کارگرانش مرتبط باشد. این چارچوب استفاده از داده را می توان با رشد کسب و کار و تغییر اولویت ها و فناوری ها، مورد بازنگری و تجدید نظر قرار داد. این کمک می کند تا اطمینان حاصل شود که داده ها از نظر اخلاقی و کارآمد استفاده می شوند و از استراتژی کلی سازمان پشتیبانی می کنند.

مهم نیست که یک کسب و کار چقدر کوچک یا بزرگ است، اخلاق داده ها باید در نظر گرفته شود و دستورالعمل های حفاظت از داده ها باید وجود داشته باشد. با این حال، هر چه یک سازمان بزرگتر باشد، خطرات و دام های احتمالی بیشتری در رابطه با داده ها وجود دارد. یک چارچوب، چشم‌انداز و قوانین واضح می‌تواند با متحد کردن شرکت و ارائه شفافیت به این چشم‌انداز مبهم و گیج‌کننده، از نقض داده‌ها جلوگیری کند.

رهبران منابع انسانی و کسب و کار باید اهداف کلیدی خود را با جمع‌آوری و تجزیه و تحلیل داده‌ها در نظر بگیرند، این که چگونه این داده‌ها کسب‌وکار را بهبود می‌بخشد، و چارچوب استفاده از داده‌ها را بر اساس پاسخ به این سؤالات محوری توسعه دهند.

2. با کارمندان خود در زمینه اشتراک داده درگیر شوید

حتی پس از ایجاد و قرار دادن یک چارچوب استفاده از داده در سازمان شما، همچنان مناطق خاکستری برای پیمایش وجود خواهد داشت. این خطر وجود دارد که تیم‌های منابع انسانی و رهبران کسب‌وکار تصور کنند که کارمندان از نحوه جمع‌آوری، استفاده و ذخیره داده‌هایشان راضی هستند، اما ممکن است اینطور نباشد.

اندازه گیری مناطق آسایش کارکنان خود در مورد استفاده از داده های آنها یک گام مهم است. تیم‌های رهبری منابع انسانی باید قهرمانان اخلاق داده‌های کارکنان باشند و با کارمندان خود برای ابداع مجموعه‌ای از اصولی کار کنند که به شیوه‌های استفاده از داده‌های شرکت اعتماد ایجاد کند. همانطور که نظرسنجی گارتنر در زیر نشان می دهد، اکثر کارمندان مایلند انواع خاصی از داده ها را به اشتراک بگذارند.

نظرسنجی گارتنر: 7 اصل راهنما برای اخلاق داده ها در منابع انسانی

اصول مهمی که هدف منابع انسانی باید رعایت شود:

  • یک کد اخلاقی داده ها را بیان کنید که ریشه در فرهنگ سازمانی شما دارد
  • شرکای کلیدی را شناسایی کرده و از آنها یاد بگیرید
  • هدف و هدف هر پروژه ای که از داده های کارمندان استفاده می کند را روشن کنید
  • به صراحت ارتباط برقرار کنید که چه داده هایی، چگونه و چرا جمع آوری می شوند
  • اطمینان حاصل کنید که کارکنان بر داده های خود کنترل و استقلال دارند
  • همیشه از کارمندان خود در مورد فرآیند بازخورد بخواهید

اغلب، کارمندان از نحوه استفاده از داده های خود یا قوانین دائمی در حال تغییر پیرامون جمع آوری و اشتراک گذاری داده ها بی اطلاع هستند. بحث در مورد این سوالات مهم است. به عنوان مثال، درک فعلی کارمند شما از نحوه استفاده از داده های آنها چیست؟ آنها انتظار دارند از داده های خود کجا استفاده شود و کجا انتظار آن را ندارند؟ اگر سازمان شما بیش از یک مکان یا کارمند از سراسر جهان دارد، آیا تفاوتی در انتظارات کارکنان در مناطق یا کشورهای مختلف وجود دارد؟

به عنوان مثال قرار دادن حسگرها بر روی صندلی های کار کارکنان را در نظر بگیرید. ممکن است به اندازه کافی بی ضرر به نظر برسد و سازمان ممکن است استدلال کند که پیگیری این موضوع مهم است، زیرا به آنها کمک می کند بفهمند که کارکنان چقدر پشت میز خود می نشینند. این به آن‌ها اجازه می‌دهد تا برای بهبود سلامت خود پیشنهاداتی در مورد ایستادن و حرکت بیشتر ارائه دهند. ثانیاً، به آنها کمک می کند تا بدانند افراد در حالی که پشت میزشان می نشینند چقدر سازنده هستند.

از سوی دیگر، کارمندان ممکن است با ردیابی به این روش و به اشتراک گذاری چنین اطلاعات دقیقی خوب نباشند. به همین دلیل است که سازمان‌ها باید در طرح‌های جمع‌آوری داده‌ها شفاف باشند و به کارکنان توضیح دهند که چرا داده‌ها جمع‌آوری می‌شوند و چگونه زندگی آنها را بهبود می‌بخشد.

مثال دیگر زمانی است که آمازون پس از اعطای حق ثبت اختراع برای ایجاد مچ بند بی سیم برای کارگران انبار خود، با واکنش شدید مطبوعات مواجه شد. رسانه ها استدلال کردند که این یک نقض فاحش حقوق کارگران توسط برادر بزرگ است، در حالی که آمازون پاسخ داد که به شرکت اجازه می دهد بهره وری و رفاه کارکنان را بهبود بخشد. این احتمالاً یک گفتگوی مداوم در طول سال‌های آینده خواهد بود، زیرا تولید داده‌ها افزایش می‌یابد و کسب‌وکارها برای کسب اطلاعات بیشتر برای تصمیم‌گیری استراتژیک تلاش می‌کنند.

3. کد اخلاقی داده خود را به وضوح بیان کنید

هنگامی که یک چارچوب استفاده از داده، ورودی و بازخورد از کارمندان خود دارید، می توانید یک کد اخلاقی داده ایجاد کنید. به محض اینکه این به طور کامل توسعه یافت، مهم است که آن را به وضوح به همه کارمندان منتقل کنید. راه های زیادی برای رسیدن به این هدف وجود دارد.

رهبران منابع انسانی باید با سایر بخش ها و واحدهای تجاری گفتگو کنند تا در مورد اینکه چگونه کسب و کار قصد دارد از داده های کارکنان استفاده کند و برای چه اهدافی صحبت می کند.

چرا و چگونه باید به طور شفاف به همه کارمندان اطلاع داده شود: چرا کسب و کار داده های خاصی را جمع آوری می کند و چگونه برای همه مفید است. همچنین مهم است که منابع انسانی قبل از شروع هر پروژه تحلیلی جدید با کارمندان باز باشد و با هر ابتکار جدید، آنها توضیح دهند که چگونه از داده های کارمندان محافظت می کنند و از آن استفاده می کنند.

سازمان ها باید به کارمندان کنترلی بر داده هایشان بدهند. به عنوان مثال، ارائه یک مکان دسترسی که در آن آنها می توانند داده هایی را که شرکت در مورد آنها نگهداری می کند مشاهده کنند و در صورت نیاز آن را به روز کنند یا اصلاح کنند.

مطمئن شوید که کد اخلاقی داده های کارکنان خود را در اینترانت های شرکت و صفحات شغلی ارسال کنید.

4. به طور مداوم سیاست های اخلاقی داده های خود را بازبینی کنید

گام نهایی برای بهترین شیوه های اخلاق داده، نظارت مستمر و به روز رسانی خط مشی های خود است.

درباره سیاست‌های اخلاقی داده‌ها و اهداف تحلیلی با رهبران و ذینفعان بحث کنید تا مطمئن شوید که چارچوب و خط‌مشی‌های استفاده از داده‌های شما با اهداف کوتاه‌مدت و بلندمدت شرکت شما همسو هستند.

به طور منظم از کارکنان بازخورد بخواهید تا مطمئن شوید که چگونه و چرا و انتظارات خود را برآورده می کنند.

همانطور که در نحوه برنامه ریزی برای جمع آوری و استفاده از داده ها و با تغییر قوانین و مقررات متمرکز می شوید، مطمئن شوید که سیاست های اخلاقی داده های شما منعکس کننده این تغییرات است.

خوراکی های کلیدی

  • داده‌ها و تجزیه و تحلیل‌ها در حال حاضر جزء لاینفک منابع انسانی هستند و می‌توانند با اتخاذ تصمیم‌های استراتژیک و مبتنی بر شواهد به کسب‌وکارها کمک کنند کارآمدتر و مؤثرتر عمل کنند.
  • با جمع‌آوری، استفاده و ذخیره داده‌ها، اغلب بدون یا با رضایت مبهم، که می‌تواند تأثیر مضری بر سلامت و رفاه کارکنان شما داشته باشد، اخلاق داده‌ها به یک نگرانی فزاینده تبدیل می‌شود.
  • اخلاق داده ها به ویژه برای متخصصان منابع انسانی مهم است، زیرا آنها قهرمانان افراد خود هستند، بنابراین جمع آوری، تجزیه و تحلیل و ذخیره داده های کارکنان به صورت شفاف و اخلاقی باید در رأس هر ابتکار تحلیلی باشد.
  • با ایجاد چارچوب استفاده از داده های شرکت، تعامل با کارمندان خود در زمینه به اشتراک گذاری داده ها، برقراری ارتباط کدهای اخلاقی داده های خود و مقاومت منظم در برابر خط مشی های خود، اصول اخلاق داده را دنبال کنید.
شانی جی نویسنده و نویسنده بین المللی است که 5 سال گذشته را صرف نوشتن درباره منابع انسانی کرده است. شانی قبلا برای چندین نشریه از جمله HuffPost نوشته است.

منبع


منتشر شده

در

توسط

برچسب‌ها:

دیدگاه‌ها

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *