چرخه مدیریت تجزیه و تحلیل منابع انسانی

من تحقیقات خود را در مورد تجزیه و تحلیل منابع انسانی بیش از یک سال پیش آغاز کردم. پس از بررسی دقیق ادبیات موجود در حال رشد – اما محدود – در مورد تجزیه و تحلیل منابع انسانی، من با عدم وضوح قابل توجهی در زمینه منابع انسانی و بورس تحصیلی مدیریت، و توسط کارشناسان به اصطلاح تحلیل منابع انسانی در صنعت مواجه شدم.

عدم وضوح در رابطه با اصطلاحات موضوعی، با استفاده گمراه کننده از اصطلاحات تخصصی هوش مصنوعی و علم داده وجود داشت – و تا حدی وجود دارد – که به موجب آن از عباراتی مانند یادگیری ماشینی، الگوریتم ها، سیستم های خبره، و تجزیه و تحلیل پیش بینی کننده استفاده می شد. به جای هم

و مهمتر از آن، دوز قابل توجهی از سردرگمی در مورد ارزش افزوده‌ای که تجزیه و تحلیل منابع انسانی می‌تواند برای عملکردهای منابع انسانی و جالب‌تر از آن، برای پرونده تجاری و نقش استراتژیک منابع انسانی در سازمان‌ها ایجاد کند، وجود داشت.

با از بین بردن سطح سردرگمی، هدف تحقیق که واضح به نظر می رسید، صرفاً بررسی چشم انداز تجزیه و تحلیل منابع انسانی از دیدگاه چند ذی نفع، از جمله متخصصان منابع انسانی و متخصصان داده بود.

اما … چرا چنین عدم وضوح وجود دارد؟

پاسخ به این سوال بسیار ساده بود:

تجزیه و تحلیل منابع انسانی دانش و تخصص را از سه رشته مختلف ترکیب می کند: منابع انسانی، مدیریت داده ها – همچنین به سیستم ها و زیرساخت های فناوری اطلاعات اشاره دارد – و علم داده و تجزیه و تحلیل.

بخشی از این چالش ناشی از این واقعیت است که مدیریت منابع انسانی به عنوان یک رشته از لحاظ تاریخی از مولفه های عددی جدا شده است و بنابراین، هم متخصصان منابع انسانی و هم دانشگاهیان – به استثنای برخی موارد – یک مجموعه مهارت کمی ایجاد نکرده اند.

این امر باعث شده است که هم پزشکان و هم دانشگاهیان در این فضا طیف وسیع تری از دانش تولید شده در سیستم های داده، علوم و تجزیه و تحلیل را نادیده بگیرند یا نادیده بگیرند، که اتفاقاً کلید حوزه سازمانی تجزیه و تحلیل منابع انسانی است.

یکی از مشارکت‌های اصلی در علم داده این است که هر چرخه تحلیلی باید با مشکل تجاری شروع شود و با مداخلات عملی پایان یابد.

تعریفی که در زمینه ما قابل استفاده است می تواند به صورت زیر باشد:

تحلیل منابع انسانی فرآیند پرداختن به یک نگرانی استراتژیک منابع انسانی با استفاده از داده‌های منابع انسانی (و داده‌های تجاری و خارجی در صورت لزوم) است که شامل اجزای زیر می‌شود: شناسایی موضوع منابع انسانی، طراحی تحقیق، مدیریت داده‌ها، تجزیه و تحلیل داده‌ها، تفسیر داده‌ها و ارتباط، و برنامه اقدام و ارزیابی بعدی».

در این شکل می‌توان مشاهده کرد که چگونه هر یک از این مؤلفه‌ها از طریق مجموعه مهارت‌های متفاوتی انجام می‌شوند: هوش منابع انسانی، معیارهای منابع انسانی، روش‌های تحقیق، سیستم‌های فناوری اطلاعات و زیرساخت داده، داده‌کاوی و تفسیر و داستان‌سرایی متقاعدکننده.

بنابراین در مقابل این پس‌زمینه، تصمیم گرفتم با نزدیک به 30 شرکت‌کننده مصاحبه کنم، که عمدتاً از روسای بخش تحلیل منابع انسانی، مدیران منابع انسانی و متخصصان تحلیل منابع انسانی بودند. اکثریت قریب به اتفاق نمونه توسط سازمان های مستقر در ایرلند، برخی در بریتانیا و برخی در هلند تشکیل شده است. دعوت‌نامه‌ها از طریق LinkedIn پس از جستجوی نمایه با کلمات کلیدی زیر در عنوان شغل فعلی و/یا شرح شغل «تجزیه و تحلیل منابع انسانی»، «تحلیل افراد»، «تحلیل نیروی کار» و «تحلیل استعدادها» ارسال شد. مدت زمان مصاحبه ها از 45 دقیقه تا 1/2 ساعت بود.

یک الگوی مشترک واضح بود: تعداد زیادی از این سازمان‌ها تیم‌های تحلیل منابع انسانی نسبتاً کوچکی دارند (به طور متوسط 3 یا 4 عضو تیم) و در صنایع مختلف مانند فناوری اطلاعات، هوانوردی، مالی و خرده‌فروشی فعالیت می‌کنند.

اکثر آنها شرکت های چند ملیتی هستند، دو ویژگی یا ناهنجاری قابل توجه ترین آنها اگر دوست دارید موارد زیر است:

• عنوان شغلی مدیران تحلیل منابع انسانی در هر مورد متفاوت بود.
• تحصیلات حرفه ای و مسیر حرکت این متخصصان در برخی رشته های علمی (فیزیک، مهندسی و غیره) یا در آمار و ریاضیات بود، اما به ندرت در تجارت عمومی یا منابع انسانی بود.

وقتی به بررسی این شرکت‌های انتخاب شده در زمینه پرداختیم، متوجه شدیم که همه آنها یک الگوی مشترک دارند: چرخه مدیریت تجزیه و تحلیل منابع انسانی. هر مرحله از چرخه تجزیه و تحلیل منابع انسانی باید به مجموعه‌ای از سؤالات کلیدی پاسخ دهد، که عملکردهای تجزیه و تحلیل منابع انسانی را به سمت پروژه‌ها و راه‌حل‌های تجزیه و تحلیل منابع انسانی موفق هدایت می‌کند (شکل زیر را ببینید):

1. شناسایی یک نگرانی HR باید اولین نقطه تماس باشد، و مشخص می کند که این موضوع چقدر بر استراتژی تجاری یا هر مزیت رقابتی در خطر تأثیر می گذارد. برای اینکه این اتفاق بیفتد، عملکرد تجزیه و تحلیل منابع انسانی به همراه متخصصان منابع انسانی باید زمانی را صرف تقطیر معیارهای HR کنند که در حیطه موضوع مربوط به HR قرار می‌گیرد و اینکه چگونه این معیارهای منابع انسانی بر استراتژی منابع انسانی یا عملکرد تجاری تأثیر می‌گذارند.
2. یک طرح تحقیق مناسب باید انجام شود. این چیزی است که به روش های سنتی طراحی تحقیق بازمی گردد. این واقعیت که سازمان ممکن است از داده های بزرگ و ابزارهای تحلیلی مبتنی بر هوش مصنوعی استفاده کند، به این معنی نیست که طراحی تحقیق در هنگام ایجاد یک مدل منابع انسانی جامد حول مسئله منابع انسانی که در حال حل آن هستیم، باید بسیار پیچیده باشد.

در طراحی تحقیق، تابع تجزیه و تحلیل منابع انسانی باید بفهمد که آیا متغیرهای وابسته و مستقل مستلزم معیارهای منابع انسانی هستند که در داخل در دسترس هستند یا اینکه از یک یا چند پایگاه داده تهیه می‌شوند یا اینکه برای جمع‌آوری به یک مشاور تجزیه و تحلیل منابع انسانی نیاز دارند. و داده ها را با ابزارهای داده کاوی خاص مانند تجزیه و تحلیل احساسات یا پروفایل های روانسنجی تجزیه و تحلیل کنید.

همچنین این لحظه ای است که تیم تصمیم می گیرد چه نوع تکنیک آماری را باید به کار گیرد (مثلاً آزمون های t، رگرسیون خطی، رگرسیون لجستیک، مدل های معادلات ساختاری، تجزیه و تحلیل شبکه های اجتماعی، و غیره).

3. در مرحله مدیریت داده، مجموعه جدیدی از مهارت ها، یعنی مدیریت سیستم ها و زیرساخت های رایانه ای مورد نیاز است. این مهارت ها بازجویی از داده ها در پایگاه های داده، مدیریت و ادغام داده ها را تسهیل می کند. مهندسان می‌دانند که آیا داده‌ها را می‌توان در یک پایگاه داده با هم بازجویی و ادغام کرد تا قابلیت استفاده آن‌ها توسط تحلیلگران منابع انسانی بهینه شود. باید در مورد استفاده از نرم‌افزارهای منبع باز و زیرساخت‌هایی مانند SQL و Python یا اینکه آیا تصمیم‌گیری شود. استفاده از پلتفرم های یکپارچه مانند Alteryx یا ابزارهای تحلیلی و تجسمی ساده تر مانند Tableau یا Microsoft Power BI موثرتر است. همچنین این لحظه خوبی برای تأمل در مورد امکان ساخت انبار داده یا اکوسیستم بلندمدت است، به ویژه اگر در حال رسیدگی به یک موضوع استراتژیک منابع انسانی هستیم که تأثیر مستمری بر عملکرد سازمانی خواهد داشت.
4. بنابراین تجزیه و تحلیل داده ها زمانی آشکار می شود که داده ها برای تجزیه و تحلیل آماده شوند. تجزیه و تحلیل داده ها را می توان در مناسب ترین بسته آماری برای آن مورد انجام داد. بسته های آماری سطوح مختلفی از پیچیدگی را در بر می گیرند، از Excel گرفته تا SPSS، RapidMinder، R یا Python. از این رو، بسته به نرم افزار و اینکه آیا تحلیل مستلزم کدنویسی است یا خیر، مهارت های مختلفی به کار گرفته می شود.
5. در پایان چرخه تجزیه و تحلیل منابع انسانی، تابع تجزیه و تحلیل منابع انسانی مهارت های آماری خود را با زیرکی منابع انسانی که توسط متخصصان منابع انسانی در طول سال ها جمع آوری شده است ترکیب می کند. اهمیت آماری و تأثیر نسبی باید همراه با یک داستان متقاعد کننده که قدرت توضیحی را که نتایج به ما ارائه می‌دهند، در خط مقدم قرار دهد. به تازگی ارائه کرده است. آخرین مسئله کلیدی در اینجا ارائه تأثیر قابل سنجش متغیرهای مستقل مهم است (مثلاً طبق داده‌های ما، اگر افزایش سالانه 7 درصدی دستمزد را اعمال کنیم، مشارکت کارکنان 15 درصد افزایش می‌یابد).
6. در نهایت، عملکرد تجزیه و تحلیل منابع انسانی به همراه منابع انسانی باید با یک برنامه عملی از مداخلات ارائه شود تا در نهایت به مشکل منابع انسانی که تیم مطالعه کرده است رسیدگی شود. این امر مستلزم شناسایی تعدادی توصیه جدید است که دربرگیرنده روبریک‌های جدید بالقوه یا مجموعه‌ای از حرکت‌های قابل اجرا هستند. این طرح عملی در واقع باید برای اندازه‌گیری تأثیر واقعی این مداخلات و یافتن اینکه آیا آنها مناسب‌ترین مداخلات بودند، بازنگری شود.

مصاحبه‌های گنجانده شده در این پروژه تحقیقاتی ، نکات یا ملاحظات جالب دیگری را در رابطه با تجزیه و تحلیل منابع انسانی در زمینه نشان داد:

1. آیا وقتی نوبت به طراحی مدل‌های منابع انسانی و توسعه فرضیه‌ها می‌رسد، عملکردهای تحلیل منابع انسانی چرخ را دوباره اختراع می‌کنند؟

تمایل به تکیه بر تیزبینی و تجربه تیم منابع انسانی همراه با ادبیات پزشک محور وجود دارد، در حالی که بورس تحصیلی دانشگاهی منابع انسانی طیف وسیع تری از مدل های منابع انسانی را ارائه می دهد که قوی تر هستند و اعتبار قابل اعتمادتری ارائه می دهند. اگرچه دسترسی به بورس تحصیلی بسیار محدود است و شاید این فضایی باشد که همکاری نزدیک‌تر بین صنعت و دانشگاه می‌تواند برخی از هم افزایی‌ها را فراهم کند.

2. آیا به آموزش جامع تری در معیارهای منابع انسانی نیاز داریم؟

معیارهای منابع انسانی جزئی از برنامه های آموزشی در دوره های کارشناسی یا کارشناسی ارشد در موسسات سطح سوم در اروپا به جز چند استثنا نیست. دوره های HR از طریق کارگاه های یک یا دو روزه در دانشگاه هایی مانند کینگز کالج لندن، دانشگاه کمبریج، دانشگاه کرنل و MIT ارائه می شود. به این ترتیب، انجمن ها و آکادمی های آنلاین مانند www.analyticsinhr.com دوره های تخصصی و موضوعی را که همراه با متخصصان تحلیل منابع انسانی طراحی شده اند، ارائه می دهند.

3. آیا اتخاذ یک رویکرد بلندمدت به زیرساخت داده و اکوسیستم مهم است؟

پاسخ این است: بستگی دارد. اگر پروژه‌های تجزیه و تحلیل منابع انسانی را شناسایی کرده‌ایم که مزیت رقابتی را ممکن می‌سازد یا با یک مشکل مداوم منابع انسانی مقابله می‌کند، ارزش آن را دارد که دو یا سه سال برای ایجاد یک اکوسیستم اختصاص دهیم. حتی در سازمان‌های مبتنی بر داده‌ها که در زمینه تجزیه و تحلیل منابع انسانی پیشگام بودند، مجبور شدند چند سال را صرف تغییر مجدد و یکسان کردن کدهای مورد نیاز برای اکوسیستم کنند.

اغلب اوقات، این قطعات کد توسط توسعه‌دهندگان مختلف و در مقاطع زمانی مختلف انتخاب می‌شد، بنابراین استانداردسازی خاصی واقعاً مورد نیاز بود، به طوری که استخوان‌های خالی اکوسیستم می‌توانست توسط هر کسی که بعد از آنها می‌آید مورد استفاده و اصلاح قرار گیرد.

4. آیا سازمان ها برای اینکه بتوانند تجزیه و تحلیل منابع انسانی یا حتی ایجاد یک اکوسیستم را انجام دهند به بودجه زیادی نیاز دارند؟

نه لزوما. نرم افزار خوبی وجود دارد که نسبتاً گران است، اما زیرساخت منبع باز، زبان های برنامه و نرم افزارهای آماری نیز وجود دارد که می توان از آنها استفاده کرد. اغلب، ممکن است لازم باشد برای ابزارهای تجسم یا ویژگی‌های خاص هزینه کنیم، اما نکته مهم در اینجا این است که تجزیه و تحلیل منابع انسانی از طیف وسیعی از گزینه‌های موجود آگاه است.

5. آیا ابزارهای تجسم، تجزیه و تحلیل منابع انسانی هستند؟

آنها می توانند بسته به موضوع HR که ما با آن سروکار داریم باشد. گاهی اوقات، ممکن است فقط به Tableau یا Microsoft Power BI نیاز داشته باشیم، اما در برخی مواقع نیاز به اجرای تجزیه و تحلیل آماری پیچیده‌تری داریم و این ابزارهای تجسم اغلب در این زمینه کوتاهی می‌کنند.

6. چالش مدیریت در تجزیه و تحلیل منابع انسانی چیست؟

چالش مدیریت بر این است که افراد حرفه ای از سه رشته مختلف زبان یکدیگر را بفهمند. متخصصان منابع انسانی، مدیران داده و دانشمندان داده در فضاهای مختلفی صحبت می کنند و اغلب اوقات گفتگوی روانی بین آنها وجود ندارد. روسای HR Analytics باید تا حدی به این سه زبان صحبت کنند تا پروژه های تجزیه و تحلیل منابع انسانی به موقع انجام شود.

دو اندیشه نهایی بر اساس این تحقیق. اولاً، هنوز کمبود متخصصان و توانایی های تجزیه و تحلیل منابع انسانی، به ویژه در اروپا وجود دارد. دوم، احتیاط و توجه باید به استفاده اخلاقی از داده ها داده شود: عناصری از تجزیه و تحلیل منابع انسانی وجود دارد که می تواند در موارد زیر مشکل ساز شود: ناشناس بودن و حریم خصوصی، ایمنی داده ها، شفافیت الگوریتم، و مسئولیت پذیری در فرآیند تصمیم گیری.