کلان داده، هوش تجاری و تجزیه و تحلیل منابع انسانی: چگونه به هم مرتبط هستند؟

کلان داده ها، هوش تجاری و تجزیه و تحلیل منابع انسانی سه واژه مهمی هستند که اغلب در مورد آنها صحبت می شود. آیا واقعاً می دانید منظور آنها چیست؟ و چه ارزش افزوده ای برای داده های بزرگ و هوش تجاری برای حوزه منابع انسانی به ارمغان می آورد؟ این مقاله هر آنچه را که برای پاسخ به این سؤالات باید بدانید را با استفاده از مثال های مختلف توضیح می دهد.

داده های بزرگ

کلان داده چیست؟

داده های بزرگ به طور سنتی با چهار عنصر مشخص می شوند که چهار V نیز نامیده می شوند.

1. حجم: Big Data باید بزرگ باشد. و منظور ما واقعاً بزرگ است. ما در مورد گیگابایت صحبت نمی کنیم، ما در مورد ترابایت و پتابایت صحبت می کنیم. “بزرگ” در داده های بزرگ نشان دهنده میلیون ها و میلیون ها سلول در برگه اکسل شما است. در واقع، اغلب آنقدر بزرگ است که در وهله اول حتی در اکسل جا نمی شود.
2. سرعت: داده های بزرگ ثابت نیستند، حرکت خاصی دارند. دائما در حال جمع آوری داده های جدید است. داده‌های توییتر را به عنوان مثال در نظر بگیرید: مقادیر زیاد داده در ثانیه صدها توییت و بازتوییت را نشان می‌دهند.
3. تنوع: داده های بزرگ تنوع خاصی دارند. ما فقط در مورد داده های با ساختار خوب صحبت نمی کنیم (داده هایی که در ستون ها و ردیف های منظم مرتب شده اند). ما همچنین در مورد داده های بدون ساختار صحبت می کنیم (مانند داده های موجود در ایمیل متوسط شما).
4. صحت: داده های بزرگ آشفته هستند و همیشه نمی توان به آنها اعتماد کرد. کیفیت و دقت همیشه در یک داده بزرگ وجود ندارد. پاکسازی داده ها بخشی از فرآیند تجزیه و تحلیل کلان داده است. با این حال، به دلیل حجم زیاد داده، برخی از این خطاهای کوچک را می توان باطل کرد. بنابراین، حجم زیاد داده ها باعث کاهش قابلیت اطمینان نقاط داده فردی می شود.

برنارد مار پنجمین V را اضافه می کند: ارزش. دسترسی به کلان داده خوب نیست مگر اینکه بتوانید آن را به ارزش تبدیل کنید!

نحوه اعمال کلان داده در منابع انسانی

نظرات مختلفی در مورد اینکه آیا کلان داده واقعاً در مورد منابع انسانی کاربرد دارد یا خیر وجود دارد. پاسخ ساده این است: این کار را می کند.

با این حال، پاسخ دقیق تر این است: بستگی دارد. دلیلی وجود دارد که چرا متخصصان منابع انسانی واقعاً به داده‌ها نمی‌دانند: میزان داده‌ای که با آن کار می‌کنند محدود است. بیایید ببینیم هنگام در نظر گرفتن پنج V مک کینزی و مار برای کلان داده، داده های منابع انسانی چگونه به نظر می رسند:

1. منابع انسانی به انواع زیادی از داده ها دسترسی دارد. سیستم‌های حاوی داده‌های کارکنان، اطلاعات پرداخت، امتیازات مشارکت و غیره همگی نمونه‌هایی از داده‌های ساخت‌یافته هستند. چیزهایی مانند بررسی عملکرد و محتوای ایمیل می توانند حاوی اطلاعات جالبی برای تجزیه و تحلیل باشند – و اغلب آنها ساختاری ندارند.
2. از نظر صحت ، داده های منابع انسانی اغلب کاملاً نامرتب و غیرقابل اعتماد هستند. داده هایی مانند سابقه شغلی افراد در سازمان اغلب وجود ندارد: تاریخ قدیمی به سادگی تمام شده است. علاوه بر این، سازمان‌دهی مجدد و تلاش‌های تجدید ساختار متعدد، پیگیری مدت زمان ماندن فرد در یک کارکرد را دشوار می‌سازد. یک مثال: از کجا می‌دانید که فردی همان مسئولیت‌ها را حفظ کرده است، در حالی که عنوان عملکرد شغلی او در 3 سال گذشته دو بار تغییر کرده است؟
3. به طور کلی، حجم داده در منابع انسانی بسیار کم است. من یک پایگاه داده بزرگ با سوابق کارمندان بیش از چند گیگابایت ندیده ام. این لزوما چیز بدی نیست، اما داده های منابع انسانی را استثنا می کند. معمولا داده های بزرگ… بزرگتر هستند. با این حال، برای یک متخصص منابع انسانی متوسط، چند گیگابایت داده در حال حاضر کاملاً چیزی است!
4. سرعت داده در HR نیز بسیار کم است. داده های منابع انسانی به طور کلی کاملا ثابت هستند. رکوردها تنها زمانی تغییر می کنند که فردی عملکردها را تغییر دهد یا زمانی که بخش های مختلف به هم ریخته می شوند. به غیر از آن، داده ها عمدتا ثابت می مانند.
5. داده های منابع انسانی قطعا دارای ارزش هستند. هنگامی که از روش صحیح استفاده شود، می توان از آن برای کشف ریسک های نیروی کار، تصمیم گیری بهتر افراد و کمک به ایجاد مزیت رقابتی برای شرکت استفاده کرد.

آیا کلان داده برای منابع انسانی کاربرد دارد؟

باز هم فکر می کنم اینطور است. تجزیه و تحلیل منابع انسانی راهی برای ایجاد بینش ارزشمند در مورد نیروی کار است. این را می توان از طریق استفاده از مجموعه داده هایی انجام داد که بزرگتر از آن چیزی است که اکثر متخصصان منابع انسانی تاکنون با آن کار کرده اند. این ماهیت داده های بزرگ در منابع انسانی است.

نمونه هایی از داده های بزرگ در منابع انسانی

بیایید پردازش زبان طبیعی را در نظر بگیریم و آن را با منابع انسانی ترکیب کنیم. بیشتر بخش‌های منابع انسانی روی انبوهی از بررسی‌های عملکردی تحلیل‌نشده و نوشته‌شده نشسته‌اند. می‌توانید از پردازش زبان طبیعی برای تجزیه و تحلیل این بررسی‌ها برای ایجاد نمایه‌های شایستگی کارکنان استفاده کنید یا به‌طور خودکار نمره‌های عملکرد را هم برای کارکنان و هم برای مدیران ایجاد کنید.

شما همچنین می توانید از این برای، به عنوان مثال، تجزیه و تحلیل احساسات در ترافیک ایمیل استفاده کنید. آیا می توانید تعامل را از طریق تجزیه و تحلیل پیام های ایمیل اندازه گیری کنید؟ انجام این کار دشوار است، اما می تواند بینش های بسیار جالبی برای افراد به همراه داشته باشد.

Keencorp نمونه ای از سازمانی است که در چند سال گذشته این کار را انجام داده است. آنها ادعا می کنند که می توانند با اسکن داده های ایمیل، تعامل و نگرش کارکنان را در گروه های مختلف پیش بینی کنند.

رابطه داده های بزرگ با تجزیه و تحلیل منابع انسانی

هر زمان که در مورد پیش‌بینی جابجایی کارمندان یا تعداد بلیط‌های سلف سرویس منابع انسانی برای بهینه‌سازی زمان رسیدگی صحبت می‌کنیم، با مقادیر زیادی داده کار می‌کنیم که به ما کمک می‌کند بینش‌های جدید نیروی کار ایجاد کنیم. این بدان معنی است که داده های بزرگ (HR) ورودی برای تجزیه و تحلیل منابع انسانی است.

هوش تجاری

هوش تجاری چیست؟

به گفته گارتنر، هوش تجاری یک اصطلاح کلی است که شامل برنامه کاربردی، زیرساخت ها و ابزارها و بهترین شیوه هایی است که امکان دسترسی و تجزیه و تحلیل اطلاعات را برای بهبود و بهینه سازی تصمیمات و عملکرد فراهم می کند.

داده های سازمانی اغلب در سیستم های مختلف و جداگانه ذخیره می شوند. این سیستم ها با یکدیگر ارتباط برقرار نمی کنند. این بدان معنی است که داده های فروش شما معمولاً با داده های موجودی شما یا بازدیدکنندگان سایت شما ترکیب نمی شود.

ابزارهایی که این داده‌ها را ترکیب می‌کنند می‌توانند به شما نشان دهند که کدام مشتریان واقعاً چیزی را خریداری کرده‌اند (ترکیب داده‌های سایت با داده‌های فروش)، یا چه اقلامی بهترین فروش را دارند (ترکیب موجودی با داده‌های فروش). اینها نمونه های عالی از ابزارهای هوش تجاری هستند.

نحوه اعمال هوش تجاری در منابع انسانی

مشابه نمونه فروش ما، هوش تجاری می تواند برای داده های منابع انسانی نیز استفاده شود. سیستم ردیابی متقاضی و سیستم مدیریت عملکرد شما معمولاً با هم ترکیب نمی شوند. این امر شما را از تجزیه و تحلیل اینکه کدام استخدام‌ها بهترین عملکرد را دارند، باز می‌دارد.

ابزار هوش تجاری (BI) (به مثال زیر مراجعه کنید) می تواند به شما در ترکیب این داده ها کمک کند. پس از ترکیب این داده ها، انجام سه کار بسیار آسان تر خواهد بود.

1. تجمیع داده‌ها: بیشتر گزارش‌های منابع انسانی شامل گزارش‌های تک‌تک است. عصاره های مختلف به صورت دستی ترکیب می شوند. ابزارهای BI به جمع آوری داده ها کمک می کنند و گزارش خودکار را فعال می کنند.
2. تجسم داده ها: بیشتر سیستم های منابع انسانی، سیستم های تراکنشی هستند که داده های تراکنش را تولید می کنند. داده های تراکنش یک رویداد را با استفاده از یک بعد زمانی و یک مقدار که به یک یا چند شی اشاره دارد، توصیف می کند. مثال زیر را ببینید: نامزد در تاریخ معینی استخدام می شود و قرارداد کارمند در تاریخ معینی فسخ می شود. هر دو اقدام به عنوان ورودی (معاملات) جداگانه در سیستم ثبت می شوند.
   این سیستم ها برای نگهداری سوابق ساخته شده اند، نه برای گزارش یا تجسم داده ها. ابزارهای BI در جمع آوری داده ها از چندین سیستم و تجسم آن بسیار خوب هستند.
3. تجزیه و تحلیل داده ها: مرحله نهایی تجزیه و تحلیل داده ها است. ابزارهای BI در تجزیه و تحلیل داده ها بسیار بهتر از متوسط سیستم منابع انسانی شما هستند. به عنوان مثال می توان به Power BI و SAS اشاره کرد. آنها شما را قادر می سازند تا مقادیر زیادی از داده ها را به صورت آماری تجزیه و تحلیل کنید.

به طور خلاصه، ابزارهای BI برای جمع آوری، تجسم، تجزیه و تحلیل و گزارش داده ها ساخته شده اند. در کلیپ زیر توضیح مختصری در مورد تفاوت بین BI و تجزیه و تحلیل افراد خواهید دید.

نمونه هایی از ابزارهای هوش تجاری

تعدادی از بهترین ابزارهای BI شناخته شده در منابع انسانی Qlik، Visier، Tableau و Power BI هستند.

• Visier خود را به عنوان یک راه حل تجزیه و تحلیل نیروی کار با یک برنامه مشابه معرفی می کند. این داده ها را از سیستم های مختلف جمع می کند و به تجزیه و تحلیل این داده ها کمک می کند.
• Qlik و Tableau هر دو خود را به عنوان ابزارهای تجسم داده معرفی می کنند که به عنوان اتصال دهنده به تمام سیستم های اطلاعاتی شما عمل می کند.
• Power BI مایکروسافت برای تحلیلگرانی که به کار در اکسل عادت دارند طبیعی تر خواهد بود. Power BI به ویژه زمانی مفید است که بسیاری از گزارش‌های شما در اکسل اتفاق می‌افتد. ما Power BI را در دوره تحلیل HR خود گنجانده ایم زیرا استفاده از آن آسان است. اگر قبلا این کار را نکرده اید دوره را بررسی کنید!

رابطه داده های بزرگ با تجزیه و تحلیل منابع انسانی

بسیاری از ابزارهای هوش تجاری کاری را انجام می دهند که اکثر مردم از آن به عنوان تجزیه و تحلیل منابع انسانی یاد می کنند. با این حال، در واقعیت، این کمی پیچیده تر است.

ابزارهای BI در HR در اتصال سیستم‌های مختلف، تجسم داده‌ها و کمک به گزارش‌دهی از این داده‌ها بسیار خوب هستند.

با این حال، این ابزارها در انجام تجزیه و تحلیل داده های واقعی (تحلیل منابع انسانی واقعی) چندان خوب نیستند. بسته‌های نرم‌افزاری که در انجام این تحلیل‌ها تخصص دارند، مانند SPSS و R این کار را بسیار بهتر انجام می‌دهند. اگر علاقه مند به خواندن اطلاعات بیشتر در مورد این ابزار و سایر ابزارها هستید، مروری بر 5 ابزار برتر تجزیه و تحلیل منابع انسانی را بررسی کنید.

از نظر فنی، این ابزارها می توانند در دسته «هوش تجاری» قرار بگیرند. با این حال، آنها معمولا به عنوان ابزارهای مستقل دیده می شوند.

این به این دلیل است که فرآیند تجزیه و تحلیل نیاز به یک سؤال تحقیقاتی کاملاً تعریف شده دارد که مختص زمینه، فرهنگ و داده‌های سازمان است. خودکار کردن این کار در یک سیستم BI بسیار سخت است – و به همین دلیل است که تجزیه و تحلیل واقعی در HR به صورت دستی توسط متخصصان داده انجام می شود.

تجزیه و تحلیل منابع انسانی

تجزیه و تحلیل منابع انسانی چیست؟

تجزیه و تحلیل منابع انسانی، شناسایی و تعیین کمیت افراد محرک نتایج کسب و کار است. به عبارت دیگر، این یک رویکرد داده محور نسبت به مدیریت منابع انسانی است.

تجزیه و تحلیل منابع انسانی ما را قادر می سازد تا به سوالاتی مانند:

• گردش مالی من در سال آینده چقدر خواهد بود؟
• چه مقدار از گردش مالی کارمند من شامل از دست دادن پشیمان شده است؟
• چگونه می توانم سطوح کارکنان را برای بلیط های مشتری سلف سرویس منابع انسانی خود بهینه کنم؟
• چه عواملی باعث گردش کارمندان می شود؟
• بزرگترین خطرات نیروی کار من چیست؟
• و غیره

من می توانم در مورد تجزیه و تحلیل منابع انسانی ادامه دهم، اما برای جزئیات بیشتر، بهتر است وبلاگ ما را بخوانید تجزیه و تحلیل منابع انسانی چیست؟

نحوه اعمال آن در منابع انسانی

نمونه‌هایی از تجزیه و تحلیل منابع انسانی شامل تحلیل‌های Keencorp و پیش‌بینی ترک خدمت کارکنان است. یک نمای کلی از کاربردهای تجزیه و تحلیل پیش بینی در منابع انسانی را می توان در اینجا یافت.

چگونه تجزیه و تحلیل منابع انسانی با کلان داده ها و هوش تجاری مرتبط است

همانطور که اکنون متوجه شدید، داده های بزرگ و هوش تجاری اصطلاحات تجاری عمومی هستند. آنها با استفاده از منابع انسانی، مبانی تجزیه و تحلیل داده های منابع انسانی را تشکیل می دهند.

در مورد اینکه آیا نوع تجزیه و تحلیل‌های تکه‌ای که بسیاری از کاربردهای هوش تجاری را مشخص می‌کند، در دسته تجزیه و تحلیل منابع انسانی قرار می‌گیرد یا خیر، بحث وجود دارد. برخی از کارشناسان ادعا می کنند که اصطلاح تجزیه و تحلیل HR فقط باید زمانی استفاده شود که در مورد تجزیه و تحلیل پیشرفته صحبت می کنیم، مانند تجزیه و تحلیل های پیش بینی پیچیده تر.

دیگران، از جمله خود من، تعریف گسترده تری از تجزیه و تحلیل منابع انسانی دارند: تجزیه و تحلیل منابع انسانی، مدیریت افراد مبتنی بر داده است. من فکر می‌کنم برنامه‌های BI بخشی اساسی از تجزیه و تحلیل منابع انسانی هستند، زیرا به اتصال منابع داده کمک می‌کند و از طریق گزارش‌دهی یکپارچه در مورد داده‌های منابع انسانی، بینش‌هایی را برای متخصصان منابع انسانی ایجاد می‌کند.

نتیجه گیری

این بررسی در مورد اینکه چگونه داده های بزرگ و هوش تجاری با تجزیه و تحلیل منابع انسانی مرتبط هستند، طولانی تر از حد انتظار بود. اما این مشکلی نیست، مهم است که تفاوت بین اصطلاحات مختلف را بدانید.

حتی اگر این اصطلاحات اغلب به عنوان کلمات وزوز استفاده می شوند، اکنون می توانید تعریف کنید که چگونه می توانند به سازمان شما ارزش بیافزایند. کلان داده ها، هوش تجاری و تجزیه و تحلیل منابع انسانی همه بخشی از یک خانواده بزرگ هستند: رویکردی مبتنی بر داده بیشتر برای مدیریت منابع انسانی!