ביג דאטה
ביג דאטה אולי נשמעת כמו טרנד, אבל היא אינה עומדת להיעלם ולמשאבי האנוש אסור להתעלם ממנה. על מנת לשלוט בנושא ביג דאטה במשאבי אנוש, אנשי התחום צריכים לשנות את האופן שבו הם משתמשים בנתונים, כלומר להפסיק לדווח ולהתחיל לנבא, כותב מייקל קארטי מ-Personnel Today. ההזדמנות הגדולה שביג דאטה מציעה למשאבי האנוש היא ניתוחים ניבויים סביב תהליכים בנפח גדול שחוזרים על עצמם, למשל גיוס עובדים.
כך מתחילים:
• על מנת לנצל ביג דאטה, משאבי האנוש צריכים לזהות את הנתונים שיש להם. צעד התחלתי טוב הוא להכין סכמה של הנתונים הזמינים של עובדים לשעבר, עובדים נוכחיים ועובדים פוטנציאלים. כך משיגים את נפח הנתונים הדרוש ליצירת מודלים מבוססי נתונים.
• הצעד הבא הוא לוודא שהנתונים תקפים לקהל היעד. אילו מדדים צוות הסמנכ"לים צריך לראות?
• בשלב השלישי מכינים "לוח תוצאות" של הנתונים. הכינו טבלאות שמפרקות את מה שלביג דאטה יש להגיד על הדרך שבה מחלקות ספציפיות מתפקדות וצפויות לתפקד. אם לא תצליחו לעשות זאת, ההשקפה של משאבי האנוש לא תשתנה. על מנת שהארגון יתעניין בנתונים, הכינו לוחות תוצאות והיו מוכנים להשתמש בנתונים שהם מספקים – גם נגד אנשים אם יש בכך צורך.
נתונים על עזיבה הם נקודת התחלה טובה לשימוש של משאבי האנוש בביג דאטה. דוחות עזיבה מסורתיים נראים מיושנים. משאבי האנוש יכולים לקחת נתוני עזיבה צעד קדימה באמצעות ארגון הנתונים על פני שנים כדי ליצור מדדים מנבאים ולהשליך מהם על העזיבה הצפויה בחודש הבא וברבעון הבא. גיל העובדים והוותק שלהם עשויים לעלות כשני גורמי מפתח המשפיעים על עזיבה. משאבי האנוש יכולים להשתמש בביג דאטה במקרה הזה כדי ליצור ציון "סיכון עזיבה יחסי" לכל המחלקות בארגון.
משתלטים על ים הנתונים
הגישה אל הנתונים אינה אמורה להיות בעייתית. למשאבי האנוש יש גישה לנתונים, למשל באמצעות תיעודי תשלומים, נתונים על היעדרויות ועל עזיבה. השימוש בנתונים האלה צריך להיות מכוון מטרה יותר. משאבי האנוש צריכים להשתלט על שלושת ה-V של הביג דאטה: נפח (Volume) – כמות הנתונים הגדולה שמיוצרת, מהירות (Velocity) – הצורך לנתח תובנות ביג דאטה במהירות ולפעול על פיהן, ומגוון (Variety) – היכולת להתנהל עם נתונים במגוון תצורות. V רביעי הוא מהימנות (Veracity) – הצורך להבטיח שהנתונים אמינים ומדויקים.
כדי לשלוט בביג דאטה, משאבי האנוש צריכים ללמוד איך להתנהל עם נתונים בתצורות מובְנות ולא מובנות. נתונים מובנים הם כאלה שמאוחסנים במערכת בצורה מוגדרת ומסודרת (כמו נתוני היעדרות). נתונים בלתי מובנים הם כאלה הפזורים על פני מדיות רבות ואין להם מבנה מאחד (כמו קורות חיים בווידיאו או דיונים במדיה החברתית).