אבל ככל שיותר שינויים נכנסים אל עולם המודיעין העסקי, בעיקר שינויים טכנולוגיים, נדרשים מנהלי משאבי אנוש לשנות את התפיסה ולרתום את האפשרויות הטמונות במערכות טכנולוגיות לאיסוף מודיעין עסקי, לטובת מחלקת משאבי האנוש.

במילים אחרות, כל חברה מסתמכת על נתונים מספריים כדי לקדם את העסק. הודות לטכנולוגיה קיימת כיום, יכולים נתונים אלה לסייע רבות גם באיוש משרות וגיוס נכון.

קבלת החלטות על סמך נתונים

השאלה הגדולה היא איך ניתן להפעיל את המודיעין העסקי עבור מחלקת משאבי האנוש. התשובה נעוצה בכך שמחלקות משאבי אנוש ממלאות מספר תפקידי מפתח בחברה, לרבות גיוס, איוש, מיון, הכשרה,רווחה, ארגון אירועים, ופיטורים.

מודיעין עסקי מסייע למנהלים לקבל החלטות על סמך נתונים מהשטח וניתוחם. נתונים אלו וניתוחם מהווים את הבסיס להצלחת הארגון. באותה מידה ניתן להשתמש במודיעין עסקי כדי לשפר את ביצוע משימותיהם של מנהלי משאבי האנוש.

הטכנולוגיה נכנסת לתמונה

כל מנהל משאבי אנוש מתמודד עם כמויות אדירות של נתונים כדי למצוא את המועמד המושלם לתפקיד. אבל עוד קודם לכן, הוא צריך לזהות את תכונות המפתח של המועמד האידיאלי. וכאן נכנס לתמונה המודיעין העסקי.

מערכות טכנולוגיות המיועדות למטרות של מודיעין עסקי יכולות לנתח משרות דומות ולזהות מיומנויות ומאפיינים מרכזיים לתפקיד.

כאשר מוסיפים למערכת זו את הנתונים הקיימים במאגרי המידע הפנימי של החברה, בנוגע למחלקה שאליה רוצים לגייס את המועמדים, מקבלים נוסחה שיכולה לסייע באיתור המועמד המושלם.

ברגע שלמנהל משאבי האנוש יש את המידע הוא יכול ליישם אותו באמצעות אפליקציות ייעודיות למודיעין עסקי. גישה זו, לפיה מטילים על המערכות הטכנולוגיות לבצע את השלבים של מיון, סינון ואיתור, מאפשרת למנהלי משאבי האנוש להגיע אל המועמדים הטובים ביותר ומאפשרת להם להתמקד בשלב הראיונות.

הנה כמה שלבים להגברת ביצועיהם של מנהלי משאבי האנוש בעזרת מודיעין עסקי:

1 ניתוח הנתונים: בשלב זה אוספים מידע ממקורות שונים ומגדירים את הערכים שיש להשתמש בהם.

2 הכנת הנתונים: שלב זה כולל מיון וסיווג הנתונים (על ידי מערכות טכנולוגיות), אינטגרציה וניהול איכות. בשלב זה יש לוודא שהנתונים שאספתם, מיינתם וסיווגתם מוכנים לשימוש.

3 ארכיטקטורת הנתונים: שלב זה כולל את יכולת ההרחבה של מאגרי הנתונים (נתוני העובדים, המועמדים בפועל, המועמדים הפוטנציאלים וכו), תכנון מאגר נתונים ויצירת מודלים המבוססים על הנתונים. על מנהל משאבי האנוש לוודא שהמערכות הללו מסוגלות לבצע כל זאת על נתוני העובדים והמועמדים.

4 בדיקות מודיעין עסקי: שלב זה כולל את בדיקת איכות הנתונים, בדיקות הנתונים אשר במאגר, דו"חות ובדיקות נתונים וכד'. בדיקות אלה מהוות את עמוד השדרה של הנתונים.

5 יישום המודיעין בעסקי  בשטח: זהו השלב הפעיל של התהליך. הוא כולל פריסת מאגר הנתונים והטמעת פונקציות הדיווח באפליקציות.

The post איך יכולות מחלקות מש"א להסתייע בטכנולוגיה ייעודית למודיעין עסקי first appeared on HRUS משאבי אנוש.

טכנולוגית AI משמשת יותר ויותר לביצוע תהליכי משאבי אנוש.

להלן 6 דרכים בהן היא משתלבת:

עבודה מהירה ויעילה

כאשר מגיע הזמן לגייס עובד, פעמים רבות זה צריך להתבצע במהירות כיוון שהמשרה פתוחה. מחשביAI עוברים דרך אלפי יישומים מהר יותר בהרבה מבני האדם.

מיון קורות חיים

מיון קורות חיים שמתקבלים עבור משרות פתוחות, היא משימה מפרכת. לרוב מתקבלים עשרות ומאות קורות חיים למשרה ובני האדם לא תמיד מספיקים לעבור על הכל, והם גם נוטים לטעויות. מחשב AI יכול "להציל" את אנשי משאבי האנוש בעבודה של 24/7 של ניתוח וסינון קורות חיים באמצעות אלגוריתמים מתוחכמים, להעריך ולצפות את הניסיון של המועמד, הידע שלו והכישורים, בהתאמה לדרישות התפקיד.

הגדלת שיעורי שימור ופרודוקטיביות

יתרון נוסף של מחשבי AI הוא בהגדלת שיעורי השימור ופרודוקטיביות העובדים, על ידי העסקת מועמדים מתאימים יותר. לא רק ש- AI מאיץ את תהליכי בחירת המועמד ומספק ניתוח שאין עליו עוררין, הוא גם משתמש בנתונים אלו כדי להתאים את המועמד למשרות המתאימות. אלגוריתמים AI יכולים לזהות את התכונות של העובדים הטובים ביותר ולחפש מועמדים בעלי מאפיינים מסוימים עבור משרות מסוימות. ככל שההתאמה גדלה כך גם גדלים שיעורי הפרודוקטיביות והשימור על העובדים.

הפחתת הטיות בגיוס

בעוד האפליה בשכר היא בבירור נגד החוק, אנשי משאבי אנוש לפעמים לא יודעים אפילו שהם מאפשרים להטיות לאישיות שלהם להשתלב בתהליך ההעסקה. אחרי הכל, הם רק אנושיים. מחשב AI יכול להתעלם ממידע לגבי גיל המועמד, גזע, מין וכד'. אין לו כל הטיות מותנות מראש והוא אינו נגד אזורים גיאוגרפיים ספציפיים, אוניברסיטאות, או קשרים ארגוניים. גורמים אלו עשויים לשחק תפקיד תת הכרתי בהחלטות לגבי מועמדים כאשר בני אדם קוראים את קורות החיים. שימוש ב- AI יכול להפחית את ההטיה של המגייס ולעזור ליצור מקום עבודה מגוון יותר מבחינה תרבותית.

ייעול שילוב העובדים

לעובדים החדשים יש בדרך כלל שאלות רבות כגון בנושאי הטבות, זמן חופשה בתשלום ומדיניות החברה. AI chatbots יכול לענות על שאלות חוזרות אלו ומשחרר את אנשי משאבי האנוש לטפל במשימות מורכבות יותר כמו הדרכה, אימון וקליטת העובדים בחברה. AI יכול גם לסייע עם מילוי טפסים לעובד החדש מה שיאפשר להם להתחיל בעבודה מהר יותר.

יצירת תיאורי משימות

תוכנת AI יכול לעזור למגייסים במלאכת תיאור העבודה המושלמת. תוכניות כגון Textio מזהות את ההעדפות המגדריות במודעות, ומסייעות למגייסים לבחור בשפה ניטרלית. בנוסף, על ידי השוואת השפה במודעה למודעות קודמות שעבדו טוב, תוכנת AI יכולה לעזור לנסח מודעה אפקטיבית כדי להגיע למועמדים הרצויים.

The post 6 דרכים באמצעותן בינה מלאכותית משתלבת במשאבי אנוש first appeared on HRUS משאבי אנוש.

מגייסים רבים אשר מקבלים מבט ממקור ראשון על טכנולוגיית ה- AI, מופתעים עד כמה פוטנציאל יש לטכנולוגיה המתקדמת הזו וכמה היא יכולה להקל על חייהם. לטכנולוגיה בעלת יכולת ללמוד ולהתפתח ביעילות לאורך זמן, יש ארסנל רחב מאוד של אפשרויות. מדהים יהיה לגלות כיצד הטכנולוגיה יכולה ללמד אותנו, במקום שאנחנו נתכנת ונלמד אותה.

ההתקדמות המתמשכת בבינה מלאכותית, תעשה את הגיוס של מחר נראה שונה בהרבה מהגיוס היום, חשוב לאמץ אותה בדרכים הנכונות ולא לפחד ממנה.

בין הכלים המתפתחים ביותר בתחום ה- AI הם "עוזרים" מלאכותיים שיכולים לשפר את חוויית מחפש העבודה. כלי אחד כזה הוא Mya, אשר הופכת הרבה מן התקשורת עם המועמדים בתהליך היישום, לאוטומטית. Mya נוצרה על ידי FirstJob, חברת טכנולוגיה מבוססת משאבי אנוש מבסן פרנסיסקו, והיא משתמשת בטכנולוגיה שפה טבעית לשאול שאלות את המועמדים על בסיס דרישות העבודה ולספק מענה על שאלות המועמדים לגבי המעסיקים. היא גם מקפידה ליידע את המועמדים בשלבי ההעסקה שלהם.

Mya גם משיבה לשאלות על מדיניות החברה, ההטבות והתרבות מסביב לשעון באמצעות הודעות סמס, Facebook, Skype, דואר אלקטרוני או חלון דפדפן של צ'אטבוט שבו אנשים יכולים לשוחח באופן מידי. זה חוסך מהמגייסים את הצורך להשיב על אותן שאלות שוב ושוב ובכל רגע נתון. אם התוכנה "נתקעת" עם שאלה שאין לה מענה, היא פונה למגייס אנושי ומבקשת ממנו תשובה ולאחר מכן חוזרת עם התשובה לשואל.

סוג זה של בינה מלאכותית מאפשר מעורבות עם המועמדים והוא יכול לעזור לשפר את חווית המועמד.

כלים נוספים מתחום הבינה המלאכותית, מסייעים להוריד משימות של מגייסים, ומשחררים אותם כדי להתמקד בראיונות ובסגירת הצעות עבודה. יישום אחד שעשוי להיות בקרוב חלק מפלטפורמת גיוס הוא – X.ai, עוזר מלאכותי שיכול לתזמן פגישות או ראיונות. עוזרים כאלו הם למעשה הרחבה של יישומים קיימים כגון Reschedge, אשר מסייעים למגייסים להפחית את הזמן המושקע בתזמון ראיונות באמצעות תהליך אוטומטי שמנהל לוחות שנה מרובים בו זמנית ומבצע עדכונים אם ישנם שינויים.

המגייסים צריכים כיום לבחון את הכלים המתקדמים של הבינה המלאכותית המוצעים בשוק מדי יום, כדי להבין מה אפשרי וניתן ליישום בתהליכי הגיוס. באמצעות יישומים שמביאים תובנות מכמויות עצומות של נתונים, אפשר להמשיך ולבנות ידע ולהציע המלצות מותאמות אישית.

טכנולוגיה אחת למשל, מסוגלת לעזור למגייסים למדוד את מידת הקושי שתידרש למלא משרות מסוימות. כמו כן היא מסוגלת לתעדף תפקידים, לחזות בדייקנות את הסיכוי של המועמדים להצליח בתפקידם, ולבצע סקירה של המדיה חברתית כדי לפתח תובנות המסייעות למגייסים לשפר את העברת ההודעות למועמדים.

בינה מלאכותית הפכה להיות גם לפלטפורמה של ספקי וידאו. לדוגמה, חברת Affectiva שבסיסה בבוסטון, פתחה תוכנה לזיהוי רגש ומסייעת למדוד את האינטליגנציה הרגשית של המועמדים ואת האמת שהם מגלים במהלך ראיונות וידאו על ידי ניתוח הבעות פנים, בחירת מילים, קצב הדיבור וצלילים קוליים.

The post גיוס חכם: שימוש בבינה מלאכותית לייעול תהליכי הגיוס first appeared on HRUS משאבי אנוש.

המטרה הייתה לאתר פתרון שייתן מענה לבעיות שהוזכרו תוך עמידה במספר קריטריונים: הטמעה בפרק זמן קצר יחסית, התקנה פשוטה (בעדיפות למערכת מבוססת "ענן", ללא התקנה פיזית בארגון), ממשק ידידותי למשתמש ובעלות סבירה.

הפתרון שנבחר היה חילןBI – מוצר מדף מבוסס ענן שניתן להתאים בצורה פשוטה יחסית לצורכי והגדרות הארגון. מאחר ומדובר במערכת של חילן, היא התממשקה בקלות עם מערכות השכר והנוכחות של חילן בארגון. המערכת אפשרה הגנה על סודיות הנתונים, הן בשלב הטעינה למערכת והן ברמת ההרשאות ואפשרויות הצפייה שניתנו למשתמשים השונים בארגון. הטמעת המערכת נעשתה בחודשים ספורים בלבד.

בהמשך ההרצאה פירט ניב את המדדים אותם הארגון מקבל היום מהמערכת, ביניהם מצבת כוח אדם בתקופות זמן שונות, מדדים פיננסיים ומדדי חוסן ארגוני. כדברי עמית: "המדדים מאפשרים לנו לזהות בצורה פשוטה קפיצות (במצבת כוח האדם, בעלויות ההעסקה וכיו"ב) שיכולות להעיד על בעיה כלשהי ושדורשות תשומת לב של הארגון".

מבחינת חוסן ארגוני למשל, המערכת מאפשרת לנתח את העומס במחלקות השונות. אם יש למשל עומס רב באחת המחלקות, ייתכן ויש צורך לגייס עובדים נוספים לאותה מחלקה. לעומת זאת, אם קיים עומס נמוך, זה עלול להעיד על בעיית מוטיבציה בקרב העובדים. כל זאת ניתן לפלח בלחיצת כפתור ברמת חטיבה, מחלקה ועד לרמת העובד הבודד.

במכתשים אגן ניתן כיום להשוות בין מחלקות שונות בארגון בהיבט של שעות נוספות, היעדרויות וכיו"ב. אם מנהל מבקש גיוס נוסף, אפשר לבדוק אם יש ייצור מוגבר ולכן הוא צריך תוספת כוח אדם או שמדובר בניהול לא נכון של העובדים המבצעים שעות נוספות ללא הצדקה. מעבר לכך, המערכת מאפשרת לנהל תיק עובד עד לרזולוציה שבה ניתן לראות אם עובד עולה יותר או פחות מהממוצע, איך הוא ביחס לעובדים אחרים בהיבט של ימי חופשה, שעות עבודה נוספות, היעדרויות ועוד.

מרכיב משמעותי נוסף בפרויקט היה ניהול תוכנית העבודה הגלובאלית בצורה המאפשרת לזהות חריגות בגיוס עובדים ובעלות ההעסקה. אפשר לראות את כלל החברה או לפלח לפי מדינה, מחלקה, מקצועות, מנהלים, תקופות וכיו"ב.

חילן BI מאפשרת גם לבחון פרמטרים חיוניים כמו גיוסים מול עזיבות. ניתוח זה מאפשר לראות האם הגיוסים הם החלפה של עובדים שעזבו או שמדובר בתקנים חדשים. לדוגמה, בחברות או חטיבות צומחות נצפה לראות יותר גיוסים מעזיבות. בנוסף המערכת מאפשרת ניתוח של סיבת העזיבה – מדוע העובדים עוזבים? האם הם חושבים ששכרם נמוך או שהם אינם מזדהים עם התרבות ארגונית? ברגע שמזהים את הסיבה, ניתן להציע למנהלים פתרונות שונים.

מדד נוסף הקיים בחילן BI הוא איכות הגיוס והקליטה. מדד זה בודק את העזיבות במהלך שנת העבודה הראשונה של העובד. אם עובדים עוזבים מרצונם במהלך השנה הראשונה לעבודתם , זה יכול להעיד על פגמים בתהליך הקליטה. מכאן לומדים שצריך לעבוד עם המנהלים על שיפור תהליך הקליטה. לעומת זאת, אם עובדים מפוטרים במהלך השנה הראשונה, אז זה יכול להעיד על פגמים בתהליך הגיוס.

המערכת מאפשרת למעשה לחטיבת משאבי אנוש במכתשים אגן לזהות מגמות ובעיות הדורשות את תשומת הלב של הארגון ולהציע פתרונות אפשריים שיכולים לסייע בחיסכון במשאבים ובהוזלת עלויות.

עמית ניב סיכם כי מה שאינו מדיד אינו ניתן לניהול. ללא הגדרת מדדים קשה לזהות בארגון נושאים שעובדים כהלכה ובעיות הדורשות טיפול ופתרון. יחד עם זאת, מאחר וקיימים מדדים רבים, חשוב להגדיר סדרי עדיפויות ואת המדדים בהם ירצה הארגון להתמקד, כדי למנוע "התפזרות".

עמית סיים את הרצאתו בכמה דגשים פרקטיים: "אם אתם הולכים להטמיע מערכת BI, התייעצו עם ארגונים שעברו תהליך כזה, תלמדו ותחקרו. מומלץ להתייעץ עם חילן המומחית לנושא. אחרי שהחלטתם להטמיע מערכת BI, בנו ראשית פיילוט מצומצם. יש הבדל בין מה שאנחנו חושבים ומדמיינים לבין איך שזה נראה במציאות. הפיילוט יאפשר לכם להבין מה צריך להוסיף, לשנות ולשפר. נסו לערב אנשי כספים, אנשי תפעול ועוד אנשי מקצוע מתחומים שונים כדי שיתנו נקודות מבט נוספות על אלה הקיימות במשאבי אנוש".

רוצים לקחת חלק בכנס הבא שלנו? להרחיב ולהעמיק את ידיעתכם ואת היכולות הארגוניות בתחום ניהול משאבי אנוש?

לפרטים ולו"ז כנסי משאבי אנוש – לחץ כאן!

The post חיבור לביזנס באמצעות הטמעת מערכת מדדי HR first appeared on HRUS משאבי אנוש.

ריבי אספלר: כולנו מכירים את הקלישאה הזו שמה שלא ניתן למדוד לא ניתן לנהל. וזה נכון! לטוב ולרע.

יש תחומים שבהם קל יותר למדוד, כמו תחום המכירות. יש כל כך הרבה מדדים לבחון איש מכירות או סמנכ"ל מכירות. גם בשירות לקוחות קל לראות איש שירות, קבוצה או צוות. האם הם סוגרים פניות בזמן. האם יש אחוזי נטישה גבוהים של לקוחות? אולם בניהול משאבי אנוש אנחנו קצת מתקשים.

אני מעלה שאלה: האם במשאבי אנוש קיימת הנטייה לעבוד פחות עם מדדים מדויקים כי הם קיימים פחות או שזו העדפה שלנו לעבוד פחות אם מדדים?

אני רוצה להציג לכם כמה כלים שיאפשרו לכם לפעול בצורה מדידה ואז ההחלטה / הבחירה תהיה שלכם.

ניהול כמותי ומדדי משאבי אנוש

קיימים כמה אתגרים לא פשוטים כגון: האם הנתונים שלנו אמינים? האם בכל פעם שנעשה בדיקה התוצאה תהיה זהה? האם בהערכת עובדים אותם העובדים שמקבלים את הציונים הטובים ביותר הם אכן הטובים ביותר? אמינות ותקפות הם מושגים שנתונים בספק.

להיות מסוגלים להוציא נתונים ולהסיק את המסקנות הרלוונטיות ולהציג מסקנות בהתאם, כל אלה הם אתגרים לא פשוטים.

אבל יש ספקים שפועלים בישראל ובעולם שמציגים את הכלים הדרושים לכם להיות שותפים אסטרטגיים בשולחן ומאפשרים לכם להשפיע על השורה התחתונה.

חפשו ספקים שעונים על הדרישות לשנת 2020

אם אנחנו מדברים על אנליטיקס או על BI בשנת 2020 ה'אימבדיד אנליטיקס' יהיה חשוף לכל מערכת בארגון. כל מערכת חייבת להיות עם גרפים מול העיניים.

קהל היעד: אחרון העובדים בארגון צריך לקבל מידע בצורה ויזואלית פשוטה. הם יקבלו גרפים ולא אקסלים.

תצוגה: התצוגה על המסך תהיה גרף (פאי לדוגמה) אבל לא טבלת נתונים.

מיקום: לנו יש אזור ייעודי לדוחות. בעתיד זה יהיה כל הזמן כחלק אינהרנטי של המסך. המטריצה תהיה מול העיניים. כל הזמן תראו דוחות בכל קונטקסט ייעודי.

מקורות מידע: זה החלק המעניין ביותר. בארה"ב הוא מושרש בארגון עמוק ביום -יום. חברות גדולות שעוברות הנפקה או נרכשות (כמו Yamer) מנתחות ומתרגמות מידע למספרים מתוך רשתות חברתיות. יכול להיות שעובד בארגון איש מקצוע שיש לו השפעה עצומה ברשת החברתית כי יש לו 1000 קשרים. אז לא כדאי לדעת את זה ולמנף אותו כדי שהארגון ירוויח מההשפעה הזו?

תזמון: היום אנחנו לוחצים על דוח וממתינים וממתינים… ב-2020 זמן אמת יהיה קריטי. הציפיה תהיה לדוח תוך 2-3 דקות.

דינאמיות: כיום הדוחות שאנו מנפיקים הם סטאטיים. בעתיד הם יהיו דינאמיים, כך שניתן יהיה לראות נתונים מכל מיני נקודות ראות. שעות נוספות בארגון מסוים בדרום או בצפון, פילוח לפי צוותים, לפי מגדר. בעתיד לא נצטרך להפיק 5 דוחות אלא נקבל את כל החתכים באותו דוח.

הנעה לפעולה: בתוך המטריצה נעשה פעולה פשוטה. נתחיל מהגרף ונפיץ אותו. אם עד כה קיבלנו טבלה, בעתיד נקבל גרף ונניע באמצעותו לפעולה.

עוצמה: אתם יכולים להניח האם אתם בשלב האנקדוטות: "שמעתי שיוסי לא מתנהג כמו שצריך…." או שאתם בשלב של דוחות תקופתיים? הכי יפה זה להתקדם הלאה. לבקש מהספקים להשוות את מה שקורה בארגון בבנצ'מרק. האם בתעשיית המסחר כולם מתנהגים ככה? איך אני ביחס לתחום שלי? חיפוש קורלציה בין אחוז ההיעדרות לנטישה. כיום זה ברמה של תחושה. בעזרת הכלים המתאימים שקיימים אפשר למדוד ולהגיע למסקנות חד משמעיות.

תחזית: אם אני נמצא ביעד של 20% לאן אגיע עד סוף הפרויקט? אפשר לחזות מגמות עתידיות כמו חריגות.

מודלים מורכבים: אלה מאפשרים לנו להתמודד עם מורכבויות כמו אם נאסור שעות נוספות, מה יקרה? איך זה ישפיע? מה יהיו התוצאות לכך?

קורונוס, אחד הספקים המובילים, נותן הבנה מעמיקה בזמן אמת. לא צריך לצאת לדוחות. אפשר לצלול ולראות היעדרויות של יחידות שונות, מנהלים שונים, צוותים שונים. המנהל הבכיר יראה את כל העובדים ומנהל הצוות יראה רק את העובדים שלו.

אפשר לראות האם יש בעיית היעדרויות? האם אני בהתאם לבנצ'מרק? המערכת של קרונוס מאפשרת לי לזהות בעיה לפי השוק.

מה כדאי לדרוש מהספקים שלנו ועל מה אסור לוותר?

יש לה רישיון נפרד ודש-בורד נפרד. שימו לב, האנליטיקס מופרדת מה-BI זה דורש פיתוח חזק שלהרבה ספקים עדיין אין. אבל יש ביקוש למערכת אנליטיקס. זה כלי שבאמצעותו מחלקת משאבי אנוש יכולה להשפיע. על תוותרו על האנליטיקס. תדרשו את זה מהספקים.

מטריצות מכמה עולמות: יש מטריצה של שעות נוספות שאפשר לעדכן לפי התחום. אם אתם רשת סופרמרקטים לדוגמה ושעות נוספות זו סוגיה בעייתית, ניתן לעדכן מטריצה שבה צריך אישור ידני של מנהל לשעות נוספות.

חברה ששלי שעבדה במשרד עורכי דין הייתה צריכה לתמחר 90 משעות העבודה שלה. זה כלי נוח וחשוב להבין כמה שעות לא מתומחרות יש.

מטריצה שעות עבודה לפי משימה. אולי יש משימות טקטיות שמקבלות יותר תשומת לב כי לקוח צועק יותר?

ניהול היעדרויות: אפשר לראות מאזן חופשה, מחלות ועוד. זה מאפשר לנו לראות אולי במחלקה מסוימת יש יותר היעדרויות לצורך מחלה? ואז אפשר לשים את היד על הדופק כמו הוספת נוהל היעדרויות ללא אישור. אולי צריך לבקש אישור מהיום הראשון?

מבנה ארגוני: מטריצה שמאפשרת לבחון את מקור ההשפעה בארגון. יש היום כל כך הרבה אפליקציות (אפילו חינמיות) להעברת סקרים בתוך הארגון לפי פרויקט. כל עובד נשאל את השאלה: "אם אתה צריך עזרה בהטמעת מערכת, למי תפנה בארגון?". מה שיתקבל זה תמונת הארגון לפי גורמי השפעה מקצועית. ישנן חברות שעושות שימוש במטריצה הזו וממש מפרסמות את הגרפים כדי לתת לאנשים את הקרדיט וכדי לשמור על קשר בין המבנה הפורמלי והאפורמלי. זה כלי שמאפשר לארגון לזהות את העובדים שיש להם השפעה / שנהנים מהערכה מקצועית כדי שניתן יהיה להשקיע בהם (לשמר, לקדם, להוקיר).

ניהול הגיוס: ניתן לבדוק אחוז תחלופה לפי צוותים, תפקידים, מנהלים שהעובדים שלהם נשארים יותר או עוזבים יותר. ניתן יהיה לבדוק ערוצי גיוס יעילים יותר או פחות.

מטריצת ניהול כישרונות לגיוס: ביצועים ופוטנציאל.

לסיכום, יש כיום פתרונות שנועדו לתת לכם כלים מדידים לניהול מערך משאבי אנוש. הבחירה האם לנהל את משאבי אנוש ביעדים מדידים / כמותיים היא בידיים שלכם.

The post אפשר לנהל רק את מה שאפשר למדוד! first appeared on HRUS משאבי אנוש.

למידע נוסף על הכנס השנתי לניהול משאבי אנוש – לחץ כאן!
 

עמית ניב, מנהל שכר והטבות בחברת מכתשים אגן, נמנה בפאנל המרצים שלנו בכנס משאבי אנוש 2013. את הרצאתו בכנס יקדיש ניב להצגת התהליך שעברה חטיבת משאבי אנוש: בחירת המערכת של חילן, הטמעתה בארגון והתרומה העסקית הממשית של תהליך זה לארגון בכלל ולחטיבת משאבי אנוש בפרט.

רקע על המרצה: עמית ניב הינו בעל תואר ראשון במשפטים וכלכלה ותואר שני במנהל עסקים. עמית מנהל שכר והטבות בחברת מכתשים אגן מזה כ-3 שנים וקודם לכן ביצע תפקיד דומה בחברת קומברס.

רקע על מכתשים אגן: מכתשים אגן היא יצרנית ומפיצה עולמית מובילה של מוצרים גנריים להגנה על הצומח. החברה ידועה בזכות היקף הידע והניסיון שלה, יכולות טכנולוגיות והנדסיות גבוהות, מומחיות ברישום מוצרים, שמירה על תקנים מחמירים להגנת הסביבה, בקרת איכות קפדנית, וערוצי שיווק והפצה גלובליים.

מכתשים אגן מעסיקה כ-4,500 עובדים ברחבי העולם מתוכם 1,200 בארץ, במטה החברה באיירפורט-סיטי ובמפעלי ייצור באשדוד, בבאר שבע וברמת חובב. החברה מעסיקה בישראל כ-15 בעלי תפקידים בתחום משאבי אנוש.

מבנה מטה משאבי האנוש: בראש החטיבה עומד סמנכ"ל משאבי האנוש, ומתחתיו מנהלי משאבי האנוש החטיבתיים / האזוריים המכונים HR Business Partners. לצידם פועלים Centers of Expertise (מרכזי ידע) בתחומים כמו שכר והטבות, גיוס, פיתוח ארגוני וכד'.

במפעלים עצמם ובחברות הבנות בחו"ל ישנם מנהלי משאבי אנוש מקומיים אשר מדווחים באופן מטריציוני למנהלי משאבי האנוש החטיבתיים / האזוריים.
 

 
מה הוביל אתכם למהלך זה של הטמעת מערכת בינה עסקית ל-HR?

במכתשים אגן אנחנו שמים דגש רב על טיפוח ופיתוח ההון האנושי. כל עוד לא הייתה לנו מערכת לניהול נתוני העובדים יכולותינו בנושא היו יחסית מוגבלות. בנוסף, הנתונים שכן היו בידינו אודות עובדינו ברחבי העולם לא היו אחידים. לכן הגענו להבנה שדרושה לנו מערכת שתאפשר שליטה מלאה על נתונים עדכניים ומדויקים.

ברגע שהתחלנו לבדוק את השטח הבנו שישנם פתרונות מורכבים ויקרים שזמן ההטמעה שלהם הוא ארוך מאוד. היה לנו ברור שאנו זקוקים לתהליך מהיר ובהשקעה כספית סבירה. לאחר מספר חודשים שבהם בדקנו אלטרנטיבות והתייעצנו עם מומחים, החלטנו לבחור במערכת של חילן.

מה היה הצורך הקריטי ביותר או הדרישה הראשונה שלכם מהמערכת?

הצורך הקריטי היה במידע מדויק כדי לקבל זווית ראיה מקיפה ומדויקת על כלל העובדים שלנו. רצינו לקבל תשובות לשאלות כמו איך נראית מצבת העובדים בכל מקום ובכל זמן נתון, מהו חתך הגילאים, מהו הוותק של העובדים, מהן עלויות ההעסקה, מהו אחוז העזיבות, מי עוזב ומדוע.

איך הגדרת במשפט אחד את "המערכת האידיאלית"?

רצינו פתרון פשוט, מהיר וזול יחסית- Quick win. לא רצינו להיגרר לפרויקט של 5 שנים. הפתרון של חילן היה אפקטיבי. ההטמעה הייתה פשוטה כי היה קל לקשר את הממשק לנתונים הקיימים. עשינו פיילוט ותוך כדי עבודה משותפת עם חילן הצלחנו להתאים את המערכת לצרכים שלנו.

תוכל לתאר את מערך העבודה ביום שאחרי הטמעת המערכת?

המערכת משמשת בעיקר את אנשי משאבי האנוש בחברה אך היא פתוחה גם למנהלי כספים אזוריים. זו אמנם מערכת של משאבי אנוש אולם מנהלים מקצועיים רבים נהנים מהדו"חות המופקים, מהמידע ומהמסקנות שניתן להפיק באמצעות העבודה עם המערכת.

המערכת עזרה לנו ליצור שפה אחידה של נתונים בין גורמים שונים בארגון, תוך התבססות על מקור מידע אחד. המערכת משמשת אותנו לניתוחים שונים כגון ניתוח דמוגרפי של גיל, ותק, מגדר, מצבת כ"א, גיוסים, עזיבות, פרישות וכן רמת שכר ועלויות העסקה. דוגמא נוספת לשימוש שנעשה במערכת היא תמיכה במערכת הנפרדת להערכת הביצועים. נתוני העובדים (כמו למשל שיוך ארגוני או מנהל ישיר) במערכת הערכת הביצועים נלקחים ממערכת חילן BI.

יתרון נוסף של המערכת הוא היכולת לבצע ניתוח אד-הוק. לדוגמה אם רוצים לאתר את אנשי הרכש בעולם לצורך הדרכה או פעילות כלשהי, פשוט מוציאים מתוך המערכת את רשימת השמות הרלוונטיים.

אנו נעזרים בחילן BI כדי להפיק תובנות שונות. לדוגמא, בנושא של גיוס עובדים אנו נעזרים במדדים הקיימים במערכת כדי לבדוק האם אנו מגייסים בהתאם לתוכנית העבודה, האם יש עזיבות במהלך שנת עבודתו הראשונה של העובד – עובדה שיכולה להעיד על בעיה בגיוס או בקליטה.

מהו מבחינתך הערך המוסף של העבודה השוטפת עם מערכת חילן?

הכנסת המערכת הייתה כמו הדלקת אור בחדר חשוך. המידע היה קיים אך הוא לא היה מאורגן או שלא היה נגיש. זו הייתה פעולה פשוטה יחסית שאפשרה נגישות למידע ויכולת לקרוא ולנתח את המידע בצורה מהירה, פשוטה ואינטואיטיבית. זה ענה על הצרכים שלנו.

כמובן שעם הארגון הראשוני של המידע הגיע התיאבון לנתונים וניתוחים נוספים. יצרנו דו"חות נוספים באופן הדרגתי. אנחנו עדיין משדרגים ובונים מדי פעם דו"חות חדשים בעזרת צוות התמיכה של חילן, וחושבים אלו ניתוחים נוספים ניתן להפיק מהמערכת.

מה המסר שלך למנהלי משאבי אנוש שניצבים לקראת תהליך הטמעה של מערכת מידע כלשהי?

מידע הוא חשוב לצורך מדידה של הארגון וקבלת החלטות. יחד עם זאת, חשוב להגדיר איזה מידע רוצים לאסוף ולמדוד וגם באיזו דרך. בהרצאה החלוק את בבעיות שניצבנו בפנינו לפני הטמעת המערכת, מה היו השיקולים לבחירת הפתרון שיושם לבסוף, וגם באלו מדדים אנחנו משתמשים ומה אנחנו מפיקים מהמערכת.

מעבר לתועלת הרבה שבהטמעת המערכת עצמה, קיים ערך מוסף בתהליך ההטמעה והשימוש מאחר והוא מחנך את הארגון לחשוב בצורה מסודרת על עדכון נתונים, קריאת נתונים והסקת מסקנות.

ניתן יהיה ללמוד עוד על תהליך הבחירה וההטמעה של המערכת בהרצאתו של עמית בכנס השנתי לניהול משאבי אנוש 2013.

למידע נוסף על הכנס השנתי לניהול משאבי אנוש – לחץ כאן!

The post חיבור לביזנס באמצעות מדדי משאבי אנוש – Case Study חילן – מכתשים אגן first appeared on HRUS משאבי אנוש.