Sisu
- HR roll
- HR-i masinõppe juhtum
- Pole vigu ega stressi - teie samm-sammuline juhend elumuutva tarkvara loomiseks ilma oma elu hävitamata
- Arengud
- Järeldus
Allikas: Kentoh / Dreamstime.com
Ära võtma:
Personalianalüütika teeb revolutsiooni personaliosakondade töökorralduse osas, mis viib suurema tõhususe ja paremate tulemusteni.
Inimressursid on aastaid kasutanud analüütikat. Andmete kogumine, töötlemine ja analüüs on olnud suures osas käsitsi toimuv ning arvestades inimressursside dünaamika ja HR KPI-de olemust, on see lähenemisviis HRi piiranud. Seetõttu on üllatav, et personaliosakonnad ärkasid masinõppe kasulikkuse peale mängu nii hilja.
Sellegipoolest on masinõpe jõudnud HR-i valdkonda aeglaselt, kuid kindlalt ning on loodud mitmekordse kasutamise juhtumeid, näiteks hõõrumise ennustamine, õige palkamine ja personalikoolitus. Samuti usutakse, et masinõpe võib ennustada potentsiaalse kandidaadi edu. Tõenäoliselt avastatakse peagi rohkem kasutusjuhte. Erinevalt manuaalsest lähenemisest on masinõppe lähenemisviis palju kiirem, reageerib dünaamilistele olukordadele palju paremini ja pakub täpset, kasutatavat ja väärtuslikku teavet. (Kuigi andmeanalüütika valdkond muutub üha automatiseeritumaks, pole tööpuuduse pärast vaja veel muretseda. Lisateave jaotises Ei, Data Analytics Bots ei kavatse varsti teie tööd varastada.)
HR roll
Inimressursid on vaieldamatult organisatsiooni kõige väärtuslikum vara. HR vastutab organisatsiooni inimressursside juhtimise eest, et see saaks oma inimestest võimalikult palju kasu. HR-i roll hõlmab järgmist:
- Õige ande tuvastamine õige rolli jaoks
- Õige hüvitis ja hüvitised
- Töötaja arengu juhtimine koolituse ja võimalustega
- Inimressursside kasvu jälgimine ja juhtimine koos juurdekasvu, edutamise, võimaluste ja eelistega
- Töötajate motivatsioonide, kaebuste ja tunnete haldamine
- Väljapääsude haldamine
HR-i masinõppe juhtum
Aja jooksul on personaliosakonna ootused muutunud. Varem leiaks HR sobivad kandidaadid; viia läbi hindamist või hõlbustada seda; jagab välja personalipoliitikaga seotud pakkumisi, hüvitisi ja soodustusi; hallata töötajate karjääri ja töölt lahkumist. Nüüd loodetakse, et personal lisab rohkem väärtust sellele, mida ta juba teeb, ja teeb seda veelgi, näiteks ennustab äraminekut ja kandidaadi edu rolli täitmisel. Kas praegune lähenemisviis nende ootuste täitmisele võimaldab või piirab HR-i?
Enne masinõppe kasutuselevõttu haldas personal andmeid käsitsi ja poolautomaatlikult. Andmete kogumiseks, säilitamiseks ja töötlemiseks oleks vaja andmeid enne, kui need muutuvad kiiresti ebaoluliseks, kuna olukord on muutunud ja andmeid on vaja värskendada. Näiteks näitasid enne iga-aastast hindamistsüklit kogutud andmed madalat hõõrumisriski. Pärast hindamist ilmneb siiski hõõrdumine ja töötajate rahulolematus, peamiselt ootuste ja tegeliku kasu ebakõla ning tööturul pakutavate võimaluste suurenemise tõttu. Põhimõtteliselt eksitas eelhindamise analüütika organisatsiooni ja pingutusi võib pidada raiskamiseks.
Manuaalsed ja poolmanuaalsed meetodid ei ole varustatud võimaldamaks personalil hallata andmeid kiiresti muutuvate inimressurssidega seotud muutujate kohta. HR vajab regulaarset ja ajakohastatud analüütilisi andmeid oluliste tegurite kohta, näiteks töötajate tunded organisatsioonis, töötajate suhtumine poliitikatesse ja turuvõimaluste atraktiivsus organisatsiooni pakutavate suhtes. See on tõsine äri. Kui inimkapitali ei juhita hästi, võib organisatsioon kaotada väärtuslikud töötajad. Bill Gates kommenteeris kord: “Te võtate meie 20 parimat töötajat ära ja meist saab keskpärane ettevõte.” Sisestage masinõpe. Mida saab masinõpe pakkuda vanade meetodite kohal? Mõelge järgmisele:
Kiirem reageerimine dünaamika muutmisele
See on suurte andmete vanus. Töötajate juhtimiseks vajate andmeid järgmiste kohtade kohta:
Pole vigu ega stressi - teie samm-sammuline juhend elumuutva tarkvara loomiseks ilma oma elu hävitamata
Programmeerimisoskust ei saa parandada, kui keegi tarkvara kvaliteedist ei hooli.
- Töötajate hoiakud ja tunded
- Volikirjad või kvalifikatsioonid
- Töötajate vaated poliitikale
- Hüvitiste ja hüvitiste suundumused
- Asjakohased välised arengud, näiteks tööturg ja konkureerivad organisatsioonid, ning nende mõju teie töötajatele
See lisab iga hetk saabuva alandliku andmemahu. Käsitsi haldamine on selle haldamiseks lihtsalt halvasti varustatud. Masinõpe on siiski asjakohane selliste andmemahtude järjekindlaks vastuvõtmiseks, salvestamiseks ja töötlemiseks ning asjakohase ja teostatava ülevaate saamiseks lihtsa analüütika vormis. (Lisateave suurandmete rolli kohta ettevõttes jaotises Suurandmete analüüsi valupunktide käsitlemine.)
Täpsed ennustused
Masinõpe võib ennustada peamisi arenguid, nagu hõõrdumine, edu rollides ja ebasoodsad sündmused, näiteks ebaeetiline käitumine. Näiteks saab töötaja uues rollis edukuse tõenäosust ennustada varasemate andmete, näiteks varasema projekti tulemuslikkuse, teadmistebaasi ja võtmealgatuste abil, mis on võetud teadmiste baasi parandamiseks, mis kajastab hoiakuid. Nendel parameetritel põhinevad leiud saab teisendada analüütikuteks ja seejärel teha otsuseid.
Kandidaadi tuvastamine ja taotleja jälgimine
Masinõpe võib ühendada õige töö õige kandidaadiga, lähtudes töö rollist ja kandidaadi mandaadist, kogemusest ja huvidest. Masinõpe võib selleks kasutada sotsiaalseid võrgustikke. See vähendab märkimisväärselt käsitsi tehtavat pingutust kandidaatide hindamisel ja jälgimisel.
Arengud
HR-domeen on pärast masinõppe leiget reageerimist ärkamas. Paljud kasutusjuhud on rakendamisel ja rohkem on alles teel. Allpool on esitatud kokkuvõte peamistest arengutest.
Kandidaadi tuvastamine ja rakenduste jälgimine
Veebiallikate, näiteks foorumite ja sotsiaalmeedia allikatest pärinevate suurte andmete abil leiavad organisatsioonid õigete rollide jaoks sobivad kandidaadid. Kandideerimise hindamisel arvestab masinõpe kvalifikatsiooni, kogemusi, huvisid, ametialaseid seoseid ja liikmelisust, saavutusi, foorumiarutelusid ja palju muud. See parandab märkimisväärselt rolli sobitumise võimalusi, kui seda ei taga. Hea näide võiks olla professionaalne võrgustike sait LinkedIn.
Masinõpe vähendab märkimisväärselt rakenduste haldamise käsitsi tehtavat pingutust ja vabastab HR-i keskenduma produktiivsematele pingutustele. Finantstooteid võrdleva ettevõtte MejorTrato.com.mx tegevjuhi ja asutaja Cristian Rennella sõnul kulutasime varem HR-is 67,2 protsenti iga inimese ajast, et lugeda meie kaudu meie juurde tulnud kandidaatide CV-sid. oma veebisait ja kolmandad osapooled. Tänu AI-le teeb seda tööd täna automaatselt meie sisemine süsteem, mis võimaldab TensorFlow abil õppides seda ülesannet automatiseerida. "
Täpsed ennustused
HR-analüütika suudab sageli täpselt ennustada peamisi tegureid, nagu kurnatus, töötajate töötulemused ja isegi sellised ebasoodsad sündmused nagu ebaeetiline käitumine. Näiteks võivad mitmesuguste foorumivestluste, sotsiaalmeedia postituste, videote, konkureerivate organisatsioonide ja turuvõimaluste andmed osutada muutumisele hõõrumistasemes. Hõõrdumise tasemed muutuvad eriti sageli pärast hindamistsüklit.
Töökoha ennustamise ennustused
Andmed kandidaadi volituste, liikmesuse, suhtumise ja töötulemuste kohta võivad osutada edu tõenäosusele tööülesannete täitmisel. Asi on selles, et nii paljude muutujate põhjal ennustuste käsitsi arvutamine on lihtsalt ebapiisav. HR-analüütika võib anda täpset teavet selle põhjal, millised organisatsioonid leiavad õigeid kandidaate sobivatele töörollidele.
Järeldus
Organisatsioonid saavad juba masinõppe kasutuselevõtu eeliseid.Kuigi masinõpe on juba käsitsi pingutusi vähendanud, loodetakse, et ML muutub veelgi täpsemaks ja silmapaistvamaks sellistes valdkondades nagu hõõrdumise ennustamine ja juhtimine, töötajate juhtimine ja edu.