تاثیر عوامل پنهان در پردازش اطلاعات

وقتی امنیت شغلی رعایت نشود، کارمندان انگیزه کمتری داشته و در نتیجه میزان خدمات‌دهی آنها به مشتری کمتر خواهد شد. آنگاه شاهد خواهیم بود که مشتری به دنبال تولیدکنندگان دیگر خواهد رفت.

عصر بانک؛دپارتمان‌های منابع انسانی میزان بزرگی از داده‌‌ها را اتخاذ می‌کنند اما این دپارتمان‌ها به‌طور نمونه در سیستم‌های مختلف راکد می‌مانند و به ندرت برای اهداف استراتژیک استفاده می‌شوند. این به آن معنی نیست که شرکت‌ها با داده‌ها و تیم‌های تحلیلی منابع انسانی که گزارش‌ها را ارائه می‌دهند در محک آزمایش قرار نگرفته‌اند. اما بازدهی‌ها تا همین اواخر ناامیدکننده بوده است. 

اخذ و تحلیل داده‌ها درمورد افراد یک موضوع جذاب است. مقالاتی در مورد داده‌ها بزرگ و « Moneyball effect» (اینکه چگونه داده‌ها هوشمند عدالت جزایی، خدمات درمانی، موسیقی و حتی مخارج دولت را تغییر شکل می‌دهند) تقریبا هر یکشنبه در نیویورک تایمز چاپ می‌شود. می‌دانیم که فیس‌بوک، گوگل، لینکدین و توییتر بیشتر فعالیت روزانه ما را در وب تشکیل می‌دهند و به تازگی دریافته‌ایم که آژانس امنیت ملی و شرکت‌های ارتباط از راه دور بر جزئیات تماس تلفنی شامل موقعیت و تاریخ آن نظارت می‌کنند. همه کارشناسان داده‌ها اکنون در حال یادگیری این موضوع هستند که چگونه تحلیل احساسی بر ایمیل‌ها (Sentiment Analysis(SA) یک زمینه تحقیقاتی است که نظرات، احساسات، ارزیابی‌ها، رفتارها و گرایش‌ها و عواطف نوشته شده با یک زبان نوشتاری را آنالیز می‌کند، داشته باشند. به عبارتی این تحقیقات از حیطه تحقیقات کامپیوتری فراتر رفته و به‌دلیل اهمیت آن در اجتماع و کسب‌وکار وارد مباحث علوم مدیریتی و علوم اجتماعی می‌شود)، ارسال تبلیغات هدفدار به تلفن‌های همراه و حتی ارزیابی و یافتن کاندیداهای شغلی از طریق فعالیت‌های اجتماعی انجام دهند. شگفت‌آور نیست که علم داده‌ها به عنوان یک حرفه نسبتا جدید، «جذاب‌ترین شغل در قرن بیست‌ویکم» شناخته می‌شود. 

اینها همگی تغییرات عظیمی در منابع انسانی ایجاد کرده است. برای مثال، لینکدین یک ارائه‌دهنده بزرگ از راه‌حل‌های استخدام است؛ این شرکت از پایگاه داده‌ها مشاغل جهانی استفاده می‌کند. اکنون تعداد زیادی از شرکت‌های استارت‌آپ وجود دارند که ابزارهایی برای استفاده از داده‌ها اجتماعی، داده‌ها منابع انسانی و آزمون داده‌ها برای ارزیابی و منبع‌یابی بهتر افراد می‌سازند. یک شرکت جدید با نام Identified بیشتر داده‌ها در دسترس در لینکدین، فیس‌بوک، یاهو و توییتر را جمع‌آوری می‌کند تا نسل بعدی موتورهای جست‌وجوگر که بیش از 500 میلیون کارمند ارائه می‌دهد ایجاد کند. شرکتی با نام Smarterer در حال ارائه ارزیابی‌ مهارت‌محور کارگران قراردادی است. 

تاریخ غنی علم داده‌ها منابع انسانی و قالب‌های ریخته‌گری 

بسیاری از افراد حرفه‌ای در منابع انسانی داده‌ها را درک نمی‌کنند. هنوز تاریخی غنی از علم داده‌‌های مرتبط با منابع انسانی وجود دارد. در اواخر دهه 1800 میلادی فردریک تیلور، یک مهندس مکانیک آمریکایی، عملکرد شغلی کارگران فولاد را تحلیل کرد و صنعتی را بنا نهاد که در آن روان‌شناسان صنعتی عملکرد ما در شغلمان را سنجش می‌کنند. او نخستین کسی بود که یک مطالعه سیستماتیک از روابط متقابل بین نیازمندی‌های کار، ابزار، متدها و مهارت‌های انسانی را عرضه کرد که افراد را چه از نظر فیزیکی و چه از نظر روانی با کارشان هماهنگ می‌کرد. برای مثال او دریافت که کارگری که « قالب‌های ریخته‌گری » سبک‌تر(20کیلوگرم) را بلند می‌‌کند بسیار بهره‌ورتر از کارگری است که «قالب‌های سنگین‌تر ریخته‌گری » 35 کیلوگرمی را بلند می‌کند چرا که زمان بیشتری برای استراحت دارد. این مطالعه زمان و حرکت موجب مهندسی مجدد فرآیند تولید فولاد شد. دپارتمان‌های منابع انسانی میزان بزرگی از داده‌ها را در مورد افراد اخذ می‌کنند: حجم معاملات، اشتغال، ساعات آموزش، حقوق و دستمزد، تحرک شغل، درجه‌بندی عملکرد، به علاوه اینکه به چه دانشگاهی می‌خواهیم برویم، درجات دانشگاهی ما و تقریبا 200 آیتم دیگر. اما چنین داده‌های به‌طور نمونه در سیستم‌های منابع انسانی مختلف راکد مانده‌اند و به ندرت برای اهداف استراتژیک استفاده می‌شوند.

طی 25 سال شرکت‌ها داده‌های منابع انسانی را جمع‌آوری کرده‌اند. بسیاری از دپارتمان‌های منابع انسانی یک تیم تحیلی دارند که گزارش‌ها را ارائه می‌دهند. اما تا همین اواخر، به نظر نمی‌‌رسید این سرمایه‌گذاری‌ها منفعت بالایی داشته باشند. مطالعه دو ساله ما در مورد این موضوع نشان می‌دهد یک تغییر جهت بزرگ در حال رخ دادن است. گرچه سازمان‌ها بیش از 14 میلیارد دلار در نرم‌افزار منابع انسانی سرمایه‌گذاری کرده‌اند، امروزه کمتر از 4 درصد می‌توانند تحلیل پیشگویانه از افراد انجام دهند و تنها 14 درصد تحلیل آماری انجام می‌دهند. مدیران منابع انسانی به ما می‌گویند که آنها می‌خواهند بیشتر «داده‌‌محور» باشند اما بیشتر آنها هنوز نتوانسته‌اند مجموعه ثابتی از سیستم‌ها و توانمندی‌های تحلیل‌ استعداد را بسازند. 

این کار سندی است که نشان می‌دهد کارآیی و مهارت در علم تجزیه و تحلیل استعداد با مجریان قوی مرتبط است. ما در پژوهش‌مان نگاهی به عملکرد مالی شرکت‌ها در 14 درصد بالایی تحقیق انداخته‌ایم (سطوح 3 و 4 به عنوان مدل کامل تجزیه و تحلیل استعداد که در شکل 1 نشان داده‌ها شده است تعریف می‌شود. سطوحی که می‌توانند داده‌های منابع انسانی و داده‌های کسب‌وکار را برای پیش‌بینی و بهبود نتایج مرتبط کنند) و ما آنها را کارآترین شرکت‌ها بر حسب ارزش سهامدار یافتیم. طی سه سال گذشته سازمان‌هایی که در این سطح عمل می‌کنند موجب شدند شرکت‌های 500 S&P(فهرستی است از 500 سهام برتر در بازار بورس سهام نیویورک و نزدک) تا 30 درصد بهتر عمل کند و توانایی به مراتب بهتری برای تصمیمات داده‌‌محور درمورد افراد گزارش داده‌ها است. داده‌های مانند چه کسانی را استخدام کنند، ترفیع دهند یا اخراج کنند و چه مقدار به آنها حقوق پرداخت کنند. در پژوهش مشابهی که توسط موسسه تکنولوژی ماساچوست MIT و دانشگاه پنسیلوانیا انجام شده است، نشان داده‌ها شد که شرکت‌هایی با عملکردهای کامل تجزیه و تحلیل داده به‌طور کل 5 تا 6 درصد بازدهی مالی بالاتری دارند.

راه‌حل‌های پیشرفته ممکن هستند

پژوهش ما نشان می‌دهد که اکنون بیش از 60 درصد شرکت‌ها در این حوزه مشغول به کارند؛ اما هنوز شکافی بین «داشته‌ها» و «نداشته‌ها» وجود دارد. طبق تحقیقات تنها 14 درصد این شرکت‌ها که در تجزیه و تحلیل مربوط به افراد سرمایه‌گذاری کرده‌اند دستاوردهای مثبتی داشته‌اند و اکنون در برخی حل مسائل موثر استفاده می‌شوند. 

درک کارشناس فروش با عملکرد بالا در خدمات مالی

یک شرکت خدمات مالی بزرگ نوسانات چشمگیری در عملکرد فروش بین صدها نماینده فروش مشاهده کرد. تیم فرض کرد که ممکن بود عوامل پنهانی موجب این الگوها شوند؛ بنابراین آنها مدلی طراحی کردند که عملکرد نمایندگان فروش را پیش‌بینی کنند. به‌طور سنتی این شرکت تیم فروش خود را از افرادی تشکیل داد که از دانشگاه‌های برتر فارغ‌التحصیل شده بودند و مدارج عالی داشتند.تیم تجزیه و تحلیل، داده‌های آماری، تجربیات شغلی، استخدام و محیطی را کنار هم قرار می‌دهد و مجریان با عملکرد بالا را با عملکرد متوسط مقایسه می‌کنند. پس از تحلیل آماری معین، تیم دریافت که فروض شرکت اشتباه بودند: افراد کارآمد از دانشگاه‌های عالی فارغ‌التحصیل نشده بودند و هیچ کدام هم مدارج عالی نداشتند.همان‌طور که شکل 2 نشان می‌دهد افراد کارآمد در این شرکت خاص با معیارهای آکادمیک به مراتب کمتر بودند.این مثال یک نکته مهم را بیان می‌کند: یکی از بزرگ‌ترین منافع تجزیه و تحلیل استعداد، کم ارزش کردن افسانه‌های مدیریت است. در این مورد، با تغییر جهت به مسیر جدیدی برای ارزیابی نماینده‌های فروش، در شش ماه اول، شرکت بیش از 4 میلیون دلار درآمد جدید به‌دست آورد.

کاهش دزدی و ضرر در بانکداری

یک بانک بزرگ کانادایی مدت زیادی از دزدی و اختلاس در شعب خود زیان می‌برد. این بانک سال‌های بسیاری را در ابزارهای آموزش و نظارت برای کاهش کلاهبرداری صرف کرد. با وجود این برنامه‌های مستمر، دزدی ادامه داشت و به نظر می‌رسید به‌طور خاص در شاخه‌های کوچک‌تر بانک آمار دزدی بالا بود.تیم عملیاتی با مشارکت منابع انسانی، یک پروژه تجزیه و تحلیل استعداد برای همبستگی با الگوهای زیان‌آور در برابر چنین عواملی مانند دوره تصدی کارمند، سن، تجربه، آموزش، پیشینه آموزشی، جمعیت‌شناسی مدیریت و جغرافیا شروع کرد.پس از ماه‌ها تلاش، شرکت دریافت که عاملی که بیش از همه با دزدی مرتبط بود مسافت بین شعبه بانک با مدیریت منطقه است. افراد در این نقش خاص احساس می‌کنند که نظارتی بر آنها نیست و احتمال اینکه غیراخلاقی عمل کنند بالا می‌رود. پس از سال‌ها سرمایه‌گذاری گسترده اما غیرموثر در برنامه‌های آموزش، بانک مدیران حوزه خود را دوباره سازماندهی کرد تا آنها را به شعب نزدیک کند و به این ترتیب نرخ زیان به‌طور چشمگیری کاهش یافت.

درک دلیل ترک مشتری

یک شرکت خدمات تهیه و عرضه غذا در ایالات متحده آمریکا نرخ وفاداری متناقض بسیار بالایی بین مشتریان بزرگ خود مشاهده کرد. برخی طی سال‌ها هنوز وفادار خود را حفظ کرده بودند و به نظر می‌رسید سایرین ناگهان ارتباط خود را قطع کردند.شرکت فرض کرد که برخی ویژگی‌های تیمی موجب این زیان‌ها می‌شدند؛ بنابراین آنها یک تیم تجزیه و تحلیل (کارمندان عملیاتی در مشارکت با منابع انسانی) تشکیل دادند تا داده‌ها را مشاهده کنند. پس از تحلیل بیش از دو سال ارزش حساب، تیم، مدیریت و داده‌ها سازمانی، تیم از نکته جالب اما واضحی پرده برداشت. بزرگ‌ترین عاملی که با ضرر مشتری مرتبط بود، تخطی از آئین‌نامه امنیت شغلی «اداره ایمنی و بهداشت حرفه‌ای» (Occupational Safety and Health Administration) در خدمات تهیه و عرضه غذا بود. برای ایجاد این امنیت شغلی که سال‌ها به عنوان «برنامه انطباق» شناخته شده بود، اثر بزرگی بر درک مشتری و رضایت از خدمات داشت. (برنامه انطباق، برنامه‌های داخلی و تصمیمات سیاستی توسط شرکت است. تصمیماتی که به‌منظور انطباق با استانداردهای قوانین و مقررات دولتی گرفته می‌شوند).

در واقع وقتی امنیت شغلی رعایت نشود، کارمندان انگیزه کمتری داشته و در نتیجه میزان خدمات‌دهی آنها به مشتری کمتر خواهد شد. آنگاه شاهد خواهیم بود که مشتری به دنبال تولیدکنندگان دیگر خواهد رفت.گرچه امنیت شغلی برای مدت زیادی یک اولویت بوده است، شرکت همیشه به آموزش امنیت به عنوان یک برنامه انطباق نگاه کرده‌ و آن را بیشتر برای کاهش هزینه‌های بیمه اجرا کرده‌ است. پس از این تحلیل، شرکت امنیت شغلی و آموزش آن را به عنوان اولویت ارشد در استراتژی ارسال خدمات دوباره اولویت‌بندی کرده‌ است. این یافته به شرکت کمک کرد تا حفظ مشتری را به علاوه رسمی کردن عملیات موثر جدید برای مدیریت فروش بهبود ببخشد. اکنون شرکت، آموزش امنیت و انطباق را در راس برنامه‌های خود قرار داده‌ها است تا اطمینان یابد که همه کارکنان امنیت شغلی و آموزش آن را به‌طور جدی دنبال می‌کنند.

 
 
 
 

مترجم: آناهیتا جمشیدنژاد

منبع: http:dupress.com

/دنیای اقتصاد

 

ارسال یک پاسخ

آدرس ایمیل شما منتشر نخواهد شد.