וואו, איזה מיטאפ! כבר הרבה זמן שהנושא הזה של People Analytics מדגדג לי בראש. גם אנשים וגם דאטה. כמו מוזיקה לאוזניי.. וסוף סוף בא המיטאפ הזה לסגור לי את הפינה ואני שמחה לשתף איתכם:
המיט אפ אורגן בחברת SolarEdge, בעזרת קהילת משאבי אנוש – מדברים עסקים והיו בו שני דוברים רהוטים ומעניינים שגרמו לי להרבה מחשבות שנפרט אותם בפוסטים אחרים. נתחיל במה שהם סיפרו לנו.
דוברת ראשונה – מה זה בכלל People Analytics? ליטל שמר חיים, עצמאית
מה זה People Analytics ומה זה לא?
נתחיל במהו לא People Analytics: בגדול כל המטריקות שמצביעות על ה- KPI ועמידה ביעדים והדשבורדים שמציגים אותם הם לא People Analytics. לדוגמא time to hire כדוגמא למטריקות שמראות יעילות ואפקטיביות של תהליך הגיוס. מטריקות כגון כמה אנשים עזבו או כמה נקלטו. המטריקות האלה חשובות מאוד כדי שנמדוד את עצמנו ונדע להשתפר ואיפה אנחנו עומדים, אבל הן לא People Analytics כיון שהן לא מסבירות למה או מה צריך לעשות כדי לשפר את המצב והמידע שלהן לא נותן אימפקט על העסק.
אז מהו כן People Analytics?
כל תהליכי החקר והסקת המסקנות והתקשור של דפוסי ה- Data שאנחנו רואים כדי לתמוך בקבלת ההחלטות של HR בארגון.
עוד משפט שהפיל לי את האסימון: People Analytics זה ה- Data Science של ה- HR.
ועוד משפט שחידד לי את הדברים: החידוש פה הוא בכך שאנחנו מחברים את ה- HR דרך ה- Data לתוצאות העסקיות.
הרעיון הוא שצריך לשאול את השאלות הנכונות והדאטא צריך להסביר את התשובות. שאלות לדוגמא – איזה טאלנטים אנחנו רוצים בארגון? מי מתאים לנו? מי בדר”כ עוזב יחסית מהר? מיהם המנהיגים הטובים שלנו ומה הם עושים? אבל גם אפשר ללכת על דוגמאות מרתקות יותר כמה כסף יחסוך לי לקצר בחצי את משך זמן ה- Onboarding לחברה (ראו פירוט של הדוגמא הזו בהמשך).
לדוגמא: אם ניקח את העוזבים (מטריקה) אבל לא ניעצר שם, אלא ננתח את סוג האנשים שעזבו ואז נבין מי צפוי לעזוב זה יהיה People Analytics. אם ננתח בעזרת נתונים למה במחלקות מסוימות יש הרבה נטישה וכו’, זה יהיה People Analytics.
קצת על טרנדים באזורי ה- HR וה- People Analytics
שתי יכולות שהן מכפיל כח של ה-People Analytics לתרום ליכולות ה- HR:
- חיזוי לעתיד על נתוני ה- HR: כיום אפשר בכלים יחסית פשוטים, להסתכל על כל מערך הנתונים של העובדים ולהריץ מודל חיזוי על נתוני האנשים כדי לחזות התנהגות עתידית שלהם.
- אינטגרציה של DB ממקורות שונים למערכת אחודה לטובת ניתוח: אפשר לקחת נתונים מכל המערכות כגון פרטים אישיים, נתוני ביצוע, סקרים, מערכות משאבי אנוש, משובים, מערכות מקצועיות (לדוגמא כמות הקומיטים בגיט, כמות הבאגים הפתוחה על שם כל עובד- ג.נ)
שני טרנדים בהקשרי ה- HR שתורמים להתפתחות של ה- People Analytics:
- דמוקרטיזציה של ה- HR: מנהלים בארגון רוצים גישה לדאטא של ה- HR כדי לעשות לעצמם חושבים ומצפים לקבל אותו.
- צרכנות של HR: בהיבטים של חווית העובד. כמו שעובד בחוץ משתמש ב- AI באפליקציות כמו וויז וכאלה, הוא מצפה לאותה רמת מידע ולאותה חווית שירות כמו כל דבר אחר בחוץ.
אסטרטגיית הדאטא ב- HR
הרעיון הוא שאנחנו מתחילים משאלה עסקית (!), עוקבים אחרי התהליכים הרלוונטיים, נאסוף מידע ממקורות מידע נחוצים, נאחסן את המידע בצורה שאפשר לגשת אליו, ננתח אותו לכדי תוצאות בעזרת כלי דאטא ונוציא תובנות יישומיות פרקטיות שמשפיעות על השורה התחתונה של העסק.
ואם אנחנו מנתחים את איכות הדאטא, הרי שככל שהבשלות של המידע יותר גבוהה, אז הערך העסקי של המידע הרבה יותר גבוה. אם בהתחלה אנחנו מדברים על מידע שהאיכות שלו מאוד נמוכה ובהתאמה אנחנו בעיקר מסדרים מידע (Data Quality) אבל מקבלים תובנות ברמה נמוכה אם בכלל, הרי שברמה הבאה, המידע עוזר לתאר את התופעות (Descriptive) ואז להסביר אותן (Diagnostic) ואז לעזור לנבא אותן (Predictive) ולהגיע איתן לכדי תובנות סמנטיות (Semantic).
5 פרספקטיבות בהגדרת People Analytics בארגון
הרעיון הוא שיש מדרגות
רמה 1: ברמת ה- C level: ה- HR אמורים לקחת את האסטרטגיה מה- Clevel.
רמה 2: ברמת ה- HR Processes: ה- HR אמורים לתרגם את האסטרטגיה ל- HR Processes
רמה 3: ברמת ה- IT: ה- HR Processes נשען על מערכות מידע, מערכות עובדים, HR וכו’.
רמה 4: ברמת ה- Data Science: כל המידע במערכות המידע, העובדים וכו’ כפוף בעצם למקצוע ה- Data Science והיכולות לנתח אותו
רמה 5: ברמת ה -People Analytics Leader: מוביל ה- People Analytics מתווך בעצם בין הנתונים לביזנס.
2 דוגמאות על ה- People Analytics שאותי תפסו במיוחד
דוגמא 1: חברת Shell עמדה בפני האתגר של לגרום לעובדים לא ללחוץ על קישורים חשודים ברוגלות
על פניו, נדרשות הדרכות לכוווווווולם.. 60 אלף עובדים פזורים על פני עשרות מדינות. אתם יכולים להריץ את מכפלות העלויות של מערך הכשרה עצום שכזה. איך פתרו את זה? עשו מודל ניבוי רגרסיה לוגיסטית על כל העובדים: בדקו היכן יש הכי הרב התקלות על בסיס מאפייני מצקוע, ניסיון ו-ותק והתמקדו בקבוצות שבהם ההכשרות הללו היו הכי דרושות.
דוגמא 2: חישוב Average Employee life time value
השרטוט המצורף מתאר את התרומה של עובד לארגון על ציר הזמן. בהתחלה, הוא ממש לא תורם ואפילו לוקח מהארגון ובאיזשהו שלב הוא נהייה אפקטיבי, הכי אפקטיבי ואז “מתדרדר” עד שמחליט לעזוב. השרטוט הזה מאפשר לנו לחשב את השטחים ולחסר ביניהם – כמה תרם פחות כמה עלה לנו. ואז מאפשר לנו להגדיל את שטח התרומה על ידי קיצור זמן ה- Onboarding, עלידי הגדלת שביעות רצונו, משך הזמן שבו הוא תורם לארגון ובצורה מחושבת ניתן להגדיל את השטח של התרומה לארגון.
דובר שני – הדגמה על People Analytics בעזרת כלי של Power BI, בועז דה חאן, חברת Excelando
חברת Excelando עוסקת בלעזור לחברות לשאול את השאלות העסקיות הנכונות, להבהיר אילו נתונים היא רוצה / יכולה לאסוף ואיך להציג אותם לכדי דשבורד ויזואלי. שעל בסיסו ומתוכו ניתן לבצע מחקרי עומק סביב שורשי הנושאים שאחריהם עוקבים כמו ימי מחלה, שעות עבודה וכו’.
קשה להסביר את כל הסיפור שהוא הביא ולכן אני מצרפת פה כמה תמונות מתוך המערכת שמאפשרת גישה ויזואלית להרבה נתונים ושאפשר לבצע בעזרת drill down לנתונים ולהגיע לסגמנטנציה המתאימה של האנשים.
תובנה נוספת מרתקת מתוך ההרצאה היא שכיום כלי ה- BI כמו Power BI של מיקרוסופט הם מאוד ידידותיים, קל להתחיל ולהכניס לתוכם מידע ולקבל מהם תוצאות בפרק זמן קצר מאוד. באופן כללי ההרצאה תרמה והבהירה שחיבור נכון ומדויק של שאלה עסקית עם נתונים, מאפשרת ניתוח ויזואלי חכם וניתוח עומק של האנשים.
האם גם אתם אנשי אופרציה העוסקים בתהליכי עבודה, מתודולוגיות וכלים בעולמות הפיתוח וה- Revenue? אם כן, נשמח שתצטרפו לקבוצת Operations Leaders בפייסבוק.