hirdetés
hirdetés

Big Data a hr területén

Le az előítéletekkel!

Egy felvételi interjúnál az első tíz másodperc eldöntheti, hogy alkalmazzák-e a pályázót. Az interjú további részében ugyanis a felvételiztető csak igazolást keres a saját első benyomására, ahelyett hogy objektív képet próbálna alkotni – írja Work Rules! című könyvében Laszlo Bock, a Google volt hr-alelnöke. Ezt hívják a pszichológiában megerősítési torzításnak (confirmation bias). Csakhogy az első néhány másodperc alapján alkotott kép nem jósolja meg, hogy be fog-e válni a jelölt.

hirdetés

A felvételi interjútól függetlenül is sokféle előítélet viheti tévútra a toborzói és általában a hr-es munkát. Ezért annak érdekében, hogy tényeken alapuló döntéseket lehessen hozni, hr-területen is kezd terjedni az adatelemzés (advanced analytics). Egyelőre azonban még az a jellemző, hogy bár tesztek garmadáin mérik a munkavállalók alkalmasságát, kevés vállalat vizsgálja összefüggéseiben a kapott értékeket. Így elesnek a hosszú távú teljesítményre vonatkozó előrejelzésektől. Pedig a kapott eredmények összevetése a jelenlegi alkalmazottak adataival érdekes összefüggéseket hozhat felszínre; például rámutathat, hogy a jelentkező a kiválasztási folyamat során mekkora valószínűséggel morzsolódhat le, vagy milyen eszközrendszerrel motiválható a legjobban.

Az iskolai végzettség nem sokat jelent

Egy nagy pénzügyi szolgáltató cégnél például összevetették az értékesítők első két évi teljesítményét különböző demográfiai adatokkal. Ennél a cégnél előszeretettel vettek fel olyan értékesítőket, akik valamelyik híres egyetemen végeztek. Az elemzés azonban – mint Josh Bersin data scientist, a Bersin by Deloitte alapítója a Forbesban megírta – kiderítette, hogy a neves egyetemi végzettség nem vetíti előre a jó értékesítői teljesítményt, mint ahogy az sem jelent sokat, hogy milyen eredménnyel végzett az illető. Ezzel szemben azok a jelöltek, akik pontos, nyelvtanilag helyes önéletrajzot írtak – és még néhány más tényezőnek is megfeleltek – nagyobb valószínűséggel váltak be.

A kiválasztásnál is izgalmasabb feladat – adatelemzési szempontból – a munkavállalók megtartása. A Xerox például advanced analytics segítségével csökkentette a call centerében a fluktuációt. Eredetileg szívesebben vettek fel olyan alkalmazottakat, akik korábban dolgoztak már call centerben, de az elemzésekből kiderült, hogy ez semmiféle kapcsolatban nem áll az elvándorlással. Arra is rájöttek, hogy másoknál alkalmasabbnak bizonyultak azok, akik legalább egy, de nem több mint négy közösségi hálózatban (például Facebook, Twitter, LinkedIn) voltak tagok. Ennek magyarázatát csak találgatni lehet, ami nem az elemzők feladata.

A digitális áttörés a hr-adatok érzékenysége és a bizalmi kapcsolatok miatt nehéz. A munkavállalók sok esetben féltik a személyes adataikat, számos országban (pl. Németországban) pedig kifejezetten szigorú jogszabályok vonatkoznak az egyéni adatok munkáltatói gyűjtésére és felhasználására. A változásnak azonban erős mozgatórugója a jelentős munkaerőhiány, és az is, hogy mostanra felnőtt egy generáció, amely a hétköznapi életét is adatalapon szervezi. Mivel az Y és a Z generáció minden teljesítményét számokkal méri, így akkor lehet vonzó életpályamodellt felvázolni nekik, ha azt is adatokkal támasztjuk alá, ráadásul a jövőre vonatkozóan, az ingadozó teljesítményt pedig egyből kielemezve visszajelezzük számukra.

Adatvagyon

Az adatalapúság versenyelőnyt jelent, mert a teljesítménynek olyan részelemeire derülhet fény az advanced analytics elemzések kapcsán, amelyeket eddig nem is vizsgáltak. Kiderülhet például, hogy mi motiválja jobban az adott munkavállalót: ha egyszer adunk neki nagy összegű fizetésemelést, vagy ha többször kisebbet. Ez ugyanis egyénenként változik. És azt is megtudhatjuk, vajon elhagyja-e a céget az alkalmazott, ha elhalasztjuk az előléptetését.

A hagyományos módszereknél az a munkavállaló tűnik fel, aki kiugróan jól vagy csapnivalóan rosszul teljesít, de nem szembeötlő az, ha valaki folyamatosan jó. Az adatok elemzésével láthatóvá válnak az ilyen munkatársak is, és az is kiderül, ha valakinek visszaesik a teljesítménye. Ilyenkor meg lehet tőle kérdezni, hogy mi ennek az oka, és kér-e segítséget. Tehát az advanced analytics nem veszi el a hr humánus jellegét.

A digitalizációnak köszönhetően a vállalatok jelentős része akár öt-tíz évre visszamenőleg is rendelkezik hr-adatokkal. Ezek vonatkozhatnak a szabadságra, a betegállományra, a képzésekre, az életkorra, a gyermekek számára, a pozícióváltásokra stb. Mindenki számára elérhetők olyan okosórák vagy más IoT (Internet of Things, a dolgok internete) eszközök, amelyek segítségével akár valós időben is gyűjthetünk adatokat. Láthatjuk, hogy a dolgozónak melyik tevékenységnél megy fel a vérnyomása, vagy pontosan követhetjük a fizikai mozgását munkavégzés közben. Képet kaphatunk alkalmazottaink környezetéről is. Mérhetjük a hőmérsékletet vagy akár a fényviszonyok változását, és ennek hatását a teljesítményre. Ezeket célirányos mérésekkel kiegészítve részletes adatvagyon állhat elő, amely szofisztikált advanced analytics elemzésekre is alkalmas. Statisztikai alapon, automatikusan előre jelezhetünk baleseteket, konfliktusokat vagy akár a dolgozói felmondást. Ezek elkerülésével pedig nemcsak az alkalmazottak munkakörülményeit, hanem a szervezet teljesítőképességét is tudjuk javítani. 

Koltai Vera, vezető tanácsadó
a szerző cikkei

Kézi Tibor, vezető tanácsadó
a szerző cikkei

hirdetés
Ha hozzá kíván szólni, jelentkezzen be!
 
hirdetés
hirdetés

- Hogy ő? Ő a legtündéribb lány, akit ismerek: okos, vicces, kedves, segítőkész.

– Ugyanarról az XY-ról beszélünk? Arról az arrogáns, agresszív, rosszindulatú libáról?

– Mi vaaan?!

És tényleg, mi van? Hol az igazság?

Tovább...

 

Találkozzunk a Facebookon!