گردآوری اطلاعات با کمک هوش مصنوعی یا از دیگر منابع، کل تیم را یک گام در مسیر درست پیش خواهد برد و سازمان امکان می‌‌‌یابد که پیشرفت کند و از روندها پیشی بگیرد.

اگر چه ممکن است تحلیل اطلاعات برای برخی از افراد دشوار به نظر برسد، ولی با ارائه آموزش‌‌‌های مناسب، ژرف کاوی بینش‌های نهفته در پژوهش‌‌‌ها و تعیین ارزش آن برای سطح عملکرد کارکنان، نه تنها تفکر جدیدی معرفی می‌شود، بلکه شاخص‌های کلیدی عملکرد نیز تقویت می‌شود. در این مقاله، اعضای شورای منابع انسانی موسسه فوربس، درس آموخته‌های خود در مورد اطلاعات و داده‌‌‌های مربوط به نیروی انسانی را به اشتراک گذاشته‌اند.

۱- اطلاع‌‌‌رسانی درباره تصمیم‌های مدیران سازمانی

داده‌ها مهم‌ترین چیز برای توسعه استراتژی منابع انسانی و تصمیم‌گیری هستند و برای تصمیم‌گیری باید از آنها استفاده شود. یک راه ساده برای شروع این است که با توجه به شاخص‌‌‌های موجود، داشبوردی ایجاد شود تا شاخص‌‌‌ها را برای اقدامات در دسترس قرار دهد. سپس می‌توان با استفاده از شاخص‌های آینده‌نگر و گذشته‌نگر، در قلمرو تحلیل مابع انسانی عمیق‌‌‌تر شد.

۲- محدودیت در بیان کل داستان

مدیران سازمان‌ها باید هوشیار باشند و بدانند که مجموعه داده‌‌‌ها دچار محدودیت‌هایی هستند و کل داستان را بیان نمی‌‌‌کنند. داده‌ها برای کمک به مدیریت شرکت‌ها و اطلاع‌رسانی به مدیران ابزار مهمی هستند. ولی نباید به عنوان تنها ابزار در نظر گرفته شوند. برای زمینه چینی و تکمیل آنچه که با اعداد بیان می‌شوند به اطلاعات اضافی نیاز است.

۳- ایجاد نقشه راه قابل مشاهده

باید با انجام تحقیقات مناسب و همسو با مدیریت  سازمانی، چشم‌‌‌اندازی برای داده‌های مربوط به منابع انسانی ایجاد شده و اطمینان حاصل شود که کیفیت داده‌ها به گونه‌‌‌ای است که بهره‌گیری از آنها سبب افزایش کیفیت نتیجه کار می‌شود. جذب و استخدام کارکنان باید با استفاده از اطلاعات مناسب درباره آنها، سوابق تخصصی و توانایی‌شان برای همراهی با سازمان انجام شود.

با بازنگری چشم‌انداز، باید برای ابزارها، گزارش‌ها، داشبوردها و اتوماسیون مورد نظر، نقشه راهی ایجاد شود. و به منظور سنجش کیفیت و توسعه توانمندی‌های مدیران  سازمانی، آمادگی لازم برای اشتراک‌گذاری داده‌ها با استفاده از داشبورد‌ها موجود باشد.

۴ - پاسخ به پرسش‌های بی‌جواب

ابتدا  پرسش‌هایی که باید پاسخ داده شوند، مشخص شوند. آیا آنها فرضیه‌هایی هستند که باید ارزیابی شوند یا ایده‌‌‌های جدیدی که باید مورد بررسی قرار گیرند؟ در هر صورت، کار با داده‌هایی که از قبل موجود بوده آغاز می‌شود و اطلاعات از منظر دیگری بررسی می‌شود. هر بخش از داده‌ها به صورت مستقل چه چیزی را بیان می‌کند؟ آیا با توجه به کل داده‌ها متوجه الگویی می‌‌‌شوید؟ یافته‌ها را با فردی خارج از تیم مستقیم خود بازنگری کنید. آیا آنها هم مانند شما آن را می‌بینند یا می‌خوانند؟ با استفاده از این شرایط با دیگران ارتباط برقرار کرده و هم‌افزایی ایجاد کنید.

۵- نیاز به راهنمایی متخصصان

فزونی داده‌ها به معنی خوب یا مفید بودن آنها نیست. علاوه بر این، داده‌های مفید با داده‌های قابل اجرا برابر نیستند. مهم است داده‌‌‌هایی که باید داشته باشیم و چگونگی استفاده از آنها مشخص شود. اگر فکر می‌‌‌کنید داده‌های مفیدی در اختیار دارید برای درک آنها باید به افرادی که آنها را تهیه کرده‌اند مراجعه کنید. بیش از آنکه بتوان بهبودی معنی دار را آغاز کرد، لازم است اعداد تفسیر شوند.

۶ - راهنمایی مدیران سازمان درباره الزامات ذی‌نفعان

کار باید با در نظر گرفتن ذی‌نفعان آغاز شود. باید توجه داشت که چه کسانی قرار است از نتایج تحلیل استفاده کنند و برای دستیابی به اهداف سازمانی یا انجام بهتر وظایف خود چه چیزی را باید ببینند. پرسیدن این سوالات کمک می‌کند تا هراس از تجزیه و تحلیل داده‌های مربوط به نیروی انسانی محدود شده و به چیزی تاثیرگذار و قابل دستیابی تبدیل شود. در حالی که شما همچنان به ایجاد قابلیت‌های خود در این زمینه ادامه می‌دهید.

۷-شناسایی طرح‌‌‌های زودبازده

یکی از روش‌های عالی برای شروع تحلیل داده‌‌‌های نیروی انسانی، تعامل با مدیران سازمان است. تیم‌‌‌های تحلیل اغلب به مهار پروژه‌‌‌هایی می‌‌‌پردازند که به تصور آنها ارزش زیادی برای شرکت دارد. اما در واقع، اهمیت این مشکلات برای تصمیم‌گیرندگان اندک است. لازم است درباره مسائل سازمانی با مدیران سازمان گفت‌وگو شود و نظرات آنها در مورد عوامل ایجادکننده مسائل پرسیده شود. این روش به شناسایی طرح‌‌‌های زودبازده کمک می‌کند.

۸ - خلاصه‌سازی اطلاعات و استفاده از اطلاعات مهم

بهترین راه برای اشتراک‌گذاری مداوم تحلیل‌‌‌های نیروی انسانی در شرکت‌هایی که ممکن است سابقه استفاده از این نوع داده‌‌‌ها را نداشته باشند، ابتدا درک این است که کدام معیارها برای مدیران ارشد مهم‌ترند. معمولا داده‌‌‌های زیادی در دسترس قرار دارند و احتمالا به اشتراک‌گذاری همه آنها مورد نیاز نیست. بنابراین مهم است که ارزشمند‌ترین آنها شناسایی شده و در داشبوردی قابل فهم ارائه و سپس تفسیر شوند.

۹- تقویت سطح اعتماد به نفس تیم

برای بازنگری و بررسی داده‌ها از سه منظر عملکرد گذشته، عملکرد کنونی و نتایج پیش‌بینی شده از رویکرد بازخوردی استفاده می‌شود. بهره‌گیری از این رویکرد سیستمی برای بررسی، تجزیه و تحلیل و تفسیر داده‌ها سبب ایجاد اعتماد به نتایج تحلیل می‌شود و ضمن کمک به کارکنان تازه کار در درک همسویی داده‌‌‌ها، امکان انجام تحلیل‌های موفقیت‌آمیز برای پیش‌بینی را فراهم می‌کند.

۱۰-رمزگشایی از روند سوابق

برای کسب نتیجه کامل از تحلیل داده‌ها، به مهارت آموزش نیاز است. درک تحلیل روند در مقایسه با بررسی نقطه‌ای مهم است. پیش از تصمیم‌گیری برای تغییر بر اساس داده‌‌‌های ماهانه یا فصلی، برای اطمینان از اینکه تغییرات فصلی نبوده یا تحت‌تاثیر اقدامات دیگر پدید نیامده باشند، بررسی روند سوابق می‌تواند کار مفیدی باشد. شرکت در یک دوره آموزشی درباره تجزیه و تحلیل داده‌ها نیز بسیار سودمند خواهد بود.

اخبار مرتبط