Jak wprowadzić analitykę i pracę z Big Data w kontekście HR?
Zastosowanie Big Data w administracji publicznej
Big data w GUS? Recepta na szybko dostępne dane
Niezbędnym elementem dobrze funkcjonującego państwa jest statystyka publiczna, a głównym organem przetwarzającym gromadzone tego typu dane jest Główny Urząd Statystyczny.
Cechą charakterystyczną danych wykorzystywanych przez administrację publiczną jest w znacznym stopniu ponadprzeciętnie duży wolumen. Można to zaobserwować np. w statystyce publicznej, czy w dziedzinie rejestrów publicznych. Dotychczasowa technologia do czasu pojawienia się narzędzi Big Data ograniczała użycie tych danych w analizie, wnioskowaniu i podejmowaniu właściwych decyzji. Niestety przetwarzania danych przez GUS nie można określić mianem Big Data, gdyż analizy publikowane przez urząd charakteryzują się znacznym opóźnieniem w stosunku do okresu, którego dotyczą. Zastosowanie narzędzi Big Data umożliwiłoby znaczne usprawnienie czasu publikacji, trafności, a więc umożliwiłoby władzy podejmowanie trafniejszych decyzji i szybsze reagowanie na zachodzący zmiany w państwie.
Rejestry publiczne z narzędziami Big Data
Z pojęciem statystyki publicznej pośrednio i bezpośrednio zazwyczaj wiążą się również rejestry publiczne, które prowadzone są w Polsce przez różnego rodzaju organizacje administracji publicznej, takie jak GUS, ZUS czy Ministerstwo Zdrowia i organy im podległe. Rejestry te przechowują zazwyczaj informacje o obywatelach, rzeczach i usługach. Służą do realizacji zadań publicznych, do których zobowiązują je odpowiednie przepisy prawa.
Zdecydowana większość tych rejestrów jest przechowywana w formie elektronicznej, ustrukturyzowanej, jednak niewielka część nadal jest przechowywana wyłącznie w formie papierowej. Przez to ich przetwarzanie jest znacznie utrudnione obecnie. Do największych rejestrów elektronicznych należy zdecydowanie Powszechny Elektroniczny System Ewidencji Ludności (w skrócie PESEL). Głównym źródłem danych systemu PESEL są urzędy gminne i wojewódzkie. Innymi rejestrami publicznymi są również Krajowy Rejestr Urzędowy Podmiotów Gospodarki Narodowej (w skrócie REGON), czy Krajowy Rejestr Sądowy (KRS). Rejestry te również można byłoby uznać za spełniające kryterium Big Data ze względu na dużą wielkość zbiorów. Jednak dotychczasowy sposób przetwarzania i struktura baz relacyjnych wyklucza je z tego pojęcia. Mają bardziej charakter przetwarzania transakcyjnego i wsadowego i nie służą do analiz bardziej zaawansowanych.
Big data a dane strukturalne
Praktyczne zastosowanie technologii Big Data w rejestrach publicznych jest wskazane. Nie tylko umożliwiłaby ona analizę poszczególnych rejestrów, ale przede wszystkim połączenie ich, całościową analizę i wyciąganie wniosków na podstawie danych z wielu źródeł jednocześnie. Big Data rozwiązałaby również problem przetwarzania danych niestrukturalnych. Na przykład istniejące rejestry z dziedziny usług medycznych, takie jak rejestr zakładów opieki medycznej, rejestr lekarzy czy aptek muszą komunikować się z rejestrami, takimi jak PESEL czy Krajowy Rejestr Urzędowy Podziału Terytorialnego Kraju (w skrócie TERYT). Zbytni podział tych systemów, braku spójności i komunikacji pomiędzy nimi prowadzi do braku efektywnego działania całej służby zdrowia, a w efekcie jakości oferowanych przez nią usług.
Narzędzia Big Data mogą też wpłynąć na poprawę w obszarze:
• monitorowania danych w celu wcześniejszego wykrywania potencjalnych zagrożeń epidemiologicznych,
• wykrywania nadużyć w systemie podatkowym, wspomaganie zarządzania transportem (planowanie sieci dróg, sterowanie ruchem),
• udoskonalenia funkcjonowania systemu edukacji
• bezpieczeństwa publicznego poprzez analizę zachowań obywateli w Internecie, oraz analizę nagrań z kamer systemu monitoringu miejskiego,
• lepszego prognozowanie pogody i przeciwdziałania z wyprzedzeniem klęskom żywiołowym,
• analizy zmieniającego się zapotrzebowania na pracowników i przeciwdziałaniu bezrobociu na rynku pracy.
Intensywny rozwój Big Data najbardziej widoczny jest w komercyjnych zastosowaniach, gdzie postęp technologiczny jest szybko implementowany i generuje zyski dla inwestorów. Administracja publiczna jest obszarem, gdzie szerokie wdrożenie technologii Big Data przyniesie wymierne skutki polepszając efektywność i jakość jej działania, a także pozwoli zredukować koszty, tak ważne dla każdego podatnika. Finalnie przełoży się na komfort życia społeczeństwa.
[WIEMY JAK] BIG DATA = BIG KORZYŚCI DLA LOGISTYKI
BIG DATA CZYLI?
Coraz większa liczba informacji generowanych przez organizacje, media społecznościowe i Internet Rzeczy (IoT) doprowadziła do „eksplozji” gromadzonych danych. Możliwość przetwarzania takiej ilości zbiorów informacji za pomocą tradycyjnych narzędzi, czerpania z nich wiedzy i podejmowania na ich podstawie trafnych decyzji, stała się prawdziwym wyzwaniem. W tym kontekście wyłoniła się koncepcja Big Data. Jej definicja obejmuje nie tylko olbrzymie zbiory danych, ale wszystko co się z nimi wiąże: gromadzenie, przechowywanie, przetwarzanie, zarządzanie, oraz analitykę.
Możliwość gromadzenia i analizy danych oznacza często lepszy dostęp do informacji, także tych niezwiązanych bezpośrednio z prowadzonym rodzajem działalności. Przykładowo firma Google monitoruje miliardy haseł wyszukiwania (np. „Najlepszy lek przeciwkaszlowy”), dodaje do nich szczegóły lokalizacji. Dzięki temu jest w stanie szybciej rozpoznać nadchodzącą epidemię grypy i przeziębienia oraz zlokalizować ich ogniska, niż centra zajmujące się ochroną zdrowia publicznego. Oczywiście wykorzystuje to do odpowiedniego targowania reklam swoich klientów i pomnażania swoich dochodów.
WPŁYW BIG DATA NA LOGISTYKĘ
Od lat mówi się o imponujących korzyściach, jakie może odnieść sektor logistyki dzięki analizie napływających zewsząd danych. Korzyści te dotyczą możliwości prognozowania przepływów, zarządzania zapasami, zarządzania transportem i zasobami ludzkimi. Istotnym pytaniem jest: jak wydobyć sens z Big Data? Rzeczywistość pokazuje, że firmy często albo nie gromadzą danych wcale, albo są ich ilością przytłoczone i nie potrafią wykorzystać ich potencjału. Nieefektywne korzystanie z danych przypomina trochę źle zarządzany magazyn. Niezoptymalizowane procesy magazynowe, podobnie jak nieprzeanalizowane dane, które często mamy na wyciągnięcie ręki, prowadzą do strat finansowych. Niewypracowany wyższy zysk, który był możliwy do osiągnięcia, to również strata.
W jakich obszarach logistyki można wykorzystać Big Data? W każdym. Złożony i dynamiczny charakter logistyki, wąskie gardła, które mogą tworzyć się na dowolnym etapie łańcucha dostaw sprawiają, że jest to idealny obszar do analizy danych i podejmowania na ich podstawie strategicznych decyzji. Analizę logistyczną można wykorzystać do optymalizacji tras, usprawnienia procesu produkcji, optymalizacji magazynów, planowania zapasów oraz produkcji.
SYSTEM WMS – JAK MOŻESZ WYKORZYSTAĆ POTENCJAŁ GENEROWANYCH DANYCH?
Zanim Twoja firma rozpocznie świadomie gromadzić różnorodne dane, odpowiedz sobie na trzy bardzo ważne pytania:
Jakich danych potrzebujemy? Jakie dane już posiadamy? Jak wykorzystujemy dane, które już mamy?
Jeżeli Twoja firma wdrożyła system WMS, to jesteście szczęśliwymi posiadaczami mnóstwa informacji, które możecie wykorzystać do zoptymalizowania pracy, obniżenia kosztów logistycznych firmy, precyzyjnego zaplanowania pracy magazynu. Nowoczesny system WMS pozwoli Ci również na monitoring aktywności pracowników oraz automatyki magazynowej spiętej z systemem. Zdefiniowane wcześniej raporty i analizy pozwolą Wam śledzić przepływ produktów przez magazyn i odpowiednio zarządzać zapasami. Posiadanie systemu WMS w magazynie to również Wasza szansa na zdefiniowanie i stała kontrolę kluczowych KPI. W sytuacjach kryzysowych, dane zgromadzone przez system WMS pozwolą Ci zidentyfikować odbiorców określonej partii towaru.
DATA SCIENTIST POSZUKIWANY
Gromadzenie coraz większej ilości danych nie ma większego sensu jeżeli w firmie nie ma osoby, która potrafi z nich korzystać, analizować i podejmować na ich podstawie trafnych decyzji. Przedsiębiorstwa, które doceniają wpływ gromadzonych informacji na ich działalność i widzą w tym szanse na zyskanie przewagi konkurencyjnej, często decydują się na zatrudnienie osoby, której zadaniem jest ustrukturyzowanie posiadanych danych, poszukiwanie nowych źródeł informacji, odnajdywanie korelacji pomiędzy z pozoru niezwiązanymi ze sobą danymi i przewidywanie trendów rynkowych.
Jeżeli chcesz wdrożyć pracę z danymi w swoim przedsiębiorstwie, zastosuj zasadę 4xW:
wykorzystanie – w pierwszej kolejności wykorzystaj wewnętrzne (firmowe) zasoby danych;
wnioskowanie – umiejętnie stosuj techniki analityczne lub poproś o pomoc ekspertów;
wzbogacanie – wzbogacaj własne dane o informacje z rynku, używaj słowników i baz referencyjnych;
weryfikacja – obowiązkowo weryfikuj postawione hipotezy i wyciągnięte na podstawie analizy danych wnioski.
PRZYSZŁOŚC BIG DATA
Giganci rynku, na co dzień wykorzystujący pozyskane dane do osiągnięcia celów biznesowych, nie bez powodu inwestują potężne środki w badania i rozwój nad sztuczną inteligencją. To właśnie A.I. jest uznawana za przyszłość Big Data. Samouczące się algorytmy analizują dane i dostosowują modele postępowania do zmiennych w czasie rzeczywistym. Na tej podstawie wybierają optymalne rozwiązania i wdrażają je w życie. Przyszłość, która do tej pory znaliśmy z książek i filmów SF właśnie nadeszła.
Jak wprowadzić analitykę i pracę z Big Data w kontekście HR?
Big Data w HR przechodzi do mainstreamu![1] Takie twierdzenia można przeczytać w branżowej prasie związanej z zarządzaniem organizacjami oraz HR-em. Firmy natomiast coraz częściej nie zadają sobie pytania czy, ale jak wprowadzić analitykę i usprawnić organizację.
Jeżeli interesuje Cię związek HR i Big Data – czyli potencjalne korzyści oraz narzędzia, które możesz wykorzystać, żeby rozwinąć w organizacji people analytics – czytaj dalej!
Z tego artykułu dowiesz się:
Czym jest Big Data i jakie dane można wykorzystać w kontekście HR?
Jakich efektów można oczekiwać po analityce oraz jakie może przynieść korzyści?
W jakich obszarach HR w organizacji można wprowadzić big data?
Jakie narzędzia mogą pomóc w zbieraniu oraz przetwarzaniu danych z zakresu zarządzania zasobami ludzkimi?
Związek HR z Big Data
Big Data zostało zdefiniowane przez McKinsey Global Institute jako „dowolny zbiór danych, który jest zbyt duży, aby typowe narzędzia programowe mogły go przechwytywać, przechowywać, zarządzać i analizować[2]”. Dane, które generują pracownicy, z pewnością należą do powyższej definicji. Należy wziąć pod uwagę informacje dotyczące m.in. rekrutacji, produktywności, szkoleń i rozwoju, satysfakcji i zaangażowania pracowników.
Posiadanie danych to pierwszy, lecz również kluczowy czynnik umożliwiający wprowadzenie Big Data. Kolejnym jest odejście od ich przechowywania w tradycyjny sposób – w postaci np. papierowej dokumentacji czy nawet zbiorów w dokumentach tekstowych – na rzecz konkretnych, digitalowych narzędzi. Pozwalają one na analizę, kontrolowanie, przewidywanie i wdrażanie rozwiązań, dzięki którym możliwe jest osiąganie lepszych efektów. W obrębie HR-u takie dane mogą dać odpowiedź na pytania: skąd pozyskać najcenniejszych kandydatów, jak ich zatrzymać i sprawiać, żeby osiągali świetne wyniki. Przewaga konkurencyjna, która może zostać osiągnięta za pomocą takich analiz, wydaje się zatem nieoceniona.
Specjaliści z Nucleus Research postanowili zmierzyć ten proces. Na podstawie ich badań można stwierdzić, że jeden zainwestowany w analitykę dolar zwraca się aż trzystukrotnie[3] – choć wskazać należy, że te dane powstały w ogólnym ujęciu biznesowym. Natomiast ponoszone przez firmy koszty, które są związane z pracownikami, są niejednokrotnie największym stałym wydatkiem, więc być może właśnie realny potencjał ogromnych oszczędności sprawia, że tzw. People analytics staje się coraz bardziej popularne.
Warto również dodać, że specjaliści ds. human resources bardzo często rozważają, jakie strukturalne możliwości i korzyści przynieść mogą zasoby ludzkie i jakie wyniki osiągane są w ramach procesów wewnętrznych. Analityka HR pozwala przenieść planowanie, kontrolowanie i zarządzanie na każdy z 4 poziomów organizacji związanych z pracownikami.
AIHR (źródło)
Jako przykład warto przytoczyć firmę Xero, prowadzącą centrum obsługi telefonicznej, której podejście do Big Data zostało opisane w The Wall Street Journal. Wykorzystała ona duże zbiory danych, aby ustalić, dlaczego pracownicy zostają w firmie oraz poznać powody ich odejścia. Korzystając z tych danych, zminimalizowała wskaźnik rezygnacji ze stanowiska o 20% podczas 6-miesięcznego okresu próbnego. Dotyczył on aż 48 700 pracowników, więc wynik jest zdecydowanie sukcesem.
Jakie dane są kluczowe dla HR i całej organizacji?
Zarządzanie zasobami ludzkimi dostarcza wielu informacji, które dają potencjał do wysnucia ciekawych konkluzji za pomocą Big Data. Wśród przykładów wskazać można następujące obszary oraz konkretne przykłady danych wartych uwagi:
Rekrutacja
Mierników rekrutacyjnych wymienić można mnóstwo. Wśród tych najważniejszych znaleźć powinny się: źródła pozyskiwania kandydata, konwersja aplikacji, czas potrzebny na zatrudnienie (time per hire), czas na każdym etapie rekrutacyjnym oraz potrzebny do odrzucenia kandydata, rezygnacja kandydata (drop-off rate), analiza wynagrodzeń, wyników zadań i testów kompetencyjnych.
Learning & Development
W tym zakresie można kontrolować takie dane jak: kursy i szkolenia, które pracownik ukończył, czas, jakiego potrzebował w stosunku do rezultatów, jakie osiągnął, a także, w którym momencie procesu się znajduje. Można porównywać efektywność kursów, ale również rezultaty, jakie osiągane są indywidualnie lub w działach na podstawie testów. Śledzić można również profile kompetencyjne i postępy w samorozwoju pracowników.
Wyniki pracowników
Tu wskazać można informacje od realizacji celów, przez postępy w karierze, na feedbacku z przełożonym i feedbacku 360 kończąc. Warto dodać informacje o przesuwaniu się w ramach ścieżek kariery oraz siatki płac, a także dane o dochodzie na pracownika, retencji w organizacji oraz relacji z managerem. Połączyć to można również z aktywnością pracowników wskazującą na motywację i zaangażowanie – np. uczestnictwie w wydarzeniach firmowych, wynikach z ankiet satysfakcji i rozmów pracowniczych. Te elementy mają również bezpośredni wpływ na retencję pracowników.
Future Casting
W tym obszarze wziąć pod uwagę można informacje takie jak zewnętrzna analiza konkurencji i rynku, m.in.: benchmarking płac, aktywność w social mediach, wzrost konkurencyjności firmy, jej działania employer brandingowe np. wystąpienia na konferencjach czy realizowanie akcji promocyjnych. To wszystko wspólnie z trendami globalnymi sprawia, że analityka biznesowa wykorzystana może być do przewidywania przyszłości i zewnętrznych uwarunkowań, co przełożyć może się na konkretne zalecenia.
Wykorzystanie danych do usprawnienia organizacji
Mając powyższe dane, można pokusić o szereg analiz. Specjaliści stosują:
analizę opisową – obejmującą wolumeny, cięcia lub koszty
analizę powiązaną – zapewniającą wgląd w wydajność w stosunku do wymagań lub standardów (na przykład procent realizacji konkretnych zapisów, do których zobligowana jest firma)
analizę zależności – przedstawiającą relację między działaniami a wynikami (np. jakość nowozatrudnionych pracowników, a rotacja w pierwszym roku zatrudnienia)
analizę predykcyjną – pozwalającą określić statystyczną zależność pomiędzy działaniami a wynikami i określającą, co może się wydarzy w przyszłości.
Analiza i monitorowanie pozwala określić bieżącą sytuację, a raportowanie umożliwia wyciąganie wniosków na przyszłość. To natomiast przekłada się na możliwość wpływania na wydajność organizacji i stałego podnoszenia jej wyników. Każdy z wyżej wymienionych obszarów – od rekrutacji, przez learning & development, zarządzania wydajnością, po future casting może zostać poddany diagnozie, która pozwala zdefiniować dobre i złe strony procesów. To umożliwia testowanie rozwiązań, porównywanie wyników i finalnie osiąganie zadowalających lub nawet bardzo dobrych wyników na wszystkich płaszczyznach.
Jak zacząć wykorzystywać analitykę i Big Data? Jakie narzędzia nam w tym pomogą?
Droga do kultury organizacyjnej i zarządzania opartego na danych jest długa i często odbierana przez pracowników jako bezduszna. Dlatego warto rozpocząć ją małymi krokami. Najlepiej zaczynając od obszarów, które nie dotyczą wydajności pracowników – gdyż tu pojawia się najczęściej największy sprzeciw. Obszary takie jak e-nauczanie czy rekrutacja zazwyczaj cieszą się popularnością, ułatwiając pracownikom wykonywanie codziennych obowiązków. Poniżej znajdziesz 4 przykłady klas produktów, które pozwolą na wprowadzenie i wykorzystanie Big Data w codziennej pracy organizacji.
ATS (Applicant Tracking System) czyli system rekrutacyjny, który pozwala na zbieranie wszelkich danych związanych z tym obszarem. Pozwala on śledzić wydajność źródeł, konwersję pracowników, wszelkie pomiary związane z czasem, ale i aktywnością w tym systemie. Ciekawym rozwiązaniem jest np. Recruitee, GreenHouse czy Workable. Pozwalają one na dogłębną analizę przetwarzanych danych. LMS (Learning Management System), czyli system do zarządzania nauczaniem. LMS występuje często jako platforma e-learningowa, rozbudowana o funkcjonalności ułatwiające nadawanie odpowiednich dostępów, ale także posiada właśnie moduły analityczne. Umożliwiają one śledzenie postępów pracowników, ale także popularność, jaką cieszą się poszczególne treści. Dodatkowo mierzone są sukcesy oraz przyznawane certyfikaty. Postępy realizowane w czasie, oprócz ułatwień dla organizacji, mogą ciekawić pracowników i sprawić, że e-learning będzie dla nich wyzwaniem, a nie obowiązkiem. Przykładem tego typu platformy jest Samelane. HRMS / HRIS (HR Management System / HR Information System) to klasy aplikacji, które pozwalają zarządzać zasobami ludzkimi i procesami związanymi z cyklem życia pracownika. Wśród istotnych modułów wymienić należy te związane z kwestiami kadrowymi – dokumentacją pracowniczą, rozliczaniem czasu pracy, płacami, podatkami, benefitami i innymi rozliczeniami. Ponadto nowoczesne rozwiązania bywają rozbudowane o np. wsparcie w onboardingu czy pracowniczą platformę komunikacyjną. Ciekawym rozwiązaniem tego typu jest Hi Bob. Performance Management System (PMS) – jest często rozwiązaniem, które najbardziej niepokoi pracowników. Pozwala monitorować ich wydajność oraz osiągane wyniki w kontekście zdefiniowanych celów. Jednocześnie może bezpośrednio przekładać się na definiowanie celów i osiąganie lepszych rezultatów.
Duże zbiory danych oferują szerokie spektrum możliwych ulepszeń, które mogą zostać wdrożone w organizację – zarówno pod kątem organizacyjnymi wydajności, ale także zaangażowania i motywacji pracowników. Odkrywanie trendów, wzmacnianie pozytywnych aspektów oraz niwelowanie tych ograniczających produktywność, stanowi źródło sukcesu organizacji. Warto przy tym pamiętać, że technologia nigdy nie zastąpi ludzkiego elementu HR-u. Używanie dedykowanych systemów pozwala na zbieranie i zarządzanie danymi, jednak dane jakościowe oraz kontekst sytuacyjny wraz z indywidualnym podejściem pozwalają na podejmowanie lepszych decyzji. Połączenie tych działań umożliwia zmniejszanie ryzyka i skuteczne zarządzanie pracownikami.
Źródła: