על הקשר שבין ביג דאטה למשאבי אנוש בארגון
דמיינו שיכולתם לדעת מה השעות האפקטיביות ביותר לעבודה על ידי צוות המתכנתים שלכם? האם יש אנשי מכירות המצליחים יותר בשעות הבוקר בעוד אחרים מככבים דווקא בשעות הערב?
דמיינו שיכולתם לדעת מה השעות האפקטיביות ביותר לעבודה על ידי צוות המתכנתים שלכם? האם יש אנשי מכירות המצליחים יותר בשעות הבוקר בעוד אחרים מככבים דווקא בשעות הערב? למידע חשוב זה משמעות רבה בהגברת האפקטיביות של הארגון. כיום, תחום חדשני המכונה HR Analytics מאפשר למנף את היתרונות העצומים שבניתוח כמות גדולה של נתונים, או "ביג דאטה", על מנת להפיק מהן מסקנות שיאפשרו לקבל החלטות שונות בארגון. גלו את הקשר המרתק בין תחום הביג דטה למחלקות משאבי האנוש וכיצד ניתן ליישמן בארגון שלכם.
הבנת קשרים בין פרמטרים שונים המאפיינים את עובדי הארגון
רשת ביגוד גדולה עשויה לגלות קשר מעניין בין מין וגיל העובד ליכולת המכירה של מוצרים המותאמים ללקוחות בגילו. לדוגמה, יתכן ותגלו באמצעות ניתוח נתונים המתקבלים במאגר הנתונים המנותח היטב כי חליפות החתן נמכרות טוב יותר על ידי מוכרים ממין זכר בגילאי 30-40. נתון זה יכול לסייע לבחור את העובד המתאים ביותר למחלקת החליפות בחברה. באותה מידה, יתכן כי נעלי העקב החדשות נמכרות טוב יותר על ידי עובדות בטווח גילאים של 20-30. אין מדובר הניסיון להפלות, חלילה, אך יתכן כי מומלץ לרכז את העובדות העונות לקריטריון זה במחלקת הנעליים.
נתונים נוספים שיכולים להתגלות כאשר מנתחים לעומק את נתוני החברה הן השעות האפקטיביות ביותר לביצוע המכירות, תקופות בהן מוצרים ממחלקה מסוימת "נחטפים" ואף קשר מרתק בין מיקומו של המוצר בחנות לכמות הלקוחות הרוכשת אותו.
איך יוצרים מאגר נתונים חכם?
איסוף הנתונים הוא חלק חשוב ביצירת מאגר נתונים שיוכל לשמש מאוחר יותר על מנת לקבל החלטות חשובות הנוגעות לדרך מיקום המוצרים, חלוקת העובדים בין מחלקות החברה או בחירת המוצרים בכל חנות. חיבור מאגרי מידע שונים כמו נתוני המכירות מכל סניף בארגון, נתונים סטטיסטיים על העובדים והנהלת החשבונות בחברה יכולים להיות הצעד הראשון לקבל את הנתונים הרלוונטיים. אך אילו עוד נתונים יוכלו להשתתף בשדרוג מערכות המידע הארגוניות?
איסוף נתונים כלליים ממקורות חיצוניים
נחזור לדוגמה של רשת האופנה הגדולה המקבל נתונים מהחנויות. נבחן יום בו הטמפרטורות עולות בחוץ ולפתח החנות מגיע קהל צעיר המחפש בגדים קייציים יותר. באותה היום עשויה להיות כמות גדולה של גופיות וסנדלים לקיץ הנמכרים באינטנסיביות בשעות החמות של היום. בשעות הערב, לעומת זאת, חוזרים לככב בגדים אלגנטיים יותר וחולצות מכופתרות.
ניתוח נתונים חיצוניים כמו היום בשבוע בו מתבצעת המכירה, הטמפרטורות בחוץ או אפילו טורניר הכדורגל המשודר באותו יום – כל אלה יכולים להשפיע על הדרך שבה כדאי להציג את המוצרים בחנות.
כיצד מיישמים את הנתונים שאספנו במסגרת מאגר ביג דאטה?
איסוף הנתונים והסקת המסקנות הם רק שני השלבים הראשונים בשימוש במערכת ביג דאטה. החלק החשוב ביותר הוא יישום המסקנות. לדוגמה - אם גילינו כי בימים קייציים בשעות הערב קיים ביקוש רב יותר לחולצות מכופתרות יש ליישם נתון זה. ניתן לשלב אותו עם העובדה כי מוכרי החולצות המכופתרות המצליחים ביותר ברשת הם מוכרים בגילאי 40-50 ממין זכר. לכן, נדאג כי במשמרות הערב בחנות יעבדו עובדים העונים לקריטריון זה.
אפקטיביות העובדים בהתאם לוותק
קיימים נתונים נוספים שיכולים לסייע למחלקת משאבי האנוש לקבל החלטות בהתאם לנתונים המתקבלים במסגרת ביג דאטה. לדוגמה, אם מסתבר כי לאחר חמש שנות עבודה רצופה בחברה חלק מהעובדים מתחילים להיות אפקטיביים פחות, ניתן למצוא דרכים חדשות לתמרצם. בונוסים, תחרויות או ערבי חברה הם חלק מהכלים הנמצאים בשימוש ומשמשים להנעה של עובדים חדשים וותיקים כאחד.
מאגר הנתונים יכול לבדוק בשלב זה את האפקטיביות שהייתה בדיעבד לכל אחד מהכלים שנוסו בארגון. האם עובד שהוצע לו בונוס יהיה אפקטיבי יותר מעובד שלא קיבל הצעה זו? האם המוטיבציה לעבוד עלתה? אפשרות זו מתבטאת בין השאר בשעות בהן העובד נמצא בחברה אם הוא עובד על משכורת גלובלית או בכמות מכירות גדולה יותר.מפעלים יצרניים יכולים לבדוק האם עובדים וותיקים נוטים לייצר כמות גדולה יותר בזמן קצר לאחר חופשה שנתית מטעם העבודה.
לסיכום, שימוש בנתונים המתקבלים ממאגרינתונים יכולים להיות כלים אפקטיביים הנמצאים בידי מחלקת משאבי האנוש ומאפשרים להגביר את יעילות החברה. חשבו, אילו נתונים הנוגעים לארגון הייתם רוצים לדעת,להצליב ולהסיק מסקנות?
