Будущее HR

Уже более десяти лет специалисты по финансам и бухгалтерскому учету пытаются найти способ количественной оценки стоимости нематериальных активов. Традиционная оценка ориентирована на кирпичи и раствор компании, чтобы определить ее стоимость. Материальные аспекты бизнеса - здания, оборудование, продукты, инвентарь и трубопровод - получили наибольшее значение при определении стоимости компании. Поскольку первый мир сместился в сторону экономики, основанной на знаниях, нематериальные аспекты бизнеса в настоящее время составляют от 60 до 80 процентов стоимости некоторых предприятий. Патенты, исследования и разработки, бренд и сотрудники - это нематериальные активы, которые способствуют прогрессу и создают конкурентное преимущество. Для бухгалтеров инвентарь легко подсчитать и оценить. Нелегко оценить ценность интеллектуальной собственности, особенно когда она находится в мозговом доверии рабочей силы. Некоторые организации стремятся создать таксономию мер человеческого капитала, которые помогают бухгалтерам в определении финансовой стоимости нематериальных активов.

Математика: теория хаоса

Руководители HR сталкиваются с серьезными проблемами при управлении человеческим капиталом организации. Пытаясь сохранить продуктивную рабочую силу и решая множество социально-демографических задач, лидеры должны:

  • Захват и обмен знаниями от стареющей или уходящей в отставку рабочей силы
  • Управляйте потребностями рабочей силы нескольких поколений
  • Общайтесь с многоязычной рабочей силой
  • Оптимизация производительности среди рассеянной, международной и виртуальной рабочей силы
  • Координировать операции с оффшорными / аутсорсинговыми партнерами

Добавьте к этим вызовам многочисленные внешние факторы, которые влияют на изменения - такие как колеблющаяся экономика, война за талант и постоянно меняющиеся отношения между Gen X, Gen Y и Millennials - и прокладывание правильного курса вперед становится еще более трудным.Неудивительно, что приливы и отливы сотрудников часто кажутся хаотичными и неуправляемыми.

Вот где теория хаоса становится практической. Найдите минутку для поиска водяных колес в Интернете. Скорее всего, вы найдете ссылку на видео о простом водяном колесе. Какое это имеет отношение к HR? Все.

Рассматривайте водяное колесо как метафору для вращающейся двери, которая приносит рабочую силу в компанию и сопровождает их. Существует поток поступающих новых сотрудников и отток пенсионеров, трансфертов (через бизнес-единицы) и увольнений (добровольных и недобровольных). Поток часто является потоком новых сотрудников. Это также может быть массовый непроизвольный исход из-за сокращения. Важным отличием является то, что вращающаяся дверь не вращается с постоянной скоростью. На самом деле, это изменение кажется необъяснимым. Моделирование - единственный способ точно определить ситуацию.

Цель математики - раскрыть тонкую структуру, скрытую в беспорядочном потоке данных. Хотя термин «хаос» подразумевает, что существует бесконечная сложность, которую невозможно смоделировать, конечной целью научного исследования кажущихся хаотичными процессов является поиск и определение скрытых закономерностей. Как только шаблон или структура определены, это можно объяснить. Это верно для любой системы, включая цикл набора персонала в организации. Затем, когда объясняющие факторы объясняются, ими можно управлять. Управляя входами, можно влиять на выходы. Дикие и бешеные сезоны найма и увольнения, которые приводят к чрезмерному и недоукомплектованному персоналу, могут быть смягчены. Контролируя экстремальные колебания рабочей силы, организации контролируют затраты и повышают эффективность, результативность и прибыльность.

Как выглядит схема найма в вашей организации? Это стоит исследовать. Соберите данные и создайте математическую модель. Основной шаблон может быть простым и линейным. Или это может иметь логарифмическую или динамическую хаотическую структуру. Независимо от фактической схемы, было бы скучно исследовать, моделировать и определять модель притока и оттока сотрудников. То, что вы не успеваете обратить внимание на эти модели, оставляет ваше предприятие позади рынка.

Математические модели помогают нам определить и понять наш мир. Иногда требуется сложная математика, такая как теория хаоса, чтобы раскрыть основную структуру наших данных. В других случаях паттерн может быть легко обнаружен с помощью наблюдения или простой аналитики. Самое главное, что исследование шаблонов данных, в частности, притока и оттока сотрудников, может дать понимание и действия, которые могут улучшить организационную производительность, качество продукции и эффективные процессы укомплектования персоналом.

Информационные технологии: большие данные

В 2012 и 2013 годах «Большие данные» стали горячей темой в деловой литературе. В то время как тема кажется на первый взгляд простой, проблема более сложная. Стандартное определение Big Data состоит из трех характеристик данных:

  1. Объем  . Объем данных, создаваемых ежедневно, огромен.
  2. Скорость:  скорость и скорость изменения, с которой данные собираются и обрабатываются, трудно понять.
  3. Разнообразие:  расширяется спектр типов данных и источников, что затрудняет проведение стандартной аналитики.

Помимо характеристик данных, суть этой темы заключается в необходимости извлечения информации для принятия решений. Массивные наборы данных предоставляют возможность для грандиозного понимания.

 

В сфере HR две вещи управляют накоплением больших наборов данных: автоматизация HR-практик и консолидация HR-систем. Системы информационных технологий (ИТ) сделали бизнес-процессы чрезвычайно эффективными:

  • Системы управления обучением хранят курсы, обслуживают электронное обучение, отслеживают соответствие, управляют регистрациями, выдают сертификаты и даже администрируют тесты.
  • Системы талантов управляют заявками кандидатов, демографией сотрудников, информацией о заработной плате, обзорами эффективности, промо-акциями и многим другим.

Побочный продукт этих эффективных систем является огромным источником данных.

Будущее

Мы можем ожидать, что будет поддающаяся проверке Великая единая теория человеческого капитала. Это объяснит движущие факторы, которые приводят к найму, продвижению и удержанию лучших из имеющихся талантов. Что еще более важно, теория будет проверена, подтверждена и изменена миллиардами кадровых записей. Большие данные позволят аналитикам игнорировать выборки и сосредоточиться на общей картине - действительно большой картине.

Благодаря индивидуальным системам и консолидации наборов данных с помощью приобретений, данные HR увеличиваются. Сегодня многие HR-организации имеют возможность, существующую только в сфере научной фантастики для большинства крупных компаний, - интегрированный просмотр данных о людских ресурсах от колыбели до могилы для сотрудников.

 

Большие данные позволят аналитикам раскрыть то, что происходит в организации в широком масштабе. Вместо того чтобы сосредоточиться на сегменте внутри организации или выборке во всей организации, большие данные предоставляют N = all . По возможности все доступные данные будут проанализированы. Используя стандартную описательную статистику, аналитики смогут описать текущее состояние и сообщить лидерам, что происходит.Методы корреляции также будут использоваться для изучения взаимосвязей между показателями. Наборы данных, которые когда-то были разрозненными, будут объединены, чтобы аналитики могли исследовать новые отношения и проверять новые гипотезы. Приводит ли увеличение зарплаты к более активному участию? Или лучше вкладывать средства в фонды развития или специальные проекты, чтобы увеличить вовлеченность? Соответствует ли источник найма и время на замещение должности качеству работы год спустя? Изучив эти отношения, аналитики раскроют, что происходит в организации.

Видео Интервью:

Будущее вербовки виртуально, и соискателям нужно будет адаптироваться к этой новой реальности, уже являются неотъемлемой частью процесса подбора персонала для крупных компаний, поэтому их необходимо практиковать. Использование этих новых технологий имеет очевидные преимущества для работодателей, но они также создают определенные проблемы для соискателей. Чтобы идти в ногу с этой эволюцией, ищущим работу нужно будет адаптировать ее в процессе найма.

Компании станут более изощренными с их аналитическими методами. Понимания того, что происходит в организации, будет недостаточно. Лидеры захотят понять, почему что-то происходит. Корреляция все еще будет полезна, но она станет воротами для более сложных методов, таких как множественная линейная регрессия, моделирование структурных уравнений, логистическая регрессия, анализ связей и анализ дискриминантов. Три вещи поддержат это изменение:

  1. Жажда информации среди лидеров. Пакет C быстро наскучит описательной статистикой, информационными панелями и корреляциями, которые просто определяют текущее состояние. Они будут нуждаться в прогнозирующей аналитике и будут отслеживать будущие результаты в сравнении с прогнозами.
  2. Инструменты будут легко доступны: Расширенные статистические инструменты позволят аналитикам рыть мимо того, что к почему . Фактически, эти инструменты в настоящее время доступны, но вы можете ожидать, что они будут упакованы с установленными системами, чтобы аналитики могли проводить статистические тесты, не загружая данные в автономную систему.
  3. Ресурсов будет много: самая сексуальная работа XXI века - это ученые-аналитики (бизнес-аналитики, статистики, количественные аналитики, жокеи данных). Вы можете спросить: «Правда?» Ну, есть потребность бизнеса, и это было публично продано. Кроме того, университеты отвечают, предлагая аналитические степени.