Velké údaje o lidských zdrojích (HR) se stále častěji využívají pro nábor, nábor a udržení nejlepších zaměstnanců. Zde jsou tři důvody, proč více společností přijímá předpovědní analytické nástroje pro zlepšení spodního řádku.

Více efektivní nábor

Velké údaje pomáhají odhalit, které kandidáty jsou nejvhodnější pro otevřené pozice. Součástí procesu dolování dat může být shromažďování informací z životopisů a profilů sociálních médií s cílem jasněji zjistit, které potenciální zaměstnance mohou být produktivní a rozmanitější na pracovišti. Manažeři náboru pak mohou zúžit svůj kandidátský fond a rozhodnout, které oblasti hodnocení by měly při rozhovorech soustředit. Implementací této strategie se proces náboru rychlejší a správnější lidé najali častěji.

Například asijská banka předtím zaměstnávala špičkové absolventy vysoce uznávaných univerzit pro plnění svých 8 000 rolí rozložených na 30 pobočkách. Poté, co banka prošla organizační restrukturalizací, začala instituce zpracovávat data o 30 bodech v kategoriích výkonů zaměstnanců, odborné historie, demografie, držby a informací o pobočkách ze svých stávajících zdrojů. Banka začala využívat datovou analýzu pro identifikaci současných zaměstnanců, kteří s největší pravděpodobností vyniknou v jejich pozicích, vytvářením nových rolí v rámci organizace a získáním dalšího pohledu na to, co motivuje výkon pracovníků.

Použitím prediktivní analýzy banka odhalila společné rysy mezi vysokými a nízkými umělci a vytvořila profily pro pracovníky s výraznější možností vyniknout v určité roli. Informace také ukázaly, že struktura poboček a týmů ovlivňuje finanční růst instituce. Velké údaje navíc ukázaly, že konkrétní role měly největší vliv na úspěch banky.

V důsledku toho byly vytvořeny nové organizační struktury kolem konkrétních týmů a skupin pracovníků. Vzhledem k tomu, že banka začala používat analýzu dat pro nábor a měření výkonnosti, produktivita poboček vzrostla o 26%, konverzní poměr nových zaměstnanců vzrostl o 80% a čistý příjem vzrostl o 14%.

Méně zaujatý nábor

Prediktivní analýza snižuje množství předpojatosti, které se odehrává v rozhodování, které ovlivňuje výkon společnosti. Například mnoho manažerů najímání přináší na palubě kandidáty, kteří mají vlastnosti podobné svým nejlepším pracovníkům. Vzhledem k tomu, že stávající zaměstnanci byli najatí stejnými zkreslenými metodami, organizace obvykle skončí chybějící kulturní a intelektuální rozmanitost, což může snížit celkový úspěch společnosti. Vytvořením modelů a měřítek pro hodnocení pracovníků a obchodních oblastí mohou společnosti lépe určit, které zaměstnance a jaké příspěvky jsou pro organizaci nejdůležitější a využívat prediktivní analýzy, aby bylo možné jasněji určit, kteří pracovníci mohou vyniknout ve svých postojích.

Například obchod s profesionálními službami, který každoročně obdržel 250 000 žádostí o zaměstnání, chtěl snížit čas a peníze vynaložené na přezkoumání životopisů, zvýšit efektivitu prověřování a zaměstnat více žen pro svou pracovní sílu. Prostřednictvím využití prediktivní analýzy analyzoval algoritmus předchozí životopisy žadatelů, respondenty, kteří dostali pozici a ti, kteří přijali. Model propojil data s cíli najímání společnosti, zúžil seznam kandidátů, kteří s největší pravděpodobností vynikli na otevřených pozicích a přesunul tyto životopisy do dalšího kroku v procesu náboru. Přibližně 45% životopisů skončilo přezkoumáním, 15% více žen pokročilo v procesu screeningu ve srovnání s procházením ručního screeningu a podnik podnikl návratnost investic (ROI) ve výši 500%.

Velké retenční míry

Velké údaje pomáhají zlepšit míru zadržování tím, že ukazují, kteří pracovníci pravděpodobně opustí a které z nich mohou vyžadovat, aby byli přesunuty na jinou pozici v organizaci, byli podporováni nebo získali mentor jako povzbuzení k pobytu společnost. Takové změny často zvyšují zapojení do práce, spokojenost práce a produktivitu, aby zaměstnanci v organizaci zůstali.

Například společnost Bank of America Corp. (NYSE: BAC

BACBank of America Corp. 27. 67-0. 54% vytvořená společností Highstock 4. 2. 6 ) nosí identifikační karty s vloženými senzory pro sledování interpersonálních interakcí mezi pracovníky call centra. Wells Fargo & Co. (NYSE: WFC WFCWells Fargo & Co56, 14-0, 37% vytvořeno s Highstockem 4. 2. 6 ) používá předpovědní analýzu pro určení toho, jakožto osobních bankéřů a osobních bankéřů podle toho, zda mají kandidáti charakteristiku zaměstnaných a vysoce výkonných pracovníků. Po uplynutí jednoho roku realizace programu se zvýšila hodnota osobních bankéřů a osobních bankéřů o 15 a 12%. Bottom Line

Velké údaje v HR pomáhají podnikům šetřit čas a peníze při náboru, náboru a udržení svých nejlepších pracovníků. Více podnikatelů bude provádět předpovědní analýzy ve svých obchodních praktikách, neboť organizace stále častěji vidí hodnotu v procesu a chtějí zlepšit základní rysy.