المحتوى
- دور الموارد البشرية
- حالة لتعلم الآلة في الموارد البشرية
- No Bugs، No Stress - دليلك خطوة بخطوة لإنشاء برامج لتغيير الحياة دون تدمير حياتك
- التطورات
- خاتمة
المصدر: Kentoh / Dreamstime.com
يبعد:
تحليلات الموارد البشرية تحدث ثورة في طريقة عمل إدارات الموارد البشرية ، مما يؤدي إلى كفاءة أعلى وتحقيق نتائج أفضل بشكل عام.
الموارد البشرية تستخدم التحليلات لسنوات. ومع ذلك ، فقد كان جمع البيانات ومعالجتها وتحليلها يدويًا إلى حد كبير ، ونظرا لطبيعة ديناميات الموارد البشرية ومؤشرات الأداء الرئيسية للموارد البشرية ، فقد كان النهج يقيد الموارد البشرية. لذلك ، من المستغرب أن تستيقظ أقسام الموارد البشرية لفائدة التعلم الآلي في وقت متأخر من اللعبة.
ومع ذلك ، فقد دخل التعليم الآلي ببطء ولكن بثبات في مجال الموارد البشرية ، وتم إنشاء حالات استخدام متعددة مثل التنبؤ بالاستنزاف والتوظيف الصحيح وتدريب الموارد البشرية. ويعتقد أيضًا أن التعلم الآلي يمكن أن يتنبأ بنجاح المرشح المحتمل. من المرجح أن يتم اكتشاف المزيد من حالات الاستخدام قريبًا. على عكس النهج اليدوي ، فإن أسلوب التعلم الآلي أسرع بكثير وأكثر استجابة للحالات الديناميكية ويوفر بيانات دقيقة وقابلة للتنفيذ وقيمة. (على الرغم من أن مجال تحليلات البيانات أصبح آليًا بشكل متزايد ، فلا داعي للقلق بشأن البطالة حتى الآن. تعرف على المزيد في "لا" ، لا تذهب برامج تحليلات البيانات إلى سرقة وظيفتك في أي وقت قريب.)
دور الموارد البشرية
الموارد البشرية هي بلا شك أغلى ما تملكه المنظمة. الموارد البشرية مسؤولة عن إدارة الموارد البشرية للمؤسسة بحيث تحصل على أكبر قيمة ممكنة من موظفيها. يشمل دور الموارد البشرية ما يلي:
- تحديد الموهبة المناسبة للدور الصحيح
- التعويض المناسب والفوائد
- إدارة تنمية الموظفين بالتدريب والفرص
- تتبع وإدارة نمو الموارد البشرية بالزيادات ، والترقيات ، والفرص والمزايا
- إدارة دوافع الموظف والتظلمات والمشاعر
- إدارة المخارج
حالة لتعلم الآلة في الموارد البشرية
بمرور الوقت ، تغيرت توقعات قسم الموارد البشرية. في السابق ، ستجد الموارد البشرية مرشحين مناسبين ؛ إجراء أو تسهيل التقييمات ؛ توزيع العروض والتعويضات والمزايا بناءً على سياسات الموارد البشرية ؛ وإدارة وظائف الموظف والمخارج. الآن ، من المتوقع أن تضيف الموارد البشرية المزيد من القيمة إلى ما تقوم به بالفعل وأن تفعل أكثر من ذلك ، مثل توقع الاستنزاف ونجاح المرشح في الدور. هل النهج الحالي لتحقيق هذه التوقعات هو تمكين أو تقييد الموارد البشرية؟
قبل اعتماد التعلم الآلي ، ستقوم إدارة الموارد البشرية بإدارة البيانات بطرق يدوية وشبه آلية. وستجمع البيانات وتخزينها ومعالجتها لإنتاج تحليلات قبل أن تصبح البيانات غير مهمة بسرعة لأن الوضع قد تغير والبيانات بحاجة إلى تحديث. على سبيل المثال ، أظهرت البيانات التي تم جمعها قبل دورة التقييم السنوية مخاطر انخفاض الاستنزاف. ومع ذلك ، في مرحلة ما بعد التقييم ، هناك طفرة في الاستنزاف واستياء الموظفين ، وذلك أساسا بسبب عدم تطابق التوقعات والمكافآت الفعلية وارتفاع الفرص في سوق العمل. في الأساس ، ضلل تحليلات ما قبل التقييم المنظمة ، ويمكن اعتبار هذا الجهد مضيعة.
الأساليب اليدوية وشبه اليدوية غير مجهزة لتمكين الموارد البشرية من إدارة البيانات حول المتغيرات السريعة التغير المتعلقة بالموارد البشرية. تحتاج الموارد البشرية إلى تحليلات منتظمة ومحدثة حول العوامل ذات الصلة مثل مشاعر الموظفين داخل المنظمة ، ومواقف الموظفين تجاه السياسات ، وجاذبية فرص السوق مقابل تلك التي تقدمها المنظمة. هذا عمل جاد. ما لم تتم إدارة رأس المال البشري بشكل جيد ، يمكن للمؤسسة أن تفقد الموظفين القيمة. علق بيل غيتس ذات مرة قائلاً: "أنت تسلب أفضل 20 موظفًا من شركتنا ونصبح شركة متواضعة". أدخل التعلم الآلي. ما الذي يمكن أن يقدمه تعلم الآلة على الطرق القديمة؟ النظر في ما يلي:
استجابة أسرع لتغيير الديناميات
هذا هو عصر البيانات الكبيرة. لإدارة الموظفين ، تحتاج إلى بيانات حول:
No Bugs، No Stress - دليلك خطوة بخطوة لإنشاء برامج لتغيير الحياة دون تدمير حياتك
لا يمكنك تحسين مهارات البرمجة لديك عندما لا يهتم أحد بجودة البرنامج.
- مواقف الموظف والمشاعر
- أوراق الاعتماد أو المؤهلات
- وجهات نظر الموظف تجاه السياسات
- اتجاهات التعويضات والفوائد
- التطورات الخارجية ذات الصلة مثل سوق العمل والمنظمات المنافسة وتأثيرها على موظفيك
هذا يضيف ما يصل إلى حجم البيانات humongous تصل كل لحظة. الإدارة اليدوية هي ببساطة غير مجهزة للتعامل معها. ومع ذلك ، فإن التعلم الآلي مناسب لقبول وتخزين ومعالجة وحدات تخزين البيانات هذه باستمرار وتقديم رؤى ذات صلة وقابلة للتنفيذ في شكل تحليلات بسيطة. (تعرف على المزيد حول دور البيانات الضخمة في الأعمال التجارية من خلال Tackling Big Data Analytics Pain Points.)
توقعات دقيقة
يمكن أن يتنبأ التعلم الآلي بالتطورات الرئيسية مثل الاستنزاف والنجاح في أدوار الوظيفة والأحداث السلبية مثل السلوك غير الأخلاقي. على سبيل المثال ، يمكن التنبؤ باحتمالية نجاح الموظف في دور جديد بناءً على تحليل للبيانات السابقة مثل أداء المشروع السابق ، وقاعدة المعرفة والمبادرات الرئيسية المتخذة لتحسين قاعدة المعرفة ، والتي تعكس المواقف. يمكن تحويل النتائج التي تستند إلى هذه المعلمات إلى تحليلات ومن ثم يمكن اتخاذ القرارات.
تحديد المرشحين وتتبع مقدم الطلب
يمكن للتعلم الآلي ربط الوظيفة المناسبة بالمرشح المناسب بناءً على دور الوظيفة وبيانات اعتماد المرشح وخبراته واهتماماته. يمكن للتعلم الآلي الاستفادة من الشبكات الاجتماعية لتحقيق ذلك. أنه يقلل بشكل كبير من الجهد اليدوي في تقييم المرشحين وتتبع.
التطورات
مجال الموارد البشرية ، بعد استجابة فاترة للتعلم الآلي ، يستيقظ على فائدته. يتم تنفيذ العديد من حالات الاستخدام وهناك المزيد منها في الطريق. ويرد أدناه ملخص للتطورات الرئيسية.
تحديد المرشحين وتتبع التطبيق
مع البيانات الكبيرة من مصادر الويب مثل المنتديات ووسائل التواصل الاجتماعي ، تجد المنظمات المرشحين المناسبين للأدوار الصحيحة. أثناء تقييم الترشيح ، يأخذ التعلم الآلي في الاعتبار المؤهلات والخبرات والاهتمامات والاهتمامات المهنية والعضوية والإنجازات ومناقشات المنتدى وأكثر من ذلك. هذا يحسن بشكل كبير من فرص الإعداد الدور ، إن لم يكن ضمان ذلك. مثال جيد يمكن أن يكون موقع الشبكات المهنية ، ينكدين.
التعلم الآلي يقلل بشكل كبير من الجهد اليدوي في إدارة التطبيقات ويحرر الموارد البشرية للتركيز على بذل المزيد من الجهود الإنتاجية. وفقًا لكريستيان رينيلا ، الرئيس التنفيذي ومؤسس موقع MejorTrato.com.mx ، وهي شركة تقارن المنتجات المالية ، "في الماضي ، أمضينا 67.2 بالمائة من وقت كل شخص في الموارد البشرية لقراءة السير الذاتية لكل مرشح جاء إلينا من خلال موقعنا الموقع الإلكتروني الخاص والأطراف الثالثة. بفضل AI ، يتم هذا العمل اليوم تلقائيًا بواسطة نظامنا الداخلي ، والذي من خلال التعلم العميق باستخدام TensorFlow ، يمكننا أتمتة هذه المهمة. "
توقعات دقيقة
غالبًا ما يمكن لتحليلات الموارد البشرية أن تتنبأ بدقة بالعوامل الرئيسية مثل الاستنزاف وأداء الموظف وحتى الأحداث السلبية مثل السلوك غير الأخلاقي. على سبيل المثال ، يمكن أن تشير البيانات المستمدة من محادثات المنتديات المختلفة ، ووسائط التواصل الاجتماعي ، ومقاطع الفيديو ، والمنظمات المنافسة وفرص السوق إلى حدوث تغييرات في مستويات التناقص. مستويات الاستنزاف معرضة بشكل خاص للتغيير بعد دورات التقييم.
تنبؤات النجاح الوظيفي
يمكن أن تشير البيانات الخاصة بأوراق اعتماد المرشح والعضوية والمواقف والأداء إلى احتمال النجاح في أدوار الوظيفة. النقطة المهمة هي أن محاولة حساب التنبؤات استنادًا إلى العديد من المتغيرات هي ببساطة غير كافية. يمكن أن توفر تحليلات الموارد البشرية رؤى دقيقة بناءً على المنظمات التي يمكنها العثور على المرشحين المناسبين لأدوار الوظيفة المناسبة.
خاتمة
تجني المنظمات بالفعل فوائد تبني التعلم الآلي.في حين أن التعلم الآلي قد قلل بالفعل من الجهد اليدوي ، فمن المتوقع أن تصبح ML أكثر دقة وضوحًا في مجالات مثل التنبؤ بالتناقص والإدارة وإدارة الموظفين والنجاح.