Neizkoriščena zakladnica podatkov

Tamara Barič,
Telekom Austria Group HR


Branimir Hadzić,

IT Services v podjetju Levi9



Umetna inteligenca (AI) – ob misli nanjo verjetno vsi z malce strahospoštovanja pogledujemo naokoli, predvsem na IT-stroko, in upamo, da nam bo kdo s čarobno palčko pokazal pot, ki jo bo AI sooblikovala v prihodnjem desetletju. S tehnologijo povezane spremembe na tržišču so resnično velike, pa vendar bi le stežka rekli, da so se že dotaknile HR-ja do te mere, kot bi se lahko. V spodnjem primeru bova zato poskušala na poenostavljen način opisati pojem AI in kje bi se lahko srečal s HR-stroko že v bližnji prihodnosti.




Jeseni je odmeval primer Googla, ki je skupaj z Univerzo Oxford razvil AI do te mere, da so oblikovali software za branje z ustnic na televiziji, ki je že v začetni fazi bolj uspešen, kot smo pri tem lahko ljudje. Ta primer sicer ni oprijemljiv za HR-stroko, je pa lep prikaz tega, kaj vse omogoča tehnološki napredek. Pod vsakim tovrstnim prebojem je skrito neskončno podatkov, matematičnih algoritmov v kombinaciji z dejansko uporabo big date. Ne glede na to, ali govorimo o t. i. machine learningu ali o Business intelligence, data miningu, big dati, umetni inteligenci... Skupno vsem je, da tvorijo tako imenovani data science, ki na osnovi ogromnih koli in podatkov, ob uporabi matematičnih modelov in algoritmov predvidijo neki rezultat ali obnašanje v prihodnosti. Področji risk managementa in financ sta med prvimi opravili začetne korake na področju prediktivne analitike, potencial pa so kmalu prepoznali tudi v medicini, kjer lahko s podatki bolj natančno predvidijo možnost razvoja neke bolezni.
In naš, HR-jevski »piskrček«? Ozrimo se na en dokaj enostaven primer: razpolagamo s podatki o zaposlenih, o njihovih razvojnih pogovorih, ciljih, ambicijah, njihovih plačnih ne-napredovanjih v preteklosti, dinamiki hierarhičnih napredovanj, trajanju in oblikah zaposlitve ... Imamo tudi podatke, kdo je v preteklosti zapustil podjetje in kdo ne. S tem lahko predvidimo, katere so dominantne spremenljivke, torej najpomembnejši faktorji, ki vplivajo na odhod ljudi. Lahko tudi generiramo t. i. clustre zaposlenih, znotraj katerih so podeljeni v skupine na osnovi stopnje rizika, da se odločijo zapustiti podjetje. Specialisti za razvoj zaposlenih lahko na podlagi identificiranih veščin in kompetenc po skupinah razdelimo zaposlene s podobnim profilom, identificiramo, katere veščine jim manjkajo ter napravimo bolj učinkovit, za njih prilagojen in ciljno usmerjen trening.



Še neodkrit potencial HR-analitike

Iskanje HR Data Scientista, ki bi okrepil HR-ekipe, je v tujini že v polnem razmahu. Pogost izziv, s katerim pa se soočajo organizacije, je, da ali ne poznajo potenciala Data Scientistov ali pa ga ne izrabijo v dovolj veliki meri. Za HR je pomembno, da smo sposobni reči adijo starim pristopom opravljanja stvari zato, da sploh najdemo čas za odkrivanje novih stvari. V razmislek o tem izzivu priporočava branje bloga Stop hiring data scientists, if you are not ready for data science1 na portalu Talentanalytics.com. Na podlagi obravnave ne ravno dobrega primera rekrutinga HR Data Scientista avtor razpravlja o pomenu analitike in dejstvu, da »dashboard« enostavno ni enako kot analitika, pa čeprav se kaže v obliki lepših ali hitreje sproduciranih poročil. Študija MIT ter IBM-a (povzeta na portalu Data Science Central2) potrjuje, da je potencial razvoja HR-analitike, ponekod omenjene tudi kot talent analitike, ogromen – podjetja z visokim nivojem HR-analitike dosegajo tudi do 8 odstotkov večjo rast prodaje, 24 odstotkov večje čiste prihodke iz poslovanja in še bi lahko naštevali. Kakšen potencial ima torej šele inkorporiranje AI-ja v naš HR-svet?



Vpliv AI-ja na razumevanje človeškega kapitala

Že pred skoraj dvema letoma je Anthony Onesto3 prek LinkedIna napovedal, da bomo v prihodnosti lahko s širjenjem AI-ja najverjetneje opazovali (upava, da sicer tudi aktivno soustvarjali) naslednje organizacijske spremembe:

  1. Padec »mask in kozmetike«: Če predpostavimo, da bo AI na podlagi algoritmov lahko identificiral največje izzive organizacij, lahko upamo, da bo na podlagi delovanja zaposlenih (stopnje realizacije projektov, intenzivnost uporabe družbenih omrežij ali medoddelčne e-mail komunikacije, zasedenost koledarjev itd.) predvidel, kakšno je dejansko stanje zavzetosti zaposlenih. Ali drugače, kakšni so dejanski izzivi vodij v podjetju in potencialno tudi skriti problemi, o katerih si zaposleni pogosto ne upajo spregovoriti naglas.
  2. Ne nazaj, naprej: odlika HR-jevcev je, da ob koncu leta radi obračamo excelove tabele in gledamo številke za preteklo leto. Kar lahko AI dejansko spremeni, je, da nam bo pomagal na podlagi preteklih podatkov predvideti prihodnje obnašanje zaposlenih – in to brez kakršnih koli anket o zavzetosti.
  3. Transformacija vloge HR-ja: AI nam ponuja lepo priložnost, da se premaknemo v polje resničnih t. i. business partnerjev, ki pomagajo vodjem razvijati zaposlene z uporabo aktualnih podatkov. Več podatkov vodjem omogoča boljše odločanje, a nekdo mora biti na voljo vodjem kot avtentičen ter strokovno dovolj podkovan partner za diskusije o potencialnih izboljšavah ter identificiranje podatkov.



Po svetu prednjači poudarek na analitiki

Če svet morda res (še) ni pripravljen na to, da bi roboti vodili intervjuje za zaposlovanje, pa smo na marsikaj drugega že pripravljeni. Primer Foot Lockerja4 lepo kaže, kaj se okoli nas že dogaja. V Foot Lockerju so se osredotočili predvsem na izboljšanje rekrutinga in iskanja zaposlenih, ki ustrezajo kulturi podjetja. Za HR Grapevine so nedavno objasnili, da so s pomočjo tehnologije izboljšali predvsem proces zaposlovanja. Med drugim navajajo, da so poskrbeli za dobro podatkovno bazo top performerjev v podjetju in njihovega obnašanja ter vrednot - s tem lažje identificirajo, kakšne posameznike želijo privabiti v organizacijo in intervjuje prilagajajo tem predpostavkam. Obenem s tem tudi zmanjšujejo možnost zaposlovanja ljudi, ki ne bi ustrezali organizacijski kulturi podjetja in bi posledično hitro zapustili podjetje.
Na trgu lahko sicer trenutno spremljamo nekaj primerov dobro razvitih software rešitev za H- analitiko. IBM HR-Analytics organizacijam pomaga pri privabljanju talentov, načrtovanju prihodnjih potreb delovne sile in na področju zadovoljstva zaposlenih. Oracle je že pred nekaj leti začel graditi na Fusion Human Capital Management Applicationu, ki uporablja podatkovno skladišče za potrebe prediktivne analitike delovne sile, predvsem možnost odhoda zaposlenih in prihodnje delovne uspešnosti zaposlenih. Tudi SAP s svojim Human Capital Analytics pomaga organizacijam izboljšati rezultate z uporabo podatkov o zaposlenih. Pričakovati je, da se bodo v bližnji prihodnosti omenjene in nove rešitve vse bolj razvijale in izboljševale.



1 http://www.talentanalytics.com/blog/stop-hiring-data-scientists-if-youre-not-ready-for-data-science/

2 Vir: http://www.datasciencecentral.com/profiles/blogs/caring-about-analytics-for-hr

3 https://www.linkedin.com/pulse/artificial-intelligence-ai-change-face-human-resources-anthony-onesto

4 http://mag.hrgrapevine.com/HR-December-2016/?page=34&utm_source=Email+Campaign&utm_medium=email&utm_campaign=42463-186070-HRM+-+22%2F12%2F2016


REVIJA HR&M

JE NEPOGREŠLJIVA SOPOTNICA ...

... voditeljev, HRM managerjev in vseh strokovnjakov, ki se ukvarjajo s področjem vodenja, razvoja ljudi.
Priporočamo jo tudi managerjem, ki vršijo svoje kadrovsko poslanstvo in jim ni vseeno, kako voditi zaposlene.


K branju so vabljeni tudi vsi drugi, ki želijo z odličnim vodenjem in ravnanjem z ljudmi pri delu dosegati
nadpovprečne rezultate.