HR-ledelse: data og AI

Bare 21 % av HR-avdelingene mener at selskapet deres bruker HR-dataene sine effektivt, ifølge Gartner. Utnyttelse av data og informasjon fra dine interne verktøy, DSN, tilkoblede objekter og åpne data kan bidra til å informere strategisk beslutningstaking og etablere fremtidsrettede scenarier om et stort antall kritiske emner: omsetning, psykososiale risikoer eller hybrid arbeidsledelse. Forklaringer.

Innhold i denne artikkelen:

HR-analyseløsninger : demokratisering er i gang

HR har alltid prøvd å følge med nøkkelindikatorer slik som fravær eller ansattes ansiennitet, historisk med «in-house» tabeller. Selv i dag er disse dataene essensielle for å optimalisere styringen av tid og daglige aktiviteter – og prognosestyring av jobber og ferdigheter. Økningen i maskiners datakraft, digitalisering av prosesser ogautomatisering av datainnsamling og rapportering la imidlertid HR-avdelingene gå mye lenger i analysen og anbefalingen. I tillegg er bruken av DSN-filer (Nominal Social Declaration) en game-changer, med deres vell av tilbakevendende, dematerialiserte og sammenlignbare data fra ett selskap til et annet.

Hvis analytiske løsninger for kunstig intelligens (AI) og business intelligence (BI) forblir mindre utnyttet i HR-sfæren enn i andre forretningsfunksjoner (spesielt finans, markedsføring), begynner de å få tilhengere blant HRD-er. Forvaltning av menneskelig kapital er virkelig en viktig strategisk løftestang, både når det gjelder ytelse og risikostyring, spesielt i krisetider. Det er også et middel til å gjøre framsyn og derfor forutse fremtiden.

HR-ledelse: administrere og forutsi utviklingen av arbeidsstyrken og ferdighetene

Hvilken rekruttering bør planlegges gitt de planlagte avgangene og mobiliteten, strukturen i arbeidsstyrken, fornyelsestakten på korttidskontrakter, potensielle oppsigelser og kompetansen som selskapet vil trenge i morgen? Hvem er det mest sannsynlig at de ansatte forlater selskapet på kort og mellomlang sikt?

Det er til denne typen komplekse spørsmål HR-analyseløsninger kan gi svar. I tillegg til den statistiske analysen av administrative data knyttet til ansatte, er disse verktøyene noen ganger forbedret med maskinlæring. De er designet for å oppdage svake signaler gjennom semantisk analyse i massen av data og informasjon som sirkulerer i informasjon System av selskapet. Og dermed forutsi atferd og foreslå konkrete handlinger: personlig tilpassede karriereveier, mobilitets- eller opplæringsforslag, omorganisering av et team, etc.

Blant de potensielle fordelene : redusere omsetningen ved nøyaktig å identifisere årsakene; overvåke likestillingsindikatorer og iverksette tiltak for å fremme feminisering av selskapet. Men også, optimalisering av rekrutteringskostnader og avkastningen på investeringen treningsplaner, ved å tilpasse kompetansen til ansatte bedre med selskapets strategi. Sist, men ikke minst: denne tilnærmingen lar HR-fagfolk projisere utviklingen av arbeidsstyrken på lønnslisten. Det er derfor HR-prestasjon det er snakk om.

HR-data og AI: lovende utsikter etter Covid

Basert på data fra DSN og HRIS (Human Resources Information System), kan HR identifisere medarbeiderprofilene som mikrofravær hvor i sykefravær er de vanligste, avhengig av deres posisjon. De kan også måle variasjonene – eller til og med anomaliene – etter periode, ved for eksempel å merke seg indikatorene som ville ha endret seg under helsekrisen. Også her kan AI være en alliert for å ta pulsen på det interne sosiale klimaet. Verktøy gjør det dermed mulig å oppdage potensielle psykososiale risikoer og derfor ha alle nøklene i hånden for å gjennomføre målrettede forebyggende tiltak.

For øvrig kan (gjennomsiktig og ansvarlig) bruk av ansatterelaterte data hjelpe HR med å møte en utfordring som er felles for mange bedrifter for tiden: hybrid arbeidsledelse. På den ene siden kan verktøy lette den daglige implementeringen av fjernarbeid på regulatorisk, administrativt, logistisk nivå … og dets implikasjoner på lønn og organisering av selskapet. (Tidsplaner, restaurantbilletter, transportgodtgjørelse osv.). På den andre siden kan tilkoblede objekter på arbeidsplassen, kombinert med AI, i sanntid rapportere spenningsområdene i lokalene i henhold til gjeldende regler for sosial distansering og anbefale ‘Covid-sikre’ konfigurasjoner. ‘.

HR-ledelse: hvordan håndtere en enorm mengde heterogene data?

Hvis BI-verktøy er i full utvikling i HR-verdenen, er merverdien av anbefalinger i stor grad basert på kvaliteten og påliteligheten til grunndataene. Det er derfor et spørsmål om først å rense dataene og standardisere dem for å gjøre dem brukbare. For det andre kan det være interessant å aggregere eksterne data, for eksempel kortsiktig, for å berike analysespekteret.
Vær imidlertid forsiktig, det er hundrevis avsosiale og HR-indikatorer ulike, og like mange potensielle brukssaker for personalavdelinger. Feilen ville være å ville analysere for mange data og kriterier, uten overskrift eller kompass. HR-ledelsestilnærmingen må være strengt tilpasset selskapets strategi, og ta hensyn til ansattes behov, forretningsmål og forretningsprosesser. Intervensjonen fra en HR-leder og lønnsspesialist er ofte nødvendig for å velge de beste indikatorene og dataene.