Dữ liệu nhân sự lớn (HR) ngày càng được sử dụng rộng rãi để tuyển dụng, tuyển dụng và giữ lại những nhân viên giỏi nhất. Dưới đây là ba lý do tại sao nhiều công ty đang sử dụng phân tích tiên đoán để cải thiện điểm mấu chốt.

tuyển dụng hiệu quả hơn

Dữ liệu lớn giúp phát hiện ra ứng viên phù hợp nhất cho vị trí mở. Một phần của quá trình khai thác dữ liệu có thể bao gồm thu thập thông tin từ sơ yếu lý lịch và các hồ sơ truyền thông xã hội để xác định rõ hơn những người có tiềm năng nào có thể làm việc hiệu quả hơn và thêm tính đa dạng vào nơi làm việc. Thuê nhà quản lý sau đó có thể thu hẹp hồ sơ ứng viên của họ và quyết định các lĩnh vực đánh giá họ nên tập trung vào trong các cuộc phỏng vấn. Bằng cách thực hiện chiến lược này, quá trình tuyển dụng di chuyển nhanh hơn và đúng người được thuê thường xuyên hơn.

Ví dụ, một ngân hàng ở Châu Á trước đây đã tuyển dụng những sinh viên tốt nghiệp hàng đầu từ các trường đại học được đánh giá cao để thực hiện 8.000 vai trò của mình trên 30 chi nhánh. Sau khi ngân hàng chuyển sang cơ cấu lại, tổ chức đã bắt đầu khai thác dữ liệu thông tin bao gồm 30 điểm trong các loại hoạt động của nhân viên, lịch sử chuyên nghiệp, nhân khẩu học, nhiệm kỳ và thông tin chi nhánh từ các nguồn lực hiện tại. Ngân hàng bắt đầu sử dụng phân tích dữ liệu để xác định nhân viên hiện tại có khả năng vượt trội hơn các vị trí của họ, tạo ra các vai trò mới trong tổ chức và thu thập thêm thông tin chi tiết về động cơ thúc đẩy hoạt động của nhân viên.

Bằng cách sử dụng các công cụ phân tích tiên đoán, ngân hàng đã khám phá những đặc điểm phổ biến giữa những người có trình độ cao và thấp và tạo ra hồ sơ cho người lao động có khả năng vượt trội hơn trong một vai trò cụ thể. Thông tin cũng cho thấy rằng làm thế nào các chi nhánh và đội được cấu trúc ảnh hưởng đến tăng trưởng tài chính của tổ chức. Ngoài ra, dữ liệu lớn cho thấy vai trò cụ thể có ảnh hưởng lớn nhất đến sự thành công của ngân hàng.

Kết quả là các cấu trúc tổ chức mới đã được tạo ra xung quanh các nhóm và nhóm người lao động cụ thể. Bởi vì ngân hàng bắt đầu sử dụng phân tích dữ liệu để tuyển dụng và đo lường hiệu suất, năng suất nhánh tăng 26%, tỷ lệ chuyển đổi của tuyển dụng mới tăng 80% và thu nhập ròng tăng 14%.

Thử nghiệm ít hơn

Phân tích tiên đoán làm giảm số tiền thiên vị đi vào việc đưa ra các quyết định ảnh hưởng đến hiệu suất của công ty. Ví dụ, nhiều nhà quản lý tuyển dụng đưa những ứng cử viên nước ngoài sở hữu những đặc điểm tương tự như những nhân viên hàng đầu của họ. Tuy nhiên, vì các nhân viên hiện tại được tuyển dụng theo cùng một phương pháp thiên vị, các tổ chức thường kết thúc sự thiếu đa dạng về văn hoá và trí tuệ, điều này có thể làm giảm thành công của một công ty. Các công ty có thể xác định được nhân viên tốt nhất và những đóng góp nào có giá trị nhất cho tổ chức và sử dụng các phân tích tiên đoán để xác định rõ hơn công nhân nào có thể nổi trội hơn trong các vị trí của họ bằng cách tạo ra các mô hình và điểm chuẩn cho người lao động và khu vực kinh doanh.

Ví dụ, một doanh nghiệp dịch vụ chuyên nghiệp đã nhận được 250.000 đơn xin việc hàng năm muốn giảm thời gian và tiền bỏ ra để xem hồ sơ, nâng cao hiệu quả của quá trình sàng lọc và thuê nhiều phụ nữ hơn cho lực lượng lao động. Thông qua việc sử dụng các công cụ phân tích tiên đoán, thuật toán cho thấy quá khứ của ứng viên, người được phỏng vấn đã được đề nghị vị trí và những người được chấp nhận. Mô hình liên kết dữ liệu với mục tiêu tuyển dụng của công ty, thu hẹp danh sách ứng viên có khả năng xuất sắc nhất trong các vị trí mở và chuyển các hồ sơ đó sang bước tiếp theo trong quá trình tuyển dụng. Khoảng 45% hồ sơ kết thúc được xem xét, 15% phụ nữ tiến bộ trong quá trình sàng lọc so với trải qua quá trình kiểm tra bằng tay và doanh nghiệp nhận ra lợi tức đầu tư (ROI) là 500%.

Tỷ lệ lưu giữ lớn hơn

Dữ liệu lớn giúp cải thiện tỷ lệ duy trì bằng cách cho biết công nhân nào có nhiều khả năng để lại và những người nào có thể cần phải chuyển sang một vị trí khác trong tổ chức, được quảng bá hoặc có được một người cố vấn để khuyến khích ở lại với công ty. Những thay đổi như vậy thường làm tăng sự tham gia của công việc, sự hài lòng công việc và năng suất để nhân viên vẫn còn với tổ chức.

Ví dụ: Ngân hàng Mỹ Corp (NYSE: BAC

BACBank of America Corp27 67-0 54% Tạo với Highstock 4. 2. 6 ) nhân viên mang thẻ căn cước có nhúng các cảm biến để theo dõi các tương tác giữa các nhân viên trong trung tâm gọi. Wells Fargo & Co (NYSE: WFC WFCWells Fargo & Co56 14-0 37% Được tạo bằng Highstock 4. 2. 6 ) sử dụng các phân tích dự đoán để xác định ứng viên có đủ tiêu chuẩn cho vị trí với tư cách là người cho thuê và nhân viên ngân hàng cá nhân, tùy theo những ứng viên có đặc điểm của những người lao động tham gia và có thành tích cao. Sau một năm thực hiện chương trình, việc duy trì nhân viên bán hàng và nhân viên ngân hàng cá nhân đã tăng lần lượt là 15 và 12%. Dòng dưới cùng

Dữ liệu lớn về HR giúp các công ty tiết kiệm thời gian và tiền bạc khi tuyển dụng, tuyển dụng và giữ nhân công tốt nhất của họ. Nhiều doanh nghiệp sẽ được triển khai các phân tích tiên đoán trong thực tiễn kinh doanh của họ vì các tổ chức ngày càng thấy được giá trị trong tiến trình và muốn cải thiện điểm mấu chốt.