¿Cuáles son los usos de big data en el software de recursos humanos?

Hay una increíble variedad de opciones aquí, de hecho, hay un trabajo muy relacionado con este concepto, comúnmente conocido como “Análisis de Recursos Humanos”.

HR es un campo históricamente blando / no cuantitativo y, por lo general, no hace un muy buen trabajo al aprovechar los enormes datos a su alcance. La última función de trabajo que vivió en un espacio similar (aunque un poco más avanzado) fue Marketing, que ha sido completamente revolucionado en los últimos 10-15 años por big data y otros métodos cuantitativos: las personas que ingresaron esperando un trabajo de habilidades blandas han todos tenían que aprender a lidiar con levantar objetos pesados ​​en matemáticas para descubrir qué funciona, para quién. En marketing, se ha completado el 20% del esfuerzo que logrará el 80% de impacto y ahora estamos haciendo el esfuerzo del 80% para obtener ese 20% final. Mientras tanto, en Recursos Humanos, hay mucho por hacer que tendrá un gran impacto, en lugar de solo el impacto incremental ganado con esfuerzo.

Por ejemplo, aquí hay algunos proyectos que las empresas están buscando para mejorar su eficiencia y resultados utilizando big data:

  • ¿Podemos hacer un mejor trabajo al predecir qué candidatos recibirán una entrevista? ¿Cuál pasará la entrevista? ¿Cuál tomará el trabajo? ¿Cuáles serán los de alto rendimiento después de unirse a la empresa?
  • ¿Podemos predecir qué empleados abandonarán antes que ellos?
  • ¿Podemos evaluar cómo funcionan ciertas políticas (trabajo desde casa, horario flexible, políticas de viaje, etc.)?
  • ¿Podemos idear mejores medidas para rastrear la satisfacción de los empleados que nos ayuden a predecir más sobre el rendimiento y la retención de los empleados?
  • etc …

Cuando estudiaba para mi maestría en Business Analytics en NYU Stern Master of Science en Business Analytics (complemento descarado para un programa increíble) otro grupo estaba trabajando en un proyecto de este tipo utilizando un conjunto de datos con información de empleados de ingeniería de una empresa pública. Su proyecto consistía en determinar si podían predecir los “candidatos con mejor desempeño” durante el proceso de la entrevista. Su trabajo fue increíble y pudieron descubrir un montón de cosas sobre lo que tenía sentido y lo que no; por ejemplo, el rango de su alma mater de ingeniería no importaba a menos que fuera uno de los 5 principales, esencialmente todos otros eran igualmente propensos a producir grandes candidatos. Además, si un candidato vivía> 1 hora fuera de la oficina, había una caída significativa en su probabilidad de aceptar una oferta. La diferencia entre 55 minutos y 1 hora y 5 minutos produjo algo así como una caída del 20% (presumiblemente porque el aspecto mental de viajar más de una hora, aunque los 10 minutos realmente no es tanto). De todos modos, hay muchos más ejemplos, pero tendrás que esperar hasta que se publique su trabajo para leer el resto 🙂

Hay grandes avances por hacer en este campo, y las compañías Fortune 500 se están dando cuenta de lo importante que esto podría ser para ellos y están reclutando agresivamente para ocupar estos puestos. Se está contratando a personas sin experiencia en recursos humanos para manejar el lado cuantitativo de esto y debido a la naturaleza emocionante de los proyectos, está atrayendo a los mejores talentos.

“Big data” es útil en recursos humanos (RR. HH.) Por varias razones, pero no viene sin sus desafíos.

Los datos sobre las condiciones macroeconómicas, las interacciones en las redes sociales, las comunicaciones internas, el texto de revisión del desempeño y la presencia general en la web pueden ser valiosos para predecir qué personas contratar, quién está a punto de irse y qué organizaciones están en riesgo debido a problemas relacionados con el talento.

Sin embargo, usar estos datos puede ser arriesgado. No es inusual que las empresas sean muy cautelosas con respecto a sus datos de recursos humanos, y eso puede hacer que los empleados sean cautelosos. La clave para usar “big data” en recursos humanos es no convertirse en “Big Brother”. Es importante comunicarse abierta y claramente sobre qué datos está recopilando, cómo los está utilizando y qué valor obtienen los empleados de estos esfuerzos.

Jack Hanlon dio un gran ejemplo de selección de los mejores candidatos para un trabajo. Una vez que una organización contrata a ese candidato principal, es importante proteger esa inversión y evitar que la persona se vaya.

En los mejores casos, RR.HH. tradicional analiza algunos datos internos básicos (por ejemplo, tenencia, función laboral, encuestas de participación, etc.) e intenta identificar a las personas que podrían estar en riesgo de irse. Esto solo captura la mitad de la imagen.

La otra mitad es la pieza de “big data” sobre la que preguntaste. Los mejores modelos para la deserción incluirán datos grandes y pequeños: la fuerza de los lazos de un empleado con otros en la empresa, datos macroeconómicos que evalúan la demanda general de las habilidades de un empleado, qué tan visible es un empleado para otras empresas (por ejemplo, aquellos que hablan en conferencias, publican, contribuyen a proyectos de código abierto, etc. tienen más probabilidades de ser atacados agresivamente por reclutadores que alguien sin presencia en línea), y muchos más. Esta es una nueva área de recursos humanos, y una que algunas nuevas empresas están comenzando a explorar (por ejemplo, hiQ Labs). El objetivo es identificar qué empleados se irán, qué se necesitará para mantenerlos y hacer esto meses antes de que un empleado esté listo para irse para que la gerencia pueda intervenir.

Al final, RRHH se trata de encontrar, desarrollar y retener a los empleados talentosos necesarios para que un negocio sea exitoso. En el pasado, esto ha implicado una mezcla mucho más pesada en el arte (p. Ej., Instinto) que en la ciencia (p. Ej., Análisis de datos o psicología industrial / organizacional). El futuro de un equipo de recursos humanos estratégicamente valioso es uno que adopta un enfoque científico y basado en datos para todas las decisiones relacionadas con las personas, pero también es uno que se comunica claramente con los empleados y líderes sobre qué datos está utilizando y cómo lo está utilizando. .

Big data es una cantidad gigantesca de datos estructurados, semiestructurados y no estructurados disponibles de varias fuentes en Internet e incluso en sistemas internos. Sin embargo, el problema es cómo utilizar este vasto recurso de información vital. La respuesta es el análisis de Big Data. El análisis de big data ahora se ve como el futuro de los recursos humanos y el reclutamiento, como cualquier otra función organizacional.

En el escenario actual, casi todos los solicitantes de empleo existen en las redes sociales, los portales de empleo en línea, etc. Esto brinda a los profesionales de Recursos Humanos una gran oportunidad para identificar a los mejores talentos con la ayuda de las herramientas analíticas adecuadas para profundizar en estos datos.

Los medios anteriores para reclutar fueron experiencias pasadas, opiniones y agallas. Pero tomar decisiones no informadas durante la contratación a menudo resultó en la selección de candidatos pobres y, posteriormente, en considerables pérdidas de ingresos para las empresas.

Sin embargo, con el advenimiento de los grandes datos, ahora es posible evaluar el rendimiento potencial, las habilidades, la productividad, etc. de un candidato para garantizar el logro de los objetivos deseados. Todo lo que necesita son las herramientas adecuadas para acumular, extraer y analizar los datos para administrar tareas relacionadas con los recursos humanos.

LinkedIn, una red social de millones de profesionales, adquirió Bright en 2014 para usar su algoritmo con el fin de extraer información útil de datos masivos que existen en su base de datos. Todos ahora sabemos que LinkedIn proporciona los resultados de búsqueda de empleo más relevantes tanto para empleadores como para quienes buscan trabajo. Este es el poder y el potencial de los grandes datos. Muchos CEO ahora esperan invertir en el desarrollo de software que pueda proporcionarles datos significativos relacionados con la adquisición de talento, el desempeño de los empleados y la gestión del capital humano.

Los beneficios de Big Data para profesionales de recursos humanos son los siguientes:

  • Mejor conocimiento de los solicitantes de empleo.
  • Ayuda a detectar nuevos empleados
  • Le permite medir el rendimiento de los empleados.
  • Allana el camino para descubrir empleados de alto rendimiento
  • Permite predecir la rotación de empleados
  • Proporciona comprensión de las tendencias de contratación

Ser capaz de extraer información cincelada de big data ayuda no solo a empoderar a una empresa con los mejores talentos, sino también a reducir las tasas de deserción. Por ejemplo, Xerox registró una disminución del 20% en la deserción después de usar análisis de big data. El análisis de big data ayuda a los profesionales de recursos humanos a saber por qué los empleados se van, qué factores contribuyen más en la satisfacción de los empleados y qué los hace permanecer en la empresa.

Evon Technologies desarrolla herramientas analíticas para que las empresas les ayuden a usar big data para tomar decisiones correctas de capital humano. Dichas herramientas abren nuevas vías para que los profesionales de recursos humanos comprendan las necesidades y tendencias de contratación. Además, el uso de big data ayuda a probar teorías, encontrar soluciones a problemas antes de que comiencen a doler y diseñar estrategias efectivas de contratación y contratación.

Fuente: http://goo.gl/cEpXBT

More Interesting

Cómo mostrar que dos conjuntos de datos tienen distribuciones diferentes

¿Cuál es el mejor instituto de capacitación en Pune para ciencia de datos y cursos de big data?

¿Cuáles son los marcos de Big Data?

¿Cómo podemos usar el aprendizaje automático y la ciencia de datos para tener un impacto significativo en el campo agrícola en la India?

¿Cómo se puede aplicar la ciencia de datos a los anuncios de Facebook?

¿Cómo ha creado Big Data una mayor demanda de personas con habilidades de investigación?

¿Cuáles son los diferentes caminos para convertirse en un científico de datos en grandes empresas como Google o Facebook, si acabo de comenzar a trabajar como científico de datos en una startup de análisis de datos en India después de mi graduación en el campo de la electrónica?

¿Se automatizará el análisis de datos y el análisis empresarial teniendo en cuenta el aumento de la inteligencia artificial?

¿Cuál es la diferencia entre datos e información en términos informáticos?

Para alguien sin experiencia en ciencia de datos, ¿cómo me convenzo de que los modelos predictivos son importantes, ya que no garantizan eventos futuros?

¿Cómo puede afectar el uso de videos a la industria de big data?

¿Cuál es la plataforma gratuita de big data que puede admitir la transmisión de datos en tiempo real?

¿Cuánto tiempo te llevó convertirte en analista / desarrollador junior de BI productivo?

¿Es aconsejable doble especialización en matemáticas y ciencia de datos si quiero investigar en inteligencia artificial y neurociencia?

¿Cuáles son las opciones de salida de Mu Sigma?