Datele mari privind resursele umane devin din ce în ce mai utilizate pentru recrutarea, angajarea și reținerea celor mai buni angajați. Iată trei motive pentru care mai multe companii adoptă analize predictive pentru îmbunătățirea liniei de bază.

Recrutarea mai eficientă

Datele mari vă ajută să descoperiți care dintre candidații sunt cei mai potriviți pentru pozițiile deschise. O parte a procesului de extragere a datelor poate include colectarea de informații din CV-uri și profile de social media pentru a identifica mai clar ce potențiale angajări pot fi mai productive și pot adăuga diversitate la locul de muncă. Angajatorii de conducere pot apoi să-și restrângă piscina pentru candidați și să decidă în care domenii de evaluare să se concentreze în timpul interviurilor. Prin implementarea acestei strategii, procesul de angajare se mută mai repede, iar persoanele potrivite sunt angajate mai des.

De exemplu, o bancă din Asia a recrutat anterior absolvenți de top din universități foarte apreciate pentru ocuparea celor 8 000 de roluri distribuite în peste 30 de filiale. După ce banca a suferit o restructurare organizațională, instituția a început să furnizeze informații despre miniere care acoperă 30 de puncte din categoria performanțelor angajaților, istoria profesională, demografia, mandatul și informațiile despre sucursale din resursele curente. Banca a început să utilizeze analize de date pentru a identifica angajații actuali care au cea mai mare șansă de a excela în pozițiile lor, a crea noi roluri în cadrul organizației și a obține o imagine suplimentară asupra a ceea ce motivează performanța lucrătorilor.

Prin utilizarea analizei predictive, banca a descoperit trăsături comune între artiștii cu performanțe ridicate și joase și a creat profiluri pentru lucrătorii cu o posibilitate mai mare de a excela într-un anumit rol. Informațiile au arătat, de asemenea, că structura ramurilor și a echipelor afectează creșterea financiară a instituției. În plus, date importante au arătat că rolurile specifice au avut cea mai mare influență asupra succesului băncii.

Ca rezultat, au fost create noi structuri organizaționale în jurul unor echipe și grupuri specifice de muncitori. Deoarece banca a început să utilizeze analize de date pentru recrutarea și măsurarea performanței, productivitatea ramurii a crescut cu 26%, rata de conversie a noilor recruți a crescut cu 80%, iar venitul net a crescut cu 14%.

Angajare mai puțin prelungită

Analiza predictivă reduce cantitatea de prejudecăți care intră în luarea deciziilor care afectează performanța unei companii. De exemplu, mulți manageri de angajare aduc la bord candidați care posedă caracteristici similare cu lucrătorii lor de vârf. Cu toate acestea, deoarece angajații existenți au fost angajați prin aceleași metode părtinitoare, organizațiile se confruntă de obicei cu lipsa diversității culturale și intelectuale, ceea ce poate diminua succesul general al unei companii. Prin crearea de modele și repere pentru evaluarea muncitorilor și a domeniilor de activitate, companiile pot identifica mai bine care angajați și ce contribuții sunt cele mai valoroase pentru organizație și folosesc analiza predictivă pentru a determina mai clar ce lucrători pot excela în pozițiile lor.

De exemplu, o afacere cu servicii profesionale care a primit 250.000 de cereri de locuri de muncă anual a vrut să reducă timpul și banii cheltuiți pentru revizuirea CV-urilor, pentru a îmbunătăți eficacitatea procesului de screening și a angaja mai multe femei pentru forța de muncă. Prin utilizarea analizei predictive, algoritmul a reprezentat CV-urile recente ale candidaților, intervievaților cărora li s-au oferit funcții și cei care au acceptat. Modelul a legat datele de obiectivele de angajare ale companiei, a restrâns lista candidaților cel mai probabil să exceleze în pozițiile deschise și a mutat acele CV-uri la următorul pas în procesul de angajare. Aproximativ 45% din CV-uri au fost revizuite, cu 15% mai multe femei avansate în procesul de screening comparativ cu trecerea prin screening-ul manual, iar compania a realizat o rentabilitate a investiției (ROI) de 500%.

Rata de retenție mai mare

Datele mari ajută la îmbunătățirea ratelor de reținere prin faptul că arată care dintre aceștia sunt mai predispuși să plece și care dintre aceștia pot necesita transferarea într-o altă poziție în cadrul organizației, promovarea sau obținerea unui mentor ca încurajare compania. Astfel de schimbări sporesc adesea angajarea în muncă, satisfacția profesională și productivitatea, astfel încât angajații să rămână la organizație.

De exemplu, Bank of America Corp. (NYSE: BAC BACBank of America Corp 27, 67-0 54% creat cu Highstock 4. 2. 6 senzori pentru monitorizarea interacțiunilor interpersonale în rândul angajaților săi din centrele de call-center. Wells Fargo & Co. (NYSE: WFC WFCWells Fargo & Co56, 14-0, 37% creat cu Highstock 4. 2. 6 ) utilizează analize predictive pentru a determina candidații cei mai calificați pentru poziții precum și bancherii personali, în funcție de faptul că candidații posedă caracteristicile lucrătorilor angajați și cu performanțe ridicate. După un an de implementare a programului, reținerea agenților de consiliere și a bancherilor personali a crescut cu 15%, respectiv cu 12%.

Linia de fund

Datele mari din HR ajută companiile să economisească timp și bani atunci când recrutează, angajează și își păstrează cei mai buni lucrători. Mai multe companii vor implementa analize predictive în practicile lor de afaceri, deoarece organizațiile văd din ce în ce mai mult valoarea în acest proces și doresc să îmbunătățească linia de jos.