กลไกทรานส์ฟอร์มธุรกิจ (จบ)
Transform
คอลัมน์ : HR CORNER ผู้เขียน : ดร.วัลลภา ซึ้งกมลพิสุทธิ์ วิทยาลัยนานาชาติ มหาวิทยาลัยมหิดล
จากบทความตอนที่ผ่านมาได้กล่าวถึงบทบาทของนักบริหารทรัพยากรบุคคล ต่อการสนับสนุนธุรกิจ ผ่านข้อมูลที่เกี่ยวข้องกับพนักงาน เพื่อนำมาเป็นโซลูชั่นทางธุรกิจ สำหรับบทความตอนนี้ผู้เขียนขอยกตัวอย่างกลุ่มข้อมูลที่สามารถนำมาสร้างมูลค่าให้งานด้านบริหารทรัพยากรบุคคล ได้อย่างมหาศาล อาทิ
predictive hiring การสร้าง และวางโมเดลจ้างงานเพื่อกำหนด pattern ของพนักงานที่สมัครเข้ามาร่วมงานกับองค์กรนั้น ๆ โดยใช้การเก็บข้อมูลที่ผ่านมาของผู้สมัครที่ผ่านการคัดเลือกเข้าร่วมงานกับบริษัท และมีผลการปฏิบัติงานอยู่ในระดับดีถึงดีมาก เพื่อนำมาวิเคราะห์ให้ตรงกับกลุ่มเป้าหมายผู้สมัคร
ไม่ว่าจะเป็นแหล่งการสรรหา คุณลักษณะ สมรรถนะ ความรู้ ความสามารถต่าง ๆ รวมถึงประสบการณ์ และทักษะการปรับตัวเข้ากับองค์กรและทักษะอื่น ๆ เป็นต้น
ผลการวิเคราะห์ข้อมูลชุดนี้จะทำให้องค์กรสามารถประหยัดค่าใช้จ่ายในการสรรหาคัดเลือกพนักงาน รวมไปถึงต้นทุนการเสียโอกาสทางธุรกิจ หากพนักงานที่รับเข้าท่านนั้นมีคุณสมบัติไม่เหมาะกับวัฒนธรรมองค์กร
predictive development การสร้างโมเดลสำหรับการพัฒนาพนักงานรายบุคคล เมื่อยุคสมัย และไลฟ์สไตล์ความสนใจของพนักงานเปลี่ยนไป HR สามารถนำข้อมูลการเข้าร่วมฝึกอบรมของพนักงานแต่ละท่านมาวิเคราะห์เชิงลึก โดยศึกษาจากหัวข้อ รูปแบบพัฒนาที่พนักงานให้ความสนใจ
เพื่อกำหนดหัวข้อฝึกอบรมให้ตรงกับความสนใจของพนักงานและ career path สร้างแรงจูงใจในการเรียนรู้ให้กับพนักงาน อีกทั้งยังลดขั้นตอนการทำงานของ HR ในส่วนของการกำหนดแผนงานด้านการฝึกอบรมพนักงานแบบดั้งเดิม
predictive compensation and benefits การสร้างโมเดลสำหรับการออกแบบสวัสดิการที่เหมาะกับของพนักงานในแต่ละเจเนอเรชั่น โดยนำข้อมูลการใช้สวัสดิการของพนักงานมาร่วมวิเคราะห์เทียบกับความต้องการของพนักงานตามกลุ่มอายุ ระดับตำแหน่งงาน ไลฟ์สไตล์ของพนักงาน
เพื่อนำมาเป็นไอเดียวางแผนจัดเตรียมสวัสดิการให้เหมาะสมกับความต้องการของพนักงาน หรือเปิดโอกาสให้พนักงานสามารถเลือกใช้สวัสดิการที่ตรงกับความสนใจและความจำเป็นของตนเอง (flexi-benefits plan)
อีกทั้งองค์กรยังสามารถบริหารงบประมาณด้านสวัสดิการพนักงานขององค์กรให้เกิดประโยชน์สูงสุด สร้างภาพลักษณ์ที่ดีขององค์กร เพื่อดึงดูดผู้สมัครที่มีศักยภาพสูง เข้าร่วมงานกับองค์กร
predictive talent management การนำข้อมูลผลการปฏิบัติงานของกลุ่มพนักงานที่มีความโดดเด่น และมีผลการปฏิบัติงานที่ดีเยี่ยมในปีที่ผ่านมา ร่วมกับคุณลักษณะ ทักษะ สมรรถนะ ของพนักงานแต่ละท่าน โดยนำข้อมูลเหล่านี้มาร่วมวิเคราะห์และประมวลผล เพื่อกำหนดโมเดลต้นแบบลักษณะ character ของพนักงานที่มีศักยภาพสูงขององค์กร หรือเป็นกลุ่ม talent นั่นเอง
ดังตัวอย่างกรณีศึกษาขององค์กรชั้นนำระดับโลก อย่าง Google ในโครงการ Google’s Project Oxygen นำข้อมูลมาพัฒนาพนักงานให้มีศักยภาพสูงขึ้น และพัฒนาผู้นำ Dell’s experiment โดยนำข้อมูลเหล่านี้มาช่วยเพิ่มยอดขายให้กับองค์กร
predictive employee retention การสร้างโมเดลจากเหตุปัจจัยของพนักงานที่มีศักยภาพสูงลาออก ย้อนหลังในปีที่ผ่านมา เช่น อัตราการปรับขึ้นเงินเดือน โบนัส ช่วงอายุ จำนวนปีของการทำงานอยู่ในตำแหน่งปัจจุบัน เพื่อนำมาวางแผนกลยุทธ์การเก็บรักษาพนักงาน เพื่อลดต้นทุนการเสียโอกาสทางธุรกิจ และค่าใช้จ่ายในการสรรหาพนักงานทดแทน อีกทั้งยังสร้างแรงจูงใจให้พนักงาน
predictive employee brownout and burn out การวิเคราะห์ข้อมูลเพื่อกำหนด pattern ป้องกัน ภาวะหมดใจและหมดไฟของพนักงาน โดยเฉพาะพนักงานกลุ่มที่มีศักยภาพสูง สามารถใช้ข้อมูลหาความสัมพันธ์ระหว่างระยะเวลาทำงาน time track พิจารณาร่วมกับข้อมูล productivity ว่าช่วงใดพนักงานทำงาน overload หรือมากเกินไป
ประกอบกับจำนวนชั่วโมงที่พนักงานต้องทำงานล่วงเวลา การนำอัตราการลาป่วย และการใช้สวัสดิการด้านสุขภาพของพนักงานประกอบร่วมการวิเคราะห์ต้นเหตุต่างๆ จนสามารถทำให้ HR กำหนดกลยุทธ์ด้านการดูแลพนักงานและการป้องกันภาวะหมดใจและหมดไฟ ก่อนที่จะสูญเสียพนักงานที่มีศักยภาพสูงขององค์กรไป
อย่างไรก็ตาม แม้ว่าหลาย ๆ องค์กรพร้อมที่จะลงทุนเครื่องมือซอฟต์แวร์ต่าง ๆ เพื่อส่งเสริมสนับสนุนการนำชุดข้อมูลของพนักงานมาวิเคราะห์ประมวลผล รวมถึงการสร้างโมเดลทางธุรกิจผ่านงานบริหารทรัพยากรบุคคล และคาดการณ์ว่าผลลัพธ์ของข้อมูลนี้จะสามารถช่วยคัดเลือกและเก็บรักษาบุคลากรที่มีศักยภาพสูงให้อยู่กับองค์กรเพื่อช่วยให้องค์กรของท่านบรรลุวัตถุประสงค์ทางธุรกิจนั้นก็ตาม
หาก HR ไม่ตระหนักถึงการเปลี่ยนแปลงนี้ ขาดทักษะเชิงวิเคราะห์ จัดเก็บข้อมูลผิดพลาด หรือเลือกเก็บชุดข้อมูลที่ไม่ถูกต้อง สิ่งเหล่านี้จะไม่ก่อให้เกิดประโยชน์ดังที่กล่าวข้างต้น แผนงานและการลงทุนนี้จะสูญเปล่านั่นเอง