5 กรณีศึกษาใช้ HR Analytics ช่วยแก้ปัญหาในองค์กร

การจะสร้างสะพานเชื่อมระหว่างทักษะการคิดวิเคราะห์การใช้ข้อมูล Big Data และเทคโนโลยี AI โดยเฉพาะในงาน HR จะเรียกว่าเป็นการทำ"HR Analytics" ซึ่งเป็นการวิเคราะห์ข้อมูลทางด้าน HR เพื่อนำ insight ที่ได้มาใช้ในการตัดสินใจที่จะปรับปรุง พัฒนาและแก้ไขปัญหาให้กับองค์กรในด้านที่เกี่ยวข้องกับทรัพยากรมนุษย์ จากการสำรวจโดย McKinsey ก็พบว่า Top Executive กว่า 70% ให้ความสำคัญกับการทำ People Analytics ในองค์กร

‍

"HR Analytics" คือการเก็บข้อมูลและการแปลผลข้อมูลจากข้อมูลในด้าน HR เพื่อนำไปสู่การตัดสินใจแบบมีที่มาที่ไปข้อมูลที่ได้จากการทำ HR Analytics จะช่วยสนับสนุนและทำให้มั่นใจว่ากิจกรรมหรือโครงการของ HR มีแนวโน้มที่จะสร้าง Impact ให้กับองค์กรอย่างไรข้อมูลจากการวิเคราะห์นี้จะช่วยให้การดำเนินโครงการต่างๆมีที่มาจากข้อมูลทางวิทยาศาสตร์ที่สามารถพิสูจน์ได้อย่างเป็นรูปธรรมนอกจากนี้ HR Analytics ทำให้เราเข้าใจพนักงาน ธุรกิจและสามารถพัฒนาประสบการณ์ในการทำงานของพนักงานได้ดียิ่งขึ้นรวมถึงการสร้างวัฒนธรรมองค์กร และการรักษา Talentในองค์กรจากการใช้เทคโนโลยีวิเคราะห์ข้อมูลจะทำให้เราทราบว่าอะไรคือสิ่งที่ Talent ต้องการ อะไรที่ช่วยสร้างแรงจูงใจ อะไรที่ทำให้ Talent เกิดความไม่สบายใจ และช่วงไหนที่ Talent ต้องการการดูแลเพื่อให้ HR สนองตอบความต้องการของพนักงานได้อย่างถูกจุดและทันท่วงที

การทำ HR Analytics มีการจัดลำดับขั้นตั้งแต่การเก็บข้อมูลและรายงานผลข้อมูลขั้นพื้นฐานไปจนถึงการนำข้อมูลไปสู่การเสนอแนวทางแก้ไขปัญหา

What happened เกิดอะไรขึ้น ใช้วิธีการวิเคราะห์แบบ Descriptive analytics เป็นการวิเคราะห์ข้อมูล HR ขั้นพื้นฐานที่สุดใช้ในการอธิบายสิ่งที่เกิดขึ้นในอดีตโดยใช้เทคนิคทางสถิตินำมาเก็บรวบรวมข้อมูลเพื่อประกอบการตัดสินใจการวิเคราะห์ในรูปแบบนี้สามารถใช้ข้อมูลทั้งที่เป็นตัวเลขและไม่ใช่ตัวเลขนำมาประกอบกันข้อมูลที่ได้จากการวิเคราะห์จะทำให้เห็นแนวโน้ม ความถี่ การจัดลำดับความเบี่ยงเบนของข้อมูลซึ่งทำให้เห็นรูปแบบของข้อมูลที่สามารถนำมาวางแผนในการพัฒนาในด้านพฤติกรรมการตรวจดูความผิดปกติ หรือการเข้าใจด้านที่เป็นจุดแข็ง หรือด้านที่เป็นจุดอ่อนตัวอย่างของการวิเคราะห์ข้อมูลนี้ ได้แก่ การวิเคราะห์อัตราการลาออกหรือ Turnover ของพนักงาน ในระยะที่ผ่านมาและสถิติที่เกิดขึ้นในช่วงเดียวกันเมื่อพิจารณาย้อนหลังในหลายๆปี

Why did it happen? ทำไมถึงเกิดสิ่งนี้ขึ้นใช้วิธีการวิเคราะห์แบบ Diagnostic analytics เป็นขั้นที่ต่อจากขั้นแรกการวิเคราะห์ข้อมูลลักษณะนี้ มีจุดมุ่งหมายเพื่อระบุเหตุผลที่เกิดขึ้นจาก Descriptive analytics โดยมักจะตั้งคำถามหาสาเหตุด้วยคำว่า "Why" จากข้อมูลแนวโน้ม (Trend)ข้อมูลที่ส่งผลกระทบต่อกัน (Correlation) การวิเคราะห์เชิงวินิจฉัยมีวัตถุประสงค์ในการมุ่งหาสาเหตุ ในขณะเดียวกันก็พิจารณาปัจจัยภายในและภายนอกที่อาจมีอิทธิพลต่อสิ่งเหล่านี้ การวิเคราะห์รายละเอียดในขั้นนี้จะทำให้ HR มองเห็นภาพใหญ่ของสถานการณ์ที่เกิดขึ้นและวิเคราะห์แยกย่อยปัญหาทีละเรื่องเพื่อนำไปสู่การแก้ไขปัญหาต่อไปตัวอย่างของการวิเคราะห์ข้อมูลนี้ได้แก่ การวิเคราะห์สาเหตุการลาของพนักงาน (Absenteeism) หรือการวิเคราะห์สาเหตุของการไม่ผูกพันของพนักงาน (Disengagement)

What will happen? อะไรกำลังจะเกิดขึ้นใช้วิธีการวิเคราะห์แบบ Predictive analytics มาถึงการมองไปสู่อนาคตการวิเคราะห์รูปแบบนี้ จะมีการคาดคะเนเหตุการณ์ที่เกิดขึ้นในอดีต ปัจจุบันตามรูปแบบและความสัมพันธ์ที่เกิดขึ้นโดยอาจจะสามารถทำนายเหตุการณ์ที่จะเกิดขึ้นได้หลายสถานการณ์หรือฉากทัศน์ (Scenario) การใช้ข้อมูลจาก Predictive เปรียบเทียบกับข้อมูลที่เกิดขึ้นจริงจะช่วยทำให้การคาดการณ์ในอนาคตแม่นยำยิ่งขึ้นตัวอย่างการนำข้อมูลไปใช้คือเรื่องของการจ้าง Candidate ที่เหมาะกับองค์กรในขณะเดียวกันก็รวมถึงการรักษา Top Talent ด้วยเช่นกัน

How can we make it happen? เราจะทำให้มันเกิดขึ้นได้อย่างไรใช้วิธีการวิเคราะห์แบบ Prescriptive analytics สุดท้ายการวิเคราะหืที่มีความซับซ้อนมากที่สุดคือการคาดการณ์ข้อมูลที่จะเกิดขึ้น พร้อมกับการแนะนำทางเลือกสิ่งที่ควรจะทำในอนาคตการวิเคราะห์รูปแบบนี้ขึ้นอยู่กับการใช้ข้อมูลขนาดใหญ่ (Big Data) และใช้เทคโนโลยีขั้นสูงอื่นๆเพื่อทำให้เกิดการเรียนรู้ของระบบจนทำให้สามารถแนะนำแนวทางที่จะจัดการกับเรื่องต่างๆได้เทคโนโลยีขั้นสูงเหล่านี้ ได้แก่ Machine Learning, Algorithms, AI เป็นต้น ตัวอย่างการวิเคราะห์รูปแบบนี้ให้เห็นภาพได้ง่ายที่สุดหากเราสมัครใช้บริการ Online Video Streaming อย่าง Netflix การนำเสนอภาพยนตร์หรือซีรีส์ที่เหมาะสำหรับคุณจะเกิดจากการเฝ้าดูพฤติกรรมการรับชมของคุณและนำมาสู่การเสนอสื่อบันเทิงที่คุณน่าจะชอบ

‍

ประโยชน์ของ HR Analytics ในงาน HR ด้านต่างๆ

การนำข้อมูลที่ได้จากการวิเคราะห์รูปแบบต่างๆจะทำให้เกิดประโยชน์ในงาน HR ด้านต่างๆ ดังนี้

1.พัฒนาเรื่องการสรรหาคัดเลือก ช่วยให้การวิเคราะห์ Candidate เพื่อเฟ้นหาคนที่เหมาะสมกับองค์กรทั้งในด้านวัฒนธรรมและทักษะและช่วยลดความลำเอียงในการจ้างงาน ด้วยการใช้การตัดสินใจโดยคนให้น้อยที่สุดการจ้างงานโดยใช้ข้อมูลจากเทคโนโลยีจะลดการจ้างงานที่เลือกปฏิบัติที่ไม่เท่าเทียมกันจากสาเหตุด้านเชื่้อชาติ เพศอายุและเชื้อชาติ

2.การประเมินผลงานได้อย่างแม่นยำ การใช้ข้อมูลในเชิงทำนาย (Predictive analytics) จะช่วยให้องค์กรเข้าใจประสิทธิภาพผลิตภาพของพนักงานในเชิงลึก รับทราบปัจจัยที่ทำให้พนักงานเกิด Productivity และทำให้เกิดการพัฒนาและบริหารพนักงานกลุ่มศักยภาพ (Talent Management)

3.การลดอัตราการลาออก จากการมองเห็นสาเหตุของการลาออกและช่วงเวลาที่พนักงานมีแนวโน้มจะลาออก เพื่อให้สามารถป้องกันหรือรับมือได้ในอนาคต

4.เพิ่มความผูกพันของพนักงานที่มีต่อองค์กร (Employee Engagement) การรับทราบพฤติกรรมการทำงานของพนักงาน ทำให้ HR สามารถปรับปรุงการทำงานร่วมกันในทีมและการเข้าใจความต้องการที่พนักงานเห็นว่าเป็นเรื่องสำคัญ

5.การหา Successor ขององค์กร ด้วยเทคโนโลยี AI และ Machine Learning จะช่วยให้เข้าใจระดับของผลงานและศักยภาพซึ่งจะทำให้เราสามารถหาผู้ที่จะเหมาะเป็นผู้สืบทอดสำหรับตำแหน่งผู้บริหารได้ในอนาคต

6.การพัฒนาพนักงาน (Upskilling) การวิเคราะห์ข้อมูลจะช่วยให้มองเห็น Skill Gap ของพนักงานและทำให้องค์กรสามารถรับรู้ได้ว่าควรพัฒนาพนักงานเรื่องอะไรที่จะมี Impact กับองค์กร

‍

ตัวอย่างกรณีศึกษาการใช้ HR Data Analytics ในองค์กร

Linkedin บริษัทที่ให้บริการ Social Media สำหรับคนทำงาน และมีบริการในการช่วยหางาน และหาคนทำงานให้กับองค์กร ใช้เทคโนโลยี Machine Learning ช่วยวิเคราะห์ประสบการณ์ ทักษะ พื้นที่พักอาศัยและนำมาจัดอันดับผู้สมัครที่เหมาะสมกับตำแหน่งงานที่องค์กรหาอยู่ ทำให้ Recruiter ไม่เสียเวลาในการหาคนที่อาจจะไม่เหมาะกับองค์กร

Google เป็นที่รู้จากคนทำงานว่าเป็นสถานที่ทำงานในฝันที่หนึ่งของคนทำงานและแน่นอนว่าการร่วมงานกับ Google ก็ไม่ใช่เรื่องง่ายเพราะต้องผ่านการสัมภาษณ์และการประเมิน 15-25 รอบ ก่อนการคัดเลือก และทำให้ต้องใช้ Recruiter ถึง 125 คน ต่อการจ้างพนักงาน 1,000 คน ภายหลังจากการทำ HR analytics ก็พบว่าจริงๆแล้ว การสัมภาษณ์เพียง 4 ครั้งให้ความแม่นยำในการคัดคนได้ถึง 86% และเมื่อเพิ่มรอบการสัมภาษณ์เพิ่มเติมขึ้นจากนี้จะทำให้ความแม่นยำเพิ่มขึ้นเพียง1% ทำให้ Google ตัดสินใจปรับลดจำนวนรอบการสัมภาษณ์ลงนอกจากกรรมการสัมภาษณ์จะประหยัดเวลาในการเข้าร่วมแล้วยังลดระยะเวลาการจ้างงานจากเดิม 180 วันเหลือเพียง 47 วันเท่านั้น

Headroom เป็นเครื่องมือ AI ที่ช่วยวิเคราะห์การประชุม นอกจากเทคโนโลยี AI ของเครื่องมือนี้จะสามารถทำสรุปการประชุมได้ Headroom ยังมีการใช้algorithms ในการวิเคราะห์ผู้ฟังการนำเสนอ จากอากัปกิริยาที่บ่งบอกจากสีหน้าการกรอกตาไปมา รูปแบบของคิ้วและปาก และนำข้อมูลมาให้ Feedback แก่ผู้นำเสนอได้แบบ Real Time ว่าปฏิกิริยาของผู้ฟังเป็นอย่างไรเพื่อจะได้ปรับเปลี่ยนแนวทางการนำเสนอได้ทันที

Xerox Corp. ใช้การวิเคราะห์เชิงคาดการณ์ (Predictive Analytics) เพื่อปรับปรุงกระบวนการจ้างงานสำหรับตำแหน่งงานมากกว่า 48,700 ในตำแหน่ง Call Center ของบริษัท ซึ่งมีอัตราการลาออกทันทีหลังจากผ่านการฝึกอบรม ซึ่งการอบรมพนักงานแต่ละคนมีค่าใช้จ่ายสูงถึง 5,000 ดอลลาร์ Xerox ได้พบว่าประสบการณ์ในการทำงานไม่มีผลต่อการลาออกแต่การทดสอบบุคลิกภาพทำให้รู้ว่า พนักงานที่มีบุคลิกภาพอยากรู้อยากเห็นและความช่างสงสัยมีส่วนเสริมให้พนักงานมีการลาออกก่อนกำหนดได้อย่างมีนัยสำคัญหลังจากที่ได้ข้อมูลนี้ Xerox จึงปรับเปลี่ยนกระบวนการจ้างงานโดยเริ่มทดลองการให้ความสำคัญกับการทดสอบบุคลิกภาพเพื่อคัดเลือกผู้สมัครเมื่อผ่านไป 6 เดือนพบว่าสมมติฐานจากการวิเคราะห์ข้อมูลเป็นจริงอัตราพนักงานใหม่มีการลาออกที่ลดลงถึง 20%

Wikipedia หรือสารานุกรมออนไลน์ที่มีผู้นิยมใช้สูงสุดระบบหนึ่งปัจจัยความสำเร็จของ Wikipedia คือ Useras a Content Generator ซึ่งปัจจุบันมีผู้ที่คอยอัพเดตข้อมูลในWebsite อยู่มากกว่า 100,000 คนเป้าหมายของ Wikipedia คือการพยายามรักษาผู้ใช้ที่ชื่นชอบการแก้ไขข้อมูลให้มีความต่อเนื่องในการใช้งานWebsite ด้วยเหตุนี้จึงใช้ HR Analytics ในการศึกษาอายุ การศึกษา แรงจูงใจพฤติกรรมการแก้ไขข้อมูลโดยสามารถระบุได้ว่าผู้ใช้ที่มีพฤติกรรมแบบใดจะมีแนวโน้มที่จะหยุดใช้งานและหาแนวทางในการดึงดูดผู้ใช้ให้กลับมา Engageกับ Wikipedia อีกครั้ง

การเริ่มใช้ HR Data Analytics ในองค์กร ไม่ควรรอให้ทุกอย่างพร้อมก่อนแล้วจึงเริ่มทำเพราะถึงเวลานั้นอาจจะสายเกินไปกับการแก้ไขบางสิ่งได้ก่อนเพราะฉะนั้นถ้าคุณมีข้อมูลจำนวนหนึ่งแล้วควรจะเริ่มต้นในการวิเคราะห์ข้อมูลของคุณเช่น มีข้อมูลด้านการสรรหาและคัดเลือก ก็เริ่มทำก่อน มีข้อมูลด้านการประเมินผลงานก็เริ่มทำก่อนสำหรับองค์กรที่ยังไม่ได้เริ่มทำอาจจะเริ่มทำโครงการเล็กๆในเรื่องที่คิดว่าน่าสนใจและเป็นประโยชน์กับองค์กรโดยการออกแบบสิ่งที่ต้องการจะหาคำตอบหรือต้องการวิเคราะห์ข้อมูลและกำหนดว่าจะต้องใช้ข้อมูลอะไรบ้าง หลังจากนั้นก็เริ่มเก็บข้อมูลและออกแบบการสรุปผลและแสดงผลพื้นฐานที่ดีของระบบวิเคราะห์ข้อมูลจะต้องเกิดจากการเก็บข้อมูลตามหลักวิทยาศาสตร์โดยมีระบบที่ช่วยจัดการกับข้อมูลและพิจารณาว่าจะต้องใช้ข้อมูลอะไรบ้างในการเก็บข้อมูลและควรจะมีความถี่ในการเก็บข้อมูลอย่างไร การทำ HRAnalytics ช่วยให้คุณได้มองลึกเข้าไปในองค์กรได้รับรู้และเข้าใจความผูกพันของพนักงานต่อองค์กร รูปแบบการจ้างงานที่เหมาะสมการสร้าง Productivity ในองค์กรรวมถึงสภาพความเป็นอยู่ของคนในองค์กรในอีกทางหนึ่งคือการยกระดับการใช้ข้อมูลสำหรับการตัดสินใจทางธุรกิจ

‍

ไม่ว่าคุณจะเป็นคนที่ใช้ HR analytics อยู่แล้วหรือกำลังอยากจะเริ่มสร้างฐานข้อมูลและหาเทคโนโลยีที่จะช่วยสนับสนุนการทำงานของ HR analytics ในองค์กรของคุณ สมาคมการจัดการงานบุคคลแห่งประเทศไทย (PMAT) กำลังจะมีงาน Thailand HR Tech Conference & Exposition 2023  ในวันที่ 14-15มิถุนายน 2566 เวลา 8:00 น. - 17:00 น. ณรอยัลพารากอน ฮอล์ล ชั้น 5 สยามพารากอนซึ่งธีมหลักในปีนี้คือ Everything Everywhere Augmented ในงานนี้ได้รวบรวม HR Tech Solution ทุกรูปแบบที่นำมาเสนอกับผู้ร่วมงานพร้อมเวทีแสดงความคิดเห็นจากผู้ใช้จริงจึงไม่ควรพลาดสำหรับ HR สาย Tech ทุกคนที่จะได้เข้ามาร่วมเปิดประสบการณ์ใหม่ๆไปด้วยกัน

ที่มา

A Guide ToThe 4 Types of HR Analytics - AIHR

HR DataAnalytics: What It Is and Why You Should Use It - Erudit

Predictiveanalytics in HR: use cases, examples, and implementation advice  - iTransition

PredictiveAnalytics In HR: 5 Excellent EXAMPLES You Can Copy From! - HR One

How to begreat at people analytics - McKinsey