HR ANALYTICS PRACTICE

Offriamo soluzioni per ottimizzare la gestione dell’intera forza lavoro

HR Analytics Practice 0

In un mondo che evolve velocemente, la trasformazione digitale diventa un fattore chiave anche nell’ambito delle risorse umane. Le nuove tecnologie sono in grado di far fronte alle sfide che derivano dall'aumento della competitività e di dare supporto rispetto alla complessità che caratterizza il mercato del lavoro.
Gli approcci basati sui dati possono essere un utile supporto per migliorare i risultati operativi e aziendali. In particolare l’HR Analytics è definita come la metodologia che consente la creazione di una conoscenza chiara e approfondita sull’asset più importante per un’impresa, il suo capitale umano. Questo significa potenziare l’impatto strategico che l’HR ha sui risultati aziendali. Che si tratti di:
  • Attrarre i migliori talenti
  • Ottimizzare la crescita delle risorse
  • Incrementarne la soddisfazione per la vita in azienda
  • Assicurare che il valore del lavoro prodotto dai dipendenti sia sempre in linea con gli obiettivi aziendali
  • Aumentare la retention della propria forza lavoro, massimizzando il ritorno dell’investimento in ogni singola risorsa e proteggendo il know-how aziendale

LA NOSTRA OFFERTA E I NOSTRI CASE STUDY

Cluster Reply supporta ciascuna azienda cliente nel definire la soluzione più adatta per lo studio degli HR analytics, in grado di integrarsi con i sistemi informatici già in uso. I dati così ottenuti diventano la base per ottimizzare il processo decisionale dell’HR nell’intero ciclo di vita del dipendente in azienda. Da questi dati si ricavano poi misure in grado di studiare l’efficienza, l’efficacia e l’impatto che i processi HR hanno sul business, attraverso analisi descrittive, predittive e prescrittive. Esse sono abilitate da tecnologie quali cloud, intelligenza artificiale e da tecniche di machine learning. Inoltre queste analisi, presentano una complessità crescente e consentono nell’insieme di attrarre, sviluppare e trattenere più facilmente i migliori talenti presenti sul mercato.

SELEZIONARE

SELEZIONARE

Monitorare costantemente il processo di selezione del personale è sicuramente un valido aiuto per attrarre i migliori talenti e rendere poi più efficiente il processo di acquisizione. Infatti, la tecnologia fornisce nuovi metodi per effettuare un rapido screening dei candidati, classificandoli sulla base di caratteristiche anagrafiche, della loro carriera precedente e delle competenze acquisite nel tempo. In questo modo si può arrivare a rendere più rapida l’individuazione della rosa di candidati tra cui scegliere poi la persona più idonea. Queste metodologie di analisi dei cv sono in grado di raccogliere tutte le informazioni necessarie per il processo di selezione e acquisizione del personale, al di là del formato del singolo curriculum vitae. Trovando così il match perfetto tra i profili ricercati dall’azienda e i potenziali candidati, individuati su tutte le piattaforme HR su cui l’azienda ha scelto di essere presente.

Case study

In un mercato del lavoro sempre più competitivo, analizzare i KPIs relativi ai candidati sottoposti ai processi di selezione può facilitare sia la gestione della fase di recruiting che di onboarding.

Obiettivi
Ottimizzare il processo di recruiting come supporto al processo di selezione.

Soluzione
Implementazione, anche grazie a strumenti di forecasting, di dashboards in Power BI contenenti visuals e KPIs specifici per la fase di recruiting.

OTTIMIZZARE

OTTIMIZZARE

Spesso ci si chiede come valorizzare al meglio il know-how presente all’interno dell’azienda. Questo obiettivo è oggi più facile da raggiungere grazie all’analisi dei dati che riguardano progetti e competenze dei dipendenti che sono raccolti negli skill center di ciascuna azienda cliente. Infatti, studiando le hard e le soft skills delle risorse, si arriva velocemente a sapere se le competenze necessarie per andare a ricoprire un determinato ruolo si possiedano già internamente se, invece, esse debbano essere ricercate esternamente attraverso campagne di recruiting ad hoc. Inoltre, nel caso esistano già dipendenti con le caratteristiche necessarie, arrivare ad individuare tra di essi la persona più indicata per quella posizione, grazie a tecniche di Machine Learning. In definitiva, comprendere efficacemente le capacità di ogni singola risorsa, significa allocarla nella maniera migliore in base ai talenti espressi. Inserendola così nel ruolo in cui può effettivamente dare il meglio di sé per contribuire al successo aziendale.

Case study

Qual è la persona migliore per svolgere un certo ruolo? Perchè? I dati inseriti dai dipendenti nello skill center aziendale oggi possono essere studiati grazie a tecniche di Skill Analytics.

Obiettivi
Creare un ranking dei dipendenti esperti nello svolgere una determinato ruolo.

Soluzione
Implementazione di un algoritmo di tipo Natural Language Processing in grado di identificare le caratteristiche ottimali necessarie per svolgere un determinato ruolo. Questo sulla base dei dati ricavati dalle piattaforme di skills center.

INNOVARE

INNOVARE

Un’analisi dei dati che riguardano l’operatività dei dipendenti è un utile strumento per misurare l’efficienza di una struttura aziendale. A questo scopo possono essere sfruttati KPIs quali la produttività e la saturazione della capacità produttiva di ogni singola divisione. Grazie all’applicazione di analisi prescrittive basate su Artificial Intelligence si può andare oltre. Infatti, queste analisi consentono di comparare diversi scenari ciascuno contraddistinto da un diverso carico di lavoro atteso per i mesi successivi. Inoltre, sulla base di ciò, queste analisi permettono di stabilire poi il numero di risorse ottimale che sarà necessario impiegare per far fronte alla quantità di lavoro attesa. Prevedere i business need futuri consente alle aziende, prima di tutto, di gestire efficacemente il personale ottimizzando i costi di gestione del capitale umano, ma soprattutto, di contribuire meglio al raggiungimento degli obiettivi strategici aziendali, sia che essi vertano sull’offerta di prodotti che di servizi di qualità.

Case study

La gestione di picchi di operatività e di eventi futuri che possano richiedere una riorganizzazione interna è la necessità a cui oggi siamo in grado di dare una risposta.

Obiettivi
Conoscere il numero ottimale di risorse che sarà necessario impiegare nei mesi successivi.

Soluzione
Implementazione di analisi what-if e benchmarking utili per comparare diversi scenari futuri. Per delineare ciascuno di questi scenari, ci si è basati sulle attuali performance dei dipartimenti aziendali coinvolti nell’analisi e sui relativi trend storici.

PREVEDERE

PREVEDERE

Le analisi predittive consentono ad esempio di studiare il rischio che i dipendenti presentino le proprie dimissioni un domani. In base alle caratteristiche che contraddistinguono ciascuna risorsa (età, anzianità in azienda, mansione, competenze etc...), si individuano i fattori di rischio che contribuiscono ad alzare questa probabilità. In particolare, grazie ad un algoritmo di Machine Learning, in grado di analizzare le correlazioni causa-effetto, si costruisce un ranking dei fattori di rischio, che possono indurre una risorsa a lasciare una specifica azienda. Individuare i gruppi di dipendenti che presentano uno o più di questi fattori ad alta incidenza, sarà utile all’HR dell’azienda per intervenire con colloqui mirati in modo da prevenire la rassegnazione effettiva delle dimissioni. Il know-how, non è semplicemente patrimonio di ogni singola risorsa, ma è anche quel valore su cui ciascuna impresa fa affidamento per affrontare la pressione competitiva che si fa giorno dopo giorno più marcata. Pertanto, è importante che questo bene strategico resti il più possibile all’interno dell’azienda.

case study

Chi sarà il prossimo dipendente che lascerà l’azienda? Rispondere a questo interrogativo è il primo fondamentale passo per impedire che ciò accada.

Obiettivi
Individuare e stabilire l’incidenza delle maggiori cause di dimissione dall’azienda.

Soluzione
Implementazione di un modello predittivo basato su tecniche di Machine Learning.