במסגרת חודש הדאטה אני אשתף קצת מהמסע שלי בעולם הדאטה מזווית קצת לא שגרתית. המסע שלי בעולם הדאטה מתחיל בתפקיד הראשון שלי, דיילת אוויר. נכון, זה לא תפקיד הדאטה הקלאסי שהייתם חושבים עליו, אבל אסביר. רבים טועים לחשוב שכל מה שדיילת עושה הוא להגיש ארוחה במטוס, להדריך, לסייע במצב חירום, ולטייל בעולם כמובן. כל אלו אכן נכונים, אבל דיילים עושים גם איסוף וניתוח נתונים כל הזמן; אם זה להבין איזה סוג נוסעים נמצא בכל טיסה לפי שעת הטיסה, היעד והתקופה בשנה, או לנסות ולהבין טוב יותר יעדים, מחירים, אזורי בילוי ועוד. לא סתם המון דיילי אויר הופכים להיות מדריכי טיולים ובלוגרים לתיירות, מי שהשכיל לראות את ההזדמנות הזו לצבירת מידע שהוא כוח חד משמעי, יכול היה למנף אותו לעסק משגשג.  

אבל רגע לפני שאני משכנעת את כולכם להגיש מועמדות לחברת תעופה, ולהפוך מחר לבלוגרים לטיולים, אספר איך הצלחתי לקבל את הכינוי "אור בומביי" בזכות הדאטה שאספתי, וכל זאת על מנת לפגוש את אהבת חיי שנמצא אי שם בהודו הרחוקה, דאגתי להיות מאסטרית בהחלפת טיסות, שזו עבודה בפני עצמה, ולו רק בגלל התנאים הנוקשים להחלפה, הכוללים שעות ליגאליות (שעות מנוחה) נוקשות ועוד. פעלתי בשלושה שלבים: שלב פרסום הפוסט שכלל טרגוט קהלי יעד, שלב הסינון שכלל מיפוי אטרקטיביות ושלב השעות הליגליות בו הייתי צריכה לחשב את שעות המנוחה והכשירה לטיסה הבאה, לשם כך הכנתי נוסחה והשתמשתי בה.

ובחזרה לעולם ה-HR והדאטה בו, אולי כדאי שאתחיל במסקנה: חברות שישכילו להבין שבמחלקת ה- HR טמון המידע על  האוצר הכי יקר בחברה, האנשים, פשוט יצליחו ויצמחו נכון ומהר יותר.

במחלקה הזו נמצאים כל הנתונים על כל האנשים שעובדים\שעבדו\ומועמדים שהתראיינו בחברה שלכם. לכן, המידע שלכם הוא לא רק נתונים קרים, תוכלו למצוא שם גם את הרגלי העבודה בחברה, ביצועי העבודה של כל אחד מין העובדים, כישרונות ופוטנציאל שחבוי בהם, המוטיבציה שלהם, חוויות המועמדים שעברו אצלכם, ניהול הזמנים של המחלקות השונות. וזה רק טיפה בים הנתונים הקיימים שאיתו אפשר לקבל תובנות אנושיות חשובות מעבר ל- KPIs  הידועים שמודדים הצלחה כמו HR Cost Metrics, Source of Hire, Time to Hire, Offer Acceptance Rate, Cost-per-Hire ועוד. אפשר ורצוי לפתוח את הראש מול הנתונים ולחשוב כל הזמן מה הדבר הבא שיכול לעניין אותנו.

Data Analysis הוא לא מושג גדול שיש רק בתפקידים בעולם הדאטה, מדובר בסך הכל ביכולת להסתכל במבט מאקרו על אוסף של מקרים המתורגמים לנתונים, בצורה רוחבית מסוקרנת. והדגש על מסוקרנת כשאנחנו מסתכלים על דאטה ואנשים, כי אפשר לצפות בדפוסים אנושיים דרך אנליזת נתונים במחלקה הזו. 

אתן דוגמה; בתחילת הדרך בדואטו רוב הלקוחות שלנו היו רובם סטארטאפים בצמיחה, ולכן בד"כ ללא מיתוג מעסיק, מה שהקשה עליהם למשוך מועמדים מרשתות חברתיות ופרסומים. בעקבות כך עשינו שיפורים והגברנו שימוש בפיצ'ר חבר-מביא-חבר במערכת. תוך כדי ניתוח שלנו על השימושיות בפיצ'ר,  גילינו שיש עובדים בולטים יותר בחברות מסוימות, אותם עובדים שמביאים איתם הכי הרבה חברים לעבוד איתם, והסתקרנו, את הסקרנות הזו הבאנו יחד עם הנתונים אל הלקוחות שלנו שהסתקרנו גם הם, ולכן הוסיפו וניתחו פנימית את אותם עובדים, ע"י בדיקת מעורבות ברשתות חברתיות, בדיקת ביצועים לפי מדדים אישיים, ותוצאות סקרי שביעות רצון.

כל אלו יחד היוו את הניתוח למציאת הכוכבים של החברה, אותם עובדים מלאי מוטיבציה, מרוצים מהחברה, וגם מפרסמים את זה, הם האנשים שיצמיחו את הסטארט אפ שלכם, הם החותרים מהר יותר.

המטרה של תהליך זה הייתה:
א. לזהות את הכוכבים של החברה ע"י אותו ניתוח נתונים נכון, שיחות אישיות, היכרות עם התרומה שלהם לחברה.

ב. לתמרץ אותם, לדאוג למסלול הקריירה האישי שלהם, לעודד אותם לשתף סיפורי הצלחה אישיים אם זה בניוזלטרים פנימיים, פגישות צוות, סדנאות וכד'.

 ג. להזמין אותם לדבר בכנסים, לכלול אותם בתוכניות חונכות פנימיות, לשלב אותם בפרויקטים חוצי מחלקות, לכלול אותם באונבורדינג של עובדים חדשים, ולחבר אותם לכל צוות או אזור בחברה שדרושה בו תוספת מוטיבציה (גם את זה אפשר למדוד במגוון מדדים לשימור עובדים וזיהוי מוטיבציה ירודה) ובגדול לספק להם מגוון הזדמנויות לייצג את החברה פנימית וחיצונית.

ההתלהבות והמעורבות שלהם יעוררו עובדים נוספים לעסוק באופן פעיל יותר בחברה וימקסמו את הביצועים והיכולות שלהם  תשוקה לעשייה מדבקת.

אתן עוד דוגמה על תובנות אנושיות מנתוני HR "יבשים", בתפקידי הקודם כאנליסטית במחלקת HR של ארגון ענק. 

ביצענו אנליזה של ה- Absenteeism (הנטייה להיעדר) של העובדים, גם במטרה לבדוק אם עובד נמצא בסיכון לעזיבה, אבל בהסתכלות רחבה יותר לשם מציאת הפרופיל שנמצא בסיכון, ועשוי להיעדר יותר. עשינו זאת במטרה לייצר מודל שימור עובדים, לעודד להצלחה כבר בשלבים המוקדמים, ולמנוע ימי היעדרות מיותרים שעלולים לפגוע ברמה העסקית של החברה. כל זאת מתוך הבנה שאם הארגון תומך בעובד בתקופות לא שגרתיות, המוטיבציה שלו תהיה גבוה יותר והסיכון לנטישה יהיה נמוך יותר בהתאם.

אז איך עשינו את זה?

• בדקנו מקרים כמו: האם יש עובדים חדשים בצוות של העובד, האם הייתה החלפת מנהל ישיר, חתונה או לידה של קרוב מדרגה ראשונה, מוות של קרוב משפחה מדרגה ראשונה. בדקנו גם מקרים כמו אירועים חודשיים קבועים שהעובד משתתף בהם, פגישות 1x1, ישיבות חוצות מחלקות. אם העובד נעדר דווקא בימים אלה יכול להעיד על חשש מהתקלות בעובדים אחרים בגלל הטרדות מיניות או סביבת עבודה שלילית ולא מיטיבה עבורו. 
• החיתוכים היו לפי זמן, ככה יכולנו להניח על ציר הזמן מקרים שקרו לעובד ולנסות להסביר היעדרויות מתוך הסתכלות על רוחבית. 
• עוד נתונים שנלקחו בחשבון בחיתוכים שונים היו פרטי העסקה, סוג התפקיד, שעות העבודה, מגדר, ילדים, מרחק ממקום עבודה. 
• דוגמה זיהינו עובד שגר 20 דק מהעבודה, הוא נתקל בעבודות בכביש במהלך חודש מסוים, מה שגרם לו לעלות על כביש ראשי ולהגיע לעבודה כל בוקר אחרי פקקים ושעה נסיעה (מאותו מרחק), וגרר גם  היעדרויות רבות. 
• פרופיל העובד שנמצא בסיכון לנטישה יכול להיות העובד בעל השחיקה הגבוהה בשל שעות עבודה מרובות לאורך זמן, בלי היעדרויות בכלל לדוגמה, מצאנו שנשים בגיל מסוים במרחק מסוים ממקום העבודה, עם ילדים נוטות להיעדר יותר. 

מצאנו שהדרך הטובה ביותר לייצר מודל שימנע שחיקה, ובסוף עזיבה, הוא מודל העסקה מודולרי. מודל  שמאפשר למנהלי משאבי אנוש להיות גמישים בתנאי העסקה של העובדים ולתת המלצות מונחות דאטה למנהלים הישירים,  המבוססות על הפרופילים שמצאנו במחלקות השונות. 

אפילו בסטארטאפ צומח שבו אין צוות People Analytics ניתן להגיע לתובנות מדהימות שיכולות לתרום להצלחת העסקית של החברה, אם נגיע עם המיינדסט שהצלחה תלויה קודם כל באנשים, ולב העשייה של אותם אנשים נמצא במחלקת ה-HR בצורה של נתונים על גבי נתונים. ולכן כדאי לזכור, יחד עם הסקרנות, שהיכולת ל"לשחק" עם הנתונים בשלבים המוקדמים של החברה היא הרבה יותר מאתגרת, בעיקר בגלל תיעוד לא נכון או חסר של המידע, מה שעלול ליצור עבודה כפולה בהמשך.

כדאי כשלב ראשוני בסיסי, לחקור ולהבין טוב יותר איך אתם מתעדים נכון את המידע. מדובר בתורה שלמה, באחד מתפקידי הדאטה שעסקתי בהם עשיתי בדיוק את זה פול-טיים, אם זה ע"י הדרכות למחלקות HR הגלובליות, אנליזה של שגיאות במערכות השונות, בדיקת דיוק המידע, שלמות המידע, הצגת המידע ועוד, 

אשמח לשתף אתכם בשתי נקודות שלדעתי הן החשובות והשימושיות ביותר:

•  יש להחליט על מיפוי וקטלוג נכון של המידע, שימוש במפתחות ייחודיים, יצירת קשר לוגי בין הטבלאות הקיימות שלכם או בתוך מערכת הגיוס שלכם.
• וידוא תמידי של אמינות ואיכות המידע, ע"י תיעוד נכון ביום יום במערכות המידע שלכם, לדוגמה שימוש בקטגוריות; לטובת אנליזה עדיף מילה אחת שמתארת מקרה וכמה שפחות free text שיכול לסבך אותנו בהסתכלות זום אאוט על הנתונים ובהצלבת כמה טבלאות וקשרים יחד. 

ורגע נחזור לתקופת הדיילות שלי, ניתן להבין שרק כשהתחלתי לאסוף נתונים על אנשים, יכולתי בכלל לנתח אותם, ורק אז ייעלתי את התהליך שלי,  וכן ההצלחה המדידה הבולטת כאן היא - הגעה לבומביי. אבל יש עוד הצלחות מדידות בדרך- כמו ניסוח פוסטים ממוקדי קהל יעד, יצירת קשרים להמשך גם אם אלה שלא צלחה איתם ההחלפה, והיו לא מעט כאלה, ייעול תהליך החלפה רבת המשתתפים וניהול נכון של הקשר בין כולם. כל אלה הן ההצלחות שבדרך, ותמיד כדאי לחשוב עליהם ברקע כשמגיעים למדידת הצלחה במחלקה, כי כשמדובר באנשים, תמיד יהיו הצלחות "על הדרך", גם אם במדד לא הגענו לתוצאה הרצויה.