Yapay zekadan makale özeti
- Kısa
- Ayrıntılı
- Bu video, AIMS İnsan Kaynakları Yöneticisi Sevi Dilan Oğuz'un 360 derece analitik insan kaynakları yönetimi hakkında yaptığı bir sunum formatındadır.
- Sunumda AIMS'in insan kaynaklarını doğru tanımlama ve yönetme için geliştirdiği çözümler detaylı olarak anlatılmaktadır. İlk bölümde çalışan verimlilik segmentasyonu, çalışan davranış segmentasyonu, çalışan terk etme eğilim modellemesi, çalışan yaşam boyu değer modellemesi, alım modellemesi ve doğru personel, doğru pozisyon, doğru lokasyon ve doğru müşteri tarafı gibi beş ana bölüm ele alınmaktadır. İkinci bölümde ise çalışan memnuniyet araştırmalarının çeşitli formatları ve AIMS'in metin madenciliği teknolojisini kullanarak anket sorularını analitik düzeye entegre etme yaklaşımı açıklanmaktadır.
- Sunumda analitik modellerin nasıl oluşturulduğu ve bu modellerin insan kaynakları yöneticilerine nasıl karar desteği sağladığı örneklerle açıklanmakta, özellikle açık uçlu soruların analitik modellere entegre edilmesinin zorlukları ve AIMS'in bu sorunu çözmek için kullandığı yöntemler vurgulanmaktadır.
- 00:10AIMS 360 Derece Analitik İnsan Kaynakları Yönetimi
- AIMS, dijitalleşen dünyada müşterileri tanımak ve konumlandırmak kadar kendi insan kaynağını da tanımak ve yönetmek için 360 derece analitik insan kaynakları çözümlerini geliştirmiştir.
- AIMS'in çözümleri, çalışan verimlilik segmentasyonu, çalışan davranış segmentasyonu, çalışan terk etme eğilim modellemesi, çalışan yaşam boyu değer modellemesi ve alım modellemesi olmak üzere beş ana bölümden oluşmaktadır.
- 01:06Çalışan Verimlilik Segmentasyonu
- Çalışan verimlilik segmentasyonunda, tüm çalışanlar modele entegre edilerek departman bazlı KPI'lar kullanılarak bir piramit sistemine entegre edilir.
- Piramit sisteminde en üstte çalışanlara yapılan yatırıma olumlu cevap veren, fayda sağlayan çalışan grubu, alt kısımlarda ise verimin azaldığı çalışan grupları gösterilir.
- Bu segmentasyon, değerli çalışanları evde tutmak için sadakat arttırıcı faaliyetlerde bulunma ve verim düşük olan kısımlar için eğitim ve kariyer yönetim yapma gibi karar desteği sağlar.
- 02:52Çalışan Davranış Segmentasyonu
- Çalışan davranış segmentasyonunda, her çalışanın farklı çalışma karakteristikleri incelenir ve bu karakteristikler bölüm ve departman bazlı değişebilir.
- "Bal yapmayan arılar" grubu, çok efor sarf eden ancak satış tutarı düşük olan çalışanları temsil eder ve bu gruba satış tarafı arttırıcı eğitimler alınabilir.
- "Sorunsavar" grubu, özellikle tele satışlarda ve çağrı merkezlerinde agresif müşterilere sakinleştirme yaklaşımı gösteren çalışanları temsil eder ve doğru konumlandırılması gerekir.
- 04:42Çalışan Terk Etme Eğilim Modellemesi
- Çalışan terk etme eğilim modellemesi, her çalışanın terk etme riskini hesaplayarak ön görme imkanı sağlar.
- Model, maaş artışı/azlığı, sunulan imkanlar, terfi gibi kırılımları entegre ederek hangi çalışanın ne olasılıkla terk etme riskine sahip olduğunu gösterir.
- Modelin sunduğu çıktıda alarm veren kısımdaki çalışan, önceki çalışmada en verimli olarak adlandırılan çalışma grubunun içerisinde yer alıyorsa, aksiyon alınması gerektiği belirtilir.
- 06:18Çalışan Yaşam Boyu Değer Modellemesi
- Çalışan yaşam boyu değer modellemesi, öngörü yaklaşımını devreye sokarak çalışanların ne kadar süreyle, ne zaman ve nasıl şekilde eğitilebileceğini gösterir.
- Bu model, verimlilik segmentasyonu, davranış segmentasyonu ve terk etme olasılığı modellemesi sonuçlarını birleştirerek çalışanların gelecekteki değerini öngörür.
- Doğru kariyer ve yetenek yönetimi ile şu anki değersiz olarak adlandırılan çalışanlar değerli kısma çıkarılabilir.
- 07:50Alım Modellemesi
- Alım modellemesi, işe alım ekiplerine fayda sağlayarak departman ve bölüm bazlı hangi çalışanın hangi profilde daha verim sağlayacağını gösterir.
- Analitik model, gelen başvuruları süzgeçten geçirerek sıralayarak, bin başvuru arasından sadece elli başvuruyla görüşmeyi öncelikli hale getirir.
- Bu model, kısa zamanda doğru adayı yerleştirme noktasında karar desteği sağlar ve mülakat organizasyonlarında en uygun kişiyi analiz etmeden kaybetmeyi önler.
- 09:33Doğru Personel, Doğru Pozisyon, Doğru Lokasyon ve Doğru Müşteri
- Bu model, norm kadro sayısını, işgücü ihtiyacını, hizmet kalitesini belirleyerek doğru personeli entegre etme ve doğru lokasyonda yerleştirme imkanı sağlar.
- Doğru personel ve lokasyon konumlandırması, müşteri tarafındaki ilişkiyi kuvvetlendirir.
- Örneğin, yatırım fonu müşteri temsilcisi olarak doğru kişi konumlandırıldığında, müşteri ikna edilebilir ve kurumla olan ilişkisi korunabilir.
- 11:34Çalışan Memnuniyet Araştırmaları ve AIMS'in Rolü
- Çalışan memnuniyet araştırmaları birçok kurum tarafından gerçekleştirilmekte olup, gizli anketler, kapalı uçlu sorular ve açık uçlu sorular gibi farklı yöntemler kullanılmaktadır.
- Açık uçlu soruların değerlendirme aşaması daha önce dağınık ve modele entegre edilemeyen çıktılar veriyordu, ancak metin madenciliğiyle bu süreç kolaylaşmıştır.
- AIMS, doğrudan memnuniyet anketi yapmak yerine insan kaynakları modeliyle bu verileri entegre ederek churn ve işe alım modellemesinde kırılım noktalarını belirlemektedir.
- 12:34AIMS'in Analitik Entegrasyon Hizmeti
- Günümüzde yapılan anketler analitik modele entegre edebilecek yapıda değildir çünkü formatları ve yapıları farklıdır.
- Kurumların analitik çalışmalarında kullanabilmeleri için soru formatlarını analitik düzeye getirmeleri gerekmektedir.
- AIMS, uzman departmanı ve faaliyet gösteren arkadaşlarıyla birlikte anket sorularını analitik düzeye entegre ederek daha fazla verimlilik kazandırmaktadır.