בעבודה מרחוק חשוב יותר מתמיד לשמר עובדים

עבודה מהבית הפכה בעקבות מגפת הקורונה ל"נורמלי החדש". למרות ההקלה בתקנות הריחוק החברתי, עשירית מהעובדים במשק עדיין עובדים מהבית, מתוכם יותר משליש מעובדי מגזר ההייטק, כפי שעולה מתוך סקר מצב העסקים שפורסם לאחרונה (10 ביוני) על ידי הלמ"ס. חברות רבות גם עברו בחודשים האחרונים למוד עבודה של שימור המצב הקיים והקפיאו לחלוטין את תהליך הגיוס של עובדים חדשים, מה שמגדיל את הצורך להיות רגישים ולשמר את העובדים הנוכחיים.

אחד האתגרים הגדולים בעבודה מרחוק הוא ניהול הקשר עם העובדים המפוזרים בבתיהם. למנהלים קשה יותר לחוש אם אחד מהעובדים מתמודד עם קושי כלשהו – אישי, מקצועי, או רגשי – מה שעלול לפגוע בתפקוד המקצועי, ואפילו להגיע למצב שעובדים מוכשרים יעזבו את הארגון.

היכולת לחזות מראש עזיבה של עובד מוכשר נחשבת ל"גביע הקדוש" של מדעני נתונים העוסקים ב-People Analytics, אותו תחום מחקר שעושה שימוש בבינה מלאכותית כדי ללמוד מהמידע והנתונים שנאספים בארגון אודות המשאב האנושי.

בפרויקט People Analytics שביצענו עבור אחד הארגונים המצליחים מסוגו בעולם, חישבנו מאפיינים של עובדים לעומת קבוצת השווים שלהם והצלחנו לזהות מצב שבו אחד העובדים הרגיש מקופח מאוד. עובד אחר חש שכישוריו לא מתאימים לתפקיד שאותו ביצע באותם ימים. במקרים כאלה פעולה מניעתית של המנהל יכולה למנוע עזיבה, וכידוע ההון האנושי הוא היקר והקשה ביותר להחלפה בארגון.

הרעיון העומד מאחורי People Analytics הוא שאם ננטר וננתח את המאפיינים והמידע על עובדי הארגון, נוכל לחזות מראש התנהגות או הסתברות גבוהה לתקלות ואז גם למנוע אותן בזמן. המטרה אינה להחליף את המנהלים, אלא לסייע להם לבצע החלטות מבוססות-מידע כדי לשמר עובדים איכותיים בארגון ולהגביר את רווחתם. שאלות שיכולות לקבל מענה באמצעות People Analytics יכולות להיות, למשל: "מהי ההתאמה האופטימאלית בין עובד X לתפקיד כלשהו?", או "מיהם העובדים עם הסיכוי הגבוה ביותר לעזוב את הארגון?".

הצעד ראשון הוא הגדרת מקורות המידע שאנו מעוניינים לכלול בחישוב. מידע זה יכול לכלול בין השאר נתוני דמוגרפיה, שכר, חו"דים, נוכחות, משמעת, ותק בעבודה ובתפקיד, שיוך ארגוני, קורסים, הצטיינות, דירוג סוציומטרי, סקרי עמדות ועוד. לשם תיוג יעיל של הדוגמאות, צריך לציין האם העובד עזב את החברה ומדוע, והאם ביוזמתו או ביוזמת החברה.

עבודה מהבית, ארכיון צילום: שאטרסטוק

מכיוון ש-People Analytics הנו תחום חדש יחסית, ברוב החברות לא מוטמעת עדיין מדיניות ברורה של איסוף מידע מבחינת ההיקף והרזולוציה שבה הוא נדגם. זו כמובן צריכה להיות השאיפה, מפני שכמו בכל פרויקט המבוסס על למידת מכונה - אתה יכול להיות טוב רק כמו המידע שאספת.

מתודולוגיות People Analytics מאפשרות לענות על אינספור שאלות עסקיות ולכן חשוב שחברות יצטרפו למגמה על ידי איסוף מידע ברזולוציה המתאימה, מה שיאפשר לפתח פתרונות ויכולות חיזוי שיפיקו ערך רב לארגונים, וגם לעובדים כמובן. העבודה מהבית פותחת דלת לשילוב מקורות מידע חדשים כגון זמני החיבור למערכת, או זמני פגישות בזום שהפכו מייצגים יותר מאז שהפסקנו להיפגש פנים אל פנים.

התנהגות ומוטיבציות אנושיות הן קשות מאוד לייצוג, וברוב המקרים דגימות המידע שנאספות אינן מספרות את הסיפור כולו. יחד עם זאת, מערכת תומכת החלטה המבוססת על היכרות עם המערכת של מומחי הידע, כלומר אנשי HR, בצרוף עם בינה מלאכותית, בהחלט עשויה לסייע למנהלים ולקובעי מדיניות לקבל החלטות מושכלות ובלתי מוטות בנוגע למשאב האנושי בארגון.

במציאות של עבודה מהבית שהופכת ל"נורמלי החדש", People Analytics עשוי להיות הכלי היעיל ביותר עבור ארגונים המבקשים לגשר על המרחק הפיזי ועל קשיי התקשורת הבינאישית, לתמוך בעובדים שלהם ולספק להם את כל הצרכים הדרושים, לשביעות רצונם ולמימוש יעדי הארגון.

הכותבת היא מדענית נתונים בצוות ה-Data Science של חברת דל טכנולוגיות בבאר שבע