Вовлеченные сотрудники. Как создать команду, которая работает с полной отдачей и достигает высоких результатов. Анна Егорова
Чтение книги онлайн.

Читать онлайн книгу Вовлеченные сотрудники. Как создать команду, которая работает с полной отдачей и достигает высоких результатов - Анна Егорова страница 8

СКАЧАТЬ исправить «недружелюбный» текст сообщения перед отправкой.

      «Умные» сервисы помогают определять отношения между людьми, командами и отделами, анализируя организационные сети (ONA). Они выявляют неформальных лидеров и аутсайдеров, дают руководителям и HR-специалистам информацию о том, какие люди и команды сотрудничают продуктивно, а кому нужна помощь и поддержка.

      Алгоритмы способны предсказывать отток персонала, выявляя сотрудников или команды, планирующие увольнение. Например, платформа Peakon[13] имеет алгоритм «прогнозирования увольнения», анализирующий общение сотрудников по ключевым словам, которые обычно используются перед собеседованием. Получив сведения, руководители или HR-менеджеры могут адаптировать свои стратегии удержания и найм, предотвратив тем самым увольнение ценного специалиста или проблему нехватки персонала.

      Умные сервисы могут выявлять распространение негативных слухов или разглашение конфиденциальной информации. Такая практика уже существует в продажах и маркетинге. Сервисы сортируют неструктурированные отзывы клиентов на положительные и отрицательные. То же самое они способны делать и относительно оценки бренда работодателя.

      Современные технологии анализируют информацию не только пассивно, но и рассылают открытые вопросы сотрудникам. Затем инструменты НЛП просматривают каждый ответ, анализируют настроение слов и предоставляют подробный отчет руководителям и HR-менеджерам.

      Преимущества очевидны, но компаниям необходимо заботиться об уровне конфиденциальности сбора таких данных. Если сотрудники будут знать, что любая переписка и комментарии анализируются, будут ли они чувствовать себя в безопасности, будут ли откровенны? Очевидно, что любую технологию можно использовать как во вред, так и на пользу. Многие вспомнят пример, хорошо иллюстрирующий это: основатель компании Xsolla[14] Александр Агапитов 4 августа 2021 года опубликовал обращение об увольнении невовлеченных и малопродуктивных сотрудников на основании анализа их активности в рабочих чатах, почте, документах. Очевидно, что подобными действиями руководство наносит ущерб вовлеченности сотрудников и бренду работодателя. Поставьте себя на место сотрудников. Насколько комфортно им теперь будет работать в компании? Как действия руководства отразились на уровне их доверия к нему?

      Поэтому в работе с опросами так важна конфиденциальность сбора и анализа данных, а также то, как руководство использует полученную информацию и работает с ней.

      Вопрос конфиденциальности данных беспокоит не только пользователей, но и разработчиков таких сервисов. Например, сервис KeenCorp[15] не «собирает и не хранит в отчетах» информацию об отдельных сотрудниках. Вся информация, позволяющая идентифицировать личность, удаляется.

      Машинный анализ текста все еще находится на стадии разработки. Пока нет уверенности в том, что он СКАЧАТЬ



<p>13</p>

Workday Peakon Employee Voice / https://www.workday.com/en-us/products/employee-voice/overview.html

<p>14</p>

Маша Цепелева. Xsolla уволила часть сотрудников пермского офиса после «анализа их активности» в рабочих чатах. 2021 / https://vc.ru/hr/277507-xsolla-uvolila-chast-sotrudnikov-permskogo-ofisa-posle-analiza-ih-aktivnosti-v-rabochih-chatah

<p>15</p>

KeenCorp Workforce Analytics / https://keencorp.com/