บิ๊กดาต้ากับการบริหารทรัพยากรบุคคล

และเป็นงานที่ต้องผสมผสานระหว่างการใช้ข้อมูล (Data) ประสบการณ์ (Experience) และสามัญสำนึก (Common Sense) การใช้ Big Data ในการวิเคราะห์เพื่อบริหารทรัพยากรบุคคล จึงได้รับความสนใจเป็นอย่างมากตั้งแต่ขั้นตอนการวางแผนกำลังคน (Workforce Planning) การสรรหา (Recruiting) การฝึกหัดและวัดผลงาน ( Training and Evaluating) จนไปถึงการลดการสูญเสียพนักงาน (Workforce Attrition) ซึ่งการใช้ Big Data ในการวิเคราะห์สิ่งเหล่านี้จะทำให้พบข้อมูลเชิงลึก (Insight) หลายประการที่น่าสนใจ

ชั่วโมงทำงานที่น้อยกว่าอาจให้ผลงานที่ดีกว่า

การบังคับให้สแกนลายนิ้วมือเข้าออกงาน เพื่อนับชั่วโมงทำงาน ยังเป็นตัวชี้วัดการทำงานตัวหนึ่งที่ใช้ในหลายองค์กรในเมืองไทย ทั้งที่ตำแหน่งงานที่ทำอาจไม่ได้เป็นตำแหน่งที่จำเป็นต้องมีเวลาในการทำงานตายตัว จากผลการศึกษาของ UBS ในปี 2561 ที่ผ่านมา คนกรุงเทพเราติดอันดับคนในเมืองที่มีชั่วโมงทำงานสูงเป็นอันดับที่ 15 ของโลก โดยเรามีชั่วโมงทำงานอยู่ที่ 2,209 ชั่วโมงต่อปี หรือ 42 ชั่วโมงต่อสัปดาห์ สวนทางกับรายได้ของเราเป็นอันดับที่ 61 ในขณะที่คนโตเกียวมีชั่วโมงทำงานเป็นอันดับที่ 32 แต่มีรายได้เป็นอันดับที่ 17 ของโลก และคนนิวยอร์กมีชั่วโมงทำงานเป็นอันดับที่ 25 แต่มีรายได้เป็นอันดับที่ 7 ของโลก แล้วทำไมเราต้องใช้เวลาในการทำงานสูงขนาดนี้ ในขณะที่คนเมืองในบางประเทศไม่จำเป็นต้องใช้เวลาทำงานเท่าเรา แต่กลับมีรายได้มากกว่าเรา มีผลผลิตของทรัพยากรบุคคลมากกว่าเรา

 สวีเดนได้ทำการวิจัยพยาบาลที่ทำงานในสถานดูแลคนชรา โดยเปรียบเทียบระหว่างกลุ่มพยาบาลที่ทำงาน 8 ชั่วโมงต่อวัน กับกลุ่มพยาบาลที่ลดระยะเวลาการทำงานลงเหลือ 6 ชั่วโมงต่อวัน โดยไม่ลดเงินเดือน ซึ่งผลที่ได้คือ

• พยาบาลที่ทำงาน 6 ชั่วโมง มีจำนวนครั้งการลาป่วยน้อยกว่าพยาบาลที่ทำงาน 8 ชั่วโมง ถึง 5%
• พยาบาลที่ทำงาน 6 ชั่วโมง มีการทำกิจกรรมสันทนาการกับผู้สูงอายุมากกว่าพยาบาลที่ทำงาน 8 ชั่วโมงถึง 64%
• พยาบาลที่ทำงาน 6 ชั่วโมง มีความสุขมากกว่าและมีความเครียดต่ำกว่าพยาบาลที่ทำงาน 8 ชั่วโมง

 การวิจัยนี้เป็นตัวอย่างหนึ่งที่แสดงให้เห็นว่าผลงานที่ดี ไม่ได้แปรผันตรงกับชั่วโมงในการทำงานที่สูง แต่การทำงานด้วยจำนวนชั่วโมงที่พอเหมาะ และมีความสมดุลระหว่างชีวิตส่วนตัวและชีวิตการทำงาน (Work-Life Balance) ที่ดีนั้นมีผลต่อประสิทธิภาพการทำงาน ในขณะที่งานวิจัยจาก McKinsey ก็พบว่า Productivity (ผลผลิตหรือผลงาน) ที่สูงนั้นไม่ได้มาจากชั่วโมงการทำงานที่สูง แต่เป็นแรงจูงใจในชีวิต และการมีความหมายในสังคม ที่ผลักดันให้มนุษย์สามารถเค้นประสิทธิภาพในการทำงานได้อย่างดี ซึ่งผู้บริหารที่มีสิ่งเหล่านี้สามารถทำผลงานได้มากกว่าปกติถึง 5 เท่า  ในขณะที่พนักงานฝึกหัดเองก็สามารถลดระยะเวลาในการฝึกหัดลงได้ถึงครึ่งหนึ่งของระยะเวลาฝึกหัดปกติ

การทำงานในหน้าที่เดิมซ้ำๆ คือปัจจัยสำคัญที่สุดที่ทำให้พนักงานลาออก

กว่าจะได้คนทำงานที่มีคุณภาพสูงสักคนหนึ่ง ที่ผ่านการฝึกอบรมและมีประสบการณ์จากการทำงานกับทีมที่เข้าขากันได้ เป็นสิ่งที่ทุกองค์กรรู้ว่าต้นทุนนี้สูงแค่ไหน จึงไม่แปลกที่การลดการสูญเสียของพนักงาน (Workforce Attrition) เป็นหัวข้อยอดฮิตที่ Big Data Analytics ถูกนำมาใช้ในการวิเคราะห์

 หลายคนอาจคิดว่าคนส่วนใหญ่ออกจากงานเพราะเข้ากับที่ทำงานไม่ได้ หรือได้เงินเดือนน้อย ผลงานวิจัยที่ตีพิมพ์ใน Havard Business Review ได้พบตัวแปรกว่า 96 ตัวแปร ใน 23,000 ตัวแปร จากข้อมูลกว่า 5 ปี และสร้างโมเดลซึ่งมีความแม่นยำถึง 80% โดยพบว่าปัจจัยที่สำคัญที่สุดในบรรดาตัวแปรเหล่านี้ที่ทำให้พนักงานออกจากงานคือ การถูกมอบหมายให้ทำงานในหน้าที่เดิมนานจนเกินไป ซึ่งหมายความว่า ยิ่งพนักงานคนหนึ่งอยู่ในตำแหน่งเดิมยิ่งนานเท่าไร หรือถูกให้ทำงานเดิมซ้ำๆ กันมากเท่าไร ก็ยิ่งมีแนวโน้มที่จะลาออกมากขึ้นเท่านั้น

ข้อมูลบนโซเชียลช่วยให้การตัดสินใจรับคนเข้าทำงานแม่นยำขึ้น

วันนี้หลายองค์กรลดความสำคัญในการดูใบผลการเรียน (Transcript) หรือสถาบันการศึกษาที่จบมาจนเหลือน้อยลงเรื่อยๆ ซึ่งเรากลับพบว่าการที่ได้พูดคุยกับผู้สมัครงานในเรื่องราวทั่วไป ยกสถานการณ์ที่หลากหลาย ซึ่งอาจไม่ได้เกี่ยวกับงานโดยมาถามและดูปฏิกริยาของผู้สมัครในระหว่างการสัมภาษณ์ ทำให้บริษัทสามารถคัดกรองผู้สมัครได้ดีกว่าการคัดคนจากใบผลการเรียนเสียอีก

 ในหลายตำแหน่งสำคัญที่หัวหน้างานใช้วิธีค้นหาข้อมูลบนโซเชียลที่เปิดสาธารณะ ทำให้รู้จักตัวตนของผู้สมัครครบรอบด้านมากขึ้น จนนำไปสู่การตัดสินใจที่แม่นยำขึ้น ซึ่งวันนี้ Social Credit Score ได้เกิดจากการรวบรวมพฤติกรรมของคนๆ หนึ่ง ไม่เพียงการใช้ Social Media อย่าง Facebook, Twitter, Instagram แต่รวมถึงเว๊บไซต์ที่เข้าไปอ่านบ่อยๆ หรือบล็อกที่เข้าไปตอบ นำมาประมวลผลออกเป็นคะแนนที่ทำให้เรารู้จักคนๆ หนึ่งมากขึ้น โดยได้เริ่มถูกนำไปใช้ในการประกอบการตัดสินใจอนุมัติเงินกู้ และประกอบผลการรับสมัครเข้าทำงานได้อย่างแม่นยำแล้ว

 แน่นอนว่า Big Data ไม่ได้เป็นประโยชน์ต่อองค์กรเพื่อใช้ในการบริหารจัดการพนักงานเพียงฝ่ายเดียว แต่ในทางกลับกัน ตัวคนทำงานเองก็สามารถนำมาวิเคราะห์เปรียบเทียบกับคนทำงานอื่นๆ เพื่อลดจุดอ่อน เสริมจุดแข็ง และพัฒนาตัวเองให้มี Productivity และ Value ได้มากขึ้นเช่นกัน