ピープル アナリティクスを使用して効率的な学習組織になる
公開: 2017-03-10テクノロジーが急速に変化しているという事実を考えると、すべての組織は、最先端に留まることができるように、継続的な学習に投資することの重要性を理解しています。 さて、学習する組織であることの重要性について話すのはまったく問題ありませんが、従業員の学習を実際にどのように測定するのでしょうか?
これは、特に NLP や人工知能などの新しい技術分野では大きな課題になる可能性があります。 プログラマーとコンピューター エンジニアが競争に必要なスキル セットを持っているかどうかをどのように判断しますか? 追加のトレーニングが必要ですか? 最適なトレーニング方法はどれですか? そして、あなたは誰を高度なトレーニングに選びますか? それとも新鮮な血を雇うべきですか？
これらは非常に重要な質問であり、CEO、CTO、デリバリー チーフ、ビジネス ユニットが夜通し頭を悩ませています。 驚くべきことに、彼らはプログラマーの技術的スキルを客観的に評価する良い方法を持っていないため、彼らはそれらに答える方法を知りません。 これらの企業の成功は従業員の技術的能力に基づいているという事実を考えると、これは驚くべき欠落です。
学習評価の問題
彼らは、今日の技術学習評価が不正確で不正確であるという事実によって妨げられています. それらは通常非常に主観的であり、特定のプログラマーのマネージャーが自分のスキルについて感じていることに基づいています。 チーム内のすべてのプログラマーの技術的能力は同じではなく、全員が平等であると仮定するのは非常に近視眼的です。 ただし、従業員の評価は簡単に操作できます。個人が高い技術的能力の評価を得ているのは、その人が本当にプログラミングの天才であるためなのか、それともマネージャーに夢中になるのが得意なためなのかを知ることはできません。
スター プログラマーは、普通のプログラマーの 10 倍の生産性を発揮できます。 これらのスター プログラマーを特定するにはどうすればよいでしょうか。 彼らがますます良くなるのをどのように助けますか？ 上司を怒らせるのが得意であるためにスペースを占有しているだけのパフォーマンスの悪いプログラマーをどのように排除するのでしょうか?
今日の技術的能力評価の問題点は、簡単にだまされやすいことです。 現在、ほとんどのテクニカル スキル アセスメント エンジンは、単純な多肢選択問題のみを提供しています。 これらは信頼できないことで有名です。なぜなら、賢いプログラマーは内容についてまったく無知であるにもかかわらず、正しい答えを推測できるからです。 別の一般的に使用される評価オプションは、アルゴリズムのスキルをテストしますが、これは多くのコーディングを伴う仕事をしている従業員にのみ役立ちます。 これらのスキルが日常業務に関連していない他の多数の役割 (フロント エンド、バック エンド) についてこれをテストしても意味がありません。
ゴールド スタンダードは、エンジニアが実際の能力を証明できるように解決しなければならない実際のコーディング問題を使用してテストすることです。 現在、これは通常、ホワイトボードを使用して行われ、高度なスキルを持つエンジニアが面接を受けています。 しかし、これには人間の介入が必要なため、非常に費用と時間がかかり、若手採用には適用できません。 インドの大学の成績表と成績は非常に信頼できないため、ここから問題が始まります。
技術評価トレーニングのためのより良い方法、つまり人間に依存せず、継続的な学習を促進するエンジンが必要です。 これは、スターを迅速に追跡して最高のプロジェクトに割り当てることができるため、会社にとって非常に役立ちます。これにより、会社により多くの勝利をもたらすことができます。 また、パフォーマンスの低い人を特定できるため、彼らが取り残されないように、スキルを上げたり再スキルしたりすることができます。
会社が従業員の技術的な長所と短所を個人レベルで理解している場合にのみ、これを効率的に行うことができます。 これらのピープル アナリティクスを使用して、従業員が世界の進化に対応し続けるために必要な最先端のスキルを確実に身につけることができます。
これらのメトリクスは、ビジネス デリバリー ヘッドがトレーニング コースを計画するのに役立ちます。なぜなら、彼らは自分のスキル ギャップが何であるか、そしてそれらを埋めるために必要な速さを知ることができるからです。 この能力の客観的基準は、ビジネス マネージャーがチームによりインテリジェントにスタッフを配置するのにも役立ち、従業員の稼働率スコアを最適化できます。 現在、彼らはそれを翼にして、無能なコーダーを補うために賢い人を雇っていますが、これらの指標は彼らがより良い割り当ての決定を下すのに役立ちます.
最高人事責任者が行っていること
最高人事責任者は、適切な人材を特定、採用、開発、および保持するのに役立つ予測モデルの展開をすでに開始しており、人的資本を最大化できます。 人事データのマッピングは、組織が問題点を特定し、将来の投資に優先順位を付けるのに役立ちます。
あなたにおすすめ:
メタバースがインドの自動車産業をどのように変革するか
反営利条項はインドのスタートアップ企業にとって何を意味するのか?
Edtech スタートアップがインドの労働力のスキルアップと将来への準備をどのように支援しているか...
今週の新時代のテック株：Zomatoのトラブルは続き、EaseMyTripはスト...
インドの新興企業は資金調達を求めて近道をする
デジタル マーケティング プラットフォームの Logicserve が 80 億ルピーの資金を調達し、LS Dig...
DoSelect は、従業員の技術的能力に関する分析を提供するための巧妙で最先端のオンライン ソリューションを考案しました。 アルゴリズムだけでなく、日々のタスクに関連するスキルで候補者をランク付けするシミュレートされた評価を作成しました。
これは従業員にとっても非常に役立ちます。なぜなら、従業員は自分の欠点が何であるかを客観的に理解し、それを補うために助けを求めることができるからです。従業員は自分のキャリアアップを加速することができ、自分の能力を客観的に証明できるようになります。鑑定時はスキルアップ中。
野心的なプログラマーは昇給と昇進を得るために評価を成功裏に完了するために互いに競争するため、これにより正の美徳サイクルが作成されます。 医師が継続的な医学教育 (CME) を必要とするのと同じように、コンピューター プログラマーにも継続的な技術教育が必要です。 人事部はこれの重要性を理解していますが、ほとんどの人事部員はコーダーの技術的スキルを判断できるほどの資格を持っていません。
実力主義が勝つべき
プログラマーのキャリア全体の技術的能力を表示するダッシュボードにより、組織は真の実力主義になり、優れたエンジニアは技術的に優れているために昇進します。 スキルがあればキャリアアップも見込めるので、優秀なエンジニアがさらに集まる会社です。
技術的スキルを適切に測定し、十分に報いることができる会社は、市場で不公平な競争力を持っています。
さらに良いことに、このダッシュボードは、人事部門が提供する任務を負っているトレーニングの価値を証明するために使用できます。 すべての IT 組織はトレーニングに多額の費用を費やしており、その多くは独自の大学を設立しています。
悲しいことに、彼らはトレーニングが機能するかどうかについて何も知りません。 なぜそれが機能するのか; それが機能するとき; どのトレーニングがより効果的で、誰にとって効果的かを判断するのは、データ分析を行うためのデータ分析がないために分析できない変数が非常に多いためです (これらの IT 組織が収益を上げているという事実を考えると、これは少し皮肉なことです)。クライアントにデータ分析を提供します!)
これらの企業は、提供するトレーニングに関する基本的な質問にまだ答えることができません。 オンラインでトレーニングを行う方が良いですか？ ピアツーピアの方が優れていますか? 教室でのトレーニングはより良いですか？ 1対1で非公式に行うべきですか？ 多くのオプションがありますが、フィードバック ループが閉じられないため、多くの混乱が生じるだけです。
問題は、今日の企業が技術トレーニングに何百万ドルも費やしていることですが、トレーニング コースの結果を評価するための測定ツールが不十分なため、足を引っ張っています。 現在、信頼できるのは参加と完了のデータと従業員からのフィードバック レビューだけですが、技術的なパフォーマンスの向上を定量化できる方法で測定する方法は実際にはありません。 これこそが聖杯であり、DoSelect (私がエンジェル投資家である会社) ダッシュボードが提供すると約束しているものです。
DoSelect の機能
今日の大きな問題点は、適切なスキルを持つエンジニアを適切なプロジェクトに割り当てることです。 エンジニアの能力とプロジェクトの複雑さを確実に一致させる必要があるため、これは重要な決定です。 現在、チーム リーダーとプロジェクト マネージャーは人事チームと緊密に連携して、有効なプロファイルを特定しています。
HRMS/HRIS システムにクエリを実行して、関連するスキルを持つ人材を特定し、最終選考に残ったプロファイルを使用して、社内の技術チームとクライアントから面接を受けます。 問題は、人材プールが非常に浅くなり、プロファイルの大部分が不十分になっていることです。 その場合、会社は新しい従業員を戦時体制で雇うか、従業員のスキルを再教育する必要があります。どちらも複雑で費用のかかる作業です。
彼らは非常に大きな利益率を持っていたので、これらの非効率性を回避することができました. ただし、これらが削られるにつれて、エンジニアの技術的洞察力をより正確に測定するために、より優れたツールを使用する必要があります。
評価は目的ではなく、目的を達成するための手段であり、最終的には人事管理におけるデータ駆動型の意思決定です。 人をウィジェットとしてではなく、人として扱う必要があります。
[アニルッダ・マルパニ博士によるこの投稿は、LinkedIn に最初に掲載されたもので、許可を得て転載しています。]