Μεγάλα δεδομένα – αναλυτική ανθρώπινων πόρων

Abstract

Οι επιτυχημένες επιχειρήσεις βασίζονται στη συστηματική συλλογή, επεξεργασία και αξιοποίηση δεδομένων για τη λήψη αποφάσεων. Δίχως αμφιβολία, η χρήση μεγάλων δεδομένων μετασχηματίζει τον τρόπο λειτουργίας της διεύθυνσης ανθρώπινου δυναμικού και κατ’ επέκταση επηρεάζει κάθε εργαζόμενο. Καθίσταται, επομένως, επιτακτική η ανάγκη αξιοποίησης των σχετικών αλλαγών για την επίτευξη διατηρήσιμου ανταγωνιστικού πλεονεκτήματος, κάτι που άλλωστε είναι και βασικός στόχος της στρατηγικής διοίκησης ανθρώπινου δυναμικού. Το όγδοο κεφάλαιο του βιβλίου διερευνά αρχικά την έννοια «μεγάλα δεδομένα», αναλύει ορισμένους «μύθους» σχετικά με αυτά, όπως αυτοί αποτυπώνονται στη βιβλιογραφία και στη συνέχεια εστιάζει τη μελέτη στο οργανωσιακό περιβάλλον και ειδικότερα στη διοίκηση ανθρώπινων πόρων. Παρουσιάζει δηλαδή τη λεγόμενη «αναλυτική ανθρώπινων πόρων» (περιγραφική, προβλεπτική, ρυθμιστική/κανονιστική) και καταδεικνύει την εφαρμογή της στον προγραμματισμό ανθρώπινου δυναμικού και στη διοίκηση των ταλέντων. Τέλος, εισάγει τον αναγνώστη σε θέματα ηθικής των μεγάλων δεδομένων.

Successful businesses are based on the systematic collection, processing and utilization of data in decision making. Without a doubt, the use of big data is transforming the way the human resources department operates and, by extension, affects every employee. It therefore becomes imperative to take advantage of the relevant changes to achieve a sustainable competitive advantage, which is also a key objective of strategic human resource management. The eighth chapter of the book first explores the concept of "big data", analyzes some "myths" related to it, as they are reflected in the literature and then focuses on the organizational environment and in particular on the management of human resources. It presents the so-called "analytics of human resources" (descriptive, predictive, regulatory/normative) and demonstrates its application in human resource planning and talent management. Finally, it introduces the reader to big data ethics.