نقش تحلیل داده‌های رفتاری در مدیریت عملکرد منابع انسانی
کلمات کلیدی:
تحلیل داده‌های رفتاری, مدیریت عملکرد, منابع انسانی, هوش مصنوعی, داده‌محوری, فرهنگ سازمانیچکیده
هدف: هدف این مطالعه بررسی تأثیر تحلیل داده‌های رفتاری بر بهبود مدیریت عملکرد منابع انسانی و شناسایی ابعاد کلیدی آن در سازمان‌ها است.
مواد و روش‌ها: این پژوهش از نوع مروری کیفی است و بر اساس تحلیل ۱۲ مقاله منتخب منتشرشده در حوزه تحلیل داده‌های رفتاری و مدیریت عملکرد منابع انسانی انجام شد. داده‌ها با استفاده از مرور نظام‌مند و تحلیل محتوای کیفی استخراج شد و به اشباع نظری رسید. برای تحلیل و سازماندهی داده‌ها از نرم‌افزار Nvivo نسخه ۱۴ استفاده گردید و کدها در قالب مضامین اصلی و زیرمضامین طبقه‌بندی شدند.
یافته‌ها: یافته‌ها نشان داد که تحلیل داده‌های رفتاری سه بعد اصلی دارد: «بهبود عملکرد کارکنان»، «نقش فناوری و زیرساخت داده‌ای»، و «پیامدهای سازمانی». تحلیل رفتار کارکنان موجب شناسایی الگوهای عملکرد، پیش‌بینی رفتارهای پرخطر و ارائه بازخورد شخصی‌سازی‌شده می‌شود. فناوری‌های داده‌محور مانند HRIS، هوش مصنوعی و کلان‌داده، امکان پردازش و تحلیل حجم وسیعی از داده‌ها را فراهم می‌کنند. پیامدهای سازمانی شامل بهبود تصمیم‌گیری منابع انسانی، افزایش انگیزش و درگیری شغلی، توسعه سرمایه انسانی و ارتقای شفافیت و اعتماد سازمانی است. همچنین، اجرای تحلیل داده‌های رفتاری نیازمند توجه به مسائل اخلاقی، حریم خصوصی و کیفیت داده‌هاست.
نتیجه‌گیری: تحلیل داده‌های رفتاری ابزاری مؤثر برای بهبود مدیریت عملکرد منابع انسانی است که می‌تواند تصمیم‌گیری مبتنی بر شواهد را تقویت کرده و فرهنگ داده‌محور در سازمان‌ها ایجاد کند. با این حال، توجه به زیرساخت‌های فناورانه، چارچوب‌های اخلاقی و آموزش مدیران برای تفسیر داده‌ها، شرط موفقیت این رویکرد محسوب می‌شود.
دانلودها
مراجع
Bondarouk, T., & Brewster, C. (2016). Conceptualising the future of HRM and technology research. The International Journal of Human Resource Management, 27(21), 2652–2671.
Bodie, M. T., Cherry, M. A., McCormick, M. L., & Tang, J. (2020). The law and policy of people analytics. University of Colorado Law Review, 91(1), 99–153.
Davenport, T. H. (2018). The AI advantage: How to put the artificial intelligence revolution to work. MIT Press.
Huang, M. H., & Rust, R. T. (2021). Engaged to a robot? The role of AI in service. Journal of Service Research, 24(1), 30–41.
Huselid, M. A. (2018). The science and practice of workforce analytics: The state of the field and future directions. Human Resource Management, 57(3), 679–684.
Kaur, J., & Fink, A. (2021). Data-driven HR: Framework for effective analytics adoption. Human Resource Development Review, 20(4), 432–457.
Lepri, B., Staiano, J., Sangokoya, D., Letouzé, E., & Oliver, N. (2018). The tyranny of data? The bright and dark sides of data-driven decision-making for social good. Big Data, 5(1), 1–14.
Marler, J. H., & Boudreau, J. W. (2017). An evidence-based review of HR Analytics. The International Journal of Human Resource Management, 28(1), 3–26.
Marler, J. H., & Liang, X. (2022). Information technology, strategic human resource management, and human capital: A multilevel review and integration. Human Resource Management Review, 32(2), 100–117.
Meijerink, J., Bondarouk, T., & Lepak, D. (2021). New ways of working through ICT: How HRM activities, digital work, and employee well-being are connected. Human Resource Management Review, 31(1), 100–104.
