ดิลก ถือกล้า | People Magazine 2/2560
ในโลกของการเปลี่ยนแปลงที่กระทบกับงาน HR หนึ่งในเรื่องสำคัญคือ ความคาดหวังว่า HR จะยกระดับงานไปสู่ระดับของการมี HR Analytics ที่ช่วยในการคาดการณ์ การทำนายเพื่อให้งาน HR เป็นไปอย่างมีประสิทธิภาพ มีการวางกลยุทธ์อย่างเป็นเชิงรุก เป็นความคาดหวังที่เป็นภาระหนักอึ้งสำหรับ โดยเฉพาะอย่างยิ่ง ได้มีความเชื่อบางอย่างที่มักจะมีในทุกองค์กรเกี่ยวกับการทำ HR Analytics ที่อาจจะทำให้เรื่องนี้เหมือนเป็นเรื่องใหญ่และยุ่งยากมากเกินจริง โดยความเชื่อดังกล่าว ได้แก่
ความเชื่อว่า คน HR ยังไม่มีประสบการณ์ที่ลึกซึ้งพอที่จะทำ HR Analytics
ผู้เขียนมองว่า การทำ HR Analytics ในองค์กร ไม่ได้ต้องการประสบการณ์ที่ลึกซึ้ง แต่ต้องการความสามารถในการทำความเข้าใจสิ่งที่อยากจะคาดการณ์ แล้วตั้งสมมุติฐานได้อย่างแม่นยำเพื่อนำไปสู่การเก็บข้อมูล ทั้งที่เป็นข้อมูลแบบที่จัดเก็บอย่างเป็นระบบ และข้อมูลที่มาแบบทุกทิศทุกทาง ซึ่ง HR สามารถวางการคาดการณ์จากเรื่องง่ายๆ ก่อนได้ เช่น แนวโน้นการเจ็บป่วย ลักษณะของคนที่จะลาออก จากข้อมูลที่มีอยู่ แล้วค่อยคาดการณ์ในเรื่องที่ยากขึ้นไป เช่น แนวโน้มของ Talent ที่จะประสบความสำเร็จในองค์กร เป็นต้น
ความเชื่อว่า HR ยังไม่มีข้อมูลเพียงพอที่จะออกแบบการวิเคราะห์เชิงคาดการณ์ได้
ผู้เขียนมองเรื่องนี้ว่า จริงบางส่วน เพราะการทำ HR Analytics ให้ได้ผลการคาดการณ์ที่จะส่งผลในทางธุรกิจ จะต้องมีการเก็บข้อมูลเชิงพฤติกรรมที่หลากหลาย ไม่ใช่เป็นข้อมูลที่มาจากถังข้อมูลที่อยู่ในเซิฟเวอร์บริษัทเพียงอย่างเดียว แต่จะต้องเปิดให้มีข้อมูลเข้ามาได้หลายทาง อย่างเช่นบริษัทยักษ์ใหญ่อย่าง Google, Netflix, Facebook ที่จะเก็บพฤติกรรมการเข้าดูข้อมูลของคน แล้วประมวลผลจนสามารถทำนายพฤติกรรม ความชอบหรือไม่ชอบของเราได้ หากจะให้ HR มีข้อมูลได้อย่างนั้น นโยบายด้านไอที จะต้องเอื้ออำนวยให้เกิดการเก็บข้อมูล จะต้องมีการลงทุนการเพื่อดูดข้อมูลเชิงพฤติกรรมที่กระจัดกระจายเข้ามาในถังข้อมูล ซึ่งหลายครั้ง องค์กรอาจจะยังไม่พร้อมที่จะเปิดให้มีการดูดข้อมูลได้ถึงระดับนั้น
ความเชื่อว่า HR จะต้องลงทุนอย่างมหาศาลทางด้านเทคโนโลยีเกี่ยวกับการเก็บข้อมูลเพื่อทำการวิเคราะห์เชิงคาดการณ์
ผู้เขียนมองว่า ความเชื่อนี้จริงถ้าหากว่าเรากำลังมองการวิเคราะห์คาดการณ์เป็นระดับวิเคราะห์เชิงทำนายพฤติกรรมคล้ายกับ Facebook ทำกับพวกเรา ซึ่งยังอีกไกลมาก แต่หากมองการวิเคราะห์ว่า เป็นการนำข้อมูลมาใช้หลักสถิติ หรือโปรแกรมด้านสถิติที่ไม่ต้องลงทุนมาก อย่าง Excel, Tableau ด้วยข้อมูลที่มีอยู่ในปัจจุบัน เพื่อตอบสมมุติฐานด้าน HR เราก็ยังสามารถทำได้ และเป็นการฝึก HR เองในเรื่องการวิเคราะห์จากข้อมูลที่หาได้บนโปรแกรมง่ายๆ ด้วย
ความเชื่อว่า HR สามารถทำการวิเคราะห์เชิงคาดการณ์ได้ง่ายๆ ด้วยการลงทุนด้านโปรแกรมประมวลข้อมูลและจัดทำรายงานที่เรียกว่า Business Intelligence หรือ BI
ผู้เขียนมองว่า การมีโปรแกรม BI ไม่ได้ช่วยให้การทำ Analytics มีความง่าย หรือความยาก แต่อาจจะช่วยเรื่องความสะดวกในการประมวลรายงาน ออกมาเป็นรูปแบบที่สวยงาม มีมิติที่หลากหลาย สิ่งสำคัญอยู่ที่ว่า เราเข้าใจข้อมูลที่เรามีอยู่มากน้อยเพียงใด ว่าจะเอาเข้ามาในระบบการประมวลอย่างไร เป็นการตั้งต้นที่เรามากกว่าที่จะเป็นการให้ BI เป็นตัวช่วย
ความเชื่อว่า HR เราจะต้องจากนักสถิติกลุ่มใหญ่ไว้ก่อนเพื่อเราสามารถทำตัวแบบการวิเคราะห์เชิงคาดการณ์ได้
ผู้เขียนเคยเข้ารับการอบรมเรื่อง Big Data ที่สิงคโปร์ เขาบอกว่าคุณสมบัติของคนที่จะเป็น Data Scientist คือคนที่จะทำทางด้าน Analytics ได้ดี จะต้องมีคุณสมบัติ 3 ด้าน คือ หนึ่ง มีทักษะด้านสถิติ สอง มีทักษะแบบ Hacker และความชอบในการสืบเสาะค้นหาแบบ Hacker และสาม มีความเข้าใจในธุรกิจ ซึ่งหมายความว่า เราไม่จำเป็นต้องจ้างนักสถิติเข้ามาเป็นกลุ่มใหญ่ แต่ให้ได้คนที่มีคุณลักษณะดังกล่าว เพียงคนเดียว ก็จะช่วยให้เกิดการทำการวิเคราะห์เชิงคาดการณ์ได้
สิ่งที่ผู้เขียนมองเรื่องนี้ก็คือ การทำ HR Analytics หรือการวิเคราะห์เชิงคาดการณ์ในงาน HR เราควรจะเริ่มจากการตั้งสมมุติฐานในเรื่องที่ใกล้ตัว และมีข้อมูลอยู่พอสมควร แล้วทดลองทำเพื่อเป็นการทดสอบ แล้วค่อยขยาย ยกระดับขึ้นไปในระดับที่ยาก และลึกซึ้งขึ้น
ประสบการณที่ผู้เขียนและทีมงานเคยได้เคยทดลองทำ คือ การวิเคราะห์พนักงานที่ลาออกในหน่วยงานแห่งหนึ่งที่สูงถึง 14% ต่อปี ด้วยการตั้งสมมุติฐานว่า คนที่ลาออกจะเป็นกลุ่มไหน แล้วทำข้อมูลเพื่อดู Model คนลาออกว่า มีลักษณะร่วมอย่างไร เราได้ตัวแบบมาตัวหนึ่ง แล้วลองทำการคาดการณ์ว่า พนักงานกลุ่มไหน มีความเสี่ยงที่จะลาออก แล้วเราดึงรายชื่อออกมา ผลก็คือ สายงานไม่เห็นด้วย และมองว่า เป็นการทำนายที่ไม่มีนัยยะอะไร แล้วปฏิเสธเรื่องนี้ อย่างไรก็ดี จากนั้นไม่นาน คนที่เราเคยทำนายไว้ก็ได้ลาออกไปจริงๆ อย่างน้อย 2-3 คน ในช่วงไม่ถึงปี หลังจากเราได้ทำ Analytics Model เอาไว้ ทำให้ผู้บริหารหน่วยงานกลับมาสนใจ เราจึงได้ทำการวิเคราะห์เพิ่มเติมด้วยการเติมข้อมูลจากการทำ Exit Interview ประกอบ เพื่อให้ได้ภาพของแนวทางในเชิงป้องกัน และเป็นที่มาของการทำกิจกรรมหลายอย่างที่ช่วยแก้ไขปัญหา และสร้างบรรยากาศการทำงาน จนทำให้มีอัตราการว่างงานลดลงเหลือ 6.7% ต่อปี
นี่ถือเป็นการใช้ HR Analytics เป็นจุดตั้งต้นของการแก้ปัญหาเชิงรุก ซึ่งเป็นตัวอย่างของการลบล้างความเชื่อเกี่ยวกับ HR Analytics ที่ผู้เขียนได้กล่าวถึงข้างต้น