Пономарьова О.І., Ковальова А.В.

Харківський національний економічний університет, ХНУ ім.О.М.Горького

ДЕЯКІ СУЧАСНІ ТЕХНОЛОГІЇ ОПТИМІЗАЦІЇ ЕЛЕКТРОННОГО МЕНЕДЖМЕНТУ ЛЮДСЬКИХ РЕСУРСІВ

В умовах нинішніх процесів глобалізації й спеціалізації багато компаній стали усе більше уваги приділяти процесу прийому фахівців на роботу й оцінювання рівня їхньої кваліфікації.

Практично всі компаній сьогодні розуміють, що в галузі трудових ресурсів відбувся перехід від питання затрат на працівників до ефективного відбору кадрів. На сучасному етапі проблемою більшості компаній, на думку фахівців, є не кількість працівників, а правильний їх вибір. Це означає, що в компанії завжди повинні бути відповідні люди на всіх посадах, тобто «менеджмент знань» вимагає більшої уваги до людського фактора.

Ефективна система планування кадрів має потребу у відповідних менеджерах, які були б обізнані у принципах ведення бізнесу й знали всі тонкощі діяльності компанії. Важливо, щоб вони змогли об'єднати різні функції менеджерів з персоналу й узгодити їх зі стратегічними планами компанії.

З іншого боку, на підприємствах спостерігається зниження ролі відділів з роботи із персоналом у зв'язку з тим, що основні завдання по відбору кадрів покладені на самих працівників. Існуючі новітні інформаційні технології дозволяють сьогодні вирішувати подібні питання.

Однією з таких технологій є Пошук Даний у Базі Інформації (KDD) і, як перший крок для її створення, Система Пошуку Даних (Data Mining) [1;108 ]. На нашу думку, ця система не лише полегшує процес прийняття працівників на роботу, а й дозволяє приділяти більше уваги якісним характеристикам претендентів, рівню їхньої підготовки й проведенню консультацій.

Щоб зрозуміти, як працює ця система, необхідно, на наш погляд, звернутися до досвіду роботи німецького заводу Крайслер. Декілька років тому на підприємстві було ухвалене рішення про заміну старої системи відбору кадрів на нову, електронну [1;111]. Ця система одержала назву «ePeople» й являла собою централізований сайт, що приймав анкети усіх претендентів, ставши корисним для прийняття рішень про керування трудовими кадрами, їх підготовку та оплату праці.

На думку учасників програми, вона стала також ефективною для оцінки кандидатів за різними характеристиками, а не за окремими показникам, що змінило підхід до самої процедури як у адміністрації, так й у самих кандидатів.

Принцип системи ePeople охоплює весь цикл роботи працівника з моменту його зарахування на роботу до моменту звільнення. В ідеальному варіанті, як це було передбачено в компанії Крайслер, дані про кандидата, що ураховували всі наявні у нього вміння й навички надходили в електронному вигляді до бази даних, де оброблялися безпосередньо системою. Таким чином, не було необхідності залучення інших фахівців до цієї роботи. Вся інформація про кожного робітника зберігається в базі даних до самого моменту його звільнення або виходу на пенсію.

Аналіз досвіду компанії Крайслер показує, що особливою перевагою для компанії стало надання більшої свободи робітникам й делегування ширших повноважень своїм менеджерам [1;120]. Такий підхід відкривав прямий доступ до інформації, що зберігається, кожному бажаючому. Будь-який працівник має можливість роздрукувати інформацію про атестації або ознайомитися з даними про себе. Зрозуміло, що сектор, у якому зберігається така інформація, розділений на дві підсекції: одна для керівництва, а інша для працівників. За допомогою такої системи керівництво має можливість ініціювати переміщення кадрів і спілкуватися з менеджерами з відділу по роботі з кадрами та одержувати звіти [1; 117].

Особливу увагу привертає той факт, що центральне місце у технології «ePeople» займає можливість менеджменту навичок та умінь працівників. За допомогою системи керівництво може проаналізувати рівень кваліфікації працівників та визначити перспективи їх подальшого просування на більш відповідальні посади.

На заводі Крайслер такий підхід до керування вміннями робітників використовується при першому ж контакті з потенційним працівником. Коли кандидат звертається на завод онлайн, його просять заповнити так зване «дерево компетентності» для визначення його або її навичок. Кандидат надає чіткий опис своїх компетенцій, що істотно допомагає знайти та взяти на роботу тих фахівців, які потрібні компанії на певному етапі. Кожна навичка оцінюється за різними критеріями по шкалі від «фахівець» до «базові знання». Усього пропонується близько 500 навичок різних категорій, які можна обирати.

Як визнають самі автори проекту, сьогодні складно говорити про бездоганну структуру цієї шкали. Недоліком є факт, що той самий термін може використатися в одному значенні в одній категорії й абсолютно в іншому значенні в іншій категорії [1;128]. Таким чином, одним з першочергових завдань є створення чіткої шкали компетентності.

На цьому етапі стає необхідним пошук текстових даних, який являє собою технологію, що дозволяє користувачеві вибрати й проаналізувати інформацію з текстів документів. Завданням текстового пошуку є конвертування інформації, представленої рідною мовою, у комп’ютерізовану форму.

Завданням цього етапу стало витяг ключових слів з документа й введення їх у фіксовану шкалу компетентності. Ця робота може проводитися як фахівцями, так і за допомогою алгоритму, що визначає, у який розділ шкали необхідно ввести ключове слово. Як визнають фахівці, при такій технології шкала буде залишатися актуальної і нова інформація буде уводитися безпосередньо із прикладених кандидатом документів, що дозволить зробити крок від абстрактного розуміння проблеми до її практичного рішення[ 2; ].

Обґрунтована оцінка службовця привернула величезну увагу фахівців та менеджерів з відбору персоналу. Їм необхідно було зрозуміти, як за допомогою машини можна автоматично ухвалити рішення щодо доцільності найму того або іншого працівника. Для цих цілей компанії вже мають досить великий обсяг інформації у відповідних системах, де зберігаються дані про кандидатів, які подавали заяви, але вони були відхилені у минулому. Такий набір інформації, перетворений у зчитувальну класифікатором форму, є корисним для того, щоб навчитися аналізувати дані.

Наступним кроком, за задумкою фахівців, є перевірка функціонування самої системи. За мету ставиться можливість отримання рекомендації для прийому кандидатів на роботу, тобто оцінювання того чи правильно працює система.

Однак розробники системи визнають, що ступінь помилок при такій класифікації є досить високою, тому не слід використовувати її автономно [1;120]. Такий підхід може стати гарним помічником у випадку, якщо всі критерії під час рішення кадрових питань зібрані разом.

Ідея полягає в тому, щоб на наступному етапі об'єднати претендентів у групи відповідно до їх умінь і навичок (наприклад, відділ розвитку), щоб мати уяву про те, які люди з аналогічними вміннями зібрані в цьому відділі.

Маючи таку інформацію, компанія може зрозуміти, чи відповідає наявна структура «інтелекту» поточним потребам. Результати можуть свідчити про необхідність прийому на роботу нових працівників або про перепідготовку наявного персоналу з метою скорочення розриву між необхідними фахівцями і тими, хто вже зайнятий у діяльності компанії.

На думку авторів, головною перевагою такої технології повинне стати розпізнавання працівників, чия кваліфікація може бути не потрібна компанії в майбутньому, їхня своєчасна перепідготовка, працевлаштування або виділення в окрему групу.

Вчені, що вивчають проблему, наголошують на тому, що більшість запропонованих технологій є ефективними тільки в тому випадку, якщо вони пов'язані з повсякденною роботою з персоналом. Для цього технології повинні легко інтегруватися до існуючих умов та бути зрозумілими й прийнятними для користувачів.

Сьогодні у різних країнах вже існує ряд проектів, які використовують подібний досвід, іноді частково, для рішення кадрових питань. Відомим є досвід французького університету в місті Нант, де також в електронному вигляді обираються дані про кваліфікацію претендентів з їхніх документів (найчастіше Резюме або СV). Цей проект також ставить за мету ідентифікувати й представити компетенції, наявні в резюме або СV претендентів. Окремі аспекти цієї проблеми досліджуються також в університеті Дортмунда, що свідчить про певний інтерес користувачів до цього питання [1;134].

ЛІТЕРАТУРА:

1.. Alavi M. Knowledge Management and Knowledge Management Systems: Conceptual Foundations and Research issues// Alavi M., Leinder D.E// MIS Quarterly.- 2001.- Vol.25,.-No. 1.- pp.107-136

2. Biesalski E. Knowledge Management and e-Human Resource Management.//Biesalski E.//2002. – Karlsruhe, Germany, ernst.biesalski@daimlerchrysler.com