Questo sito web utilizza cookie tecnici e, previo Suo consenso, cookie di profilazione, nostri e di terze parti. Chiudendo questo banner, scorrendo questa pagina o cliccando qualunque suo elemento acconsente all'uso dei cookie. Leggi la nostra Cookie Policy per esteso.OK

analisi

Gestione dei talenti, come usare Big Data e Analytics. Tre esempi di McKinsey

Modelli predittivi e analisi dei dati sono tra gli strumenti più avanzati che i Dipartimenti HR possono utilizzare come supporto decisionale per assumere, trattenere e premiare i dipendenti più capaci. A beneficiarne è l’intera organizzazione: migliora la produttività, aumentano gli utili, diminuisce il turnover

22 Ago 2016

Redazione

Big data e Analytics entrano a pieno titolo anche nei Dipartimenti Risorse Umane delle aziende: l’analisi dei dati e i modelli predittivi sono sempre più utilizzati, complice il supporto che forniscono nel rivoluzionare il modo tradizionale di vagliare curricula, individuare i dipendenti più produttivi e i manager più capaci e arginare la perdita di talenti in azienda, come dimostra uno studio di McKinsey.

Rivoluzione nella valutazione dei top performers

McKinsey riporta diversi esempi di come Big Data e Analytics aumentino l’efficacia delle imprese nel valutare e trattenere talenti. Una grande banca asiatica, per esempio, ha utilizzato l’analisi dei dati per individuare i dipendenti col maggiore potenziale, capire quali fossero gli indicatori di performance più efficaci e il metodo più valido per assumere personale.

In precedenza, il Dipartimento HR della banca seguiva la semplice regola per cui i talenti migliori escono dalle università più prestigiose. Analisi più sofisticate hanno mostrato, però, che i manager con le prestazioni più alte provenivano da cinque specifiche università e da tre programmi di certificazione; inoltre i top performers avevano una precedente esperienza in precisi ruoli all’interno dell’organizzazione, che quindi fungevano da valido strumento formativo.

La banca asiatica ha così deciso di applicare le nuove conoscenze sia nei metodi con cui sceglie i candidati da assumere, sia nella misurazione delle prestazioni in azienda e nell’assegnazione dei ruoli manageriali. Il risultato è stato un aumento del 26% della produttività e del 14% dell’utile netto. È anche migliorato dell’80% il tasso di conversione di neo-assunti in assunti a tempo indeterminato, a dimostrazione del fatto che le scelte attuali sono più allineate alle esigenze di business.

Efficacia che fa rima con pari opportunità

Un’altra società, che opera nel settore delle fornitura di servizi professionali, ha cominciato a usare strumenti di automazione avanzata per la prima scrematura dei curricula (riceve circa 250.000 candidature ogni anno per posti di lavoro di ogni sorta). Non solo ha ottenuto risparmi di tempo e denaro, con un ritorno del 500% sull’investimento, ma una maggiore efficacia: con l’automazione lo screening ha fatto emergere il 15% di CV di donne in più – sempre in base al merito – rispetto a quello manuale.

Un aiuto contro il turnover

Un altro esempio: una società americana di assicurazioni ha messo un freno all’alto tasso di turnover grazie a una sofisticata analisi dei dati, individuando i dipendenti più a rischio di lasciare l’azienda. Si trattava di persone inserite in team piccoli, con manager dalle performance sotto la media, e che avevano atteso molto tra una promozione e l’altra. L’assicuratore usava i bonus per trattenerli, senza grandi risultati: cambiare team e manager, come suggerito dagli analytics, si è rivelato molto più efficace.

Articolo 1 di 5