ارائه نقشه‌راه طراحی و پیاده‌سازی تجزیه‌وتحلیل منابع انسانی در سازمان‌های ایرانی با رویکرد فراترکیب

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دکتری، گروه مدیریت دولتی، دانشکده مدیریت، دانشکدگان فارابی، دانشگاه تهران، قم، ایران.

2 دانشیار، گروه مدیریت، دانشکده مدیریت و حسابداری، دانشکدگان فارابی، دانشگاه تهران، قم، ایران.

3 استادیار، گروه مدیریت، دانشگاه فرهنگیان، تهران، ایران.

4 استاد گروه مدیریت، دانشکده مدیریت، دانشکدگان فارابی، دانشگاه تهران، قم، ایران.

10.22034/jhrs.2023.362999.1989

چکیده

زمینه و هدف: فناوری کلان‌داده در منابع انسانی، از فناوری‌های نوظهوری است که با رشد حجم داده‌ها و اطلاعات به‌وجود آمده است. استفاده از کلان‌داده در سایر حوزه‌های مدیریت، از جمله بازرگانی و فروش و همچنین، مدیریت صنعتی استفاده شده است؛ اما در حوزه منابع انسانی چندان شناخته شده نیست. ایده پشت منابع انسانی داده‌محور، کمک به تصمیم‌گیری‌های هوشمندانه‌تر متولیان منابع انسانی در خصوص سازمان و فعالیت‌های حوزه منابع انسانی و ایفای نقش شریک استراتژیک است؛ اما با وجود اهمیت و ضرورت آن در حوزه مدیریت منابع انسانی، آنچنان از بینش عملی و نتایج آن استفاده نشده است. یکی از دلایل مهم آن، نبود نقشه‌راه و روش مناسب برای طراحی و پیاده‌سازی تجزیه‌وتحلیل آن است. هدف از پژوهش حاضر، ارائه نقشه‌راه طراحی و پیاده‌سازی تجزیه‌وتحلیل در حوزه مدیریت منابع انسانی است.
روش: این پژوهش با استفاده از روش کیفی فراترکیب اجرا شده است. ابزار گردآوری داده‌ها و اطلاعات در پژوهش حاضر، اسناد و مدارک گذشته در این زمینه بوده و به‌طور کلی ۶۰ مقاله را شامل می‌شود. شیوه تحلیل داده‌ها بر اساس کدگذاری باز است.
یافته‌ها: نقشه‌راه تجزیه‌وتحلیل در حوزه مدیریت منابع انسانی، از سه لایه زیرساخت، فرایندها و اهداف تشکیل شده است که هر لایه، مقوله‌های اصلی دیگری را دربردارد. مقوله‌های لایه زیرساخت عبارت‌اند از: زیرساخت فناوری اطلاعات، زیرساخت سرمایۀ انسانی، زیرساخت مدیریتی و رهبری و زیرساخت سازمانی. مقوله‌های لایه فرایندها عبارت‌اند از: فعالیت‌های پشتیبانی، فعالیت‌های اصلی و فعالیت‌های ارزیابی و توسعه‌ای. مقوله‌های لایه اهداف نیز عبارت‌اند از: تصمیم‌سازی و تصمیم‌گیری در سازمان، خلق ارزش برای منابع انسانی، بهبود عملکرد سازمانی، حفظ و ارتقای سرمایه انسانی از طریق توسعه و برنامه‌ریزی کمّی و کیفی و سنجش و پیش‌بینی نگرش‌های شغلی و رفتاری.
نتیجه‌گیری: نقشه‌راه ارائه شده می‌تواند به‌مثابه یک راهنمای عملی و اقدام اجرایی، در اختیار مدیران و مسئولان حوزه منابع انسانی سازمان قرار گیرد تا بتوانند ضمن شناسایی ضرورت بررسی حجم انبوه داده‌های این حوزه و کشف بینش عملی، راه‌کار و اقدام‌های اجرایی، از نتایج ممتاز و برجسته آن در تمامی اقدام‌ها و فعالیت‌های حوزه منابع انسانی بهره ببرند.

کلیدواژه‌ها


عنوان مقاله [English]

Presenting a Roadmap for Designing and Implementing Human Resources Analysis in Iranian Companies Using a Meta-Synthesis Approach

نویسندگان [English]

  • Arezoo Sohrabi 1
  • Hamid reza Yazdani 2
  • Amin Hakim 3
  • Hasan Zarei matin 4
1 PhD., Department of Public Administration, Farabi Campus, University of Tehran, Qom, Iran.
2 Associate Prof., Department of Business, Faculty of Management and Accounting, Farabi Campus, University of Tehran, Qom, Iran.
3 Assistant Prof., Department of Management, Farhangian University, Tehran, Iran.
4 Professor, Department of Management of Organizational Behavior, College of Farabi, University of Tehran, Qom, Iran.
چکیده [English]

Background & Purpose: Big data technology in human resources is one of the emerging technologies created by the growth of data and information volume. The use of big data has been used in other fields of management, including business and sales as well as industrial management, but it is not well known in the field of human resource management. The idea behind data-driven human resources is to help the human resources managers make smarter decisions regarding the organization and activities in the field of human resources and play the role of a strategic partner. Nevertheless, despite its importance and necessity in the field of human resources management, practical insight and its results have not been used that much. One of the most important reasons is the lack of a proper roadmap and methodology for designing and implementing its analysis. Thus, the purpose of this research is to provide a roadmap for designing and implementing analysis in the field of human resource management.
Methodology: In line with this goal, this research has been done using a Meta-synthesis qualitative method. The data collection tool in the present study is past documents in this field, which generally includes 60 articles. The method of data analysis is based on open coding.
Findings: The results indicate that the roadmap for analysis in the field of human resource management includes three layers of infrastructure, processes and goals. Infrastructure layer includes technical and operational factors, human capital factors, managerial and leadership factors and organizational and structural factors; The process layer includes three main categories of support activities, core activities and evaluation and development activities; and the objective layer includes decision-making, creating value for human resource, improving organizational performance, maintaining and promoting human capital, and predicting job and behavioral attitudes.
Conclusion: The presented road map can be used as a practical guide and executive action for the managers and professionals in the field of organizational human resources so that they can identify the necessity of examining the massive amount of data in this field and discover practical insight, work methods, and executive actions from excellent results and use it prominently in all actions and activities in the field of human resources.
 

کلیدواژه‌ها [English]

  • Human resource analysis
  • Roadmap
  • Meta-synthesis
  • Big data
آذر، عادل؛ شفیعی نیک‏آبادی، محسن؛ مقدم، علی‏رضا و سنگی، محمد (1395). طراحی مدل هوشمند تناسب شغل و شاغل مبتنی بر استعدادها با رویکرد داده‏کاوی. پژوهش‏های مدیریت منابع انسانی دانشگاه جامع امام حسین (ع)، 8(4)، 1-33.
آذر، عادل؛ احمدی، پرویز و سبط، محمدوحید (1389). طراحی مدل انتخاب نیروی انسانی با رویکرد داده‏کاوی (مورد: استخدام داوطلبان آزمون‌های ورودی یک بانک تجاری در ایران)، مدیریت فناوری اطلاعات، 2(4)، 3- 22.
اردشیری، گلناز (1395). مدیریت و پردازش کلان‏داده‏ها، کنفرانس بین‏المللی مهندسی کامپیوتر و فناوری اطلاعات، تهران.
بازیان، زینب؛ پیران‏نژاد، علی و نرگسیان، عباس (1400). شناسایی بسترهای لازم برای دیجیتالی شدن فرایندهای مدیریت منابع انسانی (نمونه‏کاوی: شرکت آسان پرداخت شهر تهران). مطالعات منابع انسانی، 11 (4)، 97-128.
حاجی‏حیدری، نسترن؛ خبیری، سیدحسین و تلافی داریانی، مجتبی (1396). چارچوب به‌کارگیری رویکرد داده‌کاوی در حوزه مدیریت منابع انسانی. انجمن علوم مدیریت ایران، 12(47)، 21- 50.
خائف الهی، احمدعلی؛ متقی، پیمان و سبط، محمدوحید (۱۳۸۶)، بررسی تأثیر به‏کارگیری مدل استخدام مبتنی بر داده‏کاوی بر نرخ جابه‎جایی کارکنان، اولین کنفرانس داده‏کاوی ایران، تهران.
سهرابی، بابک و ایرج، حمیده (1394). کلان‏داده در بخش‏های خصوصی و عمومی، انتشارات سمت.
شاهی بیک، آزاده (1394). ارزیابی عملکرد نیروی انسانی با استفاده از نتایج تحلیل پوششی داده‏ها بر اساس داده‏کاوی: مورد کاوی در یک شرکت هلدینگ، کنفرانس بین‌المللی پژوهش‌های نوین در مدیریت و مهندسی صنایع، تهران، شرکت مدیران ایده پردازان پایتخت ایلیا.
فرقانی، مهدی و خبوشانی، اعظم (1391). مدیریت استراتژیک منابع انسانی با بهره‏گیری از سیستم اطلاعات مدیریت برای دستیابی به چابکی سازمان، اقتصاد، تأمین اجتماعی، (36 و 37)، 157-175.
قاضی نوری، سیدسروش؛ امین لو، خلیل‌زاده و ردائی، محبعلی‌زاده (1396). به‌کارگیری تحلیل نیروهای رقابتی در تدوین نقشه راه فناوری (مورد مطالعه: تدوین نقشه‌راه زیست ‌فناوری کشور). بهبود مدیریت، 11(1)، 93-116.‎
قیدر، یاسمن و شامی‏ زنجانی، مهدی (1399). الگوی عوامل مؤثر بر شکل‏گیری تجربه دیجیتال کارکنان. مطالعات منابع انسانی، 10 (3)، 23 – 50.
کوهزادی، فواد؛ قره‏بیگلو، حسین؛ بوداقی خواجه نوبر، حسین و علوی متین، یعقوب (1401). طراحی مدل ‏تجزیه‏وتحلیل رفتار مشتریان مبتنی بر کلان‏داده با استفاده از روش فراترکیب و دلفی، مطالعات رفتار مصرف‏کننده، 9(1)، 32-54.
ملک‏زاده، غلامرضا و صادقی، صدیقه (1396). راهبرد مدیریت منابع انسانی در عصر دیجیتال با تکیه بر کلان‏داده. فصلنامه رشد فناوری، 13(51)، 62- 70.
نیکخواه تکمه‏داش، یونس؛ حسینی، سیدصمد و صنوبر، ناصر (1398). از دوسوتوانی مدیریت منابع انسانی تا عملکرد سازمانی: تأثیرات مدیریت استعداد و فناوری اطلاعات. مطالعات منابع انسانی، 9 (1)، 115 – 142.
هلیلی، خداداد و ولوی، محمدرضا (1396). فناوری کلان‏داده، فرصت‏ها، چالش‏ها و راهبردها. مطالعات بین رشته‏ای دانش راهبردی، 7(28)، 7 -28.
Ameer, M., Rahul, S. P., & Manne, S. (2020, May). Human resource analytics using power bi visualization tool. In 2020 4th International Conference on Intelligent Computing and Control Systems (ICICCS) (pp. 1184-1189). IEEE.
Andersen, M. K. (2017). Human capital analytics: the winding road. Journal of Organizational Effectiveness: People and Performance, 4(2), 133- 136.
Belizón, M. J., & Kieran, S. (2022). Human resources analytics: A legitimacy process. Human Resource Management Journal, 32 (3), 603-630.
Bersin, J. (2015). Becoming irresistible. Deloitte Review, 16, 146-163.
Bhardwaj, S. & Patnaik, S. (2019). People Analytics: Challenges and Opportunities-A Study Using Delphi Method. IUP Journal of Management Research, 18 (1), 7-23.
Chaturvedi, V. (2016). Talent Analytics as an Indispensable Tool and an Emerging Facet of HR for Organization Building. FIIB Business Review, 5 (3), 13-20.
Davenport, T. H., Harris, J. & Shapiro, J. (2010). Competing on talent analytics. Harvard business review, 88 (10), 52-58.
de Oliveira Cordeiro, G., Deschamps, F., & de Lima, E. P. (2017). Developing a big data/analytics project: A case study in the auto industry. In IIE Annual Conference. Proceedings (pp. 1753-1758). Institute of Industrial and Systems Engineers (IISE).
Fernandez, V. & Gallardo-Gallardo, E. (2020). Tackling the HR digitalization challenge: key factors and barriers to HR analytics adoption. Competitiveness Review: An International Business Journal,31(1), 162-187.
Gelbard, R., Ramon‐Gonen, R., Carmeli, A., Bittmann, R. M. & Talyansky, R. (2018). Sentiment analysis in organizational work: Towards an ontology of people analytics. Expert Systems, 35 (5), e12289.
Gheidar, Y., Shami Zanjani, M. (2020). The Pattern of Factors Affecting the Formation of Digital Employee Experience. Journal of Human Resource Studies, 10 (3), 23-50. (in Persian)
Green, D. (2017). The best practices to excel at people analytics. Journal of Organizational Effectiveness: People and Performance.
Grillo, M. (2015). What types of predictive analytics are being used in talent management organizations? Online Research & Reporting for HR Executive Summary: Workforce Analytics in Talent Management March.
Hota, J. (2021). Framework of Challenges Affecting Adoption of People Analytics in India Using ISM and MICMAC Analysis. Vision, 09722629211029007.
Huselid, M. A. (2018). The science and practice of workforce analytics: Introduction to the HRM special issue. Human Resource Management, 57 (3), 679-684.
Huselid, M. A. (2018). The science and practice of workforce analytics: Introduction to the HRM special issue. Human Resource Management, 57 (3), 679-684.
Jensen, L. & Allen, A. (1996). Meta-Synthesis of Qualitative Findings. Qualitative Health Research, 6 (4), 553-560.
Jensen-Eriksen, K. (2016). The role of HR analytics in creating data-driven HRM: Textual network analysis of online blogs of HR professionals. Master's thesis, Department of Management Studies, Aalto University, School of Business.
Kaur, J. & Fink, A. A. (2017). Trends and practices in talent analytics. Society for Human Resource Management (SHRM)-Society for Industrial-Organizational Psychology (SIOP) Science of HR White Paper Series, 20.
King, K. G. (2016). Data analytics in human resources: A case study and critical review. Human Resource Development Review, 15 (4), 487-495.
Kouhzadi, F., Ghareh Biglo, H., Budaghi Khaje Nobar, H., & Alavi Matin, Y. (2022). Designing a Model for Analyzing Customer Behavior on Big Data Using Meta-Synthesis Method and Delphi Method. Consumer Behavior Studies Journal, 9 (1), 32-54. (in Persian)
Kryscynski, D., Reeves, C., Stice‐Lusvardi, R., Ulrich, M., & Russell, G. (2018). Analytical abilities and the performance of HR professionals. Human Resource Management, 57 (3), 715-738.
Levenson, A. & Fink, A. (2017). Human capital analytics: too much data and analysis, not enough models and business insights. Journal of Organizational Effectiveness: People and Performance: 4(2), 145-156.
Margherita, A. (2022). Human resources analytics: A systematization of research topics and directions for future research. Human Resource Management Review, 32 (2), 100795.
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.
Marr, B. (2018). Data-driven HR: how to use analytics and metrics to drive performance. Kogan Page Publishers.
McCartney, S., Murphy, C., & Mccarthy, J. (2020). 21st century HR: a competency model for the emerging role of HR Analysts. Personnel review, 50(6), 1495-1513.
McIver, D., Lengnick-Hall, M.L. & Lengnick-Hall, C.A. (2018). A strategic approach to workforce analytics: Integrating science and agility. Business Horizons, 61 (3), 397-407.
Minbaeva, D. B. (2018). Building credible human capital analytics for organizational competitive advantage. Human Resource Management, 57 (3), 701–713.
Moretto, A., Macchion, L., Lion, A., Caniato, F., Danese, P. & Vinelli, A. (2018). Designing a roadmap towards a sustainable supply chain: A focus on the fashion industry. Journal of cleaner production, 193, 169-184.
Munn, Z., Porritt, K., Lockwood, C., Aromataris, E., & Pearson, A. (2014). Establishing confidence in the output of qualitative research synthesis: the ConQual approach. BMC medical research methodology, 14 (1), 1-7.
Nocker, M., & Sena, V. (2019). Big data and human resources management: The rise of talent analytics. Social Sciences, 8 (10), 273.
Pathak, A. R., Pandey, M., & Rautaray, S. (2018). Construing the big data based on taxonomy, analytics and approaches. Iran Journal of Computer Science, 1 (4), 237-259.
Peeters et al. (2021). People analytics as a vehicle for shifting organizational culture: Unpacking data-driven value beneath the hype. Human Resource Management International Digest, 29(1), 51-53.
Phaal, R., & Muller, G. (2009). An architectural framework for roadmapping: Towards visual strategy. Technological forecasting and social change, 76 (1), 39-49.
Sandelowski, M. & Barroso, J. (2006). Handbook for synthesizing qualitative research. Springer publishing company.
Sarvari, P. A., Ustundag, A., Cevikcan, E., Kaya, I. & Cebi, S. (2018). Technology roadmap for Industry 4.0. In Industry 4.0: Managing the digital transformation (pp. 95-103). Springer, Cham.
Schiemann, W. A., Seibert, J. H., & Blankenship, M. H. (2018). Putting human capital analytics to work: Predicting and driving business success. Human Resource Management, 57 (3), 795–807.
Shet, S. V., Poddar, T., Samuel, F. W. & Dwivedi, Y. K. (2021). Examining the determinants of successful adoption of data analytics in human resource management–A framework for implications. Journal of Business Research, 131, 311-326.
Simón, C. & Ferreiro, E. (2018). Workforce analytics: A case study of scholar–practitioner collaboration. Human Resource Management, 57 (3), 781-793.
Sivathanu, B. & Pillai, R. (2019). Technology and talent analytics for talent management–a game changer for organizational performance. International Journal of Organizational Analysis, 28(2), 457- 473.
Van den Heuvel, S., & Bondarouk, T. (2016, February). The rise (and fall) of HR analytics: a study into the future applications, value, structure, and system support. In 2nd HR Division International Conference, HRIC 2016.