وبینار هوش تجاری – بخش دوم

نمونه شاخص های منابع انسانی

1. درآمد به ازا هر کارمند (RPE)
2. نرخ ریزش کارکنان Employee churn rate
3. متوسط زمان لازم برای استخدام Average time to hire
4. ارزش افزوده سرمایه انسانی Human capital value added (HCVA)
5. فاکتور غیبت برادفورد Absenteeism Bradford factor
6. متوسط طول مدت خدمت کارکنان Average employee tenure
7. نسبت تاخیر در جذب نیروی انسانی LATE PERSONNEL REQUISITIONS RATIO
8. …

شاخص غیبت برادفورد

یکی از شاخص های مطرح در ارزیابی عمل کرد پرسنل شاخص نرخ برادفور میباشد، این شاخص با تمرکز بر نرخ غیبت های پراکنده پرسنل و غیبت های مجزای کارمندان تفکیکی از پرسنل منظم و غیر منظم در اختیار ما قرار میدهد.

میزان بالای این نرخ نشانگر بی برنامه بودن کارمند است و بیان میدارد که این پرسنل به خصوص برای مدیرانش غیر قابل برنامه ریزی میباشد.

برای محاسبه این شاخص از فرمول زیر استفاده میشود:

²(تعداد دفعات غیبت) * جمع تعداد روز های غیبت = شاخص غیبت برادفورد

بلوغ قابلیت های تجزیه و تحلیل

برای بررسی این موضوع که بتوانید ارزیابی  نماید که آیا شرکت شما به مرحله ای رسیده است که سیستم های هوش تجاری بتواند به سازمان شما کمک نمایید میتوانید سوال های زیر را از خود پرسیده و  اگر جواب شما به این سوال ها مثبت باشد نشانگر این میباشد که سازمان شما به سیستم های هوش تجاری نیاز دارد.

?What happened

سازمان نمیداند در حال حاضر چه اتفاقی در حال رخ دادن است؟

?Why did it happen

سازمان می داند چه اتفاقی در حال رخ دادن است و می خواهند بدانند چرا این اتفاق افتاد؟

?What will happen

چه اتفاقی خواهد افتاد؟

?What is the best that could happen

بهترین چیزی که می تواند اتفاق بیفتد چیست؟

• مورد 1 و 2 حال و گذشته نگراست و در حوزه ی هوش تجاری  (Business intelligence)مورد بررسی قرار می گیرد.
• مورد 3 و 4 در حوزه ی علم داده (Data science) دسته بندی ومورد بررسی قرار می گیرد.

مصورسازی داده

مدل سازی داده ها به صورت (نمودار، خطوط یا میله‌ها و…) به منظور برقراری ارتباط بین داده ها یا اطلاعات با بیننده با سرعت و دقت، مصورسازی داده نامیده می شود.

داشبوردهای مدیریتی، گزارش‌های سالانه، فروش و بازاریابی از مواردی هستند که باید در آن‌ها از مصور سازی داده بهره برداری کرد.

اطلاعات پس از جمع آوری، پردازش و مدل سازی داده ها، برای نتیجه گیری باید مصور سازی شوند با هدف اینکه اطلاعات به روشنی و با میزان اثرگذاری چشم‌گیر، به کاربران ارائه شود حال به کمک هوش  تجاری امکان مصورسازی داده فراهم شده است.

فواید مصورسازی داده 

• درک سریع‌تر و بهتر اطلاعات نهفته
• حجم اطلاعات بیشتر در زمان کمتر
• قدرت مدیریت مجموعه داده بزرگ
• سهولت کار
• نسبت هزینه به کارایی
• افزایش توانایی برای عمل سریع بر روی یافته ها و در نتیجه رسیدن به موفقیت با سرعت بیشتر و اشتباهات کمتر.

کوه یخ

کوه یخ یکی از مدل هایی است که متفکران سیستمی بر مبنای آن به تحلیل مسائل می پردازند. در واقع این مدل بیان می کند علاوه بر توجه به ظاهر مسائل که بر همگان آشکار است، بعد های پنهان آنها را نیز باید در مدلسازی مورد توجه قراردهیم.

براساس این مدل گزارشات و داشبورد هایی که ما مشاهده مینماییم در سطوح  ظاهری گزارشات و فرایند ها و موارد فنی به مانند سطوح عمیق کوه یخ میباشند.