People Analytics הוא אחד התחומים החמים במשאבי אנוש. זה מביא אותנו מדיבור על תחושות לעובדות. נעמי פרקש משתפת בתובנות מאוד מעניינות הקשורות לשימור עובדים והערכת ביצועים, שהגיעה אליהן באמצעות שימוש ב-People Analytics.
מה Taboola עושה?
Taboola מחברת אנשים לתוכן שיכול לעניין אותם והם לא היו מודעים לזה. אנחנו עובדים עם יוצרי תוכן מכל הסוגים, מפרסמים ואתרי תוכן, כמו Ynet ו-וואלה.
מהו הרקע המקצועי שלך?
אני נמצאת ב-Taboola מ-2010. לפני כן עסקתי בייעוץ בסטארטאפים, והייתי מנהלת משאבי אנוש ברנסיס כחמש שנים.
אני בעלת תואר ראשון ושני מאוניברסיטת ת"א, את התזה שלי עשיתי על משאבי אנוש בסטארטאפ. יש לי 3 ילדים מקסימים ובעל שף, אני מסודרת.
מהם האתגרים של משאבי אנוש ב-Taboola?
אנחנו חייבים להיות כל הזמן רלוונטיים. החברה זזה מהר. צריך להכיר את האנשים, את העסק ולשפר כל הזמן. המטרה היא שהתהליכים יהיו יותר מדוייקים, שהאנשים יבואו לידי ביטוי. מה שמתאים היום לא בהכרח יתאים למחר. צריך לנסות דברים חדשים כל הזמן.
החברה גדלה נורא מהר. הצטרפתי לחברה כעובדת מס' 25, והיום אנו מונים *987 עובדים בכל העולם, בהם 423 בישראל. כל יום מצטרף עובד.
*במשאבי אנוש יש צוות של 31 איש: יש לנו 4 פונקציות, בארץ ובחו"ל.
*אלי ישירות מדווחים 12 אנשים.
- *נכון לזמן הראיון
אתם עובדים עם כלים של people analytics כבר לפחות שנתיים, איך נולד הצורך?
הצורך נולד מזה שהחברה מונעת נתונים. לכן זה היה נכון בעיני שגם החלטות שקשורות לאנשים יילקחו בחשבון על בסיס מידע. בנוסף, הייתי מאוד סקרנית לגבי מה עומד מאחורי תופעות של נתונים. קראתי על זה קודם ועשיתי בעצמי את ניתוחי התחלופה.
בדקתי מגמות כמו האם יש קשר בין עזיבות של עובדים לחודשי השנה, כדי לחזות ולראות מתי אנחנו יותר פגיעים. היה לי ברור שאפשר להוציא מזה יותר דברים. וזה היה בהלימה לכיוון המחשבתי-ארגוני.
קראתי, חקרתי והחלטתי שאני רוצה לגייס פונקציה כזאת בארץ ובארה"ב.
בארץ לא מצאתי. למדתי שיש הרבה כשרונות בתחום בארה"ב בלאס וגאס. הבחור שגייסתי עבד במקינזי, בארה"ב. הוא דוקטור לפיזיקה שמהר מאוד מצא עצמו נמשך לסיפור מאחורי הנתונים. למה הגענו, האם הנתונים טובים לנו, איך X ישפיע על Y.
האתגר היה לקחת אנשי משאבי אנוש שמדברים על תחושות, ללמד אותם לא לפחד מהנתונים ולהראות להם איך זה יכול לעזור להם. היה חשש שזה ייתר אותם, שהם "לא טובים בזה". מה שצריך זה לפרק את ה"זה" המסתורי, למשהו שהוא פחות מאיים.
מה שיפה ב-people analytics זה שאני מראה את העובדות שבבסיס הסיפור. זה חוסך את הדיון הלוך וחזור של "האם זה נכון", "על מה זה מבוסס", "מי אמר". אני לא מדברת על תחושות בחלק של זיהוי הבעיה, למרות שיש להן מקום בחלקים אחרים של הדיון, כמו בפתרון הבעיה.
לדוגמה: עשינו תהליך של סקר עמדות ודבר ראשון שבדקנו היה במה אנחנו טובים ובמה פחות, לפי קבוצות שונות שהגדרנו. דרך people analytics חיפשנו עמוק יותר – קורלציות לגבי איזו תשובה חיובית בנושא אחד תביא לתשובה חיובית במשהו אחר.
מצאנו שאצל רוב עובדי טאבולה התשובה לשאלה "יש לי את המערכות שתומכות בעבודה שלי" לא מנבאת את שביעות הרצון שלהם ממקום העבודה, כי רוב העובדים ירוצו למצוא פתרונות אם תהיה להם בעיה עם המערכות, חוץ משתי קבוצות: כספים ומערכות מידע.
שם המערכות קריטיות לעבודה שלהם והם לא יכולים למצוא פתרונות אחרים. ראינו שבשתי המחלקות האלה יש קורלציה בין שביעות הרצון מרמת המערכות שתומכות בעבודה לבין ההישארות שלהם בחברה. זה ניבא תחלופה. אם אני אראה בעיית תחלופה במחלקות האלה אני אדע ללכת לראות את מצב המערכות התומכות.
באיזה כלי אנליטיקס אתם משתמשים?
היום אנחנו משתמשים ב-Tableau. הם מתחברים לכל המערכות הארגוניות הקיימות, ו- Tableauיודעת לייצר דש בורד מעולה. קודם השתמשנו ב-Alteryx.
מה השימוש שאת עושה בנתונים?
אני מחפשת להכניס לעבודה של משאבי אנוש רובד של נתונים, והשאלות שאני שואלת את עצמי: אילו נתונים אני צריכה? מה יעזור לי להבין את הסיטואציה לעומק?
עשינו לאחרונה שיחות פידבק חצי שנתיות שהיו ממוקדות בשאיפות הקריירה של העובדים. שאלנו את העובדים האם הקריירה מתקדמת למקום שהם רצו.
גילינו הטייה חיובית מאוד – שהעובדים נתנו למנהלים ציונים טובים על קיום השיחות. מכך אנחנו מסיקים משהו גם על פיתוח המנהלים שאנחנו עושים, אבל גם על חשיבות השיחות הללו עבורם. עצם השיחה הזו, שהיא שונה מהשטאנץ הרגיל של שיחות משוב, היתה אירוע חיובי.
בניתוח המשך בדקנו אם מנהלים מדרגים שונה גברים ונשים אצלם בצוות. וראינו שבתמונה הכוללת, יש סיכוי גבוה יותר שאישה תקבל את דירוג הביצועים הגבוה ביותר. פשוט יותר מהן דורגו כסופרסטאריות. עכשיו אנחנו רוצים לבדוק האם מנהלות ומנהלים מדרגים את העובדים שלהם אותו דבר.
יש לך לך שני אנשי אנליטיקס, מה התפקיד שלהם ומה הרקע?
יש שני אנשי אנליטיקס ומגייסים שלישי בארה"ב, כי יש שם את המיומנות. את הרביעי אגייס בארץ בעתיד.
התפקיד כולל: לקבל פרויקט ניתוחי, לאסוף את הנתונים מהמקורות השונים ולהוציא תובנות. בשלב ראשון הניתוחים הם לפי קורלציה. בשלב שני, אני כבר מצפה ליותר פרואקטיביות, להריץ שאילתות ולמצוא את ההיגיון של מה מוביל למה.
הרקע של האנשים האלה: אידיאלית אנליסטים או data science . אבל אני אהיה פתוחה לפרופילים נוספים, במיוחד כשאני מגייסת בארץ. בארה"ב אנשים מודעים ופתוחים לתחום, בארץ עדיין פחות. לתפקיד יכול לבוא בחשבון גם מישהו שלמד תואר שני בפסיכולוגיה, שכלל הרבה ניסויים, הרבה עבודה עם נתונים ואוהב את זה.
איך המנהלים בארגון מגיבים לזה?
דיבור על נתונים טבעי לארגון. כשהחלטתי להוסיף את הפונקציה הזו, לא היתה שאלה למה אני עושה את זה. אנליטיקס נשמע להם טוב, טבעי. העובדה שרצינו את זה הראתה שאנחנו מבינים את השפה שטבעית ונכונה לארגון, אז זה הוסיף לנו נקודות. זה שם את משאבי אנוש במקום רציני, חדשני.
ההנהלה שלנו מבינה, אכפת לה מאנשים והם מבינים את התבונה העסקית של להבין ולדאוג לאנשים.
ספר שנעמי ממליצה: Work Rules: Insights from Inside Google That Will Transform How You Live and Lead by Laszlo Bock