Ta talentprognostiseringen til et nytt nivå for å generere kunnskap som kan brukes som beslutningsgrunnlag

Det er på tide å ta talentanalyse til neste nivå. Talentanalyse er ikke noe nytt. Enten du allerede bruker psykometrisk evaluering eller ikke, har du allerede persondata som du kan analysere.

Tenk på resultater fra prestasjonsmålinger, poengsummer for kundetilfredshet for ansatte, eller oppnåelse av mål i salgsbudsjettet.

Hvis du legger til informasjonen du har, i form av kompetanse- eller ferdighetsvurderinger, kan du forutse suksess og endre hvordan du rekrutterer og utvikler talenter. Det er på tide å ta talentanalyse til neste nivå.

Kunder som benytter seg av cut-e i talentanalyse

Evalueringsdata + prognostisering = ROI (avkastning på investering)

Vi er lidenskapelig opptatt av psykometri. Vi er også veldig opptatt av den kunnskapen som kan genereres ved å stille de riktige og relevante spørsmålene for virksomheten, for deretter å analysere dataene på ulike måter for å skape kunnskap om mennesker, team, avdelinger, divisjoner og selskaper. Resultatet danner et grunnlag for talentstrategien din og gjør den mer effektiv, slik at du rekrutterer ut fra reelle behov, utvikler det som er viktig for fremtiden, og beholder de beste. Å lykkes på disse områdene skaper ekte verdi.

Bruk prognoser som grunnlag for talentstrategien din

Vi hjelper kundene våre med å ansette ut fra potensial og utvikle for suksess. Prognostisering handler om å se inn i fremtiden og sikre dagens talentstrategier for fremtiden.

cut-e sitt makroperspektiv på talentprognostisering kan inndeles på følgende måte:

  • Se det i nåtid: analyse av rollene til nåværende ressurser for å forutse hva som må til for å lykkes i spesifikke roller. Resultatet: en validert atferdsmodell koblet direkte til ønskede nøkkelresultater – skape suksessprofiler. 
  • Nåværende talent: målrettet utvikling mot ny modell
  • Innkommende talent: evaluert mot den nye modellen 

Nøkkelresultater kan inkludere en validert evalueringsmodell, en validert utviklingsmodell og en organisasjonsanalyse (heat map).

Predictive Analytics timeline

Prognostisering: Fire trinn for maksimal utnyttelse av data fra psykometriske målinger

Prognostiseringen vår kan normalt inndeles i fire trinn. Vi jobber naturligvis tett med hver kunde for å definere og forstå akkurat hva som kreves.

Nedenfor er et eksempel på hvordan et prosjekt vanligvis gjennomføres:

 

  • Trinn 1: Definere pilotgrupper og viktige målevariabler for virksomhet/resultater. cut-e har lang erfaring med å gi råd om hvordan du best definerer prøveutvalget for å analysere ressurser til ulike roller. Dette krever både evaluerings- og resultatdata. KPI-ene som brukes, kan for eksempel være fullførte prosjekter, hvor mange som blir værende i stillingen sin (retention rate), omsetningstall, intern kundetilfredshet, fortjeneste, produktivitet, eller andre faktorer som er viktige for virksomheten.
  • Trinn 2: Intern utrulling. cut-e håndterer ofte all logistikk rundt evaluering og innsamling av data. Vi tar hånd om kommunikasjonen og sørger for at prosjektplanen etterleves. Alle evalueringer er tilrettelagt for mobiltelefon, og intervjuer kan gjennomføres per telefon (vi vet at tid og ressurser koster penger).
  • Trinn 3: Dataanalyse og modelldesign. Vi knekker tallene. Dataanalytikerne våre analyserer korrelasjoner mellom for eksempel evalueringsresultatene fra cut-e og faktiske resultatdata. Vi vurderer også hvordan resultatene best kan fremstilles og hvordan funnene kan implementeres.
  • Trinn 4: Rapportering. Avhengig av kravene kan vi sette sammen en rapportmodell for rekruttering, utvikling og/eller en analyse av organisasjonen (heat map). Organisasjonsanalysen gir en oversikt over organisasjonen, eller en bestemt del av organisasjonen, for sammenligning mot spesifikke kompetansenivåer eller et gjennomsnittlig kompetansenivå. Denne kan presenteres for toppledelsen.

Prognostisering hjelper arbeidsgiveren med å ta bedre beslutninger om talenter

Personal- og rekrutteringsteam integrerer i økende grad evalueringene sine med personal-IT-systemene, slik at de kan måle, evaluere og vise koblingen mellom talentinitiativer og organisasjonens resultater, i henhold til cut-es globale Assessment Barometer 2016.
Undersøkelsen viser at 45 % av brukerne som gjennomfører evalueringer, også jobber med datautvinningsprosjekter som gjør det mulig for dem å stille sofistikerte spørsmål i forbindelse med evalueringsdata. Enkelte organisasjoner knytter for eksempel sammen rekrutteringsdata og jobbytelsesdata, samt prognosedata og data om fremtidige utfordringer i virksomheten. "Analyser fra evalueringer er nå mer tilgjengelige og enklere å tolke," sier Dr. Achim Preuss, administrerende direktør i cut-e. "Personalteamene benytter seg i økende grad av prognoser for talentanalyse for å gi oppdatert informasjon om talenter og på en bedre måte planlegge for overtakelse av stillinger samt hvordan beholde eksisterende medarbeidere.
Utnytter organisasjonen din evalueringsdataene på best mulig måte?

Omsett evalueringsdataene dine i handling – hvordan utvikle en suksessprofil

Kanskje du har opparbeidet evalueringsdata over flere år, eller kanskje du akkurat har kommet i gang. Uansett, å vite hva som kreves for å lykkes vil utforme og styrke talentstrategien din. Suksessprofilen vil være en veiledning for hvordan du tiltrekker deg og rekrutterer talenter, samtidig som den uthever områder for personalutvikling. Den tydeliggjør hva som kreves for å lykkes i virksomheten og gir et rammeverk for talentutvikling. Det viktigste du oppnår ved bruk av talentanalysen er å utarbeide en plan for suksess. Suksessprofilen.

Suksessprofilen bygger på fire hovedområder

Måling av suksess: Vi hjelper deg med å se hvordan suksess ser ut i organisasjonen din. Vi hjelper deg med å se hvem som lykkes, hvordan du bedømmer suksess, og hva som kreves for at medarbeiderne skal lykkes. Det kan være bestemte evner, kompetanseområder eller motivasjonsfaktorer. Benchmarking-ekspertene våre bruker ekspertisen sin innen statistikk og psykometri for å vise deg hva som er viktig, analysere tallmaterialet og presentere resultatene i et format som er enkelt å forstå.

Resultatanalyse: Evalueringsverktøyene våre kan forutse bestemte typer atferd og ferdigheter. Vi kan koble disse til ulike kompetanseområder du trenger og hjelpe deg med å identifisere objektive måter å forutse resultater på.

Organisasjonsgjennomgang: Gjeldende rammeverk, strategier og prosesser gjennomgås. De tingene som fungerer, tar vi med oss videre, samtidig hjelper vi deg med å endre det som er nødvendig.

Rollegjennomgang: Det er viktig å analysere hva jobben innebærer og hvordan den vil utvikle seg. Vi kan intervjue eksisterende medarbeidere og andre jobbeksperter og oversette det som kreves til tydelige, definerte og målbare atferdstyper.

 

 

 

cut-e predictive analytics - overview

Bruk personalmålevariabler: forutse, presenter og gjør deg relevant

I denne artikkelen ser vi på hvordan personalavdelingen kan skape verdier for virksomheten gjennom prognoser for talentanalyse, med praktiske og konkrete tips til å komme i gang. Assessment Barometer-undersøkelsen i 2016 viste at mindre enn halvparten av selskapene har stordataprosjekter – og i mindre enn halvparten av disse selskapene vet de som jobber i personalavdelingen, hva som er budsjettert for slike prosjekter. Personalavdelingen gjør seg til en viktig medspiller i virksomheten gjennom å analysere oppdaterte data, identifisere hull i dataene, og utvikle data som kan omsettes i handling, og som presenteres på en forståelig måte for ledelsen.

Checklist diversity in fair selection

Stordata i personalledelse og talentanalyse

Stordata i personalledelse og talentanalyse: Er det på tide at du ser helheten? Stordata har vært et populært emne den siste tiden. På Internett florerer det med historier og diskusjoner om emnet, og den generelle oppfatningen blant de som kan det, er at stordata kommer til å endre hvordan vi jobber. Men hvordan? I denne artikkelen ser vi på hva stordata er for noe, hvordan stordata brukes i personalledelse, og hva som er og bør være de neste stegene fremover.

Big data in predictive analytics

Produktfinneren

Søk blant over 40 tester for å finne den rette testen for deg.
Søk på
Emne