تتبع المؤسسات طرق وأساليب تقليدية تحاول من خلالها الحد من تدوير الموظفين، والاحتفاظ بالموهوبين منهم، وذلك عن طريق إدارة مخططات مالية معينة تعني بالزيادة والمكافآت السنوية. لكن حان وقت توظيف مناهج وأساليب جديدة من أهمها التحليلات التنبئية وتوظيفها على نحو استباقي يناسب كل مؤسسة.
من أهم الأساليب الحديثة في الاحتفاظ بالمنسوبين الموهوبين في المؤسسة وتعزيز ثقافة تطوير وتحسين الأداء العام هو تبني منهج أكثر إيجابية واستباقية لمكافأة المتميزين بأسلوب مخصص يناسب كل منهم. هناك أمر هام قد لا يدركه القائمون على إدارة المؤسسة، وهو أنه بحلول الموعد السنوي الذي تحدد فيه المؤسسة حجم المكافأة والزيادات السنوية فإن كثيرا من المنسوبين المتميزين – والذين يمرون بضائقة ما – يفكرون جديا في ترك المؤسسة والبحث عن جهة أخرى أكثر تقديرا لمواهبهم.
التقنيات الجديدة إدارة المواهب
هنا يأتي دور التقنية الجديدة في مجال إدارة المكافآت والتخطيط المهني؛ حيث أنها تعمل على توظيف "التحليلات التنبئية" على ذوي الأداء المتميز والمعرضين لمخاطر مغادرة المؤسسة. كما تستخدم نوعا آخر من التحليلات يسمى "التحليلات التقادمية" prescriptive analytics وهي تمثل أعلى درجة وآخر مرحلة من التحليلات في مجال الأعمال، بعد التحليلات الوصفية descriptive analytics والتحليلات التنبئية. تعني التحليلات التقادمية بتجميع البيانات الضخمة مع تطبيق بعض العمليات الرياضية والحاسوبية وقوانين الأعمال عليها للتنبؤ بما قد يقع في المستقبل، ثم اقتراح خيارات القرارات للاستفادة من التوقعات والتنبؤات. هنا، تقوم المؤسسة بتوظيف التحليلات التقادمية للوصول إلى توصيات بشأن المكافآت والفرص المهنية التي تناسب كل منسوب فيها على حده. المكافآت المخصصة تمنح المؤسسة فرصة عظيمة لتحفيز هؤلاء المنسوبين المتميزين قبل أن يشرعوا في البحث عن فرص أفضل خارجها.
المنهج التقليدي مقارنة بالتقنية الحديثة!
وفقا لدراسة أجرتها سابا بالتعاون مع workplace trends.com، نجد 58% من المؤسسات تستخدم الجداول لتقييم مستويات الأداء وتحديد المكافآت. لا غرابة إذا أن أقل من 25% من المؤسسات على مستوى العالم تفيد من التقنيات المتطورة للحصول على تقارير متعمقة حول أداء المنسوبين وبخاصة المتميزين منهم، وأن 23% فقط من المؤسسات تقوم بتوظيف ما لديها من بيانات ضخمة والأساليب التقنية الحديثة بفاعلية وكفاءة في العرض والتخطيط. ما يقرب من 21% فقط من المؤسسات تقوم باستخدام نتائج التحليلات التنبئية وما تحمله من توقعات وإمكانات في مشاريع التعلم الآلي.
الموازنة بين المنتجات والمنسوبين!
ومع أن المؤسسات لديها كميات هائلة من المعلومات تفوق بكثير ما كان متوفرا لديها من قبل، إلا أنها لا زالت تدير ما لديها من مواهب وطرق مكافئتهم بالأساليب التقليدية التي عفا عليها الزمان. لكن تجد أغلب تلك المؤسسات قد اتقنت القدرة على استخدام البيانات الضخمة بفاعلية فيما يتعلق بالمنتجات، والمبيعات، والتسعير، والوصول إلى السوق، إلى غير ذلك من الأمور الأخرى، مع عدم اتقانها لتوظيف "بيانات المواهب" لديها بفاعلية. أغلب المؤسسات لا تتخذ قرارات استباقية واعية تأسيسا على ما لديها من بيانات آنية وتحليلات تنبئية. حيث أن الوصول إلى البيانات التنظيمية للمؤسسة يكون على أساس الحاجة، مع استخدام بيانات عتيقة متهالكة لاتخاذ القرارات.
أضف إلى ذلك أن أكثر المؤسسات تستدعي "خبير بيانات" لتحليل ما لديها من بيانات ومعلومات، وخبير مواهب لوضع التحليلات في سياق الاستراتيجية العامة التي تتبناها المؤسسة تجاه المواهب لديها، مع القدرة على ترجمة ذلك إلى قرارات قابلة للتنفيذ. بالنظر إلى ما يكتنف هذا الأمر من تعقيد، يصبح من السهل تفهم عدم قيام مؤسسات كثيرة بمعالجة هذا التحدي حتى الآن.
ما رأيك في منهج جديد تماما؟
تقوم سابا باستخدام التعلم الآلي والبيانات الضخمة للتعرف على المنسوبين الموجودين على مفترق 1) القيمة العالية، 2) مخاطر مغادرة المؤسسة، 3) تدنى ترتيبهم في المكافأة، ثم يقدم اقتراحات مخصصة لاتخاذ اجراءات لتصويب نظام المكافأة والذي صمم خصيصا للحد من مخاطر التدوير وتعزيز مساعي الاحتفاظ بالمواهب. يقوم المرشد الذكي TIM بدراسة مجموعة متنوعة من "المؤشرات" لتحديد المنسوبين المحفوفين بمخاطر الاستقالة من المؤسسة ويقدم توصيات حقيقية وملموسة. يقوم المرشد الذكي بحساب تكاليف الاحتفاظ بالمنسوبين ومقارنتها بتكاليف الاستبدال، ويقدم المحصلة في لوحة معلومات واضحة وسهلة. هذه الخاصية الفريدة في سحابة سابا تقلب موازين الطرق التقليدية رأسا على عقب، لما توفره من آلية استباقية، ومنهج مدروس بإحكام، وتجربة مخصصة لكل منسوب على حده.
هل تتبع مؤسستك المنهج التقليدي في مكافأة المنسوبين؟
هل لديك تجربة تحب مشاركتها بهذا الصدد؟
مترجم عن Babak Salimi لـ saba
