4 ปัจจัยที่ต้องพิจารณาในการทำ Talent Analytics

From all around / 15 April 2018 / 217

ในยุคปัจจุบันที่ HR เริ่มตื่นตัวก้าวข้ามงานแบบ admin เปลี่ยนมาเป็น business partner กับธุรกิจ เราจะเริ่มเห็นการใช้ตัวเลข หรือข้อมูล ตัววัดต่างๆ เข้ามาช่วยงาน HR เพื่อวิเคราะห์ วางแผน และตัดสินใจมากขึ้น

Talent Analytics ก็เป็นส่วนหนึ่งของการใช้ข้อมูลด้านต่างๆ มาวิเคราะห์เพื่อประเมินหา Talent ขององค์กรสำหรับการเลื่อนขั้น และพัฒนาเพื่อเป็นกำลังสำคัญของบริษัทต่อไป

ตัวอย่างของข้อมูลที่ใช้ในการพิจารณา เช่น ประวัติผลการประเมินผลงาน ประวัติการหมุนเวียนงาน ข้อมูลยอดขาย ผลจาก 360 feedback คะแนนทดสอบต่างๆ เป็นต้น ซึ่งแน่นอนว่าข้อมูลยิ่งมากยิ่งดีสำหรับประกอบการตัดสินใจ

แต่ถ้าเราดูแค่ข้อมูลอย่างเดียว เราก็มีโอกาสที่จะประเมิน Talent พลาดไปได้ สิ่งที่ HR ควรจะระวัง และพิจารณาในการทำ Talent Analytics ซึ่งผมอ้างอิงจากหลักสูตร People Analytics ของ Wharton มีอยู่ 4 ปัจจัย คือ

1. Context

เวลาที่เรามองหาว่าคนไหนเก่ง เป็น Talent ขององค์กร ปัจจัยแรกที่ต้องพิจารณาควบคู่กับผลงาน คือ context หรือบริบทงานของคนนั้น เช่น บางคนเก่งแต่ทีมไม่ดี หรือตลาดอยู่ในช่วงขาลง ทำให้ผลงานไม่ดี หรือบางคนผลงานดีเพราะลูกน้องเก่ง หรืออยู่หน่วยงานที่ไม่ค่อยมีปัญหา เป็นต้น เพื่อที่จะเข้าใจว่า performance ที่ดี หรือไม่ดีนั้นมาจากปัจจัยภายนอกมากน้อยแค่ไหน

ดังนั้น ถ้าต้องการจะเปรียบเทียบข้อมูลระหว่าง Talent องค์กรควรหาวิธีที่จะทำให้เทียบกันแบบ apple to apple ให้ได้มากที่สุด

2. Interdependence

ปัจจัยที่สอง คือ ความพึ่งพาของทีมหรือองค์กรต่อผลงาน

ในการทำงานส่วนใหญ่ มีโอกาสน้อยมากที่ผลงานมาจากพนักงานคนเดียว 100% ส่วนใหญ่มักเป็นผลมาจากทีม หรือระบบสนับสนุน และทรัพยากรต่างๆ ขององค์กร ดังนั้นเวลาที่บริษัทดึงตัว Superstar ของคู่แข่งมาร่วมงาน แล้ว Superstar คนนั้นไม่สามารถสร้างผลงานที่อย่างที่เก่า ไม่ใช่เพราะเขาไม่เก่ง แต่สาเหตุหนึ่งอาจมาจาก interdependence ของ Superstar กับทีมงาน และองค์กรเดิม

การประเมินผลงานจึงจะได้ผลที่มีประสิทธิภาพมากกว่าในระดับทีมมากกว่าระดับตัวบุคคล หรือถ้าต้องการเข้าใจภาพผลงานของตัวบุคคล ก็ควรหาสัดส่วน contribution ของคนในทีมต่อผลงานนั้น เพื่อเห็นภาพได้ชัดขึ้น

3. Self-fulfilling Prophecies

ปัจจัยต่อมาคือความต่างของผลงานอันมาจากความคาดหวังที่ต่างกัน จนเกิดเป็น “ปรากฏการณ์ความคาดหวังสร้างความจริง” เช่น หัวหน้าเชื่อว่าลูกน้องคนนี้เก่ง ก็เชื่อใจ และให้งานที่ท้าทาย ลูกน้องเห็นหัวหน้าไว้ใจ ก็ทำงานถวายหัว จนผลงานออกมาดี เทียบกับลูกน้องอีกคนที่เก่งไม่ต่างกัน แต่หัวหน้าดันไม่ถูกชะตา และคิดว่าไม่เก่ง ทำให้ไม่ค่อยใส่ใจ ไม่สอนและมอบหมายงานที่ท้าทาย ลูกน้องคนนี้ก็ทำงานแบบชิวๆ ไม่ได้ใช้ศักยภาพเต็มที่ของตัวเอง และเป็นการยืนยันความเชื่อของหัวหน้าว่าคนนี้ไม่เก่งอย่างที่เชื่อ และคิดถูกแล้วที่ไม่มอบหมายงานสำคัญให้

ปัจจัยนี้แม้จะควบคุมยาก เราอาจตั้งคำถามถึงการเข้าถึง resource ที่สำคัญต่างๆ อย่างทั่วถึง และเป็นธรรมกับพนักงาน หรือเตรียมการป้องกันไม่ให้ความคาดหวังที่แตกต่างมีผลกับการประเมิน Talent ขององค์กร

4. Reverse Causation

ปัจจัยสุดท้ายนี้ถูกใจผมเป็นพิเศษ เพราะเป็นเรื่องที่คนพลาดเยอะมาก (รวมทั้งตัวผมเองด้วย) เวลาที่เรามองเห็นปัจจัยที่มีความสัมพันธ์กัน สมองเราจะพยายามหาความเป็นเหตุเป็นผลให้โดยอัตโนมัติ โดยเฉพาะถ้าเรารู้สึกว่ามันน่าจะเป็นเหตุ เป็นผลกัน

 

Correlation doesn’t imply causation.

 

ประโยคนี้มาจากตอนที่ผมเรียนเรื่องนี้ อ่านแล้วขีดเส้นใต้หนาๆ ไว้เตือนใจ เพราะความเป็นจริงปัจจัยที่เกี่ยวข้องกันไม่ได้แปลว่าต้องเป็นเหตุเป็นผลกันเสมอไป อาจจะเป็นเหตุเป็นผลจริง (direct causation) หรือ เข้าใจผิดสลับทางกันเป็น reverse causation ก็ได้ เพื่อให้เห็นภาพมากขึ้น ผมยกตัวอย่างของ reverse causation เรื่องหนึ่ง

คุณคิดว่าผู้นำที่มี charisma เป็นมีโอกาสประสบความสำเร็จมากกว่าผู้นำที่ไม่มี charisma มั้ย?

คนไม่น้อยเชื่อว่า ผู้นำที่มี charisma (เหตุ) จะทำให้มีโอกาสประสบความสำเร็จ (ผล) มากขึ้น ซึ่งจากการวิจัยและเก็บข้อมูลจริง พบว่าผู้นำที่มี Charisma ไม่ได้ประสบความสำเร็จมากกว่าผู้นำไม่มี charisma เลย แต่ในทางกลับกัน

ผู้นำที่ประสบความสำเร็จจะถูกมองว่ามี charisma มากขึ้น (reverse causation)

กลับมามองที่การประเมิน Talent ขององค์กรเราดูว่า ปัจจัยที่เราคิดว่าเป็นเหตุ เป็นผลกัน เป็นความจริง หรือเป็นแค่ความเชื่อของเรา หรืออาจเป็นตรงกันข้ามกับที่เราคิดก็ได้

 

ศาสตร์ของ Talent Analytics เพิ่งเริ่มได้ไม่นาน และกำลังพัฒนาเทคนิคใหม่ๆ ตามจำนวนข้อมูลที่เพิ่มขึ้น เพื่อที่จะหาวิธีใช้ข้อมูลในการประเมินคนเก่งให้ได้ตรงกับความเป็นจริงมากที่สุด 4 ปัจจัยนี้ถ้าสังเกตดีๆ เป็นการดึง bias ต่างๆ ที่ฝังอยู่ในความคิดของผู้ประเมินออกมาให้เห็น เพื่อจะทำให้การใช้ข้อมูลในการวิเคราะห์ได้ผลออกมามีประสิทธิภาพมากขึ้น


ถ้าชอบบทความนี้ คุณอาจจะสนใจ Monday’s Spark with Chutchapol.com ซึ่งผมคัดไอเดียเจ๋งๆ คำถามโดนๆ มาช่วยกระตุ้นพลังการทำงานทุกเช้าวันจันทร์

Click Here to Subscribe