People Analytics and Organizational Network Analysis for Better Decision Making and Human Resource Management
Analyse des Ressources Humaines et des Réseaux Organisationnels pour une Meilleure Gestion de l’Entreprise et une Meilleure Prise de Décision
Résumé
In today’s fast-paced and ever-changing business landscape, organizations must continuously adapt and innovate to maintain their competitive edge. People Analytics and Organizational Network Analytics have emerged as vital tools for harnessing data to support decision-making processes and enhance organizational effectiveness. People Analytics focuses on analyzing workforce data to gain a deeper understanding, manage, and optimize human capital. In contrast, Organizational Network Analytics explores communication patterns, interactions, and relationships among employees to foster a highly collaborative and efficient organization. Numerous benefits arise from employing People Analytics and Organizational Network Analytics, such as improved employee engagement, increased productivity, and better decision-making, among others. Attrition is a particularly costly and disruptive issue for many organizations, and using data-driven analysis to predict and mitigate it can provide significant advantages. The primary objective of this thesis is to make a meaningful contribution to the field by developing a framework for creating analytic tools and visualizations focused on People Analytics and Organizational Network Analytics. This will be complemented by practical use cases in which we perform advanced analysis on client case studies using real data from Panalyt to demonstrate their benefits. Additionally, this thesis will address the inherent challenges and ethical concerns associated with analyzing sensitive employee information. It is crucial to address these issues to maintain trust and ensure responsible data usage. Another critical aspect of this research involves examining and developing attrition prediction models that utilize the historical information of employees’ journey within an organization. One case study will also showcase that metrics derived from communication metadata are effective predictors of attrition. The research methodology will involve analyzing real client data from Panalyt’s client base, the company where I conducted my thesis, and the experimentation with these analytic tools and models will be within the context of medium to large-sized client organizations. This approach will help to better understand their applicability and effectiveness in real-world settings.
Dans le paysage commercial en constante évolution et au rythme effréné d'aujourd'hui, les organisations doivent s'adapter et innover en continu pour maintenir leur avantage concurrentiel. L'analytique des ressources humaines et l'analytique des réseaux organisationnels sont devenues des outils essentiels pour exploiter les données afin de soutenir les processus de prise de décision et améliorer l'efficacité organisationnelle. L'analytique des ressources humaines se concentre sur l'analyse des données de la main-d'œuvre pour obtenir une compréhension plus profonde, gérer et optimiser le capital humain. L'analytique des réseaux organisationnels, en revanche, étudie les modèles de communication, les interactions et les relations entre les employés pour favoriser une organisation hautement collaborative et efficace. De nombreux avantages découlent de l'utilisation de l'analytique des ressources humaines et l'analytique des réseaux organisationnels, tels que l'amélioration de l'engagement des employés, l'augmentation de la productivité et une meilleure prise de décision, entre autres. L'attrition est un problème particulièrement coûteux et perturbateur pour de nombreuses organisations, et l'utilisation d'analyses basées sur les données pour prévoir et atténuer ce phénomène peut offrir des avantages significatifs. L'objectif principal de cette thèse est d'apporter une contribution importante au domaine en développant un cadre pour créer des outils analytiques et des visualisations axés sur l'analytique des ressources humaines et l'analytique des réseaux organisationnels. Nous compléterons cela en présentant des utilisations pratiques où nous réaliserons des analyses avancées sur des études réelles avec les données clients de Panalyt, afin de démontrer les bénéfices qui en découlent. De plus, cette thèse abordera les défis inhérents et les préoccupations éthiques associés à l'analyse des informations sensibles des employés. Il est crucial de traiter ces problèmes pour maintenir la confiance et assurer une utilisation responsable des données. Un autre aspect critique de cette recherche implique d'examiner et de développer des modèles de prédiction d'attrition qui utilisent les informations historiques du parcours des employés au sein d'une organisation. Une étude de cas montrera également que les mesures déduites des métadonnées de communication sont des prédicteurs efficaces de l'attrition. La méthodologie de recherche englobera l'analyse des données clients réelles de la base de clients de Panalyt, auprès de laquelle j'ai réalisé ma thèse, et l'expérimentation de ces outils d'analyse et modèles sera dans le contexte d'organisations clientes de taille moyenne à grande. Cette approche aidera à mieux comprendre leur applicabilité et leur efficacité dans des situations réelles.
| Origine | Version validée par le jury (STAR) |
|---|