CASO EDGE NETWORKS: MAKING HR INTELLIGENT

[pic 1][pic 2][pic 3][pic 4]

[pic 5]

[pic 6]

CASO EDGE NETWORKS: MAKING HR INTELLIGENT

Prithvi  Shergill, CHRO (Director de Recursos Humanos) de HCL Technologies.

Arjun Pratap, fundador y CEO de redes EDGE. Arjun Pratap no era el empollón de TI estereotipada; él era un vendedor en el corazón. Después de haber desarrollado un interés en la tecnología, se trasladó a Sydney para inscribirse en una maestría en sistemas de información.

Edge era una tecnología de puesta en marcha que se había desarrollado HIREalchemy ™. Una herramienta “inteligente” para buscar talento de los foros de empleos en línea y sitios de nicho de la comunidad en Internet.

Plataforma de HCL Technologies: Propuesta de valor menos centrado en la adquisición de talento, pero mucho más amplio en el impacto. En lugar de simplemente ayudar a los reclutadores con sus tareas, sino que también puede proporcionar una visión única de la verdad a las ventas, de entrega y de gente de recursos humanos, por lo que tienen una imagen realista de la demanda y la oferta de talento.

Se restablece la dirección en la HCL mediante el inicio de un ejercicio para refrescar y volver a diseñar el conjunto de procesos de recursos humanos que directamente afectan a la población. Una vez que esto se había completado, se institucionalizó el nuevo diseño mediante la implementación de plataformas informáticas, tales como Kenexa de IBM y SuccessFactors de SAP.

Los líderes de Recursos Humanos HCL hablaron de simplificar radicalmente la cadena de suministro de talento. La reducción del tamaño de los equipos de gestión de recursos externos e internos era una opción.

“Diseño 2.0”

Aplicación fácil de usar que muestre a los candidatos a un director de recursos humanos, así mismo los empleados pueden declarar que están disponibles para una asignación, y proporcionar atributos que describen su trabajo ideal, a su vez la aplicación tratará de igualar sus peticiones con las demandas existentes. Empleados interesados ​​tendrán iniciar sesión en un portal de aprendizaje y programar su formación; después pueden volver a evaluar su ajuste para el trabajo.

Una vez identificado un candidato adecuado para un puesto, la compañía podría superponer rendimiento, límites de indemnización y las preferencias de ubicación, y hacer una elección.

Historia de EDGE

Mirando a cerrar la brecha entre la educación y la empleabilidad, Pratap lanzó su propia puesta en marcha en 2010, con el objetivo de construir una plataforma que facilite el aprendizaje a distancia, y proporcionar perspectivas de carrera a los estudiantes.

Él nombró el borde compañía, que era una abreviatura para la Educación, crecimiento y el empleo. En 2013, el NSDC3 reconocido redes EDGE como un socio de la innovación, comprometiéndose a financiar su propuesta para construir una bolsa de trabajo digital; en su núcleo era una bolsa de trabajo inteligente que reunió a los posibles empleadores, buscadores de empleo, y contenido de la formación en una sola plataforma unificada.

Pratap descubrió impedimentos para el despliegue de su propuesta. Para diseñar una solución tecnológica, Pratap contrató Priyadarshi Lahiri, una importante literatura que tenía una serie de períodos en los equipos de TI grandes y pequeños. Propusieron simplemente emparejar los solicitantes de empleo con los empleadores. Mediante la inyección de las técnicas de la ciencia en la contratación de los datos, su plataforma crearía un “ecosistema de cumplimiento” para los empleados y los empleadores. Unos meses más tarde, HIREalchemy nació.

Una encuesta LinkedIn llevado a cabo en 30 países indicó que más del 40% de la contratación de buena calidad se vio facilitada por este canal.

Reclutamiento se basó en las búsquedas de palabras clave para las habilidades que fueron recogidos de la JD. Los solicitantes de empleo, a su vez resumieron sus habilidades y competencias con un conjunto de palabras clave, la omisión de una palabra clave de búsqueda por el reclutador excluiría automáticamente un candidato capaz de los resultados.

La identificación de individuos de alto calibre necesitaba habilidades avanzadas “caza” entre los reclutadores, tales como ser conocedores de la tecnología y frecuentar sitios web de comunidades.

La otra cara de reclutamiento fue de desgaste, que resultó ser un gran punto débil de recursos humanos, jefes de recursos humanos se basaron en un “spray y rezar” enfoque de relacionarse con los empleados, incentivar con premios y reconocimiento en la esperanza de retenerlos.

Al tener a alguien identificado para un puesto de trabajo, se tiene que  superar un último obstáculo: la aceptación de la oferta.

Sistema de información y análisis

A principios del siglo 20, Frederick Taylor instituyó sus principios de “gestión científica” en el lugar de trabajo estadounidense, y avanzó un enfoque de métricas impulsado hacia la evaluación de la productividad.

Enfoque de adentro / afuera: Departamentos de recursos humanos se establecieron poco después, con un énfasis principal en la gestión de personal. El objetivo principal de recursos humanos era animar a la fuerza laboral de la compañía para alinearse con y entrega a las necesidades de la empresa.

La información de RRHH está dispersa a través de múltiples sistemas que no se comunican entre sí. Estos sistemas deben ser llevados juntos para generar una única fuente de verdad para alguien que conduce los grupos de interés. Al final del día, RRHH permite a los líderes de línea un mejor desempeño, mediante la utilización del talento a bordo de una mejor manera.

En el entorno globalizado del siglo 21 con la libre circulación de mano de obra a través de geografías, RRHH no tuvo más remedio que aceptar un enfoque de adentro hacia afuera, donde el contexto externo de una empresa dirige su funcionamiento interno. Por ejemplo, la decisión de un candidato para aceptar una oferta de trabajo se basa en comparaciones de mercado.

Algoritmos de predicción se podrían utilizar para guiar la contratación y re-contratación dirigida; este ahorro de tiempo, reduce la incertidumbre, evitó el exceso de contratación y finalmente redujo los costos del banco.

Los modelos avanzados de desgaste se basaron en los datos de entrada, como los datos de compensación de referencia de mercado, y en las "habilidades clave" que estaban en demanda. También por coeficientes de información interna, como la formación que había recibido un empleado, su calificaciones de desempeño, las decisiones de promoción, las ofertas de trabajo que él / ella había postulado en la intranet, saldos de licencias, la frecuencia de las descargas de nómina, y el tiempo de pantalla.

El equipo de EDGE tejió la inteligencia en su motor con 2 años de datos de archivo de una empresa líder en la dotación de personal dentro de los ITES y sectores bancarios. Ellos aprovecharon estos datos para predecir la intención de un candidato para unirse a una empresa cliente, con una alta precisión.

Aunque HIREalchemy fue diseñado para el sector de las TI / ITES, podría ser reutilizado para cumplir con requisitos de contratación de cualquier industria con una necesidad de las personas adecuadas en el momento adecuado, con la habilidad justo en el lugar correcto en el costo adecuado, como por ejemplo la salud cuidado, el comercio minorista, las telecomunicaciones, la infraestructura y los servicios financieros, entre otros.

Los equipos podrían ahora realizar tareas de impacto mucho mayor: poner en contacto un candidato, el enlace con el director de recursos humanos que levantó la solicitud, transmitiendo una decisión al candidato, negociar las condiciones salariales, la construcción de un embudo de talento nicho, y así sucesivamente.

Su herramienta de EDGE se ha utilizado con eficacia para otros dominios de recursos humanos, tales como la identificación de las necesidades de formación sobre una base en tiempo real, por lo que las oportunidades de carrera más transparente, y utilizando el análisis predictivo para llamar talento en situación de riesgo.

Una plataforma de gestión de análisis de fuerza laboral para HCL (Pi), HCL era capaz de acelerar la adquisición de talento ya que cualquiera podría localizar el conjunto adecuado de candidatos a un requisito de trabajo. Personal de recursos humanos ya podían conectarse en función de las aspiraciones de un empleado con una demanda entrante A nivel estratégico, los jefes de recursos humanos podrían pronosticar la demanda de empleo con un 80-90% de precisión.

El nuevo sistema podría ser utilizado de manera inteligente para aumentar la productividad: un gerente podría publicar un requisito para una tarea a corto plazo en un proyecto, de manera que un colaborador interesado, que estaba libre para el período, podría atender la solicitud. De esta manera, un empleado estaría involucrado en una tarea productiva. El trabajador percibiría esta contribución como la mejora de habilidades.

El tiempo de ciclo para la asignación interna había reducido de 15 a 5 días, que era un ahorro de costes en millones de dólares. Claramente, la solución de Edge podía manejar de manera integral la gestión interna, así como las personas externas, y mejorar la utilización de los empleados con el cumplimiento más rápido.

...