အလျင်အမြန်တိုးတက်ပြောင်းလဲနေပြီး မရေရာ မသေချာမှုတွေ၊ စွန့်စားရမှုတွေ၊ အခန့်မသင့်ရင် ဒါမှမဟုတ် ဆုံးဖြတ်ချက်တွေမှားတဲ့အခါ၊ နောက်ကျတဲ့အခါ ဆုံးရှုံးမှုတွေများတဲ့ ယနေ့ခတ်အခြေအနေမှာ အဖွဲ့အစည်းရဲ့ရည်မှန်းချက်ကို ရောက်အောင်သွားဖို့ မဟာဗျူဟာမြောက် ချိန်ညှိမှုတွေနဲ့အတူ HR လုပ်ငန်းစဉ်များနဲ့ ဆုံးဖြတ်ချက်ချခြင်းကို အကောင်းဆုံးနဲ့ အထိရောက်ဆုံးဖြစ်အောင် လုပ်ဆောင်ဖို့ HR ပိုင်းဆိုင်ရာနည်းပညာရပ်များနဲ့ Data တွေကို ကျွန်ုပ်တို့ ကောင်းကောင်းအသုံးချနေပါသလား။
HR Technology နဲ့ Data တွေကို ထိထိရောက်ရောက်အသုံးချဖို့၊ မဟာဗျူဟာမြောက်ဆုံးဖြတ်ချက်တွေ ချမှတ်တဲ့အခါ အထောက်အကူပြုနိုင်ဖို့ဆိုရင် HR Performance Analysis နဲ့ Data Analysis လုပ်တဲ့အခါ ကျော်လွှားရမယ့် စိန်ခေါ်မှုတွေကို သတိပြုမိနိုင်အောင်၊ ဒီလိုသတိပြုနားလည်နိုင်မှုကနေ မိမိအပါအဝင် ကိုယ့်ရဲ့အဖွဲ့ဝင်တွေစွမ်းရည်မြှင့်တင်မှုမှတဆင့် လုပ်ငန်းအဖွဲ့အစည်းရဲ့ရည်မှန်းချက်တွေကို ရရှိအောင်ပံ့ပိုးဆောင်ရွက်စေဖို့အတွက်ရည်ရွယ်ပြီး ဒီဆောင်းပါးမှာ Comprehensive HR Performance Analysis နဲ့ Data Analysis လုပ်တဲ့အခါ အများဆုံးကြုံတွေ့ရတဲ့ စိန်ခေါ်မှုများအကြောင်းကို အတွေ့အကြုံနဲ့ ပညာရပ်တွေကို အခြေခံပြီး ဆွေးနွေးတင်ပြထားပါတယ်။
HR Report Card လို့ခေါ်လို့ရမယ့် HR Team ရဲ့စွမ်းဆောင်ရည်တွေကို ဖော်ပြရာမှာ အစီရင်ခံစာတွေ၊ ခွဲခြမ်းစိတ်ဖြာလေ့လာသုံးသပ်မှုအစီရင်ခံစာတွေက အရေးကြီးတဲ့အခန်းကဏ္ဍကနေ ပါဝင်နေပါတယ်။ ဒီလိုHRပိုင်းဆိုင်ရာ လုပ်ဆောင်မှုကဏ္ဍပေါင်းစုံကို လေ့လာဆန်းစစ်တာတွေ၊ အစီရင်ခံစာပြင်ဆင်တာတွေကို လေ့လာရင် ယေဘုယျအားဖြင့် အဆင့် (၃) ဆင့် ရှိတာကိုတွေ့ရပါတယ်။ အဲ့ဒါတွေကတော့
(1) Operational Reporting
(2) Advanced Reporting
(3) Advanced Analytics တို့ပဲဖြစ်ပါတယ်။
Operational Reporting
ဆိုတာကတော့ HR ဌာန ဒါမှမဟုတ် မိမိရဲ့ပုံမှန် နိစ္စဓူဝ လုပ်ငန်းဆောင်တာတွေ၊ ပုံမှန် လူ့စွမ်းအားအရင်းအမြစ်ရေးရာ ညွှန်းကိန်းဖော်ပြချက်တွေ၊ နေ့စဉ်လုပ်ငန်းဆောင်ရွက်မှု၊ တိုးတက်မှု နဲ့ ပုံမှန်စောင့်ကြည့်စီမံနေတဲ့ ကိစ္စရပ်တွေကို ရေးသားဖော်ပြထားတဲ့ အစီရင်ခံစာအဆင့်အမျိုးအစားဖြစ်ပါတယ်။ ဒီအစီအရင်ခံစာက အဓိကအားဖြင့် Descriptive Analytics အဆင့်ဖြင့် ပုံမှန်အစီအရင်ခံစာတွေနဲ့အတူ အချက်အလက်တွေကို ရိုးရိုး ဇယား၊ ရုပ်ပုံကားချပ်တွေအသုံးပြုပြီး ဖော်ပြလေ့ရှိပါတယ်။
ဥပမာအားဖြင့် ဝန်ထမ်းဦးရေ၊ အလုပ်ထွက်နှုန်း၊ အလုပ်ခန့်အပ်မှုအရေအတွက်၊ အလုပ်ပျက်ကွက်မှုနှုန်းတွေ၊ သင်တန်းပေးတဲ့ နာရီစုစုပေါင်းနဲ့ သင်တန်းပို့ချတဲ့အကြိမ်အရေအတွက်တွေ၊ ပုံမှန် ဝန်ထမ်းတွေရဲ့ လုပ်ရည်ကိုင်ရည်စီမံခန့်ခွဲမှုဆိုင်ရာ အဆင့်တိုင်းတာချက်တွေပါဝင်ပါတယ်။ ဒီလို အစီအရင်ခံစာတွေက လစဉ်၊ သုံးလပတ်၊ နှစ်စဉ် စသဖြင့် အစီအရင်ခံစာတင်သွင်းရတဲ့ ကာလအပိုင်းအခြားတွေပေါ်မူတည်ပြီး HRရဲ့ပုံမှန်လုပ်ငန်းလုပ်ဆောင်မှုအခြေအနေ အခန်းကဏ္ဍကို စောင့်ကြည့်ဖို့၊ မှတ်တမ်းတင်ထားဖို့ အတွက် အသုံးပြုလေ့ရှိပါတယ်။
Advanced Reporting
အခြေအနေကတော့ သမရိုးကျ ဖော်ပြချက်တွေထက်ပိုပြီး အသေးစိတ်အချက်အလက်တွေ၊ နက်ရှုိင်းတဲ့ တိုင်းတာအကဲဖြတ်မှုတွေ၊ ပမာဏများပြားတဲ့ ညွှန်းကိန်းဖော်ပြချက်တွေနဲ့အတူ HR ရဲ့ လုပ်ငန်းစွမ်းဆောင်မှု အခြေအနေတွေနဲ့ အလားအလာရှိမှုတွေကို လေ့လာတင်ပြထားတဲ့ အစီအရင်ခံစာ အဆင့်ဖြစ်ပါတယ်။
ဒီအစီရင်ခံစာမှာ လေ့လာဆန်းစစ်တဲ့ အခြေအနေအဆင့်ကတော့ Descriptive & Diagnostics Analytics အဆင့်ဖြစ်ပြီး ဖြစ်နိုင်ချေရှိတဲ့အကြောင်းအရာ/ ပြဿနာရပ်/အခြေအနေကို လေ့လာသတ်မှတ်တာတွေ၊ ပြဿနာ ဒါမှမဟုတ် ကိစ္စရပ်ရဲ့ ပင်မ အဓိက အကြောင်းအရာအချက်အလက်တွေကို ဖော်ထုတ်တာတွေ၊ တချိန်မှာ ဘာတွေဖြစ်လာနိုင်တယ်ဆိုတဲ့ အလားအလာရှိမှုတွေကို လေ့လာတင်ပြထားတဲ့ အစီရင်ခံစာအဆင့်ဖြစ်ပါတယ်။
ဥပမာအားဖြင့် မြင်သာအောင်ရှင်းလင်းတင်ပြရရင်တော့ ကိုယ့်လုပ်ငန်းခွင်မှာ အချိန်ပိုဆင်းတဲ့နှုန်းများနေတာတွေက ဘာ့ကြောင့်လဲ၊ အလုပ်ထွက်နှုန်းတွေက များနေတာ/ ခန့်ပြီး အစမ်းခန့်ကာလအတွင်း ပြန်ထွက်တဲ့နှုန်းတွေ များနေတာ ဘာကြောင့်ဖြစ်မလဲဆိုတဲ့ကိစ္စရပ်တွေမှာ လေ့လာဆန်းစစ်တာတွေ၊ ဘယ်အရင်းအမြစ်ကနေ အလုပ်ကြော်ငြာတင်ရင်/ဖြန့်ဝေရင် စိတ်ဝင်စားမှုဘယ်လောက်ရှိသလဲ၊ ဘယ်လောက်အထိ ဝန်ထမ်းရှာဖွေခန့်ထားရေးလုပ်ငန်းစဉ်မှာ ဘယ်နည်းလမ်းက အထိရောက်ဆုံးဖြစ်မလဲ၊ ဝန်ထမ်းဦးရေ ကျား/မ အသက်အရွယ်၊ အချိုးအစားတွေ၊ သူတို့ရဲ့လုပ်ကိုင်နိုင်စွမ်းတွေက ဘယ်လောက်အထိ အဖွဲ့အစည်းကို အကျိုးသက်ရောက်မှုတွေဖြစ်စေလဲ၊ HR Budget ကိစ္စဆိုရင်လည်း အရင်က ဘယ် Factor တွေက သက်ရောက်မှုများပြီး ကုန်ကျစရိတ်အများဆုံးလဲ၊ နောက်ထပ်ကြိုတင်သတ်မှတ်ထားတဲ့ကာလတခုအတွင်းမှာ Budget တွေကဘယ်လောက်အထိဖြစ်လာနိုင်လဲ၊ ကုန်လွန်ခဲ့တဲ့နှစ် ကာလတွေရဲ့ အတက်အကျအဖြစ်ဆုံးကာလတွေပေါ်ချိန်ညှိပြီး Budget Allocation လုပ်နိုင်ဖို့၊ ပျမ်းမျှကုန်ကျစရိတ်တွေ ခန့်မှန်းတွက်ချက်တာတွေ စတဲ့ ကိုယ်ရည်မှန်းထားတဲ့အကြောင်းအရာကိစ္စရပ်တွေအရ ရှုထောင့်ပေါင်းစုံ၊ ညွှန်းကိန်း တိုင်းတာချက်တွေ၊ မှန်ကန်တဲ့ဆုံးဖြတ်ချက်တွေချမှတ်နိုင်ဖို့အတွက် ရည်ရွယ်ချက်ပေါ်မူတည်ပြီး အထာက်အပံ့ပြုနိင်မယ့် ညွှန်းကိန်းပမာဏများများနဲ့ တတ်နိုင်သမျှ အစီအရင်ခံစာရဲ့ရည်ရွယ်ချက်နဲ့အညီ အသေးစိတ်အခြေအနေတွေကို ဖော်ပြထားတဲ့အထိအဆင့်အခြေအနေတွေက ဒီအစီအရင်ခံစာအမျိုးအစားမှာ ပါဝင်ပါတယ်။ ဒါ့အပြင် ကိုယ့်လုပ်ငန်း/အဖွဲ့အစည်းနဲ့ ပြင်ပအခြေအနေ လုပ်ငန်းတူ အဖွဲ့အစည်းတွေရဲ့ ညွှန်းကိန်းတွေကို နှိုင်းယှဉ်မှုတွေ၊ ကိုယ့်အဖွဲ့အစည်းက သတ်မှတ်ထားတဲ့ ရည်မှန်းချက်တွေနဲ့ တကယ့်အကျိုးရလဒ်တွေကို ယှဉ်တွဲဖော်ပြချက်တွေ လေ့လာသုံးသပ်မှုတွေကလည်း ဒီ Advanced Reporting မှာပါရှိနိုင်ပါတယ်။
Advanced Analytics
အဆင့်ကတော့ စာရင်းအင်းပိုင်းဆိုင်ရာ အတွေးအမြင်ရှုထောင့်တွေ၊ ကြိုတင်မှန်းဆပုံဖော်ထားတဲ့ နည်းလမ်းတွေကို ပိုမိုအသုံးပြုပြီး သိရှိလိုတဲ့ အကြောင်းအရာအချက်အလက်တွေကို ထိုးထွင်းသိမြင်နိုင်အောင်နဲ့ Data Driven Decision Making ပိုမိုပြုလုပ်နိုင်အောင်လေ့လာဆန်းစစ်တဲ့ လုပ်ငန်းစဉ် အစီရင်ခံစာအဆင့် ဖြစ်ပါတယ်။
ဒီလေ့လာဆန်းစစ်တဲ့အဆင့်မှာ Predictive, Prescriptive Analysis အဆင့်ထိပါဝင်ပြီး ကြိုတင်ခန့်မှန်းတွက်ချက်မှုတွေ၊ ဖြစ်နိုင်ချေရှိမှုအလားအလာတွေ သိရှိအောင်၊ မဟာဗျူဟာမြောက်ဆုံးဖြတ်ချက်တွေကို ချမှတ်နိုင်အောင် အထောက်အပံ့ပြုဖို့အတွက် ပိုအာရုံစိုက်ပြီး လေ့လာဖော်ပြထားလေ့ရှိပါတယ်။
အချက်အလက်တွေကို ခွဲခြမ်းစိတ်ဖြာလေ့လာတဲ့ နေရာမှာ Descriptive Analytics, Predictive Analytics, Prescriptive Analytics ဆိုတာက ဘာတွေလဲဆိုတာ ထပ်မံကွဲကွဲပြားပြားသိဖို့လိုအပ်ပါတယ်။
Descriptive analytics
ဆိုတာက အတိတ်မှာ ဘာတွေဖြစ်ခဲ့သလဲ အဲ့ဒီ့အကြောင်းအရာကိစ္စရပ်တွေက ဘယ်လိုအလားအလာရှိခဲ့လဲဆိုတာကိုနားလည်သဘောပေါက်အောင်၊ အရင်ကဖြစ်ရပ်တွေကိုကြည့်ပြီး ဆုံးဖြတ်ချက်ချလို့ရအောင် ခွဲခြမ်းစိတ်ဖြာလေ့လာမှုဖြစ်ပါတယ်။
Predictive analytics
ကတော့ လက်ရှိဖြစ်နေတာတွေရယ်၊ အရင်က ဖြစ်ခဲ့တဲ့ အချက်အလက်တွေကိုကြည့်ပြီး အနာဂတ်မှာ ဖြစ်လာမယ့်ကိစ္စရပ်တွေကို မျှော်မှန်းတွက်ဆခြင်းပဲဖြစ်ပါတယ်။ ဥပမာအနေနဲ့ အရင်က ဝန်ထမ်းတွေရဲ့ လုပ်ရည်ကိုင်ရယ်နဲ့ပတ်သက်တဲ့မှတ်တမ်းမှတ်ရာတွေကို အခြေခံပြီး နောက်နှစ်မှာ ဘယ်လောက်အထိ Performance Score / Rate တွေကို မှန်းလို့ရမလဲ၊ ဝန်ထမ်းခန့်နှုန်း/ထွက်နှုန်းတွေကို ကြည့်ပြီး ဘယ်ကာလ တွေမှာ ဝန်ထမ်းရှာရခက်တာတွေ၊ အဝင်အထွက်များနိုင်တာကိုတွေကို မှန်းဆကြည့်ပြီး Workforce Planning ကို ကောင်းကောင်းလုပ်နိုင်အောင် ဒီ Analysis တွေက အထောက်အကူပြုတာမျိုး၊ ဝန်ထမ်းတွေရဲ့ လုပ်ငန်းခွင်မှာ ပျော်ရွှင်မှု/ ဝန်ထမ်းထိမ်းထားနိုင်မှု/ အဆင်ပြေမှု/ကုမ္ပဏီကနေ ဝန်ထမ်းတွေရဲ့ လုပ်ချင်ကိုင်ချင်စိတ်ကို မြင့်တင်ပေးတဲ့ အဆင့်/ရလဒ်တွေ၊ Performance Score တွေက ဘယ်ဝန်ထမ်းကတော့ဖြင့် အလုပ်ထွက်နိုင်ချေရှိတယ်၊ ဘယ်ဝန်ထမ်းတွေကတော့ Key Person တွေဖြစ်ပြီး သူတို့အတွက် Succession Planning လုပ်တာမျိုးတွေကို လုပ်နိုင်အောင် ယခင်၊ ယခု ရလဒ်တွေက အကူညီထောက်ပံ့ပေးနိုင်အောင် ရလဒ်ကောင်းတွေဖန်တီးနိုင်အောင် အနာဂတ်ကို ကြိုတင်ပုံဖော်မှန်းဆနိုင်အောင် အချက်အလက်တွေကို ခွဲခြားစိတ်ဖြာလေ့လာတဲ့အဆင့်ဖြစ်ပါတယ်။
Prescriptive analytics
အဆင့်ကတေ့ာ လုပ်ငန်းအောင်မြင်အောင် လုပ်ဖို့အတွက် အရေးကြီးတဲ့ဆုံးဖြတ်ချက်တွေ ချမှတ်နိုင်ဖို့၊ လိုအပ်တဲ့ လုပ်ဆောင်မှုတွေ လုပ်ဆောင်နိုင်အောင် အကြံပေးဆောင်ရွက်တာ၊ လိုချင်တဲ့ ရလဒ်ကောင်းတွေထွက်နိုင်အောင် လက်တွေ့အကောင်အထည်ဖော်ရမယ့် လုပ်ငန်းကိစ္စတွေက ဘာတွေလဲ၊ ဘယ်လိုဆောင်ရွက်နိုင်လဲဆိုတဲ့ analysis လုပ်တဲ့အဆင့်အနေအထားဖြစ်ပါတယ်။
ဥပမာ လုပ်ငန်း/အဖွဲ့အစည်းအတွက် အဓိကအရေးကြီးတဲ့ ရာထူး၊ နေရာတွေမှာ ရှိတဲ့သူရဲ့ လုပ်ရည်ကိုင်ရည် မြှင့်တင် တွန်းအားပေးနိုင်အောင် Career Development ဖြစ်အောင် အကြံပြုလမ်းညွှန်ပေးတာမျိုး၊ ကာလတခုအတွင်းမှာ ကိုယ်လိုချင်တဲ့ ရလဒ်ကို ရအောင် အထောက်အပံ့ပြုနိုင်၊ ရနိုင်တဲ့ ကိစ္စရပ်တွေအကြံပေးအထောက်အကူပြုနိုင်အောင် အချက်အလက်တွေကို နက်နက်ရှုိင်းရှိုင်းလေ့လာ ဆန်းစစ်တင်ပြတဲ့ အစီရင်ခံစာတွေပါဝင်နိုင်ပါတယ်။
ဒီလို အဆင့် လုပ်ငန်းဆောင်တာတွေကို ကိုယ်ကသိတဲ့အခါမှာ ကိုယ့်ရဲ့ ရည်မှန်းချက်/ရည်ရွယ်ချက်ကို သေချာချမှတ်နိုင်ပြီး Analysis လုပ်ငန်းစဉ်နဲ့ အစီရင်ခံစာတွေကို ရလဒ်ကောင်းထွက်အောင် စီမံဆောင်ရွက်နိုင်မှာပဲဖြစ်ပါတယ်။
Data Analysis
ပိုင်းမှာဆိုရင်တော့ HR Analyticsလုပ်တာပဲဖြစ်ဖြစ်၊ Sales, Marketing, Business Development စတာတွေ နဲ့ပတ်သက်ပြီး Analysis လုပ်တာပဲဖြစ်ဖြစ် အများဆုံးကြုံတွေ့ရတဲ့အခက်အခဲ စိန်ခေါ်မှုတွေကို လေ့လာကြည့်လိုက်ရင် အဖြစ်အများဆုံး (၆) မျိုးကို လေ့လာတွေ့ရှိရပါတယ်။
(1) Data Quality and Availability
Data တွေကို Analysis လုပ်ဖို့ အချက်အလက်တွေ ကောက်ယူစုဆောင်းတဲ့အခါ အချက်အလက်တွေက ပုံစံမျိုးစုံနဲ့ ရရှိလာပါတယ်။ ရလာတဲ့အချက်အလက်က တိုက်ရိုက် Analysis လုပ်ဖို့အတွက်အသုံးချနိုင်တာက နည်းပါတယ်။ ဒီနေရာမှာ အချို့ Data တွေက အရံသင့်အသုံးပြုလို့ရတဲ့ Data တွေဖြစ်သလို အချို့ Data တွေက Duplicate ဖြစ်တာတွေ၊ Data Missing/ Blank ဖြစ်တာတွေ၊ Data Entry Error & Typing Error တွေ၊ Data Record လုပ်တဲ့အခါ Data format/ standard မကျတာတွေ ကို ကြုံတွေ့ရပါတယ်။
နောက်တခုက အချက်အလက်ရရှိနိုင်စွမ်း (availability) ကိုယ် Analytics လုပ်မယ့်ရည်ရွယ်ချက်အပေါ်မူတည်ပြီး အချက်အလက်တွေရဖို့အတွက် Data Collection လုပ်ရတာ ကိုယ်လိုချင်တဲ့ Data မရတာ၊ လိုအပ်သလောက်မရတာကလည်း အခက်အခဲတခုပါ။ ဘယ်လို ရည်ရွယ်ချက်တွေအတွက် ဘယ်လို အချက်အလက်တွေကို ဘယ်လိုနည်းလမ်းတွေအသုံးပြုပြီး ကောက်ယူရမလဲ၊ ဘယ်အချိန်တွေမှာ ကောက်ယူသင့်သလဲဆိုတာတွေက Analytics လုပ်တဲ့သူများအတွက် ခေါင်းခဲစေတဲ့ကိစ္စရပ်တခုလည်းဖြစ်ပါတယ်။
(2) Data Privacy and Security
ဝန်ထမ်းတွေရဲ့ ကိုယ်ရေးအချက်အလက်တွေ၊ မှတ်တမ်းတွေ၊ လုပ်ငန်းအတွက် အရေးကြီးတဲ့ အချက်အလက်တွေရဲ့လုံခြုံမှု၊ ကိုယ်ရရှိလာတဲ့ အချက်အလက်တွေရဲ့ လုံခြုံမှု၊ Private & Confidential ဖြစ်မှု၊ Data Ownership တွေ၊ Data Authorize Access တွေ ဘယ်လိုပေးမလဲ၊ ဘယ်လို Storage လုပ်မလဲ၊ Data Security ဖြစ်ဖို့ မပေါက်ကြားဖို့ ဘယ်လိုကာကွယ်ထိန်းသိမ်းမလဲ၊ ကိုယ့်ကုမ္ပဏီမှာ ပြဌာန်းထားတဲ့ Data Protection Policy နဲ့အညီ ဘယ်လိုလုပ်ဆောင်မလဲဆိုတာတွေက ဒုတိယ အခက်အခဲပါ။
(3) Skills and Expertise
အခုနည်းပညာပြောင်းလဲတိုးတက်မှုတွေနဲ့အတူ ပေါ်ထွက်လာတဲ့ Business Intelligence tools တွေ ဘယ်လောက်အသုံးချနိုင်လဲ ဘယ်လောက်ကျွမ်းကျင်မှုရှိလဲ ဒီကျွမ်းကျင်မှုတွေက ကိုယ် Analysis လုပ်တဲ့ နယ်ပယ်မှာ Result ကောင်းမွန်စေဖို့ ပံ့ပိုးနိုင်မှာဖြစ်ပါတယ်။ ဥပမာ အားဖြင့် Excel ဆိုရင် Advance level အထိ အသုံးပြုနိုင်တာမျိုး၊ ဥပမာအားဖြင့် Data Analytics tools ဖြစ်တဲ့ Power BI, Tableau, Looker Studio တို့မှာ ကိုယ်နဲ့ကိုက်ညီပြီးသင့်တော်တဲ့ Tool တခုကိုကောင်းကောင်းအသုံးချနိုင်အောင် ကျွမ်းကျင်မှုရှိအောင် လေ့ကျင့် အသုံးချမှုတွေပြုလုပ်ထားတာမျိုးတွေက တကယ်ကို ကောင်းမွန်တဲ့ Analytics Result ကို ထွက်လာနိုင်ပါတယ်။
ဒီလိုကျွမ်းကျင်မှုအရည်အချင်းတွေ တိုးတက်စေဖို့ သင်ယူလေ့လာလေ့ကျင့်မှုတွေဖြစ်စေဖို့၊ ကိုယ့်ရဲ့အဖွဲ့အစည်းမှာရှိတဲ့ သက်ဆိုင်တဲ့သူတွေကို လိုအပ်တဲ့ကျွမ်းကျင်မှုတွေရှိအောင်၊ လေ့လာသင်ယူအောင် တိုက်တွန်းဖို့၊ လိုအပ်တာတွေပံ့ပိုးဖို့၊ ဒီကနေတဆင့် အဖွဲ့အစည်းရဲ့ရည်မှန်းချက်တွေနဲ့ ကိုက်ညီအောင် ချိန်ညှိရတာတွေ၊ ရည်ရွယ်ချက်တွေကို ရအောင်ကြိုးပမ်းရတာတွေက ဒီလုပ်ငန်းစဉ်မှာ ကြုံတွေ့ရမယ့် စိန်ခေါ်မှုတွေပါပဲ။
(4) Change Management
ကိုယ်က လုပ်ငန်းခွင်မှာ Analytics လုပ်တော့မယ်ဆိုရင် ကိုယ်လိုအပ်တဲ့ Data ကို အခြားသူတွေက ပေးရတာတွေ၊ အချက်အလက်အပိုတွေ ထပ်မံ မှတ်တမ်းတင်ရတာတွေ၊ သတ်မှတ်ထားတဲ့အချိန်တွေမှာ လိုအပ်တဲ့ အချက်အလက်တွေကို သက်ဆိုင်ရာ တာဝန်ရှိသူထံ ပို့ပေးရတာတွေ၊ ကိုယ်က Business Intelligence tools ထဲက အချို့ကို လုပ်ငန်းခွင်မှာ သုံးဖို့အတွက်ရည်ရွယ်ထားပြီး စီစဉ်လိုက်တယ်ဆိုရင် အဲ့ဒီနည်းပညာအကြောင်းကို ကိုယ့်ရဲ့လုပ်ငန်းခွင်မှာရှိတဲ့သူတွေ၊ အဖွဲ့ဝင်တွေက သင်ယူချင်စိတ်ရှိတဲ့သူတွေ မသင်ချင် မသုံးချင်တဲ့သူတွေကိုသုံးအောင် ဆွဲဆောင်ရတာတွေ၊ တွန်းအားပေးရတာတွေ စတဲ့အပြောင်းအလဲတွေမှာ အဆင်ပြေချောမွေ့မှုရှိအောင် အပြောင်းအလဲကို စီမံခန့်ခွဲရတာတွေကလည်း လက်တွေ့အကောင်အထည်ဖော်ရာမှာ ကိုယ့်ရဲ့ရည်ရွယ်ချက်ကို နှောင့်နှေးစေတဲ့ ကိစ္စရပ်ပါပဲ။
(5) Return on Investment
အခုရေတွင်းတူး အခုရေကြည်သောက်ချင်တဲ့ စိတ်ဆန္ဒတွေ၊ လုပ်ငန်းရှင် နဲ့ အကြီးတန်းစီမံခန့်ခွဲသူအဖွဲ့ရဲ့ ပေးလိုက်တာထက် ပြန်ရလိုချင်စိတ်များနေတဲ့ မျှော်လင့်ချက်တွေ၊ တွက်ချက်မှုတွေက Analytics လုပ်ဖို့အတွက် ကုန်ကျစရိတ်ရှိတဲ့အခါ (ဥပမာ အချို့ BI Tools တွေက အခမဲ့သုံးလို့ရပေမယ့် အချို့ software တွေက ဝယ်သုံးရတဲ့အခါ)၊ လိုအပ်တဲ့ Infrastructure တွေကို Upgrade မြှင့်ရတဲ့အခါ ဒီအပေါ်မှာ ကိုယ်က Management Team ရဲ့ Budget/ Tools ကိုအသုံးချ ခွင့်ပြုဖို့ မနည်းတွန်းတွန်းတိုက်တိုက် တင်ပြရတဲ့ကိစ္စတွေက တကယ် Analysis လုပ်မယ့်သူအတွက်တော့ ခေါင်းခဲရတဲ့ ကိစ္စရပ်တွေပါပဲ။
(6) Effective Communication
Analysis Report တွေထွက်လာပြီ၊ ဒါမှမဟုတ် ကိုယ်က Analytics လုပ်တဲ့ လုပ်ငန်းစဉ်တလျှောက်မှာ အခြားသက်ဆိုင်သူတွေနဲ့ ညှိနှုိင်းဆောင်ရွက်ရတဲ့အခါ၊ ပူးပေါင်းဆောင်ရွက်ရတာတွေရှိတဲ့အခါ၊ ဘယ်လိုထိရောက်တဲ့ ဆက်သွယ်မှုနည်းလမ်းတွေအသုံးပြုပြီး ဆက်သွယ်မလဲ၊ Sr. Management Team ကို ကိုယ့်ရဲ့တွေ့ရှိချက်တွေ၊ သုံးသပ်အကြံပေးမှု၊ အကောင်အထည်ဖော်ဆောင်ရွက်ရမယ့်အကြောင်းအရာတွေကို ဘယ်လိုတင်ပြပြောဆိုမလဲ၊ ရရှိလာတဲ့အချက်အလက်တွေရဲ့ ဇယား၊ ရုံပုံကားချပ်တွေနဲ့ သရုပ်ဖော်တင်ပြမှုအစီအရင်ခံစာတွေကို မိမိကိုယ်တိုင် ဒါမှမဟုတ် မိမိရဲ့အဖွဲ့ကဘယ်လိုမျိုး နားလည်သဘောပေါက်အောင်လုပ်မလဲ၊ စီမံခန့်ခွဲမှုအဖွဲ့နဲ့ သက်ဆိုင်သူတွေ မိမိရဲ့ Analysis Report ကို သူတို့ရှင်းရှင်းလင်းလင်းသိမြင် နားလည်အောင်၊ ဆုံးဖြတ်ချက်တွေချမှတ်ဖို့အတွက် အထောက်အကူပြုအောင် ဘယ်လို ထိထိရောက်ရောက်ရှင်းလင်းတင်ပြမလဲဆိုတာတွေက စာရှုသူတို့ရင်ဆိုင်ကျော်ဖြတ်ရမယ့်စိန်ခေါ်မှုတွေပဲဖြစ်ပါတယ်။
စာရှုသူများအနေနဲ့ ဒီလို HR Report Level, Analysis တွေအကြောင်းနဲ့ တကယ်တမ်းလက်တွေ့မှာ HR Analytics လုပ်ဖို့ စတင်ပြင်ဆင်တဲ့အခါ ကြုံတွေ့လာရမယ့် Data Analysis ပိုင်းဆိုင်ရာ စိန်ခေါ်မှုတွေအကြောင်းကို သေချာသိရှိပြီး ကိုယ်ကြုံနေရတဲ့ အခြေအနေတွေနဲ့ နှိုင်းယှဉ်စဉ်းစားတဲ့အခါဒီဆောင်းပါးလေးက အထောက်အကူပြုနိုင်ပါလိမ့်မည်လို့ ယုံကြည်လျက် HR Performance Analysis ကိုသိမြင်နားလည်ခြင်းနှင့် Data Analysis လုပ်တဲ့အခါ ကြုံတွေ့ရတဲ့ စိန်ခေါ်မှုများ ဆောင်းပါးလေးကို ဒီနေရာမှာပဲ နိဂုံးချုပ်အပ်ပါတယ်။
**************