Skimle לצוותי משאבי אנוש ואנשים
להבין מה האנשים שלכם באמת אומרים לכם
סקרי מעורבות עובדים, ראיונות עזיבה, משוב קליטה ובדיקות דופק מייצרים כולם טקסט פתוח. צוותי משאבי אנוש אוספים את הנתונים האלה בקפידה ואז מתקשים לעשות איתם צדק. קריאה ידנית של מאות הערות לוקחת ימים. ניקוד סנטימנט מאבד את הניואנסים. התוצאה היא שהחלק העשיר ביותר במשוב, ה-“למה” האיכותני שמאחורי הציונים, כמעט אף פעם לא מניע את ההחלטות שהוא צריך להניע.
Skimle קורא כל הערה באופן שיטתי, חושף את הנושאים שבאמת חשובים לכוח העבודה שלכם ומקשר כל ממצא לשפה המדויקת של העובדים שתומכת בו. מקבלים תמונה מובנית של מה עובד, מה לא והיכן נדרשת פעולה, בלי לבזבז שבועות בגיליונות אלקטרוניים.
מטקסט פתוח לתובנות על אנשים, בלי ניתוח ידני
בין אם אתם מעבדים 800 הערות מסקר מעורבות, 40 תמלילי ראיונות עזיבה או תוצאות של הערכת תרבות ארגונית, האתגר האנליטי זהה: יותר מדי טקסט, יותר מדי נושאים, לא מספיק זמן. Skimle מטפל בניתוח באופן שיטתי כדי שצוותי משאבי אנוש יוכלו להתמקד במה לעשות עם הממצאים.
- ניתוח תשובות פתוחות לסקרים, תמלילי ראיונות והגשות כתובות
- חשיפת נושאים בין צוותים, טווחי ותק, מיקומים או כל מטא-נתוני משאבי אנוש אחרים
- הרצת ראיונות בסיוע בינה מלאכותית לעזיבה, לקליטה ולמשוב דופק בהיקף גדול
- סודיות מלאה: אירוח ב-EU, עמידה ב-GDPR, לעולם לא משמש לאימון מודלים של בינה מלאכותית
- כל ממצא מקושר לשפה המילולית של העובדים
- ייצוא דוחות מובנים להנהלה, לדירקטוריונים או לתכנון פעולה
מה האנשים שלכם באמת אומרים מאחורי הציונים
להבין לעומק מעורבות עובדים דרך תשובות טקסט פתוחות
סקרי מעורבות מייצרים מאות הערות פתוחות שמסבירות את הציונים, אבל רוב צוותי משאבי האנוש מסתפקים בדגימה או ברפרוף, והאותות החשובים על צוותים, מנהלים או תנאי עבודה מסוימים מוחמצים. Skimle קורא כל הערה ובונה היררכיית נושאים מובנית, ומקשר כל נושא לשפה האמיתית של העובדים כדי שלהנהלת משאבי האנוש יהיו ראיות לפעול לפיהן.
איך זה עובד
- 1. ייצוא והעלאה של תשובות הסקר
ייבאו תשובות פתוחות כייצוא CSV או Excel מפלטפורמת הסקרים שלכם. כללו עמודות מטא-נתונים, כמו צוות, ותק, מיקום ומנהל, לצורך פילוח.
- 2. הרצת הניתוח
Skimle קורא כל הערה ובונה היררכיית נושאים מהתוכן. בלי דגימה, כל תשובה תורמת לממצאים.
- 3. פילוח לפי צוות או דמוגרפיה
סננו ממצאים לפי כל משתנה מטא-נתונים: צוות, מיקום, טווח ותק, תפקיד. ראו אילו נושאים חוצי ארגון ואילו מרוכזים בקבוצות מסוימות.
- 4. אימות הראיות
לחצו על כל נושא כדי לקרוא את הציטוטים התומכים. כל ממצא מעוגן במה שהעובדים באמת כתבו, לא במה שהאנליסט הסיק.
- 5. הצגה להנהלה
ייצאו תדריך מעורבות מובנה ב-Word או ב-PowerPoint: נושאים, ציטוטים תומכים ופירוט ברמת הצוות, מוכן לצוות ההנהלה או לדירקטוריון.
לאורך כל מסע העובד
הפעלת תוכניות משוב ממוקדות לאורך מסע העובד
ראיונות עזיבה, שיחות מעקב בקליטה, סקירות של 30, 60 ו-90 יום, סקרי דופק וראיונות שימור מייצרים כולם אות איכותני שלרוב צוותי האנשים אין יכולת לנתח כראוי, ולכן הוא מסוכם עד שנעלם או מדולג לגמרי. Skimle Ask מריץ ראיונות בסיוע בינה מלאכותית בכל שלב במסע העובד בלי עומס תיאום, ומחזיר תשובות שכבר נותחו, עם נושאים בולטים וציטוטים מילוליים מצורפים. הריצו את אותה תוכנית שוב ושוב ו-Skimle יאפשר לכם לעקוב אחרי שינויים בסנטימנט ובנושאים לאורך זמן.
איך זה עובד
- 1. תכנון מדריך הראיון
כתבו את שאלות הליבה: סיבות לעזיבה, חוויית התפקיד, משוב על המנהל, הצעות. Skimle Ask משתמש בהן כדי להנחות כל שיחה, ומעמיק היכן שמשיבים נותנים תשובות מהותיות.
- 2. שיתוף עם עובדים עוזבים או חדשים
שלחו את קישור הראיון בדוא״ל בשלב העזיבה או הקליטה. העובדים משלימים אותו בקצב שלהם, בלי תיאום מועדים ובלי זמן של משאבי אנוש בחדר.
- 3. הבינה המלאכותית מנהלת את השיחות
כל עובד מקבל שיחה מותאמת אישית. הבינה המלאכותית שואלת שאלות המשך ומטפלת בנושאים רגישים בזהירות הראויה, ותופסת ניואנסים שסקרים סגורים מחמיצים.
- 4. התשובות מנותחות עם הגעתן
Skimle מארגן את התשובות בנושאים באופן רציף. עד סוף מחזור עזיבות, ניתוח העזיבה כבר גמור.
- 5. ייצוא לתכנון פעולה
הפיקו ניתוח עזיבה מובנה עם נושאים וציטוטים מייצגים, מוכן להצגה למנהל משאבי האנוש הראשי או לצוות ההנהלה.
לחשוף את מה שמספרי סקר התרבות לא יכולים לספר
להעמיק בתרבות ובטרנספורמציה
הערכות תרבות ותוכניות טרנספורמציה חושפות פחדים, התנגדויות ומציאות יומיומית שציוני מעורבות אף פעם לא תופסים, אבל הדפוסים שמסבירים למה יוזמה נתקעת קבורים באופן שבו אנשים מתארים את החוויה שלהם, לא בכותרות. Skimle מבצע ניתוח של תמלילי קבוצות מיקוד, הקלטות ראיונות ותשובות פתוחות כדי לחשוף נושאים חוזרים, למפות היכן חלקים בארגון נפרדים זה מזה ולשמר קולות מיעוט שהממצאים המרכזיים היו מדכאים.
איך זה עובד
- 1. איסוף נתונים מכל המקורות
העלו תמלילי קבוצות מיקוד, הקלטות ראיונות ותשובות לסקרים לפרויקט אחד. Skimle מטפל בפורמטים מעורבים ובשפות מרובות.
- 2. הרצת ניתוח על כל הקורפוס
Skimle קורא כל הגשה ובונה נושאים מהתוכן, לא ממדגם ולא ממערכת קטגוריות מוכנה מראש. הנושאים צומחים ממה שאנשים באמת אמרו.
- 3. זיהוי היכן הארגון מתפצל
השוו נושאים בין צוותים, דרגים או אזורים גאוגרפיים. היכן מנהלים בכירים ועובדי השטח מתארים את אותו מצב באופן שונה לגמרי? הפערים האלה הם בדרך כלל הממצאים החשובים ביותר.
- 4. שימור קולות מיעוט וקולות חולקים
שקיפות דו-כיוונית פירושה ששום ממצא לא נבלע בממוצע. רואים אילו נושאים אוניברסליים ואילו מייצגים חוויית מיעוט שהממצאים המרכזיים היו מדכאים.
- 5. בניית תדריך הטרנספורמציה
ייצאו דוח מובנה עם ניתוח נושאים וציטוטים מילוליים מאורגנים לפי קבוצה, מוכן לוועדת ההיגוי לתרבות או לדירקטוריון תוכנית הטרנספורמציה.
שאלות נפוצות
שאלות נפוצות
- האם נתוני משוב עובדים מטופלים בסודיות?
- כן. כל הנתונים מאוחסנים בשרתים ב-EU, עומדים ב-GDPR ולעולם אינם משמשים לאימון מודלים של בינה מלאכותית. Skimle מספק הסכמי עיבוד נתונים לארגונים עם דרישות תאימות מיוחדות. תשובות של עובדים בודדים אינן ניתנות לזיהוי בתוצרי הניתוח, אלא אם תחליטו לכלול מטא-נתונים מזהים.
- האם Skimle יכול לעזור לנו לנתח משוב בכמה שפות עבור כוח עבודה גלובלי?
- כן. Skimle תומך ביותר מ-100 שפות ויכול לנתח משוב מעובדים בכמה מדינות בפרויקט אחד. הנושאים מאוחדים בין השפות, כך שסוגיה שעלתה בהערות בפינית, בגרמנית ובאנגלית תופיע כנושא אחד ולא כשלושה נפרדים.
- במה Skimle Ask שונה מכלי סקרי הדופק הקיים שלנו?
- כלי סקרים אוספים תשובות מובנות לשאלות קבועות. Skimle Ask מנהל ראיון שיחתי, ושואל שאלות המשך לפי מה שכל עובד אומר, כמו שאיש משאבי אנוש מנוסה היה עושה בשיחה אישית. מקבלים עומק איכותני בהיקף גדול.
- האם אפשר לעקוב אחרי האופן שבו נושאי מעורבות מתפתחים לאורך זמן?
- כן. הריצו את אותו ניתוח על מחזורי סקר עוקבים והשוו איך מבנה הנושאים משתנה. Skimle מקל לראות אם סוגיה מסוימת משתפרת, מחמירה או משנה אופי לאורך זמן.
- איך מציגים ממצאים להנהלה בלי לחשוף תשובות אישיות?
- התוצר של Skimle הוא מבנה נושאים עם ציטוטים מייצגים, לא רשימה של מי אמר מה. אתם בוחרים אילו ציטוטים לכלול בדוח. תשובות אישיות נשארות בתוך הפלטפורמה ואינן מופיעות בייצואים, אלא אם תבחרו במפורש לכלול אותן.
- כמה זמן לוקח ניתוח של סקר מעורבות גדול?
- מקבץ של 500 עד 800 הערות פתוחות מעובד בדרך כלל בפחות משעה. מקבץ של 30 תמלילי ראיונות עזיבה לוקח אולי עשר דקות. מעלים, מתחילים ניתוח וחוזרים לתצוגת נושאים מובנית.
על Skimle
נבנה לאנשי מקצוע, בידי אנשי מקצוע
Skimle ממוקם בפינלנד וזוכה לאמון של צוותי משאבי אנוש, גופי ממשל, אוניברסיטאות וחברות ייעוץ שצריכים להתייחס ברצינות למשוב איכותני. כל הנתונים מאוחסנים בתוך ה-EU בעמידה מלאה ב-GDPR. נשמח לדון ברישוי ארגוני, בתוכניות לצוותים ובהסדרי עיבוד נתונים לארגונים גדולים.
כל הנתונים מאוחסנים בתוך ה-EU ומעובדים בהתאם למדיניות ה-GDPR המחמירה שלנו ולתנאי השימוש.
רוצים לדעת עוד? עיינו בבלוג Signal & Noise, בשאלות הנפוצות ובתרחישי שימוש לפי מגזר. נשמח גם להדגים את המוצר או לבחון איך Skimle יכול להתאים לצרכים שלכם.