Employee Engagement. Come applicare la Sentiment e Semantic analysis ai dati HR

Introduzione

La People Analytics (PA) riguarda uno dei cambiamenti più importanti del settore Human Resources. I benefici potenziali di un'applicazione e di un'analisi scientifica dei dati HR può aiutare a risolvere importanti problemi di business. La People Analytics è un argomento in forte ascesa a causa del suo valore sostanziale e auto-esplicativo, ma è ancora un campo di ricerca relativamente nuovo che necessità di una teoria adeguatamente completa e una serie chiara di casi studio che dimostrano i benefici dell'analisi delle persone.

La mancanza di una teoria sulla People Analytics verrà certamente sviluppata nel corso del tempo e sarebbe pretenzioso affrontare il problema in questo nostro articolo.

‍All'interno del nostro elaborato vogliamo mostrare, attraverso un caso pratico, come una tecnologia Data Science applicata ai dati HR possa portare valore ad un'azienda.Concentriamoci su una specifica domanda: come misurare l'employee engagement?

‍Una definizione largamente accettata sull'employee engagement è questa: l'employee engagement è la misura in cui i dipendenti si sentono appassionati dal loro lavoro, sono impegnati per l'organizzazione, e mettono in campo tutti i loro sforzi nel proprio impegno quotidiano.È possibile misurare il modo in cui i dipendenti si sentono appassionati del proprio lavoro? ed il loro impegno è misurabile? Che sforzo sta adottando nel lavoro che compie ogni giorno?Le organizzazioni spesso lottano con la quantificazione di tali dimensioni, anche se è davvero impossibile misurarle come se fossero quantità fisiche, come l'altezza di un albero o la distanza di una galassia dalla terra.

Questa osservazione può sembrare ovvia ma è troppo spesso data per scontata e di per sé ha delle implicazioni importanti. È necessario tenere a mente che qualsiasi quantità misurata è, al massimo, una buona stima del coinvolgimento dei dipendenti: i risultati, infatti, devono essere interpretati considerando i possibili errori in fase di misurazione, di copertura dei dati e delle limitazioni dei modelli.‍

Inoltre, una corretta interpretazione dei risultati implica una profonda comprensione sia del settore HR che delle caratteristiche specifiche del problema che si sta affrontando all'interno dell'organizzazione.

D'altro canto, solo le società statunitensi spendono ogni anno circa $1 miliardi di dollari su iniziative di employee engagement. I professionisti delle risorse umane "smart" sanno infatti che una forza lavoro impegnata è cruciale per una competizione efficace nel mercato del lavoro, che ricordiamo essere in continua evoluzione.

L'engagement è una dimensione di soddisfazione dei dipendenti strettamente correlata alla produttività, alla resilienza e alla fidelizzazione.

Questo spiega i notevoli investimenti delle imprese nell'employee engagement, retention e attrition, per citarne alcune. Un campo promettente che concerne l'employee engagement è l'Organizational Network Analysis (ONA) che tiene conto dello studio delle reti informali (attive o passive). Molti risultati promettenti infatti, sono stati ottenuti utilizzando l'analisi dei network informali, e anche il coinvolgimento dei dipendenti potrebbe essere affrontato in questo contesto.

Un'altra tipologia di indagine su employee engagement è la considerazione di Sentiment e Semantic Analysis nelle comunicazioni (scritte) dei dipendenti (come e-mail o Slack) o in situazioni speciali come i feedback o nei momenti di review delle prestazioni. In particolare, il testo dei feedback è estremamente informativo in quanto consente di comprendere sia ciò di cui i dipendenti stanno parlando (risultati chiave, punti di forza, team, debolezze e altro...) e il sentimento con cui si affrontano le questioni quotidiane. Di fatti, molte aziende stanno identificando i feedback come uno degli strumenti più importanti per ottenere una "fotografia" di ciò che sta succedendo all'interno dell'azienda con l'obiettivo di migliorare il coinvolgimento e le prestazioni dei dipendenti.

La Sentiment Analysis è stata ampiamente adottata dalle imprese al fine di ottenere una visione globale, attuabile e accurata delle percezione del marchio e/o del prodotto. Mentre molte organizzazioni hanno adottato questa tecnologia per comprendere e leggere il mercato, pochi hanno utilizzato la Sentiment Analysis per comprendere e identificare con precisione i problemi relativi a persone e performance.

Risultati

Una delle più importanti realtà italiane del settore Utility ha deciso di indagare, avvalendosi della competenza di glickon e dei suoi prodotti, al fine di comprendere il coinvolgimento dei dipendenti all'interno della stessa organizzazione. Il numero e la complessità dei feedback suggerivano un'analisi scientifica e sistematica dei testi. Un'analisi semantica è stata eseguita per comprendere i principali temi discussi dai dipendenti e una Sentiment Analysis ha invece polarizzato i feedback nei cluster aziendali più significativi.

Semantic analysis. Aggregated results for an Italian utility companies on the left panel. On the right panel we consider the most positive / negative (high / low polarity) issues.

Abbiamo analizzato circa 3.000 feedback. I dati erano anonimi e sono stati considerati solo i data points relativi ai maggiori cluster aziendale (es. area industriale, dipartimenti, età media, etc...). Abbiamo quindi eseguito un'estrazione di testo, per comprendere i feedback più popolari e discussi e una Sentiment Analysis per comprendere i sentiment nascosti all'interno dei feedback.

‍La Sentiment Analysis svolta, consisteva in un metodo di elaborazione del linguaggio naturale (NLP), un sottocampo dell'informatica, dell'ingegneria dell'informazione e dell'intelligenza artificiale che si occupa delle interazioni tra computer e lingue umane (naturali). L'output principale per ogni feedback era costituito da due dimensioni: accuratezza del feedback e polarità del feedback.

‍L'accuratezza del feedback misura il grado di completezza, considerando grammatica e sintassi dei testi.

La polarità del feedback è dedotta da un punteggio con intervallo -1 a 1 che indaga il sentimento generale di ogni feedback, dove 1 significa estremamente positivo e -1 significa estremamente negativo.L'estrazione del testo è stata associata alla Sentiment Analysis al fine di valutare la polarità di ogni problema, analizzandolo in ogni cluster aziendale pertinente.Per esempio, è stato scoperto che nei giovani lavoratori (fascia d'età < 30) a volte manca una predisposizione nei confronti del lavoro duro, mentre i lavoratori più maturi (Fascia d'età > 55) stanno "lottando" per recuperare il ritardo nei confronti dei nuovi strumenti digitali. Tale risultato fa eco anche nella polarità complessiva per fascia di età. Le aree industriali di vendita e negoziazione hanno invece registrato sia un'elevata accuratezza, che la polarità dei feedback che tende verso una probabile buona performance nel prossimo trimestre.

‍Esaminando la polarità per ruolo abbiamo scoperto che i manager aziendali con un punteggio elevato in termini di performance (i dati sono stati recuperati dalla classica peer review) ricevono feedback positivi ma gravi, mentre le prestazione negative sono anche correlate a bassissimi feedback di polarità. La polarità del feedback non è quindi indipendente dal ruolo professionale dell'impiegato che riceve il feedback e tale circostanza deve essere presa in considerazione per la comprensione dei risultati. Dall'altro lato invece, la polarità del feedback è statisticamente indipendente dal sesso, suggerendo un peso dei feedback uniformemente distribuito tra maschi e femmine.

Discussione & sfide future

Oggi è giunto il momento di adottare finalmente un approccio analitico al fine di affrontare le tradizionali sfide HR. In questo lavoro abbiamo voluto presentare un caso studio, che verrà approfondito all'interno del nostro canale Medium dedicato alla People Analytics, in cui abbiamo sfruttato la Sentiment Analysis per comprendere cosa realmente i dipendenti pensano del loro lavoro, quali sono le tendenze effettive all'interno dell'azienda in questione; con il fine ultimo di comprendere le tattiche attuabili per iniziare a realizzare del valore in merito al coinvolgimento dei dipendenti e un ROI sull'investimento tecnologico-analitico.

Mentre molti datori di lavoro hanno adottato questa tecnologia per comprendere il mercato, pochi utilizzano la Sentiment Analysis per comprendere e identificare accuratamente i problemi relativi alle performance. Le possibilità intrinseche dell'utilizzo della Sentiment Analysis sono evidenti e probabilmente si intrecciano inesorabilmente con la crescente ubiquità della tecnologia di apprendimento automatico all'interno dell'HR e delle funzioni di recruiting.

‍L'employee engagement, ad esempio, può essere facilmente spostato da un annuale e arbitrario processo di analisi dei social network, al tracciamento dell'umore in tempo reale, al monitoraggio delle comunicazioni dei dipendenti come e-mail o aggiornamenti dei social-media in relazione al linguaggio naturale che misura non solo ciò che i lavoratori stanno facendo, ma anche come si sentono.

‍Le varie innovazioni non si traducono semplicemente nella comprensione dei dati, ma possiedono le giuste informazioni per implementare il cambiamento e catalizzare l'azione. Questo significa sempre più che, HR e Talent Manager devono sempre più abbandonare il concetto di Big Data intesi come quantità, ma piuttosto concentrarsi sulla qualità del dato, capace di generare analisi fruibili e tattiche tangibili.I dipendenti, ad esempio, scambiano 2 miliardi di e-mail ogni giorno all'interno delle aziende. Queste sono fonti di informazioni potenzialmente significative.

La tecnologia utile a colmare il divario tra il mondo emotivo delle risorse umane e il mondo basato sui dati relativi alle prestazioni dei dipendenti esiste, e spetta alle aziende iniziare a capire come trasformare questa scienza in strategia, e come trasformare le percezioni dei dipendenti in applicazioni concrete.

Gli strumenti di Sentiment Analysis possono mappare il sentimento positivo e negativo legato agli affari, dando un'istantanea visiva delle prestazioni. Questo consentirà alle aziende di identificare le aree di business che richiedono attenzione o aree che stanno facendo bene, in modo da poter replicare il loro successo. Cambierà così il tradizionale processo di survey volta all'engagement. Non ci sarà bisogno di guardare attraverso pagine e pagine di testo.

Con questa tipologia di analisi non solo le aziende saranno in grado di elaborare grandi quantità di dati, ma avranno la possibilità di scoprire anche il tono generale delle risposte.