HR Data Sains: Menghadapi Tantangan Disrupsi dalam Pengelolaan Sumber Daya Manusia
Heru Wiryanto
Senior Technical Advisor at BDO, HR Growth Hacker, People-Data Scientist
Ketertarikan saya dengan data sains di pengelolaan sumber daya manusia dimulai saat mendengarkan dan mengamati apa yang dilakukan oleh mereka dalam konteks pengelolaan sumber dya manusia, bagi saya nampak bahwa data sains dapat menyelamatkan dan meningkatkan fungsi sumber daya manusia di satu sisi — namun disisi yang lainnya juga akan menghilangkan banyak fungsi fungsi SDM.
Pada tahun 1920-an, manajemen yang canggih telah menjadi cabang teknik: manajemen ilmiah, studi waktu dan gerak dan praktik terkait yang tumbuh dari program teknik industri. Mereka melihat tujuan manajemen sebagai cara membuat karyawan menyesuaikan diri dengan logika, kecepatan, dan rasionalitas mesin modern. Gerakan hubungan manusia tahun 1930-an – yang mengeksplorasi hubungan antara kepuasan karyawan dan produktivitas di tempat kerja – merupakan reaksi terhadap pendekatan teknik tersebut. Pada tahun 1960, Douglas McGregor menggambarkan perdebatan tersebut, atau lebih tepatnya, pertempuran berkelanjutan antara orientasi teknik dan orientasi perilaku yang lebih baru masing-masing sebagai Teori X versus Teori Y. Beberapa dekade sejak melihat kemenangan bertahap teori Y atas teori X. Setidaknya seperti yang secara tradisional dipraktikkan dalam teknik industri, Teori X pada dasarnya sudah mulai menghilang.
Saatnya telah tiba munculnya data sains. Cara yang baik untuk mengerti binatang apa ini adalah dengan menelisik bahwa data sains berasal dan tinggal yakni di fakultas Teknik. Pada intinya data sains memiliki gagasan yang sama yakni mendorong penerapan dan praktik manajemen ilmiah: memberikan kemungkinan kemungkinan untuk dapat mengoptimalkan kinerja dan hasil dengan aturan-aturan yang berasal dari prinsip-prinsip objektif.
Ketika para datasains turun ke tempat kerja, hal yang pertama yang menjadi subyek penelaahan mereka adalah praktik-praktik yang telah didelegasikan kepada manajer lini saat ini, dimulai dengan perekrutan. Pertanyaan yang mereka tanyakan adalah, “Kriteria apa yang Anda gunakan untuk merekrut?” Jawaban yang biasanya mereka dapatkan dalam praktiknya, mempekerjakan manajer melakukan lebih atau kurang apa yang mereka inginkan, menggunakan kriteria apa pun yang mereka inginkan. Para ilmuwan data kemudian bertanya, “Langkah apa yang Anda gunakan untuk melihat apakah praktik perekrutan Anda berhasil?” Jawabannya biasanya, “Ya, tidak ada.”
Pada titik ini, para data sains akan memulai memfusikan fungsinya, para ilmuwan data yang saya kenal menemukan respons-respons yang sulit dipercaya — dan mereka mulai bekerja mengumpulkan langkah-langkah kinerja yang baik dan kemudian membangun model untuk memprediksi siapa yang akan menghasilkan kinerja yang baik. Kemudian, mereka melangkah lebih jauh dengan menghitung berapa banyak nilai yang ditambahkan (Value Added) dengan cara tersebut sekarang, mereka mencuri perhatian para pemimpin bisnis.
Dalam prosesnya, para data sains (Ilmuwan Data) mulai membangun kembali kemampuan yang dimiliki SDM selama hampir seabad. Sejauh ini, sudah bagus untuk SDM sebagai fungsi, kan? Mereka menyatakan bahwa HR tidak dapat atau tidak akan melakukannya untuk dirinya sendiri: bahwa menjalankan praktik-praktik ini dengan serius dan menanganinya secara sistematis memiliki imbalan nyata bagi bisnis.
Tetapi mereka tidak berhenti di situ. Mereka juga mengajukan pertanyaan tentang praktik-praktik yang masih ada dan dijalankan, termasuk yang tertanam dalam paradigma psikologi dan teori di baliknya. Ambil contoh, praktik seperti penggunaan tes kepribadian untuk menilai kandidat, sesuatu yang memiliki hampir seabad ilmu pengetahuan di belakangnya. Para ilmuwan data bertanya, “Berapa prediksi kinerja pekerjaan ini?” Para psikolog menjawab, “Ini adalah prediktor yang valid dengan justifikasi teoretis yang kuat.” Para ilmuwan data menjawab lagi, “Bukan itu yang kami tanyakan. Yang kami pedulikan adalah meramalkan/ memprediksikan sebanyak mungkin tentang siapa yang akan menjadi pemain yang baik — dan optimalisasi — dan nyatanya hubungan dengan kepribadian sangat kecil. Jadi kita akan membangun model kita sendiri. ”
Dalam perencanaan tenaga kerja, dalam perencanaan suksesi, dalam praktik demi praktik, para ilmuwan data mulai bertanya, “Apakah yang Anda lakukan benar-benar memprediksi sesuatu? Kami tidak peduli apakah orang lain melakukannya atau apakah Anda selalu melakukannya. Kami akan memeriksa untuk melihat apakah itu berfungsi, dan ketika jawabannya tidak, maka tinggalkanlah. ”
Intinya adalah para ilmuwan data tidak percaya bahwa penilaian manusia adalah penting, pembenaran mundur untuk banyak praktik kami seperti membiarkan pengawas menilai kinerja atau potensi dengan langkah-langkah “Sembilan-Kotak” (Nine Grid). Bahkan, mereka melihat penilaian manusia sebagai sesuatu yang bermasalah dan memiliki bias yang tinggi dan algoritma merupakan solusinya. Sebut ini sebagai balas dendam para insinyur. Mereka menegaskan kembali kekuatan ide-ide Teori X, dan mereka mampu melakukannya, sebagian, karena SDM saat ini tidak mampu menjawab dan menjawab pertanyaan yang ingin diketahui oleh para pemimpin bisnis: Apakah praktik-praktik SDM yang kami lalukan signifikan dan memberi dampak positif besar terhadap pencapaian hasil secara nyata?
Data sains tampaknya menciptakan sesuatu yang sangat berbeda dari apa yang telah kita lihat sebelumnya. Apakah kita akan mengambil manfaat atasnya atau melewatkan kesempatan ini, akan kembali ke kesiapan dan kemauan dari kita sendiri untuk menjemputnya.
Foto : miro.medium.com
Facebook
Twitter
Instagram
YouTube
RSS