Data-Driven HR: Η τεχνοκρατική προσέγγιση στο HR

Το λεγόμενο data analysis αφορά στην επεξεργασία και ανάλυση δεδομένων για την εξαγωγή χρήσιμων πληροφοριών και γνώσεων. Αυτό περιλαμβάνει τεχνικές όπως τη στατιστική ανάλυση, την άντληση δεδομένων (data mining) και την προβλεπτική ανάλυση (predictive analytics). Ουσιαστικά, τα data analytics βοηθoύν τους επαγγελματίες του HR να λαμβάνουν αποφάσεις μέσω δεδομένων και όχι απλά μέσω προσωπικών αναλύσεων και απόψεων, κάτι που σαφώς εμπεριέχει πολύ χαμηλότερο ποσοστό κινδύνου για λάθος αποφάσεις. Σύμφωνα με διεθνή έρευνα της McKinsey για το 2024, τα data analytics οδηγούν σε 80% αύξηση της αποτελεσματικότητας στις νέες προσλήψεις, σε 25% αύξηση της παραγωγικότητας των εργαζομένων, αλλά και σε 50% μείωση των αποχωρήσεων.

«Σε ένα περιβάλλον που βασίζεται στα δεδομένα, οι πληροφορίες που συλλέγονται από διαφορετικές πηγές, όπως συστήματα HR, προηγούμενοι δείκτες απόδοσης και τάσεις, συνδυάζονται και αναλύονται για τη δημιουργία έγκυρων προβλέψεων» επισημαίνει σχετικά η Ειρήνη Γαλιώνη, Associate, HR Advisory της People for Business, υπογραμμίζοντας παράλληλα πως με την αξιοποίηση τεχνολογικών εργαλείων «αναδεικνύονται βασικά μοτίβα που προδιαγράφουν τις μελλοντικές ανάγκες του ανθρώπινου δυναμικού και βελτιστοποιούν τις εσωτερικές διαδικασίες ενός οργανισμού, διασφαλίζοντας την αποδοτικότητα, την ανταγωνιστικότητα και την ευημερία του». Με αυτόν τον τρόπο, καταλήγει, οι οργανισμοί προετοιμάζονται έγκαιρα για μελλοντικές απαιτήσεις, περιορίζουν δυνητικούς κινδύνους και ενισχύουν μία ευέλικτη και βιώσιμη στρατηγική. Σύμφωνα με τον Felix Rose-Collins, CEO της Ranktrackers, o βασικός στόχος της ανάλυσης δεδομένων ανθρώπινου δυναμικού είναι κατά κύριο λόγο η διατήρηση των εργαζομένων στον οργανισμό, η δέσμευση παραμονής τους, η αξιολόγηση των επιδόσεών τους, η διαχείριση ταλέντων, η πρόσληψη, καθώς και η ικανοποίησή τους. Για όλες αυτές τις διαδικασίες, τα δεδομένα που αντλούνται προέρχονται από αρχεία εργαζομένων, δεδομένα μισθοδοσίας, μετρήσεις επιδόσεων, έρευνες εργαζομένων, δεδομένα κατάρτισης και ανάπτυξης, δημογραφικά στοιχεία, δεδομένα από τα social media κ.ά.

Ο ΡΟΛΟΣ ΤΩΝ DATA ΣΤΟ ΑΞΙΟΜΑΧΟ ΤΩΝ ΕΡΓΑΖΟΜΕΝΩΝ
Ποιος είναι, λοιπόν, ο ρόλος της ανάλυσης δεδομένων ανθρώπινου δυναμικού στη διασφάλιση του αξιόμαχου των εργαζομένων; Σε σχετική του ανάλυση, το Academy to Innovate HR (ΑΙΗR) εστιάζει σε 5 βασικά στοιχεία:

1.Διευκολύνει την καλύτερη δέσμευση και διατήρηση των εργαζομένων, ενώ παράλληλα βοηθά τους οργανισμούς να κατανοήσουν τι οδηγεί στη διατήρηση και τη δέσμευση των εργαζομένων. Αυτό με τη σειρά του εξασφαλίζει ότι οι εταιρείες λαμβάνουν περισσότερα προληπτικά μέτρα για να διατηρήσουν τα κορυφαία ταλέντα τους και να διασφαλίσουν την ομαλότητα της εργασίας τους. Διεθνείς έρευνες έχουν δείξει δε, ότι οι επιτυχημένες πρακτικές δέσμευσης εργαζομένων οδηγούν σε 14% αύξηση της παραγωγικότητας εταιρειών και οργανισμών, ενώ αυξάνουν κατακόρυφα και τη φήμη αυτών.

2.Επιτρέπει τη λεγόμενη «προγνωστική ανάλυση». Με άλλα λόγια, επιτρέπει στις εταιρείες να κάνουν πιο ακριβείς προβλέψεις σχετικά με τις ανάγκες του μελλοντικού τους ανθρώπινου δυναμικού, αλλά και να δημιουργήσουν προληπτικά στρατηγικές διατήρησης και πρόσληψης που εξασφαλίζουν σταθερή προσφορά ταλέντων σε κρίσιμους τομείς. Παράλληλα, η προγνωστική ανάλυση δίνει τη δυνατότητα εντοπισμού πιθανών προβλημάτων του ανθρώπινου δυναμικού πριν αυτά προκύψουν.

3.Διευκολύνει τη λήψη αποφάσεων βάσει δεδομένων, ενώ παράλληλα επιτρέπει στις εταιρείες να αξιολογούν διαφορετικά στοιχεία ανθρώπινου δυναμικού, εντοπίζοντας τάσεις και μοτίβα που τις βοηθούν να λαμβάνουν τεκμηριωμένες στρατηγικές αποφάσεις.

4.Επιτρέπει στις εταιρείες να λαμβάνουν ορθότερες αποφάσεις πρόσληψης, καθώς οι επαγγελματίες του ανθρώπινου δυναμικού αναλύουν τα δεδομένα των υποψηφίων, προσδιορίζουν αποτελεσματικά τους κατάλληλους, με εμπειρίες και δεξιότητες που ευθυγραμμίζονται με την κουλτούρα και τους στόχους της εταιρείας.

5.Βελτιώνει την αποδοτικότητα των εργαζομένων, βοηθά τους οργανισμούς να εντοπίσουν τομείς προς βελτίωση, ενώ τους δίνει τη δυνατότητα να σχεδιάσουν και να υλοποιήσουν στοχευμένα προγράμματα εκπαίδευσης και κατάρτισης εάν εντοπιστεί πρόβλημα έλλειψης δεξιοτήτων.

«Η αξιοποίηση δεδομένων αποτελεί καταλύτη για την αναγνώριση ταλέντων, επιτρέποντας την αντικειμενική αξιολόγηση δεξιοτήτων, επιδόσεων και δυνατοτήτων», επισημαίνει από την πλευρά της η Έλενα Νεονάκη, Αssociate, HR Advisor της People for Business, τονίζοντας παράλληλα ότι μέσω εργαλείων HR analytics, αναλύονται δεδομένα από αξιολογήσεις, KPIs και εκπαιδευτικά προγράμματα, «εντοπίζοντας κρυφές δυνατότητες και δυναμικές». Όπως υπογραμμίζει, η διασταύρωση ποσοτικών και ποιοτικών δεδομένων προσφέρει μια πολυδιάστατη απεικόνιση για τον κάθε εργαζόμενο, ενώ οι προγνωστικές αναλύσεις μπορούν να υποστηρίξουν ακόμα και την πρόβλεψη των μελλοντικών ηγετών. «Παράλληλα, ενισχύεται η διαφάνεια, η δίκαιη ανταμοιβή και η εμπιστοσύνη μέσα στον οργανισμό. Έτσι, τα δεδομένα γίνονται πυλώνας στρατηγικής ανάπτυξης και το κλειδί για την αναγνώριση του ανθρώπινου δυναμικού» καταλήγει.

ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ: 4 ΒΗΜΑΤΑ ΚΑΙ 4 ΚΑΤΗΓΟΡΙΕΣ
Ποια είναι, όμως, τα βασικά στοιχεία που περιλαμβάνει η ανάλυση δεδομένων ανθρώπινου δυναμικού; Η σχετική ανάλυση του 365 Talents.com καταγράφει τα 4 βασικά βήματα.

Συλλογή δεδομένων. Πρόκειται για το πρώτο βήμα της ανάλυσης, το οποίο περιλαμβάνει τη συγκέντρωση ολοκληρωμένων και ακριβών δεδομένων για διάφορα χαρακτηριστικά του ανθρώπινου δυναμικού, ώστε να διασφαλιστεί η επιτυχής ανάλυση και το έγκυρο αποτέλεσμα. Τα δεδομένα αυτά μπορούν να προκύπτουν -πέρα από τις γνωστές πηγές που αναφέραμε πιο πάνω-, και από περισσότερο εξειδικευμένες, όπως smartphones, tablets, cloud κ.ά.

Το επόμενο βήμα είναι η οργάνωση των δεδομένων και το ξεκαθάρισμά τους. Η διαδικασία αυτή περιλαμβάνει τη διαγραφή όλων των άσχετων και διπλών δεδομένων, αλλά και τον εντοπισμό και την αντιμετώπιση σφαλμάτων και ασυνεπειών. Είναι σαφές ότι μόνο αξιόπιστα και έγκυρα δεδομένα μπορούν να διασφαλίσουν ένα έγκυρο αποτέλεσμα.

Η μέτρηση είναι το επόμενο βήμα, όπου οι εταιρείες πρέπει να προσδιορίσουν τις μετρήσεις ανθρώπινου δυναμικού που θα χρησιμοποιήσουν για την ανάλυσή τους και την επίτευξη του στόχου τους. Οι επιλεγμένες μετρήσεις θα πρέπει να είναι σε θέση να συγκρίνουν τα σημερινά πρότυπα ενός οργανισμού με τα ιστορικά του πρότυπα, δηλαδή με δεδομένα που ίσχυαν γι’ αυτόν τα προηγούμενα χρόνια.

Το τελευταίο στάδιο αφορά στην ανάλυση και την ερμηνεία των data. Σε αυτό το πλαίσιο, οι επαγγελματίες του ανθρώπινου δυναμικού αναλύουν τα δεδομένα και στη συνέχεια εντοπίζουν συσχετίσεις, χαρακτηριστικά και τάσεις που διασφαλίζουν ότι οδηγούν στην επίτευξη της αποτελεσματικότητας της εργασίας και στη λήψη τεκμηριωμένων αποφάσεων. Eίναι σημαντικό εδώ να διευκρινιστεί ότι η ανάλυση και η επεξεργασία των δεδομένων ανθρώπινου δυναμικού πρέπει να διεξάγονται από επαγγελματίες που γνωρίζουν τις αρχές της ανάλυσης δεδομένων και κατανοούν τον τομέα του ανθρώπινου δυναμικού.

Σύμφωνα με το βρετανικό HR Magazine, τα δεδομένα ανθρώπινου δυναμικού, τα λεγόμενα και HR analytics, διακρίνονται σε 4 βασικές κατηγορίες. Οι κατηγορίες αυτές είναι η Descriptive, η οποία εξετάζει ιστορικά στοιχεία ώστε να δει τις επιπτώσεις τους εντός ενός συγκεκριμένου χρονικού διαστήματος (π.χ. ώρα προσέλευσης των εργαζομένων εντός του έτους), η Diagnostic, που αναλύει δεδομένα προκειμένου να προσδιορίσει την πηγή συγκεκριμένων προβλημάτων, η Predictive, η οποία αναλύει τρέχοντα αλλά και ιστορικά δεδομένα σε συνδυασμό με στατιστικά μοντέλα, προκειμένου να προβλέψει μελλοντικές συμπεριφορές ή γεγονότα και τέλος, η Prescriptive, που προτείνει λύσεις και διαδικασίες για μελλοντικά πιθανά σενάρια.

«Στη σύγχρονη εποχή, η ανάλυση δεδομένων έχει καθιερωθεί ως θεμελιώδες εργαλείο στη διαδικασία πρόσληψης, διευκολύνοντας τον εντοπισμό των καταλληλότερων υποψηφίων και μειώνοντας τις προκαταλήψεις» τονίζει η Σωτηρία Κάππου, Associate, HR Advisory της People for Business. Όπως επισημαίνει, μέσα από προηγμένα εργαλεία όπως τα Performance Management Systems, οι οργανισμοί αντλούν πολύτιμες πληροφορίες, εντοπίζουν κενά δεξιοτήτων και σχεδιάζουν στοχευμένα προγράμματα ανάπτυξης. «Δεδομένα από συνεντεύξεις, βιογραφικά και προηγούμενες επιδόσεις υποστηρίζουν τη λήψη τεκμηριωμένων αποφάσεων, βελτιώνοντας τη διαφορετικότητα και την ποιότητα των προσλήψεων. Η αξιοποίηση των δεδομένων, μεταμορφώνει τη διαδικασία προσέλκυσης και ανάπτυξης του ταλέντου σε στρατηγική διαδικασία, προετοιμάζοντας τους οργανισμούς για ένα ευέλικτο, αποδοτικό και ανταγωνιστικό μέλλον» καταλήγει.

ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ ΚΑΙ ΣΥΜΠΕΡΙΛΗΨΗ
Η διαφορετικότητα και η συμπερίληψη που πλέον αποτελούν βασική μέριμνα και προτεραιότητα για την διοίκηση ανθρώπινου δυναμικού δεν θα μπορούσαν να μείνουν έξω από την εξίσωση αξιοποίησης των HR δεδομένων. Όπως αναφέρει σε σχετική του ανάλυση το ΗRO Resources, οι κύριες τάσεις στην αξιοποίηση των HR data για τη διαμόρφωση στρατηγικών διαφορετικότητας και συμπερίληψης σε μία επιχείρηση περιλαμβάνουν πολλές και σύνθετες παραμέτρους. Μια από αυτές είναι η ανάλυση δεδομένων για διάγνωση της επικρατούσας κατάστασης, δεδομένου ότι οι επιχειρήσεις χρησιμοποιούν HR δεδομένα για να αναλύσουν τη σύνθεση του ανθρώπινου δυναμικού τους, εντοπίζοντας περιοχές όπου υπάρχει έλλειψη διαφορετικότητας και συμπερίληψης. Μια άλλη παράμετρος αφορά στις στρατηγικές προσλήψεων, όπου οι οργανισμοί και οι επιχειρήσεις χρησιμοποιούν δεδομένα για να προσαρμόσουν τις διαδικασίες πρόσληψης και να προσελκύσουν υποψηφίους από διαφορετικές κοινωνικές και πολιτισμικές ομάδες. Η αξιολόγηση και η παρακολούθηση προόδου από την άλλη, είναι εξίσου σημαντική, αφού περιλαμβάνει μεταξύ άλλων και τη δημιουργία δεικτών απόδοσης (KPI’s) που σχετίζονται με διαφορετικότητα και συμπερίληψη, επιτρέποντας στις επιχειρήσεις να παρακολουθούν την πρόοδο και να προσαρμόζουν τις στρατηγικές τους σε αυτή την κατεύθυνση. Όπως γίνεται αντιληπτό, απολύτως απαραίτητη είναι παράλληλα και η χρήση δεδομένων για τον σχεδιασμό εκπαιδευτικών προγραμμάτων που προάγουν την δημιουργία κουλτούρας διαφορετικότητας και ενσωμάτωσης.

Πέρα από τα παραπάνω όμως, η δημιουργία συμπεριληπτικών πολιτικών είναι απολύτως απαραίτητη και περιλαμβάνει ανάλυση δεδομένων για την ανάπτυξη πολιτικών και διαδικασιών που υποστηρίζουν τη διαφορετικότητα και τη συμπερίληψη, όπως ευέλικτες πολιτικές εργασίας και ουσιαστική και διαρκή υποστήριξη για ομάδες μειονότητας. Προς την κατεύθυνση αυτή είναι ιδιαίτερα σημαντικό να υπάρχει διαφάνεια στην ανάγνωση των δεδομένων, αφού η αυξανόμενη τάση για τη δημοσιοποίηση των αποτελεσμάτων σχετικά με τη διαφορετικότητα και την συμπερίληψη διασφαλίζει την διαφάνεια και την λογοδοσία. Σύμμαχος στην προσπάθεια αυτή είναι η χρήση τεχνολογίας και ΑΙ που περιλαμβάνει την εφαρμογή τεχνολογιών και εργαλείων τεχνητής νοημοσύνης για τη συλλογή και ανάλυση δεδομένων σχετικά με τη διαφορετικότητα και την συμπερίληψη, διευκολύνοντας την αναγνώριση προτύπων και την πρόβλεψη αποτελεσμάτων. Τέλος, απαιτείται η δημιουργία πολιτισμικής συνείδησης, η οποία επιτυγχάνεται με την ενσωμάτωση δεδομένων για την καλλιέργεια μιας κουλτούρας που ευνοεί τη διαφορετικότητα και τη συμπερίληψη σε όλα τα επίπεδα της επιχείρησης.

ΚΙΝΔΥΝΟΙ ΚΑΙ ΠΡΟΚΛΗΣΕΙΣ
Μπορεί, ωστόσο, η ανάλυση δεδομένων και η αξιοποίησή τους στη στρατηγική της διοίκησης ανθρώπινου δυναμικού να αποτελούν πλέον δομικά στοιχεία του σύγχρονου HR, δεν παύουν όμως να εμπεριέχουν και σημαντικούς κινδύνους, οι οποίοι σε καμία περίπτωση δεν θα πρέπει να αγνοούνται ή να υποτιμηθούν. Σύμφωνα με το Peoplematters, πρώτα απ’ όλα υπάρχει η πρόκληση της προστασίας των προσωπικών δεδομένων και της ιδιωτικότητας. Είναι προφανές ότι η συλλογή και η ανάλυση προσωπικών δεδομένων των εργαζομένων εγείρουν ανησυχίες σχετικά με την προστασία της ιδιωτικότητας, κάτι που σημαίνει ότι οργανισμοί και επιχειρήσεις θα πρέπει να διασφαλίσουν ότι τηρούν τις νομικές απαιτήσεις για την προστασία των δεδομένων. Από την άλλη πλευρά, θα πρέπει και η ποιότητα των δεδομένων να είναι η ενδεδειγμένη, αφού η αξιοπιστία τους είναι κρίσιμη. Είναι εύκολα κατανοητό ότι λάθη ή ανακριβείς πληροφορίες μπορούν να επηρεάσουν αποφάσεις και να έχουν αρνητικές συνέπειες για την επιχείρηση. Και φυσικά, ο όγκος και η πολυπλοκότητα των δεδομένων απαιτούν την ικανότητα ορθολογικής και αποτελεσματικής διαχείρισής τους.

Η ανάλυση μεγάλου όγκου δεδομένων μπορεί να είναι περίπλοκη και απαιτεί εξειδικευμένες γνώσεις, κάτι που σημαίνει ότι η ερμηνεία των αποτελεσμάτων μπορεί να είναι δύσκολη και να απαιτεί προσεκτική ανάλυση. Η συγκέντρωση και η ενοποίηση των δεδομένων είναι μια ακόμα κρίσιμη διαδικασία, αφού τα δεδομένα μπορεί να προέρχονται από πολλές πηγές (π.χ. συστήματα πληρωμών, πλατφόρμες αξιολόγησης), και η ενοποίησή τους σε μια ενιαία πλατφόρμα ενδέχεται να είναι εξαιρετικά σύνθετη. Και βέβαια, ας μην ξεχνάμε και την έμφυτη ανθρώπινη συμπεριφορά που έχει να κάνει με την αντίσταση σε κάθε αλλαγή, σε κάθε τι καινοτόμο και νέο που «ξεβολεύει» και φοβίζει. Ορισμένοι εργαζόμενοι ή διευθυντές ενδέχεται να είναι επιφυλακτικοί απέναντι στη χρήση δεδομένων για την αξιολόγηση και τη λήψη αποφάσεων, πράγμα που μπορεί να οδηγήσει σε αντίσταση ή έλλειψη συνεργασίας. Ένα άλλο ζήτημα που ενδέχεται να προκύψει αφορά στον κίνδυνο εστίασης μόνο στα ποσοτικά δεδομένα και όχι και στα ποιοτικά. Η υπερβολική εστίαση στα ποσοτικά δεδομένα μπορεί να παραβλέψει σημαντικές ποιοτικές πτυχές, όπως η κουλτούρα της εταιρείας ή η ικανοποίηση των εργαζομένων. Τέλος, σύμφωνα πάντα με το Peoplematters, οι αλλαγές στο εργασιακό περιβάλλον ενέχουν κινδύνους, καθώς η ταχεία τεχνολογική εξέλιξη και η αλλαγή στις απαιτήσεις της αγοράς μπορεί να καθιστούν δύσκολη την προσαρμογή των στρατηγικών HR στα νέα δεδομένα.

Ο ΡΟΛΟΣ ΤΩΝ ΕΞΩΤΕΡΙΚΩΝ ΣΥΝΕΡΓΑΤΩΝ
Όπως είναι σαφές, δεν αρκεί για έναν οργανισμό ή μια επιχείρηση να έχει στη διάθεσή της τα σωστά δεδομένα, αλλά θα πρέπει να είναι σε θέση να τα αξιολογήσει και να τα αξιοποιήσει σωστά. Σε αυτή την προσπάθεια σύμμαχός της είναι ένας εξειδικευμένος εξωτερικός συνεργάτης, συνήθως εταιρεία συμβουλευτικής HR, ο οποίος διαδραματίζει καθοριστικό ρόλο στη μετάβαση προς ένα πλήρως data-driven HR, προσφέροντας στρατηγική και τεχνολογική υποστήριξη σε διάφορους τομείς, όπως:

1.Εξειδίκευση και γνώση: Οι εξωτερικοί συνεργάτες συνήθως διαθέτουν εξειδικευμένη γνώση και εμπειρία σε θέματα αναλύσεων δεδομένων, HR τεχνολογιών και best practices. Αυτή η γνώση μπορεί να βοηθήσει τους οργανισμούς και τις επιχειρήσεις να κατανοήσουν τις τάσεις και τις στρατηγικές που αποδίδουν.

2.Αξιολόγηση και στρατηγικός σχεδιασμός: Οι εξωτερικοί συνεργάτες μπορούν να βοηθήσουν στην αξιολόγηση της υφιστάμενης κατάστασης του HR και να προτείνουν στρατηγικούς στόχους και σχέδια δράσης για τη μετάβαση σε data-driven διαδικασίες.

3.Τεχνολογική υποστήριξη: Είναι ξεκάθαρο ότι η υιοθέτηση νέων εργαλείων και τεχνολογιών είναι κρίσιμη. Οι εξωτερικοί συνεργάτες μπορούν να προσφέρουν τεχνολογικές λύσεις, όπως λογισμικά HR analytics, και να βοηθήσουν στην ενσωμάτωσή τους στα υπάρχοντα συστήματα.

4.Εκπαίδευση και ανάπτυξη δεξιοτήτων: Η εκπαίδευση του προσωπικού είναι ουσιώδης για τη μετάβαση. Οι συνεργάτες μπορούν να προσφέρουν προγράμματα εκπαίδευσης για την ανάπτυξη δεξιοτήτων ανάλυσης δεδομένων και χρήσης των νέων εργαλείων.

5.Στρατηγική λήψη απόφασης: Με την ανάλυση δεδομένων, η εξειδικευμένη εταιρεία μπορεί να υποστηρίξει την οργάνωση στη λήψη αποφάσεων που βασίζονται σε δεδομένα, βελτιστοποιώντας στρατηγικές προσλήψεων, διαχείρισης ταλέντων και απόδοσης.

6.Αξιολόγηση απόδοσης και R.O.I.: Οι εξωτερικοί συνεργάτες μπορούν να συμβάλλουν στην αξιόπιστη και αποτελεσματική αξιολόγηση της απόδοσης των νέων στρατηγικών και εργαλείων, βοηθώντας την οργάνωση να αναγνωρίσει την αξία που προσφέρει η data-driven προσέγγιση.

7.Διαχείριση αλλαγής: Η μετάβαση σε μία data-driven κουλτούρα απαιτεί διαχείριση αλλαγής. Μια εξειδικευμένη εταιρεία συμβουλευτικής HR μπορεί και σε αυτή την περίπτωση να προσφέρει υποστήριξη στην επικοινωνία και στην ενσωμάτωση των νέων διαδικασιών και στοιχείων εταιρικής κουλτούρας στην οργάνωση της εταιρείας ή του οργανισμού.

OPINIONS
Νικόλαος Μπίρης, HR Director, ThPA S.A. – Port of Thessaloniki
«Η διαχείριση προσωπικών δεδομένων στο HR είναι κρίσιμη για την προστασία της ιδιωτικότητας των εργαζομένων. Ηθικά, απαιτείται διαφάνεια στη συλλογή και χρήση δεδομένων, ενώ η συγκατάθεση αποτελεί βασική αρχή. Τα δεδομένα πρέπει να χρησιμοποιούνται δίκαια, χωρίς διακρίσεις ή προκαταλήψεις, και να αποθηκεύονται με ασφαλείς μεθόδους, όπως κρυπτογράφηση. Επίσης, οι εργαζόμενοι έχουν δικαίωμα πρόσβασης και διαγραφής των δεδομένων τους. Η συμμόρφωση με τον GDPR και άλλες νομοθεσίες προστατεύει την εταιρεία και ενισχύει την εμπιστοσύνη. Τέλος, η εκπαίδευση του προσωπικού διασφαλίζει ορθή χρήση, μειώνοντας τον κίνδυνο παραβιάσεων και βελτιώνοντας τη διαχείριση του ανθρώπινου δυναμικού».

Κυριάκος Ξημεράκης, HR Technology and Operations Lead, NBG
«Η χρήση δεδομένων HR απαιτεί σεβασμό στην ιδιωτικότητα και την αξιοπρέπεια των εργαζομένων και πρέπει να βασίζεται στην ηθική, τη διαφάνεια και τη συμμόρφωση με τον GDPR. Η επεξεργασία τους πρέπει να περιορίζεται σε νόμιμους και σαφείς σκοπούς, διασφαλίζοντας τη λήψη αποφάσεων χωρίς διακρίσεις. Πρακτικές όπως ανωνυμοποίηση/ψευδωνυμοποίηση αποτελούν βασικά εργαλεία προστασίας, εξαλείφοντας τον κίνδυνο ταυτοποίησης. Επιπλέον, τεχνικές ασφαλείας όπως ο περιορισμός πρόσβασης σε εξουσιοδοτημένα άτομα και οι τακτικοί έλεγχοι των συστημάτων, ενισχύουν περαιτέρω την ασφάλεια. Ο συνδυασμός διαφάνειας, τεχνολογίας και ηθικής δημιουργεί ένα ασφαλές περιβάλλον, όπου η υπεύθυνη διαχείριση των δεδομένων προστατεύει τους εργαζομένους και ενισχύει την εμπιστοσύνη μεταξύ εργοδότη και εργαζομένων».