Digitālā HR Meistarklase:
Datu analītikas pieeja personālvadībā

Kam:

Personāla vadītājiem, kas ir digitāli aktīvi, plāno veikt HR projektu digitalizāciju vai tikai domā par digitalizācijas ieviešanu savā organizācijā.

Izaicinājums:

Pašlaik strauji mainās HR loma uzņēmumā, arvien vairāk ietekmējot biznesa attīstību un organizācijas ilgtspējīgu darbību. Dati un analīze ir stūrakmens jau šodienas un arī nākotnes personālvadībā. Tieši datos balstīti lēmumi var būt noteicošais faktors, lai veiksmīgi veidotu un pārdomāti vadītu darbaspēku nākotnē.

Amerikāņu izgudrotājs un uzņēmējs Čārlzs F.Keterings ir teicis: “Mums visiem vajadzētu raizēties par nākotni, jo tieši tur mums būs jāpavada atlikušais mūžs.” Un šo var attiecināt arī uz digitalizācijas procesiem, tostarp personālvadībā. No digitalizācijas nav jābaidās! Tā veicina izmaiņas un sniedz jaunas iespējas, ko novērtēs gan darbinieki, gan vadība. Digitalizācija ļauj organizācijā efektivizēt dažādus procesus, tādējādi ļaujot vairāk laika veltīt personiskai saskarsmei ar personālu, kas ir cilvēciski un emocionāli ļoti svarīgi.

Kas ir digitāla personālvadība? Ko var digitalizēt personālvadībā un ko ne? Kādu labumu digitalizācija personālvadībā var nest? Kādas ir izmaksas? Vai digitalizācija mums ir pa spēkam? Kādi dati mums jau ir un ko ar tiem darīt? Kā izmantot datus lēmumu pieņemšanā? Kā datus vizualizēt? Kā veidot uzņēmuma digitālo kultūru? Kā vadīt un ieviest digitalizācijas projektus uzņēmumā? Kā veidot digitalizācijas stratēģiju?

Atbildes uz šiem un citiem jautājumiem – kursā Digitālā HR Meistarklase.

Programmas Mērķis:

  • Apskatīt digitalizācijas iespējas personālvadībā;
  • Veidot detalizētu izpratni par digitalizācijas tendencēm;
  • Apskatīt aktuālus digitalizācijas piemērus Latvijā un pasaulē;
  • Veidot datos balstītu lēmumu pieņemšanu personālvadībā;
  • Uzlabot spēju analizēt darbinieku datus;
  • Veidot digitalizācijas projektus, to ieviešanu, monitorēšanu un uzturēšanu;
  • Izvērtēt un ieviest digitālo kultūru organizācijā.

Dalības maksa:
1650 EUR + PVN

Vieta:
Mercure Hotel, Elizabetes iela 101

Laiks:
15.00 – 18.00

Datumi:

1. sesija - 08. janvāris
2. sesija - 15. janvāris
3. sesija - 22. janvāris
4. sesija - 29. janvāris
5. sesija - 05. februāris
6. sesija - 12. februāris
7. sesija - 19. februāris
8. sesija - 26. februāris
9. sesija - 04. marts
10. sesija - 11. marts
11. sesija - 18. marts

Digitālās HR Meistarklases referenti:

Aldis Ērglis
Pieredzējis biznesa procesu, produktu un projektu vadītājs, strādājis informācijas tehnoloģiju, programmatūras izstrādes un pakalpojumu nozarēs. Kvalificēts biznesa analītikas, plānošanas un virzības vadības jomās. Specializējies datu analītikā un advancētajā analītikā, vietējās komūnas līderis un datu analīzes entuziasts.

Galvenās kompetences:
  • Programmatūras projektu vadība
  • Biznesa analītika
  • Prasību analītika

      Darba pieredze:

      • Emergn Limited, Mašīnmācīšanās laboratorijas vadītājs
      • Exigen Services, vecākais sistēmu arhitekts
      • ELKO Group, biznesa procesu attīstības direktors
      • FMS, pārdošanas un mārketinga direktors
      • Lattelecom Technology, programmatūras izstrādes vadītājs
      • MicroLink, projektu vadītājs

      Santa Lemša

      Pieredzējusi advancētās analītikas līdere ar 15 gadu starptautisku pieredzi fintech, apdrošināšanā un tirgus izpētē. Stratēģiska domātāja ar spēcīgu zināšanu bāzi, lieliska līdere un vadītāja. Uz mērķi orientēta komandas spēlētāja ar spēcīgām komunikācijas prasmēm un spēju veikt analītiskus atklājumus biznesā, kas rezultējas papildus peļņā.

      Galvenās kompetences:

      • Analītika
      • Biznesa analītika
      • Risku vadība un apdrošināšana

          Darba pieredze:

          • SIA ROBOCASH, risku vadības direktore
          • 4finance, datu zinātnes un advancētās analītikas komandas vadītāja
          • BALTA part of RSA Group, Aktuāru pārvaldes vadītāja, cenošanas aktuārs
          • Factum Group (CEE network), projektu vadītāja
          • TNS Latvia, datu apstrādes departamenta vadītāja, datu analītiķe
          Nikita Strezhnev
          Pašlaik vada lielo datu un advancētās analītikas attīstību mazumtirdzniecības nozarē. Kvalificēts datu zinātnē, biznesa inteliģencē, biznesa analītikā un patērētāju uzvedības izpratnē. Specializējas biznesa jautājumu pārveidē datu risinājumos, izmantojot komunikācijas prasmju un tehnisko iemaņu kombināciju. Vietējās analītikas kopienas līdzstrādnieks.

          Galvenās kompetences:

          • Lielo datu analītika un datu zinātne
          • Biznesa analītika un Business Intelligence
          • Analītikas automatizācija

              Darba pieredze:

              • Rimi Baltic Group, datu analītikas vadītājs, patērētāju uzvedības izpratnes un analītikas projektu vadītājs
              • Aldaris, Part of Carlsberg Group, biznesa analītiķis, pārdošanas analītiķis
              • MTBank, kredīta departamenta speciālists

              Programma:
              11 vakari/44 akadēmiskās stundas 
              Mācību programmā ir iekļauti mājas darbi, kas ļaus dalībniekiem strādāt ar saviem projektiem. 

              DIENA/STUNDAS

              SATURS/MĀCĪBU TĒMAS

              MĀJAS DARBS

              1. vakars (S.L.)
              DIGITALIZĀCIJAS PRINCIPI

              4 akadēmiskās stundas

              Kāpēc digitalizācija? 

              • Dažādu digitalizācijas piemēru analīze.

              Digitālās vides elementi

              Rīks: Kā intervijā atpazīt “šarlatānu”?

              M.D.: Organizācijas digitālā brieduma tests

              2. vakars (S.L.)
              IEGUVUMI vs. IZMAKSAS

              4 akadēmiskās stundas

              Digitalizācijas ieguvumi organizācijā

              • Kādus ieguvumus organizācijām nes digitalizācija?

              Digitalizācijas projektu izmaksas

              • Kā samazināt izmaksas?

              Rīks: Izmaksu/investīciju samazināšanas principi

              M.D.: Uzņēmuma atskaišu saraksts
              3. vakars (A.Ē.)
              DATI

              4 akadēmiskās stundas

              Datos balstīti lēmumi. Ar ko tie atšķiras?

              • Uz kādiem jautājumiem atbild dati?

              Interpretācijas kļūdas un to novēršana

              • Kā atšķirt cēloņsakarības no korelācijām?

              Tests: Cik maksā nepareizi lēmumi?

              M.D.: Korelācijas kā cēloņsakarības

              4. vakars (A.Ē.)
              DIGITĀLIE LĒMUMI

              4 akadēmiskās stundas

              Lēmumu pieņemšana

              • Kā praktiski ieraudzīt cēloņsakarības?
              • Kā novērtēt cēloņsakarības datos?

              Praktiskais darbs cēloņsakarības izveidē

              • Kur ir (vai nav) cēloņsakarības manos datos?  

              Klases darbs: Korelācija vs. Cēloņsakarību

              M.D.: Cēloņsakarības personālvadībā
              5. vakars (N.S.)
              DARBINIEKA DZĪVES CIKLS(EMPLOYEE JOURNEY MAP)

              4 akadēmiskās stundas

              Darbinieka dzīves cikls (EJM)

              • Katra cikla posma atdeve un ietekme

              Individuāla pieeja darbinieka analīzei

              Klases darbs: Izdevumi/ Ieņēmumi Darbinieka dzīves ciklā

              M.D.: Darbinieka dzīves cikls manā kompānijā
              6. vakars (N.S.)
              IZDEVUMI UN IEŅĒMUMI

              4 akadēmiskās stundas

              Ieņēmumu/izdevumu aprēķins uz darbinieku

              • HR lēmumu ietekme uz biznesa rezultātiem

              Kādi KPI ir nozīmīgi darbinieka dzīves ciklā?

              Klases darbs: Kāds var būt EJM finanšu ieguvums?

              M.D.: Proaktīvas darbības darbinieku dzīves ciklā
              7. vakars (A.Ē.)
              ATSKAITES & VIZUALIZĀCIJA

              4 akadēmiskās stundas

              Business Intelligence – kas tas ir?

              • Kā atšķiras dati? Kādi ir atskaišu veidi un saturs?

              Datu vizualizācijas paņēmieni

              • Kā veidot atskaites un vadības paneļus (dashboard)?

              Rīks: Atskaites efektivitātes novērtēšana

              M.D.: Datu sagatavošana stāstiem
              8. vakars (N.S.)
              INTERPRETĀCIJA & LIETOŠANA

              4 akadēmiskās stundas

              Datu interpretācijas un kļūdas

              • Stāstu stāstīšana (story-telling) caur datiem?

              Kā Business Intelligence (BI) veikt patstāvīgi?

              Rīks: Datu tulkošanas kļūdas

              Klases darbs: Kā piemānīt datus?
              9. vakars (S.L.)
              DIGITALIZĀCIJAS PROJEKTI

              4 akadēmiskās stundas

              Digitalizācijas projektu plānošana

              • Kā projektu definēt, ievākt datus un tos analizēt?

              Projektu ieviešanas izaicinājumi

              • Kā labas idejas praktiski ieviest, monitorēt, uzturēt?    

              Klases darbs: Pašu projektu gaita & analīze

              M.D.: Atkārtots digitālā brieduma tests    

              10. vakars (S.L.)
              DIGITĀLĀ KULTŪRA

              4 akadēmiskās stundas

              Organizācijas gatavība digitalizācijai. Kā to pārbaudīt? 

              • Digitālās gatavības uzlabošana

              Kā sakārtot iekšējos procesus un datu pārvaldību?

              Klases darbs: Digitālās kultūras elementi

              M.D.: Esošās / plānotās stratēģijas sastāvdaļas    
              11. vakars (A.Ē.)
              DIGITĀLĀ STRATĒĢIJA

              4 akadēmiskās stundas

              Digitālās stratēģijas formulēšana

              • Stratēģijas elementi               

              Kā veidot stratēģijas ceļa karti (digital road-map)?                                    

              Klases darbs: Digitālās stratēģijas izveide

              Klases darbs: Digitālās ceļa kartes posmi                         

              Pieteikuma anketa
















              Atgriezties uz sākumu