Webinar Data Science inom HR & bemanning

För en personalintensiv verksamhet utgör just personalen verksamhetens kärna. Att uppskatta framtida behov av resurser och schemalägga detta optimalt över personalen är viktigt och kan innebära stora produktivitetsvinster. Men för en HR-funktion är det inte bara att säkerställa att arbetstider följer olika lagar och villkor, man behöver också kontinuerligt följa upp hur personalen mår och agera på det. Därför vill vi lyfta några lösningar på utmaningar som våra kunder ofta möter inom detta område: 

  1. Att uppskatta ett framtida behov av resurser eller tjänster är svårt och tar tid, speciellt om flera externa faktorer påverkar. Dock är det viktigt att få en bra prognos för att lägga grunden till att styra verksamheten på ett bra sätt.
  2. Att schemalägga sin personal eller aktiviteter på ett optimalt sätt efter ett uppskattat behov blir snabbt komplext och tidskrävande. Speciellt vid manuell handläggning, som ofta låser fast ett ej optimalt grundschema som är svårt att ta sig ifrån.
  3. Ofta görs undersökningar eller utvärderingar i form av enkäter innehållande fritextsvar. Vid många svar tar dessa texter lång tid att analysera och resultatet blir ofta färgat av egna åsikter. Därför görs analyserna sällan, vilket kan leda till att man missar viktig återkoppling och inte hinner agera på den i tid.

Låter det intressant? Under detta webinar kommer du att få en kort introduktion om vad vi menar med begrepp som Data Science, AI och Machine Learning. Du kommer även att få en inblick i hur avancerad analys kan användas för att underlätta behovsprognostiseringpersonalschemaläggning och analys av fritext genom några tidigare kundcase. Målet är att du ska få med dig ny inspiration, nya idéer samt en bättre förståelse för vad Data Science faktiskt är och hur det konkret kan appliceras i din verksamhet. 

Ta del av fler Data Science-webinar: 

Data Science inom sälj och marknadsföring

Data Science inom finans

Data Science inom logistik och supply chain

Data Science inom operations

Hur kommer man igång med Data Science?