تحليلات الموارد البشرية: أهم المؤشرات وخطوات تحليل البيانات

ما المقصود بتحليلات الموارد البشرية؟

هي جمع بيانات العمل والأفراد وتحليلها لتوجيه قرارات مثل تحسين الانضمام وتطوير المهارات وتخطيط الاحتياج وتقليل التعثر التشغيلي. لا تقتصر على لوحة رسوم؛ فالتحليل الجيد يوضح ماذا حدث، ولماذا قد يكون حدث، وما القرار الذي ينبغي اختباره.

تشرح CIPD أن المجال يشمل التحليل الوصفي والتشخيصي والتنبؤي والتوجيهي، وأنه يبدأ من مشكلة أعمال لا من توفر بيانات فقط. أما مؤشرات الأداء العامة فهي أدوات قياس يمكن توظيفها داخل التحليل لكنها لا تكفي وحدها لاستخلاص تفسير.

ابدأ بسؤال أعمال محدد

بدل سؤال «ما وضع الموظفين؟» اكتب: «لماذا يستغرق انضمام الموظف الجديد وقتًا أطول في قسم الدعم؟» أو «هل ترتبط ساعات التدريب بتحسن جودة إنجاز مهمة معينة؟». حدد القرار الذي ستتخذه بناء على الإجابة، والمستفيد، والمهلة الزمنية.

اختر سؤالًا يمكن الإجابة عنه بمصادر متاحة وضمن غرض مشروع للمعالجة. قد يكون جمع بيانات إضافية مكلفًا أو غير مناسب؛ ابدأ بالسجلات التشغيلية المجمعة قبل الانتقال إلى بيانات شخصية تفصيلية.

أهم مؤشرات الموارد البشرية وكيف تُعرّفها؟

تشمل المؤشرات الشائعة معدل المغادرة، ومعدل الاحتفاظ، والغياب، وزمن التهيئة، والتغطية المهارية، ووقت ملء الاحتياج، وتطبيق المهارات بعد التدريب. ينبغي توثيق البسط والمقام والفترة والتعريفات؛ فقد يختلف «عدد الموظفين» بين لقطة آخر الشهر ومتوسط الفترة.

لا تجمع معدلات من أقسام مختلفة دون فحص أحجامها؛ فقد يرتفع متوسط عام لأن قسمًا كبيرًا تغير حجمه. ميّز المغادرة الطوعية من غير الطوعية إذا كان الغرض يسمح، ولا تستخدم تعريفات ملتبسة لعرض اتجاهات تبدو أفضل مما هي.

مثال حسابي: معدل المغادرة ليس معدل الاحتفاظ

افترض أن المنشأة بدأت الفترة بـ100 عامل، وأن متوسط العدد خلال السنة 110، وغادر 12 شخصًا. معدل المغادرة وفق التعريف المختار = 12 ÷ 110 × 100 = 10.91% تقريبًا. لا يعني ذلك تلقائيًا أن معدل الاحتفاظ 89.09%؛ فالاحتفاظ يقيس مجموعة البداية نفسها.

إذا بقي من مجموعة المئة الأصلية 90 شخصًا في نهاية الفترة، فالاحتفاظ لهذه المجموعة 90%. قد تكون المؤسسة وظفت أفرادًا جددًا خلال العام؛ لذا تختلف المقامات. سجّل التعريف بجانب كل رسم بياني، وامنع المقارنة بين فترات تستخدم مقامات مختلفة.

مثال حسابي: أثر تحسين الانضمام

افترض أن متوسط زمن تفعيل أدوات العمل للموظف الجديد كان 4 أيام ثم أصبح 2.5 يوم بعد توحيد الطلبات. الانخفاض النسبي = (4 − 2.5) ÷ 4 × 100 = 37.5%. هذا يصف التغير في المثال ولا يثبت وحده أن الإجراء هو السبب الوحيد.

قبل نسب التحسن إلى مبادرة معينة، راجع عدد الحالات وتعقيد الأدوار والفترة والمواسم وأي تغيير متزامن في النظام. الأفضل اختبار التحسين على مجموعة أو فترة مقارنة مناسبة إذا كان ذلك ممكنًا وعادلًا.

جودة البيانات: لماذا قد تخدعك لوحة جميلة؟

افحص التكرارات والقيم المفقودة وتباين المسميات وتواريخ التعيين والانتهاء غير المنطقية. إذا ظهر موظف مرتين بسبب اختلاف المعرف، فقد يرتفع العدد ومعدل المشاركة بصورة مصطنعة. اجعل لكل مؤشر مالك بيانات ومصدرًا وتعريفًا واضحًا.

مثال: لا تدمج ملف الحضور مع تقييمات الأداء بالاسم فقط إذا كان هناك تشابه أسماء؛ استخدم معرفًا داخليًا آمنًا وصلاحيات مناسبة. راجع فترة البيانات قبل إنشاء الاتجاهات، وأظهر ملاحظة «بيانات غير مكتملة» عند الحاجة بدل إخفاء الفجوة.

أنواع التحليل الأربعة ومتى تستخدم كل نوع

الوصفي يجيب: ما الذي حدث؟ مثل تغير معدل الغياب. التشخيصي يدرس أنماطًا محتملة، مثل اختلاف الغياب بين الأقسام. التنبؤي يقدّر احتمالات مستقبلية مع توضيح عدم اليقين. التوجيهي يقارن قرارات محتملة وتبعاتها.

لا تقفز إلى نموذج تنبؤي قبل ضبط البيانات والتعريفات؛ فقد يحول أخطاء الإدخال إلى قرارات تبدو دقيقة. وإذا استخدمت نموذجًا لتوقع مغادرة أفراد، فراجع الغرض والإنصاف والخصوصية ولا تتعامل مع التوقع كحكم على الموظف.

لوحة People Analytics: ما الذي تعرضه للإدارة؟

خصص الجزء العلوي لسؤال القرار، ثم 4–6 مؤشرات أساسية واتجاهها مقارنة بفترة مماثلة، ثم تفصيل مجمع حسب وحدة تنظيمية عندما تسمح أحجام المجموعات. أضف ملاحظة منهجية ومصدر كل مؤشر وتاريخ التحديث، ثم قائمة إجراءات مع مالك ومهلة.

لا تعرض عشرات الرسوم لأن الأداة تسمح بذلك. لوحة الإدارة تحتاج تفسيرًا: ما التغير؟ ما الدليل؟ ما المخاطر؟ ما القرار المطلوب؟ ويمكن بناء نموذج أولي في جدول قبل نقله إلى Power BI عند الحاجة للتحديث والمشاركة المنظمة.

الارتباط ليس سببية: كيف تتجنب استنتاجًا خاطئًا؟

إذا ظهر أن الفرق التي تحضر تدريبًا أكثر تحقق نتائج أفضل، فلا يعني ذلك أن التدريب سبب التحسن وحده؛ ربما تحصل الفرق الأقوى أصلًا على فرص تدريب أكثر. ابحث عن عوامل بديلة مثل الخبرة وتغير حجم العمل وأدوات الفريق.

يمكن تصميم تجربة تحسين محدودة ومراجعة النتائج قبل وبعد مع مقارنة عادلة عند الإمكان. اكتب درجة الثقة والقيود بوضوح: «يوجد ارتباط في هذه العينة، ولا يمكن إثبات السبب». هذه الصياغة أدق وأكثر نفعًا للإدارة من إعلان نتائج قاطعة.

الخصوصية والحوكمة في السعودية

تخضع معالجة البيانات الشخصية في السعودية لأحكام نظام حماية البيانات الشخصية ولوائحه بحسب الانطباق. حدد الغرض والأساس النظامي، واجمع الحد الأدنى اللازم، وقيّد الصلاحيات، وراجع سياسة الاحتفاظ والمشاركة مع مسؤول الخصوصية. البيانات المجمعة قد تظل قابلة لإعادة التعرف إذا كانت المجموعة صغيرة جدًا.

تجنب مراقبة نشاط الأجهزة أو الاتصالات لمجرد توفر الأداة، ولا تنشر تصنيفات فردية أو تنبؤات مغادرة للمديرين بلا ضرورة وإطار مشروع. أوضح مصدر البيانات وحدود استخدامها للموظفين عندما يلزم؛ الثقة شرط عملي لجودة البيانات واستدامة التحليل.

خطة 30 يومًا لإنشاء أول تقرير تحليلي

الأسبوع الأول: اختر سؤالًا واحدًا وحدد المؤشر والقرار. الثاني: افحص جودة البيانات والصلاحيات. الثالث: ابنِ جدولًا بسيطًا واحسب مثالين يدويًا للتحقق من المعادلات. الرابع: ناقش النتائج مع أصحاب القرار واعتمد تجربة تحسين ومؤشر متابعة.

دوّن الأخطاء المكتشفة وغيّر المصدر قبل تجميل التقرير. وإذا لم يمكن ربط النتيجة بقرار قابل للتنفيذ، فأعد صياغة السؤال. لا تبدأ بشراء منصة أو نموذج ذكاء اصطناعي قبل معرفة ما الذي ستقيسه ولماذا.

أخطاء شائعة في HR Analytics

الخلط بين المغادرة والاحتفاظ، واستخدام مقامات مختلفة، والاعتماد على متوسط يخفي فروقًا مهمة، واعتبار الارتباط دليلًا على السبب، وعدم توثيق جودة البيانات، ونشر معلومات شخصية أوسع من الحاجة.

كذلك قد يبالغ التقرير في إظهار دقة الأرقام؛ فمعدل 10.91% لا يعني أن القرار يستحق منزلتين عشريتين في كل سياق. قدم حجم العينة والفترة ودرجة الثقة مع المؤشر، ثم اربطه بإجراء يمكن مراجعته.

المصادر والمراجع

المراجع التالية توضح المنهج العام؛ جميع الأرقام والسيناريوهات في الأمثلة تعليمية افتراضية ما لم يذكر غير ذلك.

• CIPD: People Analytics
• سدايا: مركز معرفة حماية البيانات
• بيزات السعودية: دليل HR Analytics
• KPIHub: HR KPIs

مراجعة المسودة: 19 أكتوبر 2026. هذا التاريخ ليس تاريخ نشر على الموقع.