Lợi nhuận:
- Khả năng phân tích các câu trả lời khảo sát mở theo chủ đề, tần suất và tâm trạng
- Khả năng diễn giải các số liệu như eNPS và mức độ tương tác và biến chúng thành đề xuất hành động
- Khả năng thiết lập khung phân tích khảo sát không thiên vị để duy trì tính ẩn danh và bảo mật
Bạn đã thực hiện một cuộc khảo sát về mức độ gắn kết của nhân viên và nhận được hàng trăm nhận xét bằng văn bản miễn phí từ 400 người. Sẽ mất nhiều ngày để đọc từng cái một và rút ra các chủ đề chính, và điều đó sẽ mang tính chủ quan: dưới con mắt của một người đọc mệt mỏi, một số chủ đề sẽ nổi bật và một số sẽ biến mất. Trí tuệ nhân tạo (AI) nhóm hàng trăm câu trả lời mở thành các chủ đề, tần suất và tâm trạng trong vài phút; Nó tạo ra một bức tranh sẽ nhắc nhở ban quản lý hành động. Nhưng đây chính là lúc một trong những trách nhiệm nhạy cảm nhất của bộ phận nhân sự phát huy tác dụng: những nhận xét này thuộc về cá nhân, được hứa giấu tên và lời hứa này không bao giờ được phá vỡ. Trong phần này, chúng ta sẽ học cách tiến hành phân tích khảo sát từ đầu đến cuối cũng như duy trì tính ẩn danh và công bằng.
Một số thuật ngữ: eNPS (Điểm quảng cáo ròng của nhân viên) là thước đo đo lường xu hướng giới thiệu công ty của nhân viên; Nó được tìm thấy bằng cách trừ phần trăm "những người đề xuất" khỏi phần trăm "những người không đề xuất". Sự tham gia/cam kết đề cập đến sự gắn kết tình cảm của nhân viên với công việc của mình và công ty. Phân tích tình cảm là phân loại giọng điệu tích cực/tiêu cực/trung tính của văn bản. Mã hóa theo chủ đề là quá trình chia văn bản tự do thành các chủ đề chung (chẳng hạn như khối lượng công việc, quản lý, nghề nghiệp).
Chủ đề các câu trả lời mở
AI biến văn bản miễn phí thành cái nhìn sâu sắc về cấu trúc. Điểm quan trọng: giữ cho bản phân tích được ẩn danh và tổng hợp. Quy trình từng bước:
- Ẩn danh dữ liệu. Loại bỏ hoặc khái quát hóa tên, đơn vị, chi tiết mô tả.
- Trích xuất các chủ đề. Hỏi xem mỗi chủ đề xuất hiện trong bao nhiêu bình luận.
- Thêm trạng thái cảm xúc. Mỗi chủ đề là tích cực hay tiêu cực?
- Yêu cầu báo giá mẫu - nhưng những báo giá an toàn. Những trích dẫn mang tính đại diện sẽ không tiết lộ cá nhân.
- Biến nó thành hành động. 1-2 gợi ý cụ thể cho từng chủ đề quan trọng.
- Giải thích với con người. Các số được đọc theo ngữ cảnh; Nhận xét cuối cùng là của bạn.
Vai trò của bạn: nhà phân tích trải nghiệm nhân viên. Nhiệm vụ: Phân tích các nhận xét khảo sát ẩn danh sau đây.1) Nhóm các nhận xét thành các chủ đề chính (ví dụ: quản lý, khối lượng công việc, nghề nghiệp, lương, văn hóa, công cụ). Nêu rõ bạn có bao nhiêu nhận xét cho mỗi chủ đề.2) Tóm tắt tâm trạng chung (tích cực/tiêu cực/trung lập) của từng chủ đề.3) Xác định 3 khía cạnh tích cực được đề cập thường xuyên nhất và 3 lĩnh vực phát triển. Quy tắc: Đừng cố gắng so sánh các nhận xét với CON NGƯỜI. Nếu có chi tiết (tên, đơn vị, sự kiện cụ thể) mô tả cá nhân thì TỔNG HỢP chúng khi tóm tắt. Đừng chỉ trích dẫn một nhận xét hiếm hoi/cụ thể có thể tiết lộ một người.
Lời nhắc này; Nó tạo ra kết quả có thể hành động cho quản lý, chẳng hạn như "Chủ đề khối lượng công việc xuất hiện trong 78 nhận xét, chủ yếu là tiêu cực; ca tối là lý do chính" — mà không tiết lộ bất kỳ ai.
Mẹo: Rủi ro đạo đức lớn nhất trong phân tích khảo sát là vi phạm tính ẩn danh. Một nhận xét như "Người duy nhất trong phòng kế toán có con được sinh ra" có thể tự cho một người biết. Yêu cầu AI khái quát hóa các chi tiết nhận dạng cá nhân một cách rõ ràng và không nêu bật các nhận xét hiếm/cụ thể.
Giải thích các số liệu và biến chúng thành hành động
Chỉ riêng số liệu thôi thì không có ý nghĩa; "eNPS 12" tốt hay xấu? AI giúp bối cảnh hóa các số liệu và chuyển chúng thành các đề xuất hành động:
Giải thích các số liệu khảo sát bên dưới và cung cấp bản tóm tắt dài 1 trang cho người quản lý. Dữ liệu:- eNPS: 12 (25 năm ngoái) - Mức độ tương tác tổng thể: 3,6 trên 5- Lĩnh vực có điểm thấp nhất: "phát triển nghề nghiệp" (3.1) - Lĩnh vực có điểm cao nhất: "mối quan hệ nhóm" (4.4)Bắt buộc:1) Giải thích bằng ngôn ngữ đơn giản điều gì là tốt và điều gì đáng lo ngại2) Các giả thuyết có thể có về sự suy giảm eNPS (lý do chính xác bịa đặt, giả thuyết)3) Đề xuất hành động cụ thể cho 3 lĩnh vực quan trọng nhất
Chia các nhận xét tiêu cực về chủ đề "Phát triển nghề nghiệp" thành các chủ đề phụ (ví dụ: sự không chắc chắn về thăng tiến, thiếu đào tạo, thiếu phản hồi). Đối với mỗi chủ đề phụ, hãy ghi lại số lượng nhận xét và ý tưởng hành động. Đừng vạch trần người đó; Giữ báo giá ẩn danh và mang tính đại diện.
Ba hộp nhỏ
Trường hợp 1 - Từ ngày đến phút. Trong một công ty có 600 người, hai chuyên gia nhân sự đã mã hóa thủ công 1.400 nhận xét miễn phí về một cuộc khảo sát hàng năm trong một tuần. Với AI, việc tạo chủ đề đã giảm xuống còn vài giờ; Nhóm đã dành thời gian để phân tích, giải thích và lập kế hoạch hành động. Tính nhất quán trong mã hóa cũng tăng lên vì các tiêu chí giống nhau được áp dụng cho tất cả các nhận xét.
Trường hợp 2 - Việc chặn tín hiệu bí mật. Tại một công ty sản xuất, điểm tổng thể là tốt, nhưng AI đã nêu bật chủ đề “lịch trình thay đổi” với 46 nhận xét tiêu cực; đây là một mẫu bị bỏ qua khi đọc tay. Ban quản lý xem xét hệ thống ca làm việc; Trong quý tiếp theo, số khiếu nại liên quan giảm đi một nửa.
Trường hợp 3 - Ngăn chặn khủng hoảng ẩn danh. Trong lần thử đầu tiên, một chuyên gia cũng cung cấp thông tin đơn vị cho AI; Bản in có đoạn trích dẫn tiết lộ "Giới thiệu về người quản lý duy nhất ở đơn vị X." Chuyên gia nhận thấy điều này trước khi công bố, đã sửa lại quy trình: loại bỏ thông tin đơn vị, đưa ra quy định “báo cáo riêng nhóm nào có dưới 5 ý kiến”. Niềm tin đã được bảo tồn.
Nhắc yếu / Nhắc mạnh
Lời nhắc yếu:Tóm tắt các nhận xét khảo sát này.
Kết quả: hời hợt, nhiều, không đảm bảo giấu tên; một bản tóm tắt thậm chí có thể tiết lộ một cá nhân.
Lời nhắc mạnh mẽ: [dữ liệu ẩn danh + chủ đề và số lượng + tâm trạng + trích dẫn an toàn/mang tính đại diện + "khái quát cá nhân, không tiết lộ bình luận hiếm gặp" + đề xuất hành động]
Kết quả: một phân tích mang tính số học, theo chủ đề, định hướng hành động và duy trì tính ẩn danh.
Quy tắc ẩn danh và công bằng
Rủi ro
đề phòng
Tiết lộ nhóm nhỏ
Báo cáo riêng biệt của các nhóm nhỏ có ít hơn 5 người trả lời
chi tiết miêu tả
Khái quát hóa thông tin tên/đơn vị/sự kiện
Trích dẫn bình luận hiếm hoi
Chỉ sử dụng trích dẫn đại diện, đa số
bình luận thiên vị
Đặt câu hỏi về sự phủ định có hệ thống của AI đối với một nhóm (tuổi, giới tính, v.v.)
Xuất dữ liệu thô sang công cụ không an toàn
Sử dụng các công cụ được chứng nhận/tổ chức và dữ liệu ẩn danh
Lưu ý: Dữ liệu khảo sát là dữ liệu cá nhân; Việc dán các nhận xét thô vào một công cụ chung mà không đảm bảo dữ liệu của công ty sẽ tiềm ẩn rủi ro KVKK (chúng ta sẽ đi sâu vào vấn đề này trong phần tiếp theo). Suy luận chủ đề của AI cũng có thể sai sót; Con người nên xem lại các con số và ví dụ rồi đưa ra giải thích cuối cùng. AI tìm thấy các mẫu; Con người quyết định ý nghĩa và hành động.
Những lỗi thường gặp
- Phá vỡ sự ẩn danh. Đưa đơn vị/tên/chi tiết cụ thể vào phân tích có thể làm lộ thông tin của một người.
- Báo cáo theo nhóm nhỏ. Kết quả của đơn vị 3 người gần như là dữ liệu cá nhân.
- Tin tưởng một cách mù quáng vào con số thô. Chủ đề hóa của AI có thể sai sót; Kiểm tra bằng cách lấy mẫu.
- Làm nổi bật nhận xét nổi bật hiếm hoi. Nó có thể mang tính bộc lộ hơn là mang tính đại diện.
- Không kết nối nhận xét với hành động. Nếu việc phân tích không đưa ra được các bước cụ thể thì nó vẫn bị bỏ lại.
- Nhìn ra sự thiên vị. Câu hỏi liệu AI có phủ nhận một cách có hệ thống một nhóm cụ thể hay không.
Tóm lại
- AI nhóm hàng trăm câu trả lời mở theo chủ đề, tần suất và tâm trạng để rút ra những hiểu biết sâu sắc có thể hành động cho ban quản lý.
- Duy trì tính ẩn danh: khái quát các chi tiết nhận dạng cá nhân, không tiết lộ nhóm nhỏ và những bình luận hiếm hoi.
- Đặt các số liệu như eNPS và mức độ tương tác vào bối cảnh; Đừng tạo nên một lý do dứt khoát, hãy hỏi một giả thuyết.
- Gắn từng chủ đề quan trọng với một hành động cụ thể; Phân tích không tạo ra giá trị nếu nó không tạo ra các bước.
- Xử lý dữ liệu thô bằng công cụ bảo mật; AI tìm ra các mẫu, con người thực hiện việc giải thích cuối cùng và kiểm tra sai lệch.
Nhiệm vụ ứng dụng
Chuẩn bị 30-40 nhận xét khảo sát, có thật hoặc hư cấu (cố ý đưa vào một hoặc hai chi tiết "kể chuyện"). Ẩn danh dữ liệu trước tiên. Yêu cầu AI tạo chủ đề, phân tích cảm xúc và số lượng nhận xét cho từng chủ đề; Yêu cầu báo giá an toàn/đại diện. Sau đó kiểm tra kết quả: có trích dẫn nào tiết lộ về một người không? Nhóm phụ có ít hơn 5 bình luận có được báo cáo riêng không? Cuối cùng, hãy viết hành động cụ thể cho 3 chủ đề quan trọng nhất.
danh sách kiểm tra
- [ ] Dữ liệu có được ẩn danh trước khi phân tích không (tên/đơn vị/chi tiết)?
- [ ] Các chủ đề có được báo cáo bằng số không (có bao nhiêu bình luận)?
- [ ] Tâm trạng đã được chỉ định cho từng chủ đề chưa?
- [ ] Các nhóm nhỏ có ít hơn 5 câu trả lời không được báo cáo riêng biệt phải không?
- [ ] Các trích dẫn có mang tính đại diện và không tiết lộ không?
- [ ] Đầu ra của AI có bị nghi ngờ về sai lệch không?
- [ ] Mỗi chủ đề quan trọng có gắn liền với một hành động cụ thể không?