Αναλυτική Δεδομένων στη Διοίκηση Ανθρώπινου Δυναμικού: Διερευνητική ανάλυση στην αυτοματοποιημένη λήψη αποφάσεων. Ανάπτυξη ενός ενδεικτικού μοντέλου ταξινόμησης και αξιολόγησης με εφαρμογή στον χρηματοοικονομικό κλάδο.

Data analytics in Human Resource Management: An exploratory analysis on automated decision-making and predictive analytics. Developing an indicative classification and evaluation model being applied in the financial services sector. (Αγγλική)

  1. MSc thesis
  2. Stasi, Efstratia
  3. Διοίκηση Επιχειρήσεων (MBA)
  4. 10 Σεπτεμβρίου 2022 [2022-09-10]
  5. Αγγλικά
  6. 87
  7. Rigopoulos, Georgios
  8. Rigopoulos, Georgios | Chalikias, Ioannis
  9. Διοίκηση Ανθρώπινου Δυναμικού | HRM | Αυτοματοποιημένη λήψη αποφάσεων | Automated decision-making | Αλγοριθμική λήψη αποφάσεων | Algorithmic decision-making | Μοντέλο Υποστήριξης Αποφάσεων | Decision Support Model | Επιλογή Εργαζομένων | Employee Selection | Ταξινόμηση | Classification
  10. 29
  11. Περιέχει: πίνακες, διαγράμματα και εικόνες
    • Ο ρόλος της Διοίκησης Ανθρώπινου Δυναμικού έχει μετασχηματιστεί με την πάροδο του χρόνου, από μια διοικητική μονάδα σε έναν πιο στρατηγικό εταίρο. Σημαντική κινητήρια δύναμη σε αυτή την εξέλιξη αποτελεί η τεχνολογική πρόοδος και η δυνατότητα συλλογής και αποθήκευσης τεράστιου όγκου δεδομένων εργαζόμενων. Σήμερα, με την συνεχώς αυξανόμενη πρόοδο στην ψηφιοποίηση και τεχνητή νοημοσύνη, οι επαγγελματίες του ανθρώπινου δυναμικού μπορούν να λαμβάνουν αποφάσεις σε πραγματικό χρόνο και πιο αποτελεσματικά με τη βοήθεια αλγόριθμων. Η εργασία αυτή έχει ως στόχο να διερευνήσει τον τομέα της αυτοματοποιημένης λήψης αποφάσεων στη διαχείριση των ανθρώπινων πόρων. Συγκεκριμένα, μέσα από μια βιβλιογραφική ανασκόπηση, διερευνάται η ενσωμάτωση αυτοματοποιημένων συστημάτων λήψης αποφάσεων στις βασικές λειτουργίες της Διοίκησης Ανθρώπινου Δυναμικού και οι προκλήσεις που αυτή αντιμετωπίζει. Τα κύρια συμπεράσματα από τη βιβλιογραφική ανασκόπηση είναι ότι η ενσωμάτωση αυτοματοποιημένων συστημάτων λήψης αποφάσεων στη Διοίκηση Ανθρώπινου Δυναμικού αντιμετωπίζει πολλές προκλήσεις, όπως ηθικά και νομικά ζητήματα, θέματα σχετικά με την προστασία προσωπικών δεδομένων, θέματα που έχουν να κάνουν με την επεξηγησιμότητα των συστημάτων αυτών, καθώς και ζητήματα λογοδοσίας για τις αποφάσεις αυτές. Επιπλέον, προτείνεται η συνεργασία ανθρώπων και τεχνητής νοημοσύνης για την καλύτερη λήψη αποφάσεων. Στη συνέχεια, εξετάζεται η δυνατότητα εφαρμογής του Naïve Bayes, ενός κλασικού αλγόριθμου ταξινόμησης, στην ανάπτυξη ενός συστήματος υποστήριξης αποφάσεων για επαγγελματίες ανθρώπινου δυναμικού στη διαδικασία επιλογής εργαζομένων. Για το σκοπό αυτό, συλλέχθηκαν πραγματικά στοιχεία από μια ελληνική εταιρεία του χρηματοπιστωτικού τομέα, σχετικά με εσωτερικούς υποψήφιους εργαζόμενους για επτά κενές θέσεις, για χρονικό διάστημα μιας διετίας. Τα δεδομένα που συλλέχθηκαν ανωνυμοποιήθηκαν, μετατράπηκαν στην κατάλληλη μορφή και χωρίστηκαν σε 2 σύνολα για την εκπαίδευση και αξιολόγηση του μοντέλου. Τα αποτελέσματα αυτής της μελέτης παράγουν χρήσιμες πληροφορίες σχετικά με την εφαρμογή αυτού του αλγόριθμου στη διαδικασία επιλογής εργαζομένων. Η εργασία ολοκληρώνεται με μια αξιολόγηση των ευρημάτων και των προτάσεων για μελλοντική έρευνα.
    • The role of Human Resources Management has been transformed over time, from being an administrative function to a more strategic partner. Technological advancement and the ability to gather and store a huge amount of people’s data are major driving forces in this evolution. Nowadays, as digitalization improves and thanks to artificial intelligence, human resources professionals can make real-time and more effective decisions with the help of algorithms. This study sets out to explore the field of automated decision-making in human resources management. Specifically, through a literature review, the integration of automated decision-making into the core functions of Human Resources Management and the challenges encountered are examined. The main conclusions from the literature review are that the integration of automated decision-making in Human Resources Management encounters many challenges, such as ethical and legal considerations, data protection, explainability, and accountability issues. Moreover, it is suggested that the collaboration of humans and AI improves decision-making. Following that, the applicability of Naïve Bayes, a classical classifier, in developing a decision support system for HR professionals in the employee selection process is examined. For this purpose, actual data were collected from a Greek company in the financial sector, concerning internal employee applicants for seven vacant job positions in a two-year period. The collected data were anonymized, transformed into the appropriate format, and split into training and test sets. The model was trained with the training dataset and evaluated with the test dataset. The results of this study provide useful information concerning the application of this classifier in the employee selection process. The paper concludes with an assessment of the findings and suggestions for future research.
  12. Items in Apothesis are protected by copyright, with all rights reserved, unless otherwise indicated.