بلوغ تحلیل‌گری و کارکردهای مدیریت منابع انسانی نقدی بر کتاب منابع انسانی داده محور: نحوه استفاده از تحلیل ها و شاخص های کلیدی پیشبرد عملکرد

با رشد و توسعه فناوری های ارتباطی و اطلاعاتی و استفاده روزافزون از ابزارهای هوشمند متصل به اینترنت، حجم عظیمی از داده های دیجیتال در هر لحظه تولید می شود. استفاده هوشمندانه از این داده ها برای بهبود تصمیمات مرتبط با منابع انسانی،  نیازمند تحلیل گری منابع انسانی است. تحلیل گری منابع انسانی دارای انواع توصیفی، تشخیصی و پیش بینی کننده است که در قالب مدل بلوغ تحلیل گری معرفی می شوند. مقاله حاضر با درنظر داشتن مدل بلوغ تحلیل گری و کارکردهای پنج گانه مدیریت منابع انسانی با استفاده از روش دلالت پژوهی به نقد کتاب منابع انسانی داده محور: کاربرد تحلیل گری و سنجه ها برای پیشبرد عملکرد اثر برنارد مر که تحت عنوان منابع انسانی داده محور: نحوه استفاده از تحلیل ها و شاخص های کلیدی پیشبرد عملکرد به فارسی منتشر شده است می پردازد. احصای دلالت ها نشان می دهد که بهبود اساسی کتاب با غنی تر شدن و تعمق بیشتر در مبانی نظری مباحث مدیریت منابع انسانی و توجه دقیق تر به سطوح تحلیل گیری امکان پذیر است.

analytics maturity and human rresources management functions review of data-driven hr: how to use analytics and metrics to drive performance

as a result of the growth and development of communication and information technologies, as well as the increasing use of smart tools connected to the internet, a huge amount of digital data is produced every moment. human resource (hr) analytics is necessary for the intelligent use of this data to improve human resource management (hrm) decisions. hr analytics has descriptive, diagnostic, and predictive types introduced as analytics maturity models. considering the hr analytics maturity model and the five functions of human resource management, this article uses the systematic implication research method to review and criticize the book “data-driven hr: how to use analytics and metrics to drive performance” by bernard marr. this book is translated into persian by pirannejad and faraji jobedar. the implications show that the book can be improved by enriching the scientific theoretical foundations of hrm topics. in addition, this could be improved through closer attention to the levels of hr analytics.