Wybrane aspekty zastosowania big data w zarządzaniu zasobami ludzkimi w organizacji

• Autorzy: Dawid Orłowski

Warianty tytułu

Selected Aspects of Applying Big Data to Human Resource Management in Organizations

• Języki publikacji: PL

Abstrakty

Organizacje chcące wykorzystać wielkie ilości różnorodnych danych stają w obliczu konieczności rozbudowy narzędzi i możliwości analitycznych. Wymagana jest wiedza z zakresu charakterystyki tego typu danych, źródeł pochodzenia, możliwości integracji i sposobów ich gromadzenia. Wykorzystanie choćby części możliwości zawartych big data może w praktyce wspomagać osoby lub komórki obejmujące stanowiska zarządzające lub decyzyjne w organizacji lub wybranym obszarze funkcjonowania. Również w zakresie zasobów osobowych organizacji pozyskane dane i informacje mogą być pozyskiwane, a następnie transformowane na wiedzę, która może wspomagać procesy kadrowe. W szczególności obszary te obejmują planowanie, dobór pracowników lub ocenę ich efektywności. Dane te mogą być zbierane z wielu kierunków, a ich gromadzenie może odbywać się przy okazji realizowania etatowych zadań. Łączenie wiedzy wewnętrznej organizacji z wiedzą zewnętrzną i prognozowanymi zmianami otoczenia organizacji może przyczynić się do właściwego przygotowania jej struktur wewnętrznych, przygotowania kadry na nadejście nowych wyzwań, zminimalizowanie strat i utrzymanie konkurencyjności. Celem artykułu jest identyfikacja możliwości praktycznego zastosowania technologii big data w wybranych obszarach działalności organizacji. W szczególności zastosowanie jej w zarządzaniu zasobami ludzkimi oraz ograniczenia jaki temu towarzyszą. Zebrany materiał pozwolił odpowiedzieć na pytanie: Gdzie, kto i w jakim zakresie może wykorzystywać technologię big data w organizacji? W celu właściwego rozpoznania zagadnienia przygotowano podłoże teoretyczne poprzez studium literatury w zakresie big data. Autor wykorzystał zarówno teoretyczne, jak i empiryczne metody badawcze, a w szczególności: analizę, syntezę, dedukcję, indukcję, porównanie, uogólnienie, a także obserwację naukową z techniką obserwacji dorywczej. Dodatkowo uwagę poświęcono cechom szczególnym i ograniczeniom tej technologii. (abstrakt oryginalny)

EN

Organizations wishing to take advantage of large volumes of diverse data face the need to expand analytical tools and capabilities. Knowledge of the characteristics of this type of data, sources of origin, integration possibilities and data collection methods is required. The use of even a part of the possibilities contained in big data can in practice support people or departments covering management or decision-making positions in the organization or a selected area of operation. Also in the field of personnel resources of the organization, the acquired data and information can be extracted and then transformed into knowledge that can support personnel processes, especially such areas as planning, selection of employees, or evaluation of their performance. This type of data can be collected from many directions, and can be gathered while performing full-time tasks. Combining the organization's internal knowledge with external knowledge and projected changes in the organization's environment can help to properly prepare internal structures, prepare staff for new challenges, minimize losses and maintain competitiveness. The purpose of the article is to identify opportunities for the practical implementation of big data technology in selected areas of the organization's activities. In particular, its application in human resource management and the limitations that accompany it. The collected material allowed to answer the question: where, who and to what extent can use big data technology in the organization? In order to properly identify the issue, a theoretical background was prepared through a study of the literature in the field of big data. The author used both theoretical and empirical research methods, in particular: analysis, synthesis, deduction, induction, comparison, generalization, as well as scientific observation with the technique of casual observation. In addition, attention is given to the special features and limitations of this technology. (original abstract)

Słowa kluczowe

PL

Zarządzanie zasobami ludzkimi; Big Data; Zarządzanie bazami danych; Zbieranie danych

EN

Human Resources Management (HRM); Big Data; Databases management; Data collection

• Czasopismo: Management and Quality
• Rocznik: 2022
• Tom: 4
• Numer: nr 4
• Strony: 248--260

Twórcy

autor

Dawid Orłowski

• Akademia Sztuki Wojennej, Warszawa

Bibliografia

• Angrave D., Charlwood A., Kirkpatrick I, Lawrence M., and Stuart M. (2016) HR and analytics: why HR is set to fail the big data challenge, Human Resource Management Journal, 26, pp. 1-11. doi: 10.1111/1748-8583.12090
• Bahga A. and Madisetti V. (2016), Big Data Science & Analytics: A Hands-On Approach. Retrieved from http://14.99.188.242:8080/jspui/handle/123456789/12578
• Bielak Ł. and Muryjas P. (2016). Integracja Big Data i Business Intelligence jako innowacyjne rozwiązanie wspomagające funkcjonowanie nowoczesnych organizacji, Journal of Computer Sciences Institute, 1, pp. 6-13.
• Brosz, Bryda and Siuda (2017). Big Data i CAQDAS a procedury badawcze w polu socjologii jakościowej, Przegląd Socjologii Jakościowej, 13(2), pp. 5-23. Retrived from http://www.qualitativesociologyreview.org/PL/archive_pl.php
• Corbellini A., Mateos C., Zunino A., Godoy D. and Schiaffino S. (2017) Persisting big-data: The NoSQL landscape, Information Systems, 63, pp. 1-23. Retrived from https://www.sciencedirect.com/science/article/abs/pii/S0306437916303210?via%3Dihub
• Firican G. (2017, luty 8). The 10 Vs of Big Data. Available online: https://tdwi.org/ articles/2017/02/08/10-vs-of-big-data.aspx?m=1
• Grądzki R. and Zakrzewska-Bielawska A. (2009). Przyczyny i objawy kryzysu w polskich przedsiębiorstwach, Prace i Materiały Wydziału Zarządzania Uniwersytetu Gdańskiego, 3/2, pp. 11-21.
• Hall B. (2014, luty 11). Google's Project Oxygen Pumps Fresh Air Into Management. Available online: https://www.thestreet.com/opinion/googles-project-oxygen-pumps-fresh-air-into-management-12328981
• Hirzel M., Andrade H., Gedik B., Jacques-Silva G., Khandekar R., Kumar V., Mendell M., Nasgaard H. and Schneider S., Soulé R. and Wu K.-L. (2013) IBM Streams Processing Language: Analyzing Big Data in motion. IBM Journal of Research and Development, 57 (3/4), pp. 1-11. doi: 10.1147/JRD.2013.2243535
• Hołda A. and Strojny K. (2019). Determinanty upadłości przedsiębiorców w Polsce - systematyka i badanie komparatywne opinii kadry zarządzającej i syndyków, Zeszyty Teoretyczne Rachunkowości, 101(157), pp. 9-34.
• Kamińska A., Kotarba M., Stańczak J., Zajkowski A. and Zawiła-Niedźwiecki J. (2021). Projektowanie strategii informatyzacji organizacji, Warszawa: Politechnika Warszawska.
• Kania K., and Staś T. (2018) Wykorzystanie technologii Big Data i analizy danych we wspomaganiu procesów ZZL, Zarządzanie Zasobami Ludzkimi, 1(120) Motywacja na różne sposoby, czyli znane problemy w nowych odsłonach, pp. 139-154. Retrived from http://cejsh.icm.edu.pl/cejsh/element/bwmeta1.element.desklight-8f1b436e-a43f-4fb2-9814-803e175f46eb
• KNandimath J., Banerjee E., Patil A., Kakade P., Vaidya S., and Chaturvedi D. (2013, August) Big data analysis using Apache Hadoop, Paper or poster session presented at 14th International Conference on Information Reuse & Integration (IRI), San Francisco.
• Kowalewski K. (2016), Rola intuicji w procesie decyzyjnym mikroprzedsiębiorców. Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska, 97, pp. 427-436. Retrived from http://yadda.icm.edu.pl/baztech/element/bwmeta1.element.baztech-c040a2dc-a511-42d7-aacc-5bf42a5ec374
• Kuźniarska A., Jedynak M. and Mania K. (2022). System pracy hybrydowej w percepcji pracowników. In: Tabor-Błażewicz J. and Rachoń H. (Eds.), Wyzwania kierowania ludźmi w systemie hybrydowej organizacji pracy (pp. 21-30). Warszawa: Oficyna Wydawnicza SGH.
• Laney D. (2012, sierpień 25). Deja VVVu: Gartner's Original "Volume-Velocity-Variety" Definition of Big Data. Available online: https://community.aiim.org/blogs/doug-laney/2012/08/25/deja-vvvu-gartners-original-volume-velocity-variety-definition-of-big-data
• Puślecki Z.W. (2021). Sztuczna inteligencja (AI), internet rzeczy (IoT) i sieć piątej generacji (5G) w nowoczesnych badaniach naukowych, Człowiek i Społeczeństwo, 52, pp. 123-164. doi: 10.14746/cis.2021.52.7
• Rogowski W. (2015). Przyczyny upadłości polskich przedsiębiorców - ujęcie empiryczne, Studia i Prace Kolegium Zarządzania i Finansów/Szkoła Główna Handlowa, 144, pp. 161-196.
• Shim K. (2013) MapReduce Algorithms for Big Data Analysis, International Workshop on Databases in Networked Information Systems, Databases in Networked Information Systems, pp. 44-48. doi: 10.1007/978-3-642-37134-9_3
• Szczerbak M. (2007). Przyczyny upadłości przedsiębiorstw i uwarunkowania organizacyjne restrukturyzacji upadłościowej. In: Prusak B. (Eds.), Ekonomiczne i prawne aspekty upadłości przedsiębiorstw (pp. 37-53). Warszawa: Difin.
• Tabakow M., Korczak J. and Franczyk B. (2014). Big Data - definicje, wyzwania i technologie informatyczne. Informatyka Ekonomiczna, 1(31), pp. 138-153. doi: 10.15611/ie.2014.1.12
• Weiland D. and Wierzbowski P. (2020). Logistyka informacji w gospodarce 4.0. Gdańsk: Wydawnictwo Uniwersytetu Gdańskiego.
• Weinert A. (2015) Zastosowanie "big data" a wyniki ekonomiczne przedsiębiorstw, Rynek - Społeczeństwo - Kultura, 1(13), pp. 13-17. Retrived from http://www.kwartalnikrsk.pl/assets/rsk1-2015-weinert.pdf