מאויב לאוהב - People Analytics בארגונים ביטחוניים – מקרה מבחן באגף המודיעין של צה"ל

להאזנה למאמר המוקלט - #ביןהדרכים 161 בפלטפורמות נוספות 

תקציר המערכת -

ארגונים שמבססים את עשייתם על אנשים מחויבים לפתח אסטרטגיה ארגונית בהתבסס על מערכות לניהול ופיתוח כוח אדם מתקדמות ומבוססות מידע (Data driven). תופעה זו אינה פוסחת גם על צה"ל כארגון הגדול ביותר במדינת ישראל. ארגון זה, מתמודד עם שינויים תכופים במודלי השירות של אנשיו. לכן, המעבר לשימוש בנתוני עתק במסגרת תהליכי קבלת החלטות על כוח אדם הינו מחויב המציאות. כותבות המאמר מבקשות להציג מקרה מבחן שבוצע לפרויקט מסוג זה באגף המודיעין, החוזקות והקשיים בדרך למימוש במעבר מארגון הרגיל לאסוף ולעבד Big Data על "צד אדום", אל פרקטיקות דומות ב"צד הכחול".

1. כללי

אמ"ן ביצע קפיצת דרך משמעותית בין השנים 2018-2020 בכל הנוגע לשימוש בתפיסות ובמתודולוגיות מעולם ה-People analytics של מחקרי המידע (להלן, Data science), לטובת מימוש אסטרטגיית כוח האדם שלו. במאמר זה, נבקש להעמיק ביחס לגורמים שאפשרו את צמיחתה המואצת של דיסציפלינה זו באגף המודיעין כמקרה בוחן (Case study), למגמה כלל עולמית המתרחשת בגופים ביטחוניים נוספים. במסגרת כך, נעסוק בגורמים המאפשרים ובצעדים נדרשים ביחס לפיתוח והיישום של שימוש בנתוני עתק אודות כוח אדם באמ"ן.

במסגרת המאמר, נפרוס את היתרונות והאתגרים הגלומים במימושה של מהפכת ה-People Analytics בארגונים ביטחוניים; מתחים מרכזיים שעמדו בבסיס המעבר הקונספטואלי והמוחשי מביצוע מחקרי מידע על אויבים לתהליך דומה ביחס לכוחותינו. בסיכום המאמר, נציע מספר דגשים מרכזיים ביחס להטמעת תפיסה ויכולת זו גם בגופים ביטחוניים נוספים. בין היתר, קיומה של "מערכה בלתי פוסקת על המידע", לקיחת אחריות מוגברת של מפקדים על התהליך ומאמץ משותף בין מומחים מדיסציפלינות שונות ביחס לתהליך ההטמעה של היכולות המפותחות בארגון.

בטרם נעסוק בתהליכים אלה בזירה הביטחונית, נבקש להציג מספר מונחים מארגנים ורקע כללי ביחס למהפכת ה-People Analytics בזירה האזרחית. זאת, מתוך הבנה כי לא כל הידע והמומחיות בהקשר זה מצוי בכותלי הארגונים הביטחוניים, וכי ארגונים אזרחיים גדולים כבר עוסקים בכך תקופה ארוכה.

2. People Analytics בזירה האזרחית

המונח People Analytics מתייחס לאינטגרציה בין נתונים מגוונים אודות אנשים המגיעים ממקורות שונים, מתוך ומחוץ לארגון. המלחמה על שימור כוח אדם איכותי בארגונים מייצרת שינוי דרמטי באופן שבו מתמודדים מנהלים עם הניסיון לאתר, לגייס, לפתח ולשמר את עובדים בארגון. בהתאם לכך, גם היקף המשאבים שהם מקצים לכך הוא חסר תקדים; בארה"ב לבדה מושקעים כ-400 ביליון דולרים בשנה לצורך זה. 

מטרת השימוש ב-People Analytics במגזר האזרחי היא לסייע למנהלים בתהליכי קבלת החלטות לגבי העובדים שלהם ברמה הטקטית, ולזהות מגמות רצויות ביחס לארגון כולו ולמימוש אסטרטגית משאבי האנוש שלו (Office of People Analytics, 2018). האתגרים עימם מתמודדים בעלי תפקידים העוסקים ב-People Analytics הם רבים ומגוונים. בין היתר, שימוש בלתי מספק במידע הקיים על העובדים לצורכי חיזוי; תרבות ארגונית שאינה מעודדת שימוש במידע אודות כוח האדם בארגון; מידע חסר, חלקי או בלתי מהימן, וחוסר יכולת לעשות שימוש מושכל בתובנות העולות מהאלגוריתמיקה המבוצעת על עובדים.

כאמור, כיום ניתן לזהות שימוש הולך וגובר במחקרי מידע המבוססים על נְתוּנֵי עָתֵק אודות כוח אדם בארגונים שונים, שניתן להגדירם כמשתייכים לתת דיסציפלינה של People Analytics. תת דיסציפלינה זו החלה בניסיון לשמר פרטים שהארגון הגדיר אותם "כוכבים", "טאלנטים" או Hipo"^[3]". לצורך כך, ובניסיון למצות את כלל המידע הנאסף על העובדים ולייצר משמעויות ותובנות חדשות למנהלי הארגון, נעשה שימוש ביכולות מעולם ה־Data science. דוגמאות למקורות מידע אודות כוח האדם הם, בין היתר, מאפיינים דמוגרפיים, נתוני איכות, עמדות, מידע רפואי, דפוסי יוממות ("הגעה לעבודה"), היעדרות מהארגון וכן הלאה (McAfee, Brynjolfsson, & Davenport, 2012).

מנתוני חברת Mckinsey לשנת 2019 עולה כי ארגון העושה שימוש בפרקטיקות ובמתודולוגיות מעולם ה-People Analytics מצליח לשפר בכ-80% את אפקטיביות כוח האדם שלו, לטייב בכ-25% את מידת האפקטיביות הארגונית שלו ולצמצם בכ-50% את שיעור העוזבים מרצון שלו. בהתאם לממצאי החברה, מדובר במהפכה של ממש שבחלק ניכר מהמקרים אינה מתממשת לאור היעדר נכונות של מנהלים לבצע שינויים באופן קבלת ההחלטות שלהם ולהתבסס במרבית המקרים על אינטואיציה ואינסטינקטים גרידא (McKinsey & Company, 2019).

דוגמה נוספת לארגון גדול העושה שימוש ביכולות חיזוי בעולם משאבי האנוש הוא חברת Google העולמית. באחד מכנסי מחלקת ה-People Analytics האחרונים של החברה, חילקה ההנהלה לעובדיה את הסטיקרים הבאים: "We have charts and graphs to back us up. So, f*** off" היום, כבר אין צורך להסביר את חשיבותם של נתוני עתק בכל הנוגע לניהול ופיתוח כוח אדם בארגונים גדולים. בהתאמה, מעל ל-70% מהחברות במשק האמריקאי עושות שימוש ביכולות מעולם מחקרי המידע למימוש אסטרטגיית כוח האדם שלהם.

חשוב לציין, כי חברות עסקיות שונות העושות שימוש ביכולות מעולם ה-People Analytics כבר ביצעו את קפיצת המדרגה התפיסתית ביישום להטמעת היכולת בתהליכי קבלת החלטות לגבי עובדים. יתר על כן, השאלות העסקיות המעסיקות מנהלים בארגונים אלה עוסקות לא רק בחיזוי לגבי תפקוד פרטני של הפרט, אלא בבחינת הקשרים שהוא מייצר במקום העבודה. בין היתר, מהי מידת מרכזיותו של הפרט בארגון למול חבריו לעבודה (Hubs)? עד כמה הוא מבצע "חיבורים" בין תתי-יחידות ואוכלוסיות שונות ומהי מידת השפעתו על סביבתו על ידי כך? באופן זה, לומד הארגון על איזה עובדים בשום אופן הוא אינו יכול להרשות לעצמו לאבד.

הבנה נוספת שכבר הוטמעה בזירה האזרחית היא כי לצורך מענה על שאלות מסוג אלה, נדרש איסוף ותיוג של מידע דיגיטלי בר עיקוב ולא רק כזה הנאסף באמצעות סקרים בלבד. מידע המבוסס על סקרים, מהווה ייצוג חלקי ובלתי מהימן בהכרח של המציאות. בנוסף, הוא מחייב ביצוע שקלולים שונים של המידע הנאסף והשימוש בו עשוי להיות מוטה וחלקי. לבסוף, מתקיימת תמימות דעים כי עדכון "חי" של מקורות המידע על פרטים בארגון מהווה תנאי קריטי מבחינת יכולת הארגון לבצע חיזוי ביחס לעובדים ולקבל החלטות על בסיסו (Leonardi & Contractor, 2018).

3. People Analytics בזירה הביטחונית

תופעה מעניינת אותה ניתן לפגוש בשנים האחרונות, היא הטמעה של תפיסת ה-People Analytics גם בגופים מהמגזר הביטחוני, ובדגש על צבאות מערביים כגון צבא ארה"ב וצבא בריטניה. דוגמה בולטת לכך, היא הקמה של מחלקת ההון האנושי (OPA) של צבא ארה"ב תחת מחלקת ההגנה של ארה"ב (DoD) בשנת 2016 (Katz, 2017). ייעוד המשרד, כפי שעולה מאתר האינטרנט שלו הוא:

"Utilize big-data analytics to better understand key components of Service members’ career paths, and how policy or environmental changes affect the performance and composition of the DoD workforce. OPA provides go-to expertise for scientific assessments, data analytics, and problem solving to improve the lives of the DoD community".

(Office of People Analytics (OPA), 2018)

מטרת המחלקה להוות מרכז המחקר המרכזי לגבי כוח אדם של מחלקת ההגנה, במטרה להבין את המרכיבים המרכזיים שמעצבים את מסלולי הקריירה, איכות התפקוד, המוטיבציות וההרכב האנושי של משרתי משרד ההגנה האמריקאי. המחלקה מספקת מענה לשאלות עסקיות ביחס ל-2.87 מיליון איש, מתוכם 732 אלף אזרחים המשרתים בכלל גופי הצבא האמריקאי (Army, Navy, Air Force, Coast Guard, Marin Corps).

משרד זה כולל מספר מחלקות אשר בראשן עומדים בעלי תפקידים בעלי הכשרה ומומחיות מעולמות מדעי ההתנהגות, משאבי האנוש, הסטטיסטיקה ומדעי המחשב. במסגרת כך, מספקת המחלקה יכולות חיזוי המבוססות נתוני עתק ביחס לכלל הכוחות הסדירים, המשפחות ופורשי הארגון. בין היתר, בנושאים כגון שימור כוח אדם מתאים בארגון, חיזוי מידת הכשירות והמוכנות של הכוחות, חיזוי פוטנציאל התאבדות ועוד (Office of People Analytics (OPA), 2018).

בדומה למחלקת ה-OPA של מחלקת ההגנה האמריקאית, גם בחיל האוויר האמריקאי ניתן לזהות מגמה הולכת וגוברת של שימוש בנתוני עתק לטובת ניהול ופיתוח כוח האדם בצבא. כך, גוף זה הקים את המשרד ל-Human Capital Analytics בשנת 2016. תחומי העיסוק המרכזיים של המחלקה הם שיפור יכולות החיזוי ביחס לכוח האדם בארגון. זאת, בדגש על זיהוי "כוכבים" בארגון, מעבריות בין גופים אזרחיים לצבאיים, והגדלת היקף ה-ROI (Return on investment) ביחס לתמריצים המוענקים לכוח האדם בארגון (Diaz, 2016).

שנה מאוחר יותר, הוקמה גם בצבא בריטניה מחלקה שתכליתה לתמוך תהליכי קבלת החלטות של מפקדים ביחס לכוח האדם שלהם באמצעות נתוני עתק. הדגש המרכזי בגוף זה הינו שימור כוח אדם איכותי בארגון באמצעות חיזוי פוטנציאל עזיבה ופרמטרים המצויים בזיקה גבוהה לכך. לעומת זאת, בשונה מהצבא האמריקאי אשר מפתח In-house את יכולות החיזוי בשיתוף עם חברת Deloitte, בבריטניה בוצעה התקשרות עם חברה אזרחית בשם SAS המספקת פתרונות ייעודיים ומוכנים מראש (Ismail, 2017).

לסיכום חלק זה, נבקש לחדד את התרומה האפשרית של מימוש מהפכת ה-People Analytics בגופים ביטחוניים בישראל. הראשונה, שימוש בנתוני עתק במסגרת תהליכי קבלת החלטות על כוח אדם ברמת המאקרו. בהקשר זה, איגום של כלל מקורות המידע על אוכלוסיית המשרתים בארגון, בעוד שהיא בסיסית למדי, אינה טריוויאלית בארגון ביטחוני. קיומן של "גבולות גזרה", תהליכי מידור והיעדר שיתוף המאפיינים את העשייה המבצעית, נכונים גם ביחס ל"צד הכחול". בהקשר זה, איגום כלל מקורות המידע על פרטים לכדי "בריכת מידע" אחודה עשויה לסייע למקבלי החלטות ברמת המאקרו, שתכליתה חיזוי אודות אוכלוסיות תוך התמקדות במגמות ותהליכים עתידיים.

השנייה, מאתגרת הרבה יותר ועיקרה חיזוי ביחס למשרת או העובד הבודד, כלומר, רמת המיקרו. בהקשר זה, תרומת יכולת החיזוי ביחס למשרת או העובד הבודד היא לסייע לפרט לממש את הפוטנציאל האישי והמקצועי שלו לאור התחזקותן של תפיסות ניאו-ליברליות והתחזקות של אתוס תעסוקתי מקצועי בארגונים אזרחיים וביטחוניים. אלה, מעודדים את הפרט להעמיד עצמו במרכז יותר מבעבר ולשאול שאלות לגיטימיות ביחס למידת מחויבותו לארגון (Engagement).

במסגרת כך, תהליכי קבלת החלטות של מנהלים בארגון ביטחוני חייבת להתבסס על מידע מהימן ככל הניתן, כאמצעי להתמודד עם עמימות גבוהה ביחס לסיכוי הישארותם של משרתים או עובדים החווים עוררות תעסוקתית ובמקרים רבים מחפשים באופן אקטיבי מקומות עבודה חלופיים. כלומר, פרטים שבעבר נחשבו כ"קשורים" לארגון עד גיל הפרישה מנהלים שיח משאבי מתמקח הולך וגובר. בהקשר זה, יכולת החיזוי המשמעותית ביותר היא היכולת לענות על השאלה העסקית "מי יהיה העוזב הבא?".

חשוב לציין, כי בעוד ששאלה עסקית זו מעסיקה מזה שנים את המגזר האזרחי, מידת הרלוונטיות שלה במגזר הביטחוני רק הולכת וגוברת. בהתאם לכך, היא מחייבת שינוי מהותי באופן בו מפקדים ומנהלים במגזר הביטחוני מקבלים החלטות ביחס לכוח האדם שלהם.

כעת, נבקש להציג חקר מקרה ייחודי לפרויקט ראשוני מסוגו שפותח ומוטמע בימים אלה באגף המודיעין של צה"ל. פרויקט זה מהווה סנונית ראשונה להטמעה של יכולות חיזוי מתקדמות ביחס לכוח אדם וקבלת החלטות ניהוליות בהתאם לכך.

4. Case study – פרויקט DS HR באמ"ן

פרויקט DS HR החל באגף המודיעין שבצה"ל בשנת 2018 והוא ממשיך ומתקיים בתצורות שונות בימים אלה. תכליתו הוא מימוש הפוטנציאל הדיגיטלי בהקשרי כ"א בעידן ה- Big Data. בפרויקט זה לקחו חלק מספר רב של גופים ובעלי תפקידים מדיסציפלינות שונות בארגון: טכנולוגיה, מדעי ההתנהגות, משאבי האנוש, אתיקה ומשפט. לפרויקט היו מספר שלבים מרכזיים: הראשון, איגום כלל מקורות המידע הרלוונטיים על הפרט ל"בריכת מידע" אחודה. השני, סידור, תיוג וניהול המידע. השלישי, היתוך המידע וביצוע אנליטיקות מתקדמות. הרביעי, זיהוי וחיזוי מגמות ודפוסי פעולה של אנשי הארגון (נורמות ואנומליות) והחמישי, מתן אינדיקציות לכיווני פעולה אפשריים. כל אלה, הוחלו על גבי מערכת ייחודית שפותחה לטובת דרג משתמשים בכיר באגף המודיעין.

קהל היעד המרכזי של יכולת זו הוא מפקדים בכירים באמ"ן מדרג האל"מ ומעלה אשר נדרשים לקבל החלטות אסטרטגיות ביחס לניהול כוח האדם שתחת אחריותם. בין היתר, פיתוח, קידום, תמרוץ, תגמול, ניוד וסיום העסקה. לטובת העניין, פותחה מערכת בעלת שני שימושים מרכזיים: האחד, יכולת BI^[4] (Business intelligence) ביחס לנתוני כוח האדם בארגון המאפשרת ביצוע שאילתות והשוואה בין אוכלוסיות. והשני, יכולת חיזוי ביחס למגמות ותופעות עתידיות. השאלה העסקית הראשונה לגביה מספקת המערכת מענה הוא מהו פוטנציאל העזיבה של משרתי הקבע בארגון וחשוב מכך, זיהוי הפרמטרים המצויים בזיקה לכך. תכליתו, לאפשר יכולות BI ביחס לנתוני כוח האדם של אמ"ן וכן, חיזוי ביחס למגמות עתידיות ביחס לאוכלוסיות השונות.

במסגרת כך, מפותח בימים אלה אלגוריתם שתכליתו לספק מענה על השאלה העסקית הראשונה שנבחנת במסגרת הפרויקט והיא "מהו פוטנציאל העזיבה וההישארות של משרתי קבע באמ"ן בנקודת ההחלטה הבאה שלהם". וחשוב מכך, מהם הפרמטרים הנמצאים בזיקה לקבלת ההחלטה של הפרט ביחס לעזיבה. סוגי מקורות המידע בהם נעשה שימוש לטובת תהליך המחקר כוללים משתנים המתארים את סוג האוכלוסייה אליה משתייך הפרט בהתאם למגדר, דרגה, השכלה, נתוני איכות וכן הלאה. בנוסף, נעשה שימוש בנתונים המתארים את תפקודו ההתנהגותי של הפרט בארגון כגון, שיעור יוממות, היעדרות מהארגון לטובת חופשה או מחלה ועוד. סוג מקור מידע נוסף כולל את התגמול לו זוכה הפרט בארגון. האחד, תגמול חיצוני המתייחס לשכר, תמריצים ומלגות והשני, תגמול פנימי המתייחס להוקרה לה זוכה הפרט בארגון. למשל, קבלת תעודת הערכה עבור תפקודו בארגון. סוג מידע נוסף שעתיד להצטרף למאגר הנתונים הקיים הוא עמדות המשרתים כלפי שירותם הצבאי ונכונותם להישאר בארגון. זאת, כאשר עיקרון השמירה על אנונימיות תשובות המשיבים נשמרת.

4.1. המעבר מ"צד אדום" ל"צד כחול"^[5]

בחלק זה, נציג את המעבר הקונספטואלי שחווה אגף המודיעין מבחינת ההבנה כי שימוש בנתוני עתק ביחס לכוחותיו אינו רק "Nice to have" אלא מהווה הכרח של ממש. תחילה, נציין כי פרקטיקות, הגיונות ותהליכי עבודה ביחס לחיזוי פעולתם של אויבים, אינם זרים לאגף המודיעין ואף רחוק מכך. השימוש במחקרי מידע לטובת העשייה המודיעינית הינה יכולת שמפתחים גופי ביטחון וביון בישראל ובעולם מזה שנים רבות. בנוסף, אגף המודיעין נשען במידה רבה בעשייתו המקצועית על איסוף ומיצוי של מידע. המעבר לפעולה מסוג זו ביחס לכוחותיו, חייבה ביצוע מספר רב של התאמות נדרשות ביחס להכלה של הגיונות פעולה מה"צד האדום" ל"צד הכחול". במסגרת כך, ניצול יכולות ונכסים מהליבה המודיעינית המבצעית שברשותו לטובת קידום ליבות גם בעולם ההון האנושי. כל זאת, תוך שמירה על כללי משפט ואתיקה מחמירים.

להבנתנו, המעבר לצד "כחול" חייב שינוי DNA משמעותי באופן התיעוד, השימור והשימוש במידע אודות משרתי ועובדי ארגונים. הלכה למעשה, הפיכתו של הארגון להרבה יותר Data driven ביחס לכוחותיו מבעבר. להלן תיאור תמציתי של הפעולות שאפשרו את המעבר ממיצוי מידע בצד ה"אדום" לצד ה"כחול". ראשית, נדרש היה לשכנע את הנהלת הארגון כי אכן קיים צורך בשימוש בנתוני עתק ביחס לכוחותיו. שנית, השימוש במידע חייב פעולה בהתאם לכללי אתיקה ומשפט מחמירים. ושלישית, נדרש היה לוודא כי ה"חוזה הפסיכולוגי" של הפרט עם הארגון ביחס לשימוש במידע לגביו אינו נפגע. כעת, נרחיב לגבי סוגיות אלה.

ביחס לרתימת ההנהלה, הצגנו מחקרים ותימוכין מגופים אזרחיים שונים וצבאות זרים אשר הטמיעו תפיסות ויכולות מעולם ה-People Analytics. הנחת יסוד מעצבת בהקשר זה היא כי על מנת שנוכל לשכנע ביחס לתועלת של שימוש בנתוני עתק ביחס לכוח אדם, עלינו לשנות את האופן שמערך מדעי ההתנהגות באגף המודיעין פועל. בהקשר זה, גם Fecheyr-Lippens, Schaninger, & Tanner (2015) טוענים שפרקטיקות מעולם מדעי ההתנהגות שאינן מתבססות במידה משמעותית על מסדי מידע נרחבים חדלו להיות פרקטיקות מספקות בניסיון לשמר עובדים איכותיים בארגון. כלומר, בעלי תפקידים מעולמות מדעי ההתנהגות ומשאבי האנוש בארגונים גדולים שהפגינו יכולת להשתמש בנְתוּנֵי עָתֵק, מצאו עצמם חלק אינטגרלי מפורומי קבלת החלטות בכירים, כמשפיעים מובהקים על החלטות אסטרטגיות וקריטיות לארגון. תהליך דומה חווה ענף מדעי ההתנהגות באגף המודיעין, אשר חרט על דגלו את מימושה של מהפכת ה-People Analytics בארגון.

ביחס להחלת כללי יסוד משפטיים ואתיים, הבנה בסיסית שעיצבה תהליך זה היא כי המתודולוגיה הנדרשת בעת ביצוע מחקרי מידע על כוח אדם בארגון היא מתודולוגיה המעמידה במרכז את האדם (People Centric) ולא את המידע הקיים עליו Data centric) (Ford), 2016). בהתאם לכך, סוגיות כגון פרטיות וצנעת הפרט קיבלו מקום משמעותי בבחירת מסדי הנתונים בהם נעשה שימוש לטובת "בריכת המידע" הפרויקטאלית. במסגרת כך, כלל מקורות המידע שהוכנסו ל"בריכת המידע" אושרו על ידי גורמים משפטיים צה"ליים. בנוסף, ברמה האתית ווידאנו כי השימוש במקורות המידע אינו מייצר פגיעה אפשרית ב"חוזה הפסיכולוגי" של משרתי הקבע עם הארגון. כלומר, במידה ועלתה אפשרות כי הפרט יחוש שהשימוש במידע אודותיו יפגע בו בדרך כלשהי, לא נעשה בו שימוש. למשל, לא נעשה שימוש במקורות מידע מרשתות חברתיות כגון LinkedIn, Facebook וכן הלאה.

בנוסף, נקטנו במספר צעדים מחמירים שימנעו שימוש בלתי ראוי במידע: החתמת כלל בעלי התפקידים בפרויקט על מסמך סודיות, קביעה ויישום של כללי מידור ביחס לצפייה בנתונים, ערפול פרטים מזהים על הפרט במסגרת תהליך הפיתוח של המערכת והחלת הזדהות כפולה בעת הכניסה של בעלי תפקידים שונים למערכת.

4.2. גורמים מאפשרים

כעת, נבקש לתאר מה היו הגורמים שאפשרו את מימוש מהפכת ה-People Analytics באגף המודיעין. לטענתנו, מדובר בשילוב בין מספר גורמים. הראשון, בשלות ארגונית. השני, מנהיגות טכנולוגית. והשלישי, והחשוב מכולן, רוח גבית פיקודית. להלן פירוט ביחס לכל אחד מהגורמים.

ראשית, צה"ל, ואגף המודיעין בתוכו, מתמודד בשנים האחרונות עם מימוש מודל הקבע ה"צעיר". עיקרו של המודל פרישה לגמלאות של משרתים בקבע "בכיר" בלבד שמשמעותו הפחתה של כחמישים אחוזים בשיעור הפורשים לגמלאות מהארגון (ארלוזורוב, 2018). מצב זה, ייצר תובנה עמוקה באמ"ן שהטיפול במשרתי הארגון דורש שינוי ממעלה שנייה. במסגרת כך, שווקטור מרכזי בחשיבותו הוא במימוש היכולת להיתמך בנתונים בתהליכי קבלת החלטות ביחס לפרטים. כלומר, היכולת לחזות את דפוסי ההתנהגות של משרתי הקבע ואת הפרמטרים המצויים בזיקה להחלטתם אם להישאר או לעזוב את הארגון, הפכה לצורך של ממש ביכולתם של מפקדים לספק מענה רלוונטי וקונקרטי ביחס להחלטות אודות כוח האדם שתחתיהם.

בשלות ארגונית זו, כללה הבנה של בעלי תפקידים שונים כי אסטרטגיה של מענים מקומיים אד-הוק היא נכונה, אך באופן חלקי והיא איננה מדויקת או כלכלית בכלל המקרים. בנוסף, יכולת החיזוי ביחס לעתיד לבוא בכל הנוגע לכוח אדם כלל לא הייתה בנמצא, וההבנה כי יכולת זו הינה מחויבת המציאות החלה לחלחל. במילים אחרות, ניתן היה לזהות תמימות דעים בארגון כי הכלים הנוכחיים התומכים קבלת החלטות ביחס לכוח אדם מתחילים למצות את עצמם ונדרש שינוי "ממעלה שנייה".

גורם מאפשר שני, הוא היווצרותה של "מנהיגות טכנולוגית" אמ"נית מקומית, שריכזה סביבה קבוצת אנשים "מיסיונרים" שהנושא בנפשם אשר עסקו בפרויקט יומם וליל. זאת, בין אם הדבר נעשה במסגרת תפקידם או באופן התנדבותי גרידא. העשייה בפרויקט התאפיינה בחיבור בין בעלי תפקידים ממחלקות, גופים ועולמות תוכן שונים (מדעי ההתנהגות, משאבי האנוש, טכנולוגיה ו-Data science, משפטים, פיננסים, חוזים והתקשרויות). שילוב אינטרדיסציפלינרי זה, בעוד שלא היה מובן מאליו מלכתחילה, היה ה"קש ששבר את גב הגמל" במימוש ה"מערכה על המידע"^[6] והיכולת להתמודד עם השינוי התרבותי והטכנולוגי שטמן בחובו הפרויקט.

ביחס ל"רוח הגבית" הפיקודית, ניתן לציין כי למן תחילת הפרויקט, הנהלת הארגון זיהתה את הפוטנציאל הרב הגלום בפרויקט ואף דאגה לספק לו את המשאבים הנדרשים והזמן הראוי לצורך מימוש. יותר מכך, נראה כי "המערכה על המידע", שהייתה תחילה נחלתם של בעלי תפקידים בודדים בפרויקט, הפכה לזו של הנהלת הארגון גם כן. הציטוט הבא ממחיש את העניין היטב, בינוניות בכל הנוגע לשימוש במידע ביחס לאנשי הארגון איננה שם המשחק יותר:

"Organizations are in a worldwide war — a war to acquire a diminishing resource, an asset that is more valuable than oil and more critical than capital. The resource can be bought but not owned. It is found in every country but is difficult to extract. Leaders know that without this resource they are doomed to mediocrity…"

.(Isson & Harriott, 2016, p. 2)

4.3. גורמים מעכבים

בחלק זה, נציג בקצרה את האתגרים והמורכבויות שאפיינו את תהליך מימושו של פרויקט DS HR באגף המודיעין. יש לציין, כי ביחס לחלק ניכר מהם, אין מדובר עדיין ב"סוף פסוק" של ממש והם מחייבים תהליך התמודדות סיזיפי למדי. ככלל, ניתן לציין את הגורמים המעכבים הבאים: נגישות לדאטה רלוונטי, הימצאותו של מידע חלקי ובלתי מהימן בחלק מהמקרים, פיתוחים מתחרים, התקשרות עם חברות אזרחיות וקושי בהטמעת היכולת שפותחה.

תחילה, יש לציין כי מרבית המידע על כוח האדם באגף המודיעין כלל אינו מצוי במערכות ותשתיות המידע המודיעיניות, אלא במערכות מידע שונות היושבות על רשת משתמשים של אגף התקשוב. בעל המידע, בשונה מכך, הינו אגף כוח האדם. מצב זה, חייב קישוריות גבוהה בין  הרשתות השונות וקיומו של שיח בין כלל הגורמים. השגת המידע, התבצעה בשלבים, לאורך זמן של כשנה ותוך דיאלוג בין בכירי הגופים.

במצב זה, התוודענו לבעלי עניין המעוניינים לקדם יכולות מתחרות העוסקות ברמה כזו או אחרת ב-People Analytics. מצב זה, ייצר מורכבויות ביחס לקרדיט ומוניטין ואף בעלות על המידע ועל התהליך. יתר על כן, גם כאשר הייתה נגישות למקורות מידע שונים, היה ברור להנהלת הפרויקט כי חלק מהמידע אינו מהימן ואף חלקי. זאת, לאור תהליכי עבודה צה"ליים ארוכי שנים שלא התבצעו באופן שאינו Data Driven. אתגר נוסף, הוא קיומם של פריטי מידע שונים המועברים בערוצים בלתי פורמאליים ואשר אינם מגובים בהכרח בתיעוד שיטתי וסדור. במצב זה, עובד עשוי לסבור כי הבטחה שניתנה לו על ידי מנהליו תתקיים בוודאות גמורה, בעוד היא אינה מתועדת כלל ברישומי הארגון.

סוגיה אחרונה, אך בהחלט לא האחרונה בחשיבותה, היא מימוש תהליך ההטמעה של היכולת בקרב מפקדים בכירים בארגון. תהליך זה, מחייב פניות וקשב מצד מפקדים בכירים שהינו משאב יקר למדי בקרב אוכלוסייה זו. בנוסף, נדרש ניהול סיכונים מושכל בין חשיפת היכולת בשלביה הראשונים לטובת מחקר חווית משתמש, למול הרצון להנגיש מוצר מוגמר מושלם ככל הניתן. דרך הפעולה הנבחרת היא זו שתצייר בטווח הארוך בעבור המפקדים את התרומה הגבוהה ביותר עבורם. כל אחד או אחת מהם/ן, בהתאם לקצב ולתכולות המתאימים להם.

5. סיכום, אתגרים ודילמות להמשך הדרך

ארגונים שמבססים את עשייתם על אנשים מחויבים לפתח אסטרטגיה ארגונית בהתבסס על מערכות לניהול ופיתוח כוח אדם מתקדמות ומבוססות מידע (Data driven). תופעה זו אינה פוסחת גם על צה"ל כארגון הגדול ביותר במדינת ישראל. ארגון זה, מתמודד עם שינויים תכופים במודלי השירות של אנשיו. לכן, המעבר לשימוש בנתוני עתק במסגרת תהליכי קבלת החלטות על כוח אדם הינו מחויב המציאות.

על מנת שתהליך זה יצליח, נדרשים מאמצים משותפים של דרג ההנהלה הבכיר ולצידם מומחי AI ומומחי תוכן מעולם מדעי ההתנהגות ומשאבי האנוש (Domain Experts). מאמצעים אלה כוללים, בראש ובראשונה "מערכה בלתי פוסקת על המידע", אחריות משותפת על תהליך ההטמעה של היכולת המפותחת כאשר הקריטריון המוביל ביישומה הוא שימוש בנתונים בצמתי קבלת החלטות קריטיים ביחס לכוח אדם וכגורם תומך החלטה מוביל ומרכזי.

אין ספק, כי "המערכה על המידע" מהווה את הסנונית הראשונה במערכה האמיתית עימה מתמודדים גופי ביטחון בישראל ובעולם שהיא המערכה על "People Analytics" ראשית כל, כתפיסה מארגנת המייצרת פרקטיקות ותהליכי עבודה חדשים כבסיס לבנייתן ויישומן של אסטרטגיות לניהול ופיתוח כוח אדם בארגונים ביטחוניים.

רשימת מקורות -

• ארלוזורוב, מ'. (2018). חצי מיליון שקל בגיל 35: צה"ל חושף את מהפכת הפנסיה של אנשי הקבע. אוחזר מתוך TheMarker: https://www.themarker.com/allnews/1.5751433
• Diaz, J. (2016). Work Force of the Future & Human Capital Analytics An Air Force Perspective.
• Fecheyr-Lippens, B., Schaninger, B., & Tanner, K. (2015). Power to the new people analytics. McKinsey Quarterly, 1, pp. 61-63.
• Ford, H. (2016). The Person in the (Big) Data: A Selection of Innovative Methods. Working Papers of the Communities & Culture Network, 8.
• Ismail, N. (2017, September 13). Information Age. Retrieved from Analytics enables British Army to retain top talent and transform decision-making: https://www.information-age.com/analytics-enables-british-army-retain-top-talent-transform-decision-making-123468543/
• Isson , J. P., & Harriott, J. S. (2016). People analytics in the era of big data: Changing the way you attract, acquire, develop, and retain talent. ‏: John Wiley & Sons.
• Katz, A. D. (2017). Human Capital Analytics to Manage the Army Officer Population. US Army Command and General Staff College Fort Leavenworth United States.
• Leonardi, P., & Contractor, N. (2018). Better People Analytics. Harvard Buisness Review(November-December).
• Marler, J. H., & Boudreau, J. W. (2017). An evidence-based review of HR Analytics. The InTernaTIonal Journal of human resource managemenT, 28, pp. 3-26.
• McAfee, A., Brynjolfsson, E., & Davenport, T. H. (2012). Big data. The management revolution. Harvard Bus Rev, 90(10), pp. 61-67.
• McKinsey & Company. (2019, 9 10). Retrieved from https://www.mckinsey.com/solutions/orgsolutions/overview/people-analytics
• Office of People Analytics (OPA). (2018, November 22). Retrieved from DoD: https://opa.defense.gov/
• People Analytics. (2018, November 22). Retrieved from Cornerstone: https://www.cornerstoneondemand.com/glossary/people-analytics

הערות שוליים - 

^[1] סא"ל מיכל פרנקל שימשה בעת כתיבת המסמך כראש תחום מחקר ופיתוח בענף מדעי ההתנהגות באגף המודיעין. כיום משמשת כראש ענף חדשנות בחטיבת שילו"ח (שיטות לחימה וחדשנות) באגף לתכנון ולבניין כוח רב-זרועי שבצה"ל.

^[2] סא"ל לימור פינטו שימשה בעת כתיבת המסמך כראש ענף מדעי ההתנהגות באגף המודיעין שבצה"ל.

^[3] High performance employee.

^[5] בעגה המודיעינית המונח "צד כחול" מתייחס לכוחות צה"ל ואילו המונח "צד אדום" מתייחס לאויב.

^[6] היכולת למפות מידע רלוונטי אודות כוח אדם בארגון להשיגו לטובת הפרויקט.