แชร์บทความนี้
ส่งต่อให้เพื่อนหรือทีมงานของคุณ
โมเดลนี้ใช้วัดอะไร
HR Analytics Maturity คือระดับความสามารถขององค์กรในการใช้ข้อมูลคนตอบคำถามธุรกิจอย่างน่าเชื่อถือ ตั้งแต่รายงานว่าเกิดอะไรขึ้น ไปจนถึงเสนอทางเลือกและติดตามผลของการตัดสินใจ โมเดลไม่ได้ตัดเกรดว่าองค์กรเก่งหรือไม่เก่ง แต่ช่วยจัดลำดับการลงทุน
งานทบทวน Data and Analytics Maturity Models ที่ตีพิมพ์ปี 2025 ชี้ว่าโมเดลส่วนใหญ่มักมีราวห้าระดับ และต้องพิจารณาความสามารถทางสังคมกับเทคนิคพร้อมกัน สำหรับ HR จึงควรดูมากกว่า Dashboard หรือ Algorithm เพราะข้อมูลคนมีเรื่อง Privacy, Fairness และผลกระทบต่อชีวิตการทำงานเข้ามาเกี่ยวข้อง
ระดับ 1 Reporting: ตัวเลขมี แต่ยังใช้แรงคนประคอง
องค์กรรวบรวม Headcount, Attendance, Turnover หรือ Training Hours เป็นรายเดือน งานส่วนใหญ่พึ่ง Excel และการคัดลอกข้อมูล หลายทีมมีรายงานครบแต่ใช้เวลามากในการตรวจยอด และยังตอบไม่ได้ว่าตัวเลขต่างจากเดือนก่อนเพราะอะไร
เกณฑ์ผ่านระดับนี้คือมี Data Dictionary สำหรับ Metric สำคัญ ระบุ Source, Owner และ Cut-off Date ได้ รายงานเดิมต้องสร้างซ้ำด้วยขั้นตอนที่คงที่ ถ้าตัวเลขเปลี่ยนเพราะคนทำรายงานเปลี่ยน เรายังอยู่ช่วงตั้งโต๊ะ ไม่ใช่ช่วงวิเคราะห์
- คำถามหลัก: เกิดอะไรขึ้น
- ผลลัพธ์: รายงานมาตรฐานและ Baseline
- ความเสี่ยง: Manual Error และนิยามไม่ตรงกัน
ระดับ 2 Descriptive: เห็น Pattern และเปรียบเทียบได้
ข้อมูลถูกจัดโครงสร้างให้แบ่งตามหน่วยงาน ตำแหน่ง อายุงาน Location หรือช่วงเวลาได้ Dashboard เริ่มช่วยให้ผู้ใช้เห็น Trend, Distribution และ Outlier โดยไม่ต้องรอ Analyst ทำรายงานใหม่ทุกครั้ง
เกณฑ์ผ่านคือผู้ใช้ตอบคำถามพื้นฐานจากมุมมองเดียวกันได้ มี Role-based Access และอธิบาย Population ของกราฟได้ เช่น Turnover 12% ครอบคลุมพนักงานกลุ่มใด ไม่ใช่แค่ชี้ว่าตัวเลขสีแดงแล้วทุกคนทำหน้าตาจริงจัง
ระดับ 3 Diagnostic: จากเห็นอาการไปหาสาเหตุที่เป็นไปได้
ทีมเริ่มเชื่อมข้อมูลหลายแหล่ง ใช้ Segmentation, Cohort Analysis, Funnel และ Statistical Test เพื่อค้นหาปัจจัยที่สัมพันธ์กับผลลัพธ์ ตัวอย่างคือวิเคราะห์การลาออกภายใน 90 วันตาม Hiring Source, Manager, Job Family และ Onboarding Completion
ต้องระวังไม่เปลี่ยน Correlation ให้กลายเป็น Causation แบบลัดคิว ข้อมูลอาจบอกว่าทีมที่ทำงานล่วงเวลามากมี Turnover สูง แต่ยังไม่ได้พิสูจน์ว่า OT เป็นสาเหตุเดียว เกณฑ์ผ่านระดับนี้คือมี Hypothesis, วิธีทดสอบ, ข้อจำกัด และการตรวจร่วมกับเจ้าของ Process
ระดับ 4 Predictive: ประเมินความน่าจะเป็นอย่างมีวินัย
Predictive Analytics ใช้ข้อมูลอดีตประเมินผลลัพธ์ในอนาคต เช่น Demand ของกำลังคน ความเสี่ยงลาออก หรือโอกาสสำเร็จของ Hiring Funnel โมเดลควรผ่านการแยก Train/Test, ตรวจ Accuracy ที่เหมาะกับโจทย์ และติดตาม Drift เมื่อพฤติกรรมหรือ Process เปลี่ยน
สำหรับข้อมูลพนักงาน Accuracy สูงอย่างเดียวไม่พอ ต้องดู False Positive, False Negative, Explainability และผลกระทบต่อกลุ่มต่างๆ ด้วย Model Card ควรระบุวัตถุประสงค์ ข้อมูลที่ใช้ ข้อห้าม และผู้อนุมัติ หากโมเดลบอกว่าพนักงานเสี่ยงลาออกแล้วผู้จัดการลดโอกาสเติบโตให้เขา ระบบกำลังสร้างปัญหาที่ตัวเองทำนาย
ระดับ 5 Prescriptive: เสนอทางเลือกและเรียนรู้จากผลลัพธ์
ระดับนี้ไม่ได้หมายถึงปล่อย AI ตัดสินใจแทน HR แต่คือระบบช่วยเปรียบเทียบทางเลือก ภายใต้ข้อจำกัดและเป้าหมายที่กำหนด เช่น จำลองแผนกำลังคนหลาย Scenario หรือแนะนำกลุ่มที่ควรได้รับ Intervention แล้วให้ผู้รับผิดชอบพิจารณา
เกณฑ์ผ่านคือมี Human Approval, Audit Trail, Outcome Tracking และ Feedback Loop องค์กรต้องวัดหลังดำเนินการว่า Intervention ช่วยจริงหรือไม่ และมีผลข้างเคียงอะไร ถ้าไม่มีการติดตามผล Prescriptive จะกลายเป็นคำแนะนำราคาแพงที่ไม่มีใครรู้ว่าถูกหรือผิด
แบบประเมิน 5 มิติและสูตรคะแนน
ให้คะแนนแต่ละมิติ 0-4 ได้แก่ Data Quality, Process Integration, People Capability, Technology และ Governance แล้วใช้ระดับต่ำสุดเป็นตัวกำหนด Maturity ปัจจุบัน วิธีนี้ตั้งใจไม่ให้คะแนนเฉลี่ยสวยๆ กลบจุดเสี่ยง เช่น Technology ได้ 4 แต่ Governance ได้ 0 องค์กรยังไม่ควรใช้โมเดลตัดสินใจเรื่องคน
ISO 30414:2025 ระบุพื้นที่รายงาน Human Capital ครอบคลุม Workforce Composition, Productivity, Recruitment, Turnover, Skills, Well-being, Leadership และ Succession องค์กรสามารถใช้หัวข้อเหล่านี้เป็นขอบเขตเลือก Metric แต่ควรเริ่มจากเรื่องที่เชื่อมกับกลยุทธ์และมี Owner พร้อมทำ Action
- 0 ไม่มีหลักฐานหรือทำเฉพาะกิจ
- 1 มีขั้นตอนแต่ยังพึ่งบุคคล
- 2 ทำซ้ำได้และมีนิยามร่วม
- 3 วัดคุณภาพและเชื่อมกับการตัดสินใจ
- 4 เรียนรู้จากผลลัพธ์และปรับระบบต่อเนื่อง
ทางขึ้นบันไดที่ไม่ต้องกระโดด
เลือกหนึ่ง Business Question แล้วประเมินห้ามิติ ระบุช่องว่างที่คะแนนต่ำสุด จากนั้นทำ Roadmap 90 วัน เช่น สร้าง Metric Contract เชื่อม Source หลัก ตั้ง Data Steward และทำ Dashboard รุ่นเล็กที่ตอบคำถามได้จริง
องค์กรไม่จำเป็นต้องไปถึงระดับ 5 ทุกเรื่อง Payroll Compliance อาจต้องการ Reporting ที่แม่นยำ ส่วน Workforce Planning อาจคุ้มกับ Scenario Model ระดับความพร้อมที่ดีจึงไม่ใช่มี AI ทุกมุม แต่คือเลือกวิธีวิเคราะห์พอดีกับความเสี่ยงและการตัดสินใจ