Koolitusel osaleja omandab vajalikud teadmised, oskused ja hoiakud, mis toetavad tööd rollides, kus on vaja planeerida või analüüsida tööjõu alaseid andmeid või tööjõu korraldust.

Koolituse sihtrühmaks on Ida-Virumaa ettevõtete juhid, sh keskastmejuhid ja personalijuhid, tootmis- ja teenindusjuhid, protsesside juhid ning meeskonnatöö juhid, samuti personalivaldkonna töötajad, kelle töös on täna või tulevikus vaja analüüsida tööjõu alast infot ning planeerida tööjõudu või töö korraldust, kes ei osale samal ajal tasemeõppes.

Tutvu õppekavaga: Suurandmed, andmekaeve ja AI tööjõu andmete analüüsimisel.

Koolitus on tasuta ja viiakse läbi ÕÜF RKT programmi raames, mis on Euroopa Sotsiaalfondist toetatav tegevus Õiglase ülemineku fondi tegevusest „Ida-Viru täiendkoolituse mahu suurendamine ning uute tasemeõppe õppekavade arendamine ja käivitamine kutse- ja kõrghariduses“

Koolituse lõppedes osaleja:

• Kasutab suurandmeid ja andmekaeve tööjõu planeerimisel, värbamisel ning tulemusjuhtimisel, rakendades sobivaid analüüsivahendeid (Excel, PowerBI, Tableau) konkreetsete eesmärkide saavutamiseks.
• Koostab ja tõlgendab tööjõu andmete töölauda, kasutades asjakohaseid suurandmete visualiseerimise tööriistu ja hindamiskriteeriume (KPI-d), et toetada juhtimisotsuste tegemist.
• Rakendab AI ja masinõppe meetodeid tööjõu andmete analüüsimisel, et prognoosida töötajate pühendumust, tööjõu voolavust ja tööaja planeerimist.

Hindamiskriteeriumid:

• Koostab tööjõu suurandmete analüüsi ülesannete lahendamisel loogiliselt struktureeritud töölehe Excelis või muus valitud tarkvaras, kasutades erinevaid suurandmete analüüsi meetodit.
• Selgitab suurandmete sisemisi ja väliseid allikaid (nt HRIS, sotsiaalmeedia) ja nende kasutusvõimalusi personalijuhtimises vähemalt kahe praktilise näite abil.
• Koostab suurandmete töölauda (dashboard), kus on vähemalt kolm erinevat KPI-d, ja oskab tõlgendada nende tulemusi organisatsiooni tööjõu juhtimise eesmärgil.
• Demonstreerib andmekaeve meetodite (nt klasterdamine, uurimuslik andmeanalüüs) rakendamist praktilises ülesandes, tuvastades andmete mustrid ja anomaaliad tööjõu voolavuse või värbamise analüüsis.
• Rakendab AI ja masinõppe meetodeid tööjõu voolavuse prognoosimiseks või töötajate pühendumuse hindamiseks, esitades töö tulemused praktiliste näidete ja kaasuste põhjal.
• Hindab suurandmete kogumise eetilisi aspekte ja andmekaitset (GDPR) personalijuhtimises, selgitades vähemalt ühte kaasust, kus andmekaitse mängib olulist rolli.