From data
To meaning

Una buona customer satisfaction non può prescindere da una buona employee satisfaction. Monitorare l’engagement dei dipendenti appare un’attività a cui prestare particolare attenzione. Considerati i cambiamenti socio-economici che stiamo attraversando, anche il mondo del lavoro deve adeguarsi alle evoluzioni in atto – per esempio, dando la giusta rilevanza al diverso atteggiamento dei millennials rispetto al mondo del lavoro.

Metodologie di Change Management

Negli ultimi anni, sono sempre di più le aziende che implementano attività di Change Management, proprio per allinearsi verso dei nuovi standard gestionali. Esempi di innovazione gestionale sono rappresentati dalla metodologia agile e, particolare, nel metodo SCRUM.

Per metodologia agile si intende un metodo innovativo basato sull’interazione continua con gli stakeholder, la cui soddisfazione è determinante per la buona riuscita del progetto e per lo sviluppo dell’organizzazione.

L’idea alla base della metodologia agile è quella di realizzare un progetto per fasi, chiamate “sprint”. A ogni sprint corrisponde una nuova funzionalità per la quale  viene verificata la soddisfazione del cliente. Un sistema quindi iterativo (e interattivo) che consente di apportare agilmente modifiche al progetto, di abbattere i costi di produzione e, soprattutto, di evitare effort inutili ed un eventuale fallimento del progetto.

Scrum è il metodo Agile più diffuso, particolarmente indicato per progetti complessi e innovativi. Il processo di gestione di un progetto viene diviso in sprint brevi (2-4 settimane) in modo da coordinare il processo di sviluppo del prodotto con le esigenze del committente/cliente. Qualora un’azienda decidesse di mettere in atto dei cambiamenti, sarebbe consigliabile eseguire una supervisione prima, durante e alla fine del processo.

Perché misurare l’employee satisfaction

Il Return on Investment (ROI) proveniente dall’engagement dei dipendenti deriva da quello che viene chiamato “Engagement-Profit Chain”. Un dipendente coinvolto porta a:

  • migliore servizio, qualità e produttività, che porta a maggiore customer satisfaction;
  • maggiore customer satisfaction, che porta a maggiori vendite;
  • maggiori vendite (passaparola e riacquisti), che portano all’aumento del livello di profitto;
  • aumento del livello di profitto, che porta ad un miglior ROI.
CELI employee satisfaction

Come usare Text analytics per comprendere il perché di un voto

Per monitorare la soddisfazione dei dipendenti, uno dei tool più utilizzati dalle organizzazioni consiste nell’erogazione di Survey. Qui entra in gioco una tecnologia legata all’Intelligenza Artificiale, la text analytics: oltre a registrare con un voto la soddisfazione dei dipendenti, è bene fornire ai collaboratori uno spazio in cui esprimere la propria opinione attraverso un campo di testo libero.

Nelle risposte aperte si trovano indicazioni molto precise circa i motivi di soddisfazione e insoddisfazione, oltre a suggerimenti e criticità specifiche del flusso di lavoro. La risposta a testo libero, consentendo una maggiore libertà di espressione, garantisce risultati più dettagliati rispetto a un questionario con molte risposte chiuse – il quale, a sua volta, richiede maggior tempo di compilazione rispetto alla risposta aperta. Il questionario a risposte chiuse non permette inoltre di ascoltare la cosiddetta Voice of Employee: non dimentichiamo che le domande a risposta chiusa costringono i rispondenti a schemi prefissati che spesso rispecchiano il modo di vedere dell’organizzazione ma che non colgono aspetti non ancora esplorati.

Dato questo vantaggio, analizzare manualmente le risposte è un’attività che richiede uno sforzo troppo grande in termini di tempo, oltre a non garantire una coerenza di analisi. Uno strumento come Sophia Analytics riduce enormemente i tempi di lavorazione, oltre a fornire dati in maniera più coerente e strutturata.

Nelle risposte è fondamentale analizzare il sentiment (e l’opinion) per avere una prospettiva più ampia sulle opinioni dei lavoratori.

La Sentiment Analysis si concentra sulla valutazione degli stati emotivi mostrati in una conversazione scritta o verbale e consiste nel rilevare parole che esprimono concetti positivi o negativi.

L’opinion mining rileva invece l’opinione dei clienti o dipendenti relativamente ad un determinato target.

Nella frase:  “L ‘ambiente di lavoro è molto sereno, nonostante il carico di lavoro risulti troppo impegnativo o mal distribuito” il sentiment espresso è misto, in quanto abbiamo due giudizi negativi ed uno positivo. Avremo invece due opinioni negative sul carico di lavoro ed una positiva sull’ambiente di lavoro (che sono i target).

Sophia Analytics è progettata anche per incrociare i dati con i giudizi espressi dai dipendenti con le tematiche affrontate nelle risposte e il relativo sentiment.

Analizzare, ad esempio, i dati dei detrattori permette di comprendere quali sono gli step più problematici nei processi lavorativi. Sempre all’interno degli stessi commenti, indagare gli elementi caratterizzati da sentiment/opinion positivo mette in luce quali sono gli elementi che comunque vengono apprezzati.

In seguito all’analisi è ovviamente necessario che l’azienda impieghi risorse per migliorare i punti critici e, allo stesso tempo, preservi gli elementi portatori di soddisfazione.

Il monitoraggio deve essere effettuato con in maniera ricorrente, per valutare eventuali cali o picchi: Sophia Analytics propone dei grafici che mostrano la variazione nelle diverse fasi temporali.

Se vuoi saperne di più su Sophia Analytics e sulle sue applicazioni, contattaci!

Accetto le condizioni di privacy di cui ho preso visione

Tags: , ,