Varför tech är att ta ansvar för företagets kultur
Som företag är uppslukad av förändring, kanske datanörd som kan hjälpa personalen vettigt av det hela.
Automotive jätte Daimler använder Neo4j är grafdatabas-teknik i sin HR-avdelning. ZDNet talade till Jochen Linkohr, chef för HR DET på Daimler, för att ta reda på mer.
ZDNet: När började du titta på med hjälp av grafen data modell inom HR och vad lockade dig till det?
Linkohr: För oss, vi kunde se fördelar med att använda grafen teknik i HR-projekt för HR-data är inte isolerade, så att du inte har normalt en person som arbetar utan att en anslutning till en annan person. Om du tittar på ett företag, varje gång du ser på de människor som arbetar i företaget kommer du att se att de alla har en anknytning till andra personer som arbetar i företaget, kommer du inte att se någon som är helt isolerade.
Det är en av anledningarna till varför vi trodde att HR-data kan vara ett mycket bra passform med en graf data modell. Vi har börjat med att försöka förstå vad diagrammet och HR-data har gemensamt.
Linkohr: “Vi har börjat med att försöka förstå vad diagrammet och HR-data har gemensamt.”
Foto: Daimler
Låt oss säger att John är att arbeta på ett analytics-projekt och du har en annan person, Amy, som också arbetar inom HR. Sedan om du har ett annat dataset som är ett analytics-projekt för HR, då du har en anslutning mellan John och Amy eftersom de arbetar på ett analytics-projekt för HR.
Så data och information om dessa data är inte i uppgifterna i sig — det är John, det är Amy och det är analytics typ av projekt. Och det är grunden i ett diagram och som passar mycket väl med den verkliga världen.
Det är det första skälet. Det andra skälet, och det är en konkret anledning till varför vi skapat denna strukturerade program, är att vi skapat vårt Ledarskap 2020-programmet på Daimler. Vi håller på att förändra som företag från den klassiska, hierarkisk struktur till en blandning av klassiska hierarkier och vad som kallas en “svärm” som är en blandning av samma personer som arbetar med samma projekt, men som kommer från olika avdelningar och olika hierarkier.
Och vi tänkte att när man arbetar med denna multi-strukturerad data, det kan vara en bra utgångspunkt för att med hjälp av diagram eftersom vi har en hel del strukturer håller på att förvandlas till andra strukturer för att någon vill veta vem som är arbetar i en svärm.
Så, om någon vill veta vem som arbetar på en svärm och där struktur, i vilken fabrik och sånt, sedan någon gång du har för att hantera dessa data. Vi trodde att detta skulle vara en bra utgångspunkt för att skapa ett system som skulle göra detta.
Detta var utgångspunkten för det första projektet som kallas Struktur Kub.
Kan du förklara vad syftet var?
Företag som normalt har en hierarki där någon har en chef, chefen har en chef och så vidare. Men om du inte har en tydlig hierarki och företaget är organiserat med hjälp svärm då de kan referera till en plats där du kan hantera olika strukturer, Så, jag arbetar här inom, låt oss säga, fem olika strukturer. Du kan titta på min data på en nivå i hierarkin men du kan också titta på olika strukturer på där jag arbetar, på vad jag arbetar och som svärmar jag arbetar för att få ett resultat.
Så, om du vill matcha alla dessa strukturer på toppen av en annan struktur, du kommer att sluta matcha alla de noder som är de människor som har sina egna noder och du måste göra en n-dimensionell matchning av alla dessa byggnader och andra strukturer.
SE: DET pro guide till GDPR överensstämmelse (gratis PDF)
Du har att bygga alla dessa strukturer med hjälp av samma data men strukturerat på ett annat sätt. Det är utgångspunkten, och vi slutar med en Struktur Kub.
Visste du att börja med en plan för en viss del av företaget eller gjorde du syftar till att göra det för alla företag?
Vi började med hela företaget, Daimler AG [ett företag med över 250 000 medarbetare]. Vi började med att integrera alla av strukturen inom det. Inte på alla strukturer, utan om strukturer som är gemensamma för hela företaget.
Kan du ge mig ett exempel på en struktur?
En struktur kan vara en klassisk hierarki — vem är chef för vem? En annan struktur som kan vara där du arbetar eller i vilket svärm? Du kan ha en rad-baserad organisationsplan eller en hierarki-baserade diagram. Du kan också ha en plats-baserade organisationsplan beroende på vilket läge du arbetar i eftersom ett företag eller en avdelning av vårt företag kan inte vara på samma plats. Så, det finns olika sätt att konstruera diagram beroende på data.
Hur gjorde du samla in de uppgifter som — jag antar att du har någon form av automatiserad process för att göra det?
Samt de uppgifter som redan var där, men på olika system, så att vi bara utvinns från olika system eller bara sammankopplade. Så, det var det och det svärm organisation som hade startat några år sedan, så vi hade bara dem gränssnitt för att mata in nya data.
Befintliga data — som den klassiska hierarkin — är det så vi bara gränssnitt till det.
Kan du ge mig en aning av de filer som du skulle bygga dem? Förmodligen hade du ett ganska omfattande arkiv av de anställda?
Vi hade några tusen noder men det var egentligen inte så mycket. För en grafdatabas som Neo4,j som är ingenting. Vi har länkar med noder i olika versioner av hierarkier. Jag tror att vi har i den dimension av tiotusentals noder.