خوشه‌بندي مديران صنعت گاز ايران و اولويت‌بندي شايستگي‌هاي مديران مبتني بر نتايج ارزيابي مدل تعالي سازماني با رويكرد هوش مصنوعي

در اين مقاله تلاش شده تا بسترسازي مناسبي در جهت ايجاد رابطه بين داده هاي منابع انساني به عنوان كلان داده و هوش مصنوعي ايجاد شود و با استفاده از نتايج مدل تعالي سازمان در صنعت بزرگ گاز ايران و براي حدود 51 شركت، به يك مدل براي خوشه بندي مديران موفق منابع انساني سازمان بر اساس نتايج ارزيابي شركت ها با مدل تعالي سازماني (EFQM) دست يابيم. در اين مقاله تلاش شده تا بسترسازي مناسبي در جهت ايجاد رابطه بين داده¬هاي منابع انساني با استفاده از نتايج مدل تعالي سازماني، براي حدود 51 شركت فرعي و ستادي شركت ملي گاز ايران با بهره¬گيري از روش¬هاي هوش مصنوعي و يادگيري ماشين صورت پذيرد و به يك مدل براي خوشه¬بندي مديران ارشد سازمان براساس نتايج ارزيابي شركت¬ها با مدل تعالي سازماني (مبتني بر مدل تعالي EFQM) دست يابيم. ويژگي منحصربه¬فرد اين روش اين است كه براساس خروجي و عملكرد واقعي سازمان¬هاي موفق به¬دست مي¬آيد كه در رأس آن¬ها مديران و رهبران موفق سازمان حضور داشته¬اند و براساس آن در آينده مي¬توان به يك مدل شايستگي مبتني بر عملكرد دست يافت. در اين مقاله ابتدا بر اساس نتايج حاصل از ارزيابي مدل تعالي سازمان، به خوشه بندي نتايج مدل تعالي در 51 شركت صنعت گاز ايران بر اساس نتايج ارزيابي هاي سال هاي 1396، 1397 و 1398 اقدام مي كنيم. خوشه بندي براي 3776 داده با روش هاي مبتني بر هوش مصنوعي و كدنويسي با نرم افزار پايتون صورت مي گيرد. تحقيق حاضر از لحاظ هدف كاربردي بوده و به دنبال طراحي و تدوين يك مدل جديد براي كشف خبرگان و دسته¬بندي علمي منابع انساني سازمان بر اساس داده¬هاي معتبر مي¬باشد. اين پژوهش همچنين به¬دنبال تلفيق مباحث جديد علمي هوش مصنوعي شامل خوشه¬بندي در ايجاد زيرساخت هاي پژوهشي در منابع انساني است و در بعد كاربردي از نتايج به دست آمده در تصميم گيري و برنامه ريزي هاي سازماني استفاده مي كند و به دنبال توليد ابزاري است كه با آن بتواند در آينده با داشتن داده هاي مناسب در حرفه منابع انساني، عملكرد مديريتي كاركنان اين حرفه و سازمان را پيش بيني نمايد. در انتها با استفاده از نرخ تفكيك پذيري فيشر يك اولويت بندي براي آموزش و توسعه مديران براساس شكاف شايستگي¬هاي ايشان بدست خواهد آمد.

This study attempted to lay the ground for linking human resources data based on the results of the organizational excellence model for about 51 parent and subsidiary companies of the National Iranian Gas Company using artificial intelligence (AI) and machine learning methods. The goal was to present a model for clustering chief organizational managers based on the companies’ evaluation using the European Foundation for Quality Management (EFQM)-based excellence model. The unique characteristic of this method is that it is formed based on the actual performance and output of successful organizations, headed by successful managers and leaders. Accordingly, a performance-based excellence model can be achieved in the future. The outcomes of model evaluation for 2017, 2018, and 2019 for 51 companies affiliated with the National Iranian Gas Company were first clustered. Clustering was performed for 3776 pieces of data via AI-based methods, and coding was done in Python. This applied study aimed to design and develop a novel method for discovering the experts and scientifically classifying the organization’s human resources based on credible data. It also aimed to integrate novel scientific domains of AI, including clustering, to pave the ground for human resources research. In the applied dimension, the results were used in organizational planning and decision-making to generate a tool whereby the future managerial performance of the organization and staff can be predicted based on appropriate human resources data. Finally, a ranking is presented based on the competency gap by using Fisher discriminant ratio (FDR).