قسط 24

ای ایس جی، ایچ آر اور پائیدار ورک پلیسز کی طرف منتقلی | Rishabh Shrivastava

ای ایس جی اب ایچ آر کے دائرہ کار میں آ گیا ہے۔ Rishabh Shrivastava متنوع ٹیلنٹ پولز، ہائرنگ میں اے آئی کے کردار اور وہ پائیداری کے میٹرکس جن کے بارے میں قیادت جلد ہی آپ سے سوال کرے گی، پر گفتگو کر رہے ہیں۔

Portrait of Nikita Saini

Nikita Saini

شائع شدہ 25 مارچ، 2025·اپ ڈیٹ شدہ 11 ستمبر، 2026
یہ قسط سنیں
قسط دیکھیں
آپ کن لوگوں کی بات سنیں گے

مقررین

Portrait of Manjeet Kaur
میزبان

Manjeet Kaur

TA Advisor, Xobin

LinkedIn
Portrait of Rishabh Shrivastava
Guest

Rishabh Shrivastava

Business Excellence and Sustainability Manager, EMICOOL

LinkedIn

Rishabh Shrivastava روایتی ایچ آر مہمان نہیں ہیں۔ وہ کمپیوٹر سائنس انجینئر ہیں جنہوں نے انرجی اور پیٹرولیم میں ایم بی اے کیا ہے اور گزشتہ 12 سال دنیا کی سب سے زیادہ وسائل استعمال کرنے والی صنعتوں میں بزنس ایکسیلنس، پائیداری اور ای ایس جی اسٹریٹجی کے سنگم پر گزارے ہیں۔ وہ دبئی میں مقیم ہیں، جہاں عالمی ثقافت، علاقائی ضوابط اور پائیداری کے تقاضے اس انداز میں ملتے ہیں کہ ہائرنگ اور تنظیمی سطح پر منفرد چیلنجز پیدا ہوتے ہیں۔

اس Xobin Talks کی قسط #24 میں، میزبان Manjeet Kaur ان سے پوچھتی ہیں کہ جی سی سی خطے میں تنظیمیں تنوع، مساوات اور شمولیت کے حوالے سے کیا حکمت عملی اپنا رہی ہیں اور کہاں غلطی کر رہی ہیں۔ گفتگو میں ایچ آر میں اے آئی، ریموٹ ورک کو پائیداری کے آلے کے طور پر استعمال کرنے اور ڈیٹا کوالٹی کو ہر اینالیٹکس اقدام کی بنیادی مگر نظرانداز شدہ بنیاد کے طور پر زیر بحث لایا گیا۔

اس قسط میں

ہم نے کیا موضوعات زیر بحث لائے

  • تنوع اور شمولیت کے بارے میں تنظیمیں اب بھی کہاں غلطی کر رہی ہیں؟
  • مردوں کے غلبے والی صنعت میں متنوع امیدواروں کا پول کیسے بنایا جائے؟
  • اگلے برسوں میں آپ اے آئی کو ایچ آر ٹیموں کے کام کرنے کے انداز میں کیسے تبدیلی لاتا دیکھتے ہیں؟
  • لچکدار اور ریموٹ ورک پائیداری میں کیسے مددگار ہو سکتا ہے
  • ڈیٹا کوالٹی کا وہ مسئلہ کیا ہے جسے تنظیمیں مسلسل نظرانداز کر رہی ہیں؟

تنوع اور شمولیت کے بارے میں تنظیمیں اب بھی کہاں غلطی کر رہی ہیں؟

Rishabh گفتگو کا آغاز اس فرق سے کرتے ہیں جسے اکثر ڈی ای آئی کی بحث میں نظرانداز کر دیا جاتا ہے: متنوع ورک فورس اور تنوع پر مبنی ہائرنگ کے فیصلے میں فرق۔

Rishabh: "ترقی یافتہ ممالک، ترقی پذیر ممالک اور جی سی سی میں بہت سی تنظیمیں ڈی ای آئی کو ایک چیک باکس کے طور پر لیتی ہیں، بجائے اس کے کہ وہ اس کو صحیح معنوں میں سمجھیں۔ صرف متنوع ورک فورس ہونا اس بات کی ضمانت نہیں کہ تنظیم نے مساوات حاصل کر لی یا واقعی شمولیتی ماحول بنایا ہے۔"

تنوع کو نتیجہ نہیں، بلکہ امیدواروں کے پول کے طور پر دیکھیں

ان کا مؤقف واضح ہے: تنظیموں کو متنوع امیدواروں کا پول بنانا چاہیے، نہ کہ صرف تنوع پر مبنی ہائرنگ کے نتائج حاصل کرنا۔ یہ فرق اس لیے اہم ہے کہ دونوں کو خلط ملط کرنے سے وہی مسئلہ پیدا ہوتا ہے جسے ڈی ای آئی حل کرنا چاہتا ہے: یعنی میرٹ کے بجائے دیگر بنیادوں پر فیصلے۔

Rishabh: "میں ہمیشہ اپنے ایچ آر ساتھیوں اور دیگر پروفیشنلز کو کہتا ہوں کہ صرف تنوع کی بنیاد پر ہائر نہ کریں۔ اس کے بجائے ایسا امیدواروں کا پول بنائیں جس میں مختلف پس منظر اور نقطہ نظر رکھنے والے لوگ شامل ہوں۔ سب سے زیادہ اہمیت ذہنی تنوع کی ہے، یعنی ایسے لوگ جو مختلف انداز میں سوچتے ہیں اور نئے خیالات لاتے ہیں۔"

نسلی تنوع میں سرفہرست کمپنیوں کے مالی طور پر بہتر کارکردگی دکھانے کے امکانات 39% زیادہ ہیں (McKinsey, 2023)۔ BCG کے مطابق، زیادہ متنوع قیادت رکھنے والی کمپنیوں کی آمدنی میں سے 45% حصہ جدت سے آتا ہے، جبکہ کم متنوع قیادت والی کمپنیوں میں یہ شرح 26% ہے۔ کاروباری لحاظ سے تنوع کی اہمیت ثابت شدہ ہے۔ اس کو حاصل کرنے کا طریقہ کم واضح ہے، اور Rishabh اسی طریقہ کار پر روشنی ڈالتے ہیں۔

Rishabh: "تنظیم کو ایسے فرد کی ضرورت ہوتی ہے جو اس کے مقصد کو پورا کر سکے۔ بعض اوقات ڈی ای آئی کے چیک باکس میں اصل مقصد ہی بھلا دیا جاتا ہے کہ ہم ہائرنگ کیوں کر رہے ہیں۔ جی ہاں، امیدواروں کے پول میں منصفانہ نمائندگی ہو سکتی ہے، لیکن جس امیدوار کی موزونیت سب سے زیادہ ہو، اسے ہی منتخب کرنا چاہیے۔"

76% جاب سیکرز کے نزدیک متنوع ورک فورس ان کی ملازمت کے فیصلے میں اہم ہے (Glassdoor, 2020)۔ تنظیموں پر تنوع دکھانے کا دباؤ حقیقی ہے۔ Rishabh کا کہنا ہے کہ اس دباؤ کا جواب یہ ہونا چاہیے کہ حقیقی طور پر متنوع پول بنایا جائے، نہ کہ محدود پول سے زبردستی متنوع نتیجہ نکالا جائے۔

مردوں کے غلبے والی صنعت میں متنوع امیدواروں کا پول کیسے بنایا جائے؟

جی سی سی کی ڈسٹرکٹ کولنگ انڈسٹری میں تکنیکی اور انجینئرنگ مہارتوں کی زیادہ ضرورت ہے، جس سے متنوع ٹیلنٹ، خصوصاً خواتین کی تلاش مشکل ہو جاتی ہے۔ Rishabh اس کو رکاوٹ کے بجائے بہتری کے مواقع کے طور پر دیکھتے ہیں۔

یونیورسٹیوں سے رابطہ، جاب اوپن ہونے سے پہلے

Rishabh: "صحیح امیدوار ہمیشہ مارکیٹ میں دستیاب نہیں ہوتے، خاص طور پر جب لوکیشن کی وجہ سے آپشنز محدود ہوں۔ اس لیے ہم نے انتظار کرنے کے بجائے خود ٹیلنٹ پول بنانے کا فیصلہ کیا۔ ہم یونیورسٹیوں سے رابطہ کرتے ہیں اور طلبہ کو اس صنعت میں مواقع کے بارے میں آگاہ کرتے ہیں۔ ہم چاہتے ہیں کہ وہ اسے مستقبل کے کیریئر کے طور پر دیکھیں۔ اس طرح ہم مستقبل کے متنوع امیدواروں کا پول بنا رہے ہیں اور بعد میں ٹیلنٹ کی کمی کے خطرے کو کم کر رہے ہیں۔"

EMICOOL یونیورسٹی طلبہ کے لیے ٹریننگ پروگرامز، گریجویٹ اسکیمز، انٹرن شپس، ہیکاتھونز اور تقریبات منعقد کرتا ہے۔ یہ کوششیں صرف خالی آسامیوں کے لیے ہائرنگ تک محدود نہیں، بلکہ طلبہ اور جاب سیکرز کو ڈسٹرکٹ کولنگ انڈسٹری سے متعارف کراتی ہیں اور ایسے لوگوں کو بھی اس شعبے میں آنے کی ترغیب دیتی ہیں جو پہلے اس بارے میں نہیں سوچتے تھے۔

صرف اپنی تنظیم نہیں، بلکہ پوری انڈسٹری کے لیے پول بنائیں

یہاں EMICOOL کا انداز منفرد ہے۔ زیادہ تر یونیورسٹی ریکروٹمنٹ پروگرامز مخصوص آجر کے لیے امیدواروں کو راغب کرنے کے لیے ہوتے ہیں۔ EMICOOL کا طریقہ پوری انڈسٹری کے لیے امیدوار تیار کرتا ہے۔

Rishabh: "ہم ایسا مضبوط امیدواروں کا پول بنانا چاہتے ہیں جس سے ہماری تنظیم اور پوری انڈسٹری کو فائدہ ہو۔ ہم سینکڑوں طلبہ سے رابطہ کرتے ہیں اور یہ پول تیار کرتے ہیں۔ ہماری تنظیم کی ضرورت کے مطابق ہم پانچ یا دس امیدوار منتخب کرتے ہیں۔ باقی امیدوار بھی باصلاحیت ہوتے ہیں۔ ہم انہیں اپنی موجودہ ضرورت کی وجہ سے منتخب نہیں کرتے، لیکن وہ ڈسٹرکٹ کولنگ انڈسٹری میں قیمتی تنوع لا سکتے ہیں۔"

متحدہ عرب امارات کا اماراتائزیشن پروگرام Nafis 2026 تک نجی شعبے کی مہارتوں میں کم از کم 10% اماراتی نمائندگی کا ہدف رکھتا ہے، اور 2024 تک یہ عبوری ہدف پہلے ہی حاصل ہو چکا تھا، 131,000 سے زائد اماراتی نجی شعبے میں ملازمت پا چکے ہیں (PwC, 2024)۔ EMICOOL کی یونیورسٹی انگیجمنٹ اس قومی حکمت عملی کے ساتھ مل کر کام کرتی ہے، اور نمائندگی کے اہداف کو قابل عمل بناتی ہے، زبردستی نہیں۔

اگلے برسوں میں آپ اے آئی کو ایچ آر ٹیموں کے کام کرنے کے انداز میں کیسے تبدیلی لاتا دیکھتے ہیں؟

Rishabh کا جواب ایک مخصوص کیس اسٹڈی پر مبنی ہے جو ان کی تنظیم میں تیار کی جا رہی ہے: ماضی کے ملازمین کے چھوڑنے کے ڈیٹا کو استعمال کرتے ہوئے نئے امیدواروں کی تنظیمی مطابقت کی پیش گوئی۔

اے آئی نوکری ختم نہیں کرے گا، بلکہ اس کا کردار بدل دے گا

Rishabh: "اے آئی شاید آپ کی نوکری نہ لے، لیکن یہ آپ کے کام کرنے کا انداز ضرور بدل دے گا اور آپ کے کردار کی نوعیت بھی تبدیل ہو سکتی ہے۔ ہمیں چاہیے کہ اے آئی کو تکراری اور معمول کے کاموں کے لیے استعمال کریں، تاکہ لوگ اصل سوچ اور تخلیقی صلاحیتوں والے کام پر توجہ دے سکیں۔"

ہائرنگ سے پہلے تنظیمی مطابقت کی پیش گوئی

Rishabh: "ہمارے پاس رویے اور مہارتوں کی اسیسمنٹ کے ٹولز موجود ہیں۔ ہر ملازم کا ماضی کا ڈیٹا بھی ہے۔ اے آئی کی مدد سے ہم اب یہ پیش گوئی کر سکتے ہیں کہ جس امیدوار کو ہم ہائر کرنے جا رہے ہیں، وہ ہماری تنظیم کے لیے موزوں ہے یا نہیں، ہمارے چھوڑنے والے ملازمین کے ڈیٹا کی بنیاد پر۔ ہم رویے اور مہارت کے پیٹرنز کو ملا کر دیکھ سکتے ہیں کہ نیا امیدوار تنظیم کے لیے فٹ ہے یا نہیں۔"

اس کا اثر بہت اہم ہے۔ زیادہ تر ہائرنگ کے عمل میں پہلے مہارت دیکھی جاتی ہے اور پھر انٹرویو میں کلچر فٹ کا اندازہ لگایا جاتا ہے۔ چھوڑنے والے ملازمین کے ڈیٹا پر مبنی ماڈل پہلے ہی ان امیدواروں کے رویے اور مہارت کے پیٹرنز سامنے لا سکتا ہے جو تنظیم میں ٹھہرے یا چھوڑ گئے۔

اسٹریٹجک تبدیلی

Rishabh: "جب یہ معمولی کام اے آئی کو سونپ دیے جاتے ہیں تو آپ خود بخود اسٹریٹجک سطح پر سوچنا شروع کر دیتے ہیں۔ یہی اصل تبدیلی ہے۔ آپ کے کردار سے آپریشنل اور تکراری کام نکل جائیں گے اور آپ کی توجہ اسٹریٹجک سوچ، فیصلہ سازی اور اہم کردار پر مرکوز ہو جائے گی۔"

Rishabh اس بحث میں یہ واضح کرتے ہیں کہ اے آئی ایچ آر کے فیصلوں کی جگہ نہیں لے گا، بلکہ لوگوں کو وہ کام کرنے کا وقت دے گا جس میں اصل فیصلہ سازی اور بصیرت درکار ہو۔

لچکدار اور ریموٹ ورک پائیداری میں کیسے مددگار ہو سکتا ہے

یہاں Rishabh کا ای ایس جی پس منظر ایک ایسا زاویہ فراہم کرتا ہے جو اکثر ایچ آر کی گفتگو میں نہیں آتا۔ ریموٹ ورک کو عموماً پیداواری صلاحیت یا فلاح و بہبود کے حوالے سے دیکھا جاتا ہے، لیکن Rishabh اسے کاربن کے زاویے سے دیکھتے ہیں۔

اسکوپ 2 اور اسکوپ 3 اخراج

Rishabh: "پیرس معاہدے کے بعد ممالک نے 2050 تک نیٹ زیرو اخراج کے اپنے منصوبے بنائے۔ متحدہ عرب امارات نے بھی اس ہدف کا عزم کیا ہے۔ اس کے لیے ہمیں معلوم ہونا چاہیے کہ ہم کتنا کاربن پیدا کر رہے ہیں اور اس پر کڑی نظر رکھنی چاہیے۔"

وہ اخراج کے تین اسکوپ بیان کرتے ہیں: اسکوپ 1 (براہ راست اخراج جیسے گاڑیاں اور ڈیزل جنریٹرز)، اسکوپ 2 (بجلی اور گرڈ کے استعمال سے بالواسطہ اخراج)، اور اسکوپ 3 (دیگر تمام اخراج جیسے اسٹیشنری، پانی، ملازمین کا سفر، بزنس ٹریول)۔

Rishabh: "جب ملازمین گھر سے کام کرتے ہیں تو کمپنیاں دفتر کے استعمال اور روزمرہ آپریشنز سے اخراج کم کر سکتی ہیں۔ ریموٹ ورکنگ کی صورت میں ملازم دفتر نہیں آئے گا، اس لیے کاربن اخراج کم ہو گا۔ بجلی کا استعمال بھی کم ہو گا، اسٹیشنری اور دیگر وسائل جیسے کافی مشین، کپ وغیرہ بھی کم استعمال ہوں گے۔"

جہاں ریموٹ ورک ممکن نہ ہو: سیٹلائٹ دفاتر اور کار پولنگ

Rishabh تسلیم کرتے ہیں کہ ہر صنعت یا کردار میں ریموٹ ورک ممکن نہیں، جیسے مینوفیکچرنگ، ریٹیل یا آپریشنز۔ ان کے لیے عملی حل یہ ہے کہ ملازمین کے رہائشی علاقوں کے قریب سیٹلائٹ دفاتر بنائے جائیں اور کار پولنگ کو فروغ دیا جائے تاکہ فی سفر اخراج کم ہو۔

Rishabh: "ایک عملی حل یہ ہے کہ مختلف مقامات پر چھوٹے دفاتر قائم کیے جائیں۔ اس سے ملازمین کو قریب میں کام کرنے کی سہولت ملتی ہے اور لمبے سفر سے بچا جا سکتا ہے، جس سے کاربن اخراج بھی کم ہوتا ہے۔ اور اگر کچھ بھی ممکن نہ ہو تو کم از کم ملازمین کے لیے کار پولنگ کو فروغ دیں۔"

EMICOOL نے اس منطق کو مزید آگے بڑھاتے ہوئے ورچوئل کسٹمر آفس قائم کیا ہے، جس سے فزیکل وزٹس کی ضرورت کم ہوئی اور اسکوپ 3 اخراج میں کمی آئی۔

ڈیٹا کوالٹی کا وہ مسئلہ کیا ہے جسے تنظیمیں مسلسل نظرانداز کر رہی ہیں؟

Rishabh گفتگو کا اختتام اس نکتے پر کرتے ہیں جو ہر تنظیم میں ڈیٹا پر مبنی فیصلوں کے لیے بنیادی ہے: ڈیٹا پر مبنی فیصلہ سازی اتنی ہی مضبوط ہوتی ہے جتنا اس کا ڈیٹا۔

دو بڑے مسائل

Rishabh: "دو چیلنجز ہیں۔ ایک ڈیٹا کوالٹی۔ عام طور پر اگر آپ کو ڈیٹا سے معلومات حاصل کرنی ہیں تو آپ کو مختلف ذرائع سے ڈیٹا چاہیے ہوتا ہے۔ یہ ذرائع دستی، ہاتھ سے لکھے گئے، ایکسل شیٹس یا بہترین سافٹ ویئر بھی ہو سکتے ہیں۔ لیکن معلومات اخذ کرنے کے لیے یہ سب ذرائع درکار ہوتے ہیں۔ اگر ڈیٹا کوالٹی کی بات کریں تو دستی ذرائع اور مکمل ڈیٹا ریپوزٹری میں بہت فرق ہوتا ہے۔ مختلف کوالٹی کے ڈیٹا کی وجہ سے معلومات میں بگاڑ آ جاتا ہے۔"

اینالیٹکس سے پہلے ڈیٹا کوالٹی بہتر بنائیں

ترتیب اہم ہے۔ زیادہ تر تنظیمیں ڈیٹا کوالٹی کے مسائل پر اینالیٹکس بنانے کی کوشش کرتی ہیں، جس سے متاثر کن ڈیش بورڈ تو بن جاتے ہیں، لیکن بنیاد کمزور رہتی ہے۔ Rishabh کا مشورہ ہے کہ پہلے اصل مسئلہ حل کریں۔

Rishabh: "ہر تنظیم کو چاہیے کہ اگر وہ ڈیٹا پر مبنی فیصلہ سازی کرنا چاہتی ہے تو سب سے پہلے ڈیٹا کے ذرائع اور کوالٹی کو دیکھے۔ جب یہ مرحلہ طے ہو جائے تو پھر مواقع کی کوئی حد نہیں۔"

وہ EMICOOL کے آپریشنل سیاق میں اس کی مثال دیتے ہیں: کسٹمر پروفائلنگ اور کنزمپشن ڈیٹا کو استعمال کرتے ہوئے ڈسٹرکٹ کولنگ کو ان عمارتوں اور اوقات میں منتقل کرنا جہاں طلب سب سے زیادہ ہو، جیسے دفاتر میں کام کے اوقات، اسکولوں میں اسکول کے اوقات، رہائشی علاقوں میں رات کے وقت۔ یہی ڈیٹا نظم و ضبط ایچ آر اینالیٹکس میں بھی براہ راست لاگو ہوتا ہے، جیسے ملازمین کے چھوڑنے کی پیش گوئی یا ورک فورس پلاننگ۔

Rishabh Shrivastava کے بارے میں

Rishabh Shrivastava EMICOOL میں بزنس ایکسیلنس اور پائیداری کے مینیجر ہیں، جو دبئی میں قائم ڈسٹرکٹ کولنگ کمپنی ہے۔ ان کا کیریئر 12 سال پر محیط ہے اور اس میں آئل اینڈ گیس، انرجی سروسز، ایوی ایشن فیولنگ، فیسلٹی مینجمنٹ اور ڈسٹرکٹ کولنگ شامل ہیں، جہاں پائیداری، آپریشنل ایفیشنسی اور ای ایس جی رپورٹنگ براہ راست ملتی ہیں۔

ان کے پاس کمپیوٹر سائنس انجینئرنگ کی ڈگری، انرجی اور پیٹرولیم میں ایم بی اے اور متعدد سرٹیفیکیشنز ہیں جن میں سکس سگما بلیک بیلٹ، ڈیزائن تھنکنگ کوچ، سرٹیفائیڈ میژرمنٹ اینڈ ویریفیکیشن پروفیشنل اور سرٹیفائیڈ انرجی مینیجر شامل ہیں۔ کام کے علاوہ وہ لیڈ گٹارسٹ اور ملٹی انسٹرومنٹلسٹ ہیں اور کالج کے دنوں سے راک بینڈ میں پرفارم کرتے آ رہے ہیں۔

Rishabh سے رابطہ کریں: LinkedIn

Portrait of Nikita Saini
تحریر کردہ

Nikita Saini · Digital Marketing Executive, Xobin

Nikita is Digital Marketing Executive at Xobin, an AI-powered recruitment, talent assessment and talent management platform used by 5000+ companies across 60+ countries. With experience in HR trends and hiring, she focuses on how companies find and evaluate talent effectively.

The Xobin Podcast

Have a hiring story worth sharing?

جوابات

اکثر پوچھے گئے سوالات

متنوع ہائرنگ اور متنوع امیدواروں کے پول میں کیا فرق ہے؟
متنوع ہائرنگ کا مطلب ہے مختلف پس منظر کے امیدواروں کو منتخب کرنا، لیکن اگر صرف تنوع کو بنیاد بنایا جائے تو میرٹ نظرانداز ہو سکتا ہے۔ متنوع امیدواروں کا پول اس بات کو یقینی بناتا ہے کہ مختلف پس منظر کے لوگ سب کو برابر موقع ملے۔ اصل انتخاب میرٹ اور موزونیت کی بنیاد پر کیا جائے۔ پول متنوع ہونا چاہیے، انتخاب منصفانہ۔
ڈی ای آئی کی کوششیں عملی طور پر کیوں ناکام ہو جاتی ہیں؟
کیونکہ تنظیمیں نتائج پر توجہ دیتی ہیں، عمل پر نہیں۔ وہ ہائرنگ کے اہداف مقرر کرتی ہیں لیکن امیدواروں کے پول کو بہتر نہیں بناتیں۔ جب پول محدود رہے تو اہداف پر دباؤ آتا ہے اور موزونیت پر سمجھوتہ کرنا پڑتا ہے۔ اصل حل پول کو وسیع کرنا ہے، ہدف کو نہیں۔
کمپنیاں مردوں کے غلبے والی صنعتوں میں متنوع امیدوار کیسے تلاش کر سکتی ہیں؟
اس کے لیے آگے بڑھ کر کام کرنا ہو گا۔ اگر مارکیٹ میں متنوع امیدوار نہیں ہیں تو یونیورسٹیوں سے گریجویشن سے پہلے ہی رابطہ کریں۔ انٹرن شپس، ہیکاتھونز اور گریجویٹ پروگرامز کے ذریعے طلبہ میں اس صنعت کا شعور پیدا کریں۔ یہ طریقہ جاب بورڈز سے بھرتی کرنے سے زیادہ وقت لیتا ہے، لیکن پوری انڈسٹری کے لیے ٹیلنٹ پول تیار کرتا ہے۔
اے آئی ہائرنگ میں تنظیمی مطابقت میں کیسے مدد دے سکتا ہے؟
ماضی کے ملازمین کے چھوڑنے کے ڈیٹا میں رویے اور مہارت کے پیٹرنز کو نئے امیدواروں کے پروفائلز سے ملا کر۔ جو ملازمین چھوڑ گئے ان میں مخصوص پیٹرنز ہوتے ہیں۔ اے آئی ان پیٹرنز کے مطابق نئے امیدواروں میں ممکنہ رسک پہلے ہی ظاہر کر سکتا ہے، یوں مہارت کے ساتھ ساتھ تنظیمی مطابقت بھی دیکھی جا سکتی ہے۔
کیا ریموٹ ورک واقعی کاربن اخراج کم کرتا ہے؟
جی ہاں، اور اس کا اثر ناپا جا سکتا ہے۔ گھر سے کام کرنے سے اسکوپ 3 (سفر) اور اسکوپ 2 (دفتر کی بجلی) کا اخراج کم ہوتا ہے، کیونکہ دفتر میں کم لوگ ہوں گے تو ایئر کنڈیشننگ، لائٹنگ اور دیگر آلات کم چلیں گے۔ نیٹ زیرو اہداف والی تنظیموں کے لیے لچکدار ورکنگ ایک عملی اور قابل پیمائش حل ہے۔
ای ایس جی کا ایچ آر سے کیا تعلق ہے؟
ای ایس جی کا مطلب ہے ماحولیاتی، سماجی اور گورننس۔ ایچ آر زیادہ تر سماجی ستون میں آتا ہے: منصفانہ ہائرنگ، ڈی ای آئی، فلاح و بہبود، لیبر پریکٹسز۔ اس کا تعلق ماحولیات سے بھی ہے، جیسے ریموٹ ورک اور سفر میں کمی، اور گورننس سے بھی، جیسے اخلاقی ہائرنگ اور تنخواہوں میں مساوات۔ مضبوط ڈی ای آئی اب سرمایہ کاروں کے لیے تنظیمی مضبوطی کی علامت بنتا جا رہا ہے۔
ڈیٹا پر مبنی ایچ آر فیصلہ سازی کے لیے پہلا قدم کیا ہے؟
اپنے ڈیٹا کے ذرائع اور کوالٹی کا آڈٹ کرنا، اس سے پہلے کہ کوئی اینالیٹکس لیئر بنائیں۔ زیادہ تر تنظیمیں دستی ریکارڈ، اسپریڈشیٹس اور سافٹ ویئر ایکسپورٹس سے ڈیٹا لیتی ہیں، جن کی قابل اعتمادیت مختلف ہوتی ہے۔ بصیرت اتنی ہی مضبوط ہو گی جتنا اس میں سب سے کمزور ذریعہ، اس لیے پہلے اسے درست کرنا ضروری ہے۔
ذہنی تنوع کیا ہے اور یہ آبادیاتی تنوع سے زیادہ کیوں اہم ہے؟
ذہنی تنوع اس بات کا نام ہے کہ لوگ کیسے سوچتے ہیں، مسائل حل کرتے ہیں اور فیصلے کرتے ہیں، جو ان کے پس منظر، تجربے اور شعبے سے بنتا ہے۔ آبادیاتی تنوع ظاہری ہے؛ ذہنی تنوع اصل وجہ ہے جس سے ٹیم کی کارکردگی بہتر ہوتی ہے۔ ایک سے دوسرے کے امکانات بڑھتے ہیں، لیکن ضمانت نہیں ملتی۔
پڑھتے رہیں

Xobin ہب سے مزید