Organizational performance and human resources analytics in a developing country

• Autorzy: Siddiqua Sohana Intasa , Abaker Mohamed Osman Shereif Mahdi , Afnan Ramisa Tul

Identyfikatory

DOI

10.17512/pjms.2023.28.2.16

Warianty tytułu

PL

Wydajność organizacyjna i analityka zasobów ludzkich w krajach rozwijających się

• Języki publikacji: EN

Abstrakty

EN

This research is significant for businesses looking to increase their human resource technology competencies or develop their HR analytics initiatives since it demonstrates how HR analytics may boost organizational performance. Investing in HR analytics and employing evidence-based decision-making approaches increases organizational effectiveness. The article aims to show an empirical study on organizational performance and human resource analytics in Bangladeshi firms. It is unclear whether HR analytics enhance a company’s performance, while few corporations benefit from them. HR departments that utilize manpower analytics data for planning and employment decisions are examples of how HR analytics improve business performance. Using a quantitative method, 206 questionnaires were collected from professional services, financial services, information and communications technology, and other service firms. Smart-PLS 3.2.8 and the Structural Equation Modeling (SEM) instrument were used for data analysis. The results confirm the suggested chain model, which states that having access to human resource technology allows for HR analytics and evidence-based management decision-making, thus improving performance. Past studies have not addressed the human resource analytics view in developing countries. This research bridges that gap by offering empirical evidence from Bangladesh.

PL

Badania te są istotne dla organizacji, które chcą poprawić swoje kompetencje w zakresie technologii HR lub rozszerzyć swoje inicjatywy w zakresie analityki HR, ponieważ pokazują, w jaki sposób analityka HR może zwiększyć wydajność organizacji. Inwestowanie w analitykę HR i stosowanie opartych na dowodach podejść do podejmowania decyzji zwiększa efektywność organizacyjną. Niniejszy artykuł ma na celu przedstawienie badań empirycznych dotyczących analizy zasobów ludzkich i wydajności organizacyjnej w firmach z Bangladeszu. Chociaż niektóre firmy korzystają z analiz HR, nie ma pewności, czy analizy HR poprawiają wyniki organizacji. Analityka HR wykorzystuje dane i analizy w celu poprawy wydajności korporacyjnej poprzez procesy i polityki HR, wykorzystując dane dotyczące siły roboczej do podejmowania opartych na danych decyzji dotyczących planowania i zatrudniania pracowników. Wykorzystując metodę ilościową, zebrano 206 kwestionariuszy od firm świadczących profesjonalne usługi, usługi finansowe, technologie informacyjne i komunikacyjne oraz innych firm usługowych. Do analizy danych wykorzystano Smart-PLS 3.2.8 i narzędzie do modelowania równań strukturalnych (SEM). Wyniki potwierdzają proponowany model łańcuchowy, zgodnie z którym dostęp do technologii zasobów ludzkich umożliwia analizę zasobów ludzkich i podejmowanie decyzji zarządczych opartych na dowodach, poprawiając w ten sposób wyniki. Wcześniejsze badania nie koncentrowały się na perspektywie analityki HR w krajach rozwijających się. Niniejszy artykuł wypełnia tę lukę, przedstawiając dowody empiryczne z kraju rozwijającego się, jakim jest Bangladesz.

Słowa kluczowe

EN

human resources analytics; organizational performance; evidence-based decision-making; Asia; Bangladesh

PL

analityka zasobów ludzkich; wydajność organizacyjna; zarządzanie zasobami ludzkimi; podejmowanie decyzji; Azja; Bangladesz

• Wydawca: Czestochowa University of Technology
• Czasopismo: Polish Journal of Management Studies
• Rocznik: 2023
• Tom: Vol. 28, No. 2
• Strony: 274--288
• Opis fizyczny: Bibliogr. 29 poz., rys., tab.

Twórcy

autor

Siddiqua Sohana Intasa

• Management Memorial University of Newfoundland, Canada

• https://orcid.org/0000-0002-5139-2687

autor

Abaker Mohamed Osman Shereif Mahdi

• American University of Ras Al Khaimah, UAE

• https://orcid.org/0000-0002-1403-1241

autor

Afnan Ramisa Tul

• East Delta University, Bangladesh

• https://orcid.org/0009-0001-6907-8127

Bibliografia

• 1.Akhtar, P., Khan, Z., Rao-Nicholson, R. and Zhang, M., (2016). Building relationship innovation in global collaborative partnerships: big data analytics and traditional organizational powers. RandD Management, 8, 49(1), 7-20.
• 2.Baba, V. V., HakemZadeh, F., (2012). Toward a theory of evidence-based decision making. Management Decision, 25, 50(5), 832-867.
• 3.Barends, E., Rousseau, D. M., (2018). Evidence-Based Management: How to Use Evidence to Make Better Organizational Decisions. Kogan Page Publishers.
• 4.Chalutz Ben-Gal, H., (2019). An ROI-based review of HR analytics: practical implementation tools. Personnel Review, 48(6), 1429-1448.
• 5.Chierici, R., Mazzucchelli, A., Garcia-Perez, A. and Vrontis, D., (2019). Transforming big data into knowledge: the role of knowledge management practice. Management Decision, 57(8), 1902-1922.
• 6.Cho, W., Choi, S., Choi, H., (2023). Human Resources Analytics for Public Personnel Management: Concepts, Cases, and Caveats. Administrative Sciences, 13(2), 41.
• 7.Coron, C., (2021). Quantifying human resource management: a literature review. Personnel Review, 51(4), 1386-1409.
• 8.Dubey, R., Gunasekaran, A., Childe, S. J., Papadopoulos, T., Luo, Z., Wamba, S. F. and Roubaud, D., (2019). Can big data and predictive analytics improve social and environmental sustainability? Technological Forecasting and Social Change, 144, 534- 545.
• 9.Dubey, R., Gunasekaran, A., Childe, S. J., Fosso Wamba, S., Roubaud, D. and Foropon, C., (2019). An empirical investigation of data analytics capability and organizational flexibility as complements to supply chain resilience. International Journal of Production Research, 59(1), 110-128.
• 10.Fernandez, V., Gallardo Gallardo, E., (2020). HR Analytics Conceptualization and Adoption: Key Issues. Academy of Management Proceedings, 2020(1), 12180.
• 11.Ferraris, A., Mazzoleni, A., Devalle, A. and Couturier, J., (2019). Big data analytics capabilities and knowledge management: impact on firm performance. Management Decision, 57(8), 1923-1936.
• 12.Fornell, C., Larcker, D. F., (1981). Evaluating Structural Equation Models with Unobservable Variables and Measurement Error. Journal of Marketing Research, 18(1), 39-50.
• 13.Garay, J., Cartagena, R., Esensoy, A., Handa, K., Kane, E., Kaw, N. and Sadat, S., (2014). Strategic Analytics: Towards Fully Embedding Evidence in Healthcare DecisionMaking. Healthcare Quarterly, 17(SP), 23-27.
• 14.Hamilton, R., Sodeman, W. A., (2020). The questions we ask: Opportunities and challenges for using big data analytics to strategically manage human capital resources. Business Horizons, 63(1), 85-95.
• 15.Harris, J.G., Craig, E. and Light, D. A., (2011). Talent and analytics: new approaches, higher ROI. Journal of Business Strategy, 32(6), 4-13.
• 16.Henseler, J., Hubona, G., Ray P. A., (2016). Using PLS path modeling in new technology research: updated guidelines. Industrial Management and Data Systems, 116(1), 2-20.
• 17.Huselid, M. A., (2018). The science and practice of workforce analytics: Introduction to the HRM special issue. Human Resource Management, 57(3), 679-684.
• 18.Islam, M., Mamun, A. A., Afrin, S., Ali Quaosar, G. M. A. and Uddin, M. A., (2022). Technology Adoption and Human Resource Management Practices: The Use of Artificial Intelligence for Recruitment in Bangladesh. South Asian Journal of Human Resources Management, 9(2), 324-349.
• 19.Kusairi, S., Wong, Z. Y., Wahyuningtyas, R. and Sukemi, M. N., (2023). Impact of digitalisation and foreign direct investment on economic growth: Learning from developed countries. Journal of International Studies, 16(1).
• 20.Levenson, A., Fink, A., (2017). Human capital analytics: too much data and analysis, not enough models and business insights. Journal of Organizational Effectiveness: People and Performance, 4(2), 145-156.
• 21.Maamari, B. E., Osta, A., (2021). The effect of HRIS implementation success on job involvement, job satisfaction, and work engagement in SMEs. International Journal of Organizational Analysis, 29(5), 1269-1286.
• 22.Margherita, A., (2022). Human resources analytics: A systematization of research topics and directions for future research. Human Resource Management Review, 32(2), 100795.
• 23.Marler, J. H., Boudreau, J. W., (2017). An Evidence-Based Review of HR Analytics. International Journal of Human Resource Management, 28(1), 3-26.
• 24.McCartney, S., Fu, N., (2022). Bridging the gap: why, how and when HR analytics can impact organizational performance. Management Decision, 60(13), 25-47.
• 25.McIver, D., Lengnick-Hall, M. L. and Lengnick-Hall, C. A., (2018). A strategic approach to workforce analytics: Integrating science and agility. Business Horizons, 61(3), 397-407.
• 26.Mikalef, P., Ilias, O. P., John, K. and Michail, G., (2018). Big Data Analytics Capabilities: A Systematic Literature Review and Research Agenda. Information Systems and eBusiness Management, 16(3), 547-578.
• 27.Minbaeva, D. B., (2018). Building Credible Human Capital Analytics for Organizational Competitive Advantage. Human Resource Management, 57(3), 701-713.
• 28.Rasmussen, T., Ulrich, D., (2015). Learning from practice: How HR analytics avoids being a management fad. Organizational Dynamics, 44(3), 236-242.
• 29.Singh, S. K., Del Giudice, M., (2019). Big data analytics, dynamic capabilities, and firm performance. Management Decision, 57(8), 1729-1733.

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2024).