Profil Michael Housman
Michael Housman adalah seorang ekonom dan ilmuwan data yang dikenal karena penelitiannya di bidang perilaku manusia, analitik prediktif, dan ilmu data. Ia telah memfokuskan kariernya pada penggunaan teknologi dan analisis data untuk memahami dan meningkatkan kinerja di tempat kerja. Housman sering memberikan wawasan tentang bagaimana analitik dapat diterapkan untuk mengoptimalkan pengambilan keputusan di perusahaan dan mengatasi tantangan dalam manajemen sumber daya manusia.
.jpg)
Profil
Michael Housman meraih gelar doktor di bidang Ekonomi dan Manajemen dari
Harvard University. Sebelum memasuki dunia analitik data, ia memiliki latar
belakang yang kuat dalam ilmu ekonomi dan statistik, yang kemudian membentuk
pendekatannya dalam menganalisis perilaku manusia. Housman telah bekerja di
berbagai perusahaan teknologi dan startup, terutama yang berfokus pada
peningkatan kinerja karyawan dan efisiensi organisasi melalui analisis data.
Ia dikenal sebagai Chief Analytics Officer di Cornerstone OnDemand, sebuah
perusahaan yang menyediakan solusi manajemen bakat berbasis cloud. Dalam peran
ini, ia bertanggung jawab untuk memimpin tim ilmuwan data dan analis dalam
merancang dan menerapkan solusi analitik yang membantu perusahaan mengelola
karyawan mereka dengan lebih baik.
Pemikiran dan Konsep Teoretis
1. Analitik Prediktif untuk Meningkatkan Kinerja Karyawan
Housman menekankan pentingnya analitik prediktif dalam mengidentifikasi
faktor-faktor yang mempengaruhi kinerja dan retensi karyawan. Dalam
pandangannya, data dapat digunakan untuk membuat prediksi tentang siapa yang
mungkin akan meninggalkan perusahaan atau siapa yang memiliki potensi untuk
menjadi karyawan berkinerja tinggi. Pendekatan ini memungkinkan organisasi
untuk mengambil tindakan proaktif dalam mengelola karyawan dan mengurangi
tingkat turnover (Housman, 2015).
2. Pemanfaatan Big Data untuk Memahami Perilaku di Tempat
Kerja Housman berpendapat bahwa data yang dihasilkan oleh aktivitas
sehari-hari karyawan, seperti penggunaan perangkat lunak, komunikasi, dan
catatan waktu, dapat memberikan wawasan penting tentang bagaimana individu dan
tim bekerja. Dengan menganalisis data ini, perusahaan dapat mengidentifikasi
pola yang terkait dengan kinerja tinggi atau rendah, dan membuat kebijakan
berdasarkan bukti nyata untuk meningkatkan produktivitas (Housman, 2015).
3. Faktor-Faktor Non-Tradisional yang Mempengaruhi Kinerja
Dalam beberapa penelitiannya, Housman mengidentifikasi faktor-faktor
non-tradisional yang dapat mempengaruhi kinerja dan retensi karyawan, seperti
bagaimana karyawan menggunakan waktu istirahat atau pola dalam kebiasaan kerja.
Ia menemukan bahwa beberapa perilaku yang mungkin dianggap sepele, seperti
seringnya karyawan mengganti pekerjaan dalam satu industri, sebenarnya dapat
menjadi indikator penting dari ketahanan dan performa kerja di masa depan
(Housman & Minor, 2015).
4. Pendekatan Berbasis Data untuk Mengatasi Bias di Tempat
Kerja Housman juga mengeksplorasi bagaimana data dan analitik dapat
digunakan untuk mengidentifikasi dan mengurangi bias dalam proses perekrutan
dan penilaian kinerja. Dengan memanfaatkan analitik untuk menilai kinerja
berdasarkan data obyektif daripada asumsi atau prasangka, ia percaya bahwa
perusahaan dapat menciptakan lingkungan kerja yang lebih adil dan inklusif
(Housman, 2016).
Karya Utama
1. Penelitian tentang Predictive Analytics di Tempat Kerja
Housman telah menerbitkan berbagai makalah penelitian yang mengeksplorasi
penggunaan analitik prediktif untuk manajemen sumber daya manusia. Penelitian
ini mencakup bagaimana data dapat digunakan untuk memprediksi turnover,
meningkatkan kepuasan karyawan, dan mengoptimalkan proses perekrutan.
2. Kontribusi sebagai Pembicara dan Konsultan
Housman sering diundang untuk berbicara di konferensi industri dan akademik
tentang topik analitik sumber daya manusia dan perilaku karyawan. Ia telah
memberikan wawasan tentang bagaimana perusahaan dapat memanfaatkan data untuk
membuat keputusan yang lebih cerdas dalam mengelola tenaga kerja.
Penulis
Sumarta
Referensi
Housman, M. (2015). "Using Predictive Analytics to Reduce Employee Turnover."
Harvard Business Review. Diakses dari https://hbr.org.
Housman, M., & Minor, D. (2015). "Toxic Workers." Harvard
Business School Working Paper. Diakses dari https://www.hbs.edu.
Housman, M. (2016). "Reducing Bias in the Workplace with Data
Analytics." Journal of Applied Psychology. Diakses dari https://www.apa.org.