Kursa kods DatZM001

Kredītpunkti 3

Cilvēkresursu analītika

Zinātnes nozareDatorzinātne un informātika

Kopējais stundu skaits kursā

Lekciju stundu skaits8

Semināru un praktisko darbu stundu skaits16

Laboratorijas darbu stundu skaits0

Studenta patstāvīgā darba stundu skaits57

Kursa apstiprinājuma datums04.10.2023

Atbildīgā struktūrvienībaDatoru sistēmu un datu zinātnes institūts

Kursa izstrādātāji

author asoc. prof.

Nataļja Vronska

Dr. paed.

author doc.

Iveta Kokle-Narbuta

Dr. paed.

Kursa anotācija

Studiju kursa ietvaros studenti padziļināti apgūst cilvēkresursu analītikas būtību, attīsta cilvēkresursu analītikas prasmes sinerģijā ar vadībzinātni. Studiju kursa galvenā aktualitāte ir cilvēkresursu analītikas ietekmes maksimizēšanas iespējas uzņēmumos, plānojot cilvēkresursu attīstību.
Studiju kursa apgūšanas mērķis ir sniegt padziļinātas zināšanas, prasmes un kompetenci cilvēkresursu analītikā, jēgpilni pielietojot cilvēkresursu analītikas metožu dažādību.

Kursa rezultāti un to vērtēšana

Zināšanas:
• Padziļinātās zināšanas un izpratne par cilvēkresursu analītiku un datu analītiku – pārbaudes darbi;
Profesionālās prasmes:
• Spēj izveidot un novērtēt personāla resursu vajadzību prognozes – praktiskie darbi;
• Spēj integrēt datus no vairākām tabulām, veikt atlasi un analizēt personāla vajadzības uzņēmuma attīstīšanai – praktiskie darbi;
• Atrast, kritiski izvērtēt praktiskai darbībai atbilstošo informāciju un radoši izmantot informāciju darba uzdevumu izpildei – praktiskie darbi;
Vispārīgās prasmes:
• Spēj sadarboties un komunicēt – praktiskie darbi;
Kompetence:
• Kritiski analizēt un patstāvīgi pielietot atbilstošās cilvēkresursu analītikas metodes, plānojot cilvēkresursu attīstību – praktiskie darbi, patstāvīgais darbs;
• Integrēt iegūtās zināšanas un prasmes profesionālajā darbībā – patstāvīgais darbs;
• Spēj pilnveidot kompetenci un radīt arī inovatīvus risinājumus profesionālajā darbā – patstāvīgais darbs.

Kursa saturs(kalendārs)

1. Cilvēkresursu analītikas izpratne cilvēkresursu vadības procesos (lekcija – 2 h).
2. Pamatotu lēmumu nozīme darbinieku piesaistē, karjeras attīstībā, apmierinātībā, darba izpildē, prognozēšanā, darbinieku noturēšanā un uzņēmuma kultūras veidošanā (lekcija – 1 h).
3. Stratēģiskā cilvēkresursu plānošana, balstoties datos. Darbinieku mācīšanās nozīme (lekcija – 1 h).
Pirmais kontroldarbs par cilvēkresursu analītikas izpratni, pamatotu lēmumu nozīmi un stratēģisko cilvēkresursu plānošanu – 1h
4. Datu interaktīva vizuālā analīze (lekcija – 1 h, praktiskais darbs – 3 h).
5. Cilvēkresursu vajadzību prognozēšana (lekcija – 1 h, praktiskais darbs – 4 h).
6. Modelēšana ar Visual Basic Application (VBA) (lekcija – 1 h, praktiskais darbs – 3 h).
7. Datu analīzes optimizācija ar Power BI un Python (lekcija – 1 h, praktiskais darbs – 4 h).
Otrais kontroldarbs par cilvēkresursu analītikas metožu dažādību – 1h

Prasības kredītpunktu iegūšanai

Kursa ietvaros paredzēti divi kontroldarbi un patstāvīgais darbs. Praktiskie darbi ir veicami praktisko darbu laikā datorklasē. Visiem darbiem ir jābūt sekmīgi nokārtotiem.

Studējošo patstāvīgo darbu organizācijas un uzdevumu raksturojums

Studiju kursa ietvaros patstāvīgām studijām atvēlētas 56 stundas, kas tiek organizētas šādi: gatavošanās pārbaudes darbiem (15 stundas katram darbam), gatavošanās patstāvīgajam darbam (26 stundas).

Studiju rezultātu vērtēšanas kritēriji

Gala vērtējums studiju kursā veidojas:
30% divi kontroldarbi par cilvēkresursu analītikas izpratni, pamatotu lēmumu nozīmi un stratēģisko cilvēkresursu plānošanu un par cilvēkresursu analītikas metožu dažādību;
50% praktiskie darbi;
20% patstāvīgais darbs par stratēģisko cilvēkresursu plānošanu un prognozēšanu.

Obligātā literatūra

1. Diez F., Bussin M., Lee V. Fundamentals of HR Analytics. Emerald Publishing Limited, 2019, p. 281
2. Edwards M. R., Edwards K. Predictive HR analytics: mastering the HR metric. Kogan Page, 2019, p. 536
3. Fitz-enz J. The new HR analytics: predicting the economic value of your company's human capital investments. New York, AMACOM, 2010, p. 368
4. Winston W. Microsoft Excel 2019 Data Analysis and Business Modeling. Microsoft Press, 2019, p. 880
5. Collie R. Power Pivot and Power BI. Holy Macro! Book, 2016, p. 314
6. Kusleika D., Alexander M. Excel 2019 Power Programming with VBA. Wiley, 2019, p. 784

Papildliteratūra

1. Alvarez F., Stone D., Castano A., Garcia-Izquierdo A. Human Resources Analytics: A systematic Review from a Sustainable Management Approach. Journal of Work and Organizational Psychology 38, 2022, pp. 129-147.
2. Belizon M., Kieran S. Human resources analytics: A legitimacy process. Human Resource Management Journal. 32, 2022.
3. Margherita A. Human resources analytics: A systematization of research topics and directions for future research. Human Resource Management Review, 32, 2021.
4. Alexander M., Kusleika D., Walkenbach J. Excel 2019 Bible. Wiley, 2018, p. 1120
5. Jelen B., Alexander M. Microsoft Excel 2019 Pivot Table Data Crunching. Microsoft Press, 2019, p. 512

Periodika un citi informācijas avoti

1. Peiseniece, L. (2010). Cilvēkresursu vadīšanas novērtēšanas metodes un to pilnveidošanas virzieni Latvijas lielajos uzņēmumos. Promocijas darbs. Rīga: LU.
https://core.ac.uk/download/71754104.pdf
2. Dombrovska, L.R. (2009). Cilvēkresursu kapitāla vadība. Rīga: Zvaigzne ABC.

Piezīmes

Obligātais studiju kurss: profesionālā maģistra studiju programma “Cilvēkresursu vadība”