|
Věda a výzkum
Vesmír
Osel
Chemagazín
|  CZ   EN | Kontakt |
 |
| Databáze: Pro laboratoř Firmy Zastoupení E-obchody Novinky Hledání: Ostatní: Nástroje Encyklopedie Tabulky |
|
 |
 |
|
Od blížící se "stříbrné tsunami", která má upozornit na velkou část zaměstnanců blížících se důchodovému věku, až po současnou tsunami rezignací, čelí organizace kolísavým vlnám fluktuace zaměstnanců, což podtrhuje potřebu plánování nástupnictví jako strategie, jak těmto událostem čelit. Jak definovala Olena Shynkaruk v předchozím článku Lab Manager, plánování nástupnictví je "proaktivní proces identifikace klíčových vedoucích a technických pozic a přesun zaměstnanců na správné pozice ve správný čas při organizačních změnách, jako jsou kariérní změny a odchody do důchodu". Vzhledem k přechodné povaze laboratorních věd, zejména v rámci výzkumných oborů, je vypracování plánu nástupnictví ještě nezbytnější. Přesto podle zprávy SHRM Human Capital Benchmarking Report 2017 měla plán nástupnictví vytvořený méně než polovina organizací a většina pozic zahrnutých do plánu byla na úrovni vedoucích pracovníků a vyššího managementu. Shynkaruk však radí, aby laboratoře zaujaly víceúrovňový přístup k identifikaci a školení nástupců pro každou pozici, od laboratorního technika až po hlavního vědeckého pracovníka. Takový přístup podle ní sladí nadání zaměstnanců se základními hodnotami laboratoře a zároveň zachová její silné stránky a odstraní její slabiny. Tím se také zajistí kontinuita provozu laboratoře. Zahrnout předávání znalostí do plánování nástupnictví I když se plánování nástupnictví z velké části zaměřuje na strategie řízení talentů, které mají připravit na nevyhnutelné personální změny, je třeba vzít v úvahu i další aspekty - konkrétně institucionální znalosti, které odcházejí spolu s danou osobou. Tyto znalosti mohou mít podobu odborných znalostí v daném oboru, stávajících profesních vztahů nebo kritických procesů řízení laboratoře. Plánování nástupnictví sice zahrnuje složky přenosu znalostí, ale často se zaměřuje na identifikaci klíčových dovedností a zkušeností potřebných k nahrazení odcházejícího zaměstnance a méně na zavedení systémů pro zachycení institucionálních znalostí souvisejících s projekty. Sarah Hausermanová, analytička správy výzkumných dat v rámci oddělení informačních technologií na Harvard Medical School, jako příklad uvádí, že tradiční postupy při odchodu se více zaměřují na personální postupy a méně na dokumentování zásadních informací souvisejících s projektovými daty. Je zastánkyní zahrnutí správy dat do kontrolních seznamů pro offboarding, což "pomáhá pokroku projektů, zlepšuje celkovou konzistenci a umožňuje replikaci a reprodukovatelnost datových souborů". Stejně tak v pokynech USAID Learning Lab pro zachování institucionální paměti skupina upozorňuje, že "předávání bývá transakční, zaměřené spíše na předávání úkolů než na znalosti a vztahy". Místo toho doporučují zavést systém řízení znalostí a pověřit jednu osobu dohledem nad předáváním zaměstnanců, což je "rozhodující pro zajištění zachování institucionální paměti, udržení porozumění souvislostem a udržení klíčových vztahů s interními a externími partnery". Cena ztracených znalostí je vysoká. Softwarová společnost Panopto ve své zprávě o znalostech a produktivitě na pracovišti za rok 2018 zjistila, že nedostatek zavedených systémů pro zachycení jedinečných znalostí (tj. znalostí často získaných na základě zkušeností) vede k neefektivním přechodům zaměstnanců, ztrátě produktivity práce a zaměstnancům, kteří se cítí frustrovaní a zahlcení, když se nemohou dostat k potřebným informacím. Společnost Panopto dále na základě údajů ze svého průzkumu odhaduje, že průměrně velký podnik z průzkumu by mohl zavedením lepších systémů sdílení znalostí ušetřit 47 milionů dolarů ročně. Zajistit systémy správy dat pro dokumentaci znalostí Existuje mnoho nástrojů a technik řízení znalostí, které lze použít k zachycení a uchování znalostí v organizaci, od mentoringu a školení na pracovišti až po získávání zkušeností a vyprávění příběhů. Základem procesu předávání znalostí je však řádná dokumentace, která slouží k archivaci informací o projektu pro budoucí použití, což lze usnadnit použitím systémů správy dat (např. ELN, LIMS). Aoi Senju, generální ředitel a spoluzakladatel společnosti Colabra, nástroje pro integraci dat a spolupráci vědeckých týmů, říká, že v kontextu výzkumu je obzvláště důležité mít k dispozici robustní systém správy dat, který zachytí a zpřístupní všechna potřebná data, což je rozhodující pro reprodukovatelnost experimentů. "Chcete se vyhnout situaci, kdy vaši vědci ztrácejí čas hledáním dat z experimentů, o kterých víte, že jste je shromáždili již dříve, nebo objevováním dat s nečitelnými nebo nespolehlivými informacemi od zaměstnanců, kteří již v organizaci nemusí pracovat," říká Senju. "Samotné zkušenosti nebo dlouholetá praxe plně nedefinují institucionální znalosti; musí být také správné a použitelné." Zdůrazňuje také, že je důležité zvolit takový systém správy dat, který je "intuitivní a snadno použitelný". Mezi optimální funkce patří integrace s dalším laboratorním softwarem pro shromažďování dat na jednom místě, možnost sdílení a editace souborů mezi pracovníky laboratoře, což umožňuje spolupráci, a nástroje pro organizaci dat (např. značky, funkce vyhledávání), které umožňují najít informace v případě potřeby. Školení zaměstnanců o osvědčených postupech správy dat I když organizace mohou poskytnout systémy a nástroje pro přenos znalostí, je povinností zaměstnanců laboratoří dodržovat předpisy a nejlepší postupy pro správu dat. Zaměstnanci laboratoří by proto měli být přijímáni s ohledem na případný odchod z laboratoře a měli by být vedeni k tomu, aby po celou dobu svého působení dokumentovali svou práci. Jedním ze způsobů, jak toho dosáhnout, je poskytnout specifické školení a pokyny k osvědčeným postupům, zejména s ohledem na to, že většina vědců neabsolvuje žádné formální školení v oblasti správy dat. V rámci pracovní skupiny pro správu výzkumných dat na Harvardu vypracoval Hauserman s kolegy užitečnou šablonu souboru pro přenos znalostí a související školení, které má výzkumné pracovníky provést procesem dokumentování klíčových informací o projektech a datových souborech v celém životním cyklu výzkumných dat. Doporučuje se také používat soubor README, základní textový soubor pro dokumentování informací na úrovni souborů a složek datových sad s kontextovými metadaty (např. struktura souborů, konvence pojmenování). Tento soubor pro přenos znalostí pak přímo vstupuje do kontrolního seznamu pro offboarding s oddíly pro plánování (tj. zajištění reprodukovatelnosti dat), ukládání (tj. zajištění nalezitelnosti, dostupnosti a interoperability dat) a sdílení (tj. zajištění opakovaného použití dat). Konečným cílem tohoto procesu je pomoci výzkumným pracovníkům snadněji organizovat jejich výzkum a umožnit efektivní předání projektu při odchodu. Tyto šablony rovněž poskytují zdroje specifické pro danou instituci, které zajišťují soulad s interními a externími požadavky na sdílení, ukládání a zabezpečení dat. Podobně soubor nástrojů USAID Learning Lab poskytuje návod pro zaměstnance, kteří chtějí cíleně a systematicky sdílet institucionální znalosti. Vyvinuli nástroj pro sledování udržitelnosti řízení znalostí, který slouží k dokumentování základních rolí a odpovědností, plánování udržitelnosti, které má nastínit, jaké znalosti je třeba předat někomu jinému a za jakým účelem, a oddíl pro předávání znalostí pro potřeby offboardingu, který zahrnuje povinnosti a úkoly, plánované schůzky, požadavky na podávání zpráv, klíčové kontakty a členy týmu a získané zkušenosti. Postupné zavádění osvědčených postupů Hauserman říká, že přesvědčit výzkumné pracovníky, aby dodržovali osvědčené postupy správy dat, může být "těžký boj", ale existuje mnoho motivačních důvodů, které je mohou povzbudit. Zmiňuje, že stále více významných financujících agentur nyní vyžaduje plány správy dat jako součást požadavků na udělení grantu. Může to také usnadnit sdílení a opakované použití dat, což zvyšuje "viditelnost a proslulost" výzkumu vědců. A kromě času ušetřeného při vyhledávání informací může zamezení duplicitních datových souborů nebo určení toho, co již není třeba archivovat, snížit náklady spojené s prostorem pro ukládání dat. Pokud jde o zavádění osvědčených postupů správy dat, Hauserman navrhuje začít v malém a stavět na malých úspěších. "Doporučuji výzkumným pracovníkům, aby začali s jednoduššími řešeními a pak pomalu začleňovali další osvědčené postupy a vždy zaváděli změny spíše směrem dopředu než zpět," vysvětluje. Jako příklad uvádí jednoduché změny (např. přidání data a názvu projektu do souboru, sdílení složek s administrátory laboratoře), které mohou mít velký vliv na zvýšení "dostupnosti a nalezitelnosti" dat, což jsou podle jejího pozorování dva faktory, které nejvíce ovlivňují odchod výzkumníka. Kromě osvědčených postupů správy dat je také třeba zavést proces přezkoumání, který by kontroloval spolehlivost zdokumentovaných informací a pokud možno je převedl do organizačních znalostí. Ivy Stillerová, specialistka na lidské zdroje, v příspěvku na síti LinkedIn upozorňuje: "Samotné zkušenosti nebo dlouholetá praxe plně nedefinují institucionální znalosti; musí být také správné a použitelné." Za tímto účelem Stillerová říká, že je třeba zachytit pracovní postupy dlouholetých zaměstnanců ve standardních operačních postupech a rutinně kontrolovat jejich správnost a soulad s aktualizovanými zákony, předpisy nebo interními zásadami. V opačném případě organizace riskují, že budou hrát "verzi hry telefon", předávat si nesprávné informace ze zaměstnance na zaměstnance a nakonec přijít o klíčové znalosti. Zdrojem informací je Labmanager. Pro kompletní informace si přečtěte celý článek.
|
|
 |
 |
|
3.4.2023 Molecular Chaperones in Protein Folding and Proteostasis
9.5.2023 - 11.5.2023 LABVOLUTION 2023 představuje v Hannoveru svůj potenciál, který mění pravidla hry
9.7.2023 - 12.7.2023 18th European Conference on Solid State Chemistry
