Negli ultimi anni l’evoluzione delle tecnologie digitali e l’enorme quantità di dati generati hanno portato alla diffusione della People Analytics nell’ambito delle risorse umane. Questa tecnica si concentra sull’utilizzo degli algoritmi e degli strumenti al fine di comprendere, misurare ed ottimizzare il rendimento e il coinvolgimento dei dipendenti, al fine di supportare la presa di decisioni strategiche all’interno delle organizzazioni. Tuttavia, l’applicazione della People Analytics ha suscitato alcune preoccupazioni riguardo alla privacy del lavoratore. La complessità deriva dalla necessità di bilanciare l’obiettivo di migliorare l’efficienza e l’efficacia delle organizzazioni con il rispetto dei diritti fondamentali dei dipendenti. Infatti, le aziende devono garantire la trasparenza nella raccolta dei dati, informando i dipendenti sui dati raccolti e su come saranno utilizzati, garantendo il rispetto del GDPR e dello Statuto dei Lavoratori. Le criticità emergono quando i dati personali vengono utilizzati in modo inappropriato o discriminatorio. Difatti, l’analisi dei dati può portare a stereotipi, pregiudizi o trattamenti ingiusti nei confronti dei lavoratori. Inoltre, l’accesso non autorizzato o la violazione delle misure di sicurezza possono comportare gravi conseguenze per la privacy del lavoratore. Questa tesi ha l’intento principale di analizzare sia le opportunità offerte dall’analisi dei dati delle risorse umane ma anche la preoccupazione che risiede nel ledere la privacy del lavoratore. Solo attraverso un approccio equilibrato e responsabile verso l’utilizzo dei dati personali dei dipendenti, le organizzazioni potranno massimizzare i benefici della People Analytics mantenendo un adeguato rispetto della privacy.

Privacy del lavoratore e People Analytics: complessità e criticità.

CELLEGHIN, ANNA GIORGIA
2022/2023

Abstract

Negli ultimi anni l’evoluzione delle tecnologie digitali e l’enorme quantità di dati generati hanno portato alla diffusione della People Analytics nell’ambito delle risorse umane. Questa tecnica si concentra sull’utilizzo degli algoritmi e degli strumenti al fine di comprendere, misurare ed ottimizzare il rendimento e il coinvolgimento dei dipendenti, al fine di supportare la presa di decisioni strategiche all’interno delle organizzazioni. Tuttavia, l’applicazione della People Analytics ha suscitato alcune preoccupazioni riguardo alla privacy del lavoratore. La complessità deriva dalla necessità di bilanciare l’obiettivo di migliorare l’efficienza e l’efficacia delle organizzazioni con il rispetto dei diritti fondamentali dei dipendenti. Infatti, le aziende devono garantire la trasparenza nella raccolta dei dati, informando i dipendenti sui dati raccolti e su come saranno utilizzati, garantendo il rispetto del GDPR e dello Statuto dei Lavoratori. Le criticità emergono quando i dati personali vengono utilizzati in modo inappropriato o discriminatorio. Difatti, l’analisi dei dati può portare a stereotipi, pregiudizi o trattamenti ingiusti nei confronti dei lavoratori. Inoltre, l’accesso non autorizzato o la violazione delle misure di sicurezza possono comportare gravi conseguenze per la privacy del lavoratore. Questa tesi ha l’intento principale di analizzare sia le opportunità offerte dall’analisi dei dati delle risorse umane ma anche la preoccupazione che risiede nel ledere la privacy del lavoratore. Solo attraverso un approccio equilibrato e responsabile verso l’utilizzo dei dati personali dei dipendenti, le organizzazioni potranno massimizzare i benefici della People Analytics mantenendo un adeguato rispetto della privacy.
2022
Workers' Privacy and People Analytics: complexities and critical issues.
privacy
people analytics
datificazione
File in questo prodotto:
File Dimensione Formato  
Celleghin_AnnaGiorgia.pdf

accesso riservato

Dimensione 959.73 kB
Formato Adobe PDF
959.73 kB Adobe PDF

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/55609