Science - Welliba

A new and holistic model of EX

Most current EX models are outdated or incomplete. Our model defines employee experience as ‘how people experience their work and life, which is the result of the interaction between their characteristics and their environment’. Our research has uncovered the intrinsic drivers of EX (self-insight) and mapped external contextual boosters and blockers (context insight) that influence EX.

The Welliba Index monitors EX and tracks its evolution over time.

The Index is shaped by a combination of internal factors (12 dimensions linked to a person) and external factors (7 dimensions linked to context). Organisations can use their dashboard to get more detailed information on all the dimensions underlying the Index. This enables organisations to understand why their Index score is evolving, to predict how it will change in the future, and to develop people initiatives to manage these changes and improve EX in a given context.

For more detail, you can download our whitepaper here.

Il modello di EX più valido e completo

Il nostro modello considera il modo in cui le persone vivono il loro lavoro e la loro vita, che è il risultato dell'interazione unica e dinamica tra le caratteristiche di una persona e il suo ambiente.

Nei modelli tradizionali, se si considerano il talento e la selezione si guarda alla persona, mentre quando si parla di ascolto e di engagement si guarda a ciò che accade nel contesto lavorativo.

Noi invece combiniamo entrambi, persona e contesto, per comprendere cosa facilita o ostacola l’EX e dare all’organizzazione, ai manager e ad ogni individuo l’opportunità di migliorarla.

Grazie a questo approccio i dati che forniamo all’azienda non si limitano a fare una fotografia del passato, ma guardano al futuro e consentono di prevedere le people metrics e i business outcomes più rilevanti, come il rischio di dimissioni, l'eNPS, la crescita, la carriera, la fiducia, l'assenteismo e la sicurezza psicologica.

Per altri dettagli puoi scaricare il nostro whitepaper qui.

La nostra intelligenza artificiale usa i dati generati da EX+ (il nostro Employee Experience Management System) e li integra con dati pubblici provenienti da database scientifici e di market intelligence accuratamente selezionati.

Tutti i dati vengono ricondotti sul nostro modello EX, per fornire una vista sempre completa e aggiornata di informazioni sull’EX per ogni Paese, settore, ruolo, livello di istruzione ecc. senza la necessità di sottoporre i dipendenti a una survey.

Scopri di più

I dipendenti forniscono indicazioni direttamente tramite il nostro breve questionario sulla Employee Experience o tramite interazioni quotidiane veloci (<1 min) con la nostra app.

Ogni persona riceve insight personalizzati, consigli e risorse per lo sviluppo, e l'organizzazione ottiene dati aggregati per avere un quadro completo dell'EX in tutta l'organizzazione.

Scopri di più

Il nostro modello di EX ci permette di prevedere people metrics e business outcomes, come il rischio di dimissioni, l'eNPS, la crescita, le carriere, la fiducia, l'assenteismo, il benessere fisico e la sicurezza psicologica. Piuttosto che guardare al passato, vi aiutiamo a cambiare il vostro futuro.

Per validare il legame tra il nostro modello e gli outcome rilevanti sono stati utilizzati campioni globali di dipendenti provenienti da ruoli, organizzazioni, settori, Paesi e gruppi demografici diversi. Abbiamo utilizzato analisi di regressione e correlazione per identificare il rapporto tra il modello Welliba e le metriche aziendali chiave che le organizzazioni faticano a prevedere.

In tal modo è possibile ottenere informazioni più complete sull'EX rispetto alle survey tradizionali, e realizzare iniziative che producano un ROI migliore e un impatto sostenibile.

Un modello di employee experience più completo, perché include la persona, il contesto in cui lavora e vive, e il modo in cui persona e contesto si influenzano a vicenda

Essere più centrati sull'utente, misurando l’employee experience come esperienza soggettiva a livello individuale e indirizzando gli interventi tenendo conto delle esigenze individuali

Misurazione continua utilizzando le ricerche sulla tecnologia persuasiva e sulla privacy per migliorare la qualità dei dati