Základní metriky, které stojí za sledování
Nemusíte mít tým datové vědy, abyste měli z HR metrik užitek. Několik dobře zvolených čísel — počet zaměstnanců, fluktuace, absence, doba náboru a snad i ukazatel zapojení — vám řekne většinu toho, co potřebujete k včasnému odhalení trendů. Začněte v malém a přidávejte metriky jen tehdy, když víte, jaké rozhodnutí má každá z nich podpořit.
Každá metrika potřebuje jasnou a konzistentní definici. 'Fluktuace' může být měřena mnoha způsoby a 'absence' může zahrnovat nebo vylučovat plánovanou dovolenou, proto se jednou dohodněte na definici a držte se jí. Nekonzistentní definice jsou nejčastějším důvodem, proč se HR data stávají nedůvěryhodnými.
Rozlišujte mezi metrikami, které popisují minulost, a těmi, které naznačují budoucnost. Fluktuace a absence jsou převážně zpožděné ukazatele; skóre zapojení a zpětná vazba z raného období zaměstnání jsou spíše předstihové, takže vám dávají šanci jednat dříve, než se problémy upevní.
Porozumění fluktuaci
Fluktuace měří míru, s níž lidé odcházejí, obvykle vyjádřenou jako počet odchodů za určité období dělený průměrným počtem zaměstnanců. Vyplatí se ji rozdělit na dobrovolnou a nedobrovolnou fluktuaci a na lítost vyvolávající a nelítost vyvolávající odchody, protože příčiny i nápravná opatření jsou zcela odlišná.
Kontext je nesmírně důležitý. Vysoká hodnota není automaticky špatná — určitá fluktuace je zdravá — a nízká hodnota není automaticky dobrá, pokud znamená, že si ponecháváte pracovníky s nízkým výkonem. Porovnávejte ji s vlastní historií a opatrně i se sektorovými normami, místo abyste usilovali o svévolně stanovený cíl.
Pokud je odchodovost důvodem k obavám, podívejte se hlouběji na vzorec: soustřeďuje se v určitém týmu, pásmu délky působení nebo u určitého manažera? Odchody zaměstnanců v rané fázi působení často ukazují na problémy s náborem nebo zaškolením, zatímco odchody u dlouholetých pracovníků mohou signalizovat potíže s postupem nebo odměňováním.
Pochopení absence
Data o absenci vám pomohou porozumět jak pohodě zaměstnanců, tak provozní kapacitě. Mezi běžné ukazatele patří míra absence (ztracený čas jako podíl dostupného času) a četnost (jak často absence nastávají). Sledování obou ukazatelů odlišuje několik dlouhodobých případů od rozsáhlé krátkodobé absence, které vyžadují velmi odlišné reakce.
Absence je citlivá záležitost. Údaje o nemoci jsou zvláštní kategorií zdravotních údajů podle GDPR, proto s nimi musí být nakládáno mimořádně opatrně, musí být bezpečně uchovávány a sdíleny pouze na přísném základě potřeby znát. Analyzujte je pokud možno na souhrnné úrovni, místo abyste prověřovali jednotlivce.
Používejte data o absenci podpůrně, nikoli represivně. Vzorce mohou upozornit na lidi, kteří potřebují podporu — v oblasti zdraví, pracovní zátěže nebo pracovního uspořádání — a mohou odhalit i širší problémy, například nereálné personální obsazení. Tvrdé používání údajů o absenci podkopává důvěru a může zvyšovat riziko diskriminace na základě zdravotního postižení, pokud je ve hře základní zdravotní stav.
Tvorba užitečných dashboardů
Dashboard by měl odpovídat na otázky, nikoli pouze zobrazovat čísla. Než jej vytvoříte, rozhodněte, kdo jej bude používat a jaká rozhodnutí má podporovat, a pak zobrazte pouze metriky relevantní pro tato rozhodnutí. Nepřehledný dashboard, který nikdo nečte, je horší než jediný vhodně zvolený graf.
Zobrazujte trendy v čase, nikoli izolované snímky. Jediná měsíční hodnota vám řekne málo; průběh za dvanáct měsíců odhalí směr a sezónnost. Doplňte to komentářem v běžném jazyce, aby publikum rozumělo, co čísla znamenají a co s nimi, pokud vůbec něco, dělat.
Udržujte dashboardy poctivé. Odolejte pokušení selektivně prezentovat lichotivé údaje nebo naznačovat příčinnou souvislost z korelace. Údaje v HR napomáhají úsudku; nenahrazují jej a přeceňování toho, co čísla dokazují, podkopává důvěryhodnost.
Kvalita dat a GDPR
Reporty jsou jen tak kvalitní, jako jsou podkladová data. Pokud jsou záznamy neúplné nebo nekonzistentní, žádná míra vizualizace neudělá závěry spolehlivými. Investice do čistých, konzistentně zadávaných dat — ideálně z jednoho systému místo rozptýlených tabulek — se vyplácí ve všech reportech, které vytváříte.
Reporting musí respektovat zásady ochrany osobních údajů. Používejte minimum nezbytných osobních údajů, kde je to možné, údaje agregujte a anonymizujte, omezte přístup pouze na ty, kteří je skutečně potřebují, a buďte vůči zaměstnancům transparentní ohledně toho, jak jejich data ovlivňují rozhodování. Analytika, která nepozorovaně profiluje jednotlivce bez právního základu a jasného odůvodnění, nese skutečné riziko podle GDPR.
