Personaledata og analyse • 8 MIN. LÆSETID
Forudsigende HR-analyse: fra bagudblik til fremadblik
JUN 10, 2026
De fleste HR-rapporter fortæller jer, hvad der er sket. Forudsigende analyse fortæller jer, hvad der sandsynligvis vil ske næste gang. Her er, hvordan I foretager skiftet.
Forskellen mellem beskrivende og forudsigende analyse
Beskrivende analyse besvarer spørgsmålet: hvad skete der? Jeres månedlige medarbejderantalrapport, personaleomsætningsrate og fraværsdata er alle beskrivende. De fortæller jer om fortiden og er værdifulde til at følge tendenser. Forudsigende analyse besvarer spørgsmålet: hvad er sandsynligt at ske? En forudsigende frafaldsmodel identificerer medarbejdere med øget risiko for frivillig fratræden, før de siger op. En forudsigende fraværsmodel markerer teams med mønstre, der tyder på et begyndende fraværsproblem. Skelnen er vigtig, fordi beskrivende analyse viser jer problemerne, efter de er opstået; forudsigende analyse giver jer mulighed for at gribe ind, før de gør det.
Kom godt i gang med forudsigende analyse
You do not need a data science team to begin. The first step is accumulating enough historical data in a single system (your HRIS) to identify meaningful patterns. The most accessible predictive model for most HR teams is a flight risk model: identify the characteristics that historically preceded voluntary departures in your organisation. Tenure, time since last pay review, time since last promotion, engagement score trend, and manager quality score are common predictors. Once you have identified the pattern, you can flag employees who match the profile for a proactive retention conversation.
