De centrale målepunkter, der er værd at følge
De behøver ikke et data science-team for at få gavn af HR-målinger. En håndfuld velvalgte tal — antal medarbejdere, personaleomsætning, fravær, tid til ansættelse og måske et engagementsmål — fortæller Dem det meste af, hvad De behøver for tidligt at opdage tendenser. Start småt og tilføj kun målinger, når De ved, hvilken beslutning hver enkelt skal informere.
Hver måling har brug for en klar og konsekvent definition. 'Turnover' kan måles på mange måder, og 'absence' kan omfatte eller udelukke planlagt ferie, så aftal definitionen én gang og hold fast i den. Inkonsekvente definitioner er den mest almindelige årsag til, at HR-data bliver upålidelige.
Skeln mellem målinger, der beskriver fortiden, og dem, der antyder fremtiden. Personaleomsætning og fravær er i høj grad bagudskuende indikatorer; engagementsscorer og feedback fra de første ansættelsesmåneder er mere fremadskuende og giver Dem en mulighed for at handle, før problemerne sætter sig fast.
Forståelse af personaleomsætning
Måling af medarbejderafgang viser, hvor hurtigt folk forlader virksomheden, normalt udtrykt som fratrådte over en periode divideret med gennemsnitligt antal ansatte. Det er værd at opdele i frivillig og ufrivillig afgang samt i beklagede og ikke-beklagede fratrædelser, fordi årsagerne og løsningerne er ganske forskellige.
Konteksten betyder enormt meget. En høj værdi er ikke automatisk dårlig — en vis udskiftning er sund — og en lav værdi er ikke automatisk god, hvis det betyder, at De fastholder medarbejdere, der ikke præsterer. Sammenlign med Deres egen historie og forsigtigt med sektornormer i stedet for at jagte et vilkårligt mål.
Hvor personaleomsætning er et problem, bør De undersøge mønsteret: er den koncentreret i et bestemt team, anciennitetsniveau eller hos en bestemt leder? Medarbejdere, der forlader virksomheden tidligt, peger ofte på problemer med rekruttering eller onboarding, mens afgang blandt medarbejdere med lang anciennitet kan signalere problemer med udvikling eller belønning.
Forståelse af fravær
Fraværsdata hjælper Dem med at forstå både trivsel og driftskapacitet. Almindelige mål omfatter fraværsprocenten (tid tabt som andel af tilgængelig tid) og hyppighed (hvor ofte fravær opstår). Ved at følge begge dele kan De skelne mellem få langvarige tilfælde og udbredt kortvarigt fravær, som kræver meget forskellige reaktioner.
Fravær er følsomt. Sygdomsdata er særlige kategorier af helbredsdata i henhold til GDPR, så de skal håndteres med særlig omhu, opbevares sikkert og kun deles efter et strengt behov for at vide. Analysér dem så vidt muligt på et aggregeret niveau i stedet for at granske enkeltpersoner.
Brug fraværsdata støttende, ikke straforienteret. Mønstre kan flagge personer, der har brug for støtte — med helbred, arbejdsbyrde eller arbejdsordninger — og kan afsløre bredere problemer såsom urealistisk bemanding. Hård brug af fraværsoplysninger undergraver tillid og kan øge risikoen for handicapdiskrimination, hvor der er en underliggende tilstand involveret.
Opbygning af nyttige dashboards
Et dashboard skal besvare spørgsmål, ikke blot vise tal. Før De bygger et, skal De beslutte, hvem der skal bruge det, og hvilke beslutninger det skal understøtte, og derefter kun vise de målepunkter, der er relevante for disse beslutninger. Et rodet dashboard, som ingen læser, er værre end ét velvalgt diagram.
Vis tendenser over tid frem for isolerede øjebliksbilleder. Et enkelt måneds tal siger Dem lidt; en kurve over tolv måneder afslører retning og sæsonvariation. Tilføj kommentarer i almindeligt sprog, så målgruppen forstår, hvad tallene betyder, og hvad der eventuelt skal gøres ved dem.
Hold dashboards ærlige. Modstå fristelsen til selektivt at præsentere flatterende tal eller til at antyde kausalitet ud fra korrelation. HR-data guider dømmekraften; den erstatter den ikke, og overdrivelse af, hvad tallene beviser, underminerer troværdigheden.
Datakvalitet og GDPR
Rapporter er kun så gode som de underliggende data. Hvis optegnelser er ufuldstændige eller inkonsistente, vil ingen mængde visualisering gøre konklusionerne pålidelige. Investering i rene, konsekvent indtastede data — helst fra et enkelt system frem for spredte regneark — betaler sig i alle de rapporter, De producerer.
Rapportering skal respektere databeskyttelsesprincipperne. Brug det minimale nødvendige antal personoplysninger, aggreger og anonymisér hvor De kan, begræns adgangen til dem, der reelt har behov for det, og vær transparent over for medarbejderne om, hvordan deres data informerer beslutninger. Analyse, der stille profilerer enkeltpersoner uden lovligt grundlag og klar begrundelse, indebærer reel GDPR-risiko.
