Οι βασικές μετρικές που αξίζει να παρακολουθείτε
Δεν χρειάζεστε ομάδα data science για να ωφεληθείτε από τις μετρικές HR. Μερικοί προσεκτικά επιλεγμένοι αριθμοί — συνολικός αριθμός προσωπικού, αποχώρηση, απουσίες, χρόνος πρόσληψης και ίσως ένα μέτρο εμπλοκής — σας λένε τα περισσότερα από όσα χρειάζεται να δείτε για να εντοπίζετε νωρίς τάσεις. Ξεκινήστε μικρά και προσθέτετε μετρικές μόνο όταν γνωρίζετε ποια απόφαση θα ενημερώνει η καθεμία.
Κάθε μετρική χρειάζεται σαφή, συνεπή ορισμό. Η «αποχώρηση» μπορεί να μετρηθεί με πολλούς τρόπους και η «απουσία» μπορεί να περιλαμβάνει ή να εξαιρεί προγραμματισμένη άδεια, οπότε συμφωνήστε μία φορά στον ορισμό και τηρήστε τον. Οι ασυνεπείς ορισμοί είναι ο συνηθέστερος λόγος που τα δεδομένα HR γίνονται αναξιόπιστα.
Διακρίνετε μεταξύ μετρικών που περιγράφουν το παρελθόν και εκείνων που υποδηλώνουν το μέλλον. Η αποχώρηση και οι απουσίες είναι κυρίως υστερούσες ενδείξεις· οι βαθμολογίες εμπλοκής και η ανατροφοδότηση κατά τα πρώτα έτη είναι περισσότερο προπορευόμενες, δίνοντάς σας την ευκαιρία να δράσετε πριν τα προβλήματα παγιωθούν.
Κατανόηση της αποχώρησης
Η αποχώρηση μετρά τον ρυθμό με τον οποίο φεύγουν οι άνθρωποι, συνήθως εκφραζόμενο ως αποχωρήσεις σε μια περίοδο διαιρεμένες με τον μέσο αριθμό εργαζομένων. Αξίζει να διαχωρίζεται σε εθελοντική και ακούσια αποχώρηση, καθώς και σε επιθυμητές και μη επιθυμητές αποχωρήσεις, επειδή οι αιτίες και οι λύσεις διαφέρουν σημαντικά.
Το πλαίσιο έχει τεράστια σημασία. Ένα υψηλό ποσοστό δεν είναι αυτόματα κακό — κάποια κινητικότητα είναι υγιής — και ένα χαμηλό ποσοστό δεν είναι αυτόματα καλό αν σημαίνει ότι διατηρείτε χαμηλής απόδοσης εργαζομένους. Συγκρίνετε με το δικό σας ιστορικό και, με προσοχή, με τα συνήθη του κλάδου αντί να κυνηγάτε έναν αυθαίρετο στόχο.
Όπου η αποχώρηση αποτελεί ανησυχία, εμβαθύνετε στο μοτίβο: συγκεντρώνεται σε συγκεκριμένη ομάδα, κλίμακα αρχαιότητας ή προϊστάμενο/η; Οι αποχωρούντες κατά τα πρώτα έτη συχνά υποδεικνύουν προβλήματα στην πρόσληψη ή στην ένταξη, ενώ οι αποχωρήσεις μεταξύ μακροχρόνιων εργαζομένων μπορεί να σηματοδοτούν θέματα εξέλιξης ή ανταμοιβής.
Κατανόηση των απουσιών
Τα δεδομένα απουσιών σας βοηθούν να κατανοήσετε τόσο την ευημερία όσο και τη λειτουργική ικανότητα. Συνήθη μέτρα περιλαμβάνουν το ποσοστό απουσιών (χαμένος χρόνος ως αναλογία του διαθέσιμου χρόνου) και τη συχνότητα (πόσο συχνά συμβαίνουν οι απουσίες). Η παρακολούθηση και των δύο διακρίνει λίγες μακροχρόνιες περιπτώσεις από εκτεταμένες βραχυχρόνιες απουσίες, οι οποίες απαιτούν πολύ διαφορετικές απαντήσεις.
Οι απουσίες είναι ευαίσθητες. Τα δεδομένα ασθενείας είναι δεδομένα υγείας ειδικής κατηγορίας βάσει του GDPR, επομένως πρέπει να αντιμετωπίζονται με ιδιαίτερη προσοχή, να φυλάσσονται με ασφάλεια και να κοινοποιούνται μόνο σε αυστηρά αναγκαία βάση. Αναλύετέ τα στο μέτρο του δυνατού σε συγκεντρωτικό επίπεδο αντί να εξετάζετε μεμονωμένα άτομα.
Χρησιμοποιείτε τα δεδομένα απουσιών υποστηρικτικά, όχι τιμωρητικά. Τα μοτίβα μπορούν να υποδείξουν ανθρώπους που χρειάζονται υποστήριξη — με την υγεία, τον φόρτο εργασίας ή τις ρυθμίσεις εργασίας — και μπορούν να αποκαλύψουν ευρύτερα προβλήματα όπως η μη ρεαλιστική στελέχωση. Η σκληρή χρήση των στοιχείων απουσιών διαβρώνει την εμπιστοσύνη και μπορεί να εγείρει κινδύνους διάκρισης λόγω αναπηρίας όταν εμπλέκεται υποκείμενη κατάσταση.
Δημιουργία χρήσιμων ταμπλό
Ένα ταμπλό θα πρέπει να απαντά σε ερωτήματα, όχι απλώς να εμφανίζει αριθμούς. Πριν κατασκευάσετε ένα, αποφασίστε ποιος θα το χρησιμοποιεί και ποιες αποφάσεις θα πρέπει να υποστηρίζει, και έπειτα εμφανίστε μόνο τις μετρικές που είναι σχετικές με αυτές τις αποφάσεις. Ένα φορτωμένο ταμπλό που κανείς δεν διαβάζει είναι χειρότερο από ένα μόνο καλά επιλεγμένο γράφημα.
Εμφανίζετε τάσεις με την πάροδο του χρόνου αντί για απομονωμένα στιγμιότυπα. Ένα μόνο στοιχείο ενός μήνα σας λέει λίγα· μια γραμμή δώδεκα μηνών αποκαλύπτει κατεύθυνση και εποχικότητα. Προσθέστε σχόλια σε απλή γλώσσα ώστε το κοινό να κατανοεί τι σημαίνουν οι αριθμοί και τι, αν κάτι, πρέπει να γίνει γι' αυτούς.
Διατηρείτε τα ταμπλό ειλικρινή. Αντιστέκεστε στον πειρασμό να παρουσιάζετε επιλεκτικά ευνοϊκά στοιχεία ή να υπονοείτε αιτιότητα από συσχέτιση. Τα δεδομένα HR καθοδηγούν την κρίση· δεν την αντικαθιστούν, και η υπερβολή ως προς το τι αποδεικνύουν οι αριθμοί υπονομεύει την αξιοπιστία.
Ποιότητα δεδομένων και GDPR
Οι αναφορές είναι τόσο καλές όσο και τα υποκείμενα δεδομένα. Εάν τα αρχεία είναι ελλιπή ή ασυνεπή, καμία ποσότητα οπτικοποίησης δεν θα κάνει τα συμπεράσματα αξιόπιστα. Η επένδυση σε καθαρά, με συνέπεια καταχωρισμένα δεδομένα — ιδανικά από ένα ενιαίο σύστημα και όχι από διάσπαρτα υπολογιστικά φύλλα — αποδίδει σε κάθε αναφορά που παράγετε.
Η αναφορά πρέπει να σέβεται τις αρχές προστασίας δεδομένων. Χρησιμοποιείτε το ελάχιστο αναγκαίο προσωπικό δεδομένο, συγκεντρώνετε και ανωνυμοποιείτε όπου μπορείτε, περιορίζετε την πρόσβαση σε όσους το χρειάζονται πραγματικά και είστε διαφανείς με το προσωπικό σχετικά με το πώς τα δεδομένα του ενημερώνουν τις αποφάσεις. Η ανάλυση που καταρτίζει αθόρυβα προφίλ ατόμων χωρίς νόμιμη βάση και σαφή αιτιολόγηση ενέχει πραγματικό κίνδυνο GDPR.
