Seurannan arvoiset keskeiset mittarit
Ette tarvitse data-analytiikkatiimiä hyötyäksenne HR-mittareista. Muutama hyvin valittu luku — henkilöstömäärä, vaihtuvuus, poissaolot, rekrytointiaika ja ehkä sitoutumismittari — kertoo useimmat asiat, joita tarvitsette trendien varhaiseen havaitsemiseen. Aloittakaa pienesti ja lisätkää mittareita vasta, kun tiedätte, mitä päätöstä kukin niistä tukee.
Jokaiselle mittarille tarvitaan selkeä ja johdonmukainen määritelmä. 'Vaihtuvuutta' voidaan mitata monin tavoin, ja 'poissaolot' voivat sisältää tai sulkea pois suunnitellut vapaat, joten sopikaa määritelmä kerran ja pitäytykää siinä. Epäjohdonmukaiset määritelmät ovat yleisin syy siihen, että HR-data ei ole luotettavaa.
Erottakaa mittarit, jotka kuvaavat menneisyyttä, ja ne, jotka vihjaavat tulevaan. Vaihtuvuus ja poissaolot ovat suurelta osin jälkijättöisiä indikaattoreita; sitoutumispisteet ja alkuvaiheen palautteet ovat enemmän ennakoivia, antaen teille mahdollisuuden toimia ennen kuin ongelmat kiteytyvät.
Vaihtuvuuden ymmärtäminen
Vaihtuvuus mittaa sitä nopeutta, jolla ihmiset lähtevät, yleensä lähtijöiden määränä tietyn ajanjakson aikana jaettuna keskimääräisellä henkilöstömäärällä. Se kannattaa jakaa vapaaehtoiseen ja tahattomaan vaihtuvuuteen sekä valitettaviin ja ei-valitettaviin lähtöihin, koska syyt ja korjaavat toimenpiteet ovat hyvin erilaisia.
Konteksti merkitsee valtavasti. Korkea luku ei ole automaattisesti huono — jonkin verran vaihtuvuutta on tervettä — eikä matala luku ole automaattisesti hyvä, jos se tarkoittaa, että pidätte huonosti suoriutuvia työntekijöitä. Vertailkaa omaan historiaanne ja varoen toimialan normeihin sen sijaan, että jahdaisitte mielivaltaista tavoitetta.
Kun vaihtuvuus huolestuttaa, pureutukaa kuvioon: keskittyykö se tiettyyn tiimiin, palvelusajan haaraan tai esihenkilöön? Alkuvaiheen lähtijät viittaavat usein rekrytointi- tai perehdytysongelmiin, kun taas pitkään palvelleiden poistuminen voi viitata etenemis- tai palkitsemisongelmiin.
Poissaolojen ymmärtäminen
Poissaolodata auttaa ymmärtämään sekä hyvinvointia että toiminnallista kapasiteettia. Yleisiä mittareita ovat poissaoloaste (menetetyn ajan osuus käytettävissä olevasta ajasta) ja frekvenssi (kuinka usein poissaoloja tapahtuu). Molempien seuraaminen erottaa muutaman pitkän tapauksen laajasta lyhyistä poissaoloista, jotka vaativat hyvin erilaisia toimia.
Poissaolot ovat arkaluonteisia. Sairastumistiedot ovat GDPR:n erityisiin henkilötietoryhmiin kuuluvia terveystietoja, joten niitä on käsiteltävä erityisen huolellisesti, säilytettävä turvallisesti ja jaettava vain tiukan tarpeen perusteella. Analysoikaa niitä mahdollisuuksien mukaan koontitasolla sen sijaan, että tarkastelisitte yksilöitä.
Käyttäkää poissaolotietoja tukevasti, ei rangaistuksena. Kuviot voivat nostaa esiin ihmiset, jotka tarvitsevat tukea — terveyden, työkuorman tai työjärjestelyjen osalta — ja voivat paljastaa laajempia ongelmia, kuten epärealistisen henkilöstömitoituksen. Kovaotteinen poissaololukujen käyttö nakertaa luottamusta ja voi lisätä vammaissyrjinnän riskejä, jos taustalla on sairaus.
Hyödyllisten mittaristojen rakentaminen
Mittariston tulisi vastata kysymyksiin, ei ainoastaan näyttää lukuja. Ennen sen rakentamista päättäkää, kuka sitä käyttää ja mitä päätöksiä sen tulee tukea, ja näyttäkää sitten vain niitä mittareita, jotka liittyvät näihin päätöksiin. Sekava mittaristo, jota kukaan ei lue, on huonompi kuin yksi hyvin valittu kaavio.
Näyttäkää trendit ajan myötä eikä erillisiä otoksia. Yhden kuukauden luku kertoo vähän; kahdentoista kuukauden viiva paljastaa suunnan ja kausivaihtelun. Lisätkää selkokielinen selitys, jotta yleisö ymmärtää, mitä luvut tarkoittavat ja mitä niille, jos mitään, pitäisi tehdä.
Pitääksenne mittaristot rehellisinä. Vastustakaa kiusausta esittää imartelevia lukuja valikoivasti tai vihjata syy-seuraussuhteesta korrelaation perusteella. HR-data ohjaa harkintaa; se ei korvaa sitä, ja lukujen todistaman asian liioittelu heikentää uskottavuutta.
Datan laatu ja GDPR
Raportit ovat vain niin hyviä kuin taustadata. Jos tiedot ovat puutteellisia tai epäjohdonmukaisia, mikään visualisointi ei tee johtopäätöksistä luotettavia. Panostaminen puhtaaseen, johdonmukaisesti syötettyyn dataan — mieluiten yhdestä järjestelmästä eikä hajanaisista taulukoista — maksaa itsensä takaisin jokaisessa tuottamassanne raportissa.
Raportoinnin on kunnioitettava tietosuojaperiaatteita. Käyttäkää vähimmäismäärää henkilötietoja, yhdisteläkää ja anonymisoikaa, missä voitte, rajoittakaa käyttö niille, jotka aidosti tarvitsevat sitä, ja olkaa avoimia henkilöstölle siitä, miten heidän tietonsa vaikuttavat päätöksiin. Analytiikka, joka hiljaisesti profiloi yksilöitä ilman laillista perustetta ja selvää perustelua, sisältää todellisen GDPR-riskin.
