המדדים המרכזיים שכדאי לעקוב אחריהם
אין צורך בצוות דאטה-סיינס כדי להפיק תועלת ממדדי HR. קומץ מספרים שנבחרו היטב — מצבת עובדים, עזיבה, היעדרות, זמן עד גיוס ואולי מדד מחוברות — מספרים לכם את רוב מה שצריך כדי לזהות מגמות מוקדם. התחילו בקטן והוסיפו מדדים רק כאשר אתם יודעים איזו החלטה כל אחד מהם יסייע ליידע.
כל מדד זקוק להגדרה ברורה ועקבית. 'עזיבה' יכולה להימדד במגוון דרכים, ו'היעדרות' יכולה לכלול או לא לכלול חופשה מתוכננת, לכן יש להסכים על ההגדרה פעם אחת ולהיצמד אליה. הגדרות לא עקביות הן הסיבה הנפוצה ביותר לכך שנתוני HR הופכים ללא אמינים.
יש להבחין בין מדדים המתארים את העבר לבין כאלה המרמזים על העתיד. עזיבה והיעדרות הן ברובן אינדיקטורים מפגרים; ציוני מחוברות ומשוב בתחילת הוותק הם יותר מובילים, ומעניקים לכם הזדמנות לפעול לפני שהבעיות מתקבעות.
הבנת עזיבה
תחלופה מודדת את הקצב שבו אנשים עוזבים, ובדרך כלל מבוטאת כעוזבים בתקופה חלקי ממוצע המצבה. כדאי לפצל אותה לתחלופה וולונטרית ולא-וולונטרית, וכן לעזיבות מצערות ולעזיבות שאינן מצערות, משום שהגורמים והפתרונות שונים מאוד.
הקשר הוא קריטי. נתון גבוה אינו בהכרח רע — מעט תחלופה היא בריאה — ונתון נמוך אינו בהכרח טוב אם פירושו שאתם משמרים עובדים לא מתפקדים. השוו להיסטוריה שלכם, ובזהירות גם לנורמות הענפיות, במקום לרדוף אחרי יעד שרירותי.
כאשר עזיבה היא מקור לדאגה, יש לצלול אל הדפוס: האם היא מרוכזת בצוות מסוים, בטווח ותק או במנהל מסוים? עוזבים בתחילת הוותק מצביעים לעיתים קרובות על בעיות בגיוס או בקליטה, בעוד שעזיבות בקרב עובדים ותיקים עשויות לאותת על בעיות בקידום או בתגמול.
הבנת היעדרות
נתוני היעדרות עוזרים להבין גם רווחה וגם קיבולת תפעולית. מדדים נפוצים כוללים את שיעור ההיעדרות (זמן שאבד כאחוז מהזמן הזמין) ואת התדירות (כמה פעמים מתרחשות היעדרויות). מעקב אחר שניהם מבחין בין כמה מקרים ארוכי טווח לבין היעדרות קצרה ורחבה, הדורשים תגובות שונות מאוד.
היעדרות היא תחום רגיש. נתוני מחלה הם נתוני בריאות בקטגוריה מיוחדת לפי ה-GDPR, ולכן יש לטפל בהם בזהירות מיוחדת, לשמור על אבטחתם ולשתף אותם רק לפי צורך לדעת מחמיר. יש לנתח אותם ברמה מצטברת בכל מקום שבו הדבר אפשרי, ולא לבחון יחידים.
יש להשתמש בנתוני היעדרות באופן תומך, לא עונשי. דפוסים יכולים להתריע על אנשים הזקוקים לתמיכה — בבריאות, בעומס עבודה או בסידורי העבודה — ויכולים לחשוף בעיות רחבות יותר כגון אי-ספיקה בכוח אדם. שימוש כוחני בנתוני היעדרות שוחק אמון ועלול להעלות סיכוני אפליה על רקע מוגבלות כאשר מעורב מצב רפואי בסיסי.
בניית לוחות מחוונים שימושיים
לוח מחוונים צריך לענות על שאלות, לא רק להציג מספרים. לפני בנייתו, יש להחליט מי ישתמש בו ואילו החלטות עליו לתמוך, ואז להציג רק את המדדים הרלוונטיים לאותן החלטות. לוח מחוונים עמוס שאיש אינו קורא גרוע יותר ממסך יחיד שנבחר היטב.
יש להציג מגמות לאורך זמן ולא תמונות מצב מבודדות. נתון של חודש אחד אומר מעט; קו על פני שנים עשר חודשים חושף כיוון ועונתיות. הוסיפו פרשנות בשפה פשוטה כדי שהקהל יבין מה המשמעות של המספרים ומה, אם בכלל, יש לעשות לגביהם.
יש לשמור על כנות בלוחות המחוונים. יש להתנגד לפיתוי להציג באופן סלקטיבי נתונים מחמיאים או לרמוז לסיבתיות מתוך מתאם. נתוני HR מנחים שיקול דעת; הם אינם מחליפים אותו, והפרזה במה שהמספרים מוכיחים פוגעת באמינות.
איכות נתונים ו-GDPR
דוחות טובים רק כמו הנתונים שבבסיסם. אם הרשומות אינן מלאות או שאינן עקביות, שום כמות של ויזואליזציה לא תהפוך את המסקנות לאמינות. השקעה בנתונים נקיים ונרשמים בעקביות — רצוי ממערכת יחידה ולא מגיליונות מפוזרים — משתלמת בכל דוח שמפיקים.
הדיווח חייב לכבד עקרונות הגנת נתונים. יש להשתמש במינימום המידע האישי הנדרש, לאגד ולהאנונימיזציה היכן שניתן, להגביל גישה לאלה שבאמת זקוקים לכך, ולהיות שקופים עם העובדים לגבי האופן שבו הנתונים שלהם משפיעים על החלטות. אנליטיקה שמבצעת פרופיילינג שקט ליחידים ללא בסיס חוקי והצדקה ברורה נושאת סיכון GDPR ממשי.
