HR-analytiikka: avaimet kasvuun ja tenhoa tuottavuuteen?

Monissa organisaatioissa on hyödynnetty ja analysoitu dataa jo pitkään. Tämä on kuitenkin monessa tapauksessa kohdentunut muihin kuin HR-toimintoihin liittyviin asioihin ja henkilöstöä ja ilmapiiriä on mitattu hyvin perinteisin operatiivisin mittaustavoin, kuten tarkastelemalla vaihtuvuutta ja työtyytyväisyyttä. HR- ja palkkajärjestelmien dataa on vähitellen kuitenkin alettu yhdistellä esimerkiksi markkina- ja talousdataan. Näin on kyetty luomaan aitoa analytiikkaa, jota tulkitsemalla voidaan esimerkiksi nähdä, ketkä organisaatiossa ovat seuraavia potentiaalisia lähtijöitä, tai miten työtyytyväisyys ja sitoutuminen vaikuttaa tulokseen ja asiakaskokemukseen.

Työelämä on digitalisaation myötä valtavassa murroksessa. Työn tekeminen ja työsuhteet muuttuvat eivätkä perinteiset menetelmät enää riitä, kun henkilöstöä ja henkilöstöön liittyvää dataa analysoidaan.

Tutkimusten mukaan tyytyväiset työntekijät ovat lähes kaksi kertaa tuottavampia kuin tyytymättömät. Voidaan siis todeta, että hyvää tulosta tekevissä yrityksissä on keskimäärin tyytyväiset työntekijät sekä matalat sairauskulut. Silti organisaatioissa pyritään usein viilaamaan prosesseja ja vähentämään poissaoloja, kun suurin vaikutus saataisiin siitä, että työntekijät voivat paremmin ja tuovat yritykselle lisää liiketoimintaa.

HR-data ja sen analysointi ei ole pelkästään isojen yritysten hyöty, vaan siitä hyötyvät myös pienemmät yritykset. Maailmalla suurimmissa yrityksissä henkilöstöön liittyvän datan analysointi on nostanut päätään jo useamman vuoden ajan. Sen hyödyntämisen vaikutuksista ja tuloksista löytyy paljon erilaisia artikkeleita, törmäsimme LinkedInissa top 40 listaan suositelluista artikkeleista aiheeseen liittyen.

Koostimme artikkeleiden perusteella 8 tärkeintä analytiikkaan ja dataan liittyvää näkökulmaa:

1. Liiketoiminta edellä ja ne oikeat kysymykset

Henkilöstöön ja organisaatioon liittyvä data on kultakaivos, mutta mistä aloittaa? Analytiikan veturina on liiketoiminta ja kyky esittää oikeat kysymykset analytiikalle. Kysymykset voivat liittyä mm. osaamiseen, suoriutumiseen, luonteenpiirteisiin tai työtyytyväisyyteen. Esimerkiksi jos yritys pyrkii kasvattamaan tuottavuutta keskittämisen kautta, pitää asettaa esimerkiksi seuraavanlaisia hypoteeseja: Onko toiset yksiköt tuottavampia kuin toiset? Vaikuttavatko koulutukset tuottavuuteen? Mistä suoriutuvimmat henkilöt tulevat?

Kun dataa analysoidaan hypoteeseihin vastaten, löydetään ne avaintekijät, jotka tuottavuuteen vaikuttavat, ja kannattaako toimintoja keksittää tuottavuuden näkökulmasta vai ei.

Perinteiset mittarit henkilömääristä, vaihtuvuudesta ja poissaoloista eivät kerro vastauksia näihin kysymyksiin, vaan tähän tarvitaan tietoa ihmisen osaamis-profiileista, taustoista, tavoitteista, motiiveista ja monesta muusta tiedosta, jota ei välttämättä tällä hetkellä analysoida kuin pari kertaa vuodessa, jos ollenkaan.

2. Datastrategia tuo datan saataville

Ennen analysointia tarvitaan datastrategia, sillä kaikkea dataa, jota tarvitaan liiketoiminnan kysymyksiin vastaamiseksi ei välttämättä ole. Erilaisista järjestelmistä voidaan saada jonkin verran dataa, mutta ei välttämättä kaikkea. Kaikkea dataa ei myöskään tarvitse omistaa itse, joskus on hyvä yhdistää olemassa olevaan dataan markkinoilta saatavilla olevaa dataa. Avoimet datalähteet ovat yleistyneet vauhdilla, niiden hyödyntämisestä voidaan saada suurta hyötyä, ilman suurempia investointeja. Myös maksullisista datalähteistä voidaan saada vastauksia kysymyksiin.

Datastrategiassa tulee myös huomioida datan eettisyys, käyttöstrategia ja turvallisuus. Kun kohdealueena on henkilöstöön liittyvä data, datan turvallinen ja läpinäkyvä käyttö on ensiarvoisen tärkeää.

3. Analysointi ja oikeat toimenpiteet

Analysoinnissa käytettävä data on harvoin täydellistä, tuoretta tai eheää. Nämä asiat pitää huomioida, kun tulkitaan tuloksia ja annetaan toimenpidesuosituksia dataan nojaten.

Analysoinnin perusteella tehtyjä toimenpiteiden onnistumista tai vaikutusta pitää myös mitata, jotta osataan muuttaa suuntaa aina tarpeen mukaan.  Datan avulla voidaan johtaa helposti vääriin lopputuloksiin, jos dataa ei riittävästi ymmärretä.

Esimerkiksi tyypillisesti suuryritysjohtajat ovat miehiä, ja jos historiadatan perusteella tehdään analyysia seuraavasta johtaja, voi analyysin perusteella korostua sukupuoli. On siis ensiarvoisen tärkeää ymmärtää dataa sekä esitettyjä hypoteeseja.

4. Henkilöstö keskiöön kaikessa

Informaatioaikana henkilöstön merkitys yrityksissä on korostunut. Henkilöstö on avain onnistumiseen tai epäonnistumiseen, joten henkilöstön analytiikalla on merkitystä oikein käytettynä moneen asiaan. Ei pidä unohtaa, että ihmiset ovat yksilöitä ja tarvitsevat erilaisia asioita menestyäkseen tai suoriutuakseen hyvin. Monissa yrityksissä se, että oikeat henkilöt tekevät työnsä on ainoa keino luoda kilpailuetua.

Henkilöstöanalytiikalla on valtavia hyötyjä, jonka avulla voidaan tuottaa hyvin suoriutuvia organisaatiota ja tiimejä tai rekrytoida oikeita ja sopivia henkilöitä. Analytiikalla voidaan räätälöidä työntekijäkokemus työntekijälle oikeaksi esim. ehdottamalla sopivia kursseja ja koulutuksia työhön liittyen tai tarjota jopa räätälöityjä henkilöstöetuja.

5. Jatkuva kehittäminen tuo tuloksia

Henkilöstöön liittyvän analytiikan kehittäminen ei ole vain kertaluontoinen ponnistus, vaan jatkuvaa kehittämistä, johon tulee investoida. Uusia kysymyksiä syntyy, kun henkilöstön analytiikka otetaan päivittäiseksi työkaluksi. Analytiikan jatkuva kehittäminen mahdollistaa myös liiketoiminnan jatkuvan kehittämisen ja sillä voidaan tukea myös työntekijäkokemusta.

6. Teknologia tuo apua mutta ei yksin riitä

“But that’s the thing with new technology: unless you try it, you’ll never know.” Jo nyt saatavilla oleva teknologia mahdollistaa datan jalostamisen tavalla, jota esim. kymmenen vuotta sitten emme osanneet edes kuvitella. Tietotekniikan kanssa voi myös nykyään olla rohkea, sovelluksiin ei tarvitse sitoutua lopullisesti ja monia asioita voi testata ilman massiivisia teknologia investointeja. Teknologia ei kuitenkaan pelasta, jos emme tiedä mitä haluamme saavuttaa ja osaa tehdä muutosta tuloksien perusteella.

7. Tietoturva ja avoimuus on kaiken A ja O

Kun GDPR on kaikkien huulilla voi henkilöstödatan louhiminen vaikuttaa arveluttavalle. Keinoja kuitenkin on, kun tietoa käytetään anonyymisti ja analytiikan kanssa ollaan avoimia, vältetään monta sudenkuoppaa.

HR -järjestelmien datan pitää integroitua yrityksen ulkopuolella olevaan dataan kuten sosiaaliseen mediaan, terveysdataan tai sijaintidataan, mutta huomioiden että henkilöllä on täysikontrolli siihen, mitä dataa hänestä käytetään ja miten. Avoimuus on avaintekijä HR:ään liittyvässä analytiikassa. Tarkoitus on kuitenkin loppukädessä se, että ihmiset voivat hyvin ja ovat motivoituneempia, terveempiä ja tehokkaampia.

Henkilöstöön liittyvällä analytiikalla on myös riskinsä ja uhkansa, riippuen siitä mitä dataa käytetään ja miten tätä dataa analysoidaan. Saavatko henkilön terveystiedot, liikuntatiedot ja henkilökohtaiset asiat vaikuttaa päätöksentekoon?

8. Datalähtöistä päätöksentekoa tulevaisuudessa

Vielä tälläkin hetkellä yrityksissä tehdään päätöksiä lähinnä intuitioon perustuen, koska joko dataa ei ole saatavilla tai sitä ei osata hyödyntää.

Kokeilemalla selviää mitkä ovat ne oikeat kysymykset sinun organisaatiollesi mihin haetaan vastauksia analytiikan ja datan keinoin. Tekemällä sitten oikeat toimenpiteet ja päätökset joilla on merkitystä sinun organisaatioisi ihmisten motivaatiotekijöihin ja tuloksellisuuteen.