People Analytics är trendigt, fler och fler företag investerar stort i området, men vad är det och kommer HR fixa omställningen?
Vad är People Analytics
Dataanalys har länge använts för att skapa avgörande insikter och lösa affärskritiska problem för företag. Områden som produktion, finans, kundservice och försäljning har analyserats i detalj, däremot har HR-området varit ”ointressant” eller kanske snarare starkt eftersatt. Den stora utmaningen har historiskt varit att det HR data som samlats in och sammanställts har skapat litet affärsmässigt värde och inte varit i närheten av att lösa affärskritiska problem.
Med den snabba och omfattande digitala utvecklingen öppnar sig goda möjligheter att mäta och följa ”HR” på nya sätt. HR Analytics eller mer vedertaget ”People Analytics” är nu på stark frammarsch.
People Analytics handlar alltså om att analysera ett företags personalutmaningar och -möjligheter och fatta affärsmässiga beslut utifrån det. Precis som med analysen av ett företags produktion eller försäljning är poängen är att göra HR analysen med hjälp av fakta och utifrån det visa hur personalen på olika sätt utgör är ett värde alternativt en belastning i realiseringens av företagets strategi. Det behöver nödvändigtvis inte bara handla om data kopplat till företagets anställda utan kan också handla om data kopplat till hur väl företaget attraherar kandidater till nya kompetensområden som exempelvis är kritiska för att lyckas med strategin.
People Analytics kan beskrivas som en kombination av HR, dataanalys och finans, vilket i sig också tydliggör att det behövs stor bredd i kompetens för att skapa kvalitativ People Analytics.
Fyra utvecklingsnivåer
När företag börjar arbeta med People Analytics är det bra att tidigt fastställa på vilken nivå företaget befinner sig och bygga därifrån. Erik van Vulpen beskriver i sin bok ”The Basic Principles of People Analytics” nedan fyra utvecklingsnivåer:
- Nivå 1. Operativ rapportering av HR data – Reaktiva operativa rapporter som fokuserar på att HR datat är korrekt, rapporteras konsekvent och regelbundet. ”Hygiennivån.” Exempel på HR data: Personalomsättning, Sjukfrånvaro, Antal FTEs, Intern rörlighet, Löneglidning. Fokus på nivå 1: ”Har vi data, är det korrekt data?”
- Nivå 2. Avancerad rapportering av HR data – Proaktiv rapportering för benchmarking och beslutsfattande. Multidimensionell analys av datat och dashboards som illustrerar utfall. Fokus på nivå 2: ”Vad har hänt, hur ser det ut hos oss, eventuellt jämfört med andra?”
- Nivå 3. Avancerad analys – Statistisk analys av datat för att lösa affärskritiska utmaningar. Utveckling av modeller och aktivitetsbaserade lösningar. Centraliserad bemanning för att möjliggöra den avancerade analysen och användande av integrerad data mellan olika system (HR, finans, produktion, m fl). Fokus på nivå 3: ”Varför har det hänt, vad kan vi lära oss från vårt data för att fatta bättre beslut framåt?”
- Nivå 4. Prediktiv analys – Utveckling av prediktiva modeller, scenario planering, integration med strategisk workforce planning och riskanalys. Genom prediktiv analys är det möjligt att förutse hur ”personalen” kommer utvecklas, exempelvis, vilka nyckelpersoner riskerar säga upp sig, vilka av våra chefer kommer leda och utveckla sin verksamhet bäst, vilka av våra nyrekryterade säljare kommer leverera på sin förväntade prestationsnivå eller mer, hur kommer medarbetarnas “employee engagement” påverka respektive verksamhets ekonomiska resultat, vem kommer att bli sjuk och varför, etc. Fokus på nivå 4: ”Vad kommer hända och varför?”
Studier genomförda av Bersin under 2016, visar att majoriteten av alla företag befann sig på nivå 1 och 2 (majoriteten på nivå 1), utvecklingen har gått något framåt men fortsatt befinner sig de flesta företagen på nivå 1 och 2.
Kompetenser
För att skapa riktigt kvalitativ People Analytics behövs en kombination av kompetenser, följande fem kompetenser är viktiga:
- Affärs-/verksamhetskompetens – god förståelse för företagets strategi, affärsmodell och utmaningar. People Analytics skapar bara värde när det löser affärskritiska problem.
- Marknadsföring – god kunskap om hur man omvandlar ”siffror” till visuella, attraktiva insikter vilka skapar direkt värde för verksamheten, d v s det krävs att siffrorna som tas fram är omvandlade till konkreta insikter som chefer och medarbetare lätt och snabbt kan arbeta med i sina verksamheter.
- HR – god förståelse för HR-området, HR-processer och HR-nyckeltal
- Dataanalys – god förståelse för statistik, olika dataanalysmetoder, programvarukunskap i Excel, SPSS/Stata, programmeringskunskap i dataanalys och visualiseringsverktyg som R och/eller Python
- IT – god förståelse för företagets IT-infrastruktur, d v s hur man extraherar relevant data från företagets olika system
Utmaningar
People Analytics går alltså bortom de traditionella kompetenserna som finns inom HR, vilket gör HR-satsningen på området utmanande. HR har traditionellt funnits till för att stötta verksamheten inom personalfrågor och fungerat som verksamhetens kontaktperson och expert inom det området. ”Människan” har stått i fokus, inte siffror. Traditionell HR har inte krävt och heller inte varit intresserade av siffror, dataanalys och IT.
Eftersom HR traditionellt inte heller har bidragit till att lösa affärskritiska problem har HR ofta haft en låg status i företagen och därmed också haft en liten budget i förhållande till andra verksamhetsområden.
Vidare har HR även en tradition av att ha dåliga IT-system, endera i form av att systemstöd saknas, eller att det funnits många olika system som inte varit synkroniserade eller att datat i systemen haft stora brister.
De flesta HR-organisationer är idag ändå hyfsat bra på att samla in och rapportera utfall på grundläggande HR nyckeltal, däremot när det kommer till att utföra mer avancerade analyser så tar det stopp, ”HR hits the wall”. Denna vägg beskrevs första gången 2010 av Boudreau och Cascio och har sen dess beskrivits som ”the wall of Boudreau”. Enligt Boudreau fastnar HR p g a att man saknar nödvändiga kompetenser för att utföra mer avancerade analyser och därmed har också HR svårt att bidra till att lösa affärskritiska problem.
Möjliggörare
Goda möjliggörare framåt är att det satsas mera på kvalitativa HR system, HR datat tvättas och kvalitetssäkras så att det är jämförbart och användbart, nya digitala lösningar möjliggör att mäta och samla in data på sådant som tidigare inte var mätbart, exempelvis avgörande beteenden.
Vidare samlar företagen allt oftare sina data-källor i olika typer av molnlagringslösningar. Detta skapar förutsättningar för att enklare arbeta med HR data i befintliga BI-system tillsammans med annan verksamhetsdata.
Ovan bidrar alla till att People Analytics är på stark frammarsch.
Den stora frågan kvarstår dock, kommer HR fixa omställningen och fånga möjligheten att ta positionen som en verklig affärsvärdesleverantör i sina företag?
Källor
The Basic Principles of People Analytics, Erik van Vulpen
https://www.analyticsinhr.com/
https://www.linkedin.com/pulse/hr-analytics-breaking-through-wall-measurement-john-poppelaars/