Što je "graf"?

Sve industrije generiraju podatke. Zahvaljujući podacima možemo bolje razumjeti unutarnjeg klijenta, optimizirati procese i drugačije gledati na interakciju zaposlenika. Ti se procesi mogu opisati pomoću teorije grafova.

Graf je apstraktni matematički objekt koji se sastoji od vrhova (točaka) i bridova (linija) koji ih povezuju. Uzmimo za primjer Internet - mnoga su mjesta povezana linkovima. Srž poslovanja Yandexa je brzo zaobići internetski grafikon, analizirati sadržaj i dati relevantan odgovor korisniku. Drugi je primjer Yandex.Taxi: pronalaženjem najkraće udaljenosti između točaka na karti, usluga pomaže putniku da stigne do odredišta.

Yandexov graf: točke - zaposlenici, crte - interakcija između njih

Apstraktni prikaz predmeta u obliku grafova predložio je matematičar Leonard Euler koji je riješio problem popularan u 18. stoljeću: kako prijeći preko svih gradskih mostova Konigsberga, a da dva puta nije hodao po bilo kojem od njih?

Izvori i zahtjevi za podacima

Da biste izgradili graf, trebaju vam podaci. Organizacija može koristiti kao izvore podataka:

korporativna pošta

kalendar sastanka osoblja

zadaci u trackeru

interni PBX pozivi

Trackeri su posebno popularni među IT tvrtkama. Omogućuju vam postavljanje zadataka, dodjeljivanje ljudi odgovornih za njihovo izvršenje, prilaganje datoteka. Trackeri znatno olakšavaju timski rad. U Yandexu ovaj alat koriste ne samo programeri, već i drugi odjeli.

HR odjeli koriste tracker za:

odobravanje slobodnih radnih mjesta

zapošljavanje

prilagodba

učenje

HR analitika izgrađena je na temelju ovog alata.

Zahtjevi za podatke:

Kvaliteta. Podaci ne smiju sadržavati pogreške i propuste. Pokazatelji se moraju dovesti u opći pogled.

Potpunost. Sada je rad u nekoliko informacijskih sustava istovremeno postao norma. Podaci uzeti iz samo jednog sustava neće biti cjeloviti.

Analiza interakcije

Točke i crte na grafikonu predstavljaju zaposlenike i njihove interakcije. Što je promjer veći na točki, to je intenzivnija interakcija između zaposlenika i kolega. Što je gušća linija koja povezuje dvoje zaposlenika, to je intenzivnija interakcija u ovom paru.

Interakcije zaposlenika Yandexa

Važno je uzeti u obzir i pravilno protumačiti sve podatke. Intenzitet interakcije između zaposlenika izravno ovisi o njihovom položaju i dodijeljenim zadacima.

Koji se zaključci mogu donijeti i što se može primijeniti u organizacijskim promjenama:

Učinkovitost interakcija. Ako se skupine razlikuju u intenzitetu interakcija i ako imaju objektivni pokazatelj kao što su KPI ili se provodi pregled izvedbe, tada možete usporediti čimbenike iz grafikona (intenzitet interakcija) i predvidjeti koje radnje vode do najboljih pokazatelja. Na primjer, pretjerana količina komunikacije može svladati menadžere i utjecati na njihovo sagorijevanje.

Stil upravljanja vođstvom. Podaci će vam reći koristi li upravitelj mikro upravljanje ili potpunu kontrolu. Koristeći podatke s grafikona, možete reći menadžeru je li njegov stil upravljanja prikladan za svaki određeni zadatak i koje radnje mogu poboljšati učinkovitost zaposlenika.

Komunikacija unutar tima. Na primjer, članovi tima dobro međusobno komuniciraju, ali teško da komuniciraju s drugim kolegama. Takav tim može stvoriti projekt koji je već bio u tvrtki, podaci o njemu se pohranjuju, ali tim za to ne zna. Kao rezultat toga, resursi tvrtke bit će izgubljeni zbog nedostatka interakcije s drugim odjelima. Ili obrnuto, kad interne komunikacije u timu šepaju, to dovodi do kašnjenja u pripremi projekta.

Cjelovita slika interakcija zaposlenika omogućuje vam automatsko stvaranje popisa kolega za anketu od 360 stupnjeva. U tom će slučaju podaci koji će upravitelj dobiti na temelju rezultata ankete biti cjeloviti.

Interakcija između timova

Metrika

Neke metrike iz teorije grafova mogu se uspješno koristiti u organizacijama:

Gustoća / rijetkost. Grafikon se naziva potpunim kad su svi njegovi vrhovi povezani rubovima. U stvarnom svijetu primjer cjelovitog grafa može biti mali startup: jedan mali prijateljski tim u kojem se svi poznaju i učinkovito komuniciraju. Odlazak jednog zaposlenika ne dovodi do gubitka bitnih informacija, interakcija se ne remeti.
Kako tvrtka raste, gustoća se narušava. Teško je zamisliti tvrtku s tisućama zaposlenika u kojoj se svi zaposlenici poznaju. Takvu tvrtku karakterizira rizik od gubitka značajnih komunikacija unutar tima kad jedan zaposlenik ode.

Udaljenost. Ova metrika podsjeća na dobro poznatu teoriju šest rukovanja. Što je kraća udaljenost između zaposlenika, to je veća kohezija, više se ljudi poznaje.

Centralnost. Ovu metriku dobro ilustrira grafikon likova Igre prijestolja: nakon neočekivane smrti jednog od središnjih likova djela, scenaristi imaju poteškoća s pričom manjih likova.

Most. To se može ilustrirati primjerom Belgije - zemlje s dva službena jezika, gdje mali most ljudi koji govore dva jezika povezuje "jednojezične" sugrađane. U tvrtki su ljudi na ovom mostu nositelji vrlo važnih veza. Njihov odlazak veliki je problem za tvrtku.

Primjena

U tvrtkama s projektnom strukturom projekti se pokreću i zatvaraju tjedno, važno je pratiti troškove. Potrebno je pravilno prikupiti i prenijeti podatke za ekonomske izračune. Ovaj se postupak može poboljšati automatizacijom. Yandex je učinio sljedeće:

Izgrađen grafikon tvrtke.

Analizirajući ponašanje zaposlenika u svakom određenom mjesecu, HR analitičari mogu vidjeti u kojem su projektu trenutno. Nestala je potreba za dopisivanjem s voditeljima usluga. To štedi vrijeme za posao i analitičare.

Zasad je ovo pilot projekt koji pokazuje zanimljive rezultate. Mnogi istraživački projekti u Yandexu potom se pokreću u proizvodnju.

Dakle, klasičan način analitike

Podaci. Izvor, cjelovitost i kvaliteta.

Vizualizacija. Kako gledati ove podatke, kako ih koristiti. Ideje o metrici, koje se u slučaju HR analize mogu uzeti iz teorije grafova ili smisliti vlastite.

Izvještavanje, koja mjesečno pokazuje što se događa u tvrtki. Na primjer, intenzitet interakcije između menadžera.

Metrika, koji se koriste za zaključke.

Prediktivna analitika - pokretanje automatiziranog procesa koji štedi vrijeme.

Što još trebate znati o HR analitici

Kevin Wheeler, predsjednik i osnivač Global Learning Resources, Inc., u članku"Loša strana HR analitike: 8 malo poznatih činjenica" ističe nekoliko važnih čimbenika koji se odnose na HR podatke:

Analitika nije čarobni metak. Analitika nije čarobni metak. Podaci vam mogu pomoći da razumijete problem i možda odaberete učinkovitiji način da ga riješite, ali podaci ne zamjenjuju empatiju i ljudsko razmišljanje.

Razumijevanje točno onoga što želite znati. Potrebna vam je najveća jasnoća o tome što želite analizirati ili izmjeriti. I pobrinite se da je to uopće moguće.

Koristeći odgovarajuću metodu. Način prikupljanja podataka također može biti izazovan. Jedan slučaj upotrebe analitike je razjasniti problem ili pronaći moguće uzroke.

Pasivni podaci mogu biti bolji od traženih podataka. Puno je lakše sami prikupljati pasivne podatke nego tražiti pouzdane podatke od drugih. Relativno je lako prikupiti činjenične podatke iz radnji i odluka.

Podrška je važna. Učinkovita upotreba podataka zahtijeva podršku upravljanja i odgovarajuću korporativnu kulturu u kojoj se podaci vrednuju.

Cilj kontrolira situaciju. Velika je napast izmjeriti sve, posebno u ranim fazama, kada se analitički alat tek implementira u tvrtku. Ali najbolje je usredotočiti se na dva ili tri ključna pitanja na koja želite odgovoriti. Tada imate dovoljno vremena za točnije prikupljanje podataka i cjelovitu analizu.

Podaci su manjkavi. Odnedavno je uobičajeno stavljati podatke na pijedestal i doživljavati ih kao čistu informaciju u kojoj nema politike ili mišljenja. Ali, nažalost, mišljenja utječu na analizu podataka na isti način kao i sve ostalo.

Što jednostavnije to bolje. Odvojite vrijeme za sastavljanje popisa: što biste doista željeli znati kako biste poboljšali svoj proces zapošljavanja; koji vam podaci mogu pomoći da poboljšate učinkovitost većine izvora ili odgovorite na pitanja najvišeg menadžmenta.

Nedavno o problemima ispravne interpretacije podatakagovorio Nassim Taleb : „Ako znate raditi s Big Dataom, to je dobro, ali morate ga znati protumačiti, filtrirati gluposti i nepotrebnu buku koja sve zbunjuje. Zanimljivo je da su jedini koji znaju raditi s podacima antiterorističke službe. Oni nisu u mogućnosti pronaći lažne korelacije i suziti uzorak na određene osumnjičenike; oni traže veze.Računalo se jednostavno može prevariti podacima, statistička disciplina je vrlo važna. Veliki podaci ne mogu nam reći što je ispravno, već samo ono što nije u redu. "

Izvor slike - HR okruženje

Relevantni i zanimljivi slučajevi ljudskih resursa u našem Telegramu. Pretplatite se na kanal!

Kopiranje i bilo kakva obrada materijala s web mjesta zabranjena je

Nastavljamo s publikacijama nakon konferencije HR-Analytics, kojoj je prisustvovala naša posebna dopisnica Oksana Rybakova. U prošlom broju, Aram Fomichev, voditelj analitike u Laboratoriju za humanitarne tehnologije, podijelio je s nama svoje preporuke o metodologiji za razvoj i provedbu projekata povezanih s velikim podacima.

Danas ovu temu nastavlja Tatyana Koneva, direktorica ljudskih resursa u Hoffu, svojim izvještajem „HR Analytics. Kako govoriti isti jezik s poslom ”.

O HOFFU

PRIMJENA HR ANALITIKE

• Produktivnost osoblja je rasla
• Udio troškova (u ukupnim troškovima poduzeća) na osoblju je padao

C&B METRIKA

• Dinamika udjela obračuna plaća od prihoda po poslovnim jedinicama (BU);
• Dinamika produktivnosti u rubljama i LFL jedinicama (razdoblje 2016./2017.) Prema BU,%. Ovdje je važno pratiti izvedbu i u novčanom smislu i u komadima, jer se, na primjer, događa da se učinak u rubljama povećava, ali u komadima ostaje isti ili pada. Ovo nije ništa drugo nego inflacija;
• Dinamika fluktuacije osoblja,%;
• Otkazi zaposlenih zbog otkaza.

Važno je analizirati ovaj parametar zajedno s tvrtkom i postavljati pitanja. Na primjer, kako je razlog da se "nije snašao posao" veći u intervalu od 6 mjeseci do 1 godine nego u prethodnim razdobljima? Odnosno, do tada se zaposlenik s tim nosio, a onda se nešto dogodilo.

T&D METRIKA

Norma od 25% broja zaposlenih u poslovnoj jedinici prikazana je na drugom grafikonu žutom crtom. Sljedeće kategorije zaposlenika spadaju u nju:

• Na uvjetnoj;
• Prošao novi trening;
• "Napunio" tajnovitog kupca;
• Oni koji su dobili pritužbe.

Znanje posebno procjenjujemo nakon svakog treninga. Ako zaposlenici u prosjeku pokazuju razinu znanja na bilo kojem od treninga manju od 90%, analiziramo razloge kako bismo povećali učinkovitost ove obuke.

A analitika se provodi na isti način za svakog trenera.

METODE OSOBLJA

Drugi grafikon također ima razloga za raspravu s vođama. Ako je stopa slobodnih radnih mjesta 14 dana za smjer "namještaj", a svi imaju pokazatelje koji su više ili manje bliski ovom parametru, a jedna trgovina odustane, tada se postavljaju pitanja.

Sve su metrike dostupne svim upraviteljima. Mogu ih preuzeti s BI-a (to su programi koji omogućuju analizu velikih podataka i prikaz podataka na nadzornim pločama) na njihovim tabletima i telefonima). Do sada se praćenje ne može vršiti putem interneta, ali idemo prema tome.

Na kraju svog govora, Tatyana je potaknula svoje kolege da dijele informacije kako bi primijenili najbolje prakse upravljanja ljudskim resursima u svojim tvrtkama.

A sada malo drugačije gledište od HR direktorice Metrium grupa, Anna Timusheva. Prvo je zasjedanje konferencije zatvorila izvješćem „HR analitika u Metriju. Put do uspješnog rješavanja poslovnih problema ”.

Anna je, baš kao i Tatyana, došla do zaključka da je u tvrtki potrebno primijeniti HR metriku. Djelatnici njezinog odjela samostalno su (bez uključivanja vanjskih pružatelja usluga) odabrali potrebne pokazatelje za praćenje. Bilo ih je 15-ak.

No, posao je ove pokazatelje percipirao ovako nekako

I tako je Anna došla do sljedećih zaključaka:

• Sustav treba pojednostaviti;
• Ne bi trebao biti statičan i trebao bi se mijenjati svaki put za različite poslovne zadatke;
• Podaci se moraju vizualizirati!

Svi zaposlenici odjela prodaje procjenjuju se prema kvantitativnim (ispunjavanje osobnog i timskog plana prodaje) i kvalitativnim (360 stupnjeva procjene kompetencije) parametrima. A za one zaposlenike koji planiraju premjestiti na više položaje, dodatno se provodi procjena ponašanja metodom DISC i procjena znanja.

Rezimirajući prvi dio konferencije, može se primijetiti nekoliko ključnih točaka.

• Podaci se moraju vizualizirati. Dakle, prvo ih posao bolje percipira, a drugo, bez stvaranja ogromnih nečitljivih izvješća, možete pokazati puno korisnih informacija za rješavanje trenutnih i budućih problema.
• Ne primjenjujte analitiku samo radi analitike. Svaka metrika treba biti usmjerena na rješavanje određenog problema ili služiti kao pokazatelj odsutnosti problema. Nakon svake sesije praćenja treba izraditi plan poboljšanja.
• Podaci za analitiku trebaju biti visokokvalitetni i odabrani ovisno o tome koji problem žele riješiti.

Želim vam uspjeh u istraživanju ljudskih resursa,
tvoja Oksana Rybakova

U ovom ćemo vodiču objasniti što je to HR analitika i razlozi zbog kojih bi je vaša organizacija trebala shvatiti ozbiljno. Također ćemo pokriti uobičajene izazove "ljudske" analitike i pet prvih koraka koji će pomoći vašoj organizaciji da započne u ovom smjeru.

HR je prešao dugačak put od tradicionalnog prikupljanja i praćenja podataka o zaposlenicima do modernog pristupa: korištenjem podataka za dobivanje pronicljivih uvida u cijelo poslovanje.

ŠTO JE HR ANALITIKA?

HR analitika je postupak u kojem se tehnike obrade podataka i poslovne inteligencije (BA) primjenjuju na obradu HR podataka. Ponekad se naziva i analitikom nadarenosti. Štoviše, istraživanje podataka u ovom se kontekstu odnosi na praksu istraživanja baza podataka radi stvaranja novih informacija.

HR analitičari imaju dva glavna cilja: pružanje uvida (prethodno nepoznati podaci) i definiranje ključnih podataka.

Prvi je cilj pružiti organizaciji informacije o vlastitom poslovanju koje joj mogu pomoći da učinkovito upravlja svojim zaposlenicima. To su uvidi koji mogu osigurati učinkovito postizanje poslovnih ciljeva tvrtke.

Druga ključna funkcija HR analitike je pomoć u identificiranju podataka koje organizacija treba pohraniti. Uz to, nudi modele za predviđanje različitih načina na koje organizacija može postići optimalan povrat ulaganja (ROI) u svoj ljudski kapital.

Sve u svemu, HR analitika usredotočena je na maksimalno iskorištavanje ogromnih količina podataka o ljudskim resursima koje prikuplja većina organizacija. Tvrtke često imaju obilje podataka, poput demografskih podataka o zaposlenicima, evidencija o obuci itd., A analiza iz njih može izvući važno znanje.

Ispod su detaljnije informacije o HR analitici:

ZAŠTO TVOJA ORGANIZACIJA TREBA RADITI S HR ANALITICIMA?

Odluke o ljudskim resursima često se temelje na profesionalnim instinktima i intuiciji. Primjerice, zapošljavanje često ovisi o osobnom kontaktu koji je regrut uspostavio ili nije uspio uspostaviti s kandidatom. Problem s "instinktima" i intuicijom je taj što mogu normalizirati loše prakse.

Dakle, nepravda na poslu može proći nezapaženo. Razlika u plaćama između muškaraca i žena glavni je primjer za to. Organizacije mogu pomisliti da plaćaju isto ako ne prouče dokaze.

HR analitika može vam pomoći poboljšati izvedbu i predvidjeti najuspješnije modele. Ovo eliminira većinu ljudskih pogrešaka u donošenju odluka. Na primjer, poboljšanje upravljanja radnim opterećenjem može biti učinkovitije kada se podaci koriste kako bi se pokazalo koji su odjeli ili skupine već preopterećeni i koji mogu priuštiti preuzimanje više odgovornosti.

Još važnije, pokazalo se da HR analitika potiče rast tvrtke. Trening zona izvještava o povećanju produktivnosti za jednu tvrtku koja koristi HR analitiku kako bi poboljšala svoj proces zapošljavanja. Analizom podataka tvrtka je primijetila da tradicionalni KPI-i - obrazovanje i preporuke - nisu imali puno utjecaja na uspješnost prodaje kandidata. Zapravo, ključni mjerni podaci bili su iskustvo u prodaji visoke vrijednosti i sposobnost rada u nestrukturiranim okolnostima što je zapravo pridonijelo poboljšanju prodajnih performansi. Kad je tvrtka primijenila ovu analitiku talenta u zapošljavanje, prodaja je porasla za 4 milijuna dolara sljedeće godine.

I druge su studije donijele slične zaključke o važnosti HR analitike za cjelokupni učinak tvrtke. Studija MIT-a i IBM-a otkrila je da bi veća upotreba HR analitike mogla rezultirati:

• Povećanje prodaje za 8%;
• Povećanje neto operativnog prihoda za 24%;
• 58% veća prodaja po zaposleniku.

OSNOVNI NAČINI KORIŠTENJA HR ANALITIKE

Područja primjene za HR analitiku su ogromna, a mjerni podaci na koje se organizacija treba usredotočiti ovisit će o industriji, kao i o prirodi posla.

Evo nekoliko primjera mogućih KPI-a:

• stopa otpuštanja,
• vrijeme zapošljavanja,
• stopa prometa za različite skupine osoblja (prva godina, pet godina itd.),
• dohodak po zaposlenom.

Gore navedeni mjerni podaci i drugi slični podaci mogu se koristiti za poboljšanje poslovne uspješnosti. Ključna područja u kojima podaci mogu pomoći su:

• Vrbovanje - HR analitika može pružiti odgovore na pitanja o pronalaženju idealnih kandidata za ovaj posao. Na primjer, kao što je pokazao gornji primjer tvrtke, podaci se mogu koristiti za utvrđivanje kvaliteta onih kandidata koji daju najbolje rezultate. Možete usporediti podatke kandidata koji su na kraju ostali u tvrtki i među njima pronaći zajedničke nazivnike.

• Zdravlje i sigurnost - HR analitika može bolje identificirati problematična područja povezana sa zdravljem i sigurnošću. Podaci mogu ukazivati \u200b\u200bna uloge, mjesta rada i druge slične čimbenike koji imaju najveću stopu nesreća.

• Zadržavanje zaposlenika - S podacima također možete saznati više o zadržavanju zaposlenika. HR analitiku možete koristiti za prepoznavanje aspekata koji povećavaju angažman zaposlenika.

• Propusti u talentima - podaci mogu otkriti postojanje praznina u organizaciji. Na primjer, neki odjeli mogu imati više kvalificiranih radnika od drugih, a to može ometati cjelokupno poslovanje tvrtke.

• Učinkovitost prodaje - HR analitika može vam pomoći da otkrijete detalje kako povećati prodaju. Možda ćete otkriti da određeni talent pomaže zaposlenicima da rade bolje ili da određeni programi obuke pružaju trenutni povrat prodaje.

PET IZAZOVA HR ANALITICI

Prije nego što prijeđemo na početne faze uvođenja HR analitike, vrijedi razmotriti neke od glavnih izazova koji se pojavljuju. Kada postavljate HR analitiku u svoju organizaciju, važno je pronaći načine za rješavanje sljedećih pet izazova.

Zadatak 1: protok podataka
Što više podataka vaša organizacija prikupi, to ih je teže koristiti ako je potrebno. Velika količina podataka ne dovodi automatski do dobrih rezultata. Da biste bili uspješni, morate imati sposobnost primjene pravih analitičkih tehnika.

Ako vaš odjel za ljudske resurse prikupi puno podataka bez korištenja pravih analitičkih pristupa, jednostavno ćete dobiti puno podataka. Što ih je više, teže su vrijedna nagađanja.

Na primjer, mjerni podaci za sve prikupljene mjerne podatke moraju biti pravilno definirani i kategorizirani. Morate identificirati probleme koje želite riješiti svojim podacima, a ne samo prikupiti ih.

Izazov 2: kvaliteta podataka
Uz prikupljanje prave količine podataka, također morate paziti da dovoljno pažnje obratite na njihovu kvalitetu. Protok podataka može brzo dovesti do podataka loše kvalitete jer ne uspostavljate smislene veze između različitih skupova podataka.

Važno je osigurati kvalitetu podataka usredotočujući se na osiguravanje njihove cjelovitosti i sigurnosti. Problem mnogih organizacija jest taj što podaci koji se koriste u HR analitici mogu dolaziti iz različitih dijelova organizacije i stoga biti previše različiti, što dovodi do problema. Neki se podaci mogu zanemariti, odbaciti, izgubiti ili se skupovi podataka ne mogu kombinirati, što će dovesti do neadekvatne analize.

Izazov 3: niske analitičke vještine u većini odjela za ljudske resurse
Da bi HR analitika uspjela, tim koji stoji iza nje mora imati i ljudske resurse i stručnost u analizi podataka. Ali pronaći HR lidere koji su također kompetentni za analizu podataka može biti teško.

Prema Elizabeth Craig, znanstvenoj radnici na Institutu za visoke performanse Accenture, teško da postoji netko tko je dovoljno obučen za HR analitiku. Uz to, Craig je za data-informed.com rekao da neki alati za analizu podataka zahtijevaju specijalizirane informatičke vještine, dodajući pritisak na pronalaženje pravih ljudi.

Problem izgleda još veći jer se samo 6% globalnih HR timova osjeća sigurno u svoje analitičke vještine. Uz to, samo 20% vjeruje da je uporaba podataka njihove organizacije dovoljno vjerodostojna i pouzdana za donošenje odluka.

Izazov 4: česti nedostatak menadžerske podrške za HR analitiku

HR analitika još uvijek nije postala ključni proces za mnoge tvrtke, a podrška menadžmenta često nedostaje. No, da bi proces funkcionirao, odjeli za ljudske resurse moraju uvjeriti rukovoditelje tvrtki u blagodati korištenja analitike.

Ova je podrška važna jer pruža pristup resursima, jer primjena pravog sustava HR analitike nije jeftina. Također može pružiti bolji pristup podacima među odjelima. Da bi uvjerili rukovoditelje, timovi za upravljanje ljudskim resursima moraju se usredotočiti na prepoznavanje prilika za maksimiziranje ROI-a, čak i u početku.

Izazov 5: HR analitika je skupa, a povrat ulaganja često nije vidljiv

Konačno, organizacije trebaju biti svjesne troškova. Raspon cijena analitičkih instrumenata raznolik je kao i dostupnost instrumenata. Prema članku na data-informed.com, cijena platforme može se kretati od "400 000 do 1,5 milijuna USD za tvrtku s 5.000 stalno zaposlenih".

Uz to, procjena ne uključuje povećanje troškova s \u200b\u200bkojima se organizacije mogu suočiti prilikom zapošljavanja novih zaposlenika za provedbu programa ili osposobljavanje postojećih zaposlenika za analitičke vještine.

Također, povrat ulaganja u HR analitiku nije vrlo opipljiv. To je zato što blagodati primjene rezultata analitike mogu biti iz različitih odjela i tijekom dužih razdoblja. Na primjer, poboljšanja u zadržavanju zaposlenika neće biti odmah vidljiva.

Izazov je shvatiti da potraga za jeftinijom platformom za analitiku HR-a ne dovodi uvijek do velike uštede. Nedostatak softvera i alata može dovesti do neučinkovitih i nepotpunih rezultata, što kao rezultat, ne stvara dovoljno visok ROI da opravdava ulaganje.

PET PRVIH KORACA U PRIMJENI HR ANALITIKE

Ako vaša organizacija želi primijeniti HR analitiku, koji je pravi put? Ispod je pet koraka koji mogu pomoći vašoj organizaciji da započne proces.

Korak 1. Prepoznavanje poslovnih problema koje želite riješiti.

Prvo i najvažnije je prepoznati poslovne probleme koje želite riješiti. Ne možete započeti prikupljanje podataka, a zatim ih jednostavno pogledajte kako biste pronašli veze.

Utvrdite probleme koje biste željeli poboljšati u sektoru ljudskih resursa. Na primjer, to bi mogla biti pitanja koja se odnose na raznolikost posla, poboljšanje zadržavanja zaposlenika, mjerenje količine novca utrošenog na obuku ili bolje razumijevanje razloga izostanka s radnog mjesta. Postoji nekoliko jednostavnih pitanja s kojima biste trebali započeti prije nego što krenete dalje.

Na primjer, recimo da želite razumjeti kako HR utječe na stvari poput dna vaše tvrtke.

Nakon što prikupite opće informacije vezane uz osoblje koje biste željeli detaljnije proučiti, za početak morate odrediti potrebne mjerne podatke za rješavanje ovih problema.
Evo nekoliko HR mjernih podataka koji pokazuju učinkovitost HR odjela:

Stopa otpuštanja - koliko zaposlenika odlazi tijekom određenog razdoblja u odnosu na ukupan broj osoblja?
Vrijeme zapošljavanja - Koliko traje popunjavanje slobodnog radnog mjesta, kao i vremena koje je potrebno kandidatu da prihvati ponudu i postane zaposlenik?
Stopa fluktuacije osoblja - koliko zaposlenika odlazi nakon prve godine, pet godina i tako dalje?
Raznolikost osoblja - koliki su postoci kada su u pitanju žene, muškarci, vjerske i etničke skupine?
Prihod po zaposleniku, među zaposlenima s punim radnim vremenom - koliki su prihodi ostvareni na puno radno vrijeme?
Iznos plaćanja za prekovremeni rad -kolika je visina prekovremenih i koliko često prekovremenih?
Odnos stalnih i privremenih radnika jekoliko je zaposlenih honorarno u odnosu na puno radno vrijeme?

Korak 2: Identificiranje podataka koji odgovaraju na gornja pitanja.

Kada imate pitanja i probleme, možete početi identificirati podatke potrebne za odgovor ili njihovo rješavanje.

Prvo, vaš fokus trebao bi biti na HR podacima koji su već pohranjeni u vašem odjelu. To uključuje informacije o zapošljavanju, učinku i nasljeđivanju. Vaš bi odjel već trebao nadgledati ove skupove podataka.

Drugo, morate početi prikupljati podatke o stvarima poput zaruka, anketa i intervjua. Ovisno o razini prikupljanja podataka u vašoj organizaciji, možda već imate mehanizme za prikupljanje tih podataka.

Konačno, morate proširiti prikupljanje podataka na druge poslovne sustave i odjele. Trebali biste početi prikupljati važne financijske metrike i istraživanje tržišta. To uključuje stvari poput prometa, uspješnosti prodaje, novca utrošenog na istraživanje tržišta i obuku.

3. korak... Implementacija ETL-a: ekstrakcija, transformacija i utovar

Kao što je gore rečeno, odjel za ljudske resurse mora usko surađivati \u200b\u200bs odjelom za informatiku, jer određeni softver i rudarenje podataka mogu zahtijevati specijalizirane analitičke vještine. Stoga je dobra ideja započeti izgradnju bližih veza između ova dva odjela.

Dio ovog postupka je implementacija ETL-a: ekstrakcija, obrada i utovar. Postoje alati koji se mogu koristiti za automatsko provođenje ovog postupka. Na primjer, IMB WebsphereDataStage i Cognos Data Manager ili Microsoft SQL Server Integration Services neke su od najpopularnijih opcija. Iako netehničko osoblje može koristiti ove platforme, korisno je zatražiti pomoć od IT odjela.

Ovaj vam postupak u osnovi omogućuje izvlačenje podataka koji su vam potrebni iz izvora koje definirate, pretvaranje u ispravan čist i dosljedan format i prijenos na vašu analitičku platformu koja će se koristiti za analizu.

4. korakIntegracija rezultata u poslovne transakcije.

Nakon što analiza podataka počne generirati rezultate, morate započeti s provođenjem promjena. Na primjer, ako ste se usredotočili na istraživanje raznolikosti radne snage, a vaši podaci pokazuju da ne primate dovoljno aplikacija od etničkih manjina, možda ćete početi mijenjati strategiju zapošljavanja.

Uz to, morate uspostaviti veze između podataka o ljudskim resursima i ostalih poslovnih mjernih podataka. Na primjer, smanjenje prekovremenog osoblja može izravno korelirati s produktivnošću i profitabilnošću. KPMG-ovo izvješće "Ljudi su stvarni brojevi" naglašava važnost ovih veza zbog prekida radne snage i isplativosti.

"Iako je korisno pratiti izostajanje s posla iz različitih regija ili u usporedbi s prethodnim godinama, ako HR također može pokazati da je smanjeni izostanak s posla pozitivno povezan s operativnom učinkovitošću, tada će uprava vidjeti stvarnu vrijednost HR-a", kaže se u izvješću.

Korak 5. Obavljanje redovite analize.

Napokon, HR analitika se mora redovito raditi, inače će u većini slučajeva biti irelevantna. Da bi se iskoristile njegove prednosti, mora se uspostaviti redoviti postupak.

Na primjer, prepoznali ste problem s kojim se želite pozabaviti podacima, izvršili ste analizu i pronašli odgovor. Nakon što implementirate rješenja za svoj problem, morate mu se redovito vraćati kako biste provjerili što se događa s promjenom i ima li novih problema.

ZAKLJUČAK

HR analitika sastavni je dio upravljanja podacima i njena primjena može donijeti pozitivne koristi bilo kojoj organizaciji. No, kao što je gore prikazano, upravljanje, analiza i tumačenje podataka nije lako, a organizacije moraju pristupiti "ljudskoj" analitici jedan po jedan korak.

Ključ uspješne HR analitike temelji se na shvaćanju da nije veličina izmjerenih podataka ta koja vodi ishod, već utjecaj podataka na donošenje odluka u organizaciji. HR analitiku ne treba promatrati kao ključnu za odjel za ljudske resurse, već kao nešto što može stvoriti vrijednost za cijelu organizaciju.

Ovaj je materijal (i tekst i slike) zaštićen autorskim pravima. Bilo koji pretisci u cijelosti ili djelomično samo s aktivnom vezom na materijal.

HR politika izravno ovisi o strategiji razvoja koju je tvrtka odabrala, a razvijeni sustav metrike HR bit će alat za procjenu njene učinkovitosti.

Koje su HR metrike važne za mjerenje u tvrtkama, koji su pokazatelji prepoznati kao najinformativniji, kako organizirati HR analitiku u tvrtki i druge vrijedne preporuke stručnjaka Valerije Chernetsove, voditeljice odjela za savjetovanje Analitičkog centra za HR podatke.

Analitika zasnovana na rezultatima rada bilo kojeg odjela neophodna je za stvaranje cjelovite slike o učinkovitosti rada organizacije, za razvijanje daljnjih upravljačkih odluka. I danas nitko ne sumnja da HR analitika ima posebno mjesto.

Treba odmah napomenuti da ne postoji referentni skup HR mjernih podataka koji se mogu u potpunosti primijeniti u bilo kojoj tvrtki. Očito je da će svaka zasebna tvrtka imati svoj vlastiti skup.

Najčešći metrički podaci koji se sada koriste su metrički podaci koji procjenjuju procese zapošljavanja i prilagodbe osoblja, obuke i ocjenjivanja zaposlenika, karijernog i organizacijskog razvoja, motiviranja i zadržavanja vrijednih zaposlenika itd.

Ali ako su za HR stručnjake to alati za svakodnevni rad na poboljšanju internih HR procesa, tada je za TOP upravljanje potrebno predstaviti niz strateških makrometrija koje procjenjuju povrat ulaganja u osoblje i vidljivu korelaciju s ostalim poslovnim pokazateljima (ROI).

Gdje započeti?

Ako HR specijalist mora organizirati HR analitiku u tvrtki, vrijedi započeti s malim i postupno ići dalje. Odlučite o glavnim ciljevima svoje HR politike i odaberite HR mjerne podatke koji udovoljavaju tim ciljevima. Odredite koliko često ćete uzimati rezultate. Izuzetno je važno da se vrhunski menadžment složi s podacima HR analitike: ako podaci pokazuju da se promet povećava u tvrtki, tada bi trebalo razviti mjere za njegovo smanjenje.

Za HR stručnjake malih tvrtki koje tek započinju s razvojem HR strategije, preporučujemo da se ograniče na skup mjernih podataka koji procjenjuju glavne HR procese koji su već uključeni u tvrtku (na primjer, zapošljavanje i zapošljavanje osoblja).

Kako tvrtka i raspon HR zadataka rastu, pojavit će se novi zahtjevi i procesi, a sukladno tome i novi mjerni podaci (zadržavanje, obuka, procjena, razvoj zaposlenika itd.).

Glavne metričke vrijednosti koje su vam potrebne koncentrirane su u tri dimenzije: vrijeme, cijena i kvaliteta.

Većina HR mjernih podataka izračunava se pomoću standardnih formula koje je lako pronaći na Internetu. Ali ponekad se mjerni podaci moraju prilagoditi potrebama tvrtke.

Kad započinjete s radom s HR mjernim podacima, klasificirajte svoje osoblje: napravite popis ključnih mjesta ili njihovih skupina. Očito će za svaku tvrtku ovo biti vlastiti popis koji odražava specifičnosti poslovanja.

U tom će slučaju svaki HR mjerni podatak odgovarati skupu / nizu podataka koji odražavaju situaciju za određene ključne pozicije ili njihove skupine.

Na primjer, mjerni podaci "vrijeme odabira" i "trošak odabira". S jedne strane, oni procjenjuju učinkovitost zapošljavanja u vašoj tvrtki, s druge strane pružaju informacije o stanju na tržištu rada uz dostupnost određenih stručnjaka, dinamiku njegovih promjena. To vam već omogućuje prelazak na prediktivnu analitiku - možete procijeniti financijske troškove budućeg odabira, procijeniti rizike / gubitke / koristi zajedno s drugim poslovnim zadacima, uzimajući u obzir tržišnu situaciju

Razmislite o izazovu poput zadržavanja vrijednih zaposlenika.

Prema rezultatima brojnih studija, sljedeći glavni čimbenici utječu na želju zaposlenika da nastavi raditi u tvrtki: pristojna razina nagrađivanja, razvijen paket naknada, mogućnosti karijere i profesionalnog rasta.

Shematski, algoritam za rješavanje ovog problema može se predstaviti u obliku lijevka koji se širi, pri čemu osnovni zadatak leži u osnovi - "zadržavanje vrijednih zaposlenika", koji se u svom najjednostavnijem obliku dijeli u dvije zasebne podzadaće, od kojih se svaka može procijeniti pomoću jedne ili više mjernih podataka.

Naravno, različite tvrtke mogu koristiti različite HR metrike u sličnim situacijama, to ovisi o preferencijama uprave, o praktičnosti mjerenja određenih mjernih podataka u različitim tvrtkama, i tako dalje.

Pri odabiru HR mjernih podataka, trebali biste se usredotočiti na sljedeće kriterije:

1. Ne bi trebalo biti mnogo HR mjernih podataka. Izmjerite samo one parametre koji odražavaju ispunjavanje dodijeljenih zadataka u području upravljanja osobljem.

2. HR metrike trebale bi točno odražavati provedbu postojećih HR politika. Ako glavni zadaci leže u području privlačenja rijetkih stručnjaka, možda ćete biti manje bitni za prosječno vrijeme popunjavanja slobodnog mjesta, ali važnije je zadovoljstvo internog kupca i udio zaposlenih koji su prošli probno razdoblje. Odaberite mjerne podatke koji najbolje odražavaju vaše prioritete HR strategije.

3. HR metrike trebale bi biti relativno jednostavne za mjerenje i objektivne. Primjerice, fluidnost je objektivni pokazatelj, teško ju je "lažirati". No udio onih koji daju otkaz zbog niskih plaća prilično je subjektivan pokazatelj: ne govore svi zaposlenici na izlaznim razgovorima o pravim motivima prestanka. Moguće je da se iza općih riječi o niskim plaćama krije skriveni sukob s menadžerom ili neki drugi razlozi.

ROI kao svestrani alat za analitiku HR-a

Kad započinjemo s analizom podataka, potrebno je ne samo zabilježiti vremensku dinamiku HR mjernih podataka za određeno razdoblje, odražavajući prošli rad HR-ova, već i pokazati povezanost s ostalim poslovnim pokazateljima (prije svega financijskim).

Da biste to učinili, u obzir uzmite takozvane metrike usmjerene na profit i dohodak: vrijeme za postizanje produktivnosti (na temelju redovitih kvalifikacija zaposlenika); ispunjenje plana prihoda; dohodak / dobit po zaposlenom, dobit po jedinici plaće, ispunjavanje plana obračuna plaća itd.

Analitika treba sadržavati sliku trenutnog stanja HR procesa, ilustrirati dinamiku promjena za izvještajna razdoblja, odgovarati na pitanja - uslijed kojih su se te promjene dogodile, predlagati rješenja za poboljšanje učinkovitosti procesa, predviđati njihov razvoj na temelju predloženih rješenja.

U posljednje vrijeme ruske tvrtke aktivno koriste ROI kao univerzalni alat za procjenu povrata kapitala uloženog u određene aktivnosti na polju upravljanja osobljem. To je "jezik" na kojem treba razgovarati s upravom tvrtke.

Izračun ROI-a omogućuje procjenu financijske učinkovitosti ulaganja u zaposlenike, iako nije uvijek moguće točno procijeniti prihod od određenih programa ili troškove istih zbog utjecaja vanjskih i unutarnjih čimbenika.

Dakle, kvaliteta procesa zapošljavanja može se procijeniti na sljedeći način:

ROI HR \u003d ((prihod od pridošlica u tvrtku - svi troškovi zapošljavanja) / svi troškovi zapošljavanja) x 100%.

Po analogiji možete stvoriti formule za druge HR procese. Ukupni ROI za različite procese bit će integralna procjena učinkovitosti odjela za ljudske resurse.

Kako protumačiti primljene podatke

Svi pokazatelji moraju se analizirati složeno i s maksimalnom vezom sa životom. Ako se povećao udio obučenih zaposlenika u odjelu prodaje, što to može značiti?

Opcija 1:b oko većina zaposlenika prošla je istu obuku kao i u prethodnom razdoblju.

2. opcija: isti broj sati kao u prethodnom razdoblju podijelio je veći broj zaposlenih. Odnosno, udio učenika se povećao, ali svaki je angažiran u kraćem vremenu. Možda je ovo "hakiranje" od strane odjela za obuku ili možda obrnuto: pronašli su učinkovitije tečajeve koji vam omogućuju svladavanje istog programa za manje vremena.

Drugim riječima, morate jasno razumjeti koji su razlozi u svakom konkretnom slučaju doveli do promjene ovog ili onog pokazatelja. Ponekad se puno podataka daje analizom drugih pokazatelja (udio onih koji su završili obuku + broj sati osposobljavanja po zaposleniku), ponekad su potrebne dodatne informacije značajne prirode. Bilo koji pokazatelj je svjetionik koji kaže "ovdje se nešto promijenilo, moramo to shvatiti." Zašto se promijenio, dobro ili loše i što učiniti s tim - brojevi ne mogu odgovoriti na ova pitanja.

Veliki podaci u HR-u: trendovi i neposredni izgledi

Prvo, HR analitiku provodit će sve veći broj tvrtki. Drugo, obuhvatit će sve veći broj HR procesa. Treće, HR analitika prijeći će iz opisne u više prediktivnu. Odnosno, zadatak procjene fluktuacije osoblja pretvorit će se u zadatak predviđanja fluktuacije osoblja u slučaju poduzimanja određenih mjera i provođenja određenih događaja.

Globalno tržište rješenja velikih podataka raste velikom brzinom, njegov "put" do HR-a sada prolazi prvenstveno kroz društvene mreže, gdje je koncentrirana ogromna količina podataka. Kada se pravilno obrade, tvore razne alate koji uvelike olakšavaju rad HR profesionalcima. Danas se važnost alata za velike podatke u HR prvenstveno povezuje s poboljšanjem tehnologija zapošljavanja i upravljanja talentima.

Bilo koji dostupan statistički softver može se koristiti za obradu podataka o ljudskim resursima. Postoji niz softverskih rješenja za automatizaciju HR analitike vodećih dobavljača ERP-a. U malim i srednjim tvrtkama najčešće se koristi redoviti Excel. Pogodno je kad se HR analitika provodi u istom sustavu kao i drugi HR procesi. Sve su popularniji korporativni sustavi upravljanja ljudskim resursima koji se temelje na uslugama u oblaku, na primjer, Faktori uspjeha.

Tri tajne uspješne implementacije Big Data-a u HR

Imajte na umu da HR podaci sami po sebi nisu Big Data, ali Big Data tehnologije se široko koriste u HR-u. Da bi Big Data mogao uspješno raditi u rješavanju HR problema, potrebno je:

1. Integracija napora HR stručnjaka i programera / analitičara velikih podataka. Analitičar će predložiti najbolji algoritam i obrađivati \u200b\u200bpodatke na najbolji način. Ali samo HR može utjecati na sadržajnu stranu modela!

Recimo da gradite model za predviđanje učinka određenog kandidata na određenoj poziciji. O čemu ovisi ova učinkovitost? Radno iskustvo? Obrazovanje? Prethodno radno iskustvo? Specifične kompetencije? Meke vještine? Aktivnost na društvenim mrežama? Zadatak HR-a je predložiti one parametre koje ima smisla uključiti u model. Zadatak analitičara / programera je implementirati takav model. I samo zajedničkim radom obje strane moguće je parametre koji su uključeni u model učiniti specifičnim, mjerljivim i prikladnim za analizu.

2. Prije svega, prije početka bilo kakve analize podataka, morate razumjeti u kojem ćete obliku dobiti rezultat analize i što ćete s njom dalje učiniti.

Poznat je slučaj predviđanja otpuštanja zaposlenika. Što ćete učiniti s popisom od 30 zaposlenika, od kojih svaki može napustiti vašu tvrtku u sljedeća 3 mjeseca s 52% vjerojatnosti? Ako nemate odgovor na ovo pitanje, nema smisla raditi na sastavljanju takvog popisa.

3. Kada koristite alate za velike podatke, ne zaboravite da zapravo radite s ljudima. Nepromišljeno praćenje rezultata simulacije može dovesti do nepopravljivih posljedica. Potražite razumna rješenja na spoju Big Data-a i stvarnih zaposlenika!

Valeria Chernetsova, voditeljica savjetovanja

Neću se obvezati na točnu procjenu, ali zanimanje za HR analitiku raste već najmanje 10 godina, sve dok napokon, prije par godina, profesionalna HR zajednica doslovno nije eksplodirala masom konferencija, poslovnih doručaka, majstorskih tečajeva itd. objašnjavajući što je HR analitika, kako je izmjeriti, kako postaviti sustav prikupljanja podataka i kako primijeniti informacije dobivene u praksi.

Čini se da je sada svima sve postalo jasno, ali tekuće rasprave i sporovi sugeriraju suprotno. Neka su poduzeća u Rusiji već uspostavila integrirane sustave za prikupljanje i analizu podataka o osoblju i primaju sažeta izvješća on-line. Druge organizacije "nešto mjere", ali ne razumiju točno što i zašto. Treći ipak poduzimaju prve polovične korake u ovom smjeru.

U međuvremenu, u naše doba „velikih podataka“ razumijevanje onoga što se događa na temelju analize, statistike i činjenica postaje presudno za donošenje kompetentnih upravljačkih odluka općenito, a posebno upravnih odluka u vezi s osobljem.

Teškoća opažanja HR analitike posljedica je činjenice da nije odmah jasno o čemu se radi. Kad pitate rukovoditelja, poput prodajne službe, što je HR analitika, vjerojatno će razgovarati o cijeni i učinkovitosti obuke. Voditelj odjela za regrutiranje razmislit će o rokovima za zatvaranje slobodnih mjesta i izbornom lijevku. A CEO će vjerojatno razgovarati o produktivnosti i povratu troškova osoblja. I sva su ta gledišta točna i potrebna.

Da biste ga razumjeli, bilo bi korisno pogledati pitanje "odozgo". Polazeći izdaleka, možemo reći da se HR analitika dijeli na unutarnju i vanjsku. Interna HR analitika govori o svemu povezanom s ljudima u organizaciji. A vanjska HR analitika pruža razumijevanje okoliša tvrtke, omjera ponude i potražnje na tržištu rada, razine plaća, pa čak i opće demografske situacije.

Krenuti dalje. Što je značajna unutarnja HR analitika? Prije svega o tome koliko učinkovito tvrtka upravlja jednim od svojih ključnih resursa - ljudima: koliku je korist poduzeće dobilo od svog osoblja (u naravi i u novcu) i koji su troškovi nastali da bi se ostvarila ta korist.

Iz toga proizlaze dvije skupine mjerljivih čimbenika: troškovi osoblja u raznim odjelima (platni spisak - kao najveći od njih, troškovi zapošljavanja i osposobljavanja osoblja, kao i troškovi održavanja samog kadrovskog odjela) i svi mogući pokazatelji uspješnosti, t.j. odnos troškova i dohotka / dobiti (udio obračuna plaća u prihodu, produktivnost rada, prihod poduzeća po 1 rubli obračuna plaće itd.).

Budući da je jedna od glavnih sastavnica poslovnog uspjeha sposobnost privlačenja i zadržavanja ljudi s potrebnim kompetencijama, fluktuacija osoblja, brzina popunjavanja ključnih radnih mjesta i trajanje prilagodbe također pripadaju analitičkoj jedinici „o HR funkciji i ljudskim resursima“.

Drugi blok internih mjerenja HR analitike u cijelosti je posvećen ljudima, t.j. zaposlenici u organizaciji, njihovo obrazovanje, vještine, sposobnosti i psihološke karakteristike, struktura motivacije, korporativna kultura i drugi čimbenici povezani s pitanjima socijalne interakcije i osobnim karakteristikama pojedinca. Ovaj odjeljak HR analitike može uključivati \u200b\u200bstrukturu osoblja, prosječni radni odnos, ključne kompetencije organizacije, razinu zadovoljstva osoblja, razloge za fluktuaciju i druge čimbenike koji nam omogućuju procjenu osoblja tvrtke, ne samo kao resursa, već kao kapitala i osnove za daljnji razvoj poslovanja. i njegova konkurentnost.

Konačno, treći blok interne HR analize je proučavanje organizacijske učinkovitosti. Strogo govoreći, ovdje već govorimo o HR i poslovnoj analitici, kada se razmatra ne samo funkcija upravljanja osobljem, već i organizacijska struktura i kombinacija svih funkcija poduzeća u kontekstu međusobnog utjecaja jednih na druge i na ukupnu učinkovitost poslovanja u cjelini.

Da biste analizirali organizacijsku učinkovitost, trebat će vam funkcijski program i organizacijska shema tvrtke, procjena stupnja njegovog razvoja, procjena postojećih i potrebnih stilova upravljanja, analiza postojećih poslovnih procesa i još mnogo toga.

Dakle, unutarnja HR analitika obuhvaća procjenu učinkovitosti osoblja kao resursa, procjenu osoblja kao ljudskog kapitala organizacije i procjenu učinkovitosti organizacije rada u cijeloj tvrtki. A što nam daje vanjska HR analitika, o čemu se radi?

Kao i ostatak organizacije, HR i HR ne postoje zasebno u idealnom laboratorijskom okruženju. Kandidati se moraju tražiti na tržištu rada, gdje se za njih prijavljuju drugi poslodavci. Konkurencija je velika i među tražiteljima posla i među poslodavcima. Uvjeti rada, razine plaća i reputacija tvrtke mogu značajno utjecati na sposobnost organizacije da zadovolji vlastite potrebe za kadrovima.

Stoga je, kako biste "držali prst na pulsu", potrebno minimalno analizirati razinu plaća na tržištu, dostupnost osoblja s potrebnim kvalifikacijama i reputaciju tvrtke. Optimalno je ako će, uz navedene podatke, organizacija provoditi i referentne studije o svim pokazateljima interne HR analitike. Drugim riječima, vaša učinkovitost upravljanja osobljem mora se usporediti s učinkovitošću upravljanja osobljem u drugim organizacijama, što će dodatno povećati konkurentnost ovog određenog posla.

Mogu li se metrike HR analitike promatrati odvojeno, neovisno jedna o drugoj? Neki, vjerojatno, možete. Primjerice, udio troškova rada u prihodu poduzeća sam je po sebi značajan i samodostatan pokazatelj. No, sama fluktuacija osoblja nije toliko očita.

Međutim, kada usporedimo promet sa stopom zapošljavanja, dobivamo mjerljivu sposobnost tvrtke da popuni svoju radnu snagu. Ako usporedite isti promet s pokazateljima uspješnosti različitih odjela, možete vidjeti izravan utjecaj fluktuacije osoblja na poslovnu učinkovitost i dobit tvrtke.

Kad se gleda odozgo, HR analitiku prilično je lako uočiti. Međutim, ako zaronite u detalje, pronaći ćete preko 100 različitih pokazatelja koji se odnose na upravljanje ljudskim resursima. Naravno, niti direktori, niti izvršni direktor ili vlasnici, niti osoblje HR-a neće moći učinkovito iskoristiti ovu količinu podataka.

Stoga, kada se razvija sustav HR analitike u tvrtki, glavni zadatak nije otkriti što mjeriti, već pronaći onih nekoliko pokazatelja koji će najbolje karakterizirati sustav upravljanja kadrovima u tvrtki, kao i odlučiti koji pokazatelji i kome treba.