<img height="1" width="1" style="display:none" src="https://www.facebook.com/tr?id=307948614421711&amp;ev=PageView&amp;noscript=1">

People Analytics er HRs GPS

Forfatter - Morten Hartvig Berg, Head of People Insights

Med mindre dit fødselsår starter med 2, så er der en god chance for, at du har prøvet at skulle finde vej ved hjælp af et fysisk kort, eller at du fra et bagsæde har overværet dine forældre gøre forsøget. Jovist, for det meste nåede man frem - men sjældent via den mest effektive rute og ofte med frustrationer i tillæg. People Analytics er HRs GPS; et værktøj der udpeger den mest optimale rute samt advarer om vejarbejde på den rute, du havde planlagt. 

De fleste i HR har en eller anden idé om hvad People Analytics (PA) indebærer, dog med en del variation alt efter hvem du spørger. ”Det er dashboards”, vil mange sige. ”Det er sådan noget kunstig intelligens”, siger andre. ”Det er noget med store regneark, som giver meget hovedpine”. De to første er rigtige – den sidste er et eksempel på dårlig udførelse. Sandheden er, at der er flere niveauer af People Analytics (se figur 1), og det spænder lige fra de helt manuelt konstruerede regneark til den kunstige intelligens, der forudsiger fremtiden og fortæller os, hvordan vi ændrer den.

 

People Analytics is HRs GPS fig1_dk

(Figur 1 - Forskellige niveau af PA-projekter)

Men, man skal som bekendt kravle, før man kan gå. Dog kommer de, der kravler, jo også fremad, ikke? Det samme gælder for PA projekter. Selv de mest spæde niveau-1 projekter vil resultere i indsigter, som kan understøtte forretningens beslutningsprocesser. Faktisk er disse projekter ofte dem, der skaber det største indtryk, da de leveres til stakeholders uden forventninger – lidt som babyens første kravlede meter. Herfra skal der dog lyde en velment formaning om, ikke nødvendigvis at styrte mod bestyrelseslokalet, så snart de første indsigter har set dagens lys.


Arbejd baglæns

Når man først er kommet i gang med PA, kan det nemlig være svært at begrænse sig i, hvilke data og indsigter, man vil dele med stakeholderne i forretningen. Men denne indledende begejstring er vigtig at tøjle for at sikre, at PA får det nødvendige fodfæste fra start. Hvad der absolut ikke må ske er, at forretningens reaktion på HRs ”aha! indsigter” bliver et skuldertrækkende ”og hvad så?”. Ligesom alle de andre initiativer, HR ønsker, at forretningen skal engagere sig i, skal der være en forbindelse til virksomhedens mål. Derfor er regel nummer et i PA-projekter: Start med et forretningsproblem. Da medarbejderne er den primære ressource i de fleste virksomheder i dag, vil de fleste forretningsmæssige udfordringer og målsætninger også have en forbindelse til medarbejderne. Fra et PA-perspektiv består opgaven i at identificere denne forbindelse og de datapunkter, der kan støtte op herom. Og skal vi op på den helt store klinge i forhold til at gøre indtryk på forretningen, ankommer HR naturligvis ikke blot med skarpe analyser af ”hvad” og ”hvorfor”, men også med en liste over hvilke muligheder, vi, sammen med forretningen, har for at gøre noget ved det.

Læs også blogindlægget: People Analytics afdækker det optimale span of control

Den fordømte, vidunderlige data
Rejsen mod PA-perfektion starter med at identificere data, der er 1) relevant og 2) korrekt. Allerede her vil nogle HR-teams ryste på hovedet og opgivende konstatere, at ”vi har ikke rigtigt noget overblik over vores data”, eller ”vi bruger fem forskellige systemer, der ikke taler sammen”. Dette er en meget udbredt reaktion hos HR-afdelinger, der endnu ikke har taget første trin op ad PA-stigen. Men som netop omtalt, bør HR ikke præsentere PA-analyser til forretningen for analysernes skyld – der skal altid være en konkret forretningsmæssig problemstilling eller prioritet. Netop derfor er det heller ikke nødvendigt at besidde det forkromede overblik over, hvilken HR-data der er tilgængelig. Vi arbejder jo baglæns ud fra spørgsmålet; ”hvilken data kan hjælpe os til at afdække og måle netop denne problemstilling”. Ofte behøves kun meget få datapunkter for opnå en indsigt, der kan handles på.

Lige så vigtigt det er at afdække, hvilken data der er til rådighed i forhold til den konkrete opgave, er det at afdække, hvilken data der ikke er til rådighed og derefter tage stilling til, om det er data, vi bør begynde at samle fremover. Et ret almindeligt eksempel, for organisationer på de første PA-trin, er historisk data. Vi har måske godt styr på, hvem der sidder hvor, og hvad de laver nu. Men hvad hvis vi var i stand til at kortlægge, hvordan vores high performers’ vej har været gennem organisationen og dermed bidrage til best practice i vores talentudvikling? Så ville vi fx kunne reagere, når nogle af vores talenter har siddet for længe i samme rolle. Selv for virksomheder uden avancerede HR-systemer ville dette ikke kræve mere end et månedlig udtræk af de stamdata, vi gerne vil kunne følge historisk.

Et andet eksempel på et nyttigt datapunkt er rekrutteringskanal. Ved vi egentlig, hvordan vores kandidater nåede frem til, at de ville søge netop dette job hos os? Har vi ikke den data i dag, kunne vi begynde at indsamle den fra i morgen som led i rekrutteringsprocessen. Allerede om få måneder ville vi være klar til den første evaluering af, hvilke kanaler der giver os de bedste kandidater og dermed, hvor budgettet skal fokuseres.


Et eksempel: Kønsdiversitet

Lad os se på et eksempel fra et emne, der er højt prioriteret blandt mange danske virksomheder i øjeblikket. Til trods for, at kønsdiversitet ikke just er et nyt koncept, er der netop nu mange organisationer, der vælger at arbejde aktivt med inklusion og diversitet. Og selvom diversitet (eller mangfoldighed) er meget mere end køn, er det ofte her, indsatsen starter – især med fokus på at øge andelen af kvinder generelt blandt medarbejderne – og især i lederroller.

De fleste HR afdelinger vil kunne fortælle, hvor mange kvinder der er i organisationen generelt og formentlig også opdelt på parametre såsom lokationer og leder/ikke-leder. Men hvad nu hvis vi tilføjede lederens køn? Så ville vi fx kunne vise figur 2.


People Analytics is HRs GPS fig2_dk
(Figur 2 - Kønssammensætning og leders køn)

Her ses en tydelig tendens til, at lederens køn er afspejlet i teamets kønssammensætning. Faktisk er tallene her sådan som situationen ser ud i mange danske virksomheder og denne simple analyse er særdeles nyttig til at vise tilstedeværelsen af unconscious bias.

Altså er der her en indsigt, der fx kan bruges til at argumentere for, hvorfor en øgning i antallet af kvindelige ledere automatisk vil medføre flere kvinder generelt. Samtidig er her også et argument for at se nærmere på kønsfordeling blandt nyansættelser, herunder hvordan kvinder er repræsenteret blandt ansøgere, interviews og jobtilbud. Samtidig bør dette sammenholdes med kønnet på de ansættende ledere.

Næste spørgsmål kunne så være: ”Hvorfor har vi ikke flere kvindelige ledere i dag”? Her kunne det være relevant at studere data for ansættelser og forfremmelser for at se, om der sker en skævvridning. Derudover vil det også være oplagt at se på, om kvindelige ledere overhovedet trives. Vi skaber ikke rollemodeller blandt vores ledere ved at placere dem i roller, hvori de vil mistrives og efterfølgende, med stor sandsynlighed, forlader organisationen. Figur 3 viser en oversigt og engagementsscoren fordelt på køn og jobniveau.


People Analytics is HRs GPS fig3_dk

(Figur 3 - Engagementscoren fordelt på køn og jobniveau)


For denne virksomhed er der en klar ubalance i trivslen. Mens den mandlige engagementsscore er støt stigende med jobniveauet (et ret almindeligt billede) er situationen nærmest omvendt for kvinder. Her er et klart behov for at se nærmere på arbejdsvilkårene for de kvindelige ledere, før man forsøger at øge andelen.


PA er et forretningsværktøj

Der er løbet meget vand i åen siden HRs opgaver var begrænset til ansættelse, løn og afskedigelser. HRs potentielle indsatsområder udvider sig hele tiden og det samme gør forretningens forventninger. Derfor er en af HR chefens primære opgaver nu at prioritere benhårdt mellem en uendelig liste af initiativer, der alle har potentiale til at styrke engagement, ledelse og performance i virksomheden. Her vil PA være en stor hjælp - se fx figur 4, hvor PA metoder er brugt til at afdække, hvilke områder der har størst indflydelse på engagementet for en bestemt gruppe medarbejdere.

 

People Analytics is HRs GPS fig4_dk

(Figur 4 - PA-metoden brugt til at afdække, hvilke områder der har størst indflydelse på engagementet)

 

Til trods for de mange fordele, vil en styrket PA-indsats skulle slås om ressourcer på HR-chefens føromtalte liste – men sådan behøver det ikke at være.

PA eksisterer primært for at agere støtte for forretningens beslutningsprocesser. Så selvom det handler om medarbejderne, så behøver PA ikke være ejet af HR. Ofte vil HR ikke have de nødvendige analytiske kompetencer til at begynde med, hvorfor disse enten skal trænes eller hyres. Men der er et alternativ. Tag dine PA ønsker og din data under armen og slå et smut forbi Finans, IT eller Salg og Marketing. Sandsynligheden, for at det kompetencesæt du behøver er til stede i de teams, er ret så stor. Og da PA er et forretningsværktøj, er det oplagt at arbejde sammen i et tværorganisatorisk projekt, der finansieres centralt.

Selvom People Analytics måske kan virke som endnu en ting på vi-burde-også-snart-komme-i-gang-med listen, skal der herfra lyde en opfordring til at betragte det, som da du (eller dine forældre) fik den første GPS installeret – det kostede lidt, men nøj hvor blev det meget nemmere at finde fra A til B.

 

Artikel bragt første gang i magasinet 'HR Chefen' nr. 4 2021 - udgivet af Dansk HR

Morten Hartvig Berg, Head of People Insights
Forfatter

Morten Hartvig Berg, Head of People Insights

Morten har over 10 års international HR-erfaring, og fungerer som rådgiver for de kunder, der anvender vores employee journey-koncepter. Morten arbejder med at tage vores People Analytics-koncepter til det næste niveau, og bidrager til vores konceptudvikling generelt