Med mindre fødselsåret ditt starter med 2, så er det en god mulighet for at du har prøvd å finne rett vei ved hjelp av et fysisk kart, eller at du har opplevd at foreldrene dine har gjort det mens du satt i baksetet. Ja, man nådde som regel frem – men sjelden via den mest effektive ruten, og ofte med mange frustrasjoner. «People Analytics» er GPS for HR – et verktøy som viser den mest optimale ruten, og advarer om veiarbeid på ruten du har planlagt.
De fleste innen HR har en eller annen idé om hva «People Analytics» (PA) innebærer, men svaret du får varierer ut fra hvem du spør. «Det er dashbord» vil mange si. «Det er en sånn kunstig intelligens» sier andre. «Det er noe med store regneark som gir hodepine». De to første er rett, mens den siste er et eksempel på en dårlig utførelse. Sannheten er at det er flere nivå av «People Analytics» (se figur 1), og de spenner helt fra manuelt sammensatte regneark til kunstig intelligens som forutsier fremtiden, og forteller oss hvordan vi kan endre den.
(Figur 1 - Nivå av People Analytics prosjekter)
Men man må som kjent krabbe før man kan gå. Men husk at de som krabber kommer også fremover… Det samme gjelder PA-prosjekter. Selv de meste spennende nivå 1-prosjekter vil kunne resultere i innsikter som kan være til hjelp til beslutningsprosessen. Faktisk er disse prosjektene de som skaper størst inntrykk – siden de leveres til interessenter uten forventning, akkurat som de første meterne et spedbarn krabber. Men da skal man huske at man ikke må løpe rett til styret så snart den første innsikten ser dagens lys.
Jobb baklengs
Når du først har kommet i gang med PA, kan det være vanskelig å begrense seg når det gjelder hvilke data og innsikt man ønsker å dele med virksomhetens interessenter. Men det er viktig at man holder denne innledende begeistringen under kontroll for å sikre at PA får nødvendig fotfeste fra starten av. Det som absolutt ikke må skje er at reaksjonen i virksomheten på HRs «aha!»-innsikt blir et skuldertrekk fulgt av «og hva så?». Akkurat på samme måte som de andre initiativene som HR ønsker at virksomheten skal engasjere seg i, må det være en kobling til virksomhetens mål. Derfor er regel nummer én i PA-prosjekter: Start med et forretningsproblem. Siden medarbeiderne er den primære ressursen til de fleste virksomheter i dag, vil de fleste forretningsmessige utfordringer, og målsetninger, være knyttet til medarbeiderne.
Fra et PA-perspektiv består oppgaven i å identifisere denne forbindelsen, og de datapunktene som kan støtte den. Og hvis vi virkelig skal gjøre et inntrykk, må ikke HR bare komme med tydelige analyse at «hva» og «hvorfor», men også kunne vise fram en liste over hvilke muligheter som vi, sammen med resten av virksomheten, kan benytte oss av for å gjøre noe med det.
Les også blogginnlegget: People Analytics avdekker hva som er det optimale span og control
Forbannet, vidunderlig data
Reisen mot PA-perfeksjon starter med identifisering av data som er 1) relevante og 2) korrekte. Allerede her vil enkelte HR-team riste på hodet og oppgitt konstatere at «vi ikke har godt nok oversikt over dataene våre», eller «vi bruker fem forskjellige systemer som ikke snakker med hverandre». Dette er en svært utbredt reaksjon hos HR-avdelinger som ennå ikke har tatt sitt første trinn opp PA-stigen. Men som nevnt bør ikke HR presentere PA-analyser bare for analysens skyld – det må alltid være en konkret forretningsmessig problemstilling eller prioritet knyttet til den. Nettopp derfor er det heller ikke nødvendig å ha den fulle oversikten over hvilke HR-data som er tilgjengelig. Vi jobber baklengs ut fra spørsmålet «hvilke data kan hjelpe oss med å avdekke og måle akkurat denne problemstillingen?». Ofte er det kun behov for et fåtall datapunkt for å skape en innsikt som det kan handles ut fra.
Det er like viktig å få avdekket hvilke data som ikke er tilgjengelig for akkurat den konkrete oppgave som det er å se hvilke data som er tilgjengelig, og deretter ta stilling til om det er data som man bør starte innsamling av. Et helt vanlig eksempel for virksomheter på første PA-trinn er historiske data. Vi har kanskje god oversikt over hvem som sitter hvor, og hva de gjør nå. Men hva om vi var i stand til å kartlegge hvordan veien til våre «High Performers» har vært gjennom organisasjonen, og dermed kan bruke denne innsikten som et bidrag til vår talentutvikling? Da vi f.eks. kunne reagere når noen av talentene våre har hatt samme rolle for lenge. Selv for virksomheter uten avanserte HR-systemer vil ikke dette kreve mer enn en måneds uttrekk fra de stamdata som vi som regel vil kunne følge historisk.
Et annet eksempel på nyttige datapunkt er rekrutteringskanal. Vet vi egentlig hvordan kandidatene våre nådde fram til oss, og at de faktisk ville søke på denne jobben hos oss? Hvis vi ikke har disse dataene i dag, kan vi starte å hente de inn i morgen, som et ledd i rekrutteringsprosessen. Da vil vi allerede i løpet av et par måneder kunne gjennomføre den første evalueringen av hvilke kanaler som gir oss de beste kanalene, og dermed hvor budsjettet bør fokuseres.
Et eksempel: Kjønnsmangfold
La oss se på et eksempel fra et emne som har for tiden er høyt prioritet blant mange virksomheter. Til tross for at kjønnsmangfold i bedrifter ikke er et nytt tema, er det likevel mange virksomheter som først nå velger å jobbe aktivt med inkludering og mangfold Og selv om mangfold handler om så mye mer enn bare kjønn, er det her innsatsen først starter – og da med fokus på en økning av kvinneandelen i arbeidsstokken – og spesielt i lederroller.
De fleste HR-avdelinger vil kunne si hvor mange kvinner det finnes i organisasjonen, og kanskje også dele tallene på parameter som lokasjon og leder/ikke leder. Hva om vi tilføyer lederes kjønn? Da vil vi f.eks. kunne vise figur 2.
(Figur 2 - Kjønnssammensetning og leders kjøn)
Her ser vi en tydelig tendens til at lederens kjønn avspeiles i teamets kjønnssammensetning. Faktisk er disse tallene slik situasjonen er i mange danske virksomheter, og da sikkert også mange norske, og denne enkle analysen er svært nyttig for å vise tilstedeværelsen av «unconscious bias».
Dermed har du en innsikt som f.eks. kan brukes til å argumentere for hvorfor en økning i antallet kvinnelige ledere automatisk vil føre til at det blir ansatt flere kvinner generelt. Samtidig finner du også argumenter for å se nærmere på kjønnsfordelingen blant nyansatte, og da inkludert hvordan kvinner er representert blant søkere, intervjuer og jobbtilbud. Dette bør også sammenholdes med kjønnet til de ledere som ansetter.
Neste spørsmål kan dermed bli: «Hvorfor har vi ikke flere kvinnelige ledere i dag?» Her kunne det være relevant å studere data for ansettelser og forfremmelser for å se om det foregår en skjevfordeling. I tillegg vil det være opplagt at man må se på om kvinnelige ledere overhode trives. Vi skaper ikke rollemodeller blant våre ledere ved å plassere de i roller der de mistrives, og dermed – med stor sannsynlighet – forlater organisasjonen. Figur 3 viser en oversikt og engasjementscore fordelt på kjønn og jobbnivå.
(Figur 3 - Engasjementscore fordelt på kjønn og jobbnivå)
Hos denne virksomheten er det en klar trivselsubalanse. Men den mannlige engasjementscoren stiger med jobbnivå (et ganske vanlig bilde) er situasjonen nesten omvendt for kvinner. Her er det helt klart behov for å se nærmere på arbeidsvilkårene til de kvinnelige lederne, før man forsøker å øke andelen.
PA er et forretningsverktøy
Mye vann har rent ut i havet siden oppgavene til HR begrenset seg til ansettelse, lønn og oppsigelser. De potensielle innsatsområdene til HR utvider seg hele tiden, og det samme gjør virksomhetens forventninger. Derfor er det en av de primære oppgavene til HR-leder å prioritere beinhardt mellom en uendelig liste over initiativer, som alle har et potensiale til å styrke engasjementet, ledelse og ytelse i virksomheten. Her vil PA kunne være til stor hjelp – se f.eks. figur 4, der PA-metoden er brukt til å avdekke hvilke områder som har størst påvirkning på engasjementet for en bestemt gruppe medarbeidere.
(Figur 4 - PA-metoden brukt til å avdekke hvilke områder som har størst påvirkning på engasjementet)
Til tross for mange fordeler, vil en styrket PA-innsats måtte konkurrere om ressursene på den tidligere nevnte listen til HR-leder – men det må ikke være slik.
PA eksisterer primært for å gi støtte til virksomhetens beslutningsprosesser. Så selv om det handler om medarbeiderne, så trenger ikke PA være eid av HR. Ofte har ikke HR den nødvendige analytiske kompetansen i starten, og dermed må denne skaffes via ansettelse eller opplæring av eksisterende medarbeidere. Men det finnes et alternativ. Ta PA-ønskene dine sammen med dataene under armen, og ta turen innom finans, IT eller salg og markedsføring. Sannsynligheten for at disse teamene har den kompetansen du trenger er relativt stor. Og siden PA er et forretningsverktøy er det opplagt å innlede et samarbeid via et prosjekt som strekker seg på tvers av organisasjonen, og som finansieres sentralt.
Selv om «People Analytics» kanskje kan virke som enda en ting på vi-burde-snart-komme-i-gang-med-dette-listen, vil vi komme med en oppfordring til at dere da tenker at det koster litt, men det blir mye lettere å finne fram, akkurat som da du eller dine foreldre fikk montert den første GPS-enheten for å finne frem.
Artikkel publisert for første gang i tidsskriftet 'HR Chefen’ nr. 4, 2021 - utgitt av Dansk HR
