Såvida inte ditt födelseår börjar med 2, så finns det en god chans att du har prövat att hitta rätt väg med hjälp av en fysisk karta, eller att du har hört dina föräldrar göra detsamma medan du satt i ett baksäte. Jovisst, för det mesta nådde man fram – men sällan via den snabbaste rutten och ofta gav det dessutom upphov till frustration. People Analytics är HR:s GPS; ett verktyg som visar den mest optimala rutten samt varnar för vägarbeten på den rutt som du har planerat.
De flesta i HR har någon slags uppfattning om vad People Analytics (PA) innebär, dock med en del variation beroende på vem du frågar. ”Det är dashboards”, säger många. ”Det är sådan där artificiell intelligens”, säger andra. ”Det har något att göra med stora kalkylblad och ger mycket huvudvärk”. De två första stämmer – den sista är ett exempel på dåligt genomförande. Sanningen är att det finns flera nivåer av People Analytics (se bild 1), och att det omfattar allt från kalkylblad som utformats manuellt till artificiell intelligens som förutsäger framtiden och berättar för oss hur vi kan ändra den.
(Bild 1 - Nivåer av People Analytics-projekter)
Men man måste som bekant krypa innan man kan gå. Och de som kryper kommer ju också framåt, eller hur? Detsamma gäller för PA-projekt. Även de mest blygsamma nivå 1-projekt kommer att resultera i kunskaper som kan stödja verksamhetens beslutsprocesser. Det är faktiskt de här projekten som ofta ger starkast intryck, eftersom de levereras till intressenter utan förväntningar – lite som den första metern som bebisen kryper. Men jag vill dock framföra en välmenande uppmaning om att inte nödvändigtvis springa mot styrelserummet så fort de första insikterna har sett dagens ljus.
Läs också blogginlägget: People Analytics synliggör optimal span of control
Arbeta bakåt
När man precis har kommit igång med PA kan det nämligen vara svårt att begränsa sig gällande vilka data och kunskaper som man vill dela med intressenterna i verksamheten. Men det är viktigt att tygla denna inledande entusiasm för att säkerställa att PA får ett nödvändigt fotfäste från start. Det som absolut inte får ske är att företagets reaktion på HR:s kunskaper, som gett upphov till en känsla av ”aha!” inom HR, bemöts med en axelryckning och ”än sen då?”. Precis som med alla de andra initiativ som HR vill att företaget ska engagera sig i, så måste det finnas en koppling till verksamhetens mål. Därför är regel nummer ett inom PA-projekt: Börja med ett verksamhetsproblem. Eftersom medarbetarna är den främsta resursen i de flesta verksamheter i dag, så har de flesta affärsmässiga utmaningar och målsättningar också en koppling till medarbetarna. Ur ett PA-perspektiv består uppgiften i att identifiera denna koppling och de datapunkter som kan stödja detta. Och om vi verkligen ska anstränga oss för att göra ett stort intryck på verksamhetsledningen kommer inte HR dragandes med bara skarpa analyser av ”vad” och ”varför”, utan även med en lista över vilka möjligheter vi, tillsammans med verksamheten, har för att göra någonting åt det.
Förbannade, underbara data
Resan mot PA-perfektion börjar med att identifiera data som är 1) relevant och 2) korrekt. Redan här kommer några HR-team att skaka på huvudet och uppgivet konstatera att ”vi har inte riktigt någon överblick över våra data”, eller ”vi använder fem olika system, som inte är synkade”. Detta är en mycket utbredd reaktion hos HR-avdelningar som ännu inte har tagit första steget upp på PA-stegen. Men som tidigare nämnts bör HR inte presentera PA-analyser till företagsledningen för analysernas skull – det ska alltid finnas en konkret affärsmässig problemställning eller prioritet. Just därför är det heller inte nödvändigt att ha en överblick över vilka HR-data som är tillgängliga. Vi arbetar ju baklänges med utgångspunkt från frågeställningen: ”Vilka data kan hjälpa oss att synliggöra och mäta just denna problemställning?”. Ofta behövs endast mycket få datapunkter för att uppnå en insikt som man kan agera utifrån.
Lika viktigt som det är att synliggöra vilka data som är tillgängliga avseende den konkreta uppgiften, är det att synliggöra vilka data som inte är tillgängliga och därefter ta ställning till om det är data som vi bör börja samla in framöver. Ett ganska generellt exempel, för organisationer som befinner sig i början av PA-stegen, är historiska data. Kanske har vi en god insyn i vem som sitter var, och vad de gör nu. Men vad händer om vi kunde kartlägga hur vägen genom organisationen har varit för våra högpresterande medarbetare, och därmed bidra till best practice i vår medarbetarutveckling? Då skulle vi t.ex. kunna reagera när några av våra talanger har suttit för länge på samma position. Även för de företag som saknar avancerade HR-system så kommer detta inte att kräva mer än ett månatligt utdrag av de stamdata vars historik vi gärna vill kunna följa.
Ett annat exempel på en nyttig datapunkt är rekryteringskanal. Vet vi egentligen hur våra kandidater kom fram till att de ville söka just detta jobbet hos oss? Om vi inte har dessa data i dag skulle vi kunna börja samla in dem från och med i morgon som ett led i rekryteringsprocessen. Redan om några få månader skulle vi vara redo att genomföra den första utvärderingen av vilka kanaler som ger oss bäst kandidater, och därmed hur budgeten ska fokuseras.
Ett exempel: Könsdiversitet
Låt oss titta på ett exempel från ett område som är högt prioriterat bland många företag just nu. Trots att könsdiversitet inte precis är ett nytt koncept, så är det just nu många organisationer som väljer att arbeta aktivt med inkludering och diversitet. Och även om diversitet (eller mångfald) innefattar mycket mer än kön, så är det ofta här insatsen påbörjas – särskilt med fokus på att öka andelen kvinnor generellt bland medarbetarna – och särskilt på chefspositioner.
De flesta HR-avdelningar skulle kunna berätta hur många kvinnor som är anställda i organisationen som helhet och förmodligen också uppdelat på parametrar som platser och chef/icke-chef. Men vad händer om vi lägger till chefens könstillhörighet? Vi skulle t.ex. kunna visa bild 2.
(Bild 2 - Könsfördelning och Chefers könstillhörighet)
Här ses en tydlig tendens till att chefens könstillhörighet avspeglas i teamets könsfördelning. Faktiskt så är siffrorna här representativa för situationen i många danska företag, och denna enkla analys är särskilt effektiv när det handlar om att påvisa närvaron av unconscious bias.
Alltså finns här en insikt som t.ex. kan användas till att argumentera för varför en ökning av antalet kvinnliga chefer automatiskt kommer medföra fler kvinnor generellt. Samtidigt finns här även ett argument för att se närmare på könsfördelning bland nyanställningar, inklusive hur kvinnor är representerade bland ansökande, intervjuer och jobberbjudanden. Samtidigt bör detta jämföras med könstillhörigheten hos de chefer som anställer.
Nästa frågeställning skulle då kunna vara: ”Varför har vi inte fler kvinnliga chefer i dag?” Här kan det vara relevant att studera data för anställningar och befordringar för att se om det finns en snedvridning. Dessutom kan det även vara lämpligt att titta närmare på om kvinnliga chefer över huvud taget trivs. Vi skapar inte förebilder bland våra chefer genom att placera dem i roller som de inte trivs i, och därefter med stor sannolikhet lämnar organisationen. Bild 3 visar en översikt och engagemangspoängen fördelat på kön och jobbnivå.
(Bild 3 - Engagemangspoängen fördelat på kön och jobnivå)
För det här företaget finns det en tydlig obalans gällande trivsel. Medan engagemangspoängen bland män är stadigt stigande i takt med jobbnivån (en ganska generell bild), så är situationen nästan omvänd för kvinnor. Här finns ett tydligt behov av att titta närmare på arbetsvillkoren för de kvinnliga cheferna, innan man försöker öka andelen.
PA är ett affärsverktyg
Det har runnit mycket vatten under broarna sedan tiden då HR:s uppgifter var begränsade till anställning, lön och uppsägningar. HR:s potentiella insatsområden växer hela tiden och det gör även förväntningarna inom verksamheten. Därför är en av HR-chefens främsta uppgifter nu att prioritera benhårt i en lista över oändligt många initiativ, som alla har potential att stärka engagemang, ledning och resultat i verksamheten. Här kommer PA att vara till stor hjälp – se t.ex. bild 4 där PA-metoder används till att synliggöra vilka områden som har störst inverkan på engagemanget för en viss grupp av medarbetare.
(Bild 4 - PA-metoder används till att synliggöra vilka områden som har störst inverkan på engagemanget)
Trots de många fördelarna kommer en förstärkt PA-insats att kämpa om resurserna på HR-chefens tidigare nämnda lista – men så behöver det inte vara.
PA finns först och främst till för att stödja verksamhetens beslutsprocesser. Så även om det handlar om medarbetarna, så behöver inte PA ägas av HR. Ofta kommer HR inte att ha de nödvändiga analytiska kompetenserna till att börja med, så därför ska dessa antingen erhållas genom utbildning eller hyras in. Men det finns ett alternativ. Ta dina PA-önskemål och dina data under armen och titta förbi hos Ekonomi, IT eller Försäljning och marknadsföring. Sannolikheten för att de kompetenser som du behöver finns i de här teamen är ganska stor. Och eftersom PA är ett affärsverktyg är det lämpligt att arbeta tillsammans i ett tvärorganisatoriskt projekt som finansieras centralt.
Även om People Analytics kanske kan verka som ännu en punkt på listan över saker-som-vi-snart-också-borde-komma-igång-med, ska det betraktas som när du (eller dina föräldrar) fick den första GPS:en installerad – det kostade en del, men oj vad mycket enklare det blev att hitta från A till B.
Ursprungligen publicerat i tidskriften ’HR Chefen’ nr. 4, 2021 – av Dansk HR
