09.01.2024
Ratkaisuja HR-analytiikan yleisiin haasteisiin
HR-analytiikan (people analytics) hyödyntäminen on muuttanut ja muuttaa edelleen HR-alaa. HR-analytiikka on henkilöstödatan keräämistä, analysointia sekä tiedon tuomista ja hyödyntämistä liiketoimintapäätösten tukena. HR-analytiikan avulla voidaan esimerkiksi etsiä vastauksia monenlaisiin henkilöstöön liittyviin kysymyksiin tai haasteisiin sekä reagoida tapahtumiin oikea-aikaisesti tai ennakoivasti, ennen kuin niistä kasvaa suurempia ongelmia. Lisäksi voidaan tutkia jo tehtyjen toimien vaikutuksia.
HR-analytiikka voi auttaa lisäämään ymmärrystä henkilöstöstä ja henkilöstön työhyvinvoinnista, sitoutumisesta, osaamisen kehittämisestä ja monimuotoisuudesta sekä kasvattamaan HR:n strategista merkitystä organisaatiossa. Monissa yrityksissä on ymmärretty, että pelkkien työsuhde-, palkka-, sairauspoissaolo- ja vaihtuvuustietojen raportoinnin automatisoinnin lisäksi raportointi ja analytiikka mahdollistavat paljon enemmän. HR-analytiikan hyödyntämiseen liittyy kuitenkin joitakin yleisiä ratkaistavissa olevia haasteita, joita käsitellen tässä kirjoituksessa.
Merkityksellistä HR-analytiikkaa
HR-analytiikkaprojektin alussa on hyvä pohtia ja keskustella siitä, mitä projektilla halutaan saavuttaa. Lyhyisiin tai tarvittaessa pidempiinkin keskusteluihin voidaan tarkasteltavista haasteista riippuen ottaa mukaan myös asiasta kiinnostuneita liiketoiminnan esimiehiä tai johtoa tuomaan näkemystä liiketoiminnan näkökulmasta. HR- ja liiketoimintaymmärryksen avulla HR-analytiikalla voidaan saavuttaa merkittäviä liiketoimintahyötyjä.
Jotta liiketoimintahyötyjä voisi syntyä, projektin tavoitteita on hyvä muotoilla liiketoimintaan liittyvien selkeiden kysymyksien tai hypoteesien muotoon. Valitut kysymykset ja tavoitteet on tärkeää pitää mielessä koko projektin ajan, tuloksien esittämiseen ja seuraamiseen sekä niiden pohjalta toimimiseen asti. Analytiikka- ja raportointiratkaisujen räätälöiminen organisaation omien tarpeiden ja haasteiden mukaan tuottaa parhaat tulokset.
HR-datan saatavuus ja laatu
Data on harvoin täydellistä ja ”puhdasta”. Monesti data saattaa olla epätäydellistä tai vanhentunutta, sisältää virheitä ja puuttuvia arvoja sekä sijaita hajallaan eri järjestelmissä. Datan tunteminen tai siihen tutustuminen auttaa datan laadun varmistamisessa. Lisäksi pilvipohjaiset Business Intelligence (BI) -ohjelmistot tehostavat muun muassa datan keräämistä, muuntamista, pudistamista ja eri tietolähteistä saatavan datan yhdistämistä. Esimerkiksi Microsoftin Business Intelligence -ohjelmisto Power BI:lla voidaan yhdistää dataa sadoista eri tietolähteistä yhdeksi yhtenäiseksi selkeäksi kokonaisuudeksi. Kun eri lähteistä kerätty data kootaan yhteen, selkeän kokonaiskuvan muodostaminen helpottuu ja voidaan tehdä aivan uusia havaintoja.
HR-analytiikkaprojektin alussa voi myös selvitä, että dataa ei ole ennen edes kerätty liittyen kysymykseen, jota haluttaisiin tukia. Tällöin voidaan joutua muuttamaan prosesseja, jotta tarvittava tieto saadaan kerättyä. Tarvittaessa dataa voidaan kerätä myös vaikkapa työntekijäkyselyiden avulla. Kun dataan liittyvät perusteet ovat kunnossa eli esimerkiksi varmistetaan, että dataa kerätään vastuullisesti, datan laatuun kiinnitetään huomiota, dataa puhdistetaan, dataa kootaan yhteen keskitetysti ja tiedetään, mitä dataa yrityksellä on, pystytään yrityksen omasta datasta saamaan suurempaa hyötyä myös tekoälyn avulla. Tekoälyn varsinaisiin merkittävämpiin yritystason hyötyihin päästään vasta, kun pystytään hyödyntämään myös yrityksen omaa dataa. Jotta tekoälyn hyödyntämiseen yritystasolla päästään, on siis yrityksen dataperusteiden oltava ensin kunnossa.
Dataosaaminen ja -kulttuuri
Automatisoitujen raportointi- ja analytiikkaratkaisujen opetteluun ja tekemiseen ei tarvitse käyttää työtunteja, kun ulkoistaa tämän vaiheen kumppanille. Pienen yrityksen ei siis tarvitse palkata omaa datatyöntekijää tai perustaa datatiimiä. Datalukutaidosta on kuitenkin hyötyä hyvin monessa työtehtävässä, ja datalukutaidon kehittämistä organisaatioiden kannattaa tukea. Datalukutaito sisältää esimerkiksi sen, että ymmärtää, mitä data kertoo, voi keskustella siitä muiden kanssa ja tehdä omaa työtä koskevia päätöksiä datan avulla. Tässä toki auttaa huomattavasti se, että oleellinen ja ajantasainen data on esitetty ymmärrettävästi ja selkeästi. Oikeiden kysymysten kysyminen ja uteliaisuus auttavat myös alkuun.
Datan ja tiedon hyödyntämisessä ihmisen ja yhteisten jatkuvien toimien vaikutusta ei voi korostaa liikaa. Datalukutaidon lisäksi kannattaa tukea myös organisaation datakulttuurin muodostumista. Hyvä datakulttuuri on organisaatiokulttuuri, jossa aktiivisesti hyödynnetään dataa ja datasta jalostettua tietoa osana päätöksentekoa. Datakulttuurin kehittäminen on jatkuva prosessi, johon kuuluvat esimerkiksi tavoitteet, arvot ja käytänteet liittyen dataan sekä datan keräämiseen ja käsittelyyn organisaatiossa. Tärkeää on aloittaa kehittyminen tiedolla johtamisen suuntaan. Monia analyysejä voidaan parantaa historiallisen datan avulla, joten mitä aiemmin aloitetaan keräämään dataa ja tukemaan datakulttuurin kehittymistä sen parempi. On hyvä myös huomata, että intuitiota, kokemusta, keskustelua ja kuuntelua ei kannata nähdä vastakkaisena tiedon hyödyntämisen kanssa. Nämä eivät mitenkään poissulje toisiaan.
Tuloksien esittämisen selkeys
Selkeät ja visuaaliset käyttäjien tarpeisiin räätälöidyt analytiikka- ja raportointiratkaisut lisäävät ratkaisujen päivittäistä tai säännöllistä käyttöä organisaatioissa. Myös mittareita ja tuloksia seurataan todennäköisemmin, jos kaikki raporttien hyödyntäjät tietävät, mitä kaavoja ja määritelmiä on käytetty. Analytiikka- ja raportointiratkaisuissa kannattaa esittää vain raportin hyödyntäjälle relevanttia tietoa, jotta tärkeät asiat löytyvät helposti. Kun ratkaisut ovat intuitiivisia, niin käyttökoulutustakin tarvitaan vähemmän ja ratkaisujen käyttö on miellyttävämpää.
Tuloksia esittäessä on tärkeää huomioida myös raportin mahdolliset erilaiset käyttäjäryhmät. Kaikki raportin hyödyntäjät eivät välttämättä hyödy samanlaisista kuvaajista, sisällöistä ja näkökulmista tai tiedon tarkkuustasoista tai kaikki eivät edes saa nähdä kaikkea raportilla olevaa tietoa. Esimerkiksi Microsoftin Power BI -ohjelmistolla on mahdollista esittää samakin raportti eri rajauksilla eri käyttäjille eikä jokaiselle käyttäjälle tarvitse tehdä omaa raporttia omilla rajauksilla, kuten tilanteessa, jossa halutaan, että esimies näkee vain omiin tiimeihinsä liittyvät tiedot. Käyttäjät voivat myös helposti itse katsoa saman raportin tietoa eri näkökulmista keskenään vuorovaikutteisten kuvaajien ja suodattimien avulla.
Tuloksien hyödyntämisen varmistaminen
Analytiikka- ja raportointiratkaisujen hyödyntämisestä kannattaa tehdä mahdollisimman helppoa. Mobiiliystävälliset analytiikka- ja raportointiratkaisut ovat aina kätevästi mukana ja helposti seurattavissa. Reaaliaikaisen datan käytöllä mahdollistetaan huomattavasti nopeampi reagointi eri tilanteisiin, kun raporttien valmistumista ei enää tarvitse odottaa. Käyttömahdollisuuksia kasvattaa entisestään se, jos ratkaisut ovat jaettavissa määritellyille käyttäjille eri kanavissa, kuten esimerkiksi Microsoft Teamsissä. Interaktiiviset ratkaisut mahdollistavat tarvittaessa myös yksityiskohtaisen dataan syventymisen.
Joskus HR-analytiikkaan siirtymisellä tavoitellaan hyvin nopeita vaikutuksia. Tällöin HR-analytiikkamatkan alussa ensimmäiseksi kannattaa valita kysymys, josta on raportoinnin ja analytiikan avulla saatavissa suurin liiketoiminnallinen hyöty suhteessa ratkaisun toteuttamiseen kuluvaan aikaan. Tämän jälkeen edetään muihin HR-analytiikkaprojekteihin. Näin saadaan nopeiten tuloksia. Usein tulokset kertovat tarpeesta muuttaa jotain toimintaa. Muutosjohtaminen, hyvä viestintä ja muutoksen edistymisen seuraaminen ovat tärkeässä roolissa, kun varmistetaan, että valitut tulokset johtavat toiminnan muutokseen.
Kati Nieminen, Power Business Data Oy
Kirjoittaja on aiemmin työskennellyt HR-tehtävissä ja työskentelee nyt Power Business Data Oy:ssä auttaen organisaatioita hyödyntämään paremmin HR-dataansa sekä muuta dataansa tarjoamalla organisaatioiden tarpeisiin räätälöityjä analytiikka- ja raportointiratkaisuja.
https://www.linkedin.com/in/katinieminen1/