Pasaulis fragmentiškėja, todėl tenka segmentuoti informaciją ir sprendimus vis mažesnėms auditorijoms, kad atitikti jų lūkesčius ir išlikti aktualiems. Vis dažniau susiduriame su tuo, kad mūsų darbuotojai vertybiškai yra labai skirtingi, o rinkos dinamika ne visur yra vienodo greičio. Kiekvieno darbuotojo poreikiai yra kitokie, tad nebegalime daryti išvadų lygindami kitus su savimi. Todėl nenuostabu, kad duomenų analitikos naudojimo svarba personalo valdyme auga.
Eligijaus Kajietos pranešimas iš kartu su Personalo Valdymo Profesionalų Asociacijos organizuoto "Atlygio Forumo 2019".
Analitiniai gebėjimai – naujas sėkmingos personalo funkcijos bruožas
Personalo duomenų analitika (angl. People Analytics) gali skambėti labai bauginančiai ir sudėtingai, tačiau iš tikrųjų mūsų dienomis tai labai aktuali tema, su kuria anksčiau ar vėliau susiduria įmonės, siekiančios atrasti kuo reikšmingesnes strategines įžvalgas.
Analitika tampa dar viena reikalinga kompetencija personalo specialistams šalia jau kitų būtinybių - išmanyti žmogiškųjų išteklių valdymą, marketingą, komunikaciją, finansus, vadovavimą ir pan. Personalo funkcija, kuri siekia padidinti savo vertę organizacijoje ir kryptingai judėti link strateginio partnerio rolės, savo kelyje neišvengiamai susidurs ir su duomenų analitika.
Ketrvirtosios industrinės revoliucijos metu iškyla daug klausimų apie tai, kokią ateitį turės žmogiškųjų išteklių valdymas. Kuo toliau, tuo daugiau administracinių funkcijų yra automatizuojamos ir jas už mus atlieka sistemos. Tačiau, teigiama automatizacijos pusė yra ta, kad esamų specialistų laikas atsilaisvina, tad atsiranda daugiau erdvės judėti link verslo partnerio rolės. Šioje kelionėje duomenų analitikos išmanymas yra lemiamas. Spėjama, kad ateityje personalo valdymo funkcija bus paremta duomenų analitika, kuri padės kvestionuoti verslo sprendimus ar siūlyti naujas kryptis.
Kelionei link duomenų analitikos reikia pasidėti tikslingus pagrindus
Bersin tyrimas atskleidžia, kaip įmonės gali pradėti kelionę link tikslingos duomenų analitikos.
1. Duomenų patikimumas, saugumas ir vientisumas.
Pirmoji duomenų analitikos fazė yra duomenų patikimumas ir sistemingas jų rinkimas bei fiksavimas. Tad, reikėtų pradėti nuo aiškių taisyklių kur, kaip, bei kokie įmonės duomenys kaupiami ir kas juos gali naudoti.
2. Įvairūs informacijos šaltiniai.
Brandžios įmonės naudoja kuo didesnį informacijos šaltinių skaičių (angl. listeninig channels), kurie padeda gauti išsamesnius atsakymus į su darbuotojais susijusius klausimus. Turint tvarkingai susistemintus duomenis, kitas žingsnis yra susieti vieną informaciją su kita, kad būtų gauti reikiami atsakymai. Pavyzdžiui, jei darbuotojų kaitos informaciją susiesime su kokio konkurencingumo atlyginimu darbuotojai išeina, sudėję šiuos du informacinius vienetus suprasime, ar išėjimo priežastis yra atlyginimas.
3. Duomenų raštingumas.
Būtent čia personalo valdymo profesija turėtų sustiprinti savo įgūdžius, kad iš duomenų galėtų gauti dar daugiau naudos. Ši kompetencija dažnai jau būna kažkur organizacijoje – finansų kontrolės ar kitame padalinyje. Reikia tik susitarti kaip pasidalinti šiuo resursu. Geresni duomenų analitikos įgūdžiai padėtų atsakyti į dar daugiau verslo klausimų.
4. Verslo klausimo iškėlimas.
Analitika turi prasidėti įsivardinant verslo klausimą arba problemą, o tuomet, analizuojant duomenis, pabandyti rasti reikiamą atsakymą. Naujos įžvalgos dažniausiai gaunamos, kai tinkamai analizuojami duomenys, gauti iš skirtingų organizacijos padalinių.
5. Analize paremtų sprendimų kultūra.
Svarbu įvertinti, kaip įmonėje yra priimami sprendimai – remiantis duomenimis, ar tiesiog diskutuojant? Daugeliu atveju tai priklauso nuo vadovo. Tačiau, personalo valdymo specialistai gali kurti sprendimų priėmimo kultūrą patys, kas kartą teikdami atitinkamus duomenis kartu su skirtingais sprendimais ar siūlymais, o taip pat užduodami analitinius klausimus kitiems padaliniams.
6. Strateginė partnerystė.
Bendradarbiavimas su kitais padaliniais yra naudingas tuo, kad suteikia galimybę priimti tvaresnius sprendimus, paremtus platesniu duomenų spektru. Vienas iš pagrindinių sėkmės raktų yra personalo strateginė partnerystė su finansų funkcija. Bendradarbiavimas su finansų padaliniu padės tikslingiau įrodyti, kad svarstymai keisti atlyginimų rėžius buvo apsvarstyti ir tiksliai apskaičiuoti taip, kad verslui neštų naudą. Viena iš pagrindinių personalo užduočių yra sujungti skirtingų padalinių duomenis į vieną bendrą matą.
Ne visada daugiau duomenų yra geriau
Informacijos gavimo kanalai sparčiai kinta. Šiuo metu įmonėse mažėja metinių darbuotojų įsitraukimo apklausų populiarumas ir vis populiarėja „ad-hoc“ momentinės apklausos bei vadinamas „digital listening“, kai įmonės gauna reikiamą informaciją sistemų pagalba ieškant reikiamų duomenų per darbuotojų susirašinėjimus, elektroninį paštą bei kitas duomenų bazes.
Informacijos gavimo kanalų daugėja, tačiau svarbiausia yra susieti tuos gautus duomenis, kad būtų gauta pridėtinė vertė. Remiantis Bersin (2017), brandžios kompanijos turi mažiausiai 7 informacijos šaltinius, kai tuo tarpu ne tokios pažangios įmonės turi vos 3. Svarbiausia, kad informacijos kanalų sistema būtų integruota, kad kurtų įmonei pridėtinę vertę.
Duomenų analitikos panaudojimų sritys
Finansinių ir žmonių duomenų derinys yra būtinas tam, kad būtų galima priimti strategiškai teisingus sprendimus. Šių duomenų analizavimas padeda vadovams gauti geresnes organizacijos tobulėjimo įžvalgas. Taip pat, duomenų analitika padeda įmonėms pažvelgti į skirtingus galimus scenarijus naudojant vidinius ir išorinius informacijos šaltinius. Tokia galimybė leidžia nuspėti potencialų tam tikrų sprendimų rezultatą. Tai padeda įmonėms nustatyti geriausią požiūrį į darbo jėgos valdymą taip, kad būtų pasiekti įmonės strateginiai tikslai.
Iššūkiai ir galimas atsakas į juos
Dažniausi iššūkiai duomenų analitikoje yra susiję su duomenų kokybe ir patikimumu, gebėjimu juos laikyti saugiai ir užtikrinti privatumą. Taip pat, viena iš kliūčių yra vieningo sąvokų apibrėžimo neturėjimas.
Duomenų analitikoje pažangiausios kompanijos:
90% tiki, kad turi patikimus su darbuotojais susijusius duomenis;
95% tiki, kad turi geras duomenų saugumo ir privatumo praktikas;
75% tiki, kad sąvokos aiškiai apibrėžtos ir vieningai suprantamos.
Atsižvelgdami į šiuos skaičius, matome standartą, į kurį galime lygiuotis.