Likevel råder det usikkerhet om hvordan man kan utvikle en slik praksis i organisasjonen. Når man først tar skrittet, så dreier det seg ofte om å sammenfatte historiske HR-data og lage deskriptive rapporter til ledelsen. Mange har utviklet omfattende HR-rapporteringer som synliggjøres gjennom flotte IT-baserte «dashboards» og presenteres med farger og grafikk. Men HR savner fortsatt engasjement og interesse fra ledelsen for disse rapportene.
HR-måling må forbi det administrative
Det mange har ikke forstått, er hvordan prediktive HR-analyser kan styrke deres nåværende deskriptive analyser.
Deskriptive analyser alene er som å se i bakspeilet, vi får vite hva som har skjedd og hva som skjer nå. De gir oss historiske data, som det nå er for sent å påvirke, men som for all del kan bedres til neste måling.
Prediktive analyser ser fremover i tid og gir en antakelse om hva som mest sannsynlig vil skje. Siden HR ikke kan kalles en eksakt vitenskap, er slike analyser naturlig nok forbundet med en usikkerhet. Derfor er det sentralt å analysere bakgrunnen og sannsynligheten for at antakelsen vil skje.
Det ser altså ut til at til tross for at HR går om bord i måle- og -analyse-verdenen, så gjentas det som skjer med HRs øvrige virksomhet; hovedfokus forblir på tradisjonell HR; nemlig det administrative og transaksjonelle.
I mange virksomheter får ikke HR en strategisk rolle. Noe av årsaken kan ligge i deres mangelfulle forretningskunnskaper og ferdigheter i nettopp analyse og måling av forretningseffekt.
Dersom man utvikler en praksis som kun rapporterer administrative og historiske data, som turnover, antall deltakere på kurs, antall rekruttert eller kostnader pr. ansatt, så er man med på ytterligere å sementere HR som en administrativ funksjon som ikke evner å ta den strategiske rollen som virksomheten har behov for. Det kan bety at det blir enda vanskeligere i neste runde å bli oppfattet som en strategisk ressurs, til tross for at man bidrar med rapportering av måltall.
Mestring av måling og analyse er en vesentlig forutsetning for å kunne ta en strategisk rolle. Dette henger sammen, og det ene er avhengig av det andre for i det hele tatt å ha noen effekt.
HR-analyse må være eksternt orientert
Virksomheten har likevel også behov for en oversikt over utvikling av data som de nevnt over. Disse bør i så fall sees i sammenheng med de forretningsorienterte historiske data som følges opp på øvrige funksjoner, slik som kunde-/bruker-tilfredshet, salg, produktivitet, kvalitet, avvik etc. Slik analyse av sammenhenger mellom interne (HR-) og eksterne (forretnings-) data vil være et viktig bidrag.
Rapportering av historiske data vil vise hvorvidt det man har gjennomført har gitt effekt som forventet. Men det betyr at det på forhånd må være gjort prediktive analyser og deretter iverksatt målrettede aktiviteter. Først da kan man vurdere effekten av disse.
Noe av grunnen til at HR starter med å rapportere historiske og administrative HR- data, kan være at det da er enklere å lage rapporter alene. Man kan samle data uten å involvere ledere, eller overbevise dem om viktigheten av slik måling.
Dette kan være formålstjenlig som en start i arbeidet, nettopp for å prøve ut måling som noe nytt innenfor trygge rammer. Men bare som en start. For måling og analyse må foregå i et samarbeid mellom ledelse og HR. Og så lenge målingene kun dreier seg om HR, vil de ikke ha noen effekt for virksomheten. Og lederne vil fortsatt bare være sånn passe interessert.
Fremtidsrettet HR-analyse
Men det er ikke rapportering av historiske data som vil gi virksomheten verdi mht. å være rustet for fremtiden. Det man i stedet må finne, er hvilke data og målinger som kan fortelle noe om hva som mest sannsynlig vil skje i fremtiden. Konkret betyr det å definere, måle og analysere drivere av ønskede prestasjoner og ønsket adferd.
Luk Smeyers er CEO i iNostix, et selskap som hjelper virksomheter med fremtidsrettede HR-analyser. (Predictive Workforce Analytics) Han fremhever at for å kunne bevege seg fra deskriptive til prediktive analyser, må man ha en forståelse for forskjellene mellom dem. En måte å forstå disse forskjellene på, er å se på spørsmålene de genererer.
Eksempelvis gir deskriptive målinger svar på spørsmål om forhold som demografi, personalkostnader og prestasjoner på tvers av ulike dimensjoner.
Prediktive analyser går videre og bak de deskriptive data og gir andre mer fremtidsrettede svar og anbefalinger til mange av de samme spørsmålene.
Her er noen eksempler:
Søk
Min side
