AI w analizie danych to szybsze możliwości przetwarzania danych i nowe źrodła danych. Znaczenie mu tu jednak także…nowy sposób pracy pracowników dzięki automatyzacji prostych zadań. Sprawdźcie, jak w całości AI zmienia to, jak firmy powinny podchodzić do mierzenia efektów pracy pracowników.

Raport „Global Human Capital Trends” autorstwa Deloitte to jeden z tych raportów, na który czekam co roku. Badanie obejmuje 14 tysięcy ekspertów-liderów z HR oraz biznesu z 95 krajów, w tym Polski.

Najnowszy raport właśnie się ukazał i…aż się uśmiechnęłam jak zobaczyłam, że jednym z wyróżnionych w tym roku trendów w HR jest zmiana podejścia do analizy danych w HR.

Eksperci Deloitte piszą, że innowacyjne firmy (to kluczowe stwierdzenie!) przechodzą właśnie od mierzenia „tradycyjnie” rozumianej produktywności czy nawet wydajności (productivity) do mierzenia efektów pracy (human performance).

Różnie możemy to nazywać, ale chodzi o odejście od „starego” podejścia do analityki skoncentrowanego na raportowaniu (często aż do przesady) i przejście do podejścia opisywanego jako people analytics. W tym nowym podejściu analityka HR jest narzędziem wspierającym podejmowanie decyzji biznesowych i koncentruje się na efektach działań HR.

Na czym polega to „stare” i „nowe” podejście do analizy danych w HR?

„Stare” podejście:

• koncentracja na „technicznie” rozumianej efektywności (np. walka o oszczędzanie minut czy sekund przeznaczanych na jakąś czynność)
• mierniki typu „przychód na 1 pracownika’, „czas spędzony na…”, „budżet wydany na…”, przepracowane godziny, przeszkoleni pracownicy

„Nowe” podejście:

• koncentracja na doświadczeniach pracowników (Deloitte używa tu określenia „happiness” ale myślę, że zbyt łatwo je strywializować)
• mierniki wskazujące wartość wnoszoną przez pracowników, odnoszące się do sensu pracy

Dzięki czemu ta zmiana jest możliwa (na początek wystarczy „rzucić” tylko dwie literki – AI)?

Zanim odniesiemy się do metod pracy z danymi i ich źródeł, pojawia się już hasło AUTOMATYZACJA, która uwalnia zasoby pracowników. Odzyskany czas może być przeznaczany na zadania kreatywne, współpracę i rozwijanie umiejętności krytycznego myślenia. Cały ten zestaw umiejętności to tzw. kompetencje przyszłości. Nie sposób mierzyć je „tradycyjnymi” miernikami!

Czy firmy są już gotowe na tą zmianę?

Wg Deloitte 74% badanych przedstawicieli HR i biznesu jest zdania, że w ich firmach pora już na nowe, bardziej przystające do rzeczywistości mierniki dotyczące efektywności pracy. Jedynie 17% badanych wskazuje z kolei, że już w tej chwili w ich organizacjach są obecne mierniki „nowoczesne”, oddające wartość wnoszoną przez pracowników.

Co umożliwia tą zmianę? Nowe możliwości w zakresie pozyskiwania danych odnoszących się do pracowników.

Czego dotyczą nowe dane i metody analizy?

1. Dane behawioralne pochodzące z systemów, z których korzystają pracownicy – poczty firmowej, kalendarzy i innych systemów do których logują się codziennie lub prawie codziennie pracownicy. To są dane, które bardzo dużo mówią m.in. o stylu pracy w danej firmie.

2. ONA (Organizational Network Analysis), czyli analiza sieci organizacji – to szybko rozwijający się obszar w analityce HR, pokazujący też realne połączenia, jakie pojawiają się między pracownikami w organizacji. Pozwala m.in. zidentyfikować pracowników kluczowych dla przekazywania wiedzy w organizacji (bez względu na miejsce zajmowane w oficjalnej strukturze firmy) czy też obszary występowania firmowych „silosów”. ONA w dużej mierze jest oparta o analizę danych wymienionych w punkcie 1. Szerzej o tym, czym się zajmuje, na czym polega i o jakie narzędzia się opiera pisałam na blogu Great Digital TUTAJ

3. Urządzenia typu czujniki i sensory wmontowane w rozmaite urządzenia – urządzenia te doskonale pokazują na przykład, gdzie najwięcej czasu spędzają pracownicy, jakie są ich ścieżki i ulubione miejsca w firmie. Świetnie sprawdzają się przy organizowaniu funkcjonalnych przestrzeni biurowych dla pracowników.

4. Analiza materiałów głosowych – to jest obszar, który został odkryty już jakiś czas temu w pracach m.in. call center, gdzie obecnie oprócz treści rozmów dzięki AI analizuje się także ton głosu (pracowników prowadzących rozmowy i klientów).

Z jakimi wyzwaniami mierzą się tutaj firmy?

Eksperci Deloitte wśród wyzwań, jakie muszą najczęściej przezwyciężyć firmy wymieniają 4 takie punkty:

1. Presję ze strony rozmaitych stakeholderów przyzwyczajonych do „tradycyjnych” metryk.

Tutaj wierzę, że pokazanie nowych danych, skoncentrowanych na efektach szybko zostanie uznane za właściwe podejście.

2. Brak wiedzy odnośnie tego, co warto mierzyć.

To bardzo istotny punkt, od tego, że przybywa danych nie stajemy się automatycznie mądrzejsi. Wręcz przeciwnie, niektórych to paraliżuje.

3.  Tzw. paranoja produktywności

To nawiązanie do sławnego już badania Microsoft Work Trends Index. Badanie to pokazało DRASTYCZNIE INNE postrzeganie produktywności podczas pracy zdalnej wśród pracowników i wśród ich przełożonych (którzy przestali pracowników widzieć). Pisałam o tym badaniu m.in. w artykule o tym, czy naciski na powrót pracowników do biura mają sens TUTAJ

4. Zbytnia koncentracja na podjętych działaniach zamiast na efektach tych działań.

O tym pisałam wielokrotnie. Dużo łatwiej pokazać i wyraportować jest podjęte działania, niż efekt tych działań. To także powód dla którego wiele firm nie wychodzi z tego pierwszego podejścia. Najnowsze materiały video dotyczące tej tematyki możesz znaleźć na moim profilu instagramowym TUTAJ

Jakie recepty i wskazówki odnośnie pracy z danymi w HR z użyciem AI proponują eksperci?

Niezwykle ciekawe są też wskazówki, jakie proponują eksperci Deloitte, które mają przybliżać firmy do wypracowania nowego podejścia do danych. Są to:

1. Wypracowanie nowych mierników RAZEM z pracownikami.

Jestem bardzo za. Wiele z wskaźników, jakie są tutaj do wypracowania nie jest oczywistych. Ale możemy z pracownikami rozmawiać o tym „po czym poznamy, że to dobrze działa” i zastanawiać się jak to zmierzyć. Zawsze też możecie zaprosić do współpracy dobrego eksperta – konsultanta zewnętrznego!

2. Mierzenie tego, co powinniśmy mierzyć, a nie tego, co jesteśmy w stanie mierzyć.

Podpisuję się pod tym obiema rękami. Zbyt wiele rzeczy zaczyna być w firmach mierzone tylko dlatego, że „można”.

3. Włączenie nowych mierników i podejść do procesów HR.

Przykładowo, w zestawieniu z tymi nowymi miernikami, jaki sens mają ROCZNE oceny pracowników i podsumowywanie podczas tych spotkań efektów pracy pracownika? Nie mają, dlatego pora żegnać się z nimi.

4. Integrację nowych mierników z pracą nad doświadczeniami pracowników w całym cyklu życia pracownika.

Oczywiście, że tak. Jeśli chcemy całościowo zadbać o employee experience, to oczywiście, że potrzebujemy tutaj wielu metryk. Chodzi o to, aby mierzyć poziom doświadczeń pracownika w różnych momentach jego pracy.

5. Ustalenie zasad i praktyk pracy z danymi, w szczególności analizy danych opartej o AI.

Pojawiają się zupełnie nowe, niewykorzystywane wcześniej dane odnoszące się do pracowników. W tym momencie – nie ma się co dziwić – pracownicy nie są do tego entuzjastycznie nastawieni. Raczej zachowują typową wobec nowości „rezerwę”. Spójrzcie na poniższy wykres, gdzie widać, jak rosną potrzeby i plany firm odnośnie wykorzystywania nowych danych. Jednocześnie, nie sposób nie zauważyć o ile mniejsze są odsetki pracowników, którzy z takim podejściem są ok.

Dlatego, tutaj HR może odegrać również bardzo ważną rolę. Warto zadbać o to, aby dane te zostały wykorzystane w słusznej sprawie – do poprawy doświadczeń pracowników i mierzenia sensu wykonywanej przez pracowników pracy, a nie np. kontroli i monitorowania pracowników. A bądźmy realistami, takie pomysły u części pracodawców też się pojawią.

Omówienie nowego trendu w podejściu do danych podsumowanego przez Deloitte w raporcie „Global Human Capital Trends” znajdziesz TUTAJ

W tym tekście jedynie tytułowa grafika została przygotowana z pomocą AI. Dołącz do newsletttera, aby nie przegapić kolejnych materiałów!

The post Nowe trendy w analizie danych HR, czyli co zmienia AI? appeared first on Great Digital.

Czym jest ONA (Organizational Network Analysis)?

ONA (Organizational Network Analysis, czyli analiza sieci organizacji) polega badaniu wzajemnych powiązań i relacji między pracownikami w organizacji. Ważne, aby odbywało się to z zapewnieniem prywatności indywidualnych pracowników. Oznacza to, że dane indywidualne powinny być wykorzystywane jedynie jako feedback indywidualny, a szersze analizy prowadzone jedynie na poziomie zespołów.

W omawianym podejściu analiza powiązań pomiędzy pracownikami nie odbywa się na podstawie deklaracji, ale danych o zachowaniach, których źródłem są systemy IT np. systemy pocztowe, systemy do współpracy i komunikacji online, a także kalendarz. Inaczej mówiąc, na podstawie tego, co dzieje się w organizacji na poziomie Outlooka, MS Teams czy Slacka (lub innych systemów wykorzystywanych w komunikacji między pracownikami) można odtworzyć prawdziwą sieć współpracy.

Możliwe jest wskazanie kim są kluczowe zespoły, jakie są kluczowe grupy czy obszary w firmie. „Kluczowe” będzie oznaczało tutaj istotne w sieci komunikacyjnej firmy, „łączniki” pomiędzy jednostkami firmy, zespoły często pojawiające się w komunikacji firmowej i ważne dla sprawnego jej przebiegu. Do tego, w oparciu o dane z logów systemów IT możemy też bardzo dużo powiedzieć o tym, jaki jest charakter pracy w danej firmie i na ile wpływa on na równowagę (bądź nie) w obszarze praca-życie prywatne.

Jakie jest zastosowanie rezultatów ONA?

Zastosowanie wniosków z ONA jest bardzo szerokie. Dane mogą pomóc w poprawie komunikacji (wiemy, gdzie są liderzy opinii, wiemy, gdzie są bariery, jakie obszary firmy są izolowane i stanowią tzw. silosy). Świadomość tego pozwala lepiej zaplanować wymianę wiedzy i doświadczeń w firmie.

Kolejny istotny obszar zastosowania ONA to monitorowanie poziomu obciążenia pracą oraz związanego z tym poziomu wellbeingu. Możemy dowiedzieć się jaki model pracy i współpracy dominuje w firmie i w jej poszczególnych obszarach i wreszcie, na ile jest to „zdrowy” model współpracy.

Jak dużo firm korzysta z ONA w obszarze people analytics?

W 2020 wg danych LinkedIn (Global Talents Trend Report) z ONA korzystało 14% firm, kolejne 22% planowało się nim zająć w perspektywie 5 lat. Niedawno Josh Bersin pokazał, że w tym momencie jest to obszar, w którym kompetencje analityczne HR są zdecydowanie najniższe. Aż 88% badanych HR-owców określiło tutaj swój poziom jako początkujący.

Skąd wynika rosnące zainteresowanie obszarem ONA w people analytics?

Do wzrostu zainteresowania się obszarem ONA w firmach przyczyniła się…pandemia i związany z nią wzrost popularności pracy zdalnej i hybrydowej. Brak bieżącego kontaktu bezpośredniego pracowników ze sobą sprawił, że określenie tego, w jaki sposób funkcjonuje firma i jak przebiega współpraca pomiędzy pracownikami stało się jeszcze trudniejsze.

W ślad za potrzebą zrozumienia sposobu, w jaki pracownicy komunikują się i współpracują ze sobą w ramach organizacji, pojawiły się też oczekiwania odnośnie poprawy wydajności, efektywności i jakości pracy pracowników.

Jak wygląda poziom obciążenia zespołów pracą? W ilu spotkaniach średnio biorą udział? Ile z nich odbywa się jednocześnie? Tego typu analityki można dokonywać na poziomie zespołów (i udostępniać zespołom), lub na poziomie indywidualnego pracownika (ale jedynie jako informacja zwrotna kierowana do tego pracownika i niedostępna szerzej w organizacji). W jakich godzinach pracują zespoły (jaki model obowiązuje w praktyce w naszej firmie)? Czy zespoły mają czas na tzw. pracę głęboką? Jak często odrywamy się od niej odpowiadając na pytania na firmowym komunikatorze? To są pytania, jakie firmy zaczęły sobie zadawać znacznie częściej w trakcie pandemii. ONA pozwala dostarczyć tutaj odpowiedzi.

Na co warto zwrócić uwagę korzystając z ONA?

Korzystanie z ONA w firmie wymaga (podobnie jak korzystanie z jakichkolwiek innych danych dotyczących pracowników) uregulowania kwestii prywatności i bezpieczeństwa danych. Ważne jest, aby pracownicy rozumieli jak ich indywidualna prywatność jest chroniona, w jaki sposób i w jakim celu są wykorzystywane dane. Nie powinien to być moim zdaniem argument za niekorzystaniem z ONA. Podczas analizy dane są wykorzystywane w sposób, który nie narusza prywatności pracowników, nie pozwala zidentyfikować wzorców pracy i komunikacji pojedynczych osób. Przetwarzane dane dotyczą przepływu wiadomości w systemach pocztowych, kalendarzach i systemach do organizacji spotkań, ale bez wglądu w treść wiadomości, spotkań, notatek itp. Dodatkowo, dane indywidualne mogą być haszowane, co w praktyce oznacza zmianę imienia i nazwiska na ciąg znaków. Inaczej mówiąc, dzięki analiza ONA możemy powiedzieć bardzo dużo o sieci powiązań i poziomie komunikacji w firmie, ale jednak nie wchodzimy w treść tej komunikacji i relacje pomiędzy pracownikami.

Narzędzia oparte o ONA, na które warto zwrócić uwagę.

Narzędziem wykorzystującym ONA jest powstała w Polsce już kilka lat temu Network Perspective. Network Perspective wspiera kilka obszarów funkcjonowania pracowników.

– współpracę w firmie: narzędzie pozwala m.in. odtworzyć nieformalną sieć połączeń pomiędzy zespołami w firmie w postaci sieci współpracy zespołów,

– podnoszenie efektywności współpracy i pracy własnej w firmie: każdy zespół dostaje informację zwrotną w postaci analiz, benchmarków i akcji do podjęcia dla głównych czynników wpływających na wykorzystanie czasu w pracy i obciążeń z tym związanymi (workload) w trzech obszarach: spotkania (meetings), praca głęboka (deep work) i przełączanie kontekstu (context switching) ,

– podnoszenie dobrostanu w firmie: każdy zespół dostaje informację zwrotną w postaci analiz, benchmarków i akcji do podjęcia dla głównych czynników wpływających na dobrostan (well-being) w trzech obszarach: więzi i kontaktów w zespole (intra-team bonding), współpracy i uczenia się od innych zespołów (cross-team learning), oraz harmonii praca-życie (work-life harmony) .

Innym narzędziem w obszarze ONA jest Microsoft VIVA. Aplikacja w oparciu o sztuczną inteligencję i analizy danych, w tym ONA, ma za zadanie pomóc w zrozumieniu sposobu, w jaki komunikujemy się i współpracujemy ze sobą w ramach organizacji. Składa się z kilku interesujących modułów, zawiera m.in.

– VIVA Insights – narzędzie analizujące wykorzystanie czasu w pracy oraz produktywność, a także poziom zaangażowania.

– VIVA Topics – moduł służący do zarządzania wiedzą w organizacji, który wykorzystuje ONA, aby zidentyfikować ekspertów w różnych dziedzinach oraz tematy, wokół których gromadzą się zasoby w organizacji

Czym różnią się narzędzia Microsoft VIVA oraz Network Perspective?

Główne różnice pomiędzy Network Perspective a Microsoft VIVA dotyczą przede wszystkim:

– źródeł danych: VIVA jest oczywiście oparta o dane z narzędzi Microsoft, Network Perspective działa w oparciu o narzędzia Google Workspace, Slack, oraz Microsoft,

– podejścia do ochrony prywatności pracowników: VIVA dostarcza analityki na poziomie indywidualnym (dając pracownikom informację zwrotną w raportach My Analytics), ale anonimizuje dane, które przetwarza w module VIVA Insights. Network Perspective ma z kolei bardzo mocne podejście do ochrony prywatności indywidualnych osób, korzysta tylko z meta-danych, nie analizuje treści danych, haszuje dane indywidualne i przedstawia analitykę dla zespołów liczących min. 5 osób.

Jakie obszary analiz uwzględniają narzędzia oparte o ONA w narzędziach VIVA i Network Perspective?

VIVA dostarcza danych zarówno dla indywidualnego pracownika (podsumowania odnośnie tego, jak pracuje, wskazówki, co warto zmienić), jak i managera zespołu (style pracy w zespole, sugestie odnośnie działań, jakie warto podjąć, aby przeciwdziałać stresowi w pracy lub nawet wypaleniu zawodowemu).

Narzędzie przygotowane przez Network Perspective pozwala z kolei powiedzieć w oparciu o dane co dzieje się w organizacji w obszarach związanych z obciążeniem pracą (liczba i czas trwania spotkań, czas trwania pracy głębokiej, „przeskakiwanie” pomiędzy zadaniami) oraz  i poziomem well-beingu zespołu (tworzenie więzi wewnątrz zespołu, uczenie się między zespołami, harmonia między pracą a życiem prywatnym). Mam nadzieję, że udało mi się zainteresować Cię stosunkowym nowym obszarem, jakim jest w people analytics ONA. Całkiem możliwe, że wiedza na temat tego, jak funkcjonuje organizacja i umiejętność interpretacji danych dostarczanych przez ONA będzie jedną z pożądanych kompetencji nowoczesnego HR-owca.

PS. To nie jest post sponsorowany, powstał z powodu mojego osobistego zainteresowania obszarem Analizy Sieci Organizacji (Organizational Network Analysis, czyli ONA) w people analytics i przekonania o dużej wartości analiz stąd płynących.

Więcej postów z kategorii „Analityka HR” sprawdź TUTAJ
Polskie narzędzie Network Perspective możesz sprawdzić TUTAJ

The post Jak ONA (Organizational Network Analysis), czyli nowy obszar w People Analytics może Ci pomóc? appeared first on Great Digital.

Czy prowadząc działania analityczne w HR można i warto je optymalizować? Oczywiście, że tak! 5 sposobów na optymalizację, jakim może podlegać analityka w HR omawiam w poniższym poście.

Jeśli mieliście już okazję analizować dane w HR, to być może mieliście też poczucie, że analityka w HR zajmuje to sporo czasu, doświadczyliście niepewności odnośnie tego, w jakim kierunku rozwijać działania, zastanawialiście się, jak podnosić sobie poprzeczkę albo sprawiać, że pewne rzeczy będą działy się szybciej? Zachęcona pytaniami zgłaszanymi przez HR-owców podczas szkoleń i warszatów, podrzucam kilka podpowiedzi.

1. Dobierz odpowiednie mierniki i wskaźniki

Podobno od przybytku głowa nie boli…a jednak może. Kilka zapytań w Google i bez problemu dotrzecie do zestawień pt. 50 mierników w HR, 10 mierników w HR, które warto mierzyć itd. Do tego pytania rzucane na forach pt. „co warto mierzyć w HR”. Odpowiedź brzmi: nie ma uniwersalnych mierników czy KPI „dla wszystkich”. Po pierwsze, mierniki, na jakie patrzycie i analityka w HR powinny być związane z potrzebami biznesowymi organizacji (tak, biznesowymi, nie HR-owymi).

Przykładowo, nie w każdej firmie warto skupiać się na wyliczaniu rotacji. Dobry miernik, to taki miernik, który wpływa na zmianę zachowań, jeśli nie wpływa, to nie ma sensu go mierzyć i tak właśnie będzie w firmie, w której rotacja jest znikoma. Warto wtedy skupić się na innym mierniku. Może to być na przykład miernik pozwalający sprawdzić jak dobrze czują się w firmie pracownicy (jeśli nie odchodzą). Przykładowo, czy są skłonni polecać pracę w firmie innym osobom? (sens będzie miało wtedy zastosowanie współczynnika eNPS) oraz czy rzeczywiście to robią (jaki odsetek zatrudnianych osób stanowią osoby z poleceń)?

I jeszcze jedno, lepiej mieć kilka niż kilkanaście mierników i wskaźników z pomocą których optymalizujemy podejmowane działania.

2. Zdefiniuj „sposób mierzenia” mierników

Wiele mierników można mierzyć na kilka sposobów. Jednym z nich jest czas rekrutacji. Różnie można tutaj ustawić zarówno moment początkowy, jak i końcowy. Czy chodzi o moment zlecenia rekrutacji do HR, zaakceptowania jej, publikacji ogłoszenia wewnątrz firmy czy na zewnątrz firmy. A co będzie końcem rekrutacji? Moment przyjęcia oferty przez kandydata czy może pierwszego dnia pracy? Nie ma tutaj dobrych odpowiedzi, warto to zdefiniować.

Podobnie będzie przy danej „liczba pracowników”. Zdarzyło mi się w dużej firmie usłyszeć „mogę podać Ci 5 wartości, w zależności od systemu, z którego pochodzą dane”. Dlatego warto to doprecyzować, czy chodzi o osoby zatrudnione na określony rodzaj umów, w jakim wymiarze etatu, bezpośrednio przez pracodawcę czy przez agencję? I tutaj również podjęte decyzje będą zależeć od specyfiki pracodawcy. Rolą dobrego analityka HR jest zarekomendować tutaj rozwiązanie i pilnować stosowania go.

Interesuje Cię temat mierników i analityka w HR? Sprawdź mierniki stosowane przez innowacyjnych pracodawców: HR w liczbach, czyli twarde mierniki sukcesu w Netguru poznasz TUTAJ 5 mierników HR stosowanych w Future Processing sprawdzisz TUTAJ

3. Określ sposób zbierania danych

Najwygodniej byłoby mieć oczywiście „dane, które zbierają się same”. W praktyce – ktoś musi wcześniej zadbać o to, aby tak się działo. A także, aby dane były zbierane w sposób poprawny i ułatwiający późniejsze wyliczenia. Jeśli jest moment, w którym do (jakiegokolwiek) systemu dane wprowadza człowiek, warto ustalić format, w jakim się to dzieje (np. jak zapisywać datę dołączenia pracownika) i miejsce, w jakim się to dzieje (jakie pole, w jakim miejscu) w systemie lub formularzu. Brak takich ustaleń i niekontrolowana kreatywność we wprowadzaniu danych, będą powodować konieczność czyszenia i formatowania danych podczas samej analizy danych. Jeśli dane pojawiają się z kolei w jakiejkolwiek „formatce”, rolą osoby odpowiedzialnej za analizę danych w HR jest odpowiednie jej zaprojektowanie i przygotowanie, a następnie zadbanie o to, aby osoby odpowiedzialne za wypełnianie danych robiły to na bieżąco (najlepiej w ustalonym okresie czasu).

Przyznaję, ten krok brzmi rzeczywiście niewdzięcznie i zapowiada żmudną pracę. Uwierzcie mi, podziękujecie sobie później, już podczas pracy z analizą tak solidnie przygotowanych danych.

4. Pokazuj rezultaty analiz

Dobry analityk HR jest w bliskim kontakcie z biznesem. Oznacza to, że pokazuje i omawia rezultaty analiz, jakie przeprowadzał. Co więcej, sprawdza też, co rzeczywiście jest wartością, inaczej mówiąc wie, jakie dane budzą zainteresowanie i uznawane są za przydatne. Dzięki temu lepiej dobiera kolejne zagadnienia do przeanalizowania, potrafi zaproponować zmianę w miernikach, jakie warto w firmie obserwować (tak, żadne KPI nie obowiązują „na zawsze”), a także dane, jakie warto w firmie zacząć zbierać. Dzięki temu jeszcze lepiej realizuje sposób 5 na optymalizację analityki w HR.

5. Raportuj nie tylko wskaźniki, dawaj rekomendacje (i wartość)

W pracy z danymi warto rozróżniać kilka możliwych faz. Można rozpocząć od ad hocowego raportowania, przejść do raportowania bardziej proaktywnego, ale też do bardziej zaawansowanej analityki. Czyli takiej, gdzie dane i działania w ramach analityki HR służą do rozwiązywania problemów biznesowych, rekomendowania działań, jakie warto w firmie podjąć (lub zaprzestać), a wreszcie, dzięki wcześniejszemu doświadczeniu, umożliwiają planowanie działań w biznesie i „przewidywanie przyszłości”.

Więcej dobrych praktyk w analityce HR i sposobów na optymalizację działań analitycznych w HR możesz poznać podczas szkolenia „Analiza danych w HR – jak robić to dobrze”. Szczegółowy program szkolenia i dostępne terminy możesz sprawdzić TUTAJ.

Co warto wiedzieć, jeśli chcesz analizować dane w HR? Przeczytasz w tym wpisie

Jeśli uważasz ten wpis za wartościowy, podziel się nim w ulubionym serwisie. Dziękuję!

The post Analityka w HR – poznaj 5 sposobów na jej optymalizację appeared first on Great Digital.

Przeprowadzenie kilku edycji szkolenia „Analiza danych w HR” pozwoliło mi zaobserwować powtarzające się pytania zadawane przez HR-owców, którzy analizują dane w HR lub chcą zacząć robić to jeszcze lepiej. Zobaczcie, co warto wiedzieć, jeśli chcesz analizować dane w HR.

1. Analiza danych w HR nie zaczyna się od…analizy danych

Usiąść do przygotowanych danych, które możesz przeanalizować, aby znaleźć odpowiedź na nurtujące Cię lub biznes pytanie. Marzenie każdego analityka. A rzeczywistość? Rzadko kiedy tak się dzieje, najpierw musisz zadbać m.in. o to, aby dobrze określić, jakie dane powinny zostać przeanalizowane, a także przygotować je (zebrać i dotrzeć do nich). Dlatego, w ciągu wielu lat pracy w obszarze analizy danych określiłam aż 8 kroków w analizie danych HR, przez które warto przechodzić za każdym razem kiedy analizujesz dane. Analiza danych to dopiero 4 krok w tym procesie, co dla wielu przyszłych i obecnych analityków HR bywa zaskoczeniem.

2. Jak to jest z tym big data w HR?

Kilka lat temu podczas wystąpień na konferencjach chętnie posługiwałam się cytatem Dana Ariely, który powiedział:

Big data is like teenage sex: everyone talks about it,
nobody really knows how to do it, everyone thinks everyone else is doing it, so everyone claims they are doing it.

Czy cos się od tego czasu zmieniło? Jak to wygląda w Polsce? Trochę się zmieniło, ale nie tak dużo. O tym, co realnie robią firmy w Polsce w tym obszarze, z jakich rozwiązań korzystają i jakie są najciekawsze narzędzia dla HR oparte o big data – rozmawiamy właśnie na szkoleniu.

3. Jak powinien wyglądać dobry raport z analizy danych w HR?

Od tego, jak wygląda, jaki ma układ, z jakich części się składa dobry raport HR zależy…Twój odbiór jako analityka HR w organizacji, wpływ biznesowy, jaki możesz mieć w firmie, ocena jakości Twojej i wreszcie, poczucie sensu tej pracy. Podczas szkolenia omawiamy aż 8 elementów dobrego raportu z analizy danych HR, wraz z przykładami konkretnych raportów – wiem, że uczestnicy szkolenia bardzo sobie cenią ten element szkolenia.

4. Jakie dane można łączyć z danymi HR?

Siła wniosków płynących z pracy analityka HR płynie głównie z umiejętności łączenia różnych danych, z różnych źródeł, na przykład nie tylko z badań HR, ale też twardych mierników HR. Warto przy tym sięgać po dane z innych działów firmy, a także…spoza organizacji. Zdziwilibyście się jak dużo wniosków i rekomendacji odnośnie strategii HR-owej firmy można wyciągnąć pracując w oparciu o dane zewnętrzne. Nie tak dawno miałam okazję opracowywać dla jednego z klientów strategię rekrutacji 11 tys. pracowników produkcyjnych. Przeprowadzona analiza i wnioski w 90% opierały się na danych zewnętrznych. Na szczęście są dobre źródła danych zewnętrzych, z których warto korzystać i jako dobry analityk powinnaś(eś) je znać i umieć uwzględnić w analizach.

5. W jaki sposób może rozwijać się analityk HR, który zaczyna od analizy danych kadrowo-płacowych?

Praca z analizą danych kadrowo-płacowych to bardzo dobry wstęp do bycia dobrym analitykiem-konsultantem HR. Pozwala nabyć doświadczenie w zakresie analizy twardych danych i wskaźników HR, uczy dokładności i skrupulatności, które należą do ważnych kompetencji analityka HR. Aby wyjść poza analizę danych kadrowo-płacowych, warto poznać inne, miękkie obszary HR, sposoby na pomiar aspektów związanych z rekrutacją, motywowaniem, ocenianiem czy angażowaniem pracowników. Dobrym sposobem na to jest m.in. szukanie informacji o tym, jakie mierniki stosują w swoich działaniach HR najlepsze, innowacyjne organizacje, które w swoich działaniach HR podejmują decyzje oparte o dane.

Mam nadzieję, że odpowiedzi na powyższe pytania zaspokoją Twoją ciekawość (przyszłego) analityka-konsultanta HR i wiesz nieco więcej na temat tego, jak analizować dane w HR. Więcej szczegółów odnośnie pracy analityka HR, a także odpowiedzi na pokrewne pytania, możesz poznać podczas szkolenia online „Analiza danych w HR”. Program szkolenia znajdziesz TUTAJ

PS. Jeśli uważasz ten wpis za wartościowy, podziel się nim w ulubionym serwisie społecznościowym, dziękuję!

The post Co warto wiedzieć jeśli chcesz analizować dane w HR? appeared first on Great Digital.

Niedawno ukazały się nasze gościnne wpisy na blogu eRecruiter o tym, dlaczego warto przeprowadzać badanie kandydatów aplikujących do Waszej firmy oraz jak konkretnie to zrobić. Najważniejsze naszym zdaniem powody to:

1. Możliwość dowiedzenia się jakim (potencjalnym) pracodawcą jesteś

2. Danie kandydatom poczucia, że traktujesz ich z szacunkiem

3. Możliwość zyskania bezcennej wiedzy, z pomocą której można zaprojektować proces rekrutacji przyjazny dla kandydata

4. Pozostawienie dobrego wrażenia

Czego można się dzięki takiemu badaniu dowiedzieć?

1.  Co robisz dobrze

2. Co powinieneś poprawić

3. Jak różnią się kandydaci do różnych działów

4. Jak wypadasz na tle konkurencji

Więcej info i konkretne przykłady znajdziecie w poście na blogu eRecruiter tutaj.

A o tym jak krok po kroku przeprowadzić Twoje pierwsze badanie kandydatów napisaliśmy w kolejnym wpisie dla eRecruitera. Wbrew pozorom jest to bardzo proste. Na początek wystarczą dosłownie 2 pytania.

Jeśli jesteście ciekawi co zrobić z wynikami takiego pierwszego badania i na co się przygotować, zapraszam do lektury tutaj.

The post Dlaczego warto przeprowadzać badanie kandydatów aplikujących do Twojej firmy i jak to zrobić? appeared first on Great Digital.

Przygotowałam moją osobistą listę ulubionych autorów, którzy prezentują innowacyjne podejście do procesów HR, których poglądy bardzo często podzielam i których dokonania wyznaczają moim zdaniem trendy w światowym HR. Sprawdź kim są innowatorzy HR, których warto obserwować.

Josh Bersin

Specjalność: people analytics

Josh Bersin był już wspominany (i nieraz będzie) w postach na tym blogu. Założyciel Bersin by Deloitte, firmy konsultingowej wyspecjalizowanej w strategicznym doradztwie dla HR. Szczególnie dużo uwagi poświęca People Analytics (a nie, jak często podkreśla, HR Analytics – dla zaznaczenia, że procesy i decyzje dotyczące ludzi w organizacji to sprawa całej organizacji, a nie tylko działu czy zespołu HR). Co roku pod jego kierownictwem powstaje raport „Global Human Capital Trends”, biblia dla wszystkich, którzy chcą wiedzieć jaki jest stan HR na świecie. Raport z 2016 możecie znaleźć tutaj.

Laszlo Bock

Specjalność: analityczne podejście do zagadnień HR (People)

Od 10 (!) lat szef działu People Operations w Google (znów zwróćcie uwagę na nazwę, to również nie jest „Dział HR”), autor „Work rules”. Wprowadził w Google kulturę i zasadę podejmowania wszystkich decyzji dotyczących pracowników w oparciu o dane! Uważa, że kluczem do zaangażowania pracowników jest danie im przestrzeni do podejmowania decyzji i wdrażania własnych pomysłów. Bardzo dużo uwagi poświęca temu, co zrobić, aby zapewnić efektywne funkcjonowanie zespołów będących podstawową jednostką organizacyjną w Google. Oczywiście wszystko to przy maksymalnie analitycznym podejściu, o czym można poczytać na blogu Google (jednym z lepszym, jakie znam)  – Re:work.

Stacy Donovan Zapar

Specjalność: rekrutacja, sourcing i social media

Odpowiadała m.in. za rekrutację i employer branding w Zappos, firmie znanej z niezwykle innowacyjnej i silnej kultury organizacyjnej. Techniki rekrutacyjne, jakie stosuje (i opisuje) sprawiają, że otwierasz oczy bardzo szeroko i zastanawiasz się dlaczego sam na to nie wpadłeś. Do tego bardzo innowacyjne podejście do wykorzystania kanałów social media (LinkedIn, Twitter, Facebook, Instragram, Pinterest, Google +), które zaowocowało prawdopodobnie pierwszą stroną kariery bez „ofert pracy” (przy jednoczesnym zwiększeniu liczby pozyskiwanych kandydatów o 800%). Bardzo polecam obejrzenie Stacy Donovan Zapar na youtube, np. wystąpienie z konferencji Glassdoor z 2015 tutaj.

Meghan M. Biro

Specjalność: HR Tech i social media

Jej ulubione tematy to zmiany, jakie zachodzą (albo powinny) w działach HR, które chcą być działaniami na miarę XXI wieku, w tym budowanie silnych kultur organizacyjnych i wykorzystanie narzędzi digital do ich wspierania. Bardzo często pisze o wpływie big data na HR. Jest też bardzo aktywna na Twiterze, gdzie organizuje także live czaty #worktrends, polecam obserwowanie tutaj.

Liz Ryan

Specjalność: kultura organizacyjna oraz leadership

Założyciel i szef Human Workplace. Bardzo często (i bardzo dosadnie) pisze o zmianach koniecznych w organizacjach, które chcą tworzyć angażujące środowisko pracy dla swoich pracowników. Zdecydowanie trzyma przy tym stronę pracowników i z ich perspektywy opisuje to, co w firmach nie działa, niejednokrotnie starając się przy tym wręcz zawstydzić odpowiedzialnych za to szefów i pracowników HR. Moim zdaniem dla wielu HR-owców w Polsce będzie zbyt szokująca w swoich poglądach, mimo to zachęcam do poczytania i przemyślenia. Ciekawostka: jej posty opatrzone są charakterystycznymi grafikami, które sama rysuje. Najwięcej publikuje na LinkedIn, gdzie warto zostać jej „followersem” klikając tutaj.

To są moi ulubieni i warci obserwowania innowatorzy HR.

Nie masz czasu, aby regularnie śledzić o czym piszą wspomniani autorzy-innowatorzy HR? Będziemy to robić za Ciebie, wystarczy, że:

– zostaniesz subskrybentem naszego bloga (patrz belka na górze)

– polubisz nasz profil  – Great Digital na Facebook-u.

The post Innowatorzy HR, czyli kogo naprawdę warto obserwować i czytać. appeared first on Great Digital.

1. Musimy zgromadzić wszystkie dane w HR

No to teraz się zacznie…kto przepisze to wszystko, co jest w segregatorach Kto pouzupełnia te Excele, których nikt nie wypełnia. Kto zbierze CV, które docierają do działu HR różnymi drogami. 3 lata nam zajmie zanim to zgromadzimy. Dobra wiadomość jest taka, że niekoniecznie trzeba to wszystko robić. Na pewno nie polecam podejścia „zgromadzimy dane i zobaczymy potem co z tego wyjdzie”. Gorsza wiadomość – bez dość żmudnej pracy na początku się nie obejdzie i na przygotowanie się do zbierania dobrej jakości danych trzeba poświęcić nieco czasu. Warto, bo decyzje oparte na danych złej jakości, to złe decyzje.

2. Musimy zacząć mierzyć wszystkie zachowania pracowników

O której przychodzą i wychodzą, ile czasu spędzają na spotkaniach w biurze i poza biurem, w ilu szkoleniach biorą udział, ile wysyłają maili, a ile wykonują telefonów, czy sprawdzają pocztę w godzinach wieczornych…Jeszcze raz, nie potrzebujemy tego, jeśli nie zadamy sobie wcześniej pytania „po co”. „Nice to have”, to bardzo drogie i szkodliwe podejście w biznesie, w szczególności w analityce.

3. Potrzebujemy zaawansowanego oprogramowania

Nie od razu Rzym zbudowano. Nie porywałabym się na wdrożenie skomplikowanego oprogramowania, które „robi wszystko”. Wszystko zależy od tego jakim mianem można określić stan „zaawansowania analitycznego” w dziale HR/People. Jeśli mamy dużo dobrej jakości danych, gromadzonych np. przez co najmniej 2 lata, do dyspozycji pracownika w roli data scientist  i np. zagadnieniem, jakie chcemy rozwiązać jest zminimalizowanie ryzyka zatrudnienia nieodpowiedniej osoby, można pomyśleć o budowie (i testach) modelu predykcyjnego, który będzie takie ryzyko minimalizował. A jeśli nie…

Zacznijmy od przyjrzenia się najbardziej palącemu problemowi w HR.  Zróbmy dokładną analizę sytuacji. Jakie czynniki wpływają na problem, bezpośrednio i pośrednio. Co już wiemy, co przetestowaliśmy, co się sprawdziło, a co nie. Jakie dane mamy (i czy możemy im ufać), jakich nam brakuje? Jakie cele ustawiamy sobie na najbliższy kwartał, półrocze, rok? Jakie działania podejmiemy, aby wesprzeć te cele? Po czym poznamy, że zostały zrealizowane? Jaki poziom realizacji będzie dla nas satysfakcjonujący? Co musimy zrobić, aby się do tego poziomu zbliżyć? To wszystko można zrobić z pomocą Excela. Taki soft proponuję na początek Nie od razu musi to być big data. Wystarczy, że będzie smart.

4. Potrzebujemy „specjalisty IT” w dziale HR

Jeśli będzie to praca z Excelem, zdecydowanie nie. Powinno wystarczyć ewentualnie krótkie przeszkolenie, może ktoś z marketingu albo finansów może nam pomóc? Na razie wystarczy ktoś z analitycznym podejściem do rozwiązywania problemów, umiejętnością łączenia danych z różnych źródeł, interpretowania danych i wyciągania z nich wniosków. Wielokrotnie słyszałam, że zdecydowana większość pracowników działów HR jest absolwentami psychologii bądź socjologii. To bardzo dobry punkt wyjściowy.

5. Temat jest na fali, ale w końcu przestanie być modny i nas ominie

Czy big data będzie jak QR-kody w marketingu ;)? Albo inna moda, która się nie przyjęła? Nie sądzę. Big data, a właściwie analityczne podejście do procesów HR będzie konieczne. Można powiedzieć, że to tylko zestaw narzędzi i sposób myślenia do rozwiązania kilku palących problemów w HR. Na przykład, wyzwań związanych z rekrutacją odpowiednich kandydatów oraz z angażowaniem wartościowych pracowników, którzy już są w organizacji.

6. Big data zastąpi rekruterów/hr-owców

Zdecydowanie nie. Mimo tego, że jest bardzo dużo narzędzi opartych o skomplikowane obliczenia, które dostarczają danych, z którymi ciężko byłoby poradzić sobie człowiekowi. Wspomniałam już o możliwości przewidywania, którzy pracownicy są zagrożeni odejściem (Google potrafi), na rynku funkcjonuje już rozwiązanie umożliwiające wstępną selekcję pracowników nagrywających video interview, bez udziału rekrutera (Hire Vue) czy też soft przewidujący, którzy kandydaci na rynku są gotowi na zmianę pracy (Joberate). Jednak nic nie zastąpi managera czy rekrutera o wysoko rozwiniętej inteligencji emocjonalnej i kompetencjach liderskich, który będzie wiedział jakiego człowieka potrzebuje do zespołu. Istniejące narzędzia jedynie mu to ułatwią i sprawią, że HR będzie bardziej przypominał dziedzinę w której podejmowanie decyzji odbywa się w oparciu o rzetelne ustalenia i dane, a nie jest jedynie „sztuką”.

The post 6 mitów na temat (big) data w HR appeared first on Great Digital.

Big data is like teenage sex:
everyone talks about it,
nobody really knows how to do it,
everyone thinks everyone else is doing it,
so everyone claims they are doing it.

A teraz najkrótsze z możliwych wyjaśnienie: big data to dużo danych, bardzo różne dane oraz dane, które szybko się zmieniają w czasie.

Dużo danych

Mogą to być np. dane demograficzne pracowników, historia ich wykształcenia, poprzednie miejsca pracy, wyniki ocen okresowych, historia awansów, odbyte szkolenia i ich oceny, wyniki badań zaangażowania pracowników. W przypadku działań skierowanych do potencjalnych kandydatów: dane na temat skuteczności konkretnych działań firmowych w różnych kanałach (online i offline), dane o aktywności użytkowników w różnych miejscach sieci i zmianach w tej aktywności, które mogą wskazywać na rosnącą bądź malejącą gotowość do zmiany pracy.

Bardzo różne dane

Dane mogą być bardzo różnorodnego formatu: w Excelu, w Wordzie, z kilku systemów HR, z segregatorów ;), ale też dane dotyczące aktywności i wypowiedzi pracowników w źródłach firmowych (np. intranecie czy narzędziu do komunikacji wewnętrznej) bądź w social media (np. na serwisach z opiniami na temat pracodawców czy w wielu innych, w których pracownicy widnieją jako pracownicy danej firmy bądź też nie), zdjęcia pracowników, materiały video…

Dane, które szybko zmieniają się w czasie

Najszybciej będą zmieniały się dane takie jak: wypowiedzi pochodzące z serwisów społecznościowych, dane o poziomie zaangażowania pracowników w badaniach typu „pulse check”, dane o aktywności pracowników w narzędziach firmowych i kandydatów w mediach społecznościowych.

Czy to wystarczy?

Jakiekolwiek zgromadzone dane będą bezużyteczne i nie ma sensu ich gromadzić dopóki nie będziemy wiedzieli w jaki sposób ich użyć. Warto zastanowić się w czym nam mogą pomóc, jaki problem (bądź jak wolą niektórzy „wyzwanie” ) z ich pomocą możemy rozwiązać.

Przejdźmy do konkretów. Jakie zmiany będzie oznaczało korzystanie z big (smart) data w HR?

1. Przejście od raportowania do działania

Opisywanie przeszłości (zatrudniliśmy X pracowników, odeszło x% pracowników) ma umiarkowaną wartość. Pozwala zobaczyć co się stało, podsumować jakiś okres, nie daje jednak możliwości wpływania na to, co się wydarzy w kolejnym okresie. Przykładem podejścia ukierunkowanego na konkretne, intencjonalne działania będzie na przykład cel „zmniejszymy poziom retencji o 1/3 w ciągu najbliższego roku dzięki przeprowadzeniu działań X, Y i Z”.

2. Zmniejszanie roli intuicji na rzecz decyzji opartych o dane oraz insighty

W jaki sposób można rekrutować najlepszych sprzedawców? Można wymagać „minimum 2-letniego doświadczenia w sprzedaży w branży x” i przyjmować to za główne kryterium. A można też zidentyfikować cechy najlepszych sprzedawców w naszym zespole (analizując dane dotyczące rezultatów sprzedaży, samych pracowników oraz wyniki badań z pracownikami) i podjąć decyzję o zmianie kluczowych cech, których szukamy u kandydatów. Ale ale…czy Wasz dział HR ma w ogóle dostęp do danych o handlowcach uzyskujących najlepsze wyniki w sprzedaży?

3. Bliższa współpraca zespołu HR z innymi działami i przeciwdziałanie organizacyjnym silosom.

Dane, które standardowo nie znajdują się w HR (albo nigdzie poza głowami managerów), jak np. wyniki sprzedażowe handlowców, wyjątkowo rzadkie kompetencje programistów, pracownicy cenieni przez pozostałych ze względu na posiadanie doświadczenie i chęć dzielenia się nim, pozwolą na lepsze zaplanowanie procesów HR. Do innych działów warto sięgnąć nie tylko po dane, ale też po kompetencje, w szczególności działu marketingu i finansowego (poczynając od korzystania z Excela, po wsparcie w zakresie planowania komunikacji marketingowej, stawiania mierzalnych celów dla konkretnych kampanii i projektów czy liczenia zwrotu z inwestycji podjętych działań).

4. Wzrost znaczenia działu HR

Jeśli pracownicy są największym zasobem firm (a twierdzi tak ponad 70% badanych przez HBR CEO), to ciężko sobie wyobrazić, że dział, który jest odpowiedzialny za pozyskiwanie i angażowanie pracowników, umie to robić i potrafi dostarczyć twarde, liczbowe dowody swojej skuteczności, nie ma w organizacji odpowiedniej pozycji.

5. Większa transparentność w stosunku do pracowników

Firmy będą miały dostęp do coraz większej ilości danych na temat pracowników. Ważne jest, aby od początku zachowywać tutaj pełną transparentność, komunikować jakie dane są zbierane i w jakim celu. Większość ludzi nie ma nic przeciwko wykorzystywaniu danych na ich temat w zamian za określone korzyści z tego tytułu (np. spersonalizowana ścieżka kariery, sugestie najbardziej wartościowych szkoleń i wydarzeń).

PS. O mitach nt. big data w HR napisałam tutaj.

The post Czym jest big data w HR i jakie zmiany w HR oznacza? appeared first on Great Digital.