Adopcja AI w organizacji nie przebiega równomiernie. Część pracowników już dziś wykorzystuje sztuczną inteligencję do realizacji codziennych zadań, inni dopiero poznają jej możliwości. Powstają różnice nie tylko w dostępie do technologii, ale także w tempie rozwijania kompetencji i sposobach wykonywania pracy. Dla HR oznacza to nowe wyzwanie: jak rozpoznać różnice, zmierzyć rzeczywisty poziom wykorzystania AI i sprawdzić, czy technologia zwiększa efektywność organizacji?

Z nowego raportu Pracuj.pl „To tylko AI. Jak sztuczna inteligencja wpływa na układ sił i kompetencji na rynku pracy” wyłania się obraz rynku pracy, na którym AI może stawać się źródłem nowych różnic kompetencyjnych.

Jedni pracownicy już dziś wykorzystują AI do realizacji codziennych zadań, uczą się nowych zastosowań, eksperymentują i dostrzegają potencjalne korzyści zawodowe. Inni mają z nią znacznie mniejszy kontakt. I właśnie ten drugi aspekt wydaje mi się szczególnie interesujący z perspektywy HR.

Jeśli zauważymy już, że kompetencje AI rozwijają się nierównomiernie, warto dopytać: czy organizacje wiedzą, gdzie te różnice występują i co oznaczają dla przyszłej efektywności ich zespołów?

Czym jest adopcja AI w organizacji?

Adopcja AI w organizacji to proces, w którym pracownicy zaczynają wykorzystywać sztuczną inteligencję w realizacji swoich zadań zawodowych. Jej poziom warto oceniać nie tylko na podstawie liczby użytkowników narzędzi AI. Równie istotna są częstotliwość i sposoby korzystania z technologii, kompetencji pracowników oraz wpływu AI na jakość i efektywność pracy.

Z perspektywy HR istotne jest także rozpoznanie różnic między grupami pracowników. Średni poziom adopcji AI w firmie może ukrywać istotne nierówności w dostępie do technologii, możliwościach rozwoju i umiejętnościach jej wykorzystywania.

Wysoki poziom korzystania z AI nie musi oznaczać wysokiego poziomu kompetencji AI. A wysoki poziom adopcji AI nie jest jeszcze dowodem na wzrost efektywności organizacji. Właśnie dlatego warto przyjrzeć się temu zjawisku znacznie dokładniej.

Czy adopcja AI jest taka sama we wszystkich grupach pracowników?

Jedna z ciekawszych danych w raporcie Pracuj.pl dotyczy częstotliwości korzystania z AI w zależności od miejsca zamieszkania. W największych miastach 19% badanych często korzysta z AI zawodowo, podczas gdy na wsi jest to zaledwie 5%. To niemal czterokrotna różnica.

Oczywiście nie oznacza to automatycznie, że miejsce zamieszkania decyduje o kompetencjach AI. Znaczenie mogą mieć również rodzaj wykonywanej pracy, struktura zatrudnienia, dostęp do narzędzi czy możliwości rozwoju. Dane pokazują jednak, że korzystanie z AI nie rozkłada się równomiernie w różnych grupach badanych.

Jeśli takie różnice występują na rynku pracy, warto sprawdzić, czy podobne zjawiska obserwujemy wewnątrz organizacji.

• Czy pracownicy biurowi mają więcej okazji do eksperymentowania z AI niż pracownicy operacyjni?
• Czy różnice występują między działami, stanowiskami albo poziomami organizacyjnymi?
• Czy wszyscy pracownicy mają porównywalny dostęp do narzędzi i szkoleń?
• Czy w organizacji istnieją zespoły, w których AI jest już elementem codziennej pracy, podczas gdy inne niemal z niej nie korzystają?

Jestem przekonana, że średni poziom adopcji AI w organizacji może niewiele mówić o tym, jak technologia jest rzeczywiście wykorzystywana przez poszczególne grupy pracowników.

Jak pracownicy rozwijają kompetencje AI i skąd biorą się luki kompetencyjne?

Kolejna ciekawa obserwacja dotyczy sposobu zdobywania kompetencji AI. Według raportu Pracuj.pl: 30% regularnych użytkowników AI uczy się korzystania z niej po godzinach. Z kolei 26% regularnych użytkowników AI inwestuje własne pieniądze w płatne narzędzia.

Inaczej mówiąc, przynajmniej część rozwoju kompetencji AI odbywa się z inicjatywy samych pracowników, poza formalnymi programami rozwojowymi organizacji. Z jednej strony to dobra wiadomość. Mamy osoby, które aktywnie poszukują nowych możliwości, eksperymentują i inwestują we własny rozwój. Z drugiej strony powinno to rodzić kilka pytań.

Co z pracownikami, którzy nie mają czasu, środków albo motywacji, aby rozwijać te kompetencje samodzielnie? Czy organizacje zapewniają im porównywalne możliwości rozwoju? Czy potrafią wykorzystać wiedzę osób, które już dziś intensywnie pracują z AI?

Warto też pamiętać, że częstotliwość korzystania z AI nie jest tym samym co poziom kompetencji AI. Pracownik może codziennie korzystać z ChatGPT do prostych zadań, ale niekoniecznie potrafić ocenić jakość otrzymanych wyników, rozpoznać błędy, zweryfikować informacje czy dobrać odpowiednie narzędzie do problemu.

Dlatego samo pytanie „Czy korzystasz z AI?” zdecydowanie nie wystarczy do oceny dojrzałości organizacji w tym obszarze. Jeśli chcemy rozpoznać luki kompetencyjne związane z AI, powinniśmy sprawdzać nie tylko, kto korzysta z technologii, ale także co pracownicy rzeczywiście potrafią z jej pomocą zrobić.

Czy korzystanie z AI rzeczywiście zwiększa efektywność pracy?

Tu dochodzimy do moim zdaniem najciekawszego wątku z perspektywy zarządzania efektywnością. Regularni użytkownicy AI szacują, że technologia mogłaby przejąć 30% ich czasu pracy. Wśród osób niekorzystających z AI ten szacunek wynosi 15%.

Można postawić hipotezę, że osoby mające większe doświadczenie z AI dostrzegają więcej możliwości jej wykorzystania. Możliwe też, że na odpowiedzi wpływa charakter wykonywanych zadań.

Co ważne, nie są to dane o faktycznie zaoszczędzonym czasie, ale deklaracje dotyczące potencjału AI. A nawet jeśli pracownicy rzeczywiście oszczędzają czas dzięki AI, pozostaje jeszcze jedno pytanie: na co go przeznaczają?

Tylko 23% regularnych użytkowników AI deklaruje, że przeznacza zaoszczędzony czas na pracę strategiczną i kreatywną. To pokazuje, że korzystanie z AI i oszczędzanie czasu nie musi automatycznie przekładać się na wykonywanie bardziej wartościowych zadań. Uwolniony czas może być po prostu wypełniany kolejnymi zadaniami.

I powinno to wywoływać dyskusję o tym, czy AI rzeczywiście podnosi efektywność pracowników.

Wyobraźmy sobie, że pracownik przygotowuje raport w godzinę zamiast w trzy godziny. Czy oznacza to wzrost produktywności? Być może. Ale zapytajmy również:

• Czy jakość raportu pozostała na tym samym poziomie?
• Ile czasu zajęła weryfikacja wyników przygotowanych z pomocą AI?
• Czy raport rzeczywiście lepiej wspiera podejmowanie decyzji?
• Na co pracownik przeznaczył uwolnione dwie godziny?

Dopiero odpowiedzi na takie pytania pozwalają ocenić rzeczywistą wartość wykorzystania AI. Samo korzystanie z AI nie jest dowodem wzrostu efektywności, a zaoszczędzony czas nie jest automatycznie wartością biznesową.

Dlatego zamiast pytać wyłącznie, ilu pracowników korzysta z AI, warto zacząć zadawać kolejne pytania:

• Ile czasu pracownicy rzeczywiście oszczędzają dzięki AI?
• Czy zmienia się jakość i efektywność ich pracy?
• Na jakie zadania przeznaczają uwolniony czas?
• Czy organizacja potrafi wykorzystać ten potencjał?

Sukces wdrożenia AI nie powinien być mierzony jedynie liczbą użytkowników narzędzia, ale przede wszystkim tym, co dzięki jego wykorzystaniu zmieniło się w sposobie pracy i wynikach organizacji.

Jak mierzyć poziom adopcji AI w organizacji?

Pomiar adopcji AI w firmie powinien obejmować trzy obszary: rzeczywiste wykorzystanie narzędzi AI przez pracowników, poziom ich kompetencji i bariery w korzystaniu z technologii oraz efekty biznesowe zastosowania AI.

Wyniki warto analizować z podziałem na działy, stanowiska i grupy pracowników, aby identyfikować różnice, których nie pokazują średnie dla całej organizacji. Z perspektywy People Analytics warto przyjrzeć się trzem obszarom.

Poziom wykorzystania AI przez pracowników, czyli rzeczywista adopcja technologii. Warto sprawdzić:

• Jaki odsetek pracowników korzysta z AI w pracy?
• Jak często wykorzystują narzędzia AI?
• Do jakich zadań wykorzystują sztuczną inteligencję?
• Jakie różnice występują między działami, stanowiskami i grupami pracowników?
• Czy pracownicy korzystają z narzędzi udostępnianych przez organizację, czy również z rozwiązań wybieranych samodzielnie?

Sama liczba osób korzystających z AI jest dobrym punktem wyjścia, ale nie powinna być jedynym wskaźnikiem adopcji.

Kompetencje AI i bariery korzystania z technologii, czyli umiejętności i możliwości pracowników. Tutaj warto sprawdzić:

• Jakie zadania pracownicy potrafią realizować z pomocą AI?
• Czy potrafią oceniać jakość i wiarygodność otrzymywanych wyników?
• Jak zdobywają kompetencje AI?
• Jakich umiejętności potrzebują, aby efektywniej korzystać z technologii?
• Co utrudnia im korzystanie z AI?

Bariery mogą wynikać z braku kompetencji, ale również z ograniczonego dostępu do narzędzi, braku czasu na eksperymentowanie, charakteru pracy czy niejasnych zasad korzystania z AI. To ważne rozróżnienie.

Niski poziom adopcji AI nie musi oznaczać niskiej motywacji pracowników. Może być konsekwencją warunków, w jakich wykonują swoją pracę.

Efektywność AI i wpływ na wyniki organizacji, czyli obszar jest szczególnie istotny z perspektywy biznesowej. Warto sprawdzić:

• Czy wykorzystanie AI skraca czas realizacji określonych zadań?
• Czy wpływa na jakość rezultatów pracy?
• Czy zmniejsza liczbę błędów lub koniecznych poprawek?
• Czy zmienia sposób wykonywania zadań?
• Na co pracownicy przeznaczają zaoszczędzony czas?
• Czy zmiany przekładają się na wyniki istotne dla organizacji?

W tym obszarze same deklaracje pracowników mogą nie wystarczyć. Tam, gdzie jest to możliwe, warto uzupełniać je pomiarem procesów i rezultatów pracy.

Nie wszystko da się zmierzyć jednym badaniem czy wskaźnikiem. Ale już samo rozpoznanie tych trzech obszarów pozwala HR podejmować bardziej świadome decyzje dotyczące rozwoju kompetencji, inwestycji w narzędzia i dalszej transformacji. A bez danych o tym, jak AI jest wykorzystywana w organizacji, trudno ocenić, czy rzeczywiście przynosi oczekiwane korzyści.

Dlaczego HR powinien badać adopcję AI przed kolejnymi inwestycjami?

Dyskusja o AI często koncentruje się obecnie na tym, które zawody znikną, jakie kompetencje będą potrzebne i jak szybko technologia zmieni rynek pracy. Tymczasem warto przyjrzeć się temu, co dzieje się już teraz wewnątrz organizacji.

Być może w jednym dziale pracownicy od miesięcy wykorzystują AI do automatyzacji powtarzalnych zadań, a w innym nadal wykonują podobne czynności ręcznie. Być może część zespołu rozwija nowe kompetencje na własną rękę, a pozostali nie wiedzą nawet, od czego zacząć. Możliwe też, że firma inwestuje w szkolenia AI, ale nie sprawdza, czy wiedza zdobyta podczas szkoleń przekłada się na zmianę sposobu pracy.

To przykładowe sytuacje, które warto zweryfikować, zamiast zakładać, że występują w każdej organizacji.

Moim zdaniem jednym z największych wyzwań HR jest obecnie nie tylko samo rozwijanie kompetencji AI, ale rozpoznanie, jak nierównomiernie te kompetencje rozwijają się w organizacji i jakie ma to konsekwencje biznesowe.

Bez takiej diagnozy łatwo zaplanować kolejne działania rozwojowe, które nie odpowiadają na rzeczywiste potrzeby pracowników.

Można na przykład skierować wszystkich na takie samo szkolenie, mimo że część osób potrzebuje dopiero podstaw, a inni już dziś wykorzystują AI w zaawansowanych zadaniach. Można też inwestować w kolejne narzędzia, nie wiedząc, dlaczego pracownicy nie wykorzystują w pełni tych, które już mają. Nie da się dobrze zarządzać zjawiskiem, którego skali i charakteru nie znamy.

Dlatego zanim zaplanujemy kolejne szkolenia, zakup narzędzi czy programy transformacji AI, warto sprawdzić, jaki jest rzeczywisty punkt wyjścia organizacji.

Najczęściej zadawane pytania o adopcję AI w organizacji

Czy częste korzystanie z AI oznacza wysokie kompetencje AI?

Nie. Częstotliwość korzystania z narzędzi AI nie jest równoznaczna z umiejętnością ich efektywnego i odpowiedzialnego wykorzystania. Kompetencje AI obejmują również ocenę jakości wyników, rozpoznawanie błędów, weryfikację informacji i dobór odpowiednich narzędzi do realizowanych zadań.

Jakie wskaźniki warto wykorzystać do pomiaru adopcji AI?

Przykładowe wskaźniki to odsetek aktywnych użytkowników AI, częstotliwość korzystania z narzędzi, rodzaje realizowanych zadań, poziom kompetencji AI, bariery korzystania z technologii oraz zmiany czasu i jakości pracy. Dobór wskaźników powinien wynikać z celów biznesowych organizacji.

Dlaczego warto badać adopcję AI osobno w różnych działach?

Ponieważ średnia dla całej organizacji może ukrywać istotne różnice wynikające z charakteru pracy, dostępu do technologii i możliwości rozwoju. Analiza poszczególnych grup pracowników pozwala identyfikować bariery i lepiej dopasować działania HR.

Jak sprawdzić, czy wdrożenie AI przynosi korzyści biznesowe?

Warto porównać odpowiednio dobrane wskaźniki przed wdrożeniem i po nim, uwzględniając jakość rezultatów, czas realizacji zadań, koszty i wykorzystanie zaoszczędzonego czasu. Tam, gdzie to możliwe, należy również uwzględnić inne czynniki wpływające na wyniki. Sama liczba użytkowników AI nie wystarcza do oceny efektywności wdrożenia.

Chcesz sprawdzić poziom adopcji AI w swojej organizacji?

Czy wiesz, ilu pracowników rzeczywiście korzysta z AI, do jakich zadań ją wykorzystują i jakie korzyści dostrzegają? Czy znasz bariery i różnice kompetencyjne między zespołami? Jeśli chcesz zmierzyć poziom adopcji AI w swojej organizacji, zapraszam do kontaktu!

Pomogę Ci zaplanować i przeprowadzić badanie adopcji AI, które pokaże:

• kto i w jaki sposób korzysta z AI w codziennej pracy,
• gdzie występują bariery i różnice kompetencyjne,
• jakie możliwości rozwoju i zwiększania efektywności dostrzegają pracownicy,
• które obszary wymagają dalszej diagnozy i działań.

Dzięki temu, zanim zaczniesz zarządzać transformacją AI, będziesz wiedzieć, jak naprawdę wygląda ona w Twojej firmie, w oparciu o dane, a nie opinie.

PS. Zdradzę Ci, że są już na rynku firmy, które przeprowadzają takie badania, aby zweryfikować rzeczywisty poziom adopcji AI w swoich organizacjach.

Źródło danych: raport Pracuj.pl, „To tylko AI. Jak sztuczna inteligencja wpływa na układ sił i kompetencji na rynku pracy”, Human Forward Summit, możesz pobrać go TUTAJ

O autorce

Marta Pawlak-Dobrzańska – ekspertka People Analytics z ponad 20-letnim doświadczeniem w HR, założycielka Great Digital i współtwórczyni HRLytics.ai. Specjalizuje się w analityce HR, badaniach pracowników i przekładaniu danych na decyzje biznesowe. Wspiera organizacje także w diagnozowaniu poziomu adopcji AI, identyfikowaniu barier kompetencyjnych oraz ocenie efektów wykorzystania nowych technologii w pracy.

Sprawdź wcześniejsze artykuły z kategorii People Analytics TUTAJ

The post Adopcja AI w organizacji. Czy HR dostrzega nowe nierówności kompetencyjne? appeared first on Great Digital.

Czy potrafisz powiedzieć, jak zmierzyć efekty działań rozwojowych? Spójrz na ten przykład. Firma inwestuje 120 tys. zł rocznie w program rozwojowy. 87 osób rozpoczęło program, 81% regularnie uczestniczyło, a średnia ocena wyniosła 4,7/5. Czy ten program był skuteczny?

Jedyna dobra odpowiedź to „na podstawie tych danych nie da się tego stwierdzić”. Wiemy, że ludzie uczestniczyli w programie i wysoko go ocenili. Nie wiemy natomiast, czy dzięki niemu zaczęli działać inaczej i czy organizacja zobaczyła zmianę, dla której zdecydowała się wydać 120 tys. zł.

To rozróżnienie jest kluczowe, bo w mierzeniu rozwoju łatwo pomylić dane o realizacji programu z danymi o jego efektach.

Mierzenie efektywności działań rozwojowych nie powinno więc kończyć się na sprawdzeniu, ile osób uczestniczyło w programie i jak go oceniły. Powinno pozwolić odpowiedzieć przede wszystkim na dwa pytania: czy po programie zmienił się sposób działania pracowników i czy ta zmiana przyniosła oczekiwany rezultat.

Jak to zrobić? Zebrałam poniżej 5 zasad, które warto zastosować przy kolejnym działaniu rozwojowym.

1. Zacznij od oczekiwanej zmiany, nie od szkolenia

Jeśli szukasz mierników dla działań rozwojowych, pierwsze pytanie nie powinno wcale brzmieć: „Jak zmierzymy efektywność tego szkolenia?”, ale „Co po tym szkoleniu powinno wyglądać inaczej niż przed nim?”

Jeżeli organizujemy program dla menedżerów z udzielania feedbacku, odpowiedzią nie jest „menedżerowie mają zwiększyć kompetencje w zakresie feedbacku”. To nadal zbyt ogólne.

Znacznie bardziej użyteczna odpowiedź brzmi: menedżerowie mają częściej udzielać informacji zwrotnej, robić to na bieżąco i według określonego standardu.

Wtedy od razu wiadomo, czego później szukać w danych. Możemy sprawdzić częstotliwość feedbacku, jego jakość ocenianą przez pracowników albo stosowanie poznanej metody.

Dopiero kolejnym pytaniem powinno być: jakie działanie rozwojowe pomoże taką zmianę osiągnąć? Zauważ, że to odwraca bardzo częstą kolejność:

szkolenie → realizacja → szukanie KPI

na:

problem → oczekiwana zmiana → działanie → pomiar.

Tak, dobrze zaprojektowany pomiar działań rozwojowych zaczyna się więc jeszcze zanim wybierzemy wskaźniki. Najpierw musimy wiedzieć, jakiej zmiany oczekujemy.

2. Nie myl aktywności i satysfakcji z efektywnością

Liczba uczestników, frekwencja, poziom ukończenia czy liczba godzin szkoleniowych są potrzebnymi miernikami. Pokazują jednak przede wszystkim skalę i realizację działania. Podobnie będzie z mierzeniem satysfakcji uczestników.

Ocena 4,7/5 może być świetną wiadomością dla osoby odpowiedzialnej za jakość programu. Nie jest jeszcze dowodem, że inwestycja przyniosła oczekiwany efekt. Dlatego warto rozdzielić cztery poziomy informacji:

AKTYWNOŚĆ – czy pracownicy uczestniczyli?
SATYSFAKCJA – jak ocenili program?
ZACHOWANIE – czy zaczęli działać inaczej?
WYNIK – czy ta zmiana przyniosła oczekiwany rezultat?

To ważne rozróżnienie. Liczba przeszkolonych osób odpowiada na inne pytanie niż zmiana sposobu ich pracy, a wysoka ocena szkolenia nie oznacza automatycznie, że nowe umiejętności są wykorzystywane w praktyce.

Nie każde działanie trzeba oczywiście mierzyć na wszystkich czterech poziomach z taką samą intensywnością. Ale jeżeli raportujemy wyłącznie dwa pierwsze, warto uczciwie powiedzieć: mierzymy realizację programu, a nie jego efektywność.

3. Sprawdź, czy pracownicy rzeczywiście zaczęli działać inaczej

To prawdopodobnie najbardziej niedoceniany poziom mierzenia rozwoju. Między „uczestnik ukończył szkolenie” a „firma osiągnęła wynik biznesowy” znajduje się przecież coś bardzo ważnego: człowiek powinien zacząć wykorzystywać to, czego się nauczył.

To właśnie transfer nowych umiejętności do codziennej pracy jest jednym z najważniejszych dowodów, że działanie rozwojowe rzeczywiście coś zmieniło.

Dobrym przykładem są dziś szkolenia z AI. Załóżmy, że firma przeszkoliła 500 pracowników. 420 ukończyło program, a jego średnia ocena wyniosła 4,8/5. Z punktu widzenia rozwoju znacznie ciekawsze będą jednak pytania:

Ilu pracowników rzeczywiście zaczęło korzystać z AI? W jakich zadaniach? Jak często? Czy pojawiły się nowe sposoby wykonywania pracy? Czy pracownicy dzięki AI wykonują określone zadania szybciej albo lepiej?

Może się okazać, że program z oceną 4,8/5 praktycznie nie zmienił sposobu pracy. Może być również odwrotnie: szkolenie ocenione na 4,1 wywołało znaczącą zmianę zachowań.

I wtedy pojawia się ciekawe pytanie: Który z tych dwóch programów był bardziej efektywny?

4. Powiąż działanie rozwojowe z problemem, który miało rozwiązać

Nie chodzi o to, żeby do każdego szkolenia dopisać na siłę ROI. Jeżeli szkolimy menedżerów z feedbacku, nie musimy udowadniać, że każda złotówka wydana na program wygenerowała 2,73 zł przychodu.

Powinniśmy jednak wiedzieć, dlaczego organizacja chce, żeby menedżerowie lepiej udzielali feedbacku.

Jeżeli problemem jest np. niska jakość informacji zwrotnej wskazywana przez pracowników, możemy sprawdzić zmianę tego wyniku. Kiedy rozwijamy kompetencje sprzedażowe, warto obserwować stosowanie nowych zachowań w rozmowach, a następnie konwersję.

Jeżeli uczymy AI po to, żeby usprawnić konkretny proces, możemy porównać czas albo jakość jego realizacji przed i po wdrożeniu nowych sposobów pracy. Kiedy inwestujemy w rozwój kompetencji umożliwiających mobilność wewnętrzną, ciekawsze od liczby godzin szkoleniowych będzie to, ilu pracowników rzeczywiście stało się gotowych do objęcia nowych ról i ilu faktycznie do nich przeszło.

W ten sposób powstaje logiczny ciąg:

problem biznesowy → działanie rozwojowe → zmiana zachowania → rezultat.

To właśnie takie powiązanie pozwala przejść od raportowania działań rozwojowych do oceny ich efektywności. Nie pytamy już wyłącznie: „Ile osób przeszkoliliśmy?”, ale również: „Czy rozwiązaliśmy lub ograniczyliśmy problem, z powodu którego w ogóle uruchomiliśmy program?”

5. Zaprojektuj pomiar przed rozpoczęciem programu

To zasada, która w praktyce może zrobić największą różnicę. Jeżeli zaczynamy zastanawiać się nad efektywnością wtedy, kiedy program właśnie się skończył i trzeba przygotować prezentację dla zarządu, możemy już nie mieć danych potrzebnych do jej oceny.

Nie wiemy, jaki był punkt wyjścia. Nie zmierzyliśmy zachowania przed programem. A także, nie ustaliliśmy, kiedy powinien pojawić się efekt. Czasem okazuje się nawet, że nie zdefiniowaliśmy precyzyjnie, co właściwie miało się zmienić.

Dlatego pomiar efektywności działania rozwojowego warto zaprojektować przed jego rozpoczęciem, a nie dopiero wtedy, kiedy trzeba podsumować wyniki.

Przed startem programu proponuję wypełnić takie jedno zdanie:

„Inwestujemy w ten program, ponieważ chcemy, żeby [KTO] zaczął [CO ROBIĆ INACZEJ], co powinno przełożyć się na [JAKI REZULTAT]. Zmianę sprawdzimy [KIEDY], porównując [CO] z [CZYM].”

Przykładowo:

Inwestujemy w program dla menedżerów, ponieważ chcemy, żeby częściej i bardziej systematycznie udzielali pracownikom informacji zwrotnej, co powinno poprawić ocenę jakości feedbacku w zespołach. Zmianę sprawdzimy po trzech miesiącach, porównując częstotliwość i ocenę jakości feedbacku przed programem i po nim.

Jeżeli nie jesteśmy w stanie uzupełnić tego zdania, nie potrzebujemy jeszcze lepszego dashboardu ani kolejnych KPI. Potrzebujemy ponownie porozmawiać o celu szkolenia i lepiej zdefiniować, po co właściwie inwestujemy w to działanie.

Jak więc mierzyć efektywność działań rozwojowych?

Można stworzyć bardzo rozbudowany dashboard: budżet, liczba uczestników, godziny szkoleniowe, poziom ukończenia, oceny, NPS. Tylko że nawet kilkanaście wskaźników nie pomoże, jeśli wszystkie odpowiadają nadal jedynie na pytanie: „Co zrobiliśmy?” zamiast: „Co dzięki temu się zmieniło?”

Dlatego mierzenie efektywności działań rozwojowych warto oprzeć na prostym ciągu: najpierw określić problem i oczekiwaną zmianę, następnie sprawdzić, czy zmieniły się zachowania pracowników, a na końcu czy ta zmiana przyniosła oczekiwany rezultat.

I chyba właśnie od tego rozróżnienia warto zacząć rozmowę o efektywności działań rozwojowych. A przeszkoleni pracownicy i skuteczniejsi pracownicy to oczywiście nie jest to samo.

A jeśli potrzebujesz wsparcia w dobraniu mierników dla działań rozwojowych, daj znać, podpowiem jak to zrobić.

Sprawdź też jakie dashboardy HR do oceny działań rozwojowych i innych przygotowaliśmy dla klientów HRLytics.ai.

Chcesz mierzyć działania HR z sensem? Sprawdź artykuły z kategorii people analytics.

The post Jak zmierzyć efekty działań rozwojowych? Poznaj 5 wskazówek appeared first on Great Digital.

Czego naprawdę potrzebuje HR: narzędzi czy lepszych decyzji?

HR uwielbia interesować się narzędziami HR Tech. Nowe zestawienia, porównania, pytania zadawane na forach „jak system do xyz polecacie?” (dostawcy już czekają, aby udzielić Wam odpowiedzi ).

Trudno się temu dziwić, jeśli wciąż wiele zespołów HR działa w świecie rozproszonych danych, arkuszy Excel i ciągłego klejenia danych z wielu źródeł.

Wtedy automatyzacja HR brzmi jak realna ulga – mniej pracy ręcznej, lepszy dostęp do danych, mniej błędów, więcej porządku. Kto by nie chciał?

Dodałabym do tego tylko jedno pytanie, które w tych dyskusjach pojawia się zbyt rzadko: czy dzięki tym narzędziom HR będzie podejmować lepsze decyzje?

Samo przyspieszenie procesu nie będzie oznaczać jeszcze, że organizacja działa mądrzej. Są firmy, które dzięki automatyzacji robią to samo, co robiły wcześniej tylko…szybciej.

Problem nie leży w technologii

Wiele wdrożeń HR Tech zaczyna się od bardzo praktycznej potrzeby. Przykładowo, chcemy szybciej raportować, ograniczyć pracę ręczną uporządkować dane, zautomatyzować procesy czy wreszcie odejść od Excela.

To są ważne potrzeby. Ale nadal czym innym jest pytanie: „Jak zautomatyzować raportowanie HR?” a czym innym: „Jaką decyzję biznesową ten raport ma wspierać?”

Pierwsze pytanie prowadzi nas do narzędzia, drugie prowadzi nas do wpływu. Pierwsze skupia się na procesie, drugie na tym, czy dzięki danym organizacja podejmie inną, lepszą decyzję.

Ta pozornie drobna różnica, która decyduje o tym, czy automatyzacja HR będzie realną zmianą, czy tylko sprawniejszą obsługą tego, co już istnieje.

Szybszy proces to jeszcze nie lepsza decyzja

Automatyzacja bardzo dobrze radzi sobie z tym, co powtarzalne, przewidywalne i możliwe do opisania procesem. Dlatego, może przyspieszyć raportowanie, uporządkować workflow, ograniczyć liczbę ręcznych zadań, poprawić dostęp do danych. Może po prostu sprawić, że HR będzie działał sprawniej operacyjnie.

I to jest potrzebne. Zauważmy jednak, że sprawność operacyjna nie jest tym samym co wpływ na organizację. Można mieć szybciej przygotowany raport o rotacji i nadal nie zmienić sposobu rozmowy z menedżerami.

Albo mieć dashboard absencji i nadal nie podjąć decyzji poprawiającej przeciążenie zespołów. Inni będą patrzeć na dane z badania zaangażowania i nadal sprowadzić je do prezentacji, która znika po jednym spotkaniu. I znam firmy, które mają system, który pokazuje więcej niż wcześniej, ale nie zmienia niczego w tym, jak organizacja reaguje.

To dlatego sama automatyzacja HR nie wystarczy. Ktoś musi uznać, że dany sygnał jest ważny, wiedzieć, co z nim zrobić. Ktoś musi mieć odpowiedzialność za reakcję, czyli połączyć dane HR z realnym działaniem biznesowym.

Gdzie zatrzymuje się zmiana?

Najczęściej zmiana zatrzymuje się między analizą a decyzją.

Wyobraź sobie, że jesteś w zespole HR, który ma dane, raport, dashboard i system. Czasem ma nawet bardzo dobrą diagnozę. Ale jednak…kiedy nie wiadomo, co dokładnie ma się wydarzyć, wtedy raportowanie staje się jedynie rytuałem.

Dlatego tak ważne jest, aby ustalić w odniesieniu do procesów: kto ma podjąć decyzję, na jakiej podstawie, w jakim momencie i z jaką konsekwencją dla organizacji? I wreszcie, po czym poznamy, że wprowadzona zmiana była lepsza niż wcześniejszy sposób działania?

Bez odpowiedzi na te pytania dane zaczynają funkcjonować obok decyzji, a nie w ich centrum. A HR Tech staje się kolejną warstwą technologii nałożoną na stary sposób działania.

A wtedy nawet, kiedy mamy poczucie, że dużo się dzieje, naprawdę niewiele się zmienia. (Nic bardziej frustrującego dla pracowników, którzy przechodzą przez wdrożenie nowego systemu).

Najczęstszy błąd: zaczynanie od narzędzia, nie od decyzji

Największy problem we wdrożeniach HR Tech rzadko polega na tym, że organizacja wybiera „zły system”. Częściej chodzi o coś bardziej podstawowego. Automatyzujemy proces, zanim zdefiniujemy decyzję, którą ten proces ma wspierać.

W odniesieniu do analityki HR będzie to oznaczać, że organizacja chce mieć dashboard, ale nie zawsze wie, kto ma na jego podstawie działać. Albo chce mieć wskaźniki, ale nie ustala, jakie decyzje mają z nich wynikać. Albo chce mieć automatyczne raporty, ale nie zmieniają one rytmu rozmów z biznesem. A może nawet chce udostępnić dane menedżerom, ale nie sprawdza, czy menedżerowie wiedzą, jak z tych danych korzystać.

W takiej sytuacji raporty powstają, dashboardy będą wyglądać lepiej, dane będą bardziej dostępne, ale… decyzje pozostaną takie same.

I wtedy automatyzacja HR staje się iluzją zmiany. Chociaż na powierzchni dużo się dzieje, bo są projekty, narzędzia, nowe procesy, wdrożenia i prezentacje, to jednak głębiej organizacja nadal działa według tych samych schematów.

HR Tech może też przyspieszyć chaos

W dyskusji o technologii często zakładamy, że narzędzia uporządkują organizację. Tak dzieje się tylko wtedy, gdy wiemy, co chcemy uporządkować. Jeśli proces jest dobrze zaprojektowany, automatyzacja może go wzmocnić.

Kiedy dane są sensownie powiązane z decyzjami, dashboard może pomóc działać szybciej i lepiej. A jeśli wiadomo, kto z czego korzysta i po co, HR Tech może zwiększyć wpływ HR na organizację.

Ale jeśli przed wdrożeniem nie wiadomo, jaka decyzja ma być podejmowana, kto jest jej właścicielem i co powinno się wydarzyć po analizie, technologia tego sama nie rozwiąże.

Od czego więc zacząć?

Nie od pytania: „Jakie narzędzie wdrożyć?” Tylko od pytania: „Jaką decyzję chcemy podejmować lepiej?”

Jeśli będzie to decyzja dotycząca rotacji, warto pytać nie tylko: jaki mamy poziom rotacji, ale też: gdzie ryzyko odejść jest największe, dlaczego powstaje i kiedy powinniśmy reagować?

W przypadku decyzji dotyczących rekrutacji pytajmy nie tylko: ile trwa proces, ale też: które źródła kandydatów naprawdę działają, gdzie tracimy jakość i co zmienić, żeby zatrudniać lepiej, a nie tylko szybciej?

W obszarze rozwoju, będą to pytania nie tylko: ile osób ukończyło szkolenie, ale też: w które kompetencje warto inwestować, bo mają znaczenie dla przyszłości organizacji?

Albo (mój ulubiony przykład), w przypadku decyzji dotyczącej pracy hybrydowej, będzie to pytanie nie tylko: ile dni ludzie pracują z biura, ale: jak sposób pracy wpływa na współpracę, efektywność, zaangażowanie i doświadczenie pracowników?

Dopiero kiedy znamy decyzję, jaka ma być podjęta, możemy sensownie rozmawiać o danych.

Dopiero wtedy wiemy, jakie wskaźniki mają znaczenie i dopiero wtedy narzędzie HR Tech staje się środkiem do lepszego działania, a nie celem samym w sobie.

Trzy pytania przed wdrożeniem HR Tech

Każde wdrożenie technologii w HR warto zatrzymać przy trzech pytaniach.

Po pierwsze: jaką decyzję ma wspierać to narzędzie? Nie jaki raport ma generować, jaki proces ma przyspieszyć czy jakie dane ma pokazać? Tylko: jaka decyzja ma dzięki temu być lepsza?

Po drugie: kto będzie te decyzje podejmować? Jeśli nie ma właściciela decyzji, dane łatwo stają się informacją „dla wszystkich”, czyli w praktyce często dla nikogo.

Po trzecie: co zmieni się w organizacji, jeśli zaczniemy podejmować te decyzje inaczej? To pytanie pozwala odróżnić wdrożenie technologiczne od realnej zmiany organizacyjnej.

Przykładowo, jeśli jedyną odpowiedzią jest „będziemy mieć lepszy raport”, to prawdopodobnie jeszcze nie dotarliśmy do sedna.

Czego naprawdę potrzebuje HR?

HR potrzebuje narzędzi, owszem. Ale nie jako kolejnej warstwy technologii, która ma przykryć niejasne procesy, brak odpowiedzialności i decyzje podejmowane głównie intuicyjnie. HR potrzebuje narzędzi, które wspierają konkretny sposób działania, czyli narzędzi, które pomagają zobaczyć problem, zrozumieć jego przyczyny i podjąć lepszą decyzję.

Ale jeszcze bardziej HR potrzebuje jasności decyzyjnej: potrzebuje umiejętności zadawania właściwych pytań, łączenia danych HR z kontekstem biznesowym, rozmowy z menedżerami nie tylko o procesach, ale o konsekwencjach decyzji. Projektowania działań, które wynikają z analizy, a nie tylko z kalendarza HR i ciągłego sprawdzania, czy to, co robimy, naprawdę zmienia organizację, inaczej mówiąc „Czy w tej firmie HR robi istotną różnicę?”

Podsumowanie

Automatyzacja HR może przyspieszyć procesy – może uporządkować dane, ograniczyć ręczną pracę, poprawić dostęp do informacji, pomóc HR działać sprawniej.

Nie zastąpi jednak decyzji, brania odpowiedzialności, rozmawiania z biznesem, ani jasności, co właściwie chcemy zmienić.

Dlatego HR nie potrzebuje po prostu więcej narzędzi, ale lepszych decyzji i narzędzi, które naprawdę pomagają te decyzje podejmować.

A technologia w HR ma największą wartość nie wtedy, gdy przyspiesza istniejące procesy, ale wtedy, gdy pomaga zmienić sposób, w jaki organizacja myśli, działa i decyduje.

Krótkie FAQ

Czy automatyzacja HR poprawia decyzje w organizacji?

Sama automatyzacja HR nie poprawia decyzji. Może je wspierać, jeśli jest powiązana z konkretnymi momentami decyzyjnymi, odpowiedzialnością i jasnym sposobem wykorzystania danych.

Czy HR potrzebuje więcej narzędzi HR Tech?

Nie zawsze. HR potrzebuje narzędzi, które wspierają konkretne decyzje. Więcej technologii nie zwiększy wpływu HR, jeśli organizacja nie wie, co chce dzięki niej zmienić.

Dlaczego wdrożenia HR Tech nie przynoszą efektów?

Często dlatego, że koncentrują się na usprawnieniu procesów, a nie na zmianie sposobu podejmowania decyzji. Organizacja ma wtedy lepsze narzędzie, ale działa według tych samych schematów.

Od czego zacząć wdrożenie HR Tech?

Od pytania, jaką decyzję HR lub biznes chce podejmować lepiej. Dopiero potem warto dobierać dane, wskaźniki, procesy i narzędzia.

PS. A jeśli stoisz przed decyzją, co warto wdrożyć, aby podejmować lepsze decyzje w HR w oparciu o dane, sprawdź jak może pomóc Ci HRLytics.ai

A o tym jak podejmować decyzje w HR, zamiast jedynie raportować dane, przeczytasz TUTAJ

The post Czego naprawdę potrzebuje HR: narzędzi czy lepszych decyzji? appeared first on Great Digital.

„Mamy dane HR, ale niewiele z nich wynika.” Kiedy tylko takie zdanie pojawia się w firmie, łatwo zacząć zastanawiać się czy analityka HR nie działa i problemem nie są same dane? Może są niepełne, niedokładne albo niewystarczająco zaawansowane?

Tylko że w praktyce rzadko o to chodzi. Brak danych stosunkowo rzadko blokuje organizacje w przejściu na wyższy poziom analityki HR. Znacznie częściej brakuje momentu, w którym ktoś na podstawie danych HR zaczyna robić coś… inaczej.

Problem nie są wcale dane HR

W większości organizacji „jakaś” analityka HR już istnieje. Są dashboardy HR, są raporty, są dane o rotacji, absencji, rekrutacji czy zaangażowaniu. Dostęp do danych HR jest dziś często znacznie lepszy niż jeszcze kilka lat temu.

A mimo to bardzo często słyszę dokładnie to samo zdanie: „Mamy dane, ale niewiele z nich wynika.”

Łatwo taką sytuację zinterpretować w niewłaściwy sposób. Pierwsza reakcja najczęściej idzie w stronę narzędzi albo jakości danych. Wydaje się wtedy, że problemem jest brak dokładniejszych informacji, lepszych raportów HR, bardziej zaawansowanej analityki HR albo kolejnego narzędzia.

Tylko że w większości przypadków problem w ogóle nie zaczyna się w tym miejscu. Problem zaczyna się znacznie wcześniej – w tym, że dane HR bardzo często nie są powiązane z żadną konkretną decyzją biznesową, którą ktoś w organizacji rzeczywiście musi podjąć.

Powstają, bo „trzeba raportować”, bo „zarząd chce widzieć liczby”, albo dlatego, że „tak wygląda standard w HR”. Czasem pojawia się potrzeba przygotowania podsumowania roku, półrocza czy kwartału.

Brakuje w tym wszystkim realnego pytania, na które ktoś próbuje znaleźć odpowiedź. A jeśli nie ma pytania, to bardzo szybko okazuje się, że nie ma też decyzji. A jeśli nie ma decyzji, to nawet najlepsze dane HR nie mają żadnego wpływu na organizację.

Gdzie najczęściej kończy się analityka HR?

W wielu organizacjach analityka HR kończy się dokładnie w tym samym miejscu – wExcelu, w prezentacji PowerPoint albo na dashboardzie. Dane są dostępne, wskaźniki HR są aktualne, raport wygląda dobrze i można powiedzieć, że „mamy to poukładane”. Pytanie, które powinno tutaj paść, a którego bardzo często brakuje, brzmi: „Co w związku z tym robimy inaczej?”

Być może na razie w Twojej firmie zapada w tym momencie krępująca cisza. Okazuje się, że raport coś pokazuje, ale nie jest powiązany z żadnym działaniem, żadną zmianą ani decyzją, która miałaby realny wpływ na organizację.

W takiej sytuacji analityka HR nie jest narzędziem zmiany. Jest jedynie narzędziem opisu, a raportowanie HR kończy się na dostarczaniu informacji, zamiast wspierać decyzje biznesowe.

Kiedy dane HR zaczynają mieć realny wpływ?

Z mojego doświadczenia wynika, że dane HR zaczynają mieć realne znaczenie dopiero wtedy, kiedy spełnione są trzy bardzo konkretne warunki.

Po pierwsze, musi istnieć realne pytanie biznesowe, a nie tylko potrzeba raportowania. Chodzi o sytuację, w której ktoś naprawdę próbuje zrozumieć, co się dzieje i co powinien zrobić dalej.

Po drugie, dane HR muszą prowadzić do decyzji, czyli do konkretnego wyboru, który zmienia sposób działania, a nie tylko do wniosku, że „warto się temu przyjrzeć”.

Po trzecie, ta decyzja musi mieć właściciela, czyli osobę, która bierze odpowiedzialność za to, co wydarzy się dalej, a nie tylko uczestniczy w dyskusji.

Jeśli któregoś z tych elementów brakuje, dane bardzo szybko zamieniają się w raport, który można przeczytać, skomentować, a potem… odłożyć.

Dlaczego większość danych HR nie daje wpływu?

Problem polega na tym, że te dane funkcjonują obok procesu decyzyjnego, a nie w jego środku. Są przygotowywane cyklicznie, prezentowane na spotkaniach, czasem nawet analizowane… ale nie są bezpośrednio powiązane z momentem, w którym ktoś musi podjąć decyzję biznesową.

I to wystarczy, żeby analityka HR nie miała realnego przełożenia na działanie. Dlatego wtedy tak często pojawia się poczucie, że „analityka HR nie działa”, mimo że organizacja ma dashboardy, KPI HR i coraz więcej danych.

Moment przełomu: od danych HR do decyzji

Zmiana zaczyna się w dużo mniej spektakularnym miejscu, niż zwykle się zakłada. Nie wtedy, kiedy wdrażasz nowe narzędzie. Nie wtedy, kiedy masz więcej danych. Ta zmiana dzieje się wtedy, kiedy zaczynasz od innego pytania. Zamiast pytać: „Co pokazują dane?”, zacznij od pytania: „Jaką decyzję chcemy podjąć na podstawie tych danych HR?”

To właśnie tutaj zaczyna się strategiczna analityka HR. Przekonasz się wtedy, że kiedy raport przestaje być celem samym w sobie, a zaczyna być środkiem do podjęcia konkretnego działania, analityka HR nabiera zupełnie innego znaczenia.

Dane HR nie zmieniają organizacji. Zmieniają ją decyzje.

Dane same w sobie nie mają jeszcze żadnej wartości. Ta wartość pojawia się dopiero wtedy, kiedy ktoś na ich podstawie robi coś inaczej niż wcześniej.

Analityka HR przestaje być raportowaniem wtedy, kiedy zaczyna wspierać konkretne decyzje biznesowe. Dlatego naprawdę warto zadać sobie pytanie: czy w Twojej organizacji dane HR służą do zbierania informacji… czy do zmieniania sposobu działania?

Jeśli inwestujesz już czas w zbieranie i analizowanie danych HR, zacznij wykorzystywać je po to, żeby realnie wpływać na decyzje, działania i kierunek organizacji.

Moment, w którym HR przestaje koncentrować się wyłącznie na dostarczaniu danych, a zaczyna analizować je, wyciągać wnioski i dostarczać rekomendacje, to właśnie moment, w którym zaczyna mieć strategiczny wpływ na biznes.

Szybkie podsumowanie, czyli FAQ

Dlaczego analityka HR często nie działa?

Najczęściej nie dlatego, że brakuje danych HR, ale dlatego, że dane nie są powiązane z konkretnymi decyzjami biznesowymi.

Kiedy dane HR zaczynają mieć wartość?

Wtedy, kiedy prowadzą do działania, zmiany sposobu pracy albo konkretnej decyzji w organizacji.

Czym różni się raportowanie HR od analityki HR?

Raportowanie HR opisuje sytuację i prezentuje dane. Strategiczna analityka HR wspiera podejmowanie decyzji biznesowych i wpływa na sposób działania organizacji.

Czy więcej danych oznacza lepszą analitykę HR?

Nie. Większa liczba danych nie gwarantuje lepszych decyzji. Kluczowe jest powiązanie danych HR z realnym problemem biznesowym i procesem decyzyjnym.

Powodzenia! Trzymam kciuki za zmianę podejścia do danych w HR! Więcej artykułów z kategorii „people analytics” znajdziesz TUTAJ

The post Dlaczego dane HR nie przekładają się na decyzje i zmianę organizacji? appeared first on Great Digital.

Zacznę od tezy, która dla wielu organizacji może być niewygodna: problem z rekrutacją nie polega na trudnym rynku ani na określonym pokoleniu (najczęściej jako problemowe wskazywane jest tutaj pokolenie „Z”). Problem z rekrutacją (i określeniem jej skuteczności) polega na tym, co i jak mierzymy.

Jeśli mierzymy czas, koszt i liczbę zatrudnionych osób, optymalizujemy proces, ale nadal nie wiemy, czy podejmujemy dobre decyzje. Naturalnym kolejnym krokiem jest więc pytanie: co właściwie powinniśmy mierzyć?

I tu bardzo często pojawia się odpowiedź: quality of hire, czyli jakość zatrudnienia. Problem w tym, że w większości organizacji ten wskaźnik istnieje tylko z nazwy.

Dlaczego quality of hire tak rzadko działa?

W teorii wszystko się zgadza, każdy przyzna, że najważniejsza jest jakość zatrudnienia. Wielu rekruterów zgodzi się, że nie chodzi o to, żeby zatrudniać szybko, tylko dobrze. A potem…wśród metryk HR-owych, podsumiwań czy na dashboardzie nadal królują: time to hire, cost per hire, liczba zatrudnionych. Gdzie tutaj miejsce na quality of hire?

Tak, to jest trudniejszy wskaźnik. Nie daje się policzyć jednym prostym wzorem, ani nie kończy się w momencie podpisania umowy. Wymaga wyjścia poza HR i wejścia w rozmowę z biznesem i właśnie dlatego jest tak często pomijany.

Największy błąd: szukanie jednego wzoru

Najczęstsze pytanie, jakie słyszę, brzmi: „Jaki jest wzór na quality of hire?”. To jest źle postawione pytanie. Quality of hire nie jest jedną liczbą, to jest sposób patrzenia na decyzję rekrutacyjną w czasie. To próba odpowiedzi na pytanie: czy zatrudnienie tej osoby było dobrą decyzją biznesową?

A na to pytanie nie da się odpowiedzieć jednym wskaźnikiem.

Co w takim razie mierzyć?

Zamiast szukać jednej liczby, warto zbudować prosty, praktyczny model, który łączy kilka perspektyw. I nie potrzebujesz tutaj zaawansowanej analityki, ale raczej spójnego myślenia.

1. Retencja, czyli czy ta osoba została?

To najprostszy i jednocześnie najbardziej niedoceniany wskaźnik. Jeśli pracownik odchodzi w ciągu pierwszych 3, 6 czy 12 miesięcy, to w ogromnej części przypadków oznacza jedno: decyzja rekrutacyjna była nietrafiona. Oczywiście, zdarzają się wyjątki, sytuacje życiowe (np. konieczność zmiany miejsca zamieszkania z powodów osobistych i tym samym miejsca pracy).

Ale jeśli widzisz powtarzalny wzorzec odejść w pierwszych miesiącach, to pora przyznać, że to nie jest problem rynku, a raczej problem dopasowania nowozatrudnionych pracowników (ich oczekiwań i potrzeb) do możliwości Twojej firmy.

2. Performance, czyli czy nowy pracownik dowozi wynik?

Drugi poziom to efektywność. Porozmawiajmy zatem o tym, czy pracownik osiąga zakładane cele? Czy realizuje to, do czego został zatrudniony?

To może być ocena okresowa, realizacja KPI, feedback managera, nie chodzi wcale o idealny system. Chodzi o jakąkolwiek konsekwentną miarę, która pozwala odróżnić wysoką jakość pracownika od niskiej.

3. Time to productivity, czyli jak szybko pracownik zaczyna wnosić wartość?

Dwie osoby mogą osiągnąć ten sam poziom efektywności – jedna po 3 miesiącach, druga po 9. Z perspektywy biznesu to jednak ogromna różnica. Dlatego warto mierzyć, ile czasu zajmuje dojście do pełnej produktywności. To jest jeden z najbardziej niedocenianych elementów quality of hire.

4. Dopasowanie, czyli czy to była dobra decyzja z perspektywy zespołu?

Najprostsze pytanie, jakie możesz zadać hiring managerowi: „Czy zatrudnił(a)byś tę osobę ponownie?”. To pytanie jest brutalnie skuteczne, bo omija całą warstwę raportów i trafia w sedno decyzji.

I jeszcze  jedna ważna sprawa: horyzont czasu, jaki weźmiemy pod uwagę

Większość organizacji, nawet jeśli próbuje mierzyć jakość zatrudnienia, robi to zbyt wcześnie. Po 1 miesiącu, czasem po okresie próbnym. To zdecydowanie za mało.

Jeśli wrócimy do tego, jak funkcjonuje dziś rynek pracy, szczególnie w kontekście młodego pokolenia, zobaczymy, że realna ocena pracodawcy rozciąga się znacznie dalej.

Dlatego quality of hire powinien być analizowany co najmniej w perspektywie 12 miesięcy, a w wielu organizacjach nawet 24 miesięcy. Dopiero wtedy widzisz pełny obraz: kto został, kto odszedł, kto dowozi wynik, a kto nigdy nie osiągnął oczekiwanego poziomu.

Co zmienia się, kiedy zaczynasz mierzyć quality of hire?

W momencie, w którym wprowadzasz quality of hire jako realny wskaźnik, zmienia się sposób podejmowania decyzji. Zaczynasz po prostu widzieć rzeczy, których wcześniej nie było widać.

Na przykład:

• które źródła kandydatów dają najlepszych pracowników, a nie najwięcej CV?
• które procesy rekrutacyjne prowadzą do lepszego dopasowania?
• które decyzje hiring managerów mają najwyższą skuteczność?
• gdzie onboarding nie działa i obniża jakość zatrudnienia?

I nagle okazuje się, że rekrutacja przestaje być „procesem HR”, a zaczyna być systemem podejmowania decyzji, który ma bezpośredni wpływ na wynik biznesowy. Największa zmiana, jaką możesz wprowadzić dzięki temu podejściu: przejść z raportowania rekrutacji do podejmowania ważnych decyzji.

Różnica między mierzeniem time to hire a quality of hire nie polega tylko na wyborze wskaźnika, to jest po prostu różnica w poziomie dojrzałości pracy z danymi.

Time to hire mówi: „proces trwa 37 dni”.

Quality of hire mówi: „25% zatrudnionych osób nie osiąga oczekiwanej efektywności w ciągu 6 miesięcy, a głównym powodem jest niedopasowanie roli i oczekiwań pracownika”.

Pierwsza dana to informacja, a druga to konkretna decyzja, która powinna zostać podjęta w reakcji na taką diagnozę sytuacji.

Podsumowanie

Quality of hire nie jest kolejnym KPI, który warto dodać do dashboardu. To jest wskaźnik, który zmusza organizację do zmiany sposobu myślenia o rekrutacji. Zamiast pytać „jak szybko zatrudniamy”, zaczynasz pytać „czy zatrudniamy właściwe osoby”. A to pytanie automatycznie prowadzi do lepszych decyzji.

Bo w rekrutacji, tak jak w każdej innej inwestycji, nie liczy się to, ile działań wykonasz. Liczy się to, jaki przyniosą efekt.

Sprawdź inne artykuły dotyczące analityki HR TUTAJ

The post Jak mierzyć quality of hire? appeared first on Great Digital.

Benchmarki rekrutacyjne powinny być często wykorzystywane w HR. Co zrobić, aby nie stały się jednymi z najczęściej źle używanych? Bo fakt, że „średni czas zatrudnienia w branży wynosi X dni”, nie prowadzi jeszcze do dobrej decyzji. Znacznie częściej prowadzić może za to do zbyt prostego wniosku: „u nas trwa to dłużej, powinniśmy przyspieszyć.

Co naprawdę pokazują benchmarki rekrutacyjne (i czego nie pokazują)?

Dane z raportu „Rekrutacyjne KPI”, który mam przyjemność współtworzyć razem z zespołem eRecruiter, pokazują bardzo wyraźnie, że rekrutacja nie jest procesem, który można opisać i porównać do innych firm jedną liczbą.

Raport oparty jest na bardzo dużej bazie danych – ponad 10,5 mln aplikacji i 127 tys. procesów rekrutacyjnych – co pozwala zobaczyć nie tylko średnie wartości, ale przede wszystkim różnice między branżami, poziomami stanowisk i etapami procesu.

I to właśnie w tych różnicach kryje się największa wartość. Kiedy spojrzysz na dane przekrojowo, szybko okazuje się, że ten sam KPI może oznaczać coś zupełnie innego w zależności od kontekstu.

Czas zatrudnienia może być długi, bo proces jest nieefektywny. Ale może być też długi dlatego, że rekrutujesz trudne role i dbasz o jakość.

Liczba aplikacji może wyglądać dobrze. Ale jeśli większość kandydatów odpada na wczesnym etapie, to oznacza problem z dopasowaniem, a nie sukces sourcingowy.

To właśnie sprawia, że benchmarki rekrutacyjne nie dają prostej odpowiedzi, ale za to dają kontekst.

Analiza ponad 127 tys. procesów pokazuje, że różnice w czasie zatrudnienia między typami ról potrafią sięgać nawet 30–40%. Role specjalistyczne i eksperckie mają dłuższe procesy, ale jednocześnie wyraźnie wyższą konwersję między etapami. To oznacza, że „dłużej” nie oznacza „mniej efektywnie”, tylko bardziej selektywnie i świadomie prowadzony proces, gdzie koszt błędnej decyzji jest większy niż koszt czasu.

Podobny mechanizm widać przy liczbie aplikacji. Dane z raportu pokazują, że są procesy, w których na jedno zatrudnienie przypada ponad 100 aplikacji, ale tylko kilka procent kandydatów przechodzi do kolejnych etapów. Jednocześnie są też takie, gdzie aplikacji jest kilkanaście-kilkadziesiąt, ale konwersja jest kilkukrotnie wyższa, a proces kończy się szybciej. To pokazuje jasno: wysoka liczba CV może oznaczać skuteczny sourcing… albo całkowity brak dopasowania. I bez spojrzenia na konwersję benchmark „liczby aplikacji” prowadzi do dokładnie złych wniosków.

Dlaczego benchmarki rekrutacyjne prowadzą do złych decyzji?

Największy problem z benchmarkami polega na tym, że są interpretowane bez kontekstu danej firmy.

W praktyce wygląda to tak. Firma widzi, że jej time to hire jest dłuższy niż średnia i wyciąga wniosek: powinniśmy przyspieszyć proces. Tylko że ten wniosek pomija kluczowe pytania: gdzie dokładnie pojawia się ta różnica, z czego ona wynika, czy jej skrócenie poprawi, czy jednak pogorszy wynik biznesowy?

Wtedy mimo dostępu do benchmarków rekrutacyjnych problemem staje się sposób ich używania.

Jak pracować z benchmarkami rekrutacyjnymi w praktyce?

Jeśli chcesz, żeby benchmarki rekrutacyjne realnie wspierały decyzje biznesowe, musisz przejść przez trzy poziomy pracy z danymi.

1. Benchmark jako punkt odniesienia, nie jako cel

Pierwszym krokiem jest zmiana sposobu myślenia. Benchmark nie jest dla Twojej firmy celem do osiągnięcia. Jest sygnałem, że warto coś sprawdzić.

Jeśli widzisz w raporcie, że dla Twojej branży czas zatrudnienia jest krótszy niż u Ciebie, to nie oznacza jeszcze, że masz „za wolną rekrutację”. To oznacza, że masz hipotezę do zweryfikowania.

2. Rozbicie procesu na etapy (tu zaczyna się analityka)

Dopiero kiedy zejdziesz poziom niżej i rozbijesz proces na etapy, zaczynasz rozumieć, co naprawdę się dzieje. I bardzo często okazuje się, że problem nie dotyczy całego procesu rekrutacji, jednego konkretnego miejsca. To może być czas decyzji hiring managera, to ile czasu firma traci między etapami czy niedopasowanie kandydatów na wejściu.

3. Przełożenie danych na język biznesu

Najważniejszy krok to przełożenie różnic na konsekwencje biznesowe. Powiedzenie „jesteśmy wolniejsi od innych o 10 dni” nic nie zmienia. Ale możesz zamiast tego mówić, że to 10 dni dłużej nieobsadzone stanowisko sprzedażowe, 10 dni opóźnienia projektu lub 10 dni większego obciążenia zespołu. Brzmi nieco inaczej, prawda? To dlatego, że to są już konkretne koszty i decyzje. I w tym momencie KPI rekrutacyjne zaczynają mieć znaczenie (nawet) dla zarządu.

Jak wykorzystać raport „Rekrutacyjne KPI” w praktyce? 3 pierwsze kroki

Jeśli chcesz zacząć pracować z benchmarkami rekrutacyjnymi w sposób użyteczny, zacznij od trzech rzeczy:

1. Wybierz 1–2 KPI, w których różnisz się od benchmarku (np. czas zatrudnienia lub liczba aplikacji) i potraktuj je jako punkt startowy analizy, a nie problem do rozwiązania.

2. Rozbij swój proces na etapy i znajdź źródło różnicy. Sprawdź, czy wynika ona z operacji, decyzji czy jakości kandydatów.

3. Przelicz tę różnicę na wpływ biznesowy. Koszt czasu, wpływ na projekty, jakość zatrudnienia – taka narracja przemawia do wyobraźni i pozwala podjąć decyzję.

Podsumowanie

Benchmarki rekrutacyjne nie są po to, żeby je raportować, ale po to, żeby zadawać lepsze pytania. Gdzie dokładnie pojawia się różnica względem danych z raportu rynkowego? Z czego wynika? I czy jej zmiana realnie wpłynie na wynik biznesowy? To są pytania, które warto sobie zadawać.

Wtedy dane z raportu z benchmarkami nie służą jedynie do porównania nas z innymi firmami, ale podjęcia określonych decyzji rekrutacyjnych. I do tego Cię oczywiście namawiam!

Raport, o którym wspominam to „Rekrutacyjne KPI. Dane za II półrocze 2025” (eRecruiter i Great Digital). Możesz go pobrać TUTAJ.

Jeśli chcesz zobaczyć, jak naprawdę wyglądają procesy rekrutacyjne na rynku i znaleźć punkt odniesienia dla swoich danych, zajrzyj do raportu. Ale najważniejsze: nie zatrzymuj się na porównaniu, ale wykorzystaj go jako punkt startowy do własnej analizy.

The post Jak pracować z benchmarkami rekrutacyjnymi? appeared first on Great Digital.

Ageizm w rekrutacji to jedno z najczęściej pomijanych, a jednocześnie najbardziej kosztownych zjawisk na rynku pracy. Mimo że rzadko pojawia się wprost w strategiach HR czy wskaźnikach efektywności, realnie wpływa na to, kto trafia do procesów rekrutacyjnych – i kto z nich znika, zanim w ogóle zostanie zauważony.

Jednym z najbardziej niedoszacowanych mechanizmów tego zjawiska jest autoselekcja kandydatów, która sprawia, że organizacje tracą znaczną część potencjalnych talentów jeszcze przed rozpoczęciem procesu.

„Nie chciałabym w naszym wieku (40+) szukać pracy.” To zdanie usłyszałam kilka razy jeszcze przed rozpoczęciem premiery raportu „(Nie)widzialni pracownicy 2026”. Nie padło ze sceny ani w trakcie panelu dyskusyjnego. Pojawiło się w rozmowach kuluarowych, tych, które zwykle są najbardziej szczere i najmniej „oficjalne”. I to właśnie ono wraca do mnie najmocniej, kiedy patrzę na dane z raportu.

Od ageizmu na rynku pracy do mierzalnego problemu biznesowego

Jeśli zestawimy to zdanie z jednym z kluczowych wyników badania – że aż 40% osób dokonuje autoselekcji jeszcze przed wysłaniem CV – przestajemy mówić o ogólnych odczuciach rynku pracy czy pojedynczych doświadczeniach kandydatów.

Zaczynamy mówić o bardzo konkretnym, mierzalnym zjawisku, które ma bezpośredni wpływ na efektywność rekrutacji, dostępność talentów i decyzje biznesowe organizacji. To właśnie w tym miejscu ageizm przestaje być tematem społecznym, a staje się realnym wyzwaniem dla HR i zarządów.

Rekrutacja widzi tylko część rynku pracy

Coraz więcej zespołów HR całkiem dokładnie mierzy efektywność procesów rekrutacyjnych. Analizowane są liczba aplikacji, czas zatrudnienia, do tego konwersja między etapami czy (to najrzadziej) koszt zatrudnienia.

To są ważne wskaźniki i trudno wyobrazić sobie efektywne zarządzanie rekrutacją bez nich.

Jednocześnie wszystkie one mają jedną wspólną cechę – odnoszą się wyłącznie do osób, które weszły do procesu. Obejmują tych kandydatów, których widzimy w systemach, których możemy policzyć i przeanalizować.

Nie obejmują natomiast tych, którzy, z różnych powodów, nigdy się w rekrutacjach i w danych nie pojawią.

Autoselekcja kandydatów: gdzie zaczyna się dyskryminacja ze względu na wiek

Osoby, które nie kliknęły „Aplikuj”, uznały, że dana oferta nie jest dla nich, albo wycofały się jeszcze zanim zostały „zarejestrowane” przez jakikolwiek system, w praktyce nie istnieją w analizach HR.

A to właśnie tam, przed formalnym początkiem procesu, zaczyna działać jeden z najważniejszych mechanizmów ograniczających dostęp do pracy – autoselekcja kandydatów.

Jeśli przyjmiemy, że 40% potencjalnych kandydatów odpada na tym etapie, oznacza to, że organizacje operują na znacząco zawężonej puli talentów, często nie zdając sobie z tego sprawy.

Błędne wnioski: co się dzieje, gdy nie widzimy całego procesu

W takiej sytuacji nasze wskaźniki, choć poprawne z punktu widzenia danych, opisują tylko fragment rzeczywistości.

Niski spływ aplikacji interpretujemy jako problem atrakcyjności ogłoszenia lub kanałów dotarcia. Optymalizujemy procesy na podstawie niepełnego obrazu i podejmujemy decyzje, które (często nieświadomie) utrwalają istniejące ograniczenia.

W praktyce oznacza to, że rozwiązujemy niewłaściwy problem.

To nie jest problem komunikacji, tylko efekt decyzji rekrutacyjnych

Gdy liczba kandydatów jest niższa od oczekiwanej, organizacje najczęściej reagują poprzez zwiększenie budżetu na ogłoszenia, zmianę komunikacji lub intensyfikację działań employer brandingowych.

To działania potrzebne, ale w dużej mierze operujące na powierzchni problemu.

Autoselekcja kandydatów – i związany z nią ageizm na rynku pracy – powstaje znacznie wcześniej. Na poziomie przekonań kandydatów, ich wcześniejszych doświadczeń oraz sygnałów, które wysyłają organizacje.

Wiek jako niewidzialne kryterium w rekrutacji

W wielu firmach wiek kandydata nie jest formalnym kryterium. Nie pojawia się w KPI, nie funkcjonuje w dashboardach i nie jest oficjalnie elementem procesu decyzyjnego.

A jednak wpływa na shortlisty, decyzje hiring managerów i ocenę dopasowania do zespołu. To właśnie tutaj ujawnia się jedna z najbardziej subtelnych form dyskryminacji ze względu na wiek, niewidoczna w danych, ale obecna w decyzjach.

Jak mierzyć ageizm w rekrutacji, skoro nie widać go w danych?

Nie jesteśmy w stanie bezpośrednio zmierzyć osób, które nie zaplikowały zakładając, że ich wiek może być problemem dla firmy.. Możemy jednak identyfikować sygnały pośrednie, które pozwalają lepiej zrozumieć skalę zjawiska.

Porównanie struktury kandydatów z rzeczywistą strukturą rynku pracy może pokazać, czy określone grupy są systematycznie niedoreprezentowane. Analiza zachowań na etapie decyzji o aplikowaniu pozwala zobaczyć moment, w którym kandydaci rezygnują.

Jak to zrobić? Zestaw dane o liczbie odsłon ogłoszenia (jego obejrzeń) z liczbą kliknięć w przycisk „Aplikuj”. Sprawdzaj, jaka część kandydatów odpadła (choć nie wiemy tu, jaka część dokonała autoselekcji stricte z powodu swojego wieku). Dane jakościowe, takie jak feedback czy komentarze, dostarczają kontekstu, którego nie widać w liczbach. Spójrz krytycznie na treść ogłoszenia i sprawdź czy nie ma tam fraz, które mogą sugerować preferencje firmy odnośnie wieku (w tym długości doświadczenia zawodowego).

Co zmienia się, gdy zaczynamy to uwzględniać

Uwzględnienie autoselekcji w analizie zmienia punkt ciężkości. Zamiast pytać „jak zwiększyć liczbę aplikacji”, zaczynamy pytać „dlaczego (i jaka) część kandydatów w ogóle nie wchodzi do procesu”.

To prowadzi do innych decyzji – dotyczących definicji profilu kandydata, pracy z hiring managerami, języka komunikacji oraz nieuświadomionych kryteriów selekcji.

Największy koszt rekrutacji nie jest tam, gdzie go mierzymy. Największe straty w rekrutacji nie dzieją się w trakcie procesu, ale jeszcze przed jego rozpoczęciem. I dopóki nie zaczniemy ich uwzględniać, będziemy optymalizować system, który już na starcie jest niepełny.

Ageizm w rekrutacji to nie jest temat wizerunkowy

Dyskryminacja ze względu na wiek, która przejawia się poprzez autoselekcję kandydatów, nie jest wyłącznie tematem społecznym czy komunikacyjnym. To realny problem biznesowy, który wpływa na dostępność talentów, efektywność rekrutacji i jakość decyzji podejmowanych w organizacjach. I jak wiele obszarów w HR – zaczyna się od danych. Tylko nie tych, które już mamy, ale tych, które do tej pory pozostawały poza naszym polem widzenia.

Wszystkie cytowane dane pochodzą z raportu „(Nie)widzialni w pracy” został przygotowany przez HRM Institute we współpracy z Great Digital jako partnerem merytorycznym raportu. Możesz pobrać go bezpłatnie tutaj.

Zdjęcia pochodzą z premiery raportu, która miała miejsce podczas konferencji w marcu 2026 w Warszawie.

The post Ageizm w rekrutacji: niewidzialny koszt decyzji HR, którego nie mierzymy appeared first on Great Digital.

Mamy już HR, który nie kwestionuje potrzeby korzystania z danych. Pojawiają się standardowe mierniki w różnych obszarach HR (rotacja, zaangażowanie, czas rekrutacji, koszty szkoleń, absencja). Dane są raportowane, prezentowane na spotkaniach z zarządami i umieszczane na dashboardach. W takim razie dlaczego ważne decyzje nie są podejmowane miesiącami albo nadal zapadają „intuicyjnie”? Gdzie zaczyna się dojrzałość analityczna w HR?

Powiedziałabym, że problemem co raz rzadziej jest już brak danych. Za to dużo poważniejszym problemem jest to, że dane zmuszają nas do konfrontacji i zmierzenia się z tym, co nie działa. Wreszcie, pokazania działań, które są nieefektywne i pokazania tematów, które są zamiatane pod dywan. Dlaczego tak się dzieje?

1. Dane podważają popularną w firmie narrację

Każda organizacja ma swoją opowieść o sobie. To może dotyczyć różnych obszarów. Padają tutaj hasła takie jak: „Mamy świetny onboarding”, „Rotacja jest u nas pod kontrolą”, „Rozwój jest dostępny dla wszystkich.”

Dopiero dane stają się momentem weryfikacji tej narracji.

Jeśli onboarding „działa”, a 30% nowych pracowników odchodzi w pierwszych miesiącach, to zdecydowanie nie jest to problem Excela. To jest problem decyzji, które zostały podjęte wcześniej.

Dane niby nie atakują bezpośrednio ludzi, ale jednak podważają historie, w które wierzymy i odnoszą się do procesów, za które powinni odpowiadać konkretni ludzie. Bywa też oczywiście, że tym, co rodzi problemy jest rozproszona odpowiedzialność za proces.

2. Dane wymagają odpowiedzialności

Dopóki coś jest odczuciem, można to odłożyć. „Wydaje mi się, że nie jest źle.” „Chyba nie mamy dużego problemu.”- to są myśli, które pojawiają się na tym etapie, zarówno po stronie HR, jak i zarządu oczywiście.

Dopiero w momencie, gdy na stole (lub podczas prezentacji) pojawia się konkretna liczba, pojawia się konieczność reakcji (a przynajmniej powinna). Spójrzmy na ten przykład:

Jeśli wiemy, że 22% nowych pracowników odchodzi w ciągu 6 miesięcy, tylko 27% managerów przygotowuje plan wdrożenia, a 80% osób na koniec procesu onboardingu nie zna kryteriów sukcesu, to ewidentnie jakość onboardingu jest problemem. Prawdopodobnie onboarding w tej firmie nadal wygląda jak „program powitalny”, podczas, gdy powinien być dobrze zaplanowanym procesem, który prowadzi pracownika do efektywności na stanowisku, na którym został zatrudniony.

Niepodjęcie decyzji o zmianach staje się w tym momencie ryzykiem biznesowym. I zdecydowanie HR powinien o tym mówić pokazując odpowiednie dane. I świadczy to o tym, na jakim poziomie jest dojrzałość analityczna w HR.

3. Dane odbierają komfort niejednoznaczności

Wielu liderów (nie tylko w HR) funkcjonuje nadal w przestrzeni interpretacji. Myślą wtedy: „To może kwestia rynku”, „Takie czasy”, „To młodsze pokolenie jest specyficzne”

W jaki sposób dane mogą zmienić takie myślenie? Dane zawężają pole interpretacji, pokazują zależności i wzorce. I zdecydowanie pokazują, że problem nie jest ogólny, a dotyczy konkretnych ról, zespołów czy momentów procesu.

Im bardziej precyzyjne dane, tym mniej miejsca na wygodne „wyjaśnienia”.

I zapewniam Cię, że dopóki managerzy widzą dane na poziomie ogólnym, a wśród nich ok. 20-30% negatywnych ocen od pracowników, to myślą „to na pewno nie o moim zespole”.

4. Dane obnażają koszt zaniechania

Najbardziej konfrontujące w danych nie są wcale same liczby. Najbardziej konfrontujące i zmuszające do zajęcia jakiegoś stanowiska są zdecydowanie koszty. To mogą być koszty nietrafionej rekrutacji, niedziałającego onboardingu, utrzymywania niskiej produktywności pracowników, szkolenia, które nie zmienia zachowania, procesu, który generuje rotację i oczywiście braków umiejętności po stronie managerów.

Dlatego, dopóki nie policzymy kosztu zaniechania, problem wydaje się „miękki”. Dopiero, gdy pojawia się liczba, zdecydowanie trudniej taki problem ignorować.

5. Dlaczego dane są raportowane, ale nie analizowane?

W wielu organizacjach dane są zbierane, są nawet raportowane. Są też wysyłane cyklicznie bez żadnego komentarza (sens takiego działania jest znikomy, polecam raz nie wysłać i sprawdzić czy ktokolwiek to zauważy).

Wyjaśnijmy to, analiza danych oznacza coś więcej niż pokazanie liczby. Analiza oznacza: postawienie pytania „dlaczego?”, wskazanie zależności, pokazanie konsekwencji i (to kluczowe!) zaproponowanie decyzji do podjęcia.

Decyzje mają oczywiście swoje skutki i właśnie wtedy dane prowadzą do zmiany. A zmiana wymaga podjęcia odpowiedzialności za proces., to dlatego nie każda organizacja jest na to gotowa.

Dane nie są zagrożeniem, są lustrem, z którego warto korzystać.

Największa dojrzałość analityczna w HR nie polega wcale na tym czy macie dashboardy. Polega na tym, że jesteście gotowi zobaczyć w danych coś, czego wcześniej nikt nie chciał widzieć.

A to naprawdę sensowne pytanie w pracy z danymi HR nie brzmi „Czy mamy dane?”, ale „Czy jesteśmy gotowi przyjąć ich konsekwencje?”.

Niezmiennie trzymam kciuki właśnie za takie podejście do danych u Ciebie i w Twojej firmie. Być może zainteresuje Cię też post o tym, czym jest data-driven HR. Zajrzyj koniecznie!

PS.  A jeśli to już moment na szkolenie podnoszące poziom kompetencji analitycznych w zespole HR w Twojej firmie, napisz do mnie! Tak, to jest droga do pokazania wartości, jaką HR wnosi w organizacji.

The post Dlaczego HR raportuje dane, ale nie podejmuje decyzji? appeared first on Great Digital.

W poprzednim artykule pisałam o tym, czym jest data-driven HR i trzech poziomach pracy z danymi HR – od opisu, przez interpretację, aż po decyzję. Jeśli miałabym wskazać jedno miejsce, w którym widać, na jakim poziomie realnie działa HR, to jest nim prezentacja HR dla zarządu. To właśnie tam weryfikuje się, czy dane są tylko raportem, czy rzeczywiście narzędziem wpływu.

W jednym z ostatnich postów o prezentacjach HR dla zarządu, jaki zamieściłam na LinkedIn połowa osób, które zareagowały, zapisała treść i prezentowane wskazówki na później. To ciekawy sygnał. Zapis to nie jest emocjonalne „lubię to”. To decyzja: „To może mi się przydać. Chcę do tego wrócić”.

[Też możesz pobrać ten materiał klikając TUTAJ]

Problem skutecznej prezentacji HR dla zarządu nie jest niszowy. HR już wie, że „trzeba mierzyć”. Coraz więcej zespołów raportuje KPI, powstają dashboardy, (jakieś) dane są.

A jednak bardzo często nie ma decyzji. I właśnie tu zaczyna się prawdziwy problem, nie w braku wskaźników, ale w sposobie ich używania.

Dlaczego prezentacja HR dla zarządu nie wpływa na decyzje?

Z doświadczenia widzę, że problem rzadko polega na braku danych. Częściej chodzi o sposób ich uporządkowania i zakomunikowania. W prezentacjach dla zarządu powtarzają się cztery schematy, które skutecznie odbierają HR wpływ.

Pułapka nr 1: Slajd jako archiwum

„Średni czas rekrutacji wynosi 37 dni.”
„Rotacja w tym roku to 18%.”
„Zaangażowanie spadło o 4 punkty.”

To są poprawne dane. Problem polega na tym, że zarząd nie przychodzi na spotkanie, żeby oglądać archiwum zdarzeń. Jeśli slajd nie odpowiada na pytanie: „Co z tego wynika dla firmy?”, to jest tylko podsumowaniem historii.

Pułapka 2: Analiza bez konsekwencji

HR często wykonuje krok dalej:

„21 z 37 dni procesu rekrutacyjnego to oczekiwanie na feedback od hiring managera.”
„Rotacja rośnie głównie w zespołach z największą liczbą nadgodzin.”
„Spadek zaangażowania dotyczy zespołów po restrukturyzacji.”

To jest dobra analiza. Ale jeśli prezentacja kończy się w tym miejscu, to zarząd zostaje z wiedzą, a nie z wyborem. A wiedza bez wyboru nie zmienia organizacji.

Pułapka 3: KPI bez decyzji

W wielu firmach pytanie brzmi: „Jakie wskaźniki powinniśmy mierzyć?”

To nie jest złe pytanie. Jest po prostu przedwczesne. Właściwa kolejność jest odwrotna:

1. Jaką decyzję chcemy podejmować lepiej?
2. Jakie ryzyko chcemy ograniczyć?
3. Jakie zachowanie w organizacji chcemy zmienić?
4. Dopiero potem warto pytać: jaki wskaźnik pomoże nam to monitorować?

Jeżeli zarząd mówi: „Rekrutacje trwają za długo”, to raport średniej liczby dni jest początkiem. Wpływ zaczyna się dopiero wtedy, gdy HR pokazuje: gdzie dokładnie powstaje opóźnienie, jaki jest koszt finansowy tego opóźnienia, jaka zmiana procesu jest możliwa i jaki efekt przyniesie to w skali roku.

Bez tego KPI pozostaje liczbą, a dopiero z tym rozwinięciem staje się argumentem.

Pułapka 4: Brak scenariusza „co jeśli”

Zarząd myśli kategoriami przyszłości, nie przeszłości.

Dlatego prezentacja HR dla zarządu powinna zawierać element projekcji:

• Co się stanie, jeśli nic nie zmienimy?
• Jak będzie wyglądać rotacja za pół roku przy obecnym trendzie?
• Ile będzie kosztować utrzymanie obecnej struktury?
• Jak zmieni się koszt wakatu przy skróceniu procesu o 5 dni?

Dopiero w tym momencie dane zaczynają być strategiczne.

Jak sprawdzić, czy Twoja prezentacja ma sens?

Zanim wejdziesz do sali zarządu, zadaj sobie trzy pytania:

1. Jaką decyzję ma podjąć zarząd po tej prezentacji?
2. Jakie alternatywy pokazuję?
3. Co się stanie, jeśli żadna decyzja nie zostanie podjęta?

Jeśli nie potrafisz na to odpowiedzieć, to prawdopodobnie (na razie) masz raport, a nie prezentację decyzyjną.

Konsekwencje pozostawania na poziomie raportu

HR, który ogranicza się do raportowania jest postrzegany jako funkcja operacyjna, nie uczestniczy w rozmowach strategicznych i nie jest traktowany jako partner w zarządzaniu.

I to nie zawsze jest kwestia ambicji, a zdecydowanie kwestia sposobu pracy z danymi.

Dojrzałość analityczna nie polega na liczbie wskaźników. Polega na tym, czy potrafisz zamienić je w rekomendację.

A jak sprawdzić, czy Twój KPI ma sens?

Zrób prosty test trzech pytań:

1. Jaką decyzję ten wskaźnik ma wspierać?
2. Kto na podstawie tego KPI ma zmienić swoje zachowanie?
3. Co się stanie, jeśli ten wskaźnik wzrośnie lub spadnie o 10%?

Jeśli trudno odpowiedzieć na te pytania, prawdopodobnie nie masz KPI, a jedynie raportową liczbę.

Jak przejść od slajdu do wpływu?

Dlatego, jeśli zapisujesz materiały o tym, jak robić dobre prezentacje dla zarządu, to znaczy, że czujesz wagę tematu. Ale prawdziwa zmiana zaczyna się nie wtedy, gdy poprawisz estetykę slajdów, tylko wtedy, gdy przestaniesz pytać: „Co powinniśmy mierzyć?” a zaczniesz pytać: „Jaką decyzję chcemy podjąć lub ułatwić dzięki tym danym?”

To jest moment, w którym analityka HR przestaje być raportem, a zaczyna być narzędziem wpływu. I tego Wam oczywiście życzę!

The post Kiedy HR prezentuje dane zarządowi – cisza. Dlaczego prezentacja HR nie prowadzi do decyzji? appeared first on Great Digital.

Data-driven HR – czym jest naprawdę? W HR bardzo łatwo rzucić „jesteśmy data-driven”. Porozmawiajmy o tym, co to tak naprawdę oznacza.

Rzeczywistość, jaką widzę całkiem często: organizacje nie tyle nie mają danych, co zatrzymują się na zbyt podstawowym poziomie ich wykorzystania. Te same dane mogą po prostu zasilić sprawozdawczy raport albo… realnie wpływać na decyzje personalne i biznesowe.

I różnica nie leży wcale w narzędziach, ale w sposobie myślenia o danych. Dlatego sprawdź te trzy poziomy pracy z danymi HR (i dowiedz się dlaczego większość firm utknęła na pierwszym).

Poziom 1: Opis, czyli mówisz „co się wydarzyło?”

To poziom, na którym HR odpowiada na pytania faktograficzne. Przykłady prezentowanych danych:

• ilu mamy pracowników,
• jaka była rotacja w ostatnim kwartale,
• ile osób jest zatrudnionych na umowach czasowych,
• jaki jest średni poziom absencji.

Ten poziom jest potrzebny, porządkujący, bezpieczny. Ale… sam w sobie nie zmienia żadnej decyzji. Raport na tym poziomie bardzo często kończy się zdaniem: „To by było na tyle, będziemy to monitorować nadal”.

Poziom 2: Interpretacja, czyli wskaż„gdzie zaczyna się problem?”

Tutaj HR zaczyna patrzeć na dane w konkretnym kontekście. Przykłady omawianych danych:

• rotacja ogólnie jest stabilna, ale w jednym obszarze rośnie od 6 miesięcy,
• struktura zatrudnienia zmienia się szybciej niż struktura organizacyjna,
• absencja nie rośnie globalnie, ale kumuluje się wśród pracowników o określonym stażu,
• liczba rekrutacji jest stała, ale czas zamykania wakatów systematycznie się wydłuża.

To jest moment, w którym HR powinien widzieć wzorce, powinien zacząć zadawać pytania „dlaczego”, a także przestać traktować dane jako tabelę, a zacząć traktować je jako sygnał. Ale nadal zbyt często kończy się to na… dodatkowym raporcie.

Poziom 3: Decyzja, czyli powiedz odważnie „czego dziś nie chcemy jeszcze nazwać?”

To jest poziom, na którym dane HR zaczynają być niewygodne, bo coś trzeba z nimi zrobić. I właśnie dlatego tak niewiele zespołów HR na tym poziomie obecnie pracuje.

Pytania, które pojawiają się na tym poziomie, brzmią już nieco inaczej:

• jaką decyzję personalną odkładamy od miesięcy,
• gdzie „tymczasowe” rozwiązania stały się tolerowaną patologią,
• jaki koszt generuje dziś brak jasnej decyzji.

Przykłady z różnych obszarów HR:

• HR BP widzi, że zespół działa w „przejściowej strukturze” od półtora roku,
• zespoły kadrowe obsługują coraz więcej wyjątków i niestandardowych aneksów,
• L&D raportuje aktywność szkoleniową, ale nie potrafi powiedzieć, które kompetencje są krytyczne biznesowo,
• planowanie zatrudnienia istnieje, ale nie wpływa na decyzje rekrutacyjne ani budżetowe.

Na tym poziomie dane HR przestają być informacją. Powinny być argumentem w rozmowie z biznesem do wprowadzenia konkretnych zmian. Zadajmy zatem to niewygodne pytanie.

Dlaczego HR tak często zostaje na poziomie 1?

Poziom 1 jest poziomem bezpiecznym. Nie tworzy napięcia, nie wymaga kwestionowania decyzji i nie zmusza do rozmowy o ryzyku. Poziom 3 oznacza już, że HR ma odwagę powiedzieć „to jest problem, nawet jeśli jeszcze nie boli”, wskazuje konsekwencje braku decyzji lub też konfrontuje biznes z niewygodnymi wnioskami.

I to zdecydowanie jest moment, w którym people analytics przestaje być neutralne. To jest moment, w którym masz działać jak „wewnętzna firma konsultingowa”. Określenie pochodzi od Josha Bersina i oznacza moment, w którym HR zauważa ważne trendy w danych, potrafi je wyjaśnić i ma odwagę zaproponować działania, które je przełamują.

5 reguł, które porządkują pracę z danymi HR

W oparciu o doświadczenie z pracy z wieloma zespołami HR mogę zaproponować Ci kilka uniwersalnych zasad, które warto mieć w pamięci.

1. Jeśli raport nie prowadzi do decyzji, to nie jest analiza.
   Nie każdy raport musi kończyć się działaniem, ale każda analiza powinna prowadzić do wyboru (podejmujemy nowe działania, kontynuujemy obecne, zatrzymujemy inne).
2. Wyjątki w danych są cenniejsze niż średnie.
   To one pokazują, gdzie system przestaje działać i zdecydowanie warto (co najmniej) obejrzeć dane w przekrojach dla różnych jednostek firm, grup stażowych pracowników i różnych momentów roku.
3. HR nie musi mieć idealnych danych, żeby podjąć dobrą decyzję.
   Naprawdę częściej problemem jest brak interpretacji i rekomendacji co dalej, niż brak precyzji (niekompletne dane).
4. Najważniejsze pytania HR są pytaniami o przyszłość, nie o przeszłość.
   Dużo łatwiej jest podsumowywać w kółko to, co się wydarzyło. Do przodu posuwa nas jednak pytanie, czego możemy się spodziewać w kolejnym półroczu czy roku, jeśli nie podejmiemy żadnych decyzji.
5. Dane HR nabierają wartości dopiero w rozmowie z biznesem.
   Bez kontekstu decyzyjnego, omówienia co dokładnie oznaczają w naszej firmie i w danym jej obszarze, dane pozostają tylko abstrakcyjnymi liczbami, które ogląda się na cyklicznych spotkaniach.

Gdzie naprawdę zaczyna się data driven HR?

Nie w dashboardzie, nie w nowym narzędziu, ani nie w kolejnej metryce. Zaczyna się w momencie, gdy HR:

• przechodzi z opisywania na interpretowanie,
• z interpretowania na rekomendowanie,
• z raportowania na odpowiedzialność za wnioski.

W kolejnych artykułach dowiesz się

• jak zadawać lepsze pytania danym HR,
• jak pracować z nimi na poziomie decyzji,
• i jak unikać najczęstszych pułapek „analitycznego HR”.

Dziękuję za Twój czas dzisiaj!

Sprawdź też 10 pułapek, które czyhają na Ciebie w analityce HR (i jak je ominąć)

The post Czym jest data-driven HR? appeared first on Great Digital.