Objavljeno

Baveći se People Analytics-om poslednjih godina stekao sam utisak da je ta tema većini ljudi prilično apstraktna. Zato je cilj ovog teksta da što je moguće više konkretizujem i približim People Analytics svima kojima bi ova tema bila korisna.

Tekst se bazira na slikovitim primerima, a završni pasus će vam pomoći da izračunate da li vam se isplatilo čitanje teksta. Krećemo!

Šta je People Analytics?

Za početak, odgovor na pitanje iz naslova – People Analytics pretvara HR procese u brojke, analizira ih i time omogućava da donosimo bolje odluke u vezi sa ljudima.

Ili možda ovako – to je analiziranje podataka o zaposlenima kako bismo donosili bolje odluke, zato što su zasnovane na dokazima, odnosno podacima.

Hajde da još konkretizujemo. People Analytics koristi sledeće podatke:

  • HR baze (demografske karakteristike zaposlenih, ocene učinka, zarade, fluktuacija, odsustva, rezultati na testovima…)
  • poslovne pokazatelje (KPI, proizvodnja, prodaja, CRM, finansijski pokazatelji…)
  • specijalizovana istraživanja (zadovoljstvo zaposlenih, engagement…)

…ukršta ih i analizira, kako bismo dobili jasne smernice prilikom donošenja odluka o ljudima.

Jednostavan primer za odeljenje prodaje – sadašnje rezultate u prodaji (targeti, promet) možemo da povežemo sa rezultatima sa testa ličnosti prilikom selekcije. Tako možemo da utvrdimo koje osobine ličnosti kandidata predviđaju uspeh na poziciji prodavca u našoj kompaniji. Kada sledeći put budemo birali prodavce, znamo tačno koje osobine tražimo. Ne moramo da nagađamo.

Upravo ovaj primer pokazuje da je People Analytics…

Protivteža nagađanju

People Analytics je suprotnost rasprostranjenoj HR praksi da odluke donosimo vodeći se svojim iskustvom i osećajem, a ne dokazima. To je razumljivo, s obzirom da su HR procesi vrlo izazovni za merenje, a pri tom ni HR profesionalci nisu baš skloni brojkama.

Može još jedan primer?

Kako bi sprečili odlazak zaposlenih, menadžeri ulažu u akcije za koje misle i „iz iskustva znaju“ da će dati rezultate – podizanje plata, bonusi, ulaganje u prostor, beneficije i slično. To je kao da pucamo iz puške na sve strane, a ne znamo gde je meta. Možda nešto i pogodimo, ali ćemo potrošiti puno municije. S druge strane, analiziranjem demografskih podataka zaposlenih koji su napustili kompaniju možemo da utvrdimo kod koje populacije je najveći rizik od odlaska. Ako podaci pokažu da su to na primer mlade majke, možemo ciljanim akcijama da utičemo na njihovo zadržavanje (omogućavanje rada od kuće, fleksibilno radno vreme i slično). Ako su to mladi inženjeri koji napuštaju kompaniju nakon 3-5 godina jer nemaju priliku za napredovanje, preduzećemo specifične akcije da im to omogućimo.

Evo ga još jedan primer. Kako da znamo da li nam se investicija u trening isplati? Ponovo, možemo da to radimo po osećaju, da procenimo šta bi našim kolegama bilo korisno i ako su zadovoljni treningom – to nazovemo uspehom. S druge strane, People Analytics nam omogućava da izmerimo efekte treninga. Te efekte možemo da izrazimo u novcu i da povežemo poboljšanje poslovnih rezultata sa veštinama koje smo razvijali na treningu, na primer: „prodavnice u kojima smo sproveli trening prodaje imaju za 32% veći promet, a ukupna dobit koju pripisujemo treningu je 120.000 EUR“.

Ovakve analize su mnogo jači argument kada izlazimo pred menadžment sa predlogom da se izdvoje investicije u HR akcije. Koliko je ovaj trend uzeo maha, govori podatak da je broj stručnjaka za ovu oblast za poslednjih pet godina porastao za neverovatnih 242%. Linkedin Global Talent Trends 2020 je People Analytics stavio na listu četiri ključna trenda u HR-u, uz navođenje da 73% HR profesionalaca smatra People Analytics prvim prioritetom za narednih pet godina. Ove cifre će rasti i narednih godina…

Money talks

Možda ste već naišli na podatak da prosečan povrat investicija (ROI) za People Analytics projekte iznosi neverovatnih 13 (na jedan uložen dolar vrati se 13). Naići ćete možda i na podatak da je kompanija Best Buy izmerila da podizanjem engagement-a za samo 0,1% može da prihoduje 100.000 $. Ili da je kompanija Experian, kreirajući model za predviđanje rizika od napuštanja kompanije, snizila fluktuaciju za 3% i uštedela oko 10.000.000 $. Credit Suisse je sličnim programom zabeležio godišnju uštedu od 70.000. 000 $.

Ove cifre deluju vrtoglavo, čak i nedostižno. Ipak, one treba da ilustruju kako i mala akcija može da napravi ogroman efekat. Najveći efekat se pravi kada od nule napravimo prvi korak.

A zašto People Analytics i pored ovih obećavajućih rezultata tek sada dobija pažnju na našim prostorima, verovatno je povezano sa pitanjem…

Da li je sve to jaaaako komplikovano?

Ne. Zapravo – može da bude i komplikovano, ali je u 90% slučajeva vrlo jednostavno. Mnogi HR profesionalci imaju svojevrsnu alergiju na brojeve i sama pomisao na statistiku ih odbija. Ali People Analytics ne mora da bude kompleksan, najčešće se radi o prostim operacijama poput računanja procenata i jednostavnih korelacija. Da, ima i kompanija koje koriste machine learning i slične napredne tehnologije, ali za početak je čak i Excel dovoljan da nam pruži sjajne uvide.

Ono što je važno za početak je svest o značaju „data-driven“ pristupa. Biznis od HR-a danas očekuje brojke, a ne mišljenja. Zato je važno da HR manager zauzme takav stav i da obezbedi prikupljanje ključnih podataka koji će biti od značaja za ključne probleme u kompaniji.

Odakle krenuti? Većina početnih People Analytics poduhvata se bazira na prikupljanju i predstavljanju osnovnih podataka o zaposlenima. To najčešće podrazumeva demografsku strukturu, podatke o fluktuaciji, apsentizmu i slično (tzv. „dashboard“). To je već odličan prvi korak. Analiziranje podataka, na primer povezivanje tih podataka sa nekim poslovnim pokazateljima, poput KPIjeva, zahteva specifične kompetencije rada u statističkim programima, ali ni one danas nisu tako retke.

Dakle, nemojte se plašiti da krenete. Danas je sve dostupno, i tehnologije, i znanje, obuke, softveri… Prvi korak je prihvatanje data-driven mindest-a, odnosno činjenice da nam brojke postaju neophodne da bismo dobro radili svoj posao. Ostale stvari su samo alati koji nam olakšavaju posao.

(Ne)očekivani završetak članka

Evo data-driven završetka – hajde da izračunamo potencijalni finansijski efekat čitanja ovog teksta. Zaintrigirani? Krećemo!

Za tekst vam je bilo potrebno oko šest minuta i još četiri minuta za promišljanje o njemu (možda i lajk, komentar?). Ako je Vaša plata 1.000 EUR, i ovo pretpostavljam čitate na poslu, Vaša kompanija je upravo investirala oko 1,5 EUR u People Analytics.

Idemo dalje. Ako Vas ovaj tekst motiviše da napravite jednostavan pregled stope apsentizma po odeljenjima i na to potrošite 5h rada, to je dodatna investicija vremena od oko 47 EUR. Zaokružimo investiciju na 50 EUR.

Koliki će biti povrat te investicije?

Evo jednog scenarija. Recimo da na osnovu te analize identifikujete da samo u jednom odeljenju od 30 zaposlenih imate visoku stopu apsentizma od 12%, a u svim ostalim 3%. Daljom analizom utvrdite da su uzrok tome teški fizički poslovi kojih nema u ostalim odeljenjima. Ako sprovedete akcioni plan da to rešite, npr. češće rotiranje zaposlenih po odeljenjima, i spustite stopu apsentizma na standardnih 3%, znate li koliko ste uštedeli? Da ne komplikujemo više sa brojkama, uzimajući u obzir industrijske standarde – negde oko 100 EUR. Dnevno. Hm, nije loše?

Ako na ovaj način dokumentujete menadžmentu da kompaniji štedite 100 EUR dnevno samo na jednoj intervenciji, u samo jednom odeljenju… verujem da ste dobro naoružani da zatražite povišicu. 🙂

Napišite komentar

Vaša adresa e-pošte neće biti objavljena. Neophodna polja su označena *

Ovaj sajt koristi Akismet da bi sprečio spam.- Saznajte kako se podaci iz Vaših komentara obrađuju.