Excel-riveistä oivalluksiin: Näin henkilöstöanalytiikka auttaa organisaatioita tekemään parempia päätöksiä

HR-palveluliiketoimintamme vetäjä Kati Tuovinen keskusteli tästä kiehtovasta aiheesta Stockmannin henkilöstöanalytiikan ja datalähtöisen henkilöstökulttuurin managerin Pauli Dahlbomin kanssa Henkilöstö haastaa -podcastimme viidennessä jaksossa.

Mitä henkilöstöanalytiikalla tarkoitetaan?

Mitä henkilöstöanalytiikka sitten on? Käsiteltävälle kokonaisuudelle on useita termejä, mutta yleisimmät niistä ovat varmasti henkilöstöanalytiikka ja HR-analytiikka.

Henkilöstöanalytiikalla tarkoitetaan organisaation tuottamien tietojen avulla muodostettavaa näkemystä henkilöstöön liittyvistä tai siitä riippuvista prosesseista ja käytännöistä. HR-analytiikka voi auttaa esimerkiksi vastaamaan kysymyksiin työntekijöiden määrästä, demografisista tiedoista ja tyytyväisyydestä, mutta myös esimerkiksi siitä, miten moni työntekijä on lähdössä organisaatiosta ja miksi sekä mitkä ovat niitä tekijöitä, jotka vaikuttavat työntekijöiden tyytyväisyyteen ja sitoutumiseen.

Analysoimalla näitä tietoja HR-ammattilaiset pystyvät tunnistamaan henkilöstöön liittyviä trendejä ja tehdä tietoon perustuvia päätöksiä mm. rekrytointiin, työntekijöiden sitouttamiseen ja liiketoiminnan asettamiin muihin tavoitteisiin liittyen. HR-analytiikka auttaa organisaatioita myös tunnistamaan ja käsittelemään mahdollisia haasteita ennen kuin ne eskaloituvat aidosti liiketoimintaa tai henkilöstön tyytyväisyyttä uhkaaviksi ongelmiksi.

Pauli Dahlbom korostaa, että jokaisen organisaation on tärkeä miettiä itse, mitä analytiikka heille tarkoittaa ja miten sitä halutaan lähteä hyödyntämään.

- Minulle henkilöstöanalytiikka viittaa kaikkeen tekemiseen, jolla pyritään lisäämään organisaation menestystä ja onnistumista keskittymällä niihin päätöksiin, jotka joko vaikuttavat henkilöstöön tai ovat riippuvaisia henkilöstöstä.

Jos asiaan ei ole perehtynyt otsikkotasoa syvemmälle, henkilöstöanalytiikka voidaan helposti mieltää puhtaasti HR:n sisäiseksi tekemiseksi, mitä sen ei pitäisi kuitenkaan olla. Ilman HR:n järjestelmistä saatavaa dataa on vaikeaa tehdä henkilöstöanalytiikkaa, mutta kokonaisuutta ei kannata rajata vain siihen.

- Operatiivinen data, asiakasdata, talousdata ja muu relevantti liiketoiminnasta syntyvä data luo oikeanlaisen kontekstin, jossa voidaan tarkastella ihmisiin ja henkilöstöön liittyviä kysymyksiä. Henkilöstöanalytiikan kokonaisuudessa tätä dataa pitää osata jäsentää oikein, jotta varsinainen HR-data saa merkityksen ja mahdollistaa oikeiden johtopäätösten ja analyysien tekemisen koko liiketoiminnan kannalta.

Organisaatioiden tavoitteena pitäisi olla se, että olemassa olevan datan perusteella osutaan enemmän ja useammin oikeaan kuin silloin, kun päätöksiä tehdään pelkän intuition ja kokemuksen perusteella.

Parempien päätösten taustalta löytyy relevantti ja ajantasainen data

Organisaatioilla on jatkuvasti käytössään entistä enemmän dataa yhä useammasta eri lähteestä. Digitalisaatio luo mahdollisuuksia kaiken kokoisille organisaatioille päästä sellaisen tiedon äärelle, joihin niillä ei aiemmin ole ollut pääsyä.

Datan lisääntyessä sen laatu ja käyttökohteet nousevat entistä suurempaan rooliin.

Kaikki saatavilla oleva data ei ole relevanttia päätöksenteon kannalta, vaan pahimmillaan se voi jopa sekoittaa pakkaa. Pauli Dahlbom kehoittaakin organisaatioita suunnitelmallisuuteen.

- Mielestäni asiaa kannattaa lähestyä suuri kuva mielessä. Lähdetään isosta kuvasta jäsentämään, millaisiin tuloksiin halutaan vaikuttaa ja sitä kautta mietitään tulosten johtamisen edellytyksiä; haluammeko vaikuttaa analytiikan avulla tiettyihin prosesseihin tai onko liiketoiminnassa tulossa eteen suuria päätöksiä, jotka liittyvät jollain tavalla henkilöstöön.

Esimerkiksi yritys voi pohtia uuden tehtaan perustamista uudelle paikkakunnalle. Suunniteltu investointi voi näyttää logistiikan kannalta optimaaliselta vaihtoehdolta, mutta siihen liittyy henkilöstön osalta kysymyksiä esimerkiksi paikallisen työvoimakilpailun suhteen. Henkilöstöanalytiikan avulla saadaan dataa sen päätöksen tueksi, onko investointi kyseiselle paikkakunnalle mielekäs ratkaisu.

Puhtaasti dataan luottaminen sisältää kuitenkin riskejä.

Vältä datasokeutta hyödyntämällä omaa substanssiosaamistasi

Kun HR-analytiikka tarjoaa uudenlaisia näkemyksiä ihmisiin ja kulttuuriin liittyen, se voi paljastaa samalla aiemmin piiloon jääneitä yksityiskohtia tai vinoumia esimerkiksi yrityksen henkilöstöpolitiikkaan ja rekrytointeihin liittyen. HR-analytiikalla voidaan saavuttaa merkittäviä parannuksia muun muassa rekrytointiprosesseihin ja hakijakokemukseen, mutta siinäkin käytettävän datan tulee olla kunnossa.

Dahlbom nostaa esiin erään kohua herättäneen tapauksen, jossa yksi maailman suurimmista yhtiöistä, Amazon, huomasi, että rekrytointeja ei voida automatisoida täysin; tekoäly ei voi korvata syvää HR-osaamista varsinkaan tapauksissa, jossa lähtödata sisältää jonkinlaisia vinoumia.

- Amazonilla rakennettiin ennustavaan analytiikkaan ja tekoälyyn liittyvä malli, jossa pyrittiin nostamaan rekrytointiprosessin automaatioastetta. Käytännössä malli antoi tekoälylle vallan seuloa hakijoiden joukosta sopivia kandidaatteja rekrytointeja varten.

Malli toimi sinällään siten, kuten sen oli suunniteltukin toimivan, mutta haasteeksi muodostui se, että tekoälyn algoritmi suosi miehiä naisten kustannuksella. Virhe johtui siitä, että koneelle syötetty opetusdata oli lähtökohtaisesti vääristynyttä, sillä yhtiössä oli historiallisesti suosittu miehiä naisten sijaan. Algoritmi paljasti tämän piiloon jääneen vinouman.

Edellämainitussa esimerkissä kiteytyy Dahlbomin mukaan niin henkilöstöanalytiikan haasteet kuin sen kiehtovuuskin.

- Jos luotamme sokeasti koneisiin emmekä huomioi inhimillistä HR-näkökulmaa, mennään helposti metsään. Tämä tekee henkilöstöanalytiikasta mielenkiintoista mutta myös erittäin haastavaa - monikaan käsiteltävistä ilmiöistä ei ole mustavalkoisia.

Harvoin voimme sanoa, että jokin asia on absoluuttisesti väärin tai oikein. Siksi vastaukset samoihin kysymyksiin vaihtelevat eri organisaatioiden välillä. Meidän tuleekin miettiä, miten saamme yhdistettyä tekoälyn ja ihmisosaajien substanssiosaamisen optimaalisella tavalla parhaan mahdollisen lopputuloksen saavuttamiseksi.

Organisaatioiden tarpeet ja tavoitteet kehittyvät ajan myötä. Tämä tuo yhtälöön lisää mielenkiintoisia haasteita.

Datan laatu kehittyy aktiivisella tekemisellä ja jatkuvalla seurannalla

Dahlbomin mukaan olemassa olevassa datan laadussa on aina tekemistä, sillä ajat, toiveet ja tarpeet kehittyvät jatkuvasti. Vaikka yritykset oppivat, mitä pitäisi ottaa huomioon tiedon hyödyntämisessä eri tarkoituksissa, ollaan vielä usein tilanteessa, jossa johtoryhmät ja data-analyytikot manailevat sitä, miten vuosien varrella tietyt tiedonkeruupisteet on jäänyt hyödyntämättä. Dataa on kyllä kerätty, mutta se ei olekaan enää relevanttia tämän päivän tarpeisiin nähden. Usein myös nimenomaan henkilöstöön liittyvä data on vain varastoitu HR-järjestelmään, eikä sitä käytetä aktiivisesti mihinkään.

- On tärkeää jatkuvasti kuratoida ja kehittää tietopohjaa sekä niitä asioita, joita seurataan ja joista kerätään tietoa. Tämä auttaa kehittämään sekä ihan perusraportointia, mutta sitä voidaan käyttää jatkossa myös esimerkiksi ennustavien analyysien tarpeisiin.

Vaikka yrityksen data olisikin vajavaista tai tiedonkeruun tavoitteet eivät olisi vielä täysin määriteltyjä, datan kerääminen kannattaa kuitenkin aloittaa jostain. Ajan myötä osataan tunnistaa, mitä pitää kehittää.

Miten kurantti data ja toimiva henkilöstöanalytiikka sitten hyödyntää organisaatiota?

HR:n on aika nousta taustalta parrasvaloihin henkilöstöanalytiikan avulla

HR voidaan joskus nähdä arjen operatiivisten prosessien pyörittäjänä, jolloin henkilöstöön ja prosesseihin liittyvät päätökset tekevät usein jossain muualla.

Jos HR alkaa hyödyntämään henkilöstöanalytiikkaa vahvemmin omassa tekemisessään, se pystyy leventämään omia hartioitaan ja saa dataa oman ammattiosaamisensa ja siitä syntyneen intuition taakse. Näin HR:n rooli kasvaa suurin harppauksin kohti liiketoiminnan aitoa kumppania.

Pauli Dahlbom nostaa esiin perinteisten analytiikkamittareiden haasteita.

- Voidaan helposti ajatella, että yrityksen johtoa kiinnostaa tietyt KPI-mittarit, joiden avulla voidaan jäsentää suurta kuvaa. Ylätason KPI-mittareiden haaste on se, että ne ovat liian yleisiä tuodakseen aitoa kehitystä arjen tekemiseen. Ne yksinkertaistavat henkilöstöön liittyviä kompleksisia näkökulmia, sillä ne ovat keskiarvolukuja, eivätkä ne auta välttämättä itse päätöksenteossa.

KPI-mittarit voivat näyttää, että jossain on ongelma tai jokin osa organisaatiota toimii tehottomasti, mutta ne eivät kerro, mitä asialle pitäisi tehdä.

Hyvä esimerkki tästä on perinteinen henkilöstön tyytyväisyyskysely. Kun vastausten keskiarvoksi tulee vaikkapa 3,7, herää kysymys, että onko tulos hyvä vai huono, vaatiiko tilanne toimenpiteitä ja jos vaatii, niin millaisia.

- Pitää miettiä, mihin kysymyksiin tarvitaan vastaus, jotta osataan tehdä parempia päätöksiä - mitä meidän pitää tietää, millaista analytiikkaa tarvitaan ja niin edelleen.

Parhaimmillaan henkilöstöanalytiikka tuottaa tarkkaa ennustavaa analyysia esimerkiksi rekrytointeihin liittyvässä päätöksenteossa, jolloin yrityksen johto tietää tasan tarkkaan, miten monta uutta työntekijää ja millaisilla sopimuksilla sen kannattaa rekrytoida optimituloksen saavuttamiseksi.

HR:n rooli on korostunut viime vuosina maailmalla vaikuttaneiden ilmiöiden ja tapahtumien vuoksi ja kulttuurin merkitys on noussut äärettömän tärkeäksi työelämässä. Tässäkin mielessä on tärkeää saada henkilöstöanalyysi osaksi muuta analytiikkaa - HR:n tulee nousta taustalta eturiviin.

Organisaatioiden johdon on hyvä huomata henkilöstöanalytiikan kiistattomat edut. HR-analytiikka vähentää tulkinnanvaraisuutta ja tekee datan hyödyntämisen mahdollisimman helpoksi parempien päätösten tekemiseksi. Kun HR-ammattilainen valjastaa oman ammattitaitonsa tueksi hyvin määritellyn henkilöstöanalytiikkakoneen, tulokset alkavat puhua yleensä puolestaan.

Muutos ei tapahdu hetkessä, mutta se kannattaa

Koska olemassa olevan datan määrä on valtava ja se kasvaa koko ajan, sen täysimittainen hyödyntäminen ei tapahdu yhdessä tai kahdessa workshopissa. Datakeskeinen kulttuuri vaatii pitkäjänteistä työtä, jonka tavoitteena on vaikuttaa ihmisten ajattelutapaan, toimintaan ja kultuuriin.

Analytiikan hyödyntämisen suurimmat esteet eivät ole enää teknisiä, sillä mikä tahansa organisaatio voi käyttöönottaa tarvittavan teknologian nopeasti pilvestä. Kysymys kuuluukin, miten organisaatio pystyy tuottamaan relevanttia dataa, jäsentelemään sitä relevantilla tavalla ja löytää niitä juuri heille relevantteja kysymyksiä ja niihin liittyviä näkökulmia. Tässä kohdassa osaava kumppani voi säästää organisaatiolta niin kustannuksia kuin harmaita hiuksiakin.

Pauli Dahlbom toivoo, että yhä useampi organisaatio alkaisi adoptoimaan datakeskeisen kulttuurin osaksi omaa arkeaan.

- Yritysten pitäisi pyrkiä siihen, että tekeminen ei olisi enää ad hoc -henkistä, jossa sinne päin relevanttia dataa kerätään Powerpointiin hieman ennen johtoryhmän kokousta, jossa vaaditaan raporttia luvuista ja ennusteista. Sen sijaan tulisi miettiä, miten nykyinen analytiikkatekeminen skaalautuu ja voitaisiinko esimerkiksi analytiikkaprosessia automatisoida jotenkin, jotta ammattilaisten aika menisi enemmän analyysin jatkojalostamiseen eikä manuaaliseen lukujen kasaamiseen.

Annetaan siis HR-ammattilaisten substanssiymmärrys henkilöstöön liittyvistä ilmiöistä ja lainalaisuuksista analytiikan käyttöön ja varmistutaan, että erilaiset näkökulmat tulee huomioitua. Tästä päätöksestä kiittää niin henkilöstö kuin liiketoimintakin.

Jos haluat lisätietoja aiheeseen liittyen, asiantuntijamme auttavat sinua mielellään. Voit ottaa meihin yhteyttä matalalla kynnyksellä täältä.

Kuuntele aihetta käsittelevä podcast-jaksomme Spotifyssa alta: