Organisationer bliver mere og mere datafokuserede og opretter strategiske mål, der er bygget op med centrale præstationsindikatorer (KPI’er). Hvis HR forventer at beholde den ordsproglige plads ved konferencebordet, er det vigtigt at forstå centrale databegreber, herunder forskellen mellem data, målinger og analyser, og hvordan de alle tre arbejder sammen.
Målinger
Målinger fastsætter parametrene for de data, som din organisation vil bruge til at måle præstationer. Lad os sige, at du ønsker at måle præstationen af dit team for talentindkøb (TA). En vigtig måleenhed at se på ville være tiden til besættelse. Tid til besættelse er det gennemsnitlige antal dage, det tager dit TA-team at besætte åbne stillinger. KPI’er opbygges derefter ud fra denne måleenhed. En KPI for TA-teamet kunne være at holde tiden til besættelse under 45 dage. Sørg for at præcisere parametrene for målingen og anvende dem konsekvent. Stopper du f.eks. med at tælle dage, når tilbudsbrevet er underskrevet eller den nyansattes startdato?
Data
Data er det sæt tal eller beregninger, der er indsamlet til en bestemt målemetrik. For TA-teamets målestok, tid til besættelse, vil dataene være det faktiske antal dage. Hvert teammedlems gennemsnitlige antal dage til at besætte et job ville også blive en del af datasættet for målemetoden. Dataintegritet er afgørende for at sikre, at dine målinger er nøjagtige.
Analytik
Når målingerne er udarbejdet, er det tid til at analysere og finde mønstre i dataene. Analyser kræver mere kritisk tænkning for at finde ud af hvorfor bag dine data og for at bruge målinger til at styre beslutningstagningen. F.eks. er dit TA-teams tid til at fylde metrik produceret, og du finder ud af, at den har en tendens til at være høj. Hvis du spørger TA-teamet, hvilke udfordringer de oplever, og laver en opgaveanalyse, kan du finde ud af, hvorfor målingen er høj. Undersøgelsen viser, at der er et sammenbrud i kommunikationen mellem TA og de ansættende ledere i forbindelse med planlægning af samtaler. Der kan gå to uger, før et interview bekræftes med kandidaten. Dette fører til, at du interviewer de ansættende ledere og finder ud af, at lederne ikke bruger planlægningsfunktionen i ansøgersporingssystemet (ATS). Som en løsning rulles der ATS-uddannelse ud til lederne. Når løsningen er implementeret, overvåger man metrikken for tid til besættelse og ser, om tendensen ændrer sig, hvilket er en del af analytics.
Hele processen med at finde tendenser i data med metrikker og bruge oplysningerne til at understøtte forretningsmålene taler til analytics. Hvis din organisation er ved at blive mere datafokuseret, er det måske på tide at overveje at opbygge et HR-dashboard. Det bruger data fra dine forskellige HR-systemer til at output metrikker og giver dig mulighed for at fokusere på analytik. Et HR-dashboard understøtter dataintegriteten, da det tager menneskelige fejl ud af beregningsprocessen.
Data, målinger og analyser betyder alle forskellige ting, men arbejder sammen for at understøtte strategiske mål. Du kan ikke udvikle metrikker uden data. Uden metrikker er der ingen tendenser at analysere, og det vil være sværere at finde sammenhængene i dataene. Og metrikker uden analyser er blot spild af den tid, det tog at lave beregningerne. Analyser er nøglen til at gøre HR til den strategiske forretningspartner, som organisationer har brug for. Glem ikke at lytte til den historie, som dine data fortæller dig, og tag handling.