From people analytics to analytics for people
Back
“People analytics” se bazira na nauci o podacima i predstavlja još jedan “hype” u svetu ljudskih resursa. Međutim, uprkos činjenici da oni koji upravljaju ljudskim resursima o “people analytics” pričaju sa puno entuzijazma, u realnosti veoma malo kompanija ima mogućnost da se istinski pozabavi ovom temom i da od nje profitira.
Naime, menadžeri i upravljačke strukture unutar kompanija najčešće su svesne da su profit, produktivnost, pa i uspeh kompanije u tesnoj vezi sa zaposlenima, to jest njihovom involviranošću u posao koji obavljaju. O ovome svedoči i rastući broj istraživanja, te konsekventno menadžeri prepoznaju potencijal upotrebe nauke o podacima i preduzimaju aktivne korake ka inkorporiranju ovih veoma različitih rešenja u svoje svakodnevno poslovanje. No, tu postoji veliki broj izazova:
1. Primaran problem leži, pre svega, u samim podacima. Sa jedne strane oni sami za sebe ne govore mnogo, odnosno mogu sugerisati različite zaključke, tako da je bitno kako će podaci biti “upakovani”, interpretirani i koje hipoteze će iz njih proizaći.
2. Ovim se stiže do narednog izazova. Naime, dok su kompanije spremne da za podatake o klijentima potroše čitavo bogatstvo, podaci o zaposlenima često su stavljeni na dno liste prioriteta. Iz tog razloga, neretko osnovna infrastruktura nije dobro razvijena za inicijalno prikupljanje podataka, podaci o zaposlenima se nalaze u različitim sistemima koji nisu dobro uvezani i sinhronizovani, tako da “ne komuniciraju” jedan sa drugim. Shodno tome, da bi dobili neke podatke, to jest da bi se pristupilo bilo kakvom ukrštanju i analizi, često je potrebno da se potroši mnogo vremena na pripremu podataka za obradu tj. njihovo prikupljanje, čišćenje i sređivanje.
3. Treći izazov se tiče deficita (i na svetskom tržištu) profila koji bi pravilno sproveli prva dva, gore pomenuta izazova, odnosno koji bi realizovali i interpretirali analitiku, jer ovi kadrovi moraju da imaju podjednako dobro tehničko znanje iz programiranja i statistike, ali i HR-a.
Konačno, za one koji i uspeju da prebrode prve tri pomenute tačke, ne treba da se opuste, jer na daljem putu neće manjkati izazova. Naime, interpretacija podataka je početak putovanja “people analytics”. Ono što sledi, a sigurno je i najveći izazov, tiče se reagovanja na preporuke dobijene kroz analitiku podataka. Mnoge kompanije sa zadovoljstvom pokrenu analizu, ali se ogluše o izvršavanje preporuke, jer im se možda ne dopada šta su dobili kroz podatke, ili zato što se u međuvremenu pojavio drugi prioritet, ili zato što… izgovora ima mnogo. Bez izvršavanja, reakcije na preporuku dobijenu kroz “people analytics”, nemoguće je videti rezultat i time dobiti jednu validnu povratnu informaciju, odnosno, potvrditi da li je analiza tačna ili pogrešna.
Svaka analiza, pa i ona u domenu “people analytics”, da bi zaista imala smisla, neophodno je da bude povezana sa biznis ciljevima. Najbolje je početi sa pitanjem ZAŠTO nešto hoćemo da analiziramo, ŠTA je problem, pa se tek onda odlučiti za izbor podataka i vrstu analize. Dodatno, izabranu analitiku treba inkorporirati u svakodnevne operacije, a ne poput većine kompanija pokretati projekte analitike ljudi jednom godišnje kako bi se postavili godišnji ciljevi i/ili se ocenili prema njima. Ilustrativan primer je upitnik zadovoljstva zaposlenih koji se realizuje jednom godišnje, a često i ređe. Ovo je možda nekada imalo smisla, ali u današnjem ubrzanom svetu u kome se sve rapidno menja, period delovanja između identifikacije problema i razvoja plana i uticaja je vrlo kratak. Zato je mnogo bolje, efikasnije i agilnije za dobijanje ovakvih podataka koristiti na primer Net Promoter Score (NPS) tehniku – koja u najvećem broju slučajeva ne košta ništa i može da se radi kontinuirano.
Dodatna preporuka je da se otpočne sa realizacijom rada na manjim problemima. Na primer, kroz NPS se mogu ustanoviti tzv. “pain-points” zaposlenih. Izaberite jedan i razmislite zašto je to “pain-point” i šta mislite da može da ga otkloni ili umanji. Kreirajte gerilski plan implementacije.
Suštinski, eksperimentisanje na manjim problemima, kao i sa manje zahtevnim analitičkim tehnikama i podacima, koje dozvoljavaju brzo eksperimentalno delovanje i dobijanje povratne informacije o efektima plana, su ključ uspeha. No, potrebno ga je upotrebiti za pravu ključaonicu, a to su ljudi, zaposleni. “People analytics” dugoročno donosi rezultate, kako je već i na početku rečeno, ako su korišćeni za involviranje zaposlenih, te istinski angažovani, daće svoj maksimum na poslu. Oni koji su uspeli da ovaj potencijal angažuju su upravo kompanije sa najvećim porastom profita, proizvodnjom, zadovoljstvom klijenata – jedan pravi i održivi “win-win” scenario.
