Analytiikka henkilöstöhallinnossa: mistä HR-dataa saa ja miten sitä voi käyttää?

Monet mieltävät HR:n ihmisiin keskittyvänä toimintona, siinä missä numerot on jätetty talousihmisille. Todellisuudessa HR:n tehtävä on kuitenkin yhtä lailla tukea liiketoimintaa. Nykypäivänä myös henkilöstöön liittyviä tarpeita pyritään yhä useammin ymmärtämään numeroiden, datan ja analytiikan kautta.

Kun käytettävissä olevan datan määrä kasvaa, edellytykset tiedolla johtamiselle henkilöstöhallinnossa paranevat. Monella yrityksellä datan hyödyntäminen on kuitenkin vielä aika lapsenkengissä. Avaan tässä artikkelissa, mistä kaikkialta HR-dataa saa ja miten sitä voi hyödyntää. Entä mitä esteitä HR-analytiikan tekemiselle vielä on?

Mihin HR tarvitsee dataa ja analytiikkaa?

Kenties yleisin käyttökohde HR-datalle on henkilöstötarpeen ennakointi lyhyellä ja pitkällä aikavälillä. Esimerkiksi monilla työvoimavaltaisilla aloilla vuorosuunnittelu vaatii onnistuakseen monien tietolähteiden yhdistelyä, jotta paikalla olisi aina oikea määrä henkilöstöä oikealla osaamisella.

Myös rekrytointien pohjalla käytetään usein dataa. Laadukkaan datan avulla yritys voi tietoisesti tehdä rekrytointeja esimerkiksi ennakoiden tai vasta siinä vaiheessa, kun tarve on ilmeinen. Kun päätökset henkilökunnan lisäämisestä tai vähentämisestä perustuvat dataan, on päätöksenteko todennäköisemmin laadukasta.

Henkilöstötarpeen suunnittelun lisäksi HR käyttää dataa henkilöstön tarpeiden arviointiin. Seuraamme sairauspoissaoloja, jotta pystyisimme reagoimaan mahdollisiin haasteisiin jaksamisessa ajoissa. Teetämme henkilöstökyselyitä, jotta ymmärtäisimme, miten henkilöstö voi ja missä meillä on vielä kehitettävää.

Mistä HR-dataa saa?

Henkilöstöön liittyvää dataa alkaa kertymään vauhdilla siinä vaiheessa, kun yritys kasvaa pienestä keskisuureksi. Nuppiluvun noustessa henkilöstöön liittyvien tietojen manuaalinen hallinta käy työlääksi, ja HR:stä vastaava henkilö alkaa kehittämään henkilöstöhallinnon käytäntöjä.

Yleensä kasvavat yritykset ottavat henkilötieto-excelin tilalle HRM-järjestelmän, ryhtyvät kirjaamaan työaikaa työajanhallinnan järjestelmään, alkavat hoitamaan rekrytoinnit rekrysoftan kautta ja seuraamaan henkilöstön viihtyvyyttä erilaisilla kyselyillä.

Tämä kaikki johtaa siihen, että käsillä alkaa olemaan runsaasti dataa! Tietoa tuodaan monesti järjestelmästä toiseen integraatioiden kautta, kuten vaikkapa työajanseurannan järjestelmistä palkkahallinnon järjestelmiin. Suuremmissa yrityksissä HR-dataa löytyykin ainakin seuraavista lähteistä:

HRM-järjestelmät: Perustiedot työntekijöistä, kuten nimet, henkilötunnukset, koulutukset, osaaminen, työsopimukset, osoitteet ja syntymäpäivät. Esimerkki HRM-järjestelmästä on vaikkapa Saima HR.

Palkkajärjestelmät: Järjestelmä, jossa palkat lasketaan. Sisältää yksittäisten työntekijöiden palkat ja palkkahistorian sekä tuottaa kirjanpitoaineistoa yrityksen palkkakuluista. Esimerkki palkkajärjestelmästä on vaikkapa Personec F.

Työaikajärjestelmät: Tehdyt työtunnit, saldot, ylityöt, loma-ajat ja sairauspoissaolot. Esimerkkinä Tiima.

Työvuorosuunnittelujärjestelmät: Työvuorosuunnitelmat, työntekijöiden toiveet, työaikakirjaukset, henkilöstön osaamiset, kustannusvaatimukset. Muun muassa Numeron on tällainen.

Rekrytointijärjestelmät: Työpaikkailmoitukset, hakijoiden tiedot, hakijoiden määrät, hakijaviestintä.

Suorituksen johtamisen järjestelmät: Yrityksen ja yksilön tavoitteet, kehityssuunnitelmat, osaamiskartoitukset, uratoiveet, suoriutumisen arvioinnit.

Kyselytyökalut: Työtyytyväisyyden erilaiset mittarit, laadullinen palaute.

Työsuhde-etuusjärjestelmät: Etujen käyttömäärät, etujen jakautuminen.

Koulutusten hallintajärjestelmät/verkkokoulutusjärjestelmät: Koulutukset, koulutettujen määrät, osaamistestit, osaamiskartoitukset.

Työterveyshuolto: Sairauspoissaolot, työterveyskäyntien määrät ja trendit.

Miten HR-analytiikkaa voi kehittää?

Ensimmäinen askel HR-analytiikan kehittämiselle on se, että dataa otetaan rohkeasti käyttöön. Yllättävän usein syy heikolle HR-analytiikalle on se, ettei sitä yksinkertaisesti hyödynnetä. HR on tottunut katsomaan peräpeiliin ja raportoimaan mennyttä: paljonko henkilöstömäärä oli, mikä oli vaihtuvuus, kuinka paljon oli sairauspoissaoloja.

Yksinkertaisimmillaan HR-dataa voi hyödyntää vaikkapa siten, että lähijohtaja saa muistutuksen alaisensa syntymäpäivästä – tällaisella pienten asioiden huomioimisella voi olla valtava merkitys työkulttuurin ja yhteishengen rakentamisessa.

Tietyt järjestelmät kommunikoivat rutiininomaisesti keskenään – esimerkiksi työaikajärjestelmistä siirtyy automaattisesti tiedot palkkajärjestelmään, jonka pohjalta palkat maksetaan. Paljon mielenkiintoisia mahdollisuuksia olisi kuitenkin löydettävissä datan yhdistelystä. Eniten potentiaalia HR-datan yhdistämisestä olisikin talous- ja markkinadataan.

HR-analytiikkaa syntyy, kun luotettavaa dataa eri lähteistä yhdistellään onnistuneesti. Yksinkertaisimmillaan kyse on tästä:

Data + data + data = analytiikka

Monesti HR:n aktiviteetit yrityksissä kohdistuvat suuremmille joukoille, jolloin osa hyötyy niistä, ja osa ei. HR:n panostuksia pitäisi pystyä paremmin kohdistamaan jopa yksilötasolle, kuten vaikkapa digimarkkinoinnissa tehdään. Kehittyneen analytiikan avulla HR pystyisi entistä paremmin vastaamaan henkilöstön yksilöllisiin tarpeisiin.

Esimerkiksi meillä Vismalla teimme kevyen kategorisoinnin henkilöstömme elämäntilanteista ja niihin liittyvistä haasteista. Tietojen perusteella pystyimme suunnittelemaan täsmäkoulutuksia ja -tilaisuuksia, jotka vastasivat juuri näihin tarpeisiin: vastavalmistuneille työn ja vapaa-ajan hallintaan, ruuhkavuosia eläville palautumiseen kun tunnit eivät päivässä riitä ja eläkeikää lähestyville uuden oppimiseen ja muutoksen hallintaa.

Tuloksena HR:n resurssit saivat parempaa katetta, ja henkilöstökin kiitti.

Millaisia mahdollisuuksia HR-analytiikka avaa?

Tietojen yhdistelyä voisi lähestyä paljon nykyistä laaja-alaisemmin ja ennakkoluulottomammin. Olisi kiehtovaa, jos saisimme koneälyn avulla valmiiksi pureskeltua analyysia työntekijöistämme. Minkälainen datacocktail kertoisi, että työntekijä on valmis etenemään urallaan? Tai että hän on vaarassa uupua? Tai että hän on harkitsemassa työpaikan vaihtoa?

Monia mahdollisuuksia avautuisi, jos voisimme yhdistellä dataa työntekijän osaamisesta (eli onko työntekijällä jotain osaamista, jota hän ei nykyisessä työssään hyödynnä tai jota hän on juuri opiskelemassa), kehityskeskusteluista (mihin suuntaan hän uraansa haluaa kehittää), yrityksen liiketoiminnasta (millaista osaamista yrityksessä kaivataan tulevaisuudessa), työntekijän suoriutumisesta nykytehtävässä ja vaikkapa työtyytyväisyydestä.

Mitä on vielä HR-analytiikan tiellä?

Yhdeksi esteeksi HR-analytiikassa nousee tietysti henkilötietojen käsittely ja tietosuoja Hallussamme on tietoja, jotka ovat henkilökohtaisia ja arkaluonteisia. Tietosuojalain lisäksi on pohdittava missä kulkee eettinen raja. Mitä kaikkea henkilöstö haluaa itsestään tiedettävän?

Ennakoin kuitenkin, että analytiikan merkitys tulee kasvamaan. Tavoitteena ei ole se, että HR kaivautuu numeroihin, vaan vapauttaa aikaa kasvokkaiselle kohtaamiselle ja pystyä paremmin valjastamaan dataa päätöksenteon taakse ja siten luoda lisää vaikuttavuutta. Ehkä HR:ssä työskentelee tulevaisuudessa enemmän data scientistejä, koneoppimisen mallintajia ja koodareita.

3