A HR digitalizációjával párhuzamosan a vállalatok egyre több munkavállalói adatot gyűjtenek. Létszám, fluktuáció, hiányzás, toborzási idő, bérköltség, túlóra, képzési ráfordítás, teljesítmény, kompetencia, szabadság, szervezeti mobilitás – ma már szinte minden fontos HR-folyamathoz rendelhető valamilyen mutató.
Első pillantásra ebből az következne, hogy a vezetőknek minden korábbinál több információ áll rendelkezésükre. A gyakorlatban azonban sokszor éppen az ellenkezője történik: egyre több riport készül, egyre több szám kerül a dashboardokra, miközben a vezetői meetingeken továbbra is ugyanaz a kérdés hangzik el: és ebből mit kellene most tennünk?
A különbség az adat és a vezetői információ között ugyanis nem a grafikonok számában rejlik.
Egy adat azt mutatja meg, mi történt. A valóban használható vezetői információ ezzel szemben kontextust ad, összefüggést mutat, üzleti hatást jelez, és segít eldönteni, hogy szükséges-e beavatkozás.
Ezért a data-driven HR következő érettségi szintje már nem az, hogy képesek vagyunk-e adatokat gyűjteni. Sokkal inkább az, hogy képesek vagyunk-e a HR-adatokat olyan formában értelmezni, amelyből CEO, CFO és HR-vezető egyaránt döntést tud hozni.
Attól, hogy valamit mérünk, még nem biztos, hogy fontos
A HR-ben könnyű beleszeretni a mérőszámokba. Ha egy rendszer képes adatot szolgáltatni, adja magát, hogy bekerüljön valamelyik riportba is.
Így alakulnak ki azok a vezetői dashboardok, amelyeken egyszerre tíz, húsz vagy akár harminc különböző mutató jelenik meg. Van rajtuk aktuális létszám, kilépési arány, betegszabadság, nyitott pozíciók száma, képzési órák, túlórák és még számos más információ.
Mindegyik adat lehet helyes. Ettől azonban még nem mindegyik vezetői jelentőségű.
Egy jó KPI nem azért jó, mert könnyű mérni, hanem azért, mert kapcsolatban áll egy üzleti céllal vagy kockázattal.
Ha például a vállalat egyik stratégiai célja a termelési kapacitás növelése, akkor nem önmagában az aktuális létszám a legérdekesebb mutató. Sokkal relevánsabb lehet, hogy rendelkezésre áll-e a szükséges kompetencia, hogyan alakul a túlóra, mennyire magas a kritikus munkakörök fluktuációja, és milyen költséggel lehet a hiányzó kapacitást pótolni.
Ugyanaz az adat tehát teljesen más jelentéssel bírhat attól függően, milyen üzleti kérdésre keresünk választ.
Éppen ezért a vezetői riportot nem a rendelkezésre álló adatokból, hanem a vezetői kérdésekből érdemes felépíteni.
Egy jó dashboard mindig egy kérdéssel kezdődik
Ahelyett, hogy azt kérdeznénk, „milyen HR-adataink vannak?”, érdemes inkább abból kiindulni, milyen döntéseket kell a vezetésnek meghoznia.
Például:
Mely szervezeti területeken nő túl gyorsan a bérköltség?
Hol van olyan fluktuáció, amely már veszélyezteti az üzleti működést?
Mely pozíciók betöltése kerül aránytalanul sok időbe és pénzbe?
Hol függ a szervezet túlzottan néhány kulcsembertől?
Milyen kompetenciahiány akadályozhatja a következő évi növekedést?
Mely szervezeti egységekben jelentkezik tartós túlóra?
A HR feladata innentől nem egyszerűen az, hogy előállítsa a számokat, hanem az, hogy olyan adatstruktúrát biztosítson, amelyből ezekre a kérdésekre következetesen válaszolni lehet.
Ez a különbség a HR reporting és a valódi HR decision support között.
Az önmagában álló fluktuációs ráta nem mond eleget
Vegyünk egy klasszikus HR-KPI-t: 12 százalékos az éves fluktuáció.
Ez sok vagy kevés?
Önmagában nem tudjuk.
Egészen más jelentése van, ha a távozók többsége olyan munkakörből kerül ki, ahol néhány hét alatt lehet új kollégát találni, és más, ha egy kritikus mérnöki vagy vezetői csapat veszít el ennyi munkatársat.
Ugyanígy fontos lehet:
- kik távoznak,
- mely szervezeti területről,
- milyen szolgálati idő után,
- önként vagy nem önként,
- mekkora a pótlásuk költsége,
- mennyi ideig marad betöltetlen a pozíció,
- milyen kompetencia távozik velük.
Ebből már vezetői információ kezd kialakulni.
A 12 százalékos fluktuáció helyett például azt mondhatjuk:
„Az elmúlt hat hónapban a fejlesztési terület senior munkaköreiben az önkéntes kilépés növekedett, miközben ezeknek a pozícióknak az átlagos betöltési ideje lényegesen hosszabb a szervezeti átlagnál.”
Ez már olyan információ, amelyhez üzleti döntés kapcsolható.
A HR-adat akkor válik igazán értékessé, amikor pénzügyi kontextust kap
Ez az egyik legfontosabb pont CFO-szemmel.
A HR gyakran emberekben és folyamatokban gondolkodik, míg a pénzügy költségben, kockázatban és megtérülésben. A két terület akkor tud igazán közös nyelvet beszélni, amikor ugyanaz az adat mindkét nézőpontból értelmezhető.
Vegyük például a túlórát.
HR-oldalon láthatjuk, hogy egy terület túlóraóráinak száma emelkedik.
Pénzügyi oldalról azonban érdekesebb lehet, hogy ez mekkora többletköltséget jelent, és hogyan viszonyul egy új munkavállaló felvételének költségéhez.
Ha tartósan magas túlóra jelenik meg, már nem egyszerű munkaidő-kérdésről beszélünk. Lehet kapacitásprobléma, szervezési probléma, kompetenciahiány vagy létszámtervezési kérdés is.
A vezetői információ tehát az összefüggésből születik:
munkaidő + létszám + bérköltség + szervezeti kontextus.
Pontosan ezért különösen értékes, ha a HR-rendszer nem egy elkülönült adatbázis, amelyből utólag próbáljuk hozzáilleszteni a payroll információkat.
A LOGA egyik fontos működési előnye, hogy a HR- és payrolladatok egy integrált környezetben kezelhetők, a rendszer pedig bértörzsadatokra építve képes real-time működésre. Ez azt jelenti, hogy amikor egy HR-jelenség pénzügyi következményét szeretnénk megérteni, nem szükségszerűen két külön adatvilágot kell utólag összefésülni.
Nem a vállalati átlag a legérdekesebb
A vezetői dashboardok egyik leggyakoribb problémája az átlagok túlzott használata.
A vállalati átlag jó kiindulópont, de gyakran elfedi a tényleges kockázatot.
Lehet például teljesen elfogadható az átlagos fluktuáció, miközben egyetlen kritikus szervezeti egységben nagyon magas.
Lehet megfelelő a vállalati átlagbér-növekedés, miközben egy adott munkaköri csoport kompenzációja jelentősen eltér a kialakított bérsávoktól.
Lehet stabil az összesített hiányzási adat, miközben egy műszakban olyan mértékű távollét jelentkezik, amely már közvetlen működési problémát okoz.
Ezért egy vezetői rendszernek lehetőséget kell adnia arra, hogy az aggregált mutató mögé nézzünk.
Szervezeti egység, munkakör, lokáció, vezetői terület, időszak vagy más releváns dimenzió szerint.
Az adatbányászat és az intelligens szűrés éppen ezen a ponton értékes. Nem azért, mert több riportot tudunk készíteni, hanem azért, mert gyorsabban eljutunk ahhoz a részlethez, amely valóban magyarázza az összesített számot.
A trend általában fontosabb, mint az aktuális érték
Egyetlen adatpont könnyen félrevezethet.
Ha például a betegszabadság aránya egy adott hónapban magasabb, annak lehet szezonális oka. Ha viszont ugyanazon a szervezeti területen hat hónapja fokozatosan emelkedik, az már más típusú figyelmet igényelhet.
A vezetőknek ezért nemcsak állapotadatokra van szükségük, hanem trendekre.
Mi változik?
Milyen sebességgel?
Mióta?
Hol tér el a vállalati átlagtól?
Egy jól működő HR-analitikai rendszer ezért nem kizárólag pillanatképet ad, hanem az időbeli összefüggések értelmezését is segíti.
Itt kapcsolódik össze a real-time működés és a történeti elemzés. Az aktuális adat megmutatja, hol tartunk most, a trend pedig azt, hogyan jutottunk ide.
A kettő együtt ad megfelelő döntési kontextust.
A küszöbértékek teszik a dashboardot valóban használhatóvá
Ha minden adatot azonos súllyal jelenítünk meg, a vezetőnek magának kell eldöntenie, mi igényel figyelmet.
Sokkal használhatóbb rendszer alakítható ki, ha bizonyos mutatókhoz előre meghatározott küszöbérték vagy toleranciasáv tartozik.
Nem azért, hogy a vezetést „piros és zöld lámpákkal” helyettesítsük, hanem azért, hogy gyorsabban láthatóvá váljanak az eltérések.
Például:
ha egy kritikus munkakör fluktuációja meghalad egy meghatározott szintet;
ha a túlóra tartósan a célérték fölé kerül;
ha a betöltési idő jelentősen romlik;
ha egy adott bérsávban szokatlan koncentráció alakul ki;
ha a hiányzás egy szervezeti egységben eltér a korábbi trendtől.
A vezető figyelme így nem minden adatra, hanem a kivételekre irányítható.
Ez az ún. management by exception szemlélet HR-ben is sokkal hatékonyabbá teheti a döntéshozatalt.
A jó vezetői információhoz megbízható törzsadat kell
Minden elemzés annyira jó, amennyire az alapjául szolgáló adat.
Ha ugyanaz a munkakör több különböző néven szerepel, a szervezeti struktúra nincs naprakészen tartva, vagy a változások eltérő időpontban kerülnek be a HR- és payroll-rendszerbe, akkor a dashboard látványos lehet, de az eredménye nehezen értelmezhető.
Ezért a data-driven HR valójában sokkal kevésbé a dashboardnál kezdődik, mint elsőre gondolnánk.
Törzsadatnál kezdődik.
Egységes definícióknál.
Folyamatfegyelemnél.
Jogosultságoknál.
Adatminőségnél.
A LOGA egyadatbázisos szemléletének egyik értéke pontosan ezen a ponton jelenik meg. Ha a különböző HR-folyamatok ugyanazokra a strukturált munkavállalói és bértörzsadatokra támaszkodnak, kisebb az esély arra, hogy a vezetőség számára több, egymással versengő „igazság” készüljön.
Egy riport nem attól vezetői, hogy vezetőnek küldjük
Ez talán az egyik legfontosabb tartalmi különbség.
Egy negyvenoldalas HR-riport lehet szakmailag nagyon alapos, de ettől még nem biztos, hogy alkalmas vezetői döntéstámogatásra.
A felsővezetésnek általában három kérdésre van szüksége:
Mi változott?
Miért fontos?
Szükséges-e valamilyen döntés vagy beavatkozás?
Ha egy riport ezekre nem ad választ, akkor az értelmezési feladatot egyszerűen átadjuk a vezetőnek.
A HR stratégiai szerepe viszont éppen ott erősödik, ahol nem pusztán számokat szolgáltat, hanem segít azok üzleti jelentését is megérteni.
Például nem azt mondja:
„A fluktuáció 3,1 százalékponttal emelkedett.”
Hanem:
„A fluktuáció növekedésének nagy része két kritikus munkaköri csoportból származik, amelyekben a betöltési idő is magasabb a vállalati átlagnál, ezért a tendencia kapacitási kockázatot jelenthet a következő negyedévben.”
Az első riport.
A második vezetői információ.
A HR-vezető feladata ezért részben „fordítói” szereppé válik
A modern HR egyik legfontosabb kompetenciája az lesz, hogy az emberi folyamatokat üzleti nyelvre tudja fordítani.
A megtartásból működési kockázat lesz.
A kompetenciahiányból növekedési korlát.
A túlórából kapacitás- és költségkérdés.
A hosszú toborzási időből kieső termelési vagy értékesítési lehetőség.
A béradatból pedig nemcsak payroll, hanem bértranszparencia, megtartás és pénzügyi tervezés.
Ez az a pont, ahol a HR valódi üzleti partnerként tud megjelenni.
Ehhez azonban szüksége van olyan technológiai háttérre, amely nem napokat kér egy új vezetői kérdés megválaszolásához.
Mi történik, ha a vezető egy új kérdést tesz fel?
Ez egy nagyon egyszerű teszt egy HR-adatkörnyezet érettségének felmérésére.
Tegyük fel, hogy egy vezetői meetingen felmerül:
„Mutassuk meg, hogyan alakult a kritikus munkakörök bérköltsége és fluktuációja az elmúlt hat hónapban.”
Mikor kapunk választ?
Azonnal vagy néhány kattintással?
Holnap?
Egy hét múlva, miután a HR, a payroll és a kontrolling elküldte egymásnak az Excel-fájlokat?
A standard riportok ugyanis csak azokra a kérdésekre adnak gyors választ, amelyekre előre felkészültünk.
A valódi adatvezérelt működés ott kezdődik, amikor a rendszer az új kérdések vizsgálatát is támogatni tudja.
Ehhez szükséges az egységes adatstruktúra, a rugalmas lekérdezhetőség és az, hogy a HR- és payrolladatok ne különálló rendszerből érkezzenek.
És itt lép be az AI is – de csak második lépésként
Az elmúlt tartalmakban már beszéltünk arról, milyen szerepet kaphat az AI a HR-adatok feldolgozásában.
Fontos azonban a sorrend.
Az AI nem helyettesíti a rendezett adatmodellt.
Ha nincs egységes munkaköri struktúra, következetes törzsadat, jól definiált KPI és megfelelő adatkapcsolat, akkor az intelligens elemzés sem fog automatikusan jó vezetői információt létrehozni.
Ha viszont ezek az alapok rendelkezésre állnak, az AI már jelentős segítséget adhat az összefüggések feltárásában, a nagy adatmennyiség feldolgozásában és abban, hogy a vezetők gyorsabban jussanak el a releváns információhoz.
Ez az a környezet, amelyben a LOGA real-time adatrendszere és az olyan fejlesztések, mint a Pegasus, hosszabb távon igazán érdekessé válnak.
Nem azért, mert több adatot generálnak.
Hanem azért, mert segíthetnek kevesebb idő alatt több értelmet kinyerni a már meglévő adatból.
A cél nem a data-driven HR, hanem a jobb döntés
A data-driven HR kifejezés mára szinte minden HR-technológiai kommunikációban megjelent.
Pedig a vállalat szempontjából nem az a cél, hogy adatvezéreltnek nevezhesse magát.
A cél jobb döntéseket hozni.
Gyorsabban felismerni egy kockázatot.
Jobban megtervezni a kapacitást.
Megérteni egy bérköltség-változás okát.
Korábban észrevenni egy megtartási problémát.
Megtalálni egy belső utánpótlási lehetőséget.
Ehhez nem feltétlenül több adatra van szükség.
Sokkal inkább jobb minőségű, egymással összekapcsolt és üzleti kontextusba helyezett információra.
Amikor ezt képes biztosítani a HR, akkor az adat már nem adminisztrációs melléktermék.
Vezetői eszközzé válik.
CTA
Ha szeretné felmérni, hogy vállalata HR-riportjai valóban vezetői döntéseket támogatnak-e, vagy még jelentős manuális adatfeldolgozás és értelmezés szükséges hozzájuk, kérjen szakmai konzultációt a Master Consulting csapatától.
Megmutatjuk, hogyan támogatja a LOGA integrált, bértörzsadatokra épülő real-time környezete a HR-, payroll- és vezetői információk összekapcsolását, és hogyan válhat a rendelkezésre álló HR-adat valódi üzleti döntéstámogatássá.