Che cos'è l'analisi delle risorse umane?

I dati utili per un team HR sono una misura delle prestazioni, dell'esperienza e dei risultati aziendali dei/delle dipendenti. Le metriche includono sondaggi "pulse", analisi del sentiment, punteggio dei promotori netti dei/delle dipendenti, incontri individuali e colloqui di fine rapporto/stage.

Il ritorno sugli investimenti (ROI) aumenta il valore aziendale derivante dal prendere decisioni migliori in merito ai talenti.

I/le dipendenti soddisfatti/e, sani/e e coinvolti/e sono meno propensi/e ad assentarsi dal lavoro. Tenendo traccia delle assenze, le organizzazioni possono ottenere informazioni sulla salute e la felicità dei/delle dipendenti.

Il turnover involontario tiene traccia della velocità con cui i/le dipendenti vengono licenziati dalle loro posizioni all'interno dell'organizzazione. Ciò si verifica calcolando il numero di dipendenti licenziati/e in modo involontario rispetto al numero di dipendenti all'interno di un'organizzazione. Il tasso di turnover involontario può anche fornire informazioni sulla strategia di reclutamento per analizzare la qualità delle assunzioni.

La possibilità che un/a potenziale assunto/a accetti o meno un'offerta di impiego può dipendere da diversi fattori decisivi. Tuttavia, molti di questi fattori si riferiscono direttamente alla strategia di acquisizione dei talenti di una società. Una bassa percentuale di accettazione dell'offerta può indicare problemi critici nel processo di assunzione. Il tasso di accettazione si ottiene prendendo in considerazione il numero di offerte di lavoro formali diviso per il numero di posizioni lavorative aperte.

Questa metrica si ottiene dividendo i ricavi per il numero di dipendenti all'interno di un'organizzazione, che indica il fatturato medio generato da un/una dipendente. Si tratta di una misura dell'efficienza operativa e dell'efficacia di un'organizzazione nel generare ricavi attraverso i/le dipendenti.

Il tempo di assunzione descrive la quantità di tempo necessaria per trovare e inserire nuovi talenti. Un tempo di assunzione più lungo può indicare inefficienze o bottleneck nel processo di assunzione, mentre un tempo di assunzione più breve può contribuire a offrire ai/alle futuri/e dipendenti un'esperienza più soddisfacente.

L'efficienza della formazione viene determinata tramite analisi di più punti dati, come il miglioramento delle prestazioni, la transizione verso l'alto dei ruoli dei/delle dipendenti e i punteggi dei test dopo la formazione. La misurazione dell'efficienza della formazione può fornire informazioni più approfondite sull'efficacia dei programmi di formazione aziendali.

I programmi di formazione eccessivamente costosi possono essere problematici quasi quanto quelli inefficaci. Misura le spese di formazione per dipendente individuando la spese totale e dividendola per il numero totale di dipendenti che hanno partecipato alla formazione.

La percentuale con cui i/le dipendenti scelgono di abbandonare il proprio lavoro. Il tasso di turnover volontario aiuta a identificare eventuali problemi nell'esperienza dei/delle dipendenti. Si calcola dividendo il numero di dipendenti che hanno lasciato il proprio lavoro per il numero totale di dipendenti.

Il tempo di completamento descrive il periodo di tempo che intercorre tra la prima pubblicità di un'opportunità di lavoro e l'assunzione definitiva di un/una nuovo/a dipendente per ricoprire la posizione. Le organizzazioni traggono vantaggio quando le posizioni vengono occupate rapidamente e questa metrica può aiutare a perfezionare le strategie per un processo più efficiente.

I sistemi di risorse umane principali dispongono di diversi punti dati per i loro strumenti di analisi ottenuti all'interno del proprio reparto delle risorse umane; alcune metriche possono includere la posizione dei/delle dipendenti, la retribuzione, i registri di formazione, la valutazione delle prestazioni, il potenziale e il valore dei/delle dipendenti, le azioni disciplinari intraprese e le strutture di reporting.

Un problema con queste metriche è che i dati possono essere scollegati e non del tutto affidabili, il che è il momento in cui i data scientist giocano un ruolo importante nell'organizzare i dati sparsi e nel raggruppare i gruppi di punti rilevanti.

I dati raccolti esternamente implicano la collaborazione con altri dipartimenti all'interno dell'organizzazione, il che è essenziale per raccogliere una prospettiva più ampia. Le metriche vitali dei dati esterni rientrano generalmente nelle seguenti categorie.

• Finanziario: Il costo dei ricavi per dipendente e il costo dell'assunzione di nuovi/e dipendenti.
• Specifico per l'organizzazione: L'organizzazione e le sue offerte principali che richiedono alle risorse umane di integrare analisi diverse.
• Passivo: I/le dipendenti forniscono costantemente dati in un sistema informativo delle risorse umane (HRIS) dal momento in cui vengono contattati/e per un lavoro. Anche i dati dei loro post sui social media e i sondaggi di feedback condivisi sono punti importanti per guidare l'analisi dei dati delle risorse umane.
• Storico: Esistono molti fattori esterni, come l'economia globale, i dati ambientali e politici, che influiscono sul comportamento dei/delle dipendenti. Questi dati possono fornire informazioni che i dati interni non sono in grado di fornire.

Iniziare a seguire l'analisi delle risorse umane non è difficile. Con le giuste informazioni, strategie, persone e buy-in, le organizzazioni saranno in grado di ottenere informazioni utili per ottimizzare le prestazioni e i processi delle risorse umane. Considera queste Best practice:

Per i/le responsabili delle risorse umane è fondamentale preparare team e organizzazioni per i workflow basati sull'analisi, che deve avvenire prima degli aspetti operativi e matematici. Discutere della necessità di analisi e preparare il team a lavorare con i dati sono due elementi che devono operare in combinazione.

I/le data scientist stanno lentamente diventando parte integrante dei team HR. Questi attori chiave valutano le soluzioni di analisi e la loro fattibilità, garantendo previsioni più solide e dettagliate e modelli statistici.

L'implementazione di un piccolo progetto di successo può aiutare a convincere gli stakeholder che l'analisi delle risorse umane ha un valore importante per l'azienda. Questi successi immediati possono generare risultati tangibili e di grande impatto in tempi più brevi.

I dati raccolti dai team HR sono fortemente disciplinati dagli standard e dalle leggi di conformità. Alcune considerazioni di natura legale includono:

1. Privacy dei/delle dipendenti.
2. Posizione del fornitore di analisi delle risorse umane.
3. Stabilire un obiettivo di raccolta dei dati.
4. Consenso dei/delle dipendenti in merito alla raccolta dei dati.
5. Sicurezza quando si utilizzano software di terze parti.

Sebbene diverse organizzazioni possano avere esigenze di analisi delle risorse umane diverse, le soluzioni efficaci tendono a condividere alcuni elementi comuni:

1. Risolvono i problemi a livello dirigenziale.
2. Non richiedono un'esperienza avanzata nel campo della data-science.
3. Sono basate nel cloud anziché in sede.
4. Sono basate su tecnologie di machine learning avanzate.
5. Incorporano analisi predittive, estraendo informazioni dai dati esistenti per identificare schemi e anticipare con precisione gli eventi.
6. Forniscono un facile accesso a dati complessi attraverso la visualizzazione, spesso sotto forma di grafici e diagrammi.
7. Esistono come soluzioni SaaS, che riducono le spese iniziali e garantiscono manutenzione e patch aggiornati.

Sebbene l'analisi dei dati abbia contribuito a rivoluzionare quasi ogni aspetto del business moderno, l'analisi delle risorse umane è, in molti modi, ancora agli inizi. Ciò significa che le aziende in grado di adottare appieno l'analisi dei dati all'interno dei processi e delle task delle risorse umane possono godere di un chiaro vantaggio. Nel libro The Practical Guide to HR Analytics: Using Data to inform, Transform and Empower HR Decisions, gli/le autori/autrici identificano quattro livelli di maturità dell'analisi delle risorse umane:

Il primo livello di analisi delle risorse umane utilizza i dati per riflettere sugli eventi del passato e trarre conclusioni sul motivo per cui tali eventi si sono verificati. Questo livello comprende fondamentalmente i dati già disponibili e infine riconcilia il significato dei dati per l'azienda.

La differenza tra questo livello e il livello 1 è la frequenza con cui vengono riportati i dati. Il livello 2 prevede report proattivi, di routine o automatizzati. La funzionalità principale è l'esplorazione delle relazioni tra le variabili.

Questo livello rappresenta l'inizio di un'analisi più approfondita. I modelli casuali, le relazioni con i dati e altro ancora entrano in gioco e il loro effetto sui risultati viene valutato attentamente.

Il livello finale è definito dall'analisi predittiva. I reparti HR di livello 4 raccolgono i dati e li applicano per prevedere il futuro e formulare i giusti piani.

Purtroppo, la maggior parte dei reparti HR all'interno delle organizzazioni opera interamente nel livello 1 e solo un terzo è in grado di funzionare al livello 2. Tuttavia, per i reparti HR che operano ai livelli 3 e 4, il risultato è una maggiore efficienza, processi migliorati e un maggiore ruolo nel processo decisionale aziendale.