People analytics: hvad det er, hvem der kan det, og hvad de tjener

People analytics er færdigheden i at bruge medarbejderdata til at forstå og løse konkrete problemer i en organisation. Det kan være spørgsmål om rekruttering, fastholdelse, fravær, performance, kompetencer, engagement, ledelse eller bemanding.

En person med People analytics-færdighed kan omsætte et HR- eller forretningsproblem til konkrete spørgsmål, relevante data og en analyse. Vedkommende starter derfor ikke nødvendigvis med et dashboard, men med det problem organisationen skal forstå.

Arbejdet kan samle data fra HR-systemer, rekrutteringssystemer, løn, tidsregistrering og medarbejderundersøgelser. En dygtig analytiker kan kontrollere datakvaliteten, forstå definitionerne og opdage problemer som manglende værdier, dubletter eller forskellige registreringsmetoder.

Færdigheden omfatter også valg og definition af relevante HR-målinger. Det kan være turnover, headcount, fravær eller rekrutteringsdata. Vedkommende skal kunne forklare, hvilken population og periode et nøgletal dækker, og hvorfor målingen er relevant for spørgsmålet.

People analytics spænder fra beskrivende analyse til mere avanceret statistik. Personen kan undersøge forskelle mellem grupper, sammenhænge mellem variable og udvikling over tid. Ved mere avancerede opgaver kan færdigheden også omfatte modeller til workforce planning eller analyse af risiko for medarbejderafgang.

En vigtig del af færdigheden er at kende forskellen mellem sammenhæng og årsag. Hvis medarbejdere med en bestemt egenskab oftere forlader virksomheden, betyder det ikke automatisk, at egenskaben er årsagen. En stærk profil inden for People analytics kan forklare alternative forklaringer, usikkerhed og begrænsninger i data.

Excel og Power BI bruges ofte til analyse og visualisering. SQL er relevant, når data skal hentes og kombineres fra databaser. Python eller R kan være nyttige ved større datasæt og mere avanceret statistik. Det afgørende er ikke værktøjet, men om analysen giver et pålideligt svar på et konkret problem.

People analytics indebærer også ansvarlig behandling af medarbejderdata. Vedkommende skal forstå, at HR-data ofte er personoplysninger, og kunne arbejde med blandt andet formål, dataminimering, adgang, fortrolighed og risikoen for at identificere medarbejdere unødigt.

People analytics-færdigheden er vigtig, når HR- og ledelsesbeslutninger skal baseres på mere end erfaring, mavefornemmelser eller enkelte medarbejderhistorier.

Færdigheden bruges typisk af folk, der arbejder med People Analytics, HR Business Partners, HR-controllere, workforce planning, HR-ledere og dataanalytikere med fokus på medarbejderområdet.

Ved fastholdelse kan People analytics vise, hvor medarbejderafgangen er koncentreret, hvilke grupper der skiller sig ud, og hvilke forhold der hænger sammen med afgangen. Det gør det muligt at undersøge problemet mere præcist end ved kun at se på samlet turnover.

Ved rekruttering kan færdigheden bruges til at analysere rekrutteringskanaler, procestrin, kandidaters progression og efterfølgende fastholdelse. Organisationen kan dermed undersøge, om en kanal eller proces faktisk fører til de ønskede resultater.

Ved workforce planning bruges People analytics til at forbinde organisationens fremtidige behov med den eksisterende arbejdsstyrke. Det kan være analyser af kapacitet, kompetencer, rekrutteringsbehov og forventede ændringer i organisationen.

Færdigheden er også relevant ved analyser af engagement, performance, løn, fravær og organisatoriske ændringer. Et dashboard med HR-nøgletal er dog ikke i sig selv People analytics på højt niveau. Analysen skal kunne bruges til at forstå et problem eller understøtte en beslutning.

People analytics bliver særlig vigtig, når analyser kan påvirke mennesker direkte. Hvis data bruges til at vurdere medarbejdere, kandidater eller grupper, skal analytikeren være opmærksom på datakvalitet, bias, privatliv og risikoen for at gøre statistiske mønstre til urimelige individuelle konklusioner.

People analytics trænes bedst ved at kombinere HR-forståelse, dataanalyse og konkrete organisatoriske problemer. Man lærer ikke færdigheden alene ved at bygge dashboards.

En god træningsmetode er at tage et konkret HR-spørgsmål. Definér først præcist, hvad der skal undersøges. Find derefter de nødvendige data, kontrollér kvaliteten og fastlæg relevante målinger. Analysér mønstrene og afslut med at forklare, hvad data kan og ikke kan dokumentere.

Grundlæggende statistik er vigtig. Det gælder blandt andet fordelinger, stikprøver, usikkerhed, korrelation og forskellen mellem sammenhæng og årsag. Mere avancerede opgaver kan kræve regression, eksperimentdesign eller andre statistiske metoder.

Praktiske værktøjsfærdigheder opbygges ofte gennem Excel og Power BI. SQL bliver værdifuldt, når analytikeren selv skal arbejde med data fra flere systemer. Python eller R kan bruges, når opgaverne kræver mere avanceret analyse eller automatisering.

CIPD har fagligt materiale om People analytics og evidensbaseret HR. Whartons People Analytics-kursus er en kendt introduktion til brug af data inden for blandt andet talent, performance og medarbejderbeslutninger. AIHR tilbyder et People Analytics Certificate Program med praktisk fokus på analyse af HR-data.

Kurser kan give et fundament og en metode, men de gør ikke alene en person til erfaren inden for People analytics. Reel færdighed udvikles gennem arbejde med ufuldstændige data, uklare forretningsspørgsmål og analyser, som skal kunne tåle kritiske spørgsmål fra ledere og HR-fagfolk.

Den mest værdifulde træning kommer derfor ofte fra gentagne analyseforløb. Formulér et spørgsmål, analysér data, forklar konklusionen, få udfordret antagelserne og undersøg senere, om en beslutning eller indsats faktisk ændrede noget.

En person med reel People analytics-færdighed taler normalt om problemer og beslutninger før dashboards og værktøjer. Spørg eksempelvis, hvordan vedkommende ville undersøge en pludselig stigning i medarbejderomsætningen.

En stærk kandidat vil først afklare, hvordan medarbejderomsætning er defineret, hvilke grupper og perioder der skal sammenlignes, og hvilke data der findes. Vedkommende vil normalt opstille flere mulige forklaringer frem for straks at vælge én årsag.

Spørg også om forskellen mellem korrelation og årsagssammenhæng. En kandidat bør kunne forklare, hvorfor en sammenhæng mellem eksempelvis lavt engagement og medarbejderafgang ikke alene beviser, at det ene forårsager det andet.

Bed kandidaten gennemgå en tidligere analyse fra spørgsmål til anbefaling. Se efter, om vedkommende kan forklare datakilder, definitioner, datakvalitet, metode, usikkerhed og den beslutning analysen skulle understøtte.

Et godt spørgsmål er også, hvilket HR-nøgletal kandidaten har oplevet blev misforstået. En erfaren analytiker kan ofte beskrive problemer med populationer, gennemsnit, små grupper, definitioner eller sammenligninger, som giver et misvisende billede.

Spørg til sidst, hvordan kandidaten beskytter medarbejderdata. En stærk profil inden for People analytics bør kunne forklare, hvorfor man ikke bare indsamler alle tilgængelige data. Vedkommende bør tænke i formål, nødvendighed, adgang, aggregering og fortrolighed.

Det stærkeste tegn på færdigheden er evnen til at gå fra et uklart organisatorisk problem til en analyse, som er metodisk forsvarlig, forståelig for beslutningstageren og ansvarlig over for medarbejderne.