ROI:n (sijoitetun pääoman tuoton) muuttaminen käytännön toiminnaksi

Stay on the leading edge of leading with human-centric AI. Create a free account.

Aiemmin tänä vuonna toimitin noin 25 henkilöstöjohtajalle koulutusaloitetta koskevan sijoitetun pääoman tuottolaskelman, ja se toimi hämmästyttävän hyvin. Vaikka laskelma oli vain osa kymmenensivuisesta ehdotuksesta, jossa perusteltiin, miksi tämä aloite tulisi toteuttaa ehdottamallamme tavalla, se sai erinomaista palautetta ja vahvisti perustelujamme. Sijoitetun pääoman tuotolla henkilöstöhallinnossa ei kuitenkaan ole kovin loistokasta historiaa. Latham & Whyte julkaisivat vuonna 1996 artikkelin […]

Operationalising ROI

Aiemmin tänä vuonna toimitin noin 25 henkilöstöjohtajalle koulutusaloitetta koskevan sijoitetun pääoman tuottolaskelman, ja se toimi hämmästyttävän hyvin. Vaikka laskelma oli vain osa kymmenensivuisesta ehdotuksesta, jossa perusteltiin, miksi tämä aloite tulisi toteuttaa ehdottamallamme tavalla, se sai erinomaista palautetta ja vahvisti perustelujamme.

Sijoitetun pääoman tuotolla henkilöstöhallinnossa ei kuitenkaan ole kovin loistokasta historiaa. Latham & Whyte julkaisivat vuonna 1996 artikkelin nimeltä ”Hyötyanalyysin hyödyttömyys” (tässä yhteydessä hyötyanalyysi ja ROI tarkoittavat käytännössä samaa asiaa), ja artikkeli oli murskaava: he havaitsivat paitsi johdon vähäisen tuen ROI:lle myös sen, että ROI:n sisällyttäminen esitykseen irrotti johtajat laajemmasta ehdotuksesta. Rehellisyyden nimissä on kuitenkin todettava, ettei kukaan muu ole pystynyt toistamaan heidän tuloksiaan. Toisaalta kukaan – en minäkään, vaikka tein pro gradu -tutkielmani ROI:sta – ei ole oikeastaan pystynyt löytämään sille vahvaa tukea.

ROI esitetään tyypillisesti prosenttilukuna, joka osoittaa sijoitetun pääoman tuoton. Jos esimerkiksi investoit koulutukseen 30 000 dollaria, saat ensimmäisen vuoden aikana 150 prosentin sijoitetun pääoman tuoton. ROI:n yhteydessä esitetään joskus varsin vaikuttavia prosenttilukuja, mutta niitä tulee mielestäni tarkastella varoen. Laskelmia ei esimerkiksi ole suunniteltu ottamaan markkina- tai talousolosuhteita huomioon. Oma ongelmani oli kuitenkin se, ettei prosentuaalisen tuoton esittäminen julkishallinnon ympäristössä tuntunut järkevältä – julkishallinnossa rahaa tyypillisesti käytetään. Halusin silti sisällyttää ROI:n keskusteluun, joten muutin sen käytännönläheiseksi.

Lyhyenä taustana koulutusaloitteelle: ehdotimme, että työntekijöille annettaisiin vuosittain tietty määrä aikaa työssä tapahtuvaan koulutukseen, kuten vertaisvetoiseen oppimiseen, tehtäväkiertoon, sijaisuuksiin ja muihin vastaaviin mahdollisuuksiin. Ehdotuksessa esihenkilöt saivat vapaasti tarjota työntekijöidensä tarpeisiin sopivia koulutusmahdollisuuksia. Joku saattoi esimerkiksi osallistua Excel-koulutukseen, opetella kokouspöytäkirjojen laatimista tai politiikkatekstien kirjoittamista tai harjoitella monia muita tehtäviä. Yhteistä kaikille oli aika, joten esitin ROI:n ajankäyttöön perustuvana nollatuloksen laskelmana. Ehdotuksessa esitimme, että työntekijät voisivat käyttää yhden viikon koulutukseen ja että koulutuksen kannattavuus saavutettaisiin, jos työntekijät pystyisivät tekemään 44 viikossa saman työn, jonka he aiemmin tekivät 46 viikossa (44 viikkoa edusti yhtä työvuotta, jossa lomat, arkipyhät ja muut vastaavat tekijät oli otettu huomioon). Työntekijöiden tuli siis olennaisesti kehittyä niin paljon, että he pystyivät saamaan enemmän työtä valmiiksi saman ajanjakson kuluessa.

Kuten edellä mainitsin, tämä lähestymistapa toimi erittäin hyvin. Mukana olleet ihmiset ymmärsivät käyttämämme mittarin – ajan – ja pystyivät tekemään perustellun päätöksen siitä, voisivatko lähiesihenkilöt tarjota koulutusta, jolla olisi näin suuri vaikutus.
Tyypillisesti koulutuksen sijoitetun pääoman tuottolaskelma näyttää tältä:

U = (N)(T)(dt)(SDy) –C

Monet eivät kuitenkaan oikein pysty yhdistämään tätä itseensä tai tunnistamaan sitä, ja kun alan puhua standardoidun normaalijakauman käyristä, ihmiset poistuvat huoneesta. Tärkeää ei kuitenkaan ollut laskelma vaan nollatulospisteen esittäminen. Jotta kustannus organisaatiolle olisi hyvin pieni, työntekijöiden on saatava yhden työvuoden aikana kaksi ylimääräistä työviikkoa vastaava työmäärä valmiiksi. Henkilöstöjohtajat ja heidän esihenkilönsä pystyvät käsittelemään tämän – siinä on järkeä.

Saamani vastaukset kannustivat minua suuresti, ja tulen käyttämään tätä lähestymistapaa uudelleen tulevaisuudessa. Vaikka tämän kirjoituksen tarkoituksena ei ole toimia oppaana, toivon sen tarjoavan koulutuksen alalla ROI:sta kiinnostuneille näkökulmia siihen, miten ROI voidaan muotoilla niin, että se saa enemmän kannatusta kuin ehkä aiemmin.

Brendan Lys
Operating at the intersection of Human Resources and Data Science, I leverage extensive specialist experience within Human Resources, with the methodologies and approaches of Data Science. This focus on the discovery of actionable insights from data, has been applied to areas such as: remuneration & benefits, workforce planning, recruitment, health & safety, diversity, and training. But what does the application of data science to HR challenges and opportunities actually look like. Within an HR framework the data we work with typically comes directly from our HRMIS, an advantage of using data science methodologies is that we can bring in additional data either held within the organization or from external sources - data which is out of reach from a pure HR analytics approach. Consider for example position descriptions, these contain a wealth of data that we typically ignore as its not in a analysis ready format. A side project I'm working on currently (April 2019) is using text mining on job descriptions to provide insights into which job family the position may fit into. The insights of my work have been enjoyed by organizations across a diversity of sectors including: Government (Australia and New Zealand), ASX and NZX listed companies, utilities, not for profit and higher education.
Follow the author:

You may also like