Operasjonalisering av ROI (avkastning på investering)

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

Tidligere i år ga jeg omtrent 25 HR-direktører en beregning av avkastningen på investeringen i et opplæringstiltak, og det fungerte utrolig godt. Selv om beregningen bare var en del av forslaget på ti sider om hvorfor vi burde gjennomføre dette tiltaket på den måten vi foreslo, fikk det gode tilbakemeldinger og styrket argumentasjonen vår. Nå har avkastning […]

Operationalising ROI

Tidligere i år ga jeg omtrent 25 HR-direktører en beregning av avkastningen på investeringen i et opplæringstiltak, og det fungerte utrolig godt. Selv om beregningen bare var en del av forslaget på ti sider om hvorfor vi burde gjennomføre dette tiltaket på den måten vi foreslo, fikk det gode tilbakemeldinger og styrket argumentasjonen vår.

Nå har avkastning på investeringen i HR ikke den beste historikken. Latham & Whyte publiserte faktisk i 1996 en artikkel med tittelen «Nytteløsheten ved nytteanalyse» (i praksis er nytteanalyse og ROI det samme i denne sammenhengen), og artikkelen var knusende. De fant ikke bare manglende støtte for ROI blant ledere, men også at inkluderingen av dette i presentasjonen fikk lederne til å miste interessen for det øvrige forslaget. For å være rettferdig har ingen andre klart å gjenskape funnene deres, men ingen, inkludert undertegnede, som skrev en masteroppgave om ROI, har egentlig klart å finne solid støtte for det.

Vanligvis presenteres ROI ved at man oppgir en prosentandel som viser avkastningen på investeringen. Hvis du for eksempel investerer 30 000 dollar i opplæring, vil du få en avkastning på investeringen på 150% i løpet av det første året. Og når det gjelder ROI, kan det bli kastet rundt noen ganske imponerende prosentandeler. Jeg mener de bør leses med forsiktighet. Beregningene er for eksempel ikke utformet for å ta markedsmessige eller økonomiske forhold i betraktning. Problemet jeg hadde, var at det ikke ga mening å presentere en prosentvis avkastning i en offentlig virksomhet – offentlige virksomheter bruker vanligvis penger. Jeg ønsket imidlertid å inkludere ROI i diskusjonen, så det jeg gjorde, var å gjøre den operasjonell.

Som en kort bakgrunn for opplæringstiltaket foreslo vi å gi ansatte en viss mengde tid som de kunne bruke hvert år til opplæring på arbeidsplassen, enten det dreide seg om kollegabasert læring, jobbrotasjon, muligheter til å fungere i en høyere stilling eller lignende. I forslaget sto lederne derfor fritt til å tilby opplæringsmuligheter som svarte til de ansattes behov. Noen kunne for eksempel velge opplæring i Excel, i å skrive møtereferater, i å utforme retningslinjer eller i en rekke andre oppgaver. Fellesnevneren var tid, så det jeg gjorde, var å presentere ROI som en beregning av når man gikk i null, uttrykt i tid. I forslaget la vi frem at ansatte kunne få tilgang til én ukes opplæring, og at det vi trengte for å gå i null på denne opplæringen, var at de ansatte skulle fullføre det på 44 uker som de tidligere hadde fullført på 46 (de 44 ukene representerte ett års arbeid, når man tok hensyn til ferie, offentlige helligdager osv.). I praksis måtte de ansatte forbedre seg til et punkt der de kunne fullføre mer arbeid innenfor den samme tidsperioden.

Som jeg nevnte ovenfor, fungerte denne tilnærmingen svært godt. De involverte kunne forstå måleenheten vi brukte – tid – og ta en informert beslutning om hvorvidt førstelinjeledere kunne tilby opplæring som ville ha denne graden av innvirkning.
Vanligvis ser beregningen av avkastningen på investeringen i opplæring slik ut:

U = (N)(T)(dt)(SDy) –C

Noe mange egentlig ikke forholder seg til eller kjenner seg igjen i, og når jeg begynner å snakke om standardnormalfordelingskurver, vel, da forlater folk rommet. Det viktige var imidlertid ikke beregningen, men snarere presentasjonen av nullpunktet. For at dette skulle innebære svært lave kostnader for organisasjonen, måtte de ansatte fullføre to ekstra ukers arbeid i løpet av et arbeidsår. HR-direktører og lederne deres kan forholde seg til det; det gir mening.

Jeg ble svært oppmuntret av tilbakemeldingene jeg fikk, og kommer til å bruke denne tilnærmingen igjen i fremtiden. Selv om dette innlegget ikke er ment som en veiledning, håper jeg det kan gi dem som er interessert i ROI innenfor opplæring, et innblikk i hvordan ROI kan utformes for å få større gjennomslag enn det kanskje har hatt tidligere.

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: