HR-dataanalyse: Slik bruker du HR-dataene dine effektivt

Slik samler du inn data

La oss først gå gjennom det grunnleggende. Jeg skal ikke bruke for lang tid på dette, bortsett fra å si at du bør velge HR-programvare med rapportering i tankene. HR-dataanalyse blir mer effektiv med robuste HRMS-funksjoner for håndtering av store informasjonsmengder.

Se etter HR-programvare med tilpassbar rapportering, sanntidsanalyse og datadrevet innsikt for å forbedre beslutningstakingen. Vurder også avansert prediktiv analyse, sammenligning med bransjestandarder og integrasjon med eksterne verktøy for forretningsanalyse for å få dypere innsikt.

Bruk av skybasert HR-programvare kan også forenkle HR-dataanalysen ved å sentralisere all relevant informasjon på én plattform som er tilgjengelig overalt (dette er én av mange fordeler med skybasert HR-programvare).

Slik presenterer du data på en meningsfull måte

Det er så mye data vi kan samle inn, men la oss begynne med den mest grunnleggende målingen – antall ansatte. Det er nyttig å oppgi hvor mange personer det er i organisasjonen hver måned.

428

Men kanskje det er mer relevant å vise om tallet har gått opp eller ned siden forrige måned/kvartal/år:

382, 418, 420, 428….

Men vent litt, en graf er vel bedre her?

På det mest grunnleggende nivået ser vi altså her en trendlinje som viser at antall ansatte øker.

Vi har et par måneder der antallet vokste raskere, og én måned der antall ansatte gikk ned.  

Hvorfor?

La oss legge til antall nyansatte og ansatte som slutter hver måned. Det vil gi oss et bedre bilde.

Vi kan altså se en topp der, men det er ikke tydelig å sammenligne 15 og 400 på samme akse, så la oss justere igjen.

Ved å endre nyansatte og ansatte som slutter til et stolpediagram, sammenligne dem side om side hver måned og flytte dem til aksen på høyre side, har vi gjort dette visuelt enkelt å forstå.

Antall ansatte øker, men ansettelsene har vært ujevne fra måned til måned, og september og mai skiller seg ut. Kan vi forklare dette i teksten vår?

Vi må også tydeliggjøre at grafen vår har to vertikale akser, og gjøre tittelen tydeligere.

Så hva annet kan vi se, eller hva trenger vi ellers å se i dette diagrammet? Det ser ut til at flere har sluttet de siste månedene, men virksomheten har også vokst, så det er kanskje forventet. Hvis vi legger til avgangsrate i grafen, får vi et tydeligere bilde.

Aha! Nå har vi laget en omfattende samling av personaldata om denne gruppen arbeidstakere, og vi har vist i én grafikk at ansettelsene varierer kraftig, antall ansatte øker, avgangsraten stiger, og antallet som slutter øker.

Med begrenset tekst kan vi «snakke» med interessenter om det som skjer i organisasjonen, og forhåpentligvis utløse handling.

Dette er et godt eksempel på hvordan vi, ved å bygge opp de grunnleggende datasettene (antall ansatte, nyansettelser, avganger, turnover) som vi snakket om tidligere, kan vise trender og utføre grunnleggende analyser ved hjelp av enkle verktøy (du kan laste ned disse arkene her).

Ved å se på dataene dine i sin enkleste form og stille deg selv spørsmålet «Hva er historien jeg prøver å fortelle her?», kan du utvikle stikkord til deg selv, leke deg med utformingen av diagrammene og lage visuelt slagkraftige budskap til interessentene dine.

Datavisualisering er en viktig del av HR-dataanalyse. Moderne programvareløsninger for HR leveres ofte med innebygde analysepaneler som kan gjøre denne oppgaven enklere.

Du kan til og med leke deg med verktøy som ChatGPT for å få hjelp med analysen. Hvis vi for eksempel tar diagrammet ovenfor og bare sier hva vi ser, kan vi be ChatGPT om å gjøre det kortfattet.

«Antall ansatte har økt fra 320 til 428 i løpet av de siste 12 månedene. 2 måneder (september og oktober) hadde det høyeste antallet nyansettelser, med henholdsvis 63 og 28. November hadde det høyeste antallet avganger, med 20, og turnoveren har økt fra 27 % til 36 % gjennom året.»

Som du kan se, kan du ved å legge inn hovedpunktene i et verktøy som ChatGPT raskt generere en kortfattet versjon av kommentaren din på kortere tid enn det ville tatt å skrive den om selv, og interessentene dine vil bli imponert (her finner du noen nyttige ChatGPT-stikkord for HR som kan hjelpe).

Når vi først snakker om det, kan vi ta oss tid til å tenke på interessentene våre og utforske dette eksempelet litt nærmere.

It starts with one signal.

Each week, AI Signal takes one meaningful shift in AI and helps people leaders understand what changed, why it matters, and what to consider next.

Get Free Access

Have an account? Log In

Bygg personaer for dataene dine

Hvis vi fortsetter med eksempelet ovenfor, hvilke ytterligere data kan vi legge til for å forklare hva som skjer?

Et åpenbart eksempel ville være typen, plasseringen og demografien til rollene som er besatt, særlig i toppene (f.eks. kan dette være et årlig opptak av nyutdannede?).

Det andre åpenbare området er hvem som slutter (roller, plassering, demografi), hva som er grunnene til at de slutter, om disse har endret seg over tid, og om de samsvarer med det folk hører på bakken? 

Lønn oppgis for eksempel ofte som en motivasjon for å slutte, men å måle dette gjennom avganger er et etterslepende mål (f.eks. lenge etter hendelsen), ettersom personene allerede har sett etter en annen rolle, funnet en, sagt opp og jobbet ut oppsigelsestiden.

Hvis du ser at etterslepende mål fremheves, må vi derfor finne måter å innhente mer sanntidsdata gjennom dine metoder for å lytte til medarbeiderne.

Nå begynner det å bli litt mer omfattende og komplisert, så vi må tenke nøye gjennom ikke bare dataene, men også samtalen vi prøver å sette i gang, og målgruppen vår. Det er her det blir relevant å bruke interne personaer.

Personaer brukes ofte av markedsføringsteam for å tegne et bilde av mål kundene deres når de utvikler markedsføringskampanjer. De blir ganske kompliserte, men her skal vi bruke dem på en enkel måte.

Jeg skal vise deg noen eksempler på personaer som har fungert for meg tidligere, hvilke antakelser du kan gjøre om denne gruppen, og deretter hvilke data de sannsynligvis ønsker å motta, samt hvordan de bør sendes.

Eksempler på interne personaer

Persona: ledergruppen

Denne gruppen har begrenset med tid og trenger å forstå den langsiktige betydningen av det personelldataene våre forteller oss om organisasjonens helse og fremdrift mot viktige strategiske mål.

De er også ledere for et team eller en funksjon, så de trenger også et høyt detaljnivå om dette.

Om	Tilpasninger
Travle	- Ikke stol på selvbetjente data; legg dem inn i en presentasjon og send den med en oppfølging. Sett av tid til å kommentere og forklare - Vær kortfattet i det du presenterer ved å sørge for at alt du tar med, er relevant, og hold det så kort som mulig.
Opptatt av økonomi og et overordnet, helhetlig syn på organisasjonen	- Fokuser på måltallene som er knyttet til økonomien - Hvordan henger måltallene sammen med bredere strategiske mål? F.eks. prøver dere å vokse? Prøver dere å redusere antallet lederroller?
Data- og forretningskyndige	- De er vant til at kompleks informasjon presenteres på en god måte, så bruk mer tid på dette
Trenger et detaljert bilde av funksjonen sin	- Detaljert fremstilling av funksjonen deres, inkludert nyansettelser, avganger, turnover, kontrollspenn, hierarkinivåer, mangfold, læring, engasjement, demografi og medarbeiderrelasjoner - Gi informasjon som er tilpasset funksjonen deres, helst med resten av organisasjonen som referanse

Persona: ledere

Ledere trenger å være bredt informert om organisasjonen for å få kontekst om teamene og rollen sin (altså mye lett tilgjengelig data på overordnet nivå).

De skal ta imot nye medarbeidere i selskapet og intervjue aktuelle kandidater, så de trenger å kjenne til det grunnleggende og litt mer – nok til å kunne begynne å fortelle en historie.

Om	Tilpasninger
Gruppen varierer på tvers av ulike lokasjoner, team og ansienitetsnivåer	- Trenger solide data på overordnet nivå som er lett tilgjengelige- Må vite hvor de finner mer spesifikke data om team, lokasjoner osv. - Gi noe informasjon, men du kan også basere deg på selvbetjening for dem som leter etter spesifikk informasjon
Trenger å være informert	- Mindre fokus på å fortelle dem hva som må endres på organisasjonsnivå, men gi dem fortsatt informasjonen de trenger for å trekke egne slutninger
Trenger å veilede intervjuer og introduksjon	- De trenger å vite hvem vi er – morsomme fakta om organisasjonen, for eksempel demografi (se nedenfor)

Persona for medarbeidere

I likhet med ledere trenger de en bred oversikt, men sannsynligvis med mindre detaljgrad.

Om	Tilpasninger
Gruppen varierer på tvers av ulike lokasjoner, team og ansienitetsnivåer.	- Trenger solide data på overordnet nivå som er lett tilgjengelige  - Gi noe informasjon, men du kan også basere deg på selvbetjening for dem som leter etter spesifikk informasjon
Trenger å veilede intervjuer og introduksjon.	De trenger å vite hvem vi er – morsomme fakta om organisasjonen din

Personaer for menneskelige ressurser

HR-teamet ditt trenger annen informasjon enn medarbeider- og ledergruppen, ettersom de utvikler strategier og forklarer historien.

Virksomheten ønsker for eksempel kanskje å vite gjennomsnittlig antall jobbsøknader per ledige stilling, eller det totale antallet søknader i en bestemt måned, mens rekrutteringsteamet ditt trenger å se disse dataene per stilling. De vil også gjerne se ufullstendige søknader og besøk på karrieresiden, slik at de effektivt kan håndtere trakten av søkere.

Deretter kan de se på ting som den overordnede effektiviteten til rekrutteringsmarkedsføringen eller de enkelte stillingsbeskrivelsene for å se om de trenger å gjøre noen justeringer.

Om	Tilpasning
HR-ledere og analytikere	- Trenger tilgang til de riktige dataene for å kunne trekke konklusjoner og utvikle innsikt
HR-forretningspartnere	- Trenger tilgang til data som er spesifikke for rollen eller klientgruppen deres

Jeg har erfart at det er svært nyttig å lage personaer for å tydeliggjøre hvorfor vi deler bestemte data, og hva formålet med dem er.

Disse fire enkle personeksemplene ovenfor viser at vi, basert på det samme kjernedatasettet, kan presentere de samme dataene med passende kommentarer, oppfordringer til handling og ulike detaljnivåer.

Hvis vi bruker eksempelet vårt med avgang, nyansettelser, fratrådte medarbeidere og antall ansatte fra tidligere, vil denne informasjonen være mest relevant for den øverste ledergruppen (både for hele selskapet og for funksjonene deres), ledere (for hele selskapet, men vis dem hvor de kan hente informasjon selv om teamene sine når det er relevant) og HR (tilgang til selvbetjening etter rolletype). 

Ved å bruke personaene på denne måten får du reell verdi ut av dem, samtidig som du sparer mye tid og arbeid.

Hvis du tar de 40 KPI-ene vi så på tidligere, kan du koble dem til personaene – her er et raskt eksempel fra delen om rekrutteringsmåltall i den artikkelen:

Navn på KPI	EMT	Ledere	Medarbeidere	HR
Hvor mange personer ansetter dere, og på hvilken lokasjon/i hvilken lederavdeling?	Ja for selskapet og funksjonen Ja for den spesifikke organisasjonen de leder, samt eventuell tilleggsinformasjon hvis du har den	Ja for selskapet og funksjonen	Ja for selskapet	Talentanskaffelse: alle detaljene Forretningspartnere: alle detaljene for funksjonen deres Resten: Ja for selskapet og funksjonen
Hvor lang tid bruker dere på å ansette noen i bestemte roller?	Ja for relevante roller knyttet til strategiske mål i organisasjonen Ja for tallet på overordnet nivå	Nei, men legg til rette for selvbetjening	Nei	Ja for forretningspartnere og talentanskaffelse

Ved å gjøre dette bygger du opp en enkel database over hvem som trenger hva, og hvorfor. Jeg ville også tatt vare på beregningsmetoden, datakilden, visualiseringen og den underliggende revisjonsprosessen for hver av disse, slik at du har alt samlet på ett lett tilgjengelig sted.

La oss ha det litt gøy

Jeg vil gå nærmere inn på et annet eksempel her som er relevant for alle virksomhetene deres, og også for personer utenfor dem – hvordan viser vi demografien i selskapet vårt? 

Når jeg forteller en historie om en virksomhet, har jeg alltid opplevd at det folk synes er mest interessant, er «hvem vi er», og det mest «minneverdige» faktumet jeg har funnet, var antallet nasjonaliteter i et selskap.

La oss derfor ta noen enkle eksempler.

• Kjønn
• Nasjonalitet
• Alder
• Ansiennitet

La oss anta at vi har dataene om dette (alle dataene som vises her, er for øvrig oppdiktet).

• Kjønn. 45 % menn, 55 % kvinner
• Nasjonaliteter. (13 totalt) Topp 3: britiske 59 %, franske 12 %, italienske 8 %
• Alder. (Gjennomsnitt 34): <30 42 %, 31–40 28 %, 41–50 27 %, 51+3 %
• Ansiennitet. <1 år 26 %, 1–2 24 %, 2–3 22 %, 3–4 12 % 4–5 6 %, 5+ 10 %

Alt er tydelig, men ikke særlig engasjerende, eller hva?

Ved å bruke fire diagrammer fra Google Sheets eller Slidesgo (begge er gratis) kan du i løpet av noen minutter forvandle en liste med tall til noe som engasjerer og forteller en historie om organisasjonen din.

Denne typen visualiseringer kan brukes for en annen målgruppe – personer utenfor virksomheten din – og publiseres på nettstedet ditt og andre eksterne kanaler for å vise frem organisasjonen din til omverdenen.

De kan også brukes internt og deles inn etter land/funksjon/avdeling for å gi verdifull innsikt internt.

Bilder og diagrammer er enkle å lage på denne måten og krever ikke mye erfaring. Du må egentlig bare prøve deg frem, og det finnes hundrevis av gratis videoer på YouTube eller demonstrasjoner på nettet som viser hvordan du gjør det.

Ved å utnytte mulighetene i HR-informasjonssystemer på denne måten for dataanalyse kan du forbedre beslutningstaking og strategisk planlegging.

Ved å bruke dataene dine på denne måten engasjerer du brukerne dine og får tilbakemeldingene du trenger for å gå videre til neste steg.

HR-måltall og kunstig intelligens

Kunstig intelligens (AI) bidrar til å tolke HR-måltall ved å oppdage mønstre eller trender raskere enn mennesker kan. AI kan for eksempel forutsi om en ansatt kan komme til å slutte i virksomheten, eller foreslå måter å forbedre rekrutteringsprosessene på. Ved å bruke AI kan HR-team ta bedre beslutninger som forbedrer medarbeidertilfredsheten og virksomhetens resultater.

Her er noen eksempler på hvordan AI kan brukes til HR-analyse:

• Forutsi medarbeideravgang: AI kan analysere mønstre i ansattes atferd, for eksempel tilfredshetsskårer eller fravær, for å forutsi hvem som kan komme til å slutte i virksomheten.
• Forbedre rekrutteringen: AI-verktøy kan raskt gå gjennom CV-er og rangere kandidater basert på kvalifikasjoner, slik at ansettelsesprosessen blir raskere og mer presis.
• Analyse av medarbeiderengasjement: AI kan analysere undersøkelser, e-poster eller chatdata for å oppdage de ansattes holdninger og gi innsikt i hvordan arbeidsmiljøet kan forbedres.
• Oppfølging av prestasjoner: AI kan overvåke prestasjonsmåltall, for eksempel hvor stor andel av prosjekter som fullføres, for å fremheve de beste og identifisere dem som kan trenge støtte.
• Innsikt i mangfold og inkludering: AI kan hjelpe HR-team med å analysere trender innen ansettelser og forfremmelser for å sikre at mangfoldsmålene nås og at skjevheter begrenses.
• Anbefalinger for læring og utvikling: AI kan foreslå personaliserte opplæringsprogrammer for ansatte basert på ferdighetene og karrieremålene deres.
• Prognoser for fravær: AI kan forutsi mønstre i ansattes fravær og foreslå løsninger for å redusere utfordringer knyttet til fravær.
• Kompensasjonsanalyse: AI kan hjelpe HR-team med å gjennomgå lønnsstrukturer for å sikre rettferdighet og konkurransedyktighet i markedet.

Mange HR-systemer på virksomhetsnivå bruker AI-drevet analyse for å hente ut handlingsrettet innsikt fra HR-data.

Viktigste punkter

På tvers av de to artiklene har vi altså gått gjennom hvordan vi kan:

• Revidere og registrere dataene våre på en effektiv måte
• Bruke målgrupper for å identifisere hvem som trenger å se hva
• Ta tall og bruke enkle eller mer avanserte visuelle fremstillinger for å forenkle dataene våre
• Prøve nye ting med visualiseringene våre for å gjøre dem mer engasjerende, blant annet ved å bruke gratis nettressurser
• Identifisere bestemte viktige deler av dataene som de fleste eller alle trenger å se, selv om de er litt forskjellig oppdelt
• Identifisere grunnleggende trender i viktige data.

Du er nå i en svært god posisjon til å begynne å være konsekvent i det du forteller målgruppen din. Når du kommer til et punkt der du kan:

• Beregn de fleste av de 40 viktigste målingene
• Gjør avgang, antall ansatte, nyansettelser og fratredelser om til visuelle fremstillinger, og bryt dem ned for hver relevante gruppe
• Del viktige demografiske data visuelt for hver persona
• Distribuer denne informasjonen regelmessig (månedlig eller kvartalsvis, avhengig av behovene dine)
• Bygg en interaktiv HR-database/et regneark for målingene dine, metodikken deres og hvem de deles med.

Du forteller virksomheten din en interessant historie og stiller hver persona et annet sett med spørsmål som de får anledning til å gi deg tilbakemelding på.

Selv om du har komplekse problemer og spørsmål, er det riktig å begynne med det grunnleggende og bygge jevnt videre derfra. Måned for måned kan du legge til nye datadeler og nye diagrammer for å fortelle en stadig rikere historie.

De samme prinsippene gjelder hvis du har en rekke verktøy og systemer som produserer rapporter for deg. Ta deg tid til å sørge for at beregningene er konsekvente og forståelige, og at det grunnleggende deles med de riktige personene på en konsekvent måte.

Det viktigste poenget er at når du først bestemmer deg for å begynne med målinger og analyse, kan du komme langt raskt uten å være dataekspert, og du får grunnlaget for mer avansert personalanalyse i fremtiden.

Verktøyene finnes der ute; du må bare kombinere fagkompetansen din om hva dataene betyr, med forretningsforståelsen din for å finne ut hvordan de kan hjelpe.

Dette vil hjelpe deg med å finne den riktige måten å dele informasjonen på, så lettfattelig som mulig, og du vil utvilsomt ha det gøy underveis og helt sikkert lære mer om virksomheten din.

Her er litt videre lesning som kan hjelpe deg på datareisen:

• Hva er personalanalyse? En innføringsguide
• De beste konferansene om personalanalyse
• 29 HR-KPI-er som hjelper deg med å nå strategiske mål
• Målingene du bør følge for å forbedre strategien din for talentforvaltning
• De 15 beste sertifiseringene innen HR-analyse
• De 10 beste programvarene for personalanalyse av arbeidsstyrken
• Utløs kraften i HR-dashbord: Viktige personalanalytiske målinger du bør følge
• De 10 beste programvarene for HR-analyse av handlingsrettede arbeidsstyrkedata
• De 10 beste programvarene for forretningsintelligens til dataanalyse