HR-dataanalys: Så använder du dina HR-data effektivt

Så samlar du in data

Först går vi igenom grunderna. Jag ska inte uppehålla mig alltför länge vid detta, förutom att säga att du bör välja din HR-programvara med rapportering i åtanke. HR-dataanalys blir effektivare med robusta HRMS-funktioner för att hantera stora informationsmängder.

Leta efter HR-programvara med anpassningsbar rapportering, realtidsanalys och datadrivna insikter för att förbättra beslutsfattandet. Överväg även avancerad prediktiv analys, jämförelser med branschstandarder och integration med externa verktyg för business intelligence för djupare insikter.

Att använda molnbaserad HR-programvara kan också förenkla HR-dataanalysen genom att centralisera all relevant information på en plattform som kan nås var som helst (detta är en av många fördelar med molnbaserad HR-programvara).

Presentera data på ett meningsfullt sätt

Det finns så mycket data vi kan samla in, men låt oss börja med det mest grundläggande mätvärdet – antalet anställda. Det är användbart att ange hur många personer som finns i organisationen varje månad.

428

Men det kanske är mer relevant att visa om antalet har ökat eller minskat jämfört med förra månaden/kvartalet/året:

382, 418, 420, 428….

Men vänta, en graf är bättre här, eller hur?

Här har vi alltså på den mest grundläggande nivån en trendlinje som visar att antalet anställda ökar.

Vi har ett par månader då antalet ökade snabbare och en månad då antalet anställda minskade.  

Varför?

Låt oss lägga till antalet nyanställningar och avgångar per månad, så får vi en tydligare bild.

Vi kan alltså se en topp där, men att jämföra 15 och 400 på samma axel är inte tydligt, så låt oss justera igen.

Genom att ändra nyanställningar och avgångar till ett stapeldiagram, jämföra dem sida vid sida varje månad och flytta dem till den högra axeln har vi gjort detta visuellt enkelt att förstå.

Antalet anställda ökar, men antalet nyanställningar har varierat från månad till månad, där september och maj sticker ut. Kan vi förklara det i vår beskrivning?

Vi behöver också göra det tydligare att vår graf har två vertikala axlar och dessutom förtydliga titeln.

Vad mer kan vi se, eller vad mer behöver vi se i det här diagrammet? Det ser ut som att fler personer har slutat under de senaste månaderna, men verksamheten har också vuxit, så det kanske är förväntat. Om vi lägger till personalomsättningen i grafen får vi en tydligare bild.

Aha! Nu har vi skapat en omfattande samling av personaldata om den här gruppen medarbetare, och vi har visat i en enda grafik att nyanställningarna varierar kraftigt, antalet anställda ökar, personalomsättningen stiger och antalet avgångar ökar.

Med begränsad text kan vi ”prata” med intressenter om vad som händer i organisationen och förhoppningsvis få dem att agera.

Det här är ett bra exempel på hur vi, genom att bygga de grundläggande datauppsättningarna (antal anställda, nyanställningar, avgångar, personalomsättning) som vi talade om tidigare, kan visa trender och utföra grundläggande analyser med hjälp av enkla verktyg (du kan ladda ner dessa kalkylblad här).

Genom att titta på dina data i sin enklaste form och ställa dig själv frågan ”Vilken berättelse försöker jag förmedla här?”, kan du ta fram uppslag åt dig själv, experimentera med diagrammens layout och skapa visuellt slagkraftiga budskap för dina intressenter.

Datavisualisering är en viktig del av HR-dataanalys. Moderna HR-programvarulösningar levereras ofta med inbyggda analyspaneler som kan göra den här uppgiften enklare.

Du kan även experimentera med verktyg som ChatGPT för att få hjälp med din analys. Om vi till exempel tar diagrammet ovan och bara beskriver det vi ser, kan vi be ChatGPT att göra beskrivningen kortfattad.

”Antalet anställda har ökat från 320 till 428 under de senaste 12 månaderna. Under 2 månader (september och oktober) var antalet nyanställningar högst, med 63 respektive 28. I november var antalet avgångar högst, med 20, och personalomsättningen har ökat från 27 % till 36 % under året.”

Som du kan se kan du genom att snabbt mata in nyckelpunkterna i ett verktyg som ChatGPT generera en kortfattad version av din kommentar på kortare tid än det hade tagit att skriva om den själv, och dina intressenter kommer att bli imponerade (här finns några användbara ChatGPT-uppmaningar för HR som kan vara till hjälp).

När vi ändå är inne på det, låt oss ta en stund och tänka på våra intressenter och utveckla det här exemplet lite mer.

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.

Create Free Account

Have an account? Log In

Skapa målgruppsprofiler för dina data

Om vi fortsätter med exemplet ovan, vilka ytterligare data kan vi lägga till för att förklara vad som händer?

Ett uppenbart exempel skulle vara typen, platsen och demografin för de roller som har tillsatts, särskilt under topparna (t.ex. kan detta vara en årlig rekrytering av nyutexaminerade?).

Det andra uppenbara området är vilka som slutar (roller, plats och demografi), vilka skäl de har till att sluta och om dessa har förändrats över tid, samt om de stämmer överens med det som människor hör ute i organisationen? 

Exempelvis anges lön ofta som ett skäl till att sluta, men att mäta detta genom avgångar är ett eftersläpande mått (dvs. långt efter händelsen), eftersom personerna redan har sökt en annan roll, hittat en, sagt upp sig och arbetat under uppsägningstiden.

Om du alltså ser att eftersläpande mått lyfts fram behöver vi hitta sätt att få fram mer realtidsbaserade data genom dina metoder för att lyssna på medarbetarna.

Nu börjar det bli lite mer djupgående och komplicerat, så vi behöver tänka noga – inte bara på data utan också på det samtal vi försöker få till stånd och vår målgrupp. Det är här användningen av interna målgruppsprofiler kommer in i bilden.

Målgruppsprofiler används ofta av marknadsföringsteam för att skapa en bild av deras målkunder när de utformar marknadsföringskampanjer. De blir ganska komplicerade, men här använder vi dem på ett enkelt sätt.

Jag ska visa dig några exempel på målgruppsprofiler som har fungerat för mig tidigare, vilka antaganden du kan göra om den gruppen och sedan vilka data de sannolikt vill ta emot samt på vilket sätt de bör skickas.

Exempel på interna målgruppsprofiler

Målgruppsprofil: företagsledningen

Den här gruppen har begränsat med tid och behöver förstå den långsiktiga betydelsen av vad våra medarbetardata berättar om organisationens hälsa och framsteg mot viktiga strategiska mål.

De är också chefer för ett team eller en funktion och behöver därför även en hög detaljnivå om detta.

Om	Anpassningar
Upptagna	- Förlita dig inte på självbetjäningsdata, lägg in den i en presentation och skicka den med en uppföljning. Ta dig tid att ge kommentarer och förklara - Var kortfattad i det du presenterar genom att se till att allt du tar med är relevant och hålla det så kort som möjligt.
Fokuserade på ekonomi och en övergripande, bred bild av organisationen	- Fokusera på mätvärden som är kopplade till ekonomin - Hur hänger mätvärdena ihop med bredare strategiska mål? Exempelvis: försöker ni växa? Försöker ni minska antalet chefsroller?
Datakunniga och affärsorienterade	- De är vana vid komplex information som presenteras på ett bra sätt, så lägg mer tid på detta
Behöver en detaljerad bild av sin funktion	- Detaljerad representation av deras funktion, inklusive nyanställningar, avgångar, personalomsättning, chefsspann, hierarkiska nivåer, mångfald, lärande, engagemang, demografi och medarbetarrelationer - Tillhandahåll information som är anpassad till deras funktion, helst med resten av organisationen som jämförelse

Målgruppsprofil: chefer

Chefer behöver vara väl informerade om organisationen för att få sammanhang kring sina team och sin roll (alltså mycket lättillgänglig data på hög nivå).

De kommer att introducera nya medarbetare i företaget och intervjua potentiella medarbetare, så de behöver känna till grunderna och lite mer – tillräckligt för att kunna börja berätta en historia.

Om	Anpassningar
Gruppen varierar när det gäller olika platser, team och senioritetsnivåer	- Behöver gedigen data på hög nivå som är lättillgänglig- Behöver veta var de hittar mer specifik data om team, platser osv. - Ge viss information, men du kan också förlita dig på självbetjäning för dem som söker specifik information
Behöver vara informerade	- Mindre fokus på att berätta för dem vad som behöver förändras på organisationsnivå, men ge dem fortfarande informationen de behöver för att dra egna slutsatser
Behöver vägleda intervjuer och introduktion	- De behöver veta vilka vi är – de roliga fakta om organisationen, till exempel demografi (se nedan)

Medarbetarpersona

Liknar chefer genom att de behöver en bred överblick, men sannolikt med mindre detaljer.

Om	Anpassningar
Gruppen varierar när det gäller olika platser, team och senioritetsnivåer.	- Behöver gedigen, lättillgänglig data på hög nivå  - Ge viss information, men du kan också förlita dig på självbetjäning för dem som söker specifik information
Behöver vägleda intervjuer och introduktion.	De behöver veta vilka vi är – de roliga fakta om er organisation

Personas för personalavdelningen

Ditt HR-team behöver annan information än medarbetar- och chefsgruppen, eftersom de utvecklar strategier och förklarar helheten.

Företaget kanske till exempel vill veta det genomsnittliga antalet jobbansökningar per ledig tjänst eller det totala antalet ansökningar under en viss månad, men ditt team för talanganskaffning behöver se dessa data per tjänst och vill också se ofullständiga ansökningar och besök på karriärsidan, så att de effektivt kan hantera ansökningstratten.

De kan sedan titta på den övergripande effektiviteten i rekryteringsmarknadsföringen eller på de specifika arbetsbeskrivningarna för att se om de behöver göra några justeringar.

Om	Anpassning
HR-chefer och analytiker	- Behöver tillgång till lämpliga data för att kunna dra slutsatser och utveckla insikter
HR-partners	- Behöver tillgång till data som är specifika för deras roll eller klientgrupp

Jag har upptäckt att det är mycket användbart att skapa personas för att tydliggöra varför vi delar viss data och vilket syftet med den är.

Dessa fyra enkla personaexempel ovan visar att vi kan tillhandahålla samma data från samma grundläggande datamängd, tillsammans med lämpliga kommentarer, uppmaningar till handling och olika detaljnivåer.

Med vårt tidigare exempel med personalomsättning, nyanställningar, avgångar och personalstyrka skulle denna information vara mest relevant för den verkställande ledningsgruppen (både för hela företaget och för deras funktioner), chefer (för hela företaget, men visa dem var de kan hitta information om sina team själva, om det är tillämpligt) och HR (tillgång till självbetjäning efter rolltyp). 

Genom att använda personas på det här sättet får du verkligt värde av dem, och det sparar mycket tid och arbete.

Om du tar de 40 KPI:er vi tittade på tidigare kan du koppla dem till personas – här är ett snabbt exempel från delen om rekryteringsmått i den artikeln:

KPI-namn	EMT	Chefer	Medarbetare	HR
Hur många personer anställer ni och på vilken plats/i vilken ledningsavdelning?	Ja för företaget och funktionen Ja för den specifika organisation de leder och all ytterligare information om ni har den	Ja för företaget och funktionen	Ja för företaget	Talanganskaffning: alla detaljer HR-partners: alla detaljer för deras funktion Övriga: Ja för företaget och funktionen
Hur lång tid tar det för er att anställa någon till specifika roller?	Ja för relevanta roller kopplade till strategiska mål i organisationen Ja för siffran på hög nivå	Nej, men möjliggör självbetjäning	Nej	Ja för HR-partners och talanganskaffning

Genom att göra detta bygger du upp en enkel databas över vem som behöver vad och varför. Jag skulle också spara beräkningsmetod, datakälla, visualisering och den underliggande granskningsprocessen för vart och ett av dessa, så att du har allt på en enda lättillgänglig plats.

Lite skoj

Jag vill gå igenom ytterligare ett exempel här som är relevant för alla era företag och även för personer utanför dem – hur visar vi vår företagsdemografi? 

När jag berättar en historia om ett företag har jag alltid tyckt att det människor tycker är mest intressant är ”vilka vi är”, och den ”mest minnesvärda” fakta jag har hittat var antalet nationaliteter på ett företag.

Så låt oss ta några enkla exempel.

• Kön
• Nationalitet
• Ålder
• Anställningstid

Vi antar att vi har uppgifterna om detta (alla uppgifter som visas här är för övrigt påhittade).

• Kön. 45 % män, 55 % kvinnor
• Nationaliteter. (13 totalt) Topp 3: brittiska 59 %, franska 12 %, italienska 8 %
• Ålder. (Genomsnitt 34): <30 42 %, 31–40 28 %, 41–50 27 %, 51+3 %
• Anställningstid. <1 år 26 %, 1–2 24 %, 2–3 22 %, 3–4 12 % 4–5 6 %, 5+ 10 %

Allt tydligt, men inte särskilt engagerande, eller hur?

Genom att använda fyra diagram från Google Sheets eller Slidesgo (båda kostnadsfria) kan du på några minuter omvandla en lista med siffror till något som engagerar och berättar en historia om din organisation.

Den här typen av visualiseringar kan användas för en annan målgrupp – personer utanför företaget – och publiceras på din webbplats och andra externa kanaler för att visa upp din organisation för omvärlden.

De kan också användas internt och delas upp efter land/funktion/avdelning för att ge djupgående insikter internt.

Bilder och diagram är enkla att ta fram på det här sättet och kräver inte mycket erfarenhet. Du behöver egentligen bara prova dig fram, och det finns hundratals kostnadsfria Youtube-videor eller demonstrationer på webben som visar hur man gör.

Genom att använda HR-informationssystemens funktioner på det här sättet för dataanalys kan du förbättra beslutsfattandet och den strategiska planeringen.

Genom att använda dina uppgifter på det här sättet engagerar du användarna och får den återkoppling du behöver för att gå vidare till nästa steg.

HR-mätetal och AI

Artificiell intelligens (AI) hjälper till att tolka HR-mätetal genom att upptäcka mönster eller trender snabbare än människor kan. AI kan till exempel förutsäga om en anställd kan komma att lämna företaget eller föreslå sätt att förbättra rekryteringsprocesserna. Genom att använda AI kan HR-team fatta bättre beslut som förbättrar medarbetarnas nöjdhet och företagets framgång.

Här är några exempel på hur AI kan användas för HR-analys:

• Förutsäga personalomsättning: AI kan analysera mönster i medarbetares beteende, till exempel resultat från undersökningar om arbetstillfredsställelse eller frånvaro, för att förutsäga vilka som kan komma att lämna företaget.
• Förbättra rekryteringen: AI-verktyg kan snabbt gå igenom meritförteckningar och rangordna kandidater utifrån kvalifikationer, vilket gör rekryteringsprocessen snabbare och mer träffsäker.
• Analys av medarbetarengagemang: AI kan analysera enkäter, e-post eller chattdata för att upptäcka medarbetarnas inställning och ge insikter om hur arbetsplatsens stämning kan förbättras.
• Uppföljning av prestationer: AI kan övervaka prestationsmätetal, till exempel andelen slutförda projekt, för att lyfta fram högpresterande medarbetare och identifiera dem som kan behöva stöd.
• Insikter om mångfald och inkludering: AI kan hjälpa HR-team att analysera trender inom rekrytering och befordran för att säkerställa att mångfaldsmålen uppnås och att partiskhet minimeras.
• Rekommendationer för lärande och utveckling: AI kan föreslå individanpassade utbildningsprogram för medarbetare utifrån deras färdigheter och karriärmål.
• Prognoser för frånvaro: AI kan förutsäga mönster i medarbetares frånvaro och föreslå lösningar för att minska problem med ledighet.
• Löneanalys: AI kan hjälpa HR-team att granska lönestrukturer för att säkerställa rättvisa och konkurrenskraft på marknaden.

Många HR-system för större företag använder AI-drivna analyser för att ta fram användbara insikter från HR-data.

Viktiga slutsatser

Så här har vi i de två artiklarna gått igenom hur man kan:

• Granska och dokumentera våra uppgifter effektivt
• Använda målgrupper för att identifiera vem som behöver se vad
• Ta siffror och använda enkla eller mer avancerade visuella representationer för att förenkla våra uppgifter
• Testa nya saker med våra visualiseringar för att göra dem mer engagerande, bland annat genom att använda kostnadsfria webbresurser
• Identifiera vissa viktiga delar av informationen som de flesta eller alla behöver se, även om den presenteras på ett något annorlunda sätt
• Identifiera grundläggande trender i viktiga uppgifter.

Du har nu ett mycket bra utgångsläge för att vara konsekvent med det du kommunicerar till din målgrupp. När du har kommit till den punkt där du kan:

• Beräkna de flesta av de 40 viktigaste nyckeltalen
• Gör personalomsättning, antal anställda, nyanställningar och avgångar visuella och dela upp dem efter varje relevant grupp
• Presentera viktig demografisk information visuellt för varje målgrupp
• Distribuera denna information regelbundet (månadsvis eller kvartalsvis beroende på dina behov)
• Bygg en interaktiv HR-databas/ett kalkylblad för dina nyckeltal, deras metodik och vilka de delas med.

Du berättar en intressant historia för verksamheten och ställer olika uppsättningar frågor till varje målgrupp, som får möjlighet att ge dig återkoppling.

Även om du har komplexa problem och frågor är det rätt väg att börja med grunderna och sedan bygga vidare steg för steg. Månad för månad kan du lägga till nya datadelar och nya diagram för att berätta en allt mer innehållsrik historia.

Samma principer gäller om du har en mängd verktyg och system som producerar rapporter åt dig. Ta dig tid att se till att beräkningarna är konsekventa och förståeliga och att grunderna delas med rätt målgrupper på ett konsekvent sätt.

Det viktigaste att ta med sig är att du, när du väl bestämmer dig för att börja arbeta med nyckeltal och analys, snabbt kan komma långt utan att vara dataexpert, samtidigt som du får grunden för mer avancerad personaldataanalys i framtiden.

Verktygen finns där ute, du behöver bara kombinera din ämneskompetens om vad uppgifterna innebär med din affärsförståelse för att ta reda på hur de kan hjälpa dig.

Det hjälper dig att hitta rätt sätt att dela informationen på ett så lättillgängligt sätt som möjligt, och du kommer utan tvekan att ha roligt på vägen och definitivt lära dig mer om din verksamhet.

Här är ytterligare läsning som kan hjälpa dig på din dataresa:

• Vad är personaldataanalys? En introduktionsguide
• De bästa konferenserna om personaldataanalys
• 29 HR-nyckeltal som hjälper dig att nå strategiska mål
• Nyckeltalen du bör följa för att förbättra din strategi för talanghantering
• De 15 bästa certifieringarna inom HR-analys
• De 10 bästa programmen för personaldataanalys för personalstyrkeanalys
• Frigör kraften i HR-instrumentpaneler: viktiga personalanalysmått att följa
• De 10 bästa HR-analysprogrammen för användbara personaldata
• De 10 bästa programmen för beslutsstöd för dataanalys