İK Verileri Analizi: İK Verilerinizi Etkili Bir Şekilde Nasıl Kullanabilirsiniz?

Son 20 yıldır hızla büyüyen teknoloji şirketleriyle çalışarak etkili ve ölçeklenebilir ekipler kurmalarına yardımcı oluyorum. Bu süre boyunca ekiplerim ve ben, karar alma süreçlerine yön vermek için çalışan verilerimize büyük ölçüde güvendik.

Burada, geçen sefer ele aldığımız İK verilerinizin ve metriklerinizin temellerini oluşturma ve bu metrikleri destekleyecek açık, denetlenebilir süreçlere sahip olmanızı sağlama konusunu geliştireceğiz.

Bu metrikleri nasıl ele aldığımızı, kurumsal sağlık hakkında sonuçlara ulaşmak ve liderlerin harekete geçmesini sağlamak için nasıl kullandığımızı tartışacağız.

Veriler Nasıl Toplanır?

Öncelikle temel konuları gözden geçirelim. Burada fazla zaman harcamayacağım; yalnızca raporlama özelliklerine sahip İK yazılımınızı seçerken bu konuyu göz önünde bulundurmanız gerektiğini söylemekle yetineceğim. Büyük miktarda bilgiyi işlemek için güçlü HRMS özellikleri kullanıldığında İK veri analizi daha etkili olur.

Karar alma süreçlerini iyileştirmek için özelleştirilebilir raporlama, gerçek zamanlı analiz ve veriye dayalı içgörüler sunan İK yazılımlarını tercih edin. Ayrıca daha derin içgörüler elde etmek için gelişmiş tahmine dayalı analizleri, sektör standartlarıyla karşılaştırmayı ve harici iş zekâsı araçlarıyla entegrasyonu da değerlendirin.

Bulut İK yazılımı kullanmak da ilgili tüm bilgileri her yerden erişilebilen tek bir platformda merkezileştirerek İK veri analizini kolaylaştırabilir (bu, bulut İK yazılımının birçok avantajından biridir).

Verileri Anlamlı Bir Şekilde Sunma

Toplayabileceğimiz çok fazla veri var; ancak en temel metrikle, çalışan sayısıyla başlayalım. Kurumdaki kişi sayısını aylık olarak vermek faydalıdır.

428

Ancak bunun geçen aya/çeyreğe/yıla göre artıp azaldığını göstermek daha anlamlı olabilir:

382, 418, 420, 428….

Ama bir dakika, burada grafik daha iyi olur, değil mi?

Burada, en temel düzeyde, çalışan sayısının arttığını gösteren bir trend çizgimiz var.

Çalışan sayısının daha hızlı arttığı birkaç ay ve azaldığı bir ay var.  

Neden?

Aylık işe başlayan ve işten ayrılan çalışan sayılarını ekleyelim; bu bize daha iyi bir tablo sunacaktır.

Burada bir tepe noktası görebiliyoruz; ancak aynı eksende 15 ile 400'ü karşılaştırmak anlaşılır değil, bu nedenle grafiği tekrar düzenleyelim.

İşe başlayan ve işten ayrılan çalışanları çubuk grafik hâline getirerek, her ay bunları yan yana karşılaştırarak ve sağ eksene taşıyarak görsel olarak anlaşılması kolay bir grafik oluşturduk.

Çalışan sayısı artıyor; ancak işe alımlar aydan aya tutarsız seyrediyor ve Eylül ile Mayıs ayları istisna oluşturuyor. Bunu anlatımımızda açıklayabilir miyiz?

Grafiğimizde 2 dikey eksen bulunduğunu daha açık hâle getirmemiz ve başlığı da netleştirmemiz gerekiyor.

Peki bu grafikten başka ne görebiliriz veya başka neleri görmemiz gerekiyor? Bana, son aylarda işten ayrılanların sayısı artmış gibi görünüyor; ancak işletme de büyümüş, dolayısıyla bu beklenen bir durum olabilir. Grafiğe çalışan devir oranını eklersek daha net bir tablo göreceğiz.

İşte! Şimdi bu çalışan grubu hakkında zengin bir çalışan verileri koleksiyonu oluşturduk ve tek bir grafikte işe alımların dalgalı olduğunu, çalışan sayısının arttığını, çalışan devir oranının yükseldiğini ve işten ayrılanların sayısının arttığını gösterdik.

Sınırlı bir metinle, organizasyonda neler olup bittiği hakkında paydaşlarla “konuşabilir” ve umarız bazı eylemlerde bulunmalarını sağlayabiliriz.

Daha önce bahsettiğimiz temel veri kümelerini (çalışan sayısı, işe alımlar, ayrılanlar, çalışan devir oranı) oluşturarak basit araçları kullanıp eğilimleri nasıl gösterebileceğimize ve temel analizler gerçekleştirebileceğimize dair iyi bir örnektir (bu sayfaları buradan indirebilirsiniz).

Verilerinize en basit hâliyle bakıp kendinize “Burada anlatmaya çalıştığım hikâye ne?” sorusunu sorarak kendiniz için yönlendirici sorular geliştirebilir, grafiklerin düzeniyle oynayabilir ve paydaşlarınız için görsel açıdan etkili mesajlar oluşturabilirsiniz.

Veri görselleştirme, İK veri analizinin temel bir parçasıdır. Modern İK yazılımı çözümleri genellikle bu görevi kolaylaştırabilecek yerleşik analiz panolarıyla birlikte gelir.

Analizinizde size yardımcı olması için ChatGPT gibi araçlarla da denemeler yapabilirsiniz. Örneğin, yukarıdaki grafiği ele alıp yalnızca gördüklerimizi söylersek, ChatGPT'den bunu özlü hâle getirmesini isteyebiliriz.

“Çalışan sayısı son 12 ayda 320'den 428'e yükseldi; 2 ayda (Eylül ve Ekim) sırasıyla 63 ve 28 ile en yüksek işe alım sayısına ulaşıldı, Kasım ayında 20 kişiyle en yüksek ayrılma sayısı görüldü ve çalışan devir oranı yıl boyunca %27'den %36'ya yükseldi.”

Gördüğünüz gibi, temel noktaları ChatGPT gibi bir araca hızlıca girerek yorumunuzun özlü bir versiyonunu, bunu kendiniz yeniden yazmanızın alacağından daha kısa sürede oluşturabilirsiniz; paydaşlarınız da bundan etkilenecektir (yardımcı olması için burada bazı İK için ChatGPT yönlendirmeleri bulabilirsiniz).

Hazır bundan söz etmişken, paydaşlarımızı düşünmek ve bu örneği biraz daha ayrıntılı şekilde geliştirmek için bir an duralım.

Verileriniz İçin Personalar Oluşturma

Yukarıdaki örnekle devam edersek, neler olduğunu açıklamak için hangi ek verileri ekleyebiliriz?

Açık bir örnek, özellikle artışların görüldüğü dönemlerde işe alınan pozisyonların türü/konumu/demografik özellikleri olabilir (örneğin bu, yıllık yeni mezun alımı olabilir mi?).

Diğer açık alan ise kimlerin ayrıldığı (pozisyonlar/konum/demografik özellikler), ayrılma nedenlerinin ne olduğu ve zaman içinde değişip değişmedikleri, ayrıca bunların sahada çalışanların duyduklarıyla örtüşüp örtüşmediğidir. 

Örneğin ücret, ayrılma motivasyonu olarak sıklıkla belirtilir; ancak bunu ayrılan çalışanlar üzerinden ölçmek gecikmeli bir ölçümdür (örneğin olaydan çok sonra elde edilir), çünkü kişiler zaten başka bir pozisyon aramış, bulmuş, istifa etmiş ve ihbar sürelerini tamamlamıştır.

Dolayısıyla gecikmeli ölçümlerin öne çıktığını görüyorsanız, çalışanları dinleme yöntemleriniz aracılığıyla daha gerçek zamanlı veriler elde etmenin yollarını bulmamız gerekir.

Artık konu biraz daha derinleşmeye ve karmaşıklaşmaya başlıyor; bu nedenle yalnızca veriler hakkında değil, aynı zamanda başlatmaya çalıştığımız konuşma ve hedef kitlemiz hakkında da dikkatlice düşünmemiz gerekiyor. İşte bu noktada kurum içi personalardan yararlanmak devreye giriyor.

Personalardan, pazarlama ekipleri tarafından pazarlama kampanyaları oluştururken hedef müşterilerinin bir portresini çizmek için sıklıkla yararlanılır. Oldukça karmaşık hâle gelebilirler; ancak burada basit bir kullanım söz konusu.

Geçmişte benim için işe yarayan personalardan birkaç örnek, bu grup hakkında yapabileceğiniz varsayımlar, ardından onların almak isteyeceği veriler ve bu verilerin gönderilme biçimi üzerinde duracağım.

Kurum içi persona örnekleri

Üst Yönetim Ekibi personası

Bu grubun zamanı sınırlıdır ve çalışan verilerimizin bize organizasyonun sağlığı ve temel stratejik hedeflere yönelik ilerleme hakkında anlattıklarının uzun vadeli etkisini anlaması gerekir.

Aynı zamanda bir ekibin/işlevin yöneticileridir; dolayısıyla bununla ilgili yüksek düzeyde ayrıntıya da ihtiyaç duyarlar.

Yönetici personası

Yöneticilerin, ekipleri ve rolleri hakkında bağlam sağlayabilmek için kuruluş hakkında geniş kapsamlı bilgi sahibi olmaları gerekir (bu nedenle çok miktarda üst düzey ve kolay erişilebilir veriye ihtiyaç vardır).

Şirkete yeni katılan çalışanların işe alım sürecini yürütecek ve adaylarla mülakat yapacaklar; bu nedenle temel bilgileri ve biraz daha fazlasını bilmeleri gerekir—bir hikâye anlatmaya başlayabilecek kadar.

Çalışan personası

Geniş bir genel bakışa ihtiyaç duymaları bakımından yöneticilere benzerler, ancak muhtemelen daha az ayrıntıya ihtiyaç duyarlar.

İnsan kaynakları personaları

İK ekibiniz, stratejiler geliştirdikleri ve hikâyeyi açıkladıkları için çalışan ve yönetici topluluklarından farklı bilgilere ihtiyaç duyar.

Örneğin işletme, açık pozisyon başına ortalama iş başvurusu sayısını veya belirli bir aydaki toplam başvuru sayısını bilmek isteyebilir; ancak yetenek kazanımı ekibinizin bu verileri iş bazında görmesi ve aday hunisini etkili bir şekilde yönetebilmek için tamamlanmamış başvuruları ve kariyer sitesine yapılan ziyaretleri de görmek istemesi gerekir.

Daha sonra genel işe alım pazarlaması etkinliği veya belirli iş tanımları gibi unsurları inceleyerek herhangi bir ayarlama yapmaları gerekip gerekmediğini görebilirler.

Belirli verileri neden paylaştığımızı ve bunun amacının ne olduğunu netleştirmek açısından personalar oluşturmayı son derece faydalı buldum.

Yukarıdaki bu dört basit persona örneği, aynı temel veri setinden uygun açıklamalar, eylem çağrıları ve farklı ayrıntı katmanlarıyla aynı verileri sağlayabileceğimizi gösteriyor.

Daha önce ele aldığımız çalışan kaybı, işe alımlar, ayrılanlar ve çalışan sayısı örneğini kullanırsak bu bilgiler; üst düzey yönetim ekibi (hem şirket genelinde hem de kendi işlevleri için), yöneticiler (şirket genelinde, ancak uygunsa ekipleriyle ilgili self servis verilerine nereden erişebileceklerini göstererek) ve İK (rol türüne göre self servis erişim) için en uygun olacaktır. 

Personalaları bu şekilde kullanarak onlardan gerçek değer elde eder ve büyük miktarda zaman ve emek tasarrufu sağlarsınız.

Daha önce incelediğimiz 40 KPI'ı ele alırsanız bunları personalarla eşleştirebilirsiniz—işte bu makalenin işe alım metrikleri bölümünden kısa bir örnek:

Bunu yaparak kimin neye ve neden ihtiyaç duyduğuna dair basit bir veri tabanı oluşturmuş olursunuz. Ayrıca bunların her biri için hesaplama yöntemini, veri kaynağını, görselleştirmeyi ve temel denetim sürecini de saklamanızı öneririm; böylece her şey tek ve kolay erişilebilir bir yerde bulunur.

Biraz Eğlenmek

Burada tüm işletmeleriniz ve hatta işletme dışındaki kişiler için de geçerli olan başka bir örneği ele almak istiyorum—şirketimizin demografik yapısını nasıl gösteririz? 

Bir işletme hakkında hikâye anlatırken, insanların en ilginç bulduğu şeyin her zaman “kim olduğumuz” olduğunu gördüm ve karşılaştığım en “akılda kalıcı” gerçeklerden biri de bir şirketteki farklı ulusların sayısıydı.

Öyleyse birkaç basit örnek ele alalım.

• Cinsiyet
• Milliyet
• Yaş
• Kıdem

Bu konuyla ilgili verilere sahip olduğumuzu varsayalım (bu arada burada gösterilen tüm veriler hayal ürünüdür).

• Cinsiyet. %45 erkek, %55 kadın
• Milliyetler. (Toplam 13) İlk 3: Britanyalı %59, Fransız %12, İtalyan %8
• Yaş. (Ortalama 34): <30 %42, 31-40 %28, 41-50 %27, 51+%3
• Kıdem. <1 yıl %26, 1-2 %24, 2-3 %22, 3-4 %12 4-5 %6, 5+ %10

Her şey açık, ancak pek ilgi çekici değil, öyle mi?

Google E-Tablolar veya Slidesgo'dan (ikisi de ücretsiz) alınan 4 grafiği kullanarak birkaç dakika içinde sayı listesini ilgi çekici ve kuruluşunuz hakkında bir hikâye anlatan bir şeye dönüştürebilirsiniz.

Bu tür görselleştirmeler başka bir persona, yani şirketinizin dışındaki kişiler için kullanılabilir ve kuruluşunuzu daha geniş dünyaya tanıtmak amacıyla web sitenizde ve dış kitlelere yönelik diğer kanallarda yayınlanabilir.

Ayrıca bunlar kurum içinde kullanılabilir ve kurum içinde zengin içgörüler sağlamak için ülke/fonksiyon/departman bazında ayrıştırılabilir.

Resimleri ve grafikleri bu şekilde hazırlamak kolaydır ve fazla deneyim gerektirmez; gerçekten yapmanız gereken yalnızca üzerinde biraz uğraşmaktır. Bunu nasıl yapacağınızı anlatan yüzlerce ücretsiz YouTube videosu veya web üzerinde demo bulunur.

Veri analizi için İK bilgi sistemi olanaklarından bu şekilde yararlanmak, karar alma ve stratejik planlamayı geliştirebilir.

Verilerinizi bu şekilde kullanmak, kullanıcılarınızın ilgisini çekecek ve bir sonraki adıma geçmek için ihtiyaç duyduğunuz geri bildirimleri almanızı sağlayacaktır.

İK Metrikleri ve Yapay Zekâ

Yapay zekâ (AI), insanların yapabileceğinden daha hızlı şekilde kalıpları veya eğilimleri belirleyerek İK metriklerini anlamlandırmaya yardımcı olur. Örneğin yapay zekâ, bir çalışanın şirketten ayrılma ihtimalini tahmin edebilir veya işe alım süreçlerini iyileştirme yolları önerebilir. İK ekipleri yapay zekâyı kullanarak çalışan memnuniyetini ve şirket başarısını artıran daha iyi kararlar alabilir.

Yapay zekânın İK analitiği için nasıl kullanılabileceğine dair bazı örnekler şunlardır:

• Çalışan devir oranını tahmin etme: Yapay zekâ, kimin şirketten ayrılabileceğini tahmin etmek için iş tatmini puanları veya devamsızlık gibi çalışan davranışlarındaki kalıpları analiz edebilir.
• İşe alımı iyileştirme: Yapay zekâ araçları özgeçmişleri hızlı bir şekilde tarayabilir ve adayları niteliklerine göre sıralayarak işe alım sürecini daha hızlı ve doğru hâle getirebilir.
• Çalışan bağlılığı analizi: Yapay zekâ, çalışanların duygularını tespit etmek ve iş yeri moralini iyileştirmeye yönelik içgörüler sunmak için anketleri, e-postaları veya sohbet verilerini analiz edebilir.
• Performans takibi: Yapay zekâ, en iyi performans gösteren çalışanları öne çıkarmak ve desteğe ihtiyaç duyabilecek kişileri belirlemek için proje tamamlanma oranları gibi performans metriklerini izleyebilir.
• Çeşitlilik ve kapsayıcılık içgörüleri: Yapay zekâ, çeşitlilik hedeflerine ulaşıldığından ve önyargının en aza indirildiğinden emin olmak için İK ekiplerinin işe alım ve terfi eğilimlerini analiz etmesine yardımcı olabilir.
• Öğrenme ve gelişim önerileri: Yapay zekâ, çalışanların becerilerine ve kariyer hedeflerine göre kişiselleştirilmiş eğitim programları önerebilir.
• Devamsızlık tahmini: Yapay zekâ, çalışan devamsızlığındaki kalıpları tahmin edebilir ve izin kullanımına ilişkin sorunları azaltmak için çözümler önerebilir.
• Ücretlendirme analizi: Yapay zekâ, adaleti ve piyasadaki rekabet gücünü güvence altına almak için İK ekiplerinin ücret yapılarını gözden geçirmesine yardımcı olabilir.

Birçok kurumsal düzeyde İK sistemi, İK verilerinden eyleme dönüştürülebilir içgörüler elde etmek için yapay zekâ destekli analitiği kullanır.

Önemli Çıkarımlar

İki makale boyunca şunları ele aldık:

• Verilerimizi etkili bir şekilde denetlemeyi ve kaydetmeyi
• Kimin neyi görmesi gerektiğini belirlemek için personaları kullanmayı
• Sayıları ele almayı ve verilerimizi basitleştirmek için basit veya daha gelişmiş görsel temsiller kullanmayı
• Ücretsiz web kaynaklarını kullanmak da dâhil olmak üzere görsellerimizi daha ilgi çekici hâle getirmek için yeni şeyler denemeyi
• Biraz farklı şekilde sunulsa bile çoğu kişinin veya herkesin görmesi gereken belirli önemli veri parçalarını belirlemeyi
• Temel verilerdeki başlıca eğilimleri belirlemeyi.

Artık kitlenize aktardıklarınızda tutarlı olmaya başlamak için gerçekten iyi bir konumdasınız. Şu noktaya geldiğinizde:

• 40 temel metriğin çoğunu hesaplayın
• Çalışan devir oranını, çalışan sayısını, işe alımları ve ayrılanları görselleştirin ve bunları ilgili her gruba göre ayrıştırın
• Her persona için temel demografik verileri görsel olarak paylaşın
• Bu bilgileri ihtiyaçlarınıza bağlı olarak düzenli şekilde (aylık veya üç aylık) dağıtın
• Metrikleriniz, bunların metodolojisi ve kimlerle paylaşıldıkları için etkileşimli bir İK veritabanı/elektronik tablo oluşturun.

İşletmenize ilgi çekici bir hikâye anlatıyor ve her personaya, geri bildirim verme fırsatına sahip oldukları farklı bir soru seti yöneltiyorsunuz.

Karmaşık sorunlarınız ve sorularınız olsa bile temel unsurlarla başlamak ve bunun üzerine istikrarlı bir şekilde inşa etmek doğru yaklaşımdır. Aydan aya yeni veri parçaları ve yeni grafikler ekleyerek giderek daha zengin bir hikâye anlatabilirsiniz.

Aynı ilkeler, sizin için raporlar üreten çok sayıda araç ve sisteminiz varsa da geçerlidir; hesaplamaların tutarlı ve anlaşılır olduğundan emin olmak ve temel bilgilerin doğru personalara tutarlı bir şekilde paylaşılmasını sağlamak için zaman ayırın.

Bundan çıkarılacak temel sonuç, metrikler ve analizle işe koyulmaya karar verdiğinizde, veri uzmanı olmadan da kısa sürede önemli ilerleme kaydedebileceğiniz ve gelecekte daha kapsamlı insan analitiği için bir temel oluşturabileceğinizdir.

Araçlar mevcut; yalnızca verilerin ne olduğu konusundaki konu uzmanlığınızı ve bunların nasıl yardımcı olabileceğini anlamak için iş zekânızı bir araya getirmeniz gerekiyor.

Bu, bilgileri mümkün olduğunca kolay anlaşılır bir şekilde paylaşmanın doğru yolunu bulmanıza yardımcı olacak; hiç şüphesiz bu süreçte eğlenecek ve kesinlikle işletmeniz hakkında daha fazla bilgi edineceksiniz.

Veri yolculuğunuzda size yardımcı olacak bazı ek okumalar:

• İnsan Analitiği Nedir: Giriş Rehberi
• En İyi İnsan Analitiği Konferansları
• Stratejik Hedeflerinize Ulaşmanıza Yardımcı Olacak 29 İK KPI'ı
• Yetenek Yönetimi Stratejinizi Geliştirmek İçin Takip Etmeniz Gereken Metrikler
• En İyi 15 İK Analitiği Sertifikası
• İş Gücü Analizi İçin En İyi 10 İnsan Analitiği Yazılımı
• İK Panolarının Gücünü Ortaya Çıkarmak: Takip Edilmesi Gereken Temel İnsan Analitiği Metrikleri
• Eyleme Geçirilebilir İş Gücü Verileri İçin En İyi 10 İK Analitiği Yazılımı
• Veri Analitiği İçin En İyi 10 İş Zekâsı Yazılımı