People analytics to wykorzystanie danych o ludziach do analizowania problemów HR i biznesowych oraz wspierania decyzji. Nie chodzi tylko o zbieranie wskaźników i tworzenie raportów. Dane powinny pomagać zrozumieć konkretne zjawisko, zauważyć zależności i lepiej ocenić sytuację. W zależności od analizowanego problemu mogą to być dane dotyczące pracowników, kandydatów, zatrudnienia lub procesów HR.
Co oznacza people analytics?
People analytics łączy dane o ludziach z pytaniami dotyczącymi funkcjonowania organizacji. Punktem wyjścia może być na przykład wzrost rotacji, wydłużenie rekrutacji albo różnica między wynikami poszczególnych zespołów.
Samo posiadanie danych nie jest jednak jeszcze analizą. Znaczenie pojawia się wtedy, gdy informacje są wykorzystywane do zrozumienia konkretnego problemu i jego kontekstu. People analytics nie jest więc nazwą jednego raportu, wskaźnika ani systemu. To sposób wykorzystania danych w HR i zarządzaniu organizacją.
Czy HR analytics i workforce analytics oznaczają to samo?
W praktyce określenia people analytics, HR analytics i workforce analytics bywają używane zamiennie. Nie istnieje jedna uniwersalna granica między tymi pojęciami.
Niektóre organizacje rozdzielają ich zakres. HR analytics może wtedy odnosić się przede wszystkim do procesów kadrowych. Workforce analytics może dotyczyć danych związanych ze strukturą i planowaniem zatrudnienia. People analytics bywa natomiast używane jako szersze określenie analizy danych dotyczących ludzi w organizacji. Takie rozróżnienie nie jest jednak stosowane wszędzie. Dlatego ważniejsze od samej nazwy jest ustalenie, jakie dane są analizowane i jaki problem mają pomóc zrozumieć.
Czym analiza różni się od metryk i raportowania?
Metryki, raporty i people analytics są ze sobą powiązane, ale pełnią inne funkcje.
| Pojęcie | Co pokazuje? | Przykład |
|---|---|---|
| Metryka | konkretną wartość | średni czas rekrutacji |
| Raport | uporządkowane dane i wskaźniki | zestawienie czasu rekrutacji według stanowisk |
| People analytics | dane w kontekście określonego problemu | analiza, z czym wiąże się wzrost czasu rekrutacji |
Metryka może pokazać, co się wydarzyło. Raport pozwala uporządkować dane i zobaczyć różnice. Analiza pomaga natomiast ustalić, co mogą oznaczać te różnice i jakie pytania warto sprawdzić dalej. Sam dashboard zawierający wiele wskaźników nie oznacza więc jeszcze prowadzenia people analytics.
Jakie dane można wykorzystać w analizie HR?
Zakres danych zależy od problemu.
Mogą to być informacje dotyczące między innymi:
- kandydatów,
- zatrudnienia,
- absencji,
- zmian stanowisk,
- rozwoju kompetencji,
- retencji,
- wynagrodzeń,
- wyników ankiet,
- przebiegu procesów HR.
Dane mogą pochodzić z różnych systemów i źródeł. Nie oznacza to jednak, że każda dostępna informacja powinna zostać wykorzystana. Więcej danych nie daje automatycznie lepszej odpowiedzi. Znaczenie ma ich jakość, porównywalność oraz związek z analizowanym problemem.
Czy zależność w danych oznacza przyczynę?
Jeżeli dwa zjawiska występują razem, nie oznacza to jeszcze, że jedno powoduje drugie. Firma może na przykład zauważyć, że w zespołach z większą liczbą szkoleń występuje niższa rotacja. Nie można jednak na tej podstawie automatycznie stwierdzić, że to właśnie szkolenia spowodowały mniejszą liczbę odejść.
Znaczenie mogą mieć także inne czynniki. Na przykład sposób zarządzania, charakter pracy, wynagrodzenie czy sytuacja na rynku. Dane mogą więc wskazać zależność lub obszar wymagający dalszego sprawdzenia. Nie każda korelacja jest dowodem związku przyczynowego.
Czy bardziej zaawansowana analiza zawsze jest lepsza?
Wartość analizy nie zależy wyłącznie od stopnia jej skomplikowania. W niektórych sytuacjach wystarczy dobrze przygotowane zestawienie danych opisujące zmianę w konkretnym obszarze. W innych potrzebna będzie bardziej pogłębiona analiza lub model wykorzystujący większą liczbę zmiennych.
Metoda powinna wynikać z pytania. Bardziej zaawansowany model nie daje automatycznie bardziej użytecznej odpowiedzi tylko dlatego, że wykorzystuje więcej danych lub bardziej złożone obliczenia. Najważniejsze jest to, czy analiza rzeczywiście pomaga lepiej zrozumieć problem.
Gdzie wykorzystuje się people analytics?
People analytics może wspierać różne obszary zarządzania ludźmi. Może dotyczyć między innymi rekrutacji, retencji, absencji, rozwoju kompetencji, mobilności wewnętrznej czy planowania zatrudnienia.
Każdy z tych obszarów wymaga jednak innych danych i może odpowiadać na inne pytania. People analytics nie jest więc gotowym zestawem wskaźników, który wygląda tak samo w każdej organizacji. Zakres analizy wynika z problemu, który firma chce zrozumieć.
Jak people analytics może wspierać rekrutację?
Rekrutacja generuje wiele danych, które można wykorzystać do analizy. Mogą to być informacje dotyczące liczby kandydatów, źródeł aplikacji, czasu procesu, jego etapów czy wyników poszczególnych rekrutacji. Same wartości nie wyjaśniają jednak przyczyn obserwowanych zmian. Jeżeli czas rekrutacji rośnie, analiza może pomóc sprawdzić, czy problem dotyczy wszystkich procesów, określonych stanowisk lub konkretnej części rekrutacji.
Podobnie dane o liczbie kandydatów mogą być analizowane razem z informacją o źródłach aplikacji i przebiegu procesu. People analytics może więc korzystać z metryk rekrutacyjnych oraz danych z lejka rekrutacyjnego, ale nie jest z nimi tożsame. Metryki pokazują konkretne wartości. Lejek opisuje przepływ kandydatów między etapami. People analytics wykorzystuje takie informacje w szerszej analizie problemu.
Jak AI Power Recruiter wspiera analizę danych rekrutacyjnych?
AI Power Recruiter pozwala porządkować dane z prowadzonych rekrutacji w raportach i pulpitach analitycznych. Użytkownik może wybierać pola, stosować filtry i porównywać wyniki procesów.
Dzięki temu łatwiej analizować między innymi czas rekrutacji, koszty, źródła kandydatów czy skuteczność prowadzonych działań. W kontekście people analytics AI Power Recruiter wspiera więc analizę danych dotyczących rekrutacji. Pozwala spojrzeć na pojedyncze wskaźniki w szerszym kontekście i wykorzystywać je przy podejmowaniu decyzji dotyczących procesu.
Czy więcej danych oznacza lepszą analizę?
Można mierzyć dziesiątki wskaźników i nadal nie wiedzieć, co z nich wynika. Większa liczba danych może nawet utrudniać analizę, jeśli informacje nie odpowiadają na właściwe pytanie albo nie są ze sobą porównywalne. Dlatego punktem wyjścia powinno być określenie problemu. Dopiero później warto ustalić, jakie dane rzeczywiście pomagają go zrozumieć. W people analytics najważniejsze nie jest więc to, ile danych posiada organizacja, lecz czy potrafi właściwie wykorzystać je do analizy konkretnego problemu.