Czy projekt analityczny w HR musi być trudny i skomplikowany? Kiedy rozmawiam z moimi znajomy z obszaru HR na temat analityki, często pojawia się wątpliwość dotycząca tego, jak w ogóle podejść do temu. Od czego zacząć? Jak zrobić pierwszy krok? Szczególnie często obawa ta pojawia się kiedy rozmawiamy o analizach bardziej zaawansowanych. Takich, które wykraczają poza raportowanie i tabele przestawne i dotyczą analiz korelacyjnych czy predykcyjnych. Tymczasem sprawa wcale nie jest tak skomplikowana, na jaką może wyglądać. Konieczne jest jednak metodyczne podejście, pozwalające przeprowadzić takie analizy krok po kroku.
Pomyślałem więc, że napiszę krótki tekst, w którym przybliżę Wam model postępowania o tajemniczym akronimie ARHAT. Model, dość dobrze znany poza granicami naszego kraju, jednak u nas, wciąż mało popularny. Przejście poszczególnych kroków tego modelu, bez wątpienia pozwoli Wam w sposób bezstresowy i metodyczny przeprowadzić analizy na danych HR w Waszych firmach. Zatem zacznijmy krok po kroku. Jeżeli wolicie posłuchać to nagrałem również film w tym temacie, który znajdziesz TUTAJ. 🙂
1. Ask qestions – Zadaj pytania
Jak to bywa w życiu i biznesie, poszukiwanie odpowiedzi zaczyna się przeważnie od zadania dobrych pytań. Nie analizujmy rotacji czy absencji, bądź innych danych HR ponieważ wszyscy tak robią i jest to trend w branży. Zastanówmy się raczej co nas interesuje, biorąc pod uwagę potrzeby naszej organizacji, a w szczególności dwóch głównych grup interesariuszy: TOP- menedżerów oraz pracowników. Musimy być tutaj szczególnie blisko biznesu oraz naszych pracowników.
Mnie na tym etapie pomaga również myślenie krytyczne i świadome kwestionowanie założeń, które mam w głowie, szczególnie tych, na temat przydatności wdrożonych już w firmie rozwiązań HR.
Poniżej kilka pytań, które szczególnie lubię:
- Dlaczego ten problem nas w ogóle interesuje? Czy rzeczywiście jest ważny?
- Czy wdrożone rozwiązanie daje firmie wystarczające korzyści?
- Jak zjawisko X wpływa na efektywność pracowników? A jak, na ich zadowolenie?
- Co by się stało, gdybyśmy całkowicie pozbyli się tego rozwiązania/procesu?
Pamiętajmy również, aby zadając pytania na start, skonsultować je ze sponsorami projektu analitycznego. Jeśli dla nich nie będą one istotne to nie pomogą nawet najfajniejsze analizy…, cały wysiłek i tak pójdzie na marne.
2. Review the literature – Zrób przegląd literatury
W kroku drugim warto zrobić przegląd dostępnej już literatury. Powodów jest kilka. Przytoczę tutaj dwa kluczowe z mojej perspektywy. Po pierwsze, nie warto wyważać otwartych drzwi. Czy tego chcemy, czy nie, większość tematów HRowych została już jakoś opisana i zbadana. Jest więc duża szansa, że literatura naukowa i branżowa da nam dobry punkt startu do naszych analiz. Po drugie, moim zdaniem w analityce HR, lepiej przyjąć podejście konfirmacyjne, czyli testować na danych modele, które tworzymy na podstawie naszej znajomości ludzkich zachowań oraz organizacji. Przeciwieństwem jest tutaj podejście eksploracyjne, czyli takie, które nie zakłada na starcie modelu teoretycznego. Działamy wtedy za zasadzie „zobaczmy co jest w danych, może uda się znaleźć coś wartościowego”.
Więcej na temat wykorzystania teorii i badań w działaniach HR, pisałem w tekście: Teoria – najpraktyczniejsze narzędzie HRowca i trenera
3. Hypothesis formulation – formułowanie hipotez
Zanim zabierzemy się do analiz, formułujemy hipotezy. Oczywiście powstają one na bazie tego, czego dowiedzieliśmy się w kroku pierwszym oraz drugim. Naukowe podejście do tematu mówi, że powinniśmy zawsze sformułować dwa rodzaje hipotez. Pierwszym jest tak zwana hipoteza zerowa, a drugim hipoteza alternatywna.
Hipoteza zerowa, często oznaczana jako H0, zakłada, że w naszych danych nie ma żadnego efektu, że nic się nie dzieje. Hipoteza alternatywna (H1) natomiast, opisuje efekt, którego spodziewamy się w naszych danych. Obliczenia, które będziemy dalej prowadzić służą temu, aby na ich zakończenie odrzucić jedną z nich i przyjąć drugą.
Zobaczmy na praktyczny przykład. Załóżmy, że chcemy zbadać związek zadowolenie pracowników z prawdopodobieństwem odejścia z pracy. Możemy więc założyć, że im ktoś jest bardziej zadowolony, tym mniejsze jest jego ryzyko odejścia. Przykładowa hipoteza zerowa, będzie zakładała brak takiej relacji:
H0: Nie ma związku pomiędzy satysfakcją z pracy a prawdopodobieństwem odejścia pracownika.
Hipoteza alternatywna będzie oczywiście przeciwieństwem:
H1: Istnieje związek pomiędzy satysfakcją z pracy a prawdopodobieństwem odejścia pracownika.
Aby ułatwić sobie życie, warto sformułować nasze hipotezy bardziej szczegółowo, wskazując kierunek zależności, którego się spodziewamy:
H1: Wraz ze wzrostem satysfakcji z pracy spada prawdopodobieństwo odejścia pracownika.
Tak sformułowaną hipotezę można już z łatwością poddać testom.
Hipoteza zerowa na początku może Wam się wydawać czymś zbędnym i niepotrzebnym. W jakim celu ją formułować, skoro zakłada, że nic się nie dzieje. Jest ona jednak podstawą naukowego weryfikowania hipotez, które zakłada w swojej pierwotnej postaci falsyfikację hipotez (ich obalanie), a nie ich potwierdzanie. Mamy więc zawsze dwie opcje H0 i H1. Prowadzimy analizy aby „obalić” H1. Kiedy nam się to udaje, uznajemy, że rzeczywistość jest bliższa H0 i stwierdzamy brak efektu. Kiedy jednak dane nie pozwalają na odrzucenie H0, pozostajemy przy H1 i uznajemy, że wykryliśmy interesujący nas efekt.
4. Analyze data – analizowanie danych
W etapie czwartym naszego projektu analitycznego analizujemy dane. Możemy do tego użyć bardzo wielu technik. Zanim się za to zabierzemy, kluczowe jest również to, abyśmy wpierw zebrali nasze dane w odpowiedni sposób.
Ale co w praktyce oznacza zebranie ich w odpowiedni sposób?
Musimy zadbać przynajmniej o kilka kwestii:
- Dane muszą być zebrane przy użyciu rzetelnych i trafnych narzędzi: często będą to wskaźniki HR, dane z systemów lub zaprojektowane specjalnie na nasz użytek narzędzia badawcze;
- Dane powinny być zebrane na odpowiedniej skali (odpowiednim poziomie), którego wymagają nasze techniki analizy (więcej na ten temat znajdziecie w moim filmie: 📈 W jaki sposób zbierać dane w dziale HR, aby robić to dobrze…?📈 )
- Dane muszą być odpowiednio przygotowane do analizy: błędy, brakujące informacje czy przypadki odstające mogą zniszczyć Wasze analizy. Poradzenie sobie z nimi wcale nie jest trudne. Wystarczy odrobina wiedzy i cierpliwości. Szczegóły omówię w przyszłości w innych publikacjach.
Kiedy zbierzemy i przygotujemy dane, zabieramy się do analiz. Mamy tutaj do dyspozycji bardzo wiele technik analizy danych, które nadają się świetnie do świata HR. Wymienię tylko kilka najważniejszych wraz z ich typowymi zastosowaniami:
- Średnia, mediana, miary zmienności – służą do opisu naszych danych, świetnie nadają się do raportowania
- Analizy korelacji – pokazują zależności w danych, pozwalają odkrywać powiązania
- Analiza regresji – pozwala przewidywać jedne zmienne np. wyniki sprzedaży, na podstawie innych zmiennych np. kompetencji
- Testy różnić – pozwalają na porównywanie ze sobą różnych grup, np. oddziałów firmy
- Analiza czynnikowa, analiza skupień – pozwala na grupowanie ze sobą danych oraz osób badanych
Oczywiście istnieje jeszcze wiele innych, bardziej zaawansowanych technik, jednak kluczowe jest to, aby dobrać narzędzie analityczne do Waszych potrzeb. Czasem nawet prosta technika daje nam bardzo ciekawe wnioski, które mają wartość dla HR i sponsorów projektu. Przykłady ciekawych zastosowań prostych analiz HR znajdziecie moim filmie: Analityka HR nie musi być skomplikowana i trudna! – video.
5. Tell the story – opowiedz historię
Na zakończenie naszego projektu analitycznego należy odpowiednio zaprezentować dane i wyniki. Etap ten, nie przez przypadek nazywa się „opowiadaniem historii”. Chodzi bowiem o to, abyśmy pokazali nasze wnioski w sposób interesujący dla odbiorcy. W końcu odpowiednio przedstawiona historia, bazująca na danych, jest dużo bardziej przekonująca dla odbiorców niż suche wyniki analiz.
Analizując dane i poznając coraz bardziej wyrafinowane metody analityczne, nie możemy oczywiście zapominać o użyteczności wniosków dla naszych odbiorców. Zwłaszcza, jeśli prezentujemy dane do zarządu, który najczęściej składa się z ludzi nie cierpiących na nadmiar czasu.
O prezentacji danych i przekładaniu ich na historie można pisać bez końca, dlatego pozwolę sobie rozwinąć ten wątek w innych tekstach i filmach bardziej szczegółowo. W tych okolicznościach chciałbym Wam jednak polecić doskonałą książkę na ten temat: Storytelling danych. Poradnik wizualizacji danych dla profesjonalistów. Znajdziecie w niej naprawdę sporo inspiracji dotyczących tego jak zrealizować ostatni etap projektu analitycznego w HR.
Podsumowanie
Jak widzicie, analiz HR nie trzeba się bać. Warto podejść do nich w sposób systematyczny. Działając metodycznie, łatwiej będzie Wam osiągnąć sukces w swoich pierwszych projektach analitycznych. Myślę, że kroki modelu ARHAT są dobrym drogowskazem zarówno dla osób startujących w temacie jak i dla tych bardziej zaawansowanych. Powodzenia!