Henkilöstöhallinnolla on pitkä historia, ja se on kokenut valtavia muutoksia koko elinkaarensa ajan. Liikkeellä on monia väärinkäsityksiä, ja monilla ihmisillä on vanhentuneita näkökulmia HR:n luonteeseen sellaisena kuin se on nykyään.
Vaikka HR-analytiikka hyväksytään yhä enemmän erittäin vaikuttavana ja tärkeänä, se ymmärretään vielä laajemmin väärin, eikä sitä aina täysin hyväksytä HR:n olennaiseksi osaksi.
Mutta tietopohjaisen HR: n olennaisuuden ymmärtämättä jättäminen olisi vakava virhe, eikä hr-analytiikkaa pidä jättää huomiotta kenenkään, joka haluaa kilpailla eteenpäin. Tämä käytäntö liittyy suoraan tietoihin organisaation tai yrityksen sydämestä ja sielusta - sen ihmisistä - ja voi olla erittäin vaikutusvaltainen, kun se tehdään oikein.
Tämän alan maailmanlaajuisten markkinoiden odotetaan kasvavan 1,9 miljardista dollarista vuonna 2019 3,6 miljardiin dollariin vuoteen 2024 mennessä, mikä saa johtajat ja HR-osastot kehittämään tarkan käsityksen HR-analytiikasta ja käyttämään näitä oivalluksia järjestelmiensä ja menettelyjensä edistämiseen ja parantamiseen tällä alalla.
Käydään läpi kahdeksan yleisesti hyväksyttyä uskomusta HR-analytiikasta ja keskustellaan siitä, miksi nämä myytit eivät ole totta.
Kokeile Workant HR-ohjelmistoa ilmaiseksi - maksutietoja ei tarvita.
Myytti 1: Monimutkaiset lähestymistavat ja tekniikat ovat aina parempia kuin yksinkertaiset.
Monet uskovat, että mitä monimutkaisempia ja teknisempiä HR-analytiikkajärjestelmät tai -menetelmät ovat, sitä parempi.
Tämä ei voisi olla kauempana totuudesta. Datavetoisessa HR:ssä on kyse siitä, että tiedon tulva on mahdollisimman helppo ymmärtää. Jos monimutkaistat tätä prosessia liikaa, on vaikea ymmärtää havaintoja, paikantaa tärkeimmät tiedot ja sisällyttää ne arvokkailla tavoilla. Se voi myös olla kallista ja syödä tonnia aikaa ja energiaa.
Teknisesti kehittyneet prosessit voivat olla hyödyllisiä, mutta vain jos ne johtavat sinut kohti tuloksia, jotka syventävät ymmärrystäsi työvoimasta suhteessa yritykseesi.
Erinomainen dataohjattu analytiikka yhdistää erilaisia lähestymistapoja ja yhdistää strategisesti monimutkaiset tekniikat (kun ne ovat edullisia) kokeiltuihin ja todellisiin menetelmiin tuottaakseen oivalluksia, jotka voivat auttaa päätöksentekoa ja auttaa sinua parantamaan liiketoimintakäytäntöjä ja saavuttamaan suuremman menestyksen.
Myytti 2: HR-analytiikka voidaan "tehdä" tai "viimeistellä" ja se voi tarjota "pysyviä" tietoja tai ratkaisuja, joissa kyse on määränpäästä eikä matkasta.
Narratiivi, joka viittaa siihen, että HR-analytiikka on ohjelma, jolla on viimeinen voimassaolopäivä, on olemassa yritysmaailmassa. Jotkut olettavat, että kun löydät hyödyllistä tietoa työvoimastasi, voit sisällyttää sen HR-ohjelmiisi ja sitten "tehdä sen".
Mutta todellisuudessa HR-analytiikka on jatkuva, dynaaminen ja loputon käytäntö, joka ammentaa hyödyllisyytensä pitkäikäisyydestään. "Yksi ja tehty" -lähestymistapa on typerä lähestymistapa, koska työvoima, globaalit markkinat ja HR-ala muuttuvat jatkuvasti.
Tietopohjainen HR on todella jatkuvaa oppimista työntekijöistäsi ja organisaatiostasi, jotta voit jatkuvasti tehdä pitkäaikaisia, kestäviä ja loputtomasti kehittyviä muutoksia, jotka parantavat menettelyjä ja lisäävät yrityksesi menestymismahdollisuuksia.
Myytti 3: HR-analytiikka on välttämätöntä ja/tai hyödyllistä vain suurille yrityksille.
Vaikka tämä uskomus on ymmärrettävää, se on kaukana tarkasta. Vaikka suuret yritykset saattavat tarvita HR-analytiikkaa enemmän (koska niiden työvoima on suurempi, monimutkaisempi ja vaikeammin ymmärrettävä), pienten organisaatioiden tulisi ehdottomasti priorisoida tämä HR-osa.
Pk-yritykset, jotka kehittävät HR-analytiikkaohjelmiaan, nauttivat samoista eduista kuin suuret yritykset, jotka tekevät samoin, aina vaikeammin havaittavien suorituskyvyn trendien tunnistamisesta työntekijöiden hyvinvoinnin optimointiin ja myöhemmin korkeatasoisten työntekijöiden houkuttelemiseen.
Myytti 4: HR-analytiikka vanhentuu ja sillä on vain vähän tarjottavaa tekoälyyn perustuvassa liiketoiminnan tulevaisuudessa.
Aivan kuten ihmiset ajattelevat, että "robotit" - tai automatisoidut järjestelmät, joita ohjaavat ennakoivat ja älykkyydet - ohittavat useimmat työpaikat hr: n kaltaisilla aloilla, jotkut väittävät, että kun tekoäly saa vetovoimaa ja integroituu syvemmälle liiketoimintamaailmaan, HR-analytiikka poistetaan asteittain automatisoiduilla ohjelmilla.
Todellisuus on kuitenkin se, että HR kokonaisuudessaan ja HR-tietojen analysointi saavat syvempää tietoa tekoälyohjelmistoista ja integroituvat niihin.
Oraclen mukaan 47% yrityksistä sisällyttää tekoälypohjaiset ratkaisut HR-järjestelmiinsä vuoteen 2022 mennessä, kun taas tällaisia ratkaisuja käyttää jo yli 17% yrityksistä.
Tekoäly ei ole yksin. Se on integroitava harkitulla ja laskelmoidulla tavalla kunkin ainutlaatuisen HR-tiimin/yrityksen erityistarpeiden, tavoitteiden ja ominaisuuksien perusteella, jotta se toimisi hyödyllisenä työkaluna. Tekoälyn käytön määrittäminen, missä, milloin ja miten sitä käytetään, edellyttää vankkoja HR-analytiikkakäytäntöjä, eikä tekoäly voi menestyä HR:n alueella ilman dataan perustuvaa HR:ää.
Myytti 5: Jokainen HR-tietojen malli edustaa syy-yhteyttä.
Yleinen väärinkäsitys matematiikassa, data-analyysissä ja monissa muissa maailmoissa on, että korrelaatio = kausaatio. Kuten jokainen hyvä matemaatikko tietää, on tärkeää muistaa, että kaikki tulojen/lähtöjen mallit eivät edusta syy-seuraussuhdetta.
Ole varovainen, kun teet analytiikkapäätelmiäsi, ja testaa ja tarkista aina näennäisesti syy-seurausketjut välttääksesi virheitä päätöksenteossa.
Myytti 6: HR-analytiikkakehykset ovat välttämättä kalliita, vaikeasti asennettavia ja vaativat datatieteilijän.
Vaikka tämä kenttä voi saada aikaan suuria rahallisia investointeja ja monimutkaisia lähestymistapoja, HR-analytiikkajärjestelmät eivät ole luonnostaan kalliita, saavuttamattomia tai vaikeasti rakennettavia. Ja vaikka monet yritykset voivat hyötyä kokopäiväisen datatieteilijän tai asiantuntijatiimin palkkaamisesta, on muitakin reittejä kehittää onnistunut dataan perustuva lähestymistapa henkilöstöhallintoon.
Johtajina ja HR-ammattilaisina voit valita edullisen mutta tehokkaan ohjelmiston käyttöönoton, joka virtaviivaistaa analytiikkakäytäntöjäsi ja tarjoaa hyödyllistä tietoa HR-tiimeille, palkkaamalla konsultteja tiettyihin projekteihin tai aloitteisiin kokopäiväisten työntekijöiden sijaan tai ottamalla käyttöön yksinkertaistetun ja suoraviivaisen lähestymistavan, joka priorisoi muutaman kasvualueen kehystä rakennettaessa.
Käyttämällä kaikkia käytettävissäsi olevia työkaluja, tekniikoita ja resursseja voit välttää hullun suuren investoinnin tekemisen ja perustaa tai rakentaa HR-analytiikkajärjestelmääsi helpommin.
Myytti 7: Enemmän tietoa on aina parempi.
Tämä on yksi yleisimmistä hr-myytteistä ja yksi vahingollisimmista. HR-tiedoista on hyötyä vain, jos voimme, no, käyttää niitä. Ja liiallinen tieto tekee havainnoista vaikeampia nähdä, vaikeampia ekstrapoloida ja paljon haastavampia hyödyntää ja sisällyttää.
Liian paljon HR-dataa voi olla mahdotonta hallita ja halvaannuttaa HR-tiimejä tai datatieteilijöitä. Pääsy oikeisiin tietoihin - tietoihin, jotka voivat auttaa sinua parantamaan liiketoimintaasi - on tärkeintä, ja se, mikä sopii organisaatiollesi, riippuu useista yrityskohtaisista tekijöistä ja globaaleista trendeistä.
Myytti 8: HR-analytiikka on olemassa erillään liiketoiminnan "muista" näkökohdista, ja se on todella merkityksellinen vain HR-osastolle.
HR- ja HR-analytiikkaa ei ole olemassa tyhjiössä. Nämä kentät käsittelevät työvoimaa, joka on selvästi olennainen osa mitä tahansa yritystä, ja HR-analytiikkakäytäntöjen tulokset voivat vaikuttaa koko liiketoiminnan päätöksiin, prosesseihin ja saavutusasteisiin.
Tietopohjainen HR on erittäin tärkeä missä tahansa organisaatiossa, ja kun se tehdään hyvin, se voi optimoida tuloksia millä tahansa osastolla.
Johtopäätös
Kuten kaikilla tieteenaloilla, on tärkeää ymmärtää täysin todellisuus, joka liittyy hr:n luonteeseen ja siihen liittyviin käytäntöihin, seurauksiin ja vaikutuksiin liittyviin yleisiin käsityksiin ja uskomuksiin.
Älä vain hyväksy kuulemaasi totuutena; Tee aina tutkimusta, kuuntele vahvistettuja asiantuntijoita ja haasta ideoita ennen kuin otat ne käyttöön uskomuksina, jotka ohjaavat päätöksiäsi.