Analytiikalla älyä henkilöstöjohtamiseen

Mutta mistä oikeastaan henkilöstöanalytiikassa on kyse? Saramies ja Törnroos nojaavat henkilöstöanalytiikkaa kuvatessaan Marlerin ja Bourdeaun (2017) määritelmään aiheesta: ”Henkilöstöanalytiikka on informaatioteknologian mahdollistama HR-käytäntö, joka analysoi HR-prosesseihin, henkiseen pääomaan, organisaation suoriutumiseen sekä ulkopuolisiin taloudellisiin vertailukohteisiin liittyvää dataa kuvailevilla, visuaalisilla ja tieteellisillä menetelmillä vahvistaakseen liiketoiminnan vaikuttavuutta sekä mahdollistaakseen tietoon perustuvaa päätöksentekoa.”

Saramies ja Törnroos kiteyttävät henkilöstöanalytiikan keskeiset piirteet seuraavaan:

• Henkilöstöanalytiikassa päätökset perustuvat näyttöön tai tietoon (engl. evidence-based). Analytiikka pyrkii siis vähentämään päätöksentekoon liittyvää mutu-tuntumaa, kognitiivisia vinoumia tai puhtaaseen intuitioon perustuvaa päätöksentekoa.
• Onnistunut henkilöstöanalytiikan hyödyntäminen vaatii monitieteistä osaamista. Perinteisen liiketoiminta- ja HR-ymmärryksen rinnalle nousevat muun muassa organisaatiopsykologiaan, tilastotieteeseen, data-analytiikkaan ja teknologiaratkaisuihin liittyvä osaaminen.
• Teknologioiden, tekoälyn ja erilaisten analyysimenetelmien hallinta korostuu. Perustasolla mitattaviin asioihin liittyvä tieto tehdään näkyväksi ja visuaaliseksi, ja kehittyneimmillään se tarjoaa tietoa asioiden välisistä yhteyksistä tai jopa ennustaa tulevaa.
• Analytiikalla voi oikein käytettynä olla suuret vaikutusmahdollisuudet henkilöstöön, asiakkaisiin ja koko liiketoimintaan parantuvan ymmärryksen ja päätöksenteon myötä. Tarkempi tieto päätöksenteon tueksi tarjoaa etua suhteessa kilpailijoihin.
• Henkilöstöanalytiikka ei palaudu ainoastaan järjestelmäprojektiksi tai tekniseksi härpäkkeeksi. Parhaimmillaan se on heijastuma laajemmasta, yrityksen omaksumasta tiedolla johtamiseen filosofiasta. Silloin tiedolla johtaminen näkyy kaikkialla: yrityksen strategiassa, kulttuurissa, johtamisessa ja lopulta data-arkkitehtuurissa, järjestelmissä ja työn tekemisen käytännöissä.

Jo nyt suurin osa yrityksistä hyödyntää niin sanottua kuvailevaa analytiikkaa, jonka avulla kerrotaan, mikä jonkin asian laita on tai oli. Tästä tyypillisenä esimerkkinä ovat henkilöstöhallinnon omat suoritusmittarit (KPI) tai erilaiset henkilöstökyselyiden tulokset. Silloin dataa kerätään erilaisista olemassa olevista tietolähteistä ja asioiden tilaa ja kehitystä esitellään esimerkiksi työtapaturmia kuvaavien liikennevalojen muodossa intran raportointinäkymissä. Kuvailun lisäksi voidaan tarkastella asioiden välisiä suhteita, esimerkiksi miten työtyytyväisyys on yhteydessä kokemukseen organisaatiokulttuurista.

Kehittyneemmässä vaiheessa yritys hyödyntää tekoälyyn perustuvaa niin sanottua ennustavaa analytiikkaa. Usein puhutaan tiedonlouhinnasta, joka tarkoittaa prosessia, jossa yhdistellään tekoälyä, matematiikkaa ja tilastotieteitä. Silloin historiadatan avulla pyritään ennustamaan muuttujien välistä syy-seuraussuhteita ja johdetaan tämän perusteella ennusteita siitä, mitä tulee tapahtumaan. Silloin voidaan esimerkiksi osoittaa, miten soveltuvuusarvioinnit ennustavat suoriutumista tai miten henkilöstön tyytyväisyys selittää asiakkaiden tyytyväisyyttä.

Viimeiselle, edistyneimmällä tasolla puhtaan ohjaavasta analytiikasta. Silloin kone ei vain ennusta vaan ohjaa ihmistä päätöksenteossa ehdottamalla parasta ratkaisua analysoimalla eri ratkaisuvaihtoehtoja monipuolisesti eri näkökulmista. Ohjaava ennustaminen tarvitsee toimiakseen runsaasti hyvälaatuista, eettisesti korkeatasoista historiadataa ja ihmisen luoman ennustamiseen kykenevän, todennetun matemaattisen mallin.

Analytiikan ja HR:n yhdistyminen viekin parhaimmillaan HR:n lähemmäksi henkilöstöä, avaa ovia työntekijäkokemukseen vaikuttaviin tekijöihin ja parantaa henkilöstöön liittyvän päätöksenteon laatua ja osumatarkkuutta. Ihmisiin ja henkilöstöjohtamiseen liittyvää ymmärrys on kuitenkin edelleen keskiössä, vaikka analytiikka ja HR-teknologiat kehittyvät. Kone voi erehtyä ja paraskin data on hyödytön, jos sille ei osata esittää oikeita kysymyksiä tai tuloksille anneta tulkintoja. Tämä on henkilöstöammattilaisen tehtävä.

Varmaa kuitenkin on, että HR:n osaamisvaatimukset ovat laajentuneet. Dataan ja analytiikkaan liittyvä ymmärrys on yhä tärkeämpää ja HR-tiimiltä vaaditaan vähintäänkin tiivistä yhteistyötä datatieteilijöiden ja teknologia-eksperttien kanssa.

Blogin kirjoittaja Johanna Maaniemi työskentelee Haaga-Helia ammattikorkeakoulussa Mastereiden Johtajuus ja Henkilöstövoimavarat -suuntautumisen vetäjänä ja yliopettajana.

Kirjallisuutta: