Mittaaminen on ainoa tapa osoittaa konkreettisesti, mikä on jonkin tietyn asian tola. Olimme sitten kiinnostuneita jonkin ilmiön lisääntymisestä, vähenemisestä tai paikallaan pysymisestä, ilman kunnollista mittaria emme voi kertoa tapahtumien kulusta luotettavasti mitään. Kuulijakunta syttyy todennäköisemmin tarinasta, joka perustuu tositapahtumiin, ja etenkin HR-asioiden johtamisessa fiktio ei tunnu hyvältä vaihtoehdolta.
HR pääsee tyypillisesti käsiksi valtavaan tietomäärään ja mittaamisen mahdollisuudet ovat huikeat. Usein tämä kääntyy negatiiviseksi pohdinnaksi: ihmisilmiöt ovat monimutkaisia, ja niiden alistaminen mitattavaksi koetaan hankalaksi ja epäluotettavaksi. Aivan totta, mutta silti surkea perustelu jättää mittaamatta. Toisaalta vastuu painaa: kehtaatko tehdä henkilöstöön vaikuttavia päätöksiä ilman luotettavaan dataan perustuvaa analyysia?
Karkeasti mittarit voidaan jakaa kahteen luokkaan: peräpeili ja kristallipallo. Peräpeilimittareilla kootaan menneisyydestä olennainen tieto, ja synonyyminä voidaan käyttää raportointia. Yrityksen pitäisi lakisääteisesti tuottaa tietty määrä raportointia, joten tiettyjen mittarien tulee olla kohdallaan joka tapauksessa. Kristallipallo eli analytiikka on edistyksellisempää ja tähtää oikeanlaisten signaalien huomioimiseen ennen päätöksentekoa. Analytiikka luo varmuutta, miten jokin asia pitäisi tehdä: kuka rekrytoidaan, kenestä tulee yrityksen rokkitähti, mihin panostamalla asiakaspalvelu paranee. Analytiikan avulla voidaan luoda ennusteita ja näkymiä ilmiöihin, joita ei ole vielä tapahtunut.
Näiden väliin voidaan sijoittaa tämä hetki: reaaliaikainen mittaaminen on ollut aavistuksen vieraampaa HR-asioissa ainakin toistaiseksi, mutta esimerkiksi työtyytyväisyys on ilmiönä erittäin paljon hetkiin sidottu. Mitä ajattelisit kasvonilmeitä tunnistavasta kamerasta, joka kertoo henkilöstön fiiliksen reaaliaikaisesti? Kyllä, laitontahan se, mutta teknisesti mahdollista. Laillisiakin keinoja löytyy.
Data kuntoon
Vanhan kuplavolkkarin ohjaamossa on hellyttävän vähän automatiikkaa verrattuna moderneihin nelipyöräisiin. Myös kierroslukumittari toimii manuaalisesti: kun kilometri tulee täyteen, mittariratas pyörähtää. Sinänsä hyvä ja toimiva mittari, mutta näitä rattaita on rivissä vain viisi. Eli en varsinaisesti tiedä, onko autollani ajettu 33000 kilometriä, 133000 kilometriä vai kenties enemmänkin. Kuplan kohdalla ajokilometrit eivät varsinaisesti ole kriittinen valintatekijä, mutta ostaisitko sinä auton, jonka tiedot ovat sinne päin? Kuluttaa maantieajossa ehkä 3, ehkä 13 litraa; CO2 saattaa olla alle 80mg tai siinä 300mg; heppoja 50 tai 550.
Luottaisitko henkilötietodataan, jossa määritelmät ovat liian laveat antaakseen yksiselitteisen vastauksen? Tai jossa on niin paljon puutteita, että parhaimmillaankin otanta koskee vain kolmasosaa henkilöstöstä? Henkilömäärän ja kapasiteetin laskeminen tai henkilöstön luokittelu erilaisiin raportointiryhmiin on toisinaan yllättävän vaikeaa. Useampi HR-tietojärjestelmää pyörittänyt henkilö tietää, kuinka vaikea ajantasaisia koulutustietoja on saada järjestelmään.
Analytiikan kannalta ei ole samantekevää, ovatko luvut oikein vai sinne päin tai täydelliset vai puutteelliset. Syvällinen tiedonlouhinta on tehotonta, mikäli louhittavaa ei ole.
Muistilistalle siis: 1) määritelmät kuntoon eli selkeys siitä, mitä milläkin luvulla kerrotaan, 2) luvut kuntoon kunkin mittarin alla, eli oikeat, ajantasaiset ja täydelliset tiedot järjestelmään, sekä 3) aloitus niistä mittareista, joiden kohdalla data on validia ja joista on toiminnalle eniten hyötyä.
Strategiset HR-mittarit
Peräpeili-/kristallipallomittareiden lisäksi on totuttu tekemään jako myös operatiivisiin ja strategisiin HR-mittareihin.
Strategisissa HR-mittareissa piilee paradoksi: niitä nimittäin ei oikeasti ole olemassa.
On olemassa vain (HR-) mittareita, joista jotkut voidaan kiinnittää strategisten asioiden tarkasteluun. Englanninkieliset vastineet valottavat tätä ajatusta hyvin: ’metrics’ viittaa mittareihin, ’KPI’s’ (key performance indicators) puolestaan niihin mittareihin, joita tarkastelemalla oletamme näkevämme olennaiset muutokset toimintamme kannalta. Kaikki KPI-mittarit ovat mittareita, mutta kaikki mittarit eivät ole KPI-mittareita. Ja varsinkaan toisen KPI-mittarit eivät toiselle ole yhtä arvokkaita. Pahoittelen, jos nyt on tunnelma pilalla ja ajatus autuaaksi tekevästä mittaripaketista mureni. Lohdutan sillä, että juuri sinun organisaatiosi toimintaa kuvaavat strategiset mittarit ovat kohtuullisen helposti löydettävissä: mitä teette, miksi olette olemassa ja mikä hiertää? Mikä indikoi, että asiat menevät hyvin tai huonosti?
HR-analytiikka ei ole numeroita vaan tarinoita
Analytiikka asettaa vaatimuksia paitsi datan laadulle, myös sen kirjolle. Tehokkaimmillaan analytiikka on yhdistettäessä tietoa eri puolilta organisaatiota: palkanlaskennan ja HR:n tuottaman tiedon lisäksi myös talouden luvut, asiakkaita koskevat tai heiltä saadut tiedot, tai vaikkapa erilaiset prosessimittarit luovat mahdollisuuksia.
Pelaaminen pelkillä numeroilla ei myöskään johda toivottuun lopputulokseen. Tehokkaan analytiikan juju piilee siinä, että osaamme yhdistää relevantin faktapohjan tarinankerrontaan. Yhdistelmä on vastustamaton: taulukoiden ja grafiikoiden taustalta paljastuu juoni, jonka kulku vie meidät huomaamattamme kohti oikeita ratkaisuja. Jälleen törmäämme vastuuseen: ymmärrä tausta ja se mitä, mitä kerrot tai kuulet, muuten astut miinaan.
Mittaamisen miinat
Analytiikkaan vaaditaan ymmärrystä tilastotieteestä. Korrelaatioita on nimittäin helppo nähdä sielläkin, missä niitä ei ole. Johtuuko tietynikäisten korkea sairauspoissaoloprosentti iästä vai onko otannassa läsnä vain niitä henkilöitä, jotka ovat saman, maineeltaan huonon, esimiehen vaikutuspiirissä? Esimerkki kertoo eräänlaisen tarinan sairauspoissaoloista.
Tarvitaan myös ymmärrystä kokonaiskuvasta: erityisesti muutostilanteet ovat sellaisia, jotka helposti heilauttavat mittareita. Johtuvatko tämän vuoden parantuneet työhyvinvointiluvut siitä, että toimenpiteet purevat, viime vuoden YT-kierre saatiin päätökseen ja työrauha on palannut, vai kenties siitä, että suurimmat marisijat ovat sijoittuneet organisaation ulkopuolelle? Vai vaihdettiinko kyselytyökalun toimittajaa, mikä olisi täysin tilanteesta riippumaton selittäjä?
Datattomuuteen ei saa jumiutua: toimintaympäristömme on kompleksinen, eivätkä syy-seuraus-suhteet läheskään aina ole ilmeisiä. Kokeilukulttuuri haastaa etsimään yhteydet jälkikäteen: panosta riittävän vähän kokeiluihin, joiden avulla ilmiö paljastuu pala palalta kuin Ruutuysissä ikään. Lisää panoksia, kun tiedät tai uskot enemmän.
Analytiikka ja etiikka on pakotettava kulkemaan käsi kädessä. Erityisesti automaation ja tekoälyn saadessa enemmän jalansijaa työelämässämme meidän on oltava varmoja, että inhimillisyys voidaan varmistaa.