HR Analytics esempi

 

Premessa

 

Prima di vedere quali siano le metriche e i KPI più utilizzati, ricordiamo la definizione di HR Analytics e i relativi ambiti di applicazione.

 

Per HR Analytics si intende l’applicazione, all’interno della Direzione HR, di soluzioni e modelli di Data Intelligence, progettati integrando elementi qualitativi con dati quantitativi e sviluppati tramite algoritmi matematici e statistici.

 

Le soluzioni sono sviluppate utilizzando advanced analytics e tecniche di apprendimento automatico (machine learning) con l’obiettivo di fornire metriche, informazioni e insight, abilitanti processi decisionali “fact-based”, che consentano di gestire in modo più efficiente, sia a livello strategico che tattico, molti ambiti, tra cui:

 

  • Misurazione delle competenze e del potenziale, nonché analisi e correlazione delle prestazioni individuali / comportamentali agli obiettivi di business (Performance management)
  • Organizzazione e pianificazione della forza lavoro (Workforce management)
  • Identificazione delle modalità formative e dei contenuti (Training & Learning)
  • Progettazione di politiche di retribuzione e incentivazione (Compensation & Reward)
  • Etc.

 

Questo è quello che ci dice la teoria. Osservando la realtà tramite lo studio Mercer Global Talent Trends 2018 (basato sui contributi di +5000 dipendenti, +1.800 professionisti HR e 800 business executive, provenienti da 44 differenti nazioni) emerge che oggi solo il 15% delle organizzazioni si ritiene realmente “digitale” e in grado di sfruttare tecniche di HR Analytics.

 

Vuoi approfondire gli elementi di base delle soluzioni HR Analytics ? Leggi questo articolo

 

 

HR Analytics esempi: metriche e KPI

 

Raccogliere e archiviare dati sulle performance della popolazione aziendale, trasformarli in metriche da analizzare e misurarne il valore, rappresenta un fattore chiave per ogni azienda e una mission per la Direzione Risorse Umane. A ricordarcelo è uno dei due ideatori delle Balanced Scorecard, strumento principe per la gestione dell’impresa: “Non si può gestire ciò che non si può misurare”, sostiene Robert Kaplan.

Nell’uso di metriche e KPI, nelle risorse umane così come nelle altre aree aziendali, ci sono alcuni fattori da tener presente:

 

  • Non esiste una singola metrica in grado di spiegare le performance dei dipendenti, le metriche sono molteplici
  • Le metriche quantitative da sole non bastano (soprattutto quando si parla di persone e non di robot)
  • I cicli di feedback dei responsabili (comunicazione top-down), così come le autovalutazioni o processi di 180°/360° feedback (comunicazioni bottom-up) rappresentano una fonte importantissima per affinare i KPI e migliorare il modello di HR Analytics
  • La lettura e interpretazione congiunta di metriche quantitative e qualitative rappresenta una condizione necessaria (ma non sufficiente) per un sistema di HR Analytics di successo

 

Le metriche e i KPI dei dipendenti possono fare riferimento a diversi ambiti, come ad esempio:

 

  • Qualità del lavoro
  • Quantità di lavoro
  • Rendimento organizzativo
  • Etc.

 

Ma quali sono?

 

Come spesso accade non esiste una risposta univoca a questa domanda. Possono variare a seconda dei mercati geografici di riferimento, dei settori industriali, delle professioni e persino delle culture che pervadono l’azienda.

Vediamo qualche esempio di metriche e KPI classici…

 

  • Numero di vendite per commerciale: forse la metrica più semplice per misurare le performance dei dipendenti commerciali. Qual è il numero di vendite generata da ogni commerciale? Spesso, questa metrica può essere sostituita dalla sua valorizzazione economica, ovvero: a quanto ammonta l’importo delle vendite generate da ogni commerciale?

 

  • Numero di unità prodotte: il numero di unità prodotte, in genere messo in relazione con un’unità di tempo, è sempre stato utilizzato nei settori di produzione tradizionale, ma non solo. Anche le aziende di servizi utilizzano metriche simili. Ad esempio in ambito informatico un modo, puramente quantitativo, è quello di misurare il numero di righe di codice prodotte dai programmatori

 

  • Ricavi per FTE: questa metrica, utilizzata anche in ambito di valutazione delle società, calcola i ricavi registrati dall’azienda in relazione al proprio numero di FTE (Full Time Equivalent), fornendo una stima di quale sia il valore economico medio generato da ogni singolo dipendente. Questa metrica può essere sfruttata per attività di benchmark con il mercato, in quanto consente di comparare anche realtà aziendali aventi dimensioni eterogenee

 

  • Numero di errori: il numero di errori è sicuramente una metrica molto importante per valutare le performance di un dipendente. Pensiamo alle società IT che vendono software e agli impatti di business che può avere un errore nel codice di programmazione. Questa metrica oltre a fornire indicazioni sui rendimenti di un dipendente – principalmente in termini di efficacia produttiva – può essere utilizzata anche come indicatore di qualità

 

  • Net Promoter Score (NPS): utilizzato soprattutto in ambito vendite, esempio classico nel settore Automotive, il Net Promoter Score è un numero (tra 1 e 10) che rappresenta la volontà di un cliente di raccomandare il servizio di un’azienda ad altri potenziali clienti. E’ un indicatore tanto semplice quanto potente: è infatti dimostrato in letterature che un NPS elevato ha impatti in termini di aumento dei ricavi e del valore generato da un’azienda

 

Queste metriche e KPI sono un fondamentale patrimonio informativo per l’azienda e per le Direzioni HR, in quanto consentono una lettura incrociata con altri indicatori tradizionalmente sviluppati dalle Direzioni Risorse Umane, abilitando una miglior valorizzazione del capitale umano.

 

Esempi di metriche e KPI tipicamente HR sono:

 

  • Costo di assunzione (Cost per Hire): facile da illustrare quanto, spesso, complessa da calcolare. In relazione al livello di “dettaglio” del proprio modello di HR Analytics, questo KPI può includere elementi di costo legati all’attività di ricerca e selezione del candidato, l’effort necessario al completamento dei processi amministrativi di assunzione, l’attività di onboarding e la formazione iniziale. Può anche includere, purché si riesca a monitorare, il costo-opportunità connesso all’iniziale limitata produttività della persona

 

  • Turnover: è un “grande classico” delle metriche legate alle Risorse Umane. Può avere diverse sfumature, in relazione al principale focus dell’azienda, ma in generale fornisce una indicazione sul tasso di “rotazione” della forza lavoro, generalmente calcolato come la somma tra persone entrate e uscite in corso d’anno, rispetto alla dimensione media della popolazione nel corso dell’anno

 

  • Tempo di assunzione (Time to Hire): come suggerisce il nome, misura sul tempo necessario per “riempire” una posizione vacante, offrendo una indicazione chiara sulla reattività del dipartimento Selezione e Assunzione nel rispondere alle esigenze dell’azienda. In un mercato sempre più dinamico, con tassi di retention in diminuzione e tassi di turnover nuovamente in accelerazione, questo KPI sta assumendo sempre più rilevanza in quanto rappresenta una misura della capacità della Direzione HR di rispondere a una delle principali esigenze del business, ovvero quella di avere forza lavoro per garantire la produzione

 

  • Potenziale della persona: Già ai tempi degli antichi Greci, Aristotele parlava di “atto” e “potenza”… e per questa metrica la situazione è rimasta invariata. Il potenziale è una misura di quanto, il singolo, riuscirà a garantire prestazioni elevate in uno scenario prospettico, caratterizzato da maggiori complessità e responsabilità. Questo KPI è un elemento fondamentale in sede di valutazione della persona, con particolare riferimento a decisioni collegate a promozioni e sviluppi di carriera. Esistono diverse definizioni di “potenziale” con altrettanti modelli finalizzati alla sua valutazione: è una metrica di certo interesse, che molte aziende stanno ancora scoprendo

 

  • e tanti altri

 

 

A cosa servono

 

Metriche, KPI e analisi hanno l’obiettivo di supportare la Direzione Risorse Umane nelle proprie decisioni, strategiche o tattiche, nei classici processi di budgeting e pianificazione, ma non solo.

 

Si tratta di fornire informazioni e insight che siano in grado di rispondere a domande, al fine di comprendere a fondo le esigenze e le caratteristiche del proprio Capitale Umano, al fine di massimizzare engagement e produttività delle persone. Si tratta di vincere la partita in cui la Direzione Risorse Umane è in grado di offrire valore al business della propria azienda tramite un asset fondamentale in ogni organizzazione: le persone.

 

Per comprendere quanto questa partita sia ancora complessa e incerta, è sufficiente riflettere sul dato emerso dalla recente analisi Global Talent Trends 2018 di Mercer, per cui ad oggi solo 1 persona su 2 ritiene che l’azienda sia davvero in grado di comprendere le proprie esigenze personali, professionali e formative, individuando il percorso di carriera più corretto per sfruttarne il potenziale.

Ancora una volta le domande da porsi sono diverse e, a loro volta, le risposte possono essere semplici da ottenere o richiedere l’applicazione di tecniche statistiche avanzate. Vediamo anche in questo caso qualche esempio.

 

  • Chi sono i miei talenti? Di frequente la letteratura in ambito Risorse Umane identifica questa fase “storica” con l’attributo “talent war”. Tale attributo deriva dalla combinazione di diversi fattori: una forza lavoro che sta notevolmente cambiando in termini di comportamenti ed esigenze, un mercato del lavoro che sta mutando a una velocità mai vista prima in termini di competenze richieste e nuove professionalità, un sistema macro-economico che sta (forse) faticosamente ripartendo… tutti fattori che rendono i cosiddetti “talenti” un capitale assai pregiato all’interno delle organizzazioni. Identificare un “talento” è sicuramente cosa non facile: per farlo è necessario combinare metriche anagrafiche, comportamentali, di competenza, di performance (intesa come i risultati ottenuti) di potenziale (inteso come i risultati ottenibili).

 

Nell’era della “guerra dei talenti” un Dipartimento HR che sfrutta modelli analitico-predittivi, in grado di identificare i fattori chiave che descrivono un (potenziale) talento, può costruire una significativa leva competitiva per il business.

 

  • Quali persone devo formare? La domanda può non apparire particolarmente innovativa, tuttavia riuscire a fornire una univoca risposta a questa domanda… sarebbe una cosa nuova! Le iniziative di formazione sono sempre state basate su processi decisionali top-down, in cui il capo decideva la formazione dei propri collaboratori. In un progressivo processo di “democratizzazione”, diverse aziende hanno aperto il processo a meccanismi di self-service, in cui il singolo ha la possibilità di esprimere i propri fabbisogni e scegliere eventuali moduli / percorsi formativi. In entrambe queste soluzioni, soggettività e aleatorietà regnano incontrastati: i percorsi formativi imposti o richiesti, sono davvero quelli giusti e, soprattutto, destinate alle persone giuste?

 

Disporre di un modello di HR Analytics in grado di correlare le prestazioni della persona alle competenze necessarie, valutandone il livello di presidio e, quindi, suggerendo i percorsi più validi alle persone più idonee (magari i “talenti” di cui sopra)… questa sì che potrebbe essere una risposta.

 

  • Come pianifico la mia forza lavoro? Il termine “workforce planning” ha – negli ultimi anni – subito un abuso nel suo utilizzo, definendo ambiti di applicazione che vanno dalla definizione della HR Strategy fino alla micro-schedulazione all’interno di un turno in una linea produttiva.

 

Nell’accezione più ampia del termine, la domanda da porsi è: come faccio ad assicurare al mio business l’organico corretto, in termini di dimensionamento e competenze, nel medio periodo? A supporto di questa decisione è possibile far ricorso a tecniche di analisi di scenario e/o modelli di simulazione, attraverso i quali sfruttare la statistica e la teoria delle probabilità, per aumentare l’affidabilità delle proprie stime. Passando invece a un livello più operativo, la domanda è: come organizzo la forza lavoro di cui dispongo, per massimizzarne la produttività? La risposta a tale domanda può essere offerta per mezzo di soluzioni di Machine Learning, in cui gli algoritmi definiscono l’organizzazione ottimale tenendo in considerazione fattori di esperienza, competenza, performance e tratti personali. Un HR in grado di anticipare e migliorare le operations quotidiane: questo è ciò di cui ha bisogno il business.

 

  • Quali logiche di reward applico alle mie persone? Tematiche retributive e di incentivazione della workforce sono, da sempre, sui tavoli dei Direttori HR, tuttavia, mai quanto in questo momento, necessitano di una profonda revisione: l’indagine Global Talent Trends di Mercer mostra che per oltre il 50% della popolazione aziendale, la priorità è la propria “salute fisica”, più che un aumento retributivo.

 

Dotarsi di meccanismi in grado di analizzare diverse “prospettive” della propria forza lavoro, può consentire di disegnare meccanismi di reward più trasparenti, maggiormente oggettivi e, soprattutto, calibrati sulle esigenze della singola “personas”.

 

Conclusioni

 

Siamo giunti al termine di questo viaggio nel mondo degli HR Analytics, in cui abbiamo innanzitutto delineato in modo chiaro il significato di questo termine, rivelando alcuni dei “segreti” (come la presenza di algoritmi di machine learning, etc.). Abbiamo quindi visto una serie di metriche e KPI “standard”, evidenziando come queste possano essere combinate e interpretate, al fine di rispondere a domande “più complesse” e soprattutto “più vicine” alle vere esigenze del business aziendale. So… what?

 

  • L’adozione di un modello di HR Analytics è un must per le Direzioni Risorse Umane che intendono cavalcare gli attuali trend, in cui tutte le organizzazioni aziendali – ognuna nella propria accezione e nella propria area di competenza – stanno adottando approcci e processi decisionali data driven

 

  • Sebbene i Dipartimenti Risorse Umane siano generalmente “più indietro” rispetto ad altre aree aziendali, sviluppare competenze quantitative e dotarsi di sistemi informatici a supporto è un fattore critico di successo per sposare un modello di HR Analytics efficace, in grado di generare reale valore per l’azienda

 

  • Le tradizionali metriche HR non bastano più ed è necessario sviluppare nuovi KPI in grado di porre in relazione dinamiche del capitale umano dell’organizzazione con indicatori quali-quantitativi di business:

 

solo un modello di HR Analytics in grado di “osservare” le dinamiche del business può realmente (ri-)posizionare i Dipartimenti Risorse Umane come “partner” fondamentali delle funzioni core dell’azienda

 

 

You can have all the data, but no the right information

 

 

 

 

 

Sei interessato? Visita la nostra pagina dedicata a HR Analytics per scoprire tutti le soluzioni e la nostra offerta in questo ambito.

Contattaci saremo lieti di fornirti tutte le informazioni e rispondere alla tue domande.

All’interno della nostra Accademia del Dato eroghiamo corsi di formazione in ambito Machine Learning & Data Intelligence.

Rimani sempre aggiornato con la nostra newsletter. Se non sei ancora iscritto clicca qui

 

 

 

 

 

Marco Iannucci è un Associate di Mercer Italia, società leader nel mondo per la consulenza in ambito Risorse Umane. Da sempre appassionato di tecnologia e affascinato dai numeri, ha studiato ingegneria, ad oggi si occupa di progetti di HR Transformation su scala nazionale e internazionale, accompagnando i Clienti in percorsi di trasformazione digitale a 360° (organizzazioni, processi, tecnologie, competenze), con particolare focus sulle fasi di progettazione e realizzazione di modelli e dashboard di HR Analytics.

Marco Iannucci

Associate, Mercer

Diciassette anni di esperienza nell’area Data Science, in particolare sugli ambiti legati a Business Intelligence, CRM, Data Mining, Customer Experience, Campaign Management, Customer Care, Loyalty Program, Advanced Analytics & Machine Learning.

Founder di Excelle & CEO di Excelle, formatore e docente per eventi e corsi di Data Driven Marketing.

Davide Camera

Founder & CEO, Excelle