Tema hrl 8 2014 by Insightlab AB

TEMA

HR OCH BIG DATA JEANETTE FAGERHALL INTERVJUAR DAVID SCHAIN, LEGITIMERAD

HR måste bli mer ana annars riskerar yrkets David Schain, Sverigechef, Cubiks

Kort om David Schain och Cubiks Cubiks är ett internationellt konsultföretag specialiserat på urval och utveckling. Man hjälper större organisationer att rekrytera rätt medarbetare och att utveckla befintliga talanger och team. Fokus ligger på chefer och nyckelpersoner. Cubiks bedriver egen forskning och utvecklar egna urvalstester. Testerna används av Cubiks i konsultverksamheten, men licensieras även ut till partners och stora kunder. De flesta medarbetarna är legitimerade psykologer, men i organisationen finns även beteendevetare, statistiker och IT-resurser. David Schain, som är chef för Cubiks verksamhet i Sverige, är själv både legitimerad psykolog och systemvetare. Innan David kom till Cubiks 2007 arbetade han med ledarutbildning och ledarutveckling på managementkonsultföretaget Edward Lynx.

Ju mer vi är uppkopplade och använder våra datorer, surfplattor och smarta telefoner, desto fler elektroniska spår lämnar vi efter oss. Inom marknad och försäljning har man kommit en bra bit på väg med att analysera och använda dessa data. På HR är det ännu ingen som har börjat använda det här i någon större skala. Men ju mer datadriven den övriga organisationen blir, desto större blir kraven på HR att börja analysera de elektroniska spår som finns tillgängliga i systemen. – Om inte HR hänger med i organisationens utveckling och intar ett mer vetenskapligt angreppssätt och blir mer datadrivet, riskerar statusen för yrket att sjunka. Detta menar David Schain, legitimerad psykolog och Sverigechef på konsultfirman Cubiks, som är specialister på urval och utvecklingsprocesser.

Datan behöver inte vara ”big” ”Big data” har blivit ett stort buzzword - i alla branscher. Begreppet syftar ursprungligen på digitalt lagrad information i sådan mängd att det är svårt att bearbeta den med traditionella databasmetoder. Men ofta när man talar om ”big data”, menar man helt enkelt analys av de digitala spår som vi lämnar efter oss när vi är uppkopplade – även om inte mängden data är så stor. När det gäller HR och ”big data” är det inte storleken på informationsmängden som är intressant. Det som är intressant är att det nu finns information om medarbetares och potentiella medarbetares beteenden som HR kan använda sig av utan att först behöva samla in den. Begrepp som ”HR Analytics” och ”Datadriven HR” beskriver bättre vad det handlar om. – De elektroniska spår, som nu finns tillgängliga, gör att det ställs nya krav på HR. För att hänga med den övriga organisationen behöver HR anamma ett mer vetenskapligt angreppssätt och bli mer datadrivna och analytiska. Annars riskerar yrkets status att sjunka, konstaterar David Schain.

HR ligger i startgroparna För HR-avdelningarna är detta ett område som

fortfarande ligger i sin linda. Några företag har börjat ta de första stapplande stegen, men ännu finns det inga riktigt bra framgångsexempel. Av flera skäl är det helt naturligt att HR inte är pionjärer inom ”big data”. Det som ofta får störst fokus i en organisation är det som ligger närmast intäktsströmmarna. Det är inom marknad och försäljning som det mäts och analyseras mest och då är det naturligt att de ligger steget före. Detta är också områden där det finns data som är relativt enkel att analysera. För HR är det inte riktigt lika självklart vilken data som är intressant. Vilket spår som en kandidat har lämnat efter är avgörande för om hen blir en lyckad anställning? Ännu en förklaring till att HR tar tid på sig är de etiska dilemman, som måste beaktas innan börjar analysera medarbetarnas fotspår.

Analys för bättre rekryteringar Rekrytering är kanske det område inom HR där man först tänker sig att använda ”big data”. Att anställa någon är ett viktigt beslut och här har HR sedan länge arbetat med ”Talent Analytics” och samlat in data med hjälp av CV:n, intervjuer, referenser och tester. – Men man utgår hela tiden ifrån hur väl personer lyckas i andra sammanhang. Det som vore intressant är att bättre ta reda på vad det är som krävs för att människor ska lyckas i den egna organisationen så att vi kan rekrytera de som har bäst förutsättningar för detta. Det förvånar mig att ingen, eller i alla fall ytterst få, sparar rekryteringsdatan och använder sig av den över tid. Genom att ställa oss frågan ”Är det någon information från anställningsförfarandet som samvarierar med medarbetarnas prestationer i vår organisation?” skulle vi kunna bli mycket bättre på att rekrytera rätt medarbetare, säger David.

Datadriven prestationsutveckling Genom att analysera den data som vi idag har tillgång till genom uppkopplade datorer, surfplattor och smartphones kan vi hitta de samband som finns i den egna organisationen. Vilka aktiviteter är det som leder till höga prestationer? Vad gör de som lyckas? Hur kan vi få alla att göra mer av det?

TEMA PSYKOLOG OCH SVERIGECHEF PÅ CUBIKS

alytiskt och datadrivet, s status att sjunka Det som gör att man tvekar inför detta är troligen en rädsla för att medarbetare ska känna sig övervakade. Men man är inte riktigt konsekvent. Säljare och kundtjänstpersonal monitoreras redan väldigt väl. Man för bland annat statistik på hur många kundsamtal som görs, hur långa kundsamtalen är och efter ett samtal till kundtjänst blir kunden ofta uppringd automatiskt och får lämna sina synpunkter. Men egentligen är det väl ingenting som gör dessa roller unika. Möjligen att det är lätt att följa upp eftersom deras arbetsmoment loggas i systemen, men kanske att fler roller skulle vara behjälpta av att se statistik på hur de spenderar sin arbetstid och analysera vilka kopplingar som finns till prestation. – Jag tror att vi ganska snart kommer börja analysera och diskutera hur tiden i företaget används. Hur mycket tid läggs på möten? Är det effektivt? Hur många mail skickar vi? Är det nödvändigt? Hur mycket tid surfar vi? På vilka sajter? Det här kan bli en hjälp för medarbetarna att prioritera och att hålla fokus på sitt jobb. Och förhoppningsvis kommer fler att lyckas, säger David. För att analysera medarbetarnas beteenden och kopplingar till prestation måste man ha personalens förtroende. Syftet är ju att hjälpa alla att lyckas och det får inte finnas några tveksamheter kring det.

Indikationer på ohälsosamma mönster Medarbetarnas elektroniska spår kan också ge en indikation på om någon jobbar på ett ohälsosamt sätt. I och med att det idag finns GPS i telefonerna är det ganska lätt att se om någon tillbringar väldigt många timmar på jobbet eller ofta arbetar sena kvällar. Men idag kan man ju jobba fast man inte sitter kvar på kontoret. Då kan man istället titta på vilka tider som det skickas mail. Det går förmodligen också ganska lätt att avläsa mellan vilka timmar telefonen ligger inaktiv i hemmet på natten, vilket kan ge en fingervisning om hur sömnen är. Och den elektroniska kalendern kan till exempel ge besked om hur många inbokade möten vi har. Ser det rimligt ut?

– Jag är förvånad över att ingen ännu verkar ha tagit fram en app på det här där var och en kan följa sin vardag och få varningar och goda råd från en ”livsstilscoach”. Det finns ju liknande appar när det handlar om träning och de har ju blivit väldigt populära, konstaterar David. Datadriven prestationsutveckling snuddar vid principerna för gamification, som är att snabb respons och feedback är det som hjälper människor att ändra beteenden.

Risker med datadriven HR Det finns risker med ”HR Analytics”. De flesta tänker då först och främst på övervakningsrisken, men enligt David är det inte den största. – Den största risken, som jag ser det, är att vi tittar på fel information och agerar på den så att vi hamnar fel. Det är så lätt att gå i fällan och mäta det som är enklast att mäta, istället för att borra lite djupare och ta reda på det som verkligen betyder något, säger David. Det finns också en risk att vi tror oss se samband som inte finns. Vi måste vara noga med att skilja på korrelation och kausalitet. Korrelation innebär att två variabler samvarierar över tid, men för den skull behöver de inte på något sätt vara beroende av varandra. Antalet filmer som Nicholas Cage har medverkat i över åren korrelerar till exempel med antalet personer som har drunknat i simbassänger. Det är dock ingen som tror att den ena händelsen beror på den andra. Det finns alltså inget kausalt samband. När man däremot konstaterar att det säljs fler paraplyer när det regnar så är det högst troligt att det föreligger ett kausalt samband.

DAVID SCHAINS FRAMTIDSSPANING Det är alltid svårt att sia om framtiden men jag skulle inte bli förvånad om vi inom fem till tio år… 1) …sparar den data vi samlar in om kandidaterna vid rekryteringstillfället och analyserar dem över tid i förhållande till exempelvis prestation, trivsel och anställningslängd. På så sätt lär vi oss vilka samband som finns och blir bättre på att rekrytera. 2) …använder den data som finns i våra interna system för att leta efter de samband till prestation och framgång som gäller i den egna organisationen. 3) …använder informationen av vad som skapar goda prestationer och framgång, till att hjälpa medarbetarna att ändra beteenden och därmed lyckas bättre. 4) …använder medarbetarnas elektroniska spår från datorer och mobiler, som indikation på när någon arbetar ohälsosamt. Det kan till exempel vara långa dagar på jobbet, mail vid obekväma tider och många möten i kalendern.

– Om det visar sig att de säljare som går på många kundmöten säljer mer, kan det vara så att det är antalet möten som avgör framgången, men det skulle kunna vara så att dessa framgångsrika säljare även gör någonting annat och att det i själva verket är detta som får köparna att slå till. Man måste göra noggranna analyser och inte blint lita på de samband som systemen hittar, konstaterar David.

TEMA

HR OCH BIG DATA

Stordata: från expertområde till analyskultur Datadrivna beslut är bättre beslut. Att använda stordata, eller Big Data på engelska, ger beslutsfattare möjligheten att fatta beslut grundat på evidens snarare än intuition. Därför har användningen av stordata potentialen att drastiskt förändra spelreglerna för ledning och ledarskap. Företag som skapades inom den digitala världen, som Amazon eller Spotify, är av naturliga skäl redan mästare inom stordata. Inom företag i andra branscher kan potentialen för konkurrensfördelar vara ännu högre.

analys. Data som har affärsdrivande potential kan komma från sociala nätverk, mobiltelefoner, GPS och så vidare. Tiden med strukturerade databaser är inte förbi, men nya former av data kräver nya förhållningssätt.

Utmaningarna för chefer och ledare är dock betydande och det gäller för de högre ledarskapsskikten att förstå och ta till sig evidensbaserat beslutsfattande. Företag och organisationer måste bland annat försäkra sig om vetenskaplig kompetens som kan hitta mönster i datamängderna och översätta dessa till användbar, affärsdrivande information. Hela organisationer kan ha behov av att omdefiniera sin förståelse av begreppet ”omdöme”.

tiga beslut. På detta följer man lämpligen upp med ”Var kommer data från?”, ”Vilken typ av analys har genomförts?” och ”Hur stor tillit har vi till resultaten?” Omgivningen kommer snabbt fatta poängen om ledarskapet presenterar dataorienterade frågeställningar. För det andra är det viktigt att hålla öppet för att bli överbevisad av data som ledare. Det finns få saker som förändrar en beslutskultur så mycket som att se en hög chef ändra sig när en föraning blir motbevisad av data.

Vad är nytt med stordata? En vanlig fråga med avseende på användningen av stordata är vad som skiljer detta från olika former av kvantitativ analys. De har med varandra att göra eftersom det handlar om hur man finner information i data och översätter det till affärsnytta. Det finns dock tre viktiga skillnader mellan generell analys och stordata. Den första skillnaden handlar om volym. I nuläget skapas cirka 2,5 miljarder gigabyte data varje dag och talen går stadigt uppåt. Mer data korsar internet varje sekund än vad som fanns på hela internet för tjugo år sedan. Företaget Walmart samlar in motsvarande tjugo miljoner dokumentskåp av text från sina kunder varje timme. För det andra har vi hastigheten med vilken data skapas och det är viktigare än volymerna. Information som skapas i realtid ger företag stor flexibilitet om de har möjlighet att ta till vara på möjligheterna. Genom att använda data från mobiltelefoner kunde forskare vid MIT uppskatta hur många kunder som var på väg till varuhuset Macy’s i USA och förutsäga hur mycket de skulle sälja redan innan de hade öppnat inför julhandeln. Sist men inte minst är det idag mycket större variation på datainnehållet än tidigare. Relevanta data kommer inte prydligt förpackad för

En kultur för stordata Ledare i beslutsfattande positioner som har ansvar att föra organisationen mot att använda stordata produktivt kan föregå med gott exempel på flera sätt. För det första kan de ta som vana att ställa frågan ”Vad säger våra data?” när de ska fatta vik-

När det gäller vilka problem som ska prioriteras och lösas är det givetvis experter inom datahantering som gäller. Traditionella experter med smal kompetens är oöverträffade för att svara på kritiska frågor inom stordata. I takt med att utvecklingen går framåt kommer det inte att räcka med traditionell spetskompetens som levererar svar. Datavolymer, hastighet och mångfald premierar snarare förmågan att ställa vassa frågor. Morgondagens kompetens för att möta utmaningarna från stordata ligger snarare i team, organisationskultur och ett analytiskt ledarskap. Källa: Andrew McAfee & Erik Brynjolfsson. ”Big Data: The Management Revolution”. Harvard Business Review

TEMA

Hitta ditt dolda humankapital med Big Data Trender inom IT och digitala medier kommer och går. Det kan ibland kännas som att hela fältet har mognat och att man kan luta sig tillbaka, trygg i de rutiner som etablerats med hårt arbete. Tyvärr är det inte riktigt på det viset. Oavsett trenderna byggs det ständigt upp nya datamängder. Utmaningen ligger i hur du använder detta till din fördel. Kan din organisation hitta den analytiska skärpan?

rekrytera högpresterande medarbetare och har betydligt bättre ledarskapsutveckling. Ytterligare en bonus är att HR-avdelningar med hög analytisk kompetens upplever att de får stor respekt från andra delar av organisationen. Datadrivet beslutsfattande är transparent, har stor kraft att övertyga och ger konkreta fördelar för verksamheten.

Enligt en undersökning av 480 företag utförd av konsultfirman Deloitte är det endast fyra procent

Forskningen visar att även om verktygen är viktiga så har de mest högpresterande företagen investerat även i andra aspekter. Det rör sig om datahantering, internkonsulter för att fokusera på rätt frågor, starka relationer mellan HR och andra analysteam inom finans eller operations samt visuell design och kommunikation. Detta är vitala områden förutom statistik, data och matematik.

som har kapaciteten att utföra så kallad prediktiv analys (se ruta) av arbetsstyrkan. Allt som allt är det ungefär 14 procent av de undersökta företagen som utfört någon form av statistisk analys av data inhämtad ur HR-systemen. Vad gör resten av företagen med sina datamängder? De flesta kämpar med rapportsystem och datahantering för att kunna producera nyckeltal trots brister i standardisering och överblick. Mycket som produceras är nyttigt och genomtänkt, men det finns ofta outnyttjad potential i systemen.

Investeringar i analys lönar sig Undersökningen av Deloitte visar att företagen som har kommit längst i analytisk mognad inom stordata också får tillbaka på sina investeringar. Marknadsavkastningen ligger cirka 30 procent över snittet, de har dubbelt så stor förmåga att

Analys handlar om mer än verktyg och statistik

I grund och botten handlar det om hur man får organisationen att använda de resurser som står till förfogande. Statistiker är lätta att hitta, däremot är det svårt att hitta människor som har förmågan att översätta analysen till konkreta fördelar i den löpande verksamheten. Det som krävs är multidisciplinära team som inkluderar talanger från flera fält och kompetensområden för att skapa robusta analyser som har mening för hela organisationen samt kraften och klarheten att övertyga. Källa: Josh Bersin. ”Big Data in Human Resources: A World of Haves and Have-Nots”. Forbes Leadership.

Fyra nivåer av analytisk mognad i HR-systemen Nivå 4. Prediktiv analys där man utvecklar modeller för förutsägelser och scenarioplanering. Systemet ger möjlighet till analys och hantering av olika typer av riskexponering. Systemet är integrerat med den strategiska planeringen. Ungefär fyra procent av de undersökta företagen genomför prediktiv analys.

Mats Frick Är du van vid att HiPPOs står för analys, omdöme och beslut? Ordet står för Highest Paid Persons’ Opinion och inte något akvatiskt däggdjur. En vanlig beslutsprocess är att en grupp möts och diskuterar något problem varpå HiPPOn fattar beslutet baserat på sin ackumulerade intuition eller magkänsla. Det är inte alltid fel. En HiPPO är ofta erfaren och har god fingertoppskänsla men nuförtiden finns det en utmanare, nämligen datanörden. Mängden och komplexiteten av data som flödar genom organisationer idag kräver ett stort mått av teknisk analys och relevant kompetens. Magkänsla måste bytas ut mot algoritmer. Det betyder inte att HiPPOn ska relegeras till ett zoo utan snarare fokusera på det de faktiskt får betalt för: omdöme, nätverkande, konceptuella ramar, ledarskap. Pablo Picasso sade vid något tillfälle att datorer är värdelösa: de kan bara ge svar. Det är bara frågor som kan vara kontroversiella, gränsöverskridande eller inspirerande. Utmaningarna med Big Data, eller stordata på svenska, har tekniska och organisatoriska aspekter men på det stora hela handlar det om hur man anpassar sin beslutskultur mot en ny, komplex verklighet.

Nivå 3. Strategisk analys med möjlighet till segmentering, statistisk analys och utveckling av personalmodeller. Analys av olika dimensioner för att förstå orsakssamband och framtagning av lösningar. Tio procent av företagen använder strategisk analys. Nivå 2. Proaktiv analys med fokus på avancerad rapportering. Operationell rapportering för benchmarking och beslutsfattande. Analys i flera dimensioner och användning av ”dashboards” som stöd. Cirka 30 procent använder proaktiv analys. Nivå 1. Reaktiv analys med fokus på löpande rapportering. Data används när behov dyker upp i den löpande verksamheten, data är utspridd i organisationen och kan vara svår att analysera. Av de undersökta företagen faller 56 procent i denna kategori. Källa: Josh Bersin. ”Big Data in Human Resources: A World of Haves and Have-Nots”. Forbes Leadership