lørdag den 21. november 2015

Datadrevet HR

Hvis HR skal være forretningsorienteret og strategisk, og det siger alle, der har noget at skulle have sagt om den sag, kommer vi ikke udenom at arbejde med data.



Men mens de fleste i HR gerne vil være business-darlings, gider meget få at geeke rundt i data og statistiske beregninger, og det er ærgerligt, for en forretningsdrevet HR praksis uden HR Analytics ain't gonna happen, hvis du spørger mig. 

Det er ingen hemmelighed, at jeg har ment dette ligeså længe, jeg har vidst, at der fandtes supplerende metoder til mavefornemmelse, men jeg forsøger at lade være med at tale alt for meget om det, da de færreste gider høre om statistik og lignende kedsommeligheder, for ikke at tale om at læse blogs om det. 

Hvis du allerede keder dig nu, er du altså velkommen til at hoppe af.  

People persons


Hvad har statistisk metode, databehandling og beregninger med noget som helst HR-relateret at gøre? vil mange HR praktikere måske spørge. I HR er den primære interesse som bekendt mennesker og man stoler i stor HR-stil på sin gode dømmekraft i alle anliggender af menneskelig karakter. Når alt kommer til alt, må netop den gode dømmekraft i menneskeanliggender være essensen af betegnelsen 'HR professionel'.

Men HR folk er ikke bedre end alle andre til at vurdere andre mennesker. Det er en stor fejl at tilskrive os denne overnaturlige attribut. Vi er ikke nødvendigvis bedre menneskekendere end receptionisten, økonomidamen eller CEO'en, men vi er heller ikke nødvendigvis værre. Vi er bare fanget i vores menneskelighed ligesom alle andre og har bias og fordomme og blind spots som folk har flest. 

Derfor er det på en måde pudsigt, at vi bliver konsulteret i stort set alle sager af menneskelig karakter, for i virkeligheden burde det være virksomhedens ledere, som ved besked. Lederne burde have den dybeste indsigt i menneskelig adfærd og i særdeleshed i deres egne medarbejderes adfærd. Og lederne burde være people persons, længe før HR var det.


 


Bare rolig, jeg siger ikke, at HR ikke fortsat skal have folk ansat, der ved noget om mennesker, er relationelle, empatiske, kan kommunikere og alt det der. Den slags mennesker er der brug for overalt i vores organisationer. Men det er afgørende, at disse gode people menneskers bidrag gøres relevant gennem et evidensbaseret udgangspunkt.

Marketing, som jeg på mange måder opfatter som en søsterfunktion til HR og som ville gøre sig godt ved at fusionere med og underkaste sig sidstnævnte, gør sig ikke relevant ved at bruge alle deres ressourcer på at gå i girafdialog med Therese på Facebook og stryge Jørgens dårlige anmeldelse på Trustpilot med hårene, men gør sig relevant ved at kombinere en analytisk, ja, jeg vil næsten sige strategisk, fremgangsmåde med samtalerne med denne verdens Thereser og Jørgener.       

Kunden er i centrum, det er klart, men det er hun både på den kvalitative og den kvantitative måde i en marketingafdeling. Kunden er både et individ med et individs rettigheder og behov og del af et CRM segment med et segments præferencer og adfærdstræk, og det er der ikke noget mystik i. Det kan alle acceptere. 
    
For dem, der har hørt mig rundt omkring, er denne anekdote ikke ny, men den er stadig god og illustrerer ganske godt forskellen på at bruge sine data forretningsmæssigt og not:

Den amerikanske detailkæde Tesco var under stærkt indtjeningspres i midten af 00’erne. I den forbindelse indkaldte den adm. direktør sine stabschefer til et krisemøde, hvor alle blev bedt om at fremlægge deres perspektiv på virksomhedens nuværende og fremtidige situation. 

Marketingchefen fremlagde sine analyser af kundesegmenter og forbrugeradfærd og viste, hvordan de indsigter, der var skabt af datagrundlaget, kunne give nye indtjeningsmuligheder.  

HR chefen rapporterede herefter om virksomhedens arbejdsstyrke ud fra standardparametre som head counts, aldersspredning, køn, lønprocenter og lignende.

Den adm. direktørs eneste kommentar til HR chefen, da hun var færdig med sin redegørelse, var: 

"Vi synes at vide mere om vores kunder end vi ved om vores medarbejdere"

Et par standardafvigelser fra normen


Og sådan er det, selvom mange HR folk rundt omkring ved noget, og nogle gange meget, om specifikke kolleger, de har været i direkte interaktion med af den ene eller den anden årsag. Men denne kontakt er som regel koncentreret om top og bund, yndlinge og trouble makers, og bidraget til det store billede kan nok være relevant, men er samtidig begrænset, da man i disse kontakter som regel er mere end én standardafvigelse fra normen. 


Standardafvigelse udtrykker spredningen i data i forhold til gennemsnittet. I en perfekt normalfordeling, vil 68% befinde sig indenfor én standardafvigelse fra gennemsnittet (de to tykke søjler i midten) og 95% vil befinde sig indenfor to standardafvigelser fra gennemsnittet. 99,7% vil befinde sig indenfor tre standradafvigelser fra gennemsnittet, mens de sidste 0,3 %, er decideret udenfor statistisk rækkevidde og derfor heller ikke medtaget i ovenstående illustration,    

Og nu vi taler om standardafvigelser, vil jeg tillade mig at anbefale bogen Målbar HR, skrevet af Thomas Hedegaard Rasmussen. Bogen udkom i 2013 på Dansk Psykologisk Forlag og den er regulært spændende. Jeg vil gå så vidt som til at sige, at jeg havde svært ved at lægge bogen fra mig, da jeg først var i gang og det er vildt, når man taler om en bog om regressioner, r-squared og data mining.

Hvad er det, der er så inciterende ved Målbar HR? Dels er det bogens uimponerede tone, forfatteren er ikke engang imponeret over sig selv, og dels bogens relevans. 

Det bliver ikke mere relevant, det tør jeg godt at love, og jeg tør også godt at love, at alle kan være med. Det er ikke svært at arbejde med data og statistiske beregninger, så det store spørgsmål er, hvorfor var vi ikke i gang med analytisk HR for tyve år siden?    

Ja, jeg kan sige, at jeg ikke var i gang, fordi jeg var mere optaget af Derrida og Baudrillard dengang, men alle jer, som kom frejdige og uspolerede ud fra et cand.merc studie eller nogle af STEM fagene, burde have kastet jer frådende over opgaven i stedet for at blive ansat i et job, hvor I skulle registrere afholdte MUS samtaler i en database og lave frokostordninger. Set ud fra snart sagt alle de perspektiver, man kan forestille sig, er analytisk HR noget mere relevant end så meget af det andet, vi har fået de sidste tyve år til at gå med.

Performance drivers


Undertitlen på bogen er ’en praktisk guide til datadrevet HR ledelse’, og ja, hvis bogen bliver praktisk af at inkludere ti cases, så er den praktisk. 

De ti cases viser, hvordan datadrevet HR kan bruges i en række sammenhænge, lige fra påvisning af den konkrete relation mellem medarbejderengagement og kundetilfredshed over analyser af forskellige typer assessmentværktøjers prædiktive kvalitet og til afmontering af generelle myter om ledelse.  

Arbejdet med HR data (og andre typer forretningsdata) er en metadisciplin, der kan appliceres på alle HR områder, og den har principielt mere til fælles med det, de laver i BI end med det, man traditionelt opfatter som HR kerneopgaver. 

Det er dog vigtigt at sige, at HR Analytics ikke erstatter traditionelle HR initiativer. Det eneste, det erstatter, er tåbeligheder. Som forfatteren selv siger, er der ingen modsætning mellem mindful HR og datadrevet HR - så længe de mindfulde initiativers effekt sandsynliggøres up front. 

Datadrevet HR er et værktøj til at diagnosticere og dokumentere og give evidensbaserede anbefalinger til forretningens ledere (og til HR selv), men selve løsningsdesignet og løsningseksekveringen kan datadrevet HR ikke klare. Der må der andre og mere klassiske HR kompetencer på banen. 

Hvis en analyse for eksempel viser, at 60 % af variansen i performance på tværs af alle virksomhedens forretningsenheder beskrives af ledelseskvaliteten (40%) og af de pågældende lederteams gennemsnits-IQ (20%), så foreligger der et actionable datagrundlag - men heller ikke mere. Det er ikke datagrundlaget, der træffer beslutning om, hvilke praksisændringer denne indsigt bør medføre, ligesom det ikke er datagrundlaget, der realiserer ændringerne. Analyseresultatet opfordrer til handling, men det er HR folkene i samarbejde med forretningslederne, der beslutter, hvilke ændringer af eksisterende praksisser, man ønsker at gennemføre.

Undersøgelsen af hvilke faktorer, der påvirker performance, er en af bogens ti cases, og selvom det nok ikke kommer bag på ret mange, at ledelse har forholdsvis stor betydning for performance, så kom det faktisk bag på den pågældende virksomhed, at kognitiv kapacitet har så stærk en sammenhæng med udsvingene i de forskellige forretningsenheders præstationsniveauer. 

De forretningsledere, der blev spurgt, inden analysen blev gennemført, pegede på forhold som diversitet, medarbejdernes personlighedstræk og anciennitet som betydende faktorer for de forskellige afdelingers performance og ingen af disse forslag viste sig at være i overensstemmelse med virkeligheden. Til gengæld nævnte ingen af de adspurgte ledere, ikke en eneste, intelligens som en afgørende faktor for variansen i perfomanceniveauerne. 

Hvorfor ikke?  Måske fordi vi generelt ikke tillægger intelligens nogen særlig betydning, måske fordi vi ikke bryder os om den nødvendighedens aura, der omslutter fænomenet. Som Thomas Hedegaard Rasmussen siger:

100 års akkumuleret forskning har vist, at kognitive evner har stor betydning for performance, mens mange (..) ikke bryder sig om det faktum, at kognitive evner kan måles let og billigt, og i øvrigt ikke ændrer sig meget i alderen 20-70 år. Moder Natur er således på dette område lidt for deterministisk til sin tidsånd, uanfægtet at den underliggende forskning er den mest solide og omfangsrige, som findes i samfundsvidenskaberne.  


 

Fire fase modellen i datadrevet HR


De fleste af bogens cases er bygget op om en fire fase model, som er både fornuftig og forståelig:

  1. tag udgangspunkt i forretningens eller organisationens konkrete behov 
  2. brug den uafhængige forskning om effekter af HR tiltag
  3. verificer ved brug af virksomhedens egne data og brug kun simple, statistiske metoder   
  4. kommuniker resultater og anbefalinger til beslutningstagere

Første fase synes jeg, at vi er kommet godt i vej med, også helt uden brug af statistik. Og fase fire kan de fleste af os også finde ud af. Men der, hvor det kniber, er fase to og tre.   

Jeg er ikke for fin til at indrømme, at det kniber for mig i fase to, for selvom jeg læser ganske mange artikler, forskningsrapporter, bøger og survey resultater, har jeg ikke været opmærksom på de såkaldte metaanalyser:

En metaanalyse er en forskningsartikel, som opsummerer, hvad en hel masse enkelte undersøgelser om et givent HR emne har fundet, f.eks. en metaanalyse af effekten af ledelsesudvikling, der ser på, hvad mere end 100 individuelle videnskabelige undersøgelser har vist og ved hjælp af statistik beregner en effektstørrelse på tværs af alle undersøgelser.

Denne oplysning er simpelthen for smart til at jeg kan undlade at dele den. Jeg vil til hver en tid hoppe over, hvor gærdet er lavest, og metaanalyser passer derfor godt til mig samtidig med, at de repræsenterer evidens i anden potens. 

Det er vigtigt for forfatteren at understrege, at når man arbejder med datadrevet HR, skal man ikke selv bedrive forskningsarbejde, ligesom man ikke selv skal etablere årsagssammenhænge. Forskningen forsker og dokumenterer årsagssammenhænge, HR data geeks samler data, renser data og bruger data til at påvise - eller nogle gange afvise - lignende tendenser i virksomhedens eget materiale.  

Hvis fase to kniber, bliver det endnu mere uldent i fase tre, og jeg vil med det samme sige, at Thomas Hedegaard Rasmussens råd om 'kun at bruge simple, statistiske metoder' nok skal blive fulgt, da jeg ærlig talt ikke ville vide, hvordan jeg skulle gøre andet. De tre (simple) statistiske områder, som man med fordel kan kaste sig over, er:

  • beskrivende statistik: gennemsnit og spredning
  • korrelationer: forholdet mellem to eller flere fænomener
  • sammenligning af grupper 

Kapitlet om statistisk metode er efter min mening noget af det mest spændende ved Målbar HR og har inspireret mig til at købe yderligere to statistikbøger med hver deres dødsyge omslag. Jeg vil godt love, at der ikke kommer nogle blogindlæg om dem, men omvendt vil jeg gerne slå et slag for nysgerrigheden i os alle. 

Det behøver ikke at være pivottabeller, der tænder dig, men hvad gør så? Læs og lær og berig HR arbejdet med andre indfaldsvinkler, andre verdener. Det er den eneste vej til bedre HR. Løsningen kommer ikke indefra, det kan jeg garantere, den kommer udefra.    

HR Analytics er ikke svaret på alt, så langt fra, der er også filosofi, kærlighed og ordentlighed, for eksempel, men HR Analytics er en metode til at kvalificere beslutninger, og er efter min mening ligeså basics som hele compliancemonsteret. Vi fik taget fat på tingene i den forkerte rækkefølge og nu er tiden kommet til at rette op på det. 

Målbar HR er et godt sted at starte.




****


Efter nytår starter også en ny serie her på bloggen, som hedder PÅ KANTEN AF HR. Har du lyst til at deltage eller kender du nogen, som er modige nok til at sige det, som det er, så vil jeg gerne høre fra dig.

Du behøver ikke være statistiker og du behøver ikke være enig med mig. Men du skal være klartskuende, du skal have noget på hjerte og du skal ikke være bange for at sige det højt. 




Jeg kan fanges på e-mail mayadroeschler@icloud.com, på Twitter, på LinkedIn, på Google+ og på Instagram, for at det ikke skal være løgn.

Jeg modtager ikke snaps.