Karig Luca, viselkedési közgazdász, szervezetfejlesztési tanácsadó írása

Menedzsment témák kapcsán gyakran felbukkan az – a legtöbbször Peter Drucker-nek tulajdonított – idézet, miszerint: „amit mérni tudnak, azt menedzselik”.

A menedzsmentet, mint jelenséget a legtöbb forrás olyan folyamatként definiálja, amely „dolgok” és „emberek” kezeléséről, vagy kontrolljáról szól. Abban viszont talán mindenki egyetért, hogy „dolgokat” (például dollárokat a kasszában, vagy készletet a raktárban) mindig is könnyebb és kézzelfoghatóbb volt mérni, mint az emberi viselkedést. És ez a jelenség minden bizonnyal rányomta a bélyegét a bevett menedzsment gyakorlatokra. A People Analytics ennek a nehézségnek a feloldásában tud rendkívül jó kapaszkodót nyújtani elemzőknek, tanácsadóknak, döntéshozóknak, és bárkinek, aki szerint

a menedzsmentnek legalább annyira kellene az emberekről szólnia, mint a „keményebb” pénzügyi, és egyéb, könnyebben számszerűsíthető mutatókról.

Az alábbi posztunkban bemutatjuk, hogyan. Kitérünk az irányzat előzményeire, fő módszertani jellemzőire, illetve arra, hogy milyen relevanciája van ennek az üzleti világban mostanában.

A People Analytics röviden egy olyan módszertani irányzat, ami az adatalapú döntéshozást, bizonyíték-alapú menedzsmentet segíti elő, emberi tényezőkhöz kapcsolódó témák terén.

Előzmények

 

A menedzsmenttudományokban nagy áttörésnek számított a Frederick Taylor (1856-1915) nevével fémjelzett „Scientific Management” irányzat, ami először próbálkozott meg azzal, hogy munkahelyi környezetben az emberi tevékenységet számszerűsítse, hogy aztán ez menedzsmentdöntések alapját szolgálhassa. Felméréseit egy amerikai vasgyárban végezte fizikai munkásokkal. Mérései után arra a következtetésre jutott, hogy a munkafolyamatok végletes sztenderdizációján, és az optimális megoldások szigorú kontrollálásán múlik a munka hatékonysága, idő- és költségszempontokat figyelembe véve. Taylor munkásságának előnye, hogy korábban nem látott mértékű mérési adatmennyiséget hozott létre, hátránya viszont, hogy az emberi tevékenységet szélsőségesen a gondolkozó menedzsment és a szellemi munkára képtelen végrehajtó alkalmazottak kategóriáiba sorolta. Sokan úgy gondolják, hogy ezzel a megközelítéssel Taylor egy személytelen, emberietlen társadalmat feltételezett, ahol nincsen tere az emberi önállóságnak, kreativitásnak, diverzitásnak. Ezáltal egyrészt nem minden helyzetre alkalmazhatóak a megállapításai, másrészt hosszú távon nem is számít túl egészségesnek ez a megközelítés a munkavállalókra nézve.

Taylor munkássága, és egy pár kudarcba fulladt kísérlet után nagyobb figyelmet kezdtek el fordítani a kutatók az egyének olyasfajta viselkedéseire (például közösséghez tartozás igényével, csoportnormákkal, stb. kapcsolatban), amiket az addigi Scientific management paradigma nem vett figyelembe. Megszületett a Human Relations (HR) irányzat (fő képviselője Elton Mayo volt), ami átdolgozta és csoport szempontból fejtette ki a taylori elveket. Ez a megközelítés bár haladás volt a korábbiakhoz képest, de pszichológiai folyamatok elemzésére még mindig nem fordított sok figyelmet. A huszadik század második felében kezdett csak igazán tért nyerni a szervezeti pszichológia irányzata (Maslow, Kurt Lewin, Herzberg, McClelland, stb. képviseletében), ami új szempontokat hozott (pl. motiváció, csoportdinamika) az emberek menedzselésének kérdései közé.

 

Aktualitás

Joggal merülhet fel bennünk a kérdés, miért épp mostanában kezd a People Analytics irányzat teret hódítani. A választ a két tudományterület („People” és „Analytics” tudományok) párhuzamos fejlődési történetében és összekapcsolódásában kell keressük. A szervezetpszichológiai irányzat fejlődésére az előzményben már kitértünk, foglalkozzunk most tehát a másik oldallal. A digitalizáció és a technológiai újítások mind felgyorsult ütemben járultak hozzá az információs társadalom kialakulásához. Korábban elképzelhetetlennek tűnő ütemben nő az elérhető információk mennyisége. Ez a tempó viszont olyan elementáris mértékű, hogy az információtechnológia fejlődése és információ feldolgozás maga már nem tudja vele tartani a lépést. A robusztus adathalmazok megléte így önmagában nem jelent fejlődést, sőt, sokszor pont hogy lassítja és hátráltatja a döntéshozást, nem segíti. Egy 2017-es Harvard Business Review (HBR) tanulmányból kiderül ezzel kapcsolatban pár meglepő szám:

  • az üzleti világban a strukturálatlan adatok kevesebb, mint 1%-a kerül felhasználásra vagy elemzésre
  • a strukturált adatok kevesebb, mint 50%-át használják fel döntésekhez
  • a munkavállalók több, mint 70%-a fér hozzá olyan adatokhoz, amikhez nem szabadna
  • az elemzők/tanácsadók idejének 80%-a telik adatok feltérképezésével és előkészítésével.

Ezek a számok is jól mutatják, hogy a Data Science tudományágnak napjainkban egyre nagyobb szerepe van.

A People Analytics irányzat jelentőségét két fő pontban tudjuk a leginkább megragadni. Egyfelől, az irányzat összekapcsol két (korábban egymástól viszonylag távol álló) szakterületet azáltal, hogy egyesíti a pszichológia és a statisztika/Data Science tudományos eredményeit. Másrészt pedig, mivel kézzelfogható üzleti környezetre és szervezeti problémákra alkalmazza a tudományos elveket, segít a tudomány és gyakorlat közötti szakadék áthidalásában is.

A People Analytics mindezek alapján segíti a megérzések és intuíció alapú döntéshozást egy tudatosabb, adat- és bizonyíték-alapú menedzsmentre váltani. A módszertan a felsővezetői, stratégiai döntéshozás mellett leginkább a HR-t, de további üzletviteli területeket is informálhat, mint például a Kontrollingot, vagy a Sales-t.

De pontosan hogyan is működik?

Mint ahogy a korábbi HBR tanulmány is kiemelte, az adatfeldolgozásban és -felhasználásban még jelentős a fejlődési potenciál. Az „adat-érettség” tekintetében pedig szervezet és szervezet között is hatalmas különbségek vannak.

Még mielőtt bármilyen People Analytics megoldásról lehetne beszélni, mindenképp fel kell mérni az adott szervezet analitikus érettségét. Az adat- és bizonyítékalapú döntéshozás az érettségnek bármely szintjén fejleszthető, a különösen értékteremtő People Analytics megoldások meghonosításához viszont kell már rendelkezni egy bizonyos fokú érettséggel.

(saját ábra, OpenSAP, Mannheim Business School, People Analytics Massive open online course alapján)

Az érettség mérésére jó keretrendszert tud nyújtani az SAP fenti modellje. A modell az analitikus érettséghez nem mást, mint a döntéshozáshoz kapcsolódó versenyelőny mértékét köti. Ahogy az ábrán is látható, az analitikus szempontból éretlen szervezeteknél nyers, vagy már valamelyest tisztított adatok, esetleg különféle sztenderd, vagy ad-hoc riportok érhetők el, de ezek az adatok mind kizárólag csak a múltat képezik le, azt értelmezik, hogy MI történt. Abban az esetben, ha a MI-n kívül a MIÉRT kérdésre is válaszokat keres a szervezet, akkor már adatbányász módszertanokat kell segítségül hívni, ahol már a mesterséges intelligenciának is szerepe lehet. Ettől az érettségi szinttől kezdődik a reaktív döntéshozás helyett az

előrejelzés alapú, proaktív döntéshozás, ami a People Analytics egyik fő célja.

A MI FOG történni kérdésre válaszolnak a különböző prediktív modellek, és a HOGYAN LENNE A LEGJOBB kérdést támasztják alá a legmagasabb analitikus érettséget igénylő optimalizációs törekvések. Véleményem szerint az SAP modell a szemléltetőereje mellett abban is segíthet a szervezeteknek, hogy azonosítsák, milyen fokán állnak az analitikus érettségnek, és ehhez mérten mik a releváns menedzsment kérdések, illetve az ezekhez illeszkedő analitikus módszertanok.

A Cascio & Bourdeau (2010) által kitalált LAMP framework segíthet abban, hogy olyan mérések, elemzések születhessenek a szervezetünkben, amik valódi stratégiai változásokhoz vezethetnek. A LAMP framework az alábbi elemekből áll:

  • L, mint „Logic”: milyen kérdések, összefüggések érdekelnek bennünket, mi a hipotézisünk? (Ilyen hipotézisünk lehet például, hogy a HR beavatkozásaink hatással vannak a munkavállalói elégedettségre, ami utána pedig kedvezően hat az ügyfél vásárlási szokásaira is.)
  • A, mint „Analytics” elem szól a statisztikai módszertanról. Milyen kérdéseket teszünk fel, ezekből milyen eredményt várunk, ezeket hogyan gyűjtjük és hogyan elemezzük.
  • M, mint „Measures”: ez az elem arról szól, hogy az adatnak magának megfelelő minőségű kell, hogy legyen, tehát időben, megbízhatóságban és elérhetőségben is hoznia kell a kívánt szintet. (A korábbi példánknál maradva, a munkavállalói elégedettségre és ügyfelek vásárlási gyakorlatára vonatkozó megbízható adatokra lesz szükségünk.)
  • P, mint „Process”: a hosszútávú eredmények elérése érdekében rendkívül fontos, hogy az elemzések következtében megszülető „insight”-ok motiválóak legyenek, lefordíthatóak legyenek konkrét akciótervekre, valamint ezek implementálása is gördülékeny folyamatként mehessen végbe.

Fontos, hogy harmóniában legyenek a fenti elemek, azt mérjük, ami tényleg releváns, olyan módszertannal, ami ezt a leginkább lehetővé teszi, és ebből megfelelő akcióterveket tudjunk felállítani, amik szintén a kezdeti problémára, stratégiai célra reagálnak.

Sok szervezet gyakorlatára jellemző, hogy ugyan van egy teljesítménymérésre felállított KPI (key performance indicator) rendszerük, de ezek leginkább azt mérik, ami kézzelfogható, és nem azt, ami a vállalati célokkal összhangban, a hosszútávú eredményességet és stratégiai célokat a leginkább támogatja. Szervezetfejlesztési területen például bevett szokás a tréningek után kérdőíves formában a résztevők elégedettségét mérni, kevesebb példát tudunk viszont felmutatni arra, hogyan mérik a tréningek valódi hatásosságát (amely az elégedettségen túl, vagy esetleg ahelyett a fő stratégiai célja lenne ezeknek az intervencióknak).

Mire jó a People Analytics?

A humán-fókuszból adódóan a HR az egyik legkézenfekvőbb alkalmazási területe az irányzat megoldásainak. A PA módszerek nagy hozzáadott értékkel bírhatnak a toborzás, kiválasztás, onboarding, vagy a képzés-fejlesztés területén is, például az alábbi kérdések megválaszolására:

  • mik a leghatékonyabb toborzási csatornák?
  • hogyan lehet meghatározni a jó teljesítményű jelölteket, vagy munkavállalókat?
  • mi az alkalmazott tréningek hatékonysága?
  • kinek van szüksége tréningre?
  • mik az okai a sok szabadságolásnak?

A fenti hagyományos HR-jellegű kérdéseken kívül viszont a People Analytics vívmányai felsővezetői, stratégiai szintű döntéshozás támogatására is alkalmasak. A People Analytics irányzat térnyerésének egyik fő következménye ebből fakadóan a HR funkció átalakulása. A legtöbb nemzetközi nagyvállalat HR vezetője, akik People Analytics megoldásokat kezdtek el alkalmazni, vagy netán külön divíziót is kiépítettek már ebből a célból, egyetért abban, hogy ez a HR funkció teljes átalakulását teszi szükségessé.

A HR szervezetek a People Analytics irányzat hatására a korábbi, főleg operatív funkciókat ellátó költségközpontok helyett sokkal nagyobb stratégiai jelentőséggel bíró szereplőkké alakulnak.

Ha tetszett a cikk és érdekesnek találtad, oszd meg ismerőseiddel is! Ha felmerült bármilyen kérdésed a témával kapcsolatban, írj nekünk egy üzenetet az info@cova.hu email címre, mi pedig néhány napon belül válaszolunk!

Felhasznált és hivatkozott források:

Cascio, W., & Boudreau, J. (2010). Investing in People: Financial Impact of Human Resource Initiatives. Ft Press.

DalleMulle & Davenport (2017). What’s your Data Strategy?. Harvard Business Review. Elérhető: https://hbr.org/2017/05/whats-your-data-strategy

OpenSAP – Mannheim Business School: People Analytics and Evidence-Based Management (Elérhető: open.sap.com)

Taylor (1911). The Principles of Scientific Management