Przejdź do treści

O kilku błędnych przekonaniach na temat people analytics.

Od ponad dziesięciu lat kręci mnie analiza danych w obszarach związanych z ludźmi. Wszystko zaczęło się jeszcze na studiach kiedy na statystyce odkryłem kilka prostych analiz. Od dość dawna rozmawiam z innymi specjalistami z obszaru HR oraz z menedżerami o tym, że HR potrzebuje większego oparcia w danych. Teraz pięknie nazywa się to data-driven HR, people analytics itp.. W wypowiedziach moich rozmówców ciągle przewijają się te same zastrzeżenia dotyczące wykorzystywania analityki HR. Większość z nich bazuje na kilku błędnych, moim zdaniem, założeniach.

Założenie 1 – Ludzi nie można pakować w tabelki

„…Karol, przecież jesteś psychologiem, powinieneś wiedzieć, że każdy człowiek jest niepowtarzalny. Ludzi nie można pakować w tabelki. Trzeba wielkiego wyczucia aby ich zrozumieć.”

Oj słyszałem podobne zdania wiele razy…. Pamiętajmy, people analytics to nie jest pakowanie ludzi w tabelki! Czymkolwiek jest pakowanie w tabelki J To, że każdy z nas jest niepowtarzalny, nie przeczy temu, że na poziomie zbiorowości ludzkie zachowania da się opisać pewnymi usystematyzowanymi regułami. Ludzie jako tacy, zachowują się w określony sposób, co nie stoi w sprzeczności z unikatowością każdego z nas. Gdyby było inaczej, takie dziedziny jak psychologia, socjologia czy politologia nie miałyby żadnego sensu.

A co do wczuwania się, szczególnie wszelkich ekspertów „od ludzi”, to polecam Wam klasyczne już badania Clinical versus statistical prediction autorstwa Meehl’a. Okazało się w nich, że nawet najprostsze modele statystyczne są często lepsze niż oceny uznanych ekspertów czy diagnostów[1]. Dlaczego więc w dobie Internetu, big data i czwartej rewolucji przemysłowej, często dalej upieramy się, że wyjątkowość człowieka nie pozwala zbudować przydatnych modeli statystycznych opisujących jego działanie?

Założenie 2 – Nie mam dość dobrych danych

Idealne dane nie istnieją. Marketing, sprzedaż, produkcja… żaden z tych działów nie ma idealnych danych. Nawet finanse… 🙂 A mimo tego, każdy z nich, stara się kwantyfikować swoje poczynania. Oczywiście wiele technik analizy wymaga danych odpowiedniej jakości, jednak z drugiej strony, analizy w obszarze HR nie zawsze potrzebują dokładności na poziomie trzydziestego szóstego miejsca po przecinku.

Nie bójmy się więc podejmować analiz nawet jeśli dane nie są idealne. Nigdy nie będą. Zamiast tego warto się zastanowić nad tym jakich technik możemy użyć na naszych danych oraz jak poprawić jakość gromadzonych przez nas informacji.

Pozwolę sobie zacytować klasyka klasyków:

Wykształcony umysł charakteryzuje się tym, że zadowala się stopniem precyzji, jaki dopuszcza natura badanego przedmiotu, a nie szuka dokładności wtedy, gdy jest możliwe poznanie tylko przybliżonej wartości.

Arystoteles

Założenie 3 – Nie mam odpowiedniego systemu

Analityka HR u wielu osób budzi skojarzenia z koniecznością posiadania rozbudowanego systemu HR oraz jakiegoś cuda klasy business intelligence. Oczywiście takie zabawki to super rzecz, jednak nie są one kluczowe aby zacząć pracować z danymi. Większość firm ma więcej danych niż im się wydaje, wystarczy, że zaczniemy je porządkować i próbować z nich korzystać. Wiele naprawdę przydatnych analiz da się wykonać w MS Excel lub jak ktoś się uprze nawet w darmowych pakietach biurowych. Kluczowe jest postawienie sobie właściwych pytań i poszukanie danych, które mogę nam pomóc na nie odpowiedzieć. Systemy HRowe oraz BI nie wykonają za nas pracy. Będą natomiast przydatne kiedy zakończymy nasze analizy jakimiś przydatnymi wnioskami. Wtedy pozwolą nam zautomatyzować kolejne raporty na podstawie tego, co udało nam się wcześniej wypracować.  

Założenie 4 – Nie znam się na analizach, to nie dla mnie

To jest argument, który słyszę dość często. Każdy ma jakieś słabe strony, ja na przykład nie znoszę uczyć się niemieckiego, chociaż uważam, że to piękny język. Spora część moich rozmówców żywi podobną niechęć do matematyki i statystki, które są nieodłączną częścią people analytics. Ale spokojnie, nie taki diabeł straszny. Po pierwsze, nie musimy zaczynać od analiz, które są skomplikowane. Takie rzeczy jak modelowanie równań strukturalnych czy modele wielopoziomowe mogą przecież chwilę zaczekać. Po drugie, większość analiz, które mogą dać nam całkiem sensowne wnioski nie wymaga głębokiej wiedzy matematycznej. Analizy dotyczące badania relacji między zmiennymi czy porównywania grup są w praktyce naprawdę proste do wykonania. Wystarczy trochę czasu oraz dobry przewodnik lub kurs…. Pamiętajcie o tym, że w codziennej pracy HRowca najczęściej korzystać będziemy z tych stosunkowo prostych, a tym samym dostępnych dla każdego analiz.

Założenie 5 – Nie wierzę w to!

„Karol, to wszystko brzmi OK, ale ja nie wierzę w te analizy…” No i tu się poddaję! Nie wiem co odpowiedzieć. Dla mnie HR, biznes i analizy danych, to nie kwestia wiary. Celowo skończyłem psychologię oraz studia doktoranckie poświęcone głównie analizie danych, aby nie musieć wypowiadać się na temat wiary. Tu chodzi o liczby i fakty, a w konsekwencji o mądrzejsze decyzje. Dla niedowiarków polecam książkę, która odmieniła moje myślenie: Hard facts, dangerous half-truths, and total nonsense: Profiting from evidence-based management.

Ale to i tak pewnie daremne, jak ktoś nie wierzy, to i tak nie przeczyta… i nie spróbuje.

[1] Więcej świetnych przykładów dużej efektywności dość prostych modeli znajdziecie tutaj: Hubbard, D. W. (2014). How to measure anything: Finding the value of intangibles in business. John Wiley & Sons.

Twój adres e-mail nie zostanie opublikowany. Wymagane pola są oznaczone *