Så går du från intuition till mätbara siffror


2018-08-08 - People analytics har gått från visioner till vardag i allt fler företag. Nu börjar det märkas även i Sverige. För SAP:s globala hr direktör Stefan Ries är analys av medarbetare grunden för affärskritiska beslut.


I Silicon Valley är jakten på talangerna stenhård och de flesta går till företag som Google, Apple och Facebook. Men vilka är det som väljer att arbeta med programvaru­företaget SAP? En dataanalys visade mönstret för vilka de anställer: andra generationens invandrare.

– Vi förstod inte varför, men analysen visade att vi är framgångsrika i rekryteringen om kandidatens föräldrar eller mor- och farföräldrar har immigrerat till USA. För att undersöka om detta verkligen stämde gjorde vi fokusintervjuer och frågade våra anställda varför de valt att jobba med oss. Svaret blev: Ni är de enda som erbjuder ingenjörer en global karriär. Apple, Google och Facebook utvecklar i stort sett bara programvara i Silicon Valley, säger Stefan Ries.

Talangsstrategin lades om. I stället för att försöka rekrytera vid alla universitetens examensevent riktar de nu ­information till potentiella kandidater som de genom ­sociala medier vet har en invandrarbakgrund.

– Detta är enormt framgångsrikt för oss och det är något vi aldrig hade kommit fram till utan att ha undersökt datasambanden.

Analyser av big data har också visat SAP var det finns luckor där ingen söker efter talanger: ingenjörer inom ­autismspektrat.

– Våra analyser visade att det finns jättemånga ingenjörer med denna funktionsuppsättning som är tillgängliga på arbetsmarknaden eftersom ingen anställer dem! Nu har vi i en pilotstudie anställt 120 personer för att utvärdera och det går lysande.

Med hjälp av dataanalys har SAP det senaste året också förändrat hur de jobbar med talangerna internt. Tidigare bedömdes medarbetarnas prestationer enligt en fem­gradig skala. Men en analys visade att de flesta fick ungefär samma betyg, runt tre och fyra, så vad tillförde egentligen bedömningen?

– Vi gjorde en pilotstudie på 8 500 medarbetare för att undersöka om vi skulle sluta med vårt performance management-program. I stället för betygsättning fick medarbetarna i studien i stället mer regelbundet träffa sin chef och fick bättre feedback.

Pilotstudien pågick till april i år och den visade att det inte gav någon skillnad i lön mellan dem som hade talang­utvärdering och dem som inte hade det. Cheferna använde samma logik för att distribuera bonus och lön även till dem som inte fick en siffra på sin prestation. De 8 500 som inte hade talangutvärdering sa också att dialogen blivit bättre eftersom de nu pratade utvecklingsmöjligheter.

– Pilotstudien visade att medarbetarna fick mer fokus på lärande och karriär, vilket ­gjorde det självklart för oss att skippa performance management-modellen. Nu investerade vi mer pengar i ledarskapsutbildning och ­lärande i stället för att fokusera på regler, säger Stefan Ries.

Men dataanalysen ger inte bara möjlighet att se historiska samband och hitta luckor; den ger också möjlighet att ­förutspå det som kommer att hända. Genom att registrera cv och göra exitintervjuer så har SAP kunnat analysera mönstret för vilka de anställer och hur de förlorar dem. ­Genom omvärldsdata kan de se mönstret för hur nya ­generationer stannar på arbetsplatsen och vilka kompetenser som kommer att bli viktiga för vissa industrier och företag.

– Sammantaget har denna data hjälpt oss undersöka olika scenarier för risken att vi skulle förlora delar av våra anställda i fram­tiden och var i världen den risken är störst. Svaret för oss blev att vi hade störst risk att förlora ingenjörer med kompetens inom vissa typer av programmeringsspråk och allra störst var risken i Indien. Vi kunde också se att detta skulle hända inom två till tre år.

Prislappen för att förlora så många anställda i Indien kunde de också räkna ut: en tvåsiffrig miljonsumma.

– Med den uträkningen kunde jag som hr-person gå till ekonomi och be om att få 20 procent av pengarna nu för att kunna investera i medarbetarna. För om vi skulle göra en sådan investering skulle mönstret ändras. Resultatet blev ett skräddarsytt verktyg för att behålla just dessa med­arbetare.

Med siffror får hr möjlighet att prata ­affärsspråk och få genomslagskraft för sina frågor, menar Stefan Ries.

– Detta är ofta inte hemmaplan för hr. Vi har ju den mjuka sidan, men hr-folk måste bli mycket mer datadrivna.

Ser du risker med att analysera big data?

– Nej, egentligen inte så länge man är gdpr-säkrad och har pålitliga system och ber om tillåtelse om att få använda data. Man måste också vara medveten om att vissa länder inte godkänner att data exporteras till andra länder. Till exempel gör vi dataanalys i Ryssland men de siffrorna ­lämnar inte landet.

Stefan Ries betonar dock att dataanalysen bara ger en hypotes som måste undersökas i verkligheten, eftersom en risk är att big data kan hitta samband som i verkligheten inte visar sig vara korrekta.

– Big data kan aldrig ersätta mänskliga ­beslut men kan förbereda dem bättre, för att du har strukturerad information.

Så jobbar SAP

I sitt så kallade digital boardroom kan ledningsgruppen få fram siffror i realtid över alla affärsområden och aktiviteter som stöd i beslutsfattandet.

Globalt för hela SAP -arbetar 7–8 personer på hr-avdelningen med att analysera data.

SAP har mer än 90 000 medarbetare.

Big data kan aldrig -ersätta mänskliga beslut men kan förbereda dem bättre, eftersom du har strukturerad information.

3 råd för företag som vill börja med people analytics

1. Börja med att definiera vad ni -räknar. Ofta har till exempel hr och -finans olika sätt att räkna antal -anställda (headcount) på. Get over it. Definiera en standard på ert företag! Gör sedan en sammanställning över befintlig data. Försäkra er också om att data håller bra kvalitet.

2. Använd information i realtid vid beslutsfattning. Då slipper man ineffektiva diskussioner runt föråldrad data, som kan leda till felaktiga beslut. Skapa en datadriven kultur där dataanalys används som en grund för diskussioner och beslut. Här är det också viktigt att se till så att medarbetarna förstår resultaten från analyserna. Då kan de också bidra med input om datamodellerna stämmer.

3. Har man möjliggjort steg 1 och 2 så är det dags att använda dataanalys för simulationer, alltså köra prediktiva analyser. Dessa bör sedan verifieras i verkligheten, innan man kan göra riktade åtgärder.


JUST NU PÅ FÖRSTA SIDAN