Adatvezérelt HR esettanulmány – II. rész

Amikor a HR pontosabban jelzi előre az értékesítést, mint a Sales

Előző cikkünkben, arról olvashattatok, hogy a skandináv Musti Group üzletlánc hogyan tette meg a szervezeti megújulás felé vezető  útjának első lépéseit people analytics eszközök segítségével. Most pedig azt vesszük górcső alá, hogy milyen konkrét folyamatok vezettek a cég adatvezérelt transzformációjához.

Esettanulmányunkban bemutatott vállalatnál korábban minden üzletvezetőnek a saját hatáskörére vonatkozóan felelőssége volt a munkaerő tervezésben és a dolgozók beosztásának elkészítésében. Azonban, nem voltak meg a megfelelő adataik ahhoz, hogy ezt igazán hatékonyan tudják csinálni, így a legtöbb döntést csupán a megérzéseikre tudták alapozni.

Ezen felül nem volt nagy mozgásterük a kollégák optimalizált beosztására sem, mivel minden boltban korlátozott számú alkalmazottal kellett dolgozniuk. Azok a megoldások, amelyek az egyes üzletvezetők szempontjából megfelelőnek tűntek, az egész rendszert nézve közel sem voltak a legjobbak. Ennek következtében romlott a az összvállalati hatékonyság, és sok befektetett energia ment kárba, amit az is tetézett, hogy

céges szinten folyamatos “tűzoltásban” voltak, ugyanis a semmiből újra és újra problémák merültek fel.

Az adatok elemzésének segítségével azonban sikerült  megállapítani, hogy mik lennének a legmegfelelőbb folyamatok cégük számára, és hogy hol lapulnak azoka gócpontok, amikből “váratlaul” problémák sokasága ugorhat elő. Azzal, hogy sikerült pontosan előre jelezniük az alkalmazottak igényeit, egy központosított munkaerő- és beosztás tervezet létrehozására is lehetőségük nyílt, ami a vállalat egészére pozitív hatással lett.

A sorsdöntő fordulat

Az Adatvezérelt HR szemléletű tanácsadó cég, a Peoplegeeks szakembereinek egy pontos modellt kellett létrehozniuk optimalizált munkabeosztás elkészítéséhez. Ebben pedig az egyik legfontosabb tényező a vásárlók igénye volt, és annak figyelembe vétele, hogy mikor történik a legtöbb eladás. A Musti Group vezetői csak napi lebontású adatokkal tudtak szolgálni, de a megfelelő beosztásokhoz órára lebontott adatokra volt szükség minden egyes bolt minden napjának minden órájáról. Mit lehet ilyenkor tenni?

“Ehhez, egy machine learning technológiát alkalmazó modellt állítottunk fel, mely hatalmas mennyiségű adatot tud feldolgozni. Ahogy az így kapott eredményeket a valódi költségvetésekkel és eladásokkal összehasonlítottuk nyilvánvalóvá vált, hogy a mi modellünk pontosabbnak bizonyult mint az, amit a cégvezetők eddig használtak.”  – mondta a Peoplegeeks csoport egyik kutatója.

A változás menete

A HR analitika bevetését követően az alábbi területek megújításába kezdett a vállalat:

1. Igazodás a munkaerő fluktuációjához

Alapvető feladat volt a szerződések optimalizálása, ahol a hatékonyságot, az óraszámokat és a kollégák számát is figyelembe véve új munkabeosztás készült.

A dolgozók beosztásait és szerződéseiket ahhoz igazították, hogy mely hónapokban van rájuk a legnagyobb szükség az év során. Itt azonban még nem álltak meg: ezen belül is tovább bontották a beosztásokat, a napszakokat is figyelembe véve aszerint, hogy a nap melyik periódusában van igény nagyobb munkaerőre.

2. Az üzletvezetők támogatása a hatékony munkavégzésben

Elsősorban egy központi, mindenki számára hozzáférhető munkabeosztás elkészítésével a skandináv üzletlánc minimalizálta azt az időt, amelyet az üzletvezetőknek a dolgozók beosztásának az elkészítésével kellett foglalkozniuk.

Ezen felül egy újragondolt folyamatszervezéssel közel negyedére, 16 óráról 4.5 órára csökkentették azt az időt, amelyet a vezetőknek az új kollégák felvételével kellett tölteniük.

Végül a munkatársakkal szemben támasztott elvárásokat is újragondolták, és átláthatóan kommunikálták a kollégák felé.

Eredmény

A fenti változtatások a folyamatok hatékonyságát és mérhetőségét célozták, amelyeknek köszönhetően

a cégnek sikerült egy olyan modellt felállítania a vállalatban dolgozók beosztására, ami támogatta legfőbb célkitűzésüket: “megfelelő embereket, megfelelő helyre, megfelelő időben.”

A tanulságok

Eleinte a magasszintű adatelemzés komplexitása igen megterhelőnek tűnhet, hiszen ezernyi lehetőséget és kihívást kell végiggondolni, rengeteg variánst kell kontrollálni és az adatok nyújtotta kihívásokat leküzdeni. Azonban, ahogy sikerül felállítani a megfelelő prioritásokat és megállapítani a lehetséges hasznokat, és úgy döntünk, hogy mégis belevágunk, hatalmas előrelépéseket tapasztalhatunk.

Valódi magas szintű analízishez szükséges tudáshoz ma nem könnyű hozzájutni. A cégeknek meg kell találniuk a megfelelő egyensúlyt aközött, hogy mire képesek házon belül, és mikor van szükség külső szakértők bevonására. Különösen az elején lehet sokkal nagyobbat előrelépni, ha külsős tanácsadók segítségével építjük ki a stratégiánkat és közben képezzük ki a cégen belüli megfelelő szakértőket.

A vezérigazgatókat általában nem érdekli, hogy milyen elemzések készülnek vagy milyen megoldásokat kell megvalósítaniuk, amíg azok meghozzák nekik a kívánt eredményeket.

Bejegyzésünket az IBM Musti Group cikke inspirálta.

HR-esként Te is szeretnéd hasonló rálátással segíteni szervezetedet? Hamarosan indul felforgató HR képzésünk, ahol sajátélményű tanulás útján, gyakorlati példákon keresztül sajátíthatod el az Adatvezérelt HR szemléletmódját!

Tartsd frissen HR tudásodat, szerezd be a legkurrensebb ismereteket!

Tarts velünk 2019. április 11-én induló Adatvezérelt HR képzésünkön!

További információt itt találsz: https://goo.gl/fZjYJY