Stálé rubriky / HR – Human Relations
Stálé rubriky

Malá nebo velká data, hlavně když s nimi umíme

Dívat se na HR jen jako na soft disciplínu, která je více o pocitech, dojmech a vcítění se, již dávno není aktuální. Umět se podívat na HR prostřednictvím dat, připravit díky nim analýzu a přijmout opatření, umět vyhodnotit efektivitu, návratnost, vyčíslit zdánlivě nevyčíslitelné, to je součást dnešního HR. Pro business naprostá samozřejmost, pro HR samotné občas až kontroverzní téma.

V poslední době se snad na poli HR nepíše o ničem víc než o tématu big data v HR. Uspořádalo se tolik konferencí, zorganizovalo kvantum workshopů, ale reálný dopad v praxi příliš vidět není. Dokonce už i náš americký VP pro HR řekl, že všechna naše rozhodní musí být letošní rok řízena čísly. Je to pokrokové, nebo neví, která tady v Čechách bije, a ještě se k němu nedostalo, „že tohle u nás nefunguje"?  

V jedné výrobní firmě jsem konzultovala problém s vysokou fluktuací, která se jim meziročně zvýšila o 10 %. Téma, které jistě není cizí většině z vás. Moje první dotazy byly: „Jaké máte procento dobrovolných a nedobrovolných odchodů?", „Jaké jsou důvody odchodů?", „Jaká je průměrná délka pracovního poměru?" „Po jak dlouhé době jsou odchody nejčastější?"   

A jaká byla odpověď na všechny otázky? Velmi prostá: „Nevíme". 

Tak jsme si vyhrnuli rukávy a pustili se do toho. Museli jsme vycházet jen z dat, která byla k dispozici, ale i tak jsme z toho mála získali informace, na kterých se dalo stavět. Spočítali jsme průměrnou délku pracovního poměru a zjistili, po jaké době zaměstnanci nejčastěji odcházejí. Přitom jsme se stále pohybovali na úrovni základních počtů, nic složitého.    

Nováčci a „krátkodobí" zaměstnanci  

V první fázi jsme se zabývali nováčky a zaměstnanci s pracovním poměrem do tří let. Nováčky jsme vnímali jako zaměstnance, kteří jsou primárně stále ještě v procesu zaškolení, a zaměstnance od roku do tří jako skupinu, která je odchodem ohrožena nejčastěji, protože není až tak zakořeněna, ve firmě ji nedrží takové vazby jako zaměstnance, kteří tam pracují třeba pět let. Důvody odchodů mezi skupinou do tří let pracovního poměru a skupinou „těch s delším pracovním poměrem" se samozřejmě lišily a vyžadovaly jiný přístup.  

Co se tedy u první skupiny ukázalo? Že za poslední dva roky z firmy odcházelo nejvíc zaměstnanců do tří a pak do dvanácti měsíců. Usoudili jsme, že problém by mohl být ve výběru zaměstnanců a možná i v jejich zaškolení.  

Pro lepší představu o tom, koho bychom vlastně měli hledat, jsme vycházeli z dat, která máme o stávajících i bývalých zaměstnancích. Zaměřili jsme se na to, jaké mají vzdělání, jaká je jejich předchozí praxe, zda jsou z oboru, zda pracovali na nějaké technické pozici, jak úspěšní byli u pohovoru nebo jestli hraje roli lokalita, odkud do zaměstnání dojíždějí. Tato data jsme vztáhli k počtu odchodů a délce pracovního poměru jednotlivců.

Jednalo se o jednoduchou statistiku, která nám pomohla zjistit, že pokud zaměstnanci dojíždějí do práce déle než hodinu, do roka s velkou pravděpodobností odejdou. Také jsme se dozvěděli, že z pohledu délky pracovního poměru je výhodnější, když zaměstnanec nemá technické vzdělání nebo technickou praxi, protože tito lidé také častěji odcházejí do jednoho roku. Vzhledem k situaci na trhu práce nic překvapivého, že?    

Pracovní výkon a doba zaškolení  

Stejně jako ve většině výrobních firem, i zde se pravidelně měří pracovní výkonnost zaměstnanců. Takže jsme vzali tato data a dali je dohromady s těmi, co jsme už měli. Zjistili jsme, že na požadovaný pracovní výkon se mnohem rychleji dostanou absolventi technických oborů, ale kvalita jejich práce je nízká, zatímco produktivita vysoká. Pokud ale zaměstnanec neměl vystudovaný technický obor nebo nepracoval v technickém odvětví, dostával se na požadovaný pracovní výkon sice pomaleji, zato kvalita jeho práce byla vysoká, převládala nízká chybovost a pracovní výkon byl v budoucnu stabilní.  

Co za tím stojí? Naše interpretace vycházela z praxe team leaderů i dat, jež byla k dispozici. Zaměstnanci, kteří byli více technicky zdatní (měli vystudovaný technický obor a třeba ještě praxi na technické pozici), se velmi rychle zaučili, takže jejich produktivita byla skvělá, získali tak sebedůvěru a přestali se na práci soustředit. Proto jim pak naopak šla chybovost nahoru.  

Na základě těchto informací jsme se rozhodli definovat vlastní učicí křivku. Zjistili jsme, že průměrná doba zaškolení je šest až sedm měsíců v závislosti na složitosti vyráběného produktu. Půl roku na zaškolení nováčka je přece jen dlouhá doba, zvláště když vezmeme v potaz, že většina jich do jednoho roku odejde.    

Interní tréninkové centrum  

Proto jsme se rozhodli dobu zaškolení zkrátit a pokusit se o to, aby náběh byl co nejefektivnější. Ve firmě bylo vytvořeno tréninkové centrum, kde se všichni nováčci zaškolovali a po dobu prvních dvou týdnů se jim věnoval trenér. Vybavení tréninkového centra neznamenalo žádné náklady navíc, využili jsme vybavení několika již existujících, ale volných pracovních míst. Díky tréninkovému centru se výrazně zefektivnila doba zaškolení a ke zlepšení pracovního výkonu nováčků došlo mnohem dříve.  

Tréninkové centrum přineslo ještě jednu velkou výhodu – proces zaškolení byl natolik propracovaný, že firma zvládla lépe zaučovat i takové zaměstnance, kteří nebyli z oboru, neměli technické vzdělání ani žádnou praxi. To v dnešní době, kdy je po technických profesích velký hlad, představuje velký benefit.


 * Zbylý počet do 100% jsou zaměstnanci, kteří se stále ještě zaučovali nebo v průběhu školení odešli. 

Statistika nuda je?

Při analýzách dat o pracovním výkonu jsme zjistili, že existuje velké procento zaměstnanců, jejichž pracovní výkon sice neodpovídal požadavkům, ale oni přesto pracovali ve firmě poměrně dlouho. Během diskuzí s jejich nadřízenými vyplynulo, že jim chtěli dát šanci „se dotáhnout" a neukončovat jejich pracovní poměr předčasně. Ani přes opakované šance se však tito zaměstnanci na požadované výsledky nedotáhli a nakonec s nimi byl pracovní poměr stejně ukončen.  

A tak jsme opět sedli nad čísla. Tentokrát se již nejednalo o základní počty v Excelu, ale využili jsme statistického programu a s výpočty nám pomohlo oddělení engineeringu. Dali jsme dohromady pracovní výkon a chybovost během prvních tří měsíců průzkumu spolu s daty, za jak dlouho se zaměstnanci dostali na požadované pracovní výsledky. Spočítali jsme, že pokud se zaměstnanec dostane ve druhém měsíci na 39,6 % požadovaného pracovního výkonu, je zde 87% pravděpodobnost, že na konci šestého měsíce bude jeho pracovní výkon takový, jaký firma požaduje. Pokud se na konci třetího měsíce dostane zaměstnanec na 67 % požadovaného výkonu, pak je zde 96% pravděpodobnost, že se na normu dostane.

K čemu byla tato čísla užitečná? Pomohla team leaderům, kteří mohli získaná data využít k rozhodnutí o tom, jestli se vyplatí dávat zaměstnancům další a další šance, nebo to již prostě nemá smysl. Není to číslo, které jednoznačně rozhoduje o zrušení či pokračování pracovního poměru ve zkušební době. Je to číslo, které má pomoct při rozhodování a zvrátit jazýček na míse vah, pokud je to až příliš nerozhodně.  

Ve chvíli, kdy jsme všechna ta data propojili s náklady, jsme se nestačili divit. HR je sice v mnoha firmách nákladové středisko, ale to neznamená, že si na sebe nemůže vydělat tím, že bude přemýšlet o efektivitě a rozhodovat se na základě reálných dat. Není to nic složitého, nepotřebujeme k tomu drahý software, obvykle si vystačíme se základní matematikou a ve většině případů jsme schopni připravit si analýzy sami. Tak proč se nám s daty v HR pořád nechce pracovat?    

Jana Toningerová (Koblížková)

Idealistka s přesvědčením, že když člověk opravdu něco chce, tak toho i dosáhne.

 
 

GARANTI RUBRIKY

Hanka Velíšková

Personální ředitelka společnosti KPMG

Vendy Jersáková

HR praktik na cestě za moderním pracovním prostředím a kultivovanými mezilidskými vztahy

 
 
Přináší společnost LMC, s.r.o., vyrobeno ve spolupráci s Omega Design & Breezy