Yetenek bazlı İK yönetiminde ‘veri yönetimi’ ne anlama geliyor?

Organizasyonlar, her geçen gün kurumsal sistemlerinden İK ile ilgili çok daha mükemmel veriler alıyor olabilir,
ancak onların bu verileri yeni ölçümlerle çoğaltmaları gerekebilir. Günümüzde İK artık çalışanlarla ilgili verileri kendi silosu içinde istifleyemiyor. Oysa organizasyonların başarılı olabilmek için bu verilere erişmesi şart…
Neredeyse tüm girişimlerin başarısı, kendi liderlerine bağlıdır ve kendi yetenek veri yönetimi de bir istisna değildir.

Yetenek bazlı İK, belirli bölümler veya işlevler hakkında öngörüler edinebilmek için İK verilerini toplar veya dilimler. Örneğin, bir yönetici eleman sirkülasyonuna müdahalenin batı yakası satış takımında değil de doğu yakası satış takımında gerekli olduğunu görebilecek durumda olabilir. Yetenek bazlı İK, kilit sonuç alma alanlarındaki kişisel başarılar gibi bireysel performans verisini, maliyet ve zaman gibi İK süreç ölçümleri ve katılımcılık ile bağlılık gibi çıktı ölçümleri ile birleştirir.

İşle ilgili sorunların çözümünde insan sermayesi öngörülerinin kullanılması gerektiğine inanan liderler, alacakları kararların ve yapacakları analizlerin, gelenekler, varsayımlar veya dedikodular yerine gerçeklere ve verilere dayandırılması için sürekli çaba göstermek zorundadır. Ayrıca günümüzde İK işlevlerinde asla hoş görülmeyen deneyler ve hatalar yapılmasına izin veren bir kültürü yeşertir. Yetenek veri yönetiminden faydalanan şirketler, zaten daha şimdiden analitik faaliyetlerin odağına insanları yerleştirmiş durumda. Ancak onlar işe eleman alımına, projelere ve görevlere atamalar yapılmasına veya elden eleman kaçırmamaya da konsantre olmalılar mı? En fazla analitik ilgiye hangi tür çalışanların ihtiyacı var?

Yetenek analizi aslında bir müşteri ilişkileri analizinden veya tedarik zinciri yönetimi analizinden çok da farklı değildir. O da tarihsel gerçeklerin sorgulanması ile başlar (“Ne oldu?”) ve hızla değişen ihtiyaçlar temelinde gerçek zamanlı olarak yetenek konumlandırmasıyla sona erer. İş gücünüzü yönetmek için gerekli 6 tür analiz, en basitinden en karmaşığına doğru şöyle sıralanır: İnsan sermayesi gerçekleri, analitik İK, insan sermayesi yatırımları analizi, iş gücü tahminleri, yetenek değer modeli ve yetenek veri zinciri.

İnsan sermayesi gerçekleri, temel olarak bireysel performansla kişi sayısı, olası iş gücü kullanımı, eleman sirkülasyonu ve eleman alımı gibi kurum seviyesindeki veriler bazındaki gerçeklerin bir uyarlamasıdır. Şirketlerin kendilerine hangi gerçeklerin bu uyarlamayı sunabileceğine aşırı dikkat etmesi gerekir. Bazılarına göre bir veya iki veri noktası, bir gösterge olabilir. Örneğin JetBlue, insanlarının şirketi çalışılmaya değer bir şirket olarak tavsiye edip etmedikleri çerçevesinde bir çalışan memnuniyeti ölçümü yapmıştı. Buna ise “kabin ekibi net destekleme puanı” adı verildi. Bu ölçümden, ödüllendirme primlerindeki değişikliklerin etkisinin araştırılmasında ve üst düzey yöneticilerin primlerinin belirlenmesinde faydalanılmıştı. Çalışanlara her yıl ilk işe alındıkları tarihe denk gelen günde bu şirketi tavsiye edip etmeyecekleri de soruluyor. JetBlue, bu sayede çalışan bağlılığını aylık bazda yakından izleme şansını da elde etmiş oluyor.

JetBlue ve diğer başarılı organizasyonlar, bu süreç hakkında son kullanıcılara karşı şeffaf olmalarıyla dikkat çekiyor. Bu verilerin nasıl toplandığını, hangi formüllerin kullanıldığını, en önemlisi de bu verilerin faaliyet açısından neden önemli olduklarını herhangi bir yönetici veya çalışan istediği zaman görebilir. Örneğin Harrah’s, okuyucuların tamamının insan sermayesi gerçeklerinin nasıl yaratıldığını ve onun günlük bazdaki yönetim açısından ne anlama geldiğini tam anlamıyla kavramalarını sağlamak için İK puantaj kartlarında kullanılan belgeleme sistemini açıkça sergiliyor.

Yetenek değer modeli, “Çalışanlar neden şirketimizde kalmayı istesinler ki” gibi sorulara cevaplar bulur. Bir şirket, çalışanlarının en çok neye değer verdiğini hesaplamak için matematik analizi kullanır ve sonra yeteneklerin şirkette kalma oranını artıracak bir model yaratır. Böylesi bir model sayesinde yöneticiler, kişiselleştirilmiş performans teşvikleri tasarlayabilir, şirketin bir rakibin önerdiği iş koşullarından daha iyi olup olmadığını değerlendirebilir veya birisini ne zaman terfi ettireceklerine karar verebilirler. Google, çalışanların başarılı olmaları için en uygun müdahale yöntemini belirler. Google’ın insan faaliyetlerinden sorumlu başkan yardımcısı Laszlo Bock, bize şöyle demişti: “Performans verilerinden ortalamalara bakmak için değil, dağılım eğrisindeki en yüksek ve en düşük performans gösterenleri takip etmek için faydalanırız. En düşük performansı gösteren yüzde 5’lik dilime elimizden geldiğince aktif şekilde yardımcı oluruz.

‘Yetenekli insanları işe almış olduğumuzu biliriz ve canı gönülden başarılı olmalarını isteriz.’ Bu hipotez, temelde bu insanların çoğunun yanlış işlerle görevlendirildikleri veya yeterince iyi yönetilemediklerine dayanır. Bireylerin ihtiyaçlarının anlaşılması sayesinde Bock’un takımı bir dizi çetrefilli sorunun üstünden kolaylıkla kalkabilmişti.

Yetenek zinciri yönetimi, şirketlerin yetenekle ilgili talepler, yani bir perakende mağazasının tahmini satışları ve bireylerin satış performansları alışkanlıkları temelinde bir sonraki güne ait işgücü planlamasının optimizasyonundan, çağrı merkezine gelen aramaların önceden tahmin edilerek saat ücretiyle çalışanların işten daha erken gönderilmesine kadar ki süreçler hakkında gerçek zamanlı olarak kararlar vermelerine yardımcı olur. Bilhassa üstün kaliteli veriler, titiz analizler ve kapsamlı yetenek yönetimi ile diğer organizasyonel süreçlerin entegre edilmesini gerektirdiğinden 6 tür yetenek analitiği içinde en karmaşık olanı budur. Yetenek tedarik zincirleri halen bebeklik aşamasında, ancak perakendede bazı organizasyonlarca kazanılan erken başarılar kısa sürede yaygınlaşacağını gösteriyor.

Organizasyonlar, her geçen gün kurumsal sistemlerinden İK ile ilgili çok daha mükemmel veriler alıyor olabilir, ancak onların bu verileri yeni ölçümlerle çoğaltmaları gerekebilir. Harrah’s’da ön cephede olan pek çok hat yöneticisi, müşteriyle yüzleşen hangi elemanın gülümsediğini gözlemler. Çünkü bu davranış tarzı müşteri memnuniyetiyle olağanüstü ilişkilidir. Verilerin kusursuz olması gerekmez, önemli eğilimleri yansıtması yeterlidir.

Günümüzde İK artık çalışanlarla ilgili verileri kendi silosu içinde istifleyemiyor.

Oysa organizasyonların başarılı olabilmek için bu verilere erişmesi şart. JetBlue, Best Buy ve Limited Brands, genellikle istasyon, şube veya mağaza seviyesinde, çalışanların memnuniyetiyle şirketin performansı arasında çok önemli bir istatistiksel ilişki olduğunu gözlemlemişti. Bu ilişkinin önem derecesi, Best Buy’ı çalışan bağlılığı anketlerini yıllık bazdan çeyrek dönemlik baza döndürmeye motive etmişti.

Neredeyse tüm girişimlerin başarısı, kendi liderlerine bağlıdır ve kendi yetenek veri yönetimi de bir istisna değildir. Gerçekten de araştırdığımız şirketlerde, liderlerin bu yaklaşıma adanmışlıkları, o şirketin başarılı olup olmadığını belirleyen en önemli tek faktördü. Bu veriler insan davranışlarıyla ilintili olduklarından üst düzey yöneticiler onlara kuşkuyla yaklaşabilir. Comcast’ın yan ödemeler ve prim sisteminden sorumlu kıdemli başkan yardımcısı Bill Strahan, o günleri şu sözlerle anımsıyor: “İş vakalarını matematiksel analiz formunda ve şirketimizin lisanını kullanarak yani rekabetçi baskılara odaklanıp değişimin insani bileşeniyle sunmamızı yöneticilere benimsetmemiz çok zor olmuştu.”

Yetenek analitiğinden faydalanan şirketler, zaten daha şimdiden analitik faaliyetlerin odağına insanları yerleştirmiş durumda. Ancak onlar işe eleman alımına, projelere ve görevlere atamalar yapılmasına veya elden eleman kaçırmamaya da konsantre olmalılar mı? En fazla analitik ilgiye hangi tür çalışanların ihtiyacı var? Altı tür yetenek analitiğinden hangilerine ne zaman başvurulmalı? Google, 2005-2008 yılları arasında her hafta 100 yeni çalışanı işe alırken başlıca odağı işe doğru insanları almaktı. 2008 ile 2009 arasında işe alım süreci yavaşladığında şirket, dikkatini eleman aşınması ve etkili yönetim yaklaşımları hakkında öngörüler toplamaya kaydırdı.

Dow, iş gücünü 5 yaş grubuna ve 10 iş seviyesine dilimlemek için özel bir modelleme aracından faydalandı. Gelecekte dilim başına her bir birim için gerekli çalışan sayısı ile seviyesini hesapladı. Bu ayrıntılı öngörüler, daha sonra şirket geneli için gerekli toplam iş gücü tahminini hesaplamakta kullanıldı. Dow, elemanların ödüllendirilmesi gibi dahili değişkenler veya politik ve yasal endişeler gibi harici değişkenler hakkındaki varsayımlarını değiştirerek “O olursa ne olur” senaryolarıyla da oynayabilir. İş gücü tahminleri, personelin kilit büyüme alanlarında artırılmasında olduğu kadar emekliye ayrılacak çalışanların bilgi yönetimi risklerinin hasıl olmadan önce tanımlanmasında da kullanılabilir.