In un’epoca in cui ogni decisione aziendale deve essere rapida, mirata e giustificabile, anche il mondo HR è chiamato a fare un salto di qualità.
L’HR Analytics rappresenta la risposta a questa esigenza: un approccio data-driven che si affianca all’intuito e all’esperienza dei professionisti delle risorse umane, dando maggiore velocità e autorevolezza alle loro scelte.
In questo articolo esploriamo come raccogliere, analizzare, mostrare e utilizzare i dati per prendere decisioni più consapevoli nella gestione delle persone, migliorando processi, performance e risultati.
- Introduzione all’HR Analytics
- Il Processo di HR Analytics
- I vantaggi dell’HR Analytics per le aziende
- Gli strumenti e i software di HR Analytics
- La visualizzazione dei dati nell’HR Analytics
- L’intelligenza artificiale nell’HR Analytics
- 10 KPI HR da valutare
- Il ruolo dell’HR Analyst
- Conclusioni
- FAQ – Domande frequenti sull’HR Analytics
Introduzione all’HR Analytics
L’HR Analytics è l’insieme delle strategie e degli strumenti utilizzati per raccogliere, analizzare e interpretare i dati connessi alla gestione delle risorse umane.
Scopo di questo processo è quello di disporre delle informazioni e della visione necessari per prendere decisioni più consapevoli e informate, riducendo il rischio di essere influenzati da bias, preconcetti e impressioni sbagliate.
L’HR Analytics viene spesso accostato ad altri concetti come quello di people analytics e talent analytics, ma esistono delle differenze. Il primo, infatti, è più focalizzato sulle persone piuttosto che sui processi, mentre il secondo si concentra sul tema del talento e delle performance.
Grazie ai continui progressi della tecnologia, che rendono l’HR Analytics una disciplina sempre più esatta, il ruolo dell’analisi dei dati nel settore HR sta assumendo grande rilevanza. Riuscire ad archiviare correttamente i dati, analizzarli e interpretarli ha un’importanza strategica nella gestione del capitale umano. In un contesto così competitivo, può fare la differenza nel migliorare l’efficienza di processi e KPI HR fondamentali, come l’attraction e la retention.
Il Processo di HR Analytics
L’HR Analytics non è un’attività che basta svolgere una sola volta per poter incassare i risultati, ma un processo continuo e reiterativo che può essere suddiviso in 4 fasi.
1. Raccolta dei dati
Il primo passo per poter sfruttare l’HR Analytics nella propria azienda è quello di raccogliere una quantità significativa di dati di buona qualità.
Per dato di qualità si intende una informazione che sia:
- Accurata, ovvero rispondente alla realtà. Se sto archiviando il numero di ore di permesso residue per un dipendente, questo dato deve essere stato calcolato correttamente.
- Attuale, o tempestiva. L’informazione deve essere aggiornata rapidamente, dato che fondare decisioni su dati obsoleti può essere molto pericoloso.
- Completa. Se so che un dipendente è assente, ma non per quale ragione (malattia, ferie, permesso, donazione sangue ecc.) non sono in grado di compiere analisi dettagliate.
- Coerente. Se la stessa informazione è presente su più sistemi, deve corrispondere.
- Uniforme. I dati devono essere raccolti con formati o criteri omogenei. Per esempio, usando sempre la provincia per esteso (“Milano”) e non come sigla (“MI”) o calcolando le ferie in ore piuttosto che in giorni.
- Tracciabile. Sapere chi ha apportato modifiche a un dato e quando permette di ricostruirne ogni evoluzione.
Nel dipartimento risorse umane è la piattaforma HRM a occuparsi della raccolta dei dati, con una qualità che varia a seconda della sua flessibilità e completezza e del livello di integrazione con gli altri strumenti di gestione aziendale.
Soluzioni come Altamira HRM possono accogliere una grande quantità di dati provenienti da fonti interne ed esterne. I CV e le informazioni dei candidati, dati anagrafici e retributivi dei dipendenti, la matrice delle competenze interne, i risultati dei processi di performance management, dati su presenze, ferie e permessi, sondaggi sul piano formativo, conteggi sulle richieste di rimborso e tanto altro.
Utilizzare una suite di software così ampia invece di tanti software integrati (ATS, LMS, software presenze di produttori diversi) ha quindi non solo il vantaggio di regalare un’esperienza d’uso più fluida ad HR e dipendenti, ma anche quello di evitare duplicazioni e scarsa coerenza tra i dati.
Anche i dati emersi da processi svolti al di fuori della piattaforma HRM aziendale possono essere importati per creare una base dati più completa. Per esempio, informazioni provenienti da benchmark di mercato o da piattaforme come Glassdoor.
2. Monitoraggio e misurazione dei dati
Raccogliere una enorme quantità di dati non vuol dire disporre già di informazioni utili a prendere decisioni. Occorre prima fare ordine e selezione tra i dati grezzi e identificare alcune metriche di particolare interesse per l’azienda.
Maneggiare troppe informazioni, infatti, può confondere ed essere controproducente tanto quanto non averne alcuna. Conviene, piuttosto, identificare i KPI (Key Performance Indicator) più rilevanti e organizzarli in strutture come la balanced scorecard.
Queste metriche vanno monitorate nel tempo e messe a confronto con valori di benchmark perché possano essere utili.
Esistono KPI rilevanti per ogni aspetto della gestione HR e la scelta di quali tracciare dipende strettamente dall’azienda.
Più avanti riportiamo una ampia lista di KPI legati al settore risorse umane.
3. Analisi dei dati
Nelle prime due fasi abbiamo archiviato i dati e ricavato alcuni KPI strategici per il business. A questo punto i sistemi di HR Analitycs entrano nel vivo, permettendo ai professionisti delle risorse umane di analizzare le informazioni e produrre report e statistiche utili per ricavare insight preziosi.
Le analisi possono essere di 4 tipi:
- Analisi descrittive (Descriptive Analytics). Questo tipo di indagine si sofferma su quanto è accaduto in passato, per esempio fornendo un report sul turnover aziendale negli anni precedenti.
- Analisi diagnostiche (Diagnostic Analytics). Si tratta di report che cercano di ricostruire le cause di un fenomeno, per esempio analizzando le motivazioni di un picco di episodi di burnout in azienda.
- Analisi predittive (Predictive Analytics). Questa tipologia di analisi effettua previsioni su eventi futuri, per esempio identificando i dipendenti più a rischio di dimissioni.
- Analisi prescrittive (Prescriptive Analytics). Questi analytics offrono suggerimenti sulle azioni da svolgere. Un classico esempio di applicazione in ambito HR è nella creazione di percorsi di formazione personalizzati per ogni dipendente.
La maggior parte delle aziende, al momento, fa uso principalmente del primo e del secondo tipo di analytics. Le analisi predittive e prescrittive, infatti, richiedono una grande mole di dati e strumenti tecnologicamente avanzati, spesso basati su IA. Di questo tema parleremo anche più avanti.
4. Azioni e correzioni
Questa fase non fa propriamente parte dell’HR Analytics, ma senza di essa tutto il lavoro svolto sarebbe inutile.
Una volta analizzati i dati, riscontrate le tendenze in atto e identificati i possibili problemi, infatti, è il momento di intervenire per migliorare la situazione.
Sembra un’ovvietà, ma è questa la fase che le aziende fanno più fatica a eseguire. Identificare le giuste soluzioni e intervenire su processi e attività rodati – magari in maniera disruptive – non è mai facile.
Se dall’analisi è emerso che il processo di ricerca e selezione ha tempi troppo lunghi, occorrerà intervenire per migliorando. Per esempio, eliminando uno step del percorso di candidatura, concentrando gli investimenti media per pubblicizzare gli annunci sulle piattaforme che hanno portato i risultati migliori e/o rivedendo l’offerta fatta ai candidati per renderla più attraente.
I vantaggi dell’HR Analytics per le aziende
Il principale vantaggio dell’HR Analytics è quello di permettere a un’azienda di migliorare i propri processi. Se si è in grado di misurare un fenomeno, infatti, allora si possono intraprendere le iniziative necessarie per ottenere un miglioramento nel tempo.
I benefici per l’ufficio HR sono, inoltre, direttamente proporzionali alla quantità e qualità delle analisi che riesce a portare a termine. In questo senso, utilizzare una piattaforma HRM completa consente di coprire ogni aspetto della gestione dei candidati e dei dipendenti.
Alcuni processi che possono trarre beneficio dal ricorso all’HR Analytics sono:
Ricerca e selezione
Nel recruiting i dati a disposizione sono tantissimi e di conseguenza anche le indicazioni che se ne possono trarre per migliorare i processi.
L’analisi del database CV potrebbe, per esempio, aiutare l’azienda a capire qual è il profilo del candidato ideale per la sua cultura e le sue esigenze o quali sono i canali migliori su cui investire per diffondere le proprie offerte di lavoro.
I dati raccolti durante il processo di selezione possono servire a identificare le attività che più lo rallentano o a comprendere se l’offerta finale per i candidati è competitiva.
Queste ed altre analisi possono concorrere a ridurre sia i tempi che i costi del processo di assunzione.
Produttività e performance
Grazie agli HR Analytics è possibile mettere insieme una grande varietà di KPI che aiutano a comprendere il livello di produttività del personale e a migliorare le performance.
Le statistiche sui processi di valutazione, sul gap di competenze, sul tasso di assenteismo, sulla distribuzione dei turni possono essere incrociate per individuare le giuste iniziative per migliorare i processi aziendali.
Turnover
L’analisi delle tendenze relative al turnover consente di individuare i segnali di allarme prima che si concretizzino in dimissioni, e quindi di intervenire tempestivamente per migliorare la retention dei talenti. L’iniziativa risulta particolarmente efficace se si effettuano ciclicamente survey sul benessere dei dipendenti.
Formazione
Grazie all’HR Analytics è possibile ottenere un quadro completo sul ritorno dell’investimento in formazione. Sapere quanto i dipendenti apprezzano, seguono e completano i corsi che abbiamo disegnato per loro, quanto investiamo a dipendente e quali competenze sono state sviluppate aiutano il dipartimento HR a dare sostanza e merito al piano di formazione.
Pianificazione strategica
Grazie alla raccolta e all’analisi dei dati, le aziende possono prevedere trend futuri, come la necessità di introdurre nuove competenze nell’organico o l’evoluzione delle esigenze del personale. Questo consente di pianificare con maggiore precisione le future assunzioni, le attività di formazione e le politiche salariali e di welfare aziendale.
Gli strumenti e i software di HR Analytics
Nella scelta dello strumento di HR Analytics da utilizzare, le aziende hanno due opzioni principali. La prima è quella di utilizzare gli strumenti compresi nella suite HRM o nei software che adoperano per la gestione delle risorse umane, la seconda è quella di ricorrere a un tool di business intelligence.
La prima soluzione è quella più facile da adottare e utilizzare. I dati di candidati e dipendenti sono già presenti nel software HR, che mette a disposizione della direzione del personale una serie di report e statistiche. Il numero e la varietà di questi dipendono da fornitore a fornitore. Nel caso di Altamira HRM, per esempio, oltre a un gran numero di report preconfezionati l’impresa ha la possibilità di crearne di nuovi, incrociando a proprio piacimento le informazioni archiviate in piattaforma.
La seconda soluzione permette di condurre analisi più profonde, ma richiede l’integrazione dei software HR utilizzati con piattaforme di business intelligence, alle quali andranno collegati altri gestionali aziendali in modo da poter condurre analisi che tengano in considerazione informazioni provenienti da business unit diverse.
Alcuni esempi di software di business intelligence sono Tableau, Microsoft Power BI e Qlik Analytics.
L’utilizzo di una piattaforma di business intelligence richiede la presenza di un team interno di analisti in azienda.
La visualizzazione dei dati nell’HR Analytics
Nel contesto HR i dati provenienti da vari processi aziendali, come la gestione delle performance, il recruiting, la formazione e la rilevazione presenze, possono essere difficili da interpretare senza una presentazione chiara e immediata. La visualizzazione aiuta a individuare tendenze, anomalie e opportunità in modo rapido, rendendo i dati più accessibili e più utili per la presa di decisioni strategiche.
Ecco i principali modi per presentare dati:
Tabelle
Le tabelle sono utili per visualizzare dati numerici precisi, come stipendi o ore lavorate. Tuttavia, possono risultare difficili da interpretare a colpo d’occhio e non evidenziano facilmente tendenze o anomalie.
Grafici a barre
I grafici a barre sono ideali per confrontare quantità tra diverse categorie, come il numero di dipendenti per reparto. Sono particolarmente efficaci per visualizzare differenze tra gruppi e per analizzare tendenze nel tempo.
Grafici a torta
I grafici a torta sono utili per mostrare la distribuzione percentuale di un intero, come la composizione del personale per genere o fascia di età. Tuttavia, è consigliabile limitarne l’uso a pochi segmenti per evitare che diventi poco leggibile.
Grafici a linee (cartesiani)
I grafici a linea sono perfetti per rappresentare dati temporali, come l’andamento delle assenze o delle performance nel tempo. Aiutano a identificare tendenze e pattern stagionali.
Grafici a dispersione
I grafici a dispersione, o scatter plot, sono utilizzati per analizzare la relazione tra due variabili, come la correlazione tra esperienza e stipendio. Sono utili per individuare outlier e per comprendere meglio le dinamiche tra diverse metriche.
Puoi approfondire il tema della visualizzazione dei dati in quest’altro articolo del nostro blog.
6. L’intelligenza artificiale nell’HR Analytics
L’Intelligenza Artificiale sta trasformando anche il mondo dell’HR Analytics, portando nuove potenzialità nell’elaborazione e nell’analisi dei dati relativi al personale, soprattutto per le grandi aziende e le multinazionali.
A fare la differenza, infatti, è la sua capacità di gestire enormi quantità di dati e di apprendere dai pattern presenti.
L’IA sta influenzando l’HR Analytics soprattutto in due ambiti:
- La raccolta e l’elaborazione dei dati. Le piattaforme di HR Analytics integrate con algoritmi di IA possono raccogliere, organizzare e strutturare i dati provenienti da diverse fonti (curricula, performance, feedback, assenze, ecc.) in maniera automatica, riducendo il carico di lavoro manuale e rendendo ‘analisi più rapida ed efficiente.
- L’analisi predittiva. L’IA utilizza l’analisi dei dati storici per fare previsioni future. Per esempio, per prevedere quali dipendenti sono più propensi a lasciare l’azienda, identificando i segnali di allarme in anticipo. Questo permette alle risorse umane di agire proattivamente, mettendo in atto strategie per migliorare la retention dei talenti.
Anche per l’utilizzo dell’AI nell’HR Analytics, però, esistono ancora numerose perplessità legate ai rischi di bias e a temi etici.
Da un lato, infatti, addestrare gli algoritmi su dati storici potrebbe portare i sistemi a ereditare pregiudizi di genere, età, etnia ecc. Questi bias potrebbero influenzare gli output del sistema in merito ai candidati da preferire, i dipendenti da promuovere, le valutazioni delle performance ecc.
Resta, inoltre, l’enorme problema della trasparenza: a oggi i sistemi basati su intelligenza artificiale sono spesso scatole nere che non permettono di risalire alle motivazioni che hanno guidato le loro decisioni.
10 KPI HR da valutare
Come già detto, l’HR Analytics ha bisogno di KPI per funzionare. La scelta di quali monitorare varia da azienda ad azienda, a seconda delle priorità e di come sono organizzati i suoi processi.
Di seguito, elenchiamo alcune delle metriche più di frequente tracciate dalle direzioni del personale.
Tasso di retention dei dipendenti
Misura la percentuale di dipendenti che rimangono nell’azienda in un dato periodo, aiutando a comprendere il livello di soddisfazione ed engagement.
Come si calcola: Una percentuale che si calcola sottraendo le nuove assunzioni al numero di dipendenti presenti in azienda a fine anno e dividendo per il numero di lavoratori in forza a inizio anno. Si moltiplica poi per 100.
Tasso di turnover
Calcola la percentuale di dipendenti che lasciano l’azienda durante un determinato periodo. Un turnover elevato può indicare problemi di cultura o di soddisfazione lavorativa.
Come si calcola. Una percentuale che si ottiene dividendo il numero di dipendenti che hanno lasciato l’azienda per il numero medio di lavoratori in forza nel periodo di misurazione. Si moltiplica poi per 100.
Tempo medio di reclutamento (time to fill)
Misura il tempo medio che intercorre tra la pubblicazione di una posizione aperta e la selezione del candidato. Insieme al time to hire (che parte dal momento in cui viene avviato lo screening) indica l’efficienza del processo di assunzione.
Come si calcola. Si divide la somma dei giorni che abbiamo impiegato per portare a termine tutte le assunzioni per il numero di nuovi ingressi.
Costo per assunzione
Rappresenta il costo totale associato all’assunzione di un nuovo dipendente, comprendendo le spese per la sponsorizzazione delle offerte, i colloqui e tutto il processo di selezione.
Come si calcola. Si ottiene dividendo il totale delle spese legate ai processi di recruiting per il numero di assunzioni portate a termine.
Indice di soddisfazione del dipendente (Employee Net Promoter Score)
Una survey per misurare il livello di soddisfazione generale dei dipendenti e la loro propensione a raccomandare l’azienda come posto di lavoro. A ogni dipendente viene chiesto di indicare in una scala da 0 a 10 quanto consiglierebbe l’azienda a un’altra persona. Chi sceglie un punteggio da 0 a 6 viene considerato un detrattore, chi dà un punteggio di 7 o 8 è considerato passivo, mentre chi opta per il 9 o il 10 è ritenuto un promotore.
Come si calcola. Una metrica mutuata dal marketing, viene calcolata sottraendo la percentuale di detrattori a quella dei promotori.
Tasso di assenteismo
Misura la percentuale di giorni di assenza rispetto ai giorni lavorativi ed è utile per monitorare lo stato di salute, engagement e benessere dei dipendenti.
Come si calcola. Una percentuale che si ricava dal rapporto tra le ore effettivamente lavorate dai dipendenti e il totale di quelle lavorabili. Si moltiplica poi per 100.
Produttività per dipendente
Misura il contributo dei dipendenti al business, aiutando a valutare l’efficacia operativa.
Come si calcola. Si divide il fatturato dell’azienda per il numero di dipendenti.
Tasso di successo delle formazioni
Indica la percentuale di dipendenti che hanno completato con successo i corsi di formazione. È una metrica utile per monitorare l’efficacia del piano di formazione aziendale.
Come si calcola. Si esprime con una percentuale data dal rapporto tra il numero di dipendenti che hanno completato i loro percorsi formativi e il totale dei partecipanti ai corsi, moltiplicato per 100.
Percentuale di promozioni interne
Serve a stimare la capacità dell’impresa di sviluppare talenti interni, riducendo così la dipendenza dalle attività di recruiting e rafforzando la retention.
Come si calcola. È data dal rapporto tra la somma delle promozioni interne e il numero totale delle promozioni. Si moltiplica poi per 100.
Percentuale di genere
Calcola la percentuale di dipendenti appartenenti a ciascun genere, utile per monitorare gli sforzi di gender equality. Lo stesso metodo può essere utilizzato per calcolare il tasso di diversità in azienda, prendendo in esame gruppi sottorappresentati.
Come si calcola. Si divide il numero di un genere (per esempio le donne) per il totale dei dipendenti. Si moltiplica poi per 100.
Il ruolo dell’HR Analyst
Soprattutto nelle grandi aziende, e soprattutto quando si utilizzano piattaforme professionali di business intelligence, gli HR Analytics devono essere affidati a un profilo con competenze specifiche.
Stiamo parlando dell’HR Analyst, una figura recente nel settore risorse umane che unisce competenze legate alla gestione del personale con skill più tecniche. Sono infatti indispensabili capacità di analisi e interpretazione dei dati, competenze di statistica, tecniche di modellazione dei dati, ma anche problem solving e spiccate doti comunicative.
Grazie a queste e ad altre competenze, un HR Analyst è in grado di utilizzare tecniche di analisi dei dati per individuare problemi e proporre iniziative che possano migliorare i processi HR dell’azienda.
Le sue mansioni di solito sono le seguenti:
- Raccolta e analisi dei dati. L’HR Analyst ha il compito di raccogliere e analizzare dati su turnover, produttività, soddisfazione dei dipendenti e altre metriche, identificando tendenze, problemi e opportunità.
- Sviluppo di modelli predittivi. Utilizzando tecniche avanzate di data science, un HR Analyst molto competente può creare modelli predittivi per anticipare tendenze future nelle performance e nel comportamento dei dipendenti.
- Formulazione di strategie di miglioramento. A seguito dell’analisi, propone strategie per migliorare prestazioni, soddisfazione e cultura aziendale.
- Reporting e consulenza. Presenta report dettagliati e suggerimenti al management, agendo come consulente strategico per supportare decisioni aziendali informate.
- dati demografici (età, genere, seniority, ecc.)
- dati sulle performance (valutazioni, feedback, obiettivi raggiunti)
- dati sulle assenze (ferie, malattia, congedi, ecc.)
- dati relativi alla soddisfazione e al benessere dei dipendenti
- dati su assunzioni, promozioni e turnover.
- Software di gestione delle risorse umane (HRM) con funzionalità di analytics integrate.
- Piattaforme di business intelligence (BI) come Tableau e Power BI.
Questa figura è oggi molto richiesta nelle grandi aziende e nelle multinazionali. Nelle realtà di dimensioni inferiori, invece, l’HR Analytics richiede spesso la collaborazione tra il dipartimento IT e quello HR.
Conclusioni
L’HR Analytics è oggi una realtà consolidata nelle aziende più moderne. Gli strumenti a disposizione della direzione del personale sono sofisticati e precisi e lo diventeranno sempre di più grazie al contributo dell’intelligenza artificiale.
In particolare, le analisi predittive acquisiranno sempre più importanza, permettendo all’ufficio HR di anticipare le tendenze future e di creare ambienti di lavoro più gradevoli e inclusivi.
La tecnologia da sola, però, non basta: sarà fondamentale diffondere in azienda una cultura orientata ai dati e formare manager e dipendenti affinché si facciano guidare da questi nelle loro decisioni.
FAQ – Domande frequenti sull’HR Analytics
1. Che cos’è l’HR Analytics?
L’HR Analytics consiste nel ricorso a dati e analisi avanzate per prendere decisioni strategiche riguardanti la gestione delle risorse umane. Questa disciplina prevede la raccolta, l’analisi e l’interpretazione di informazioni relative a dipendenti e candidati per ottimizzare processi come il recruiting, la gestione delle performance, la formazione e la retention.
2. Quali tipi di dati vengono raccolti nell’HR Analytics?
Le informazioni raccolte possono variare da azienda ad azienda, ma generalmente includono:
3. L’HR Analytics è adatto solo alle grandi aziende?
No, anche le piccole e medie imprese possono utilizzare l’HR Analytics per migliorare i propri processi di gestione delle risorse umane. Nelle grandi imprese e multinazionali è però possibile compiere analisi più sofisticate, grazie al ricorso a strumenti dedicati e alla presenza di una quantità maggiore di dati e di professionalità specializzate in quest’ambito.
4. L’HR Analytics richiede competenze avanzate?
Per trarre il massimo dall’HR Analytics conviene che l’azienda disponga di personale con competenze in statistica, data science e business analytics (per esempio, di un HR Analyst). Va anche detto, però, che oggi molti software HRM e piattaforme di business intelligence offrono strumenti intuitivi che permettono anche ai professionisti HR con una formazione non tecnica di trarre vantaggio dall’analisi dei dati.
5. Quali sono i principali strumenti per implementare l’HR Analytics?
Esistono due tipologie principali di software per implementare l’HR Analytics:
6. L’HR Analytics sostituisce i professionisti delle risorse umane?
No, l’HR Analytics non sostituisce i professionisti delle risorse umane, ma li supporta nel prendere decisioni più informate e mirate. La combinazione di informazioni fornite dai dati con l’intuito e l’esperienza umana resta cruciale per una gestione efficace del personale.
Crediti fotografici: ©AZElements/Adobe Stock.
