Big data henkilöstöresurssien johtamisessa

Emma Pirskanen, Itä-Suomen yliopisto, 12.12.2017

Henkilöstöhallinnon toiminnoissa ei ole ennen käytetty paljoakaan dataa, mutta nyt uudet henkilöstöresurssien tietojärjestelmät (Human resource information systems, HRIS) ja kehittynyt big dataa hyödyntävä analytiikka mahdollistavat dataan perustuvan henkilöstöresurssien johtamisen. Big data ja erityisesti ennakoiva analytiikka lisäävät tietoa ja näkemyksiä, sillä ne auttavat johtajia ymmärtämään henkilökuntaa ja heidän käyttäytymistään paremmin. Big datan soveltaminen HR-toimintoihin voi johtaa merkittäviin säästöihin: analytiikan avulla henkilöstöjohtajat voivat tarkasti ennustaa, miten henkilöstöresursseja tulisi kohdentaa ja työvoimaa optimoida. Lisäksi data voi auttaa arvioimaan työntekijöitä, ennakoimaan sairaslomia, ja optimoimaan palkkoja. HR-osastot voivat myös tehdä parempia rekrytointipäätöksiä dataan perustuen. Kuitenkin, työntekijät HR-osastoilla tekevät yhä paljon päätöksiä perustuen heidän tunteisiinsa, arvoihinsa ja yrityspolitiikkaan, mikä osoittaa, että ala ei ole vielä dataorientoitunut.

Henkilöstöresurssien tietojärjestelmät, jotka keräävät laajasti tietoa työntekijöistä ja heidän käyttäytymisestään, muodostavat selkärangan työntekijöihin kohdistuvalle big data -analytiikalle. Yritykset usein keräävät dataa kuten palkkanauhoja ja tehtyjä työtunteja rutiininomaisesti, kuten myös dataa työntekijöiden suorituksista, kuten myyntilukuja. Nämä datalähteet voidaan yhdistää ulkoisiin datalähteisiin. Ulkoinen, strukturoimaton data, jota kerätään sosiaalisesta mediasta, sensoreista, keskusteluista ja teoista, syventää johtajien ymmärrystä työntekijöiden motivaatiosta, asenteista ja työvalmiuksista, joten big datan ja perinteisen datan yhdistäminen voi tarjota merkittäviä hyötyjä henkilöstön johtamisessa. Data tarjoaa tietoa työtyytyväisyydestä, lojaaliudesta sekä suoritustasosta, ja näiden tietojen avulla johtajat voivat tehdä parempia päätöksiä palkoista, palkkioista ja ylennyksistä.

Big datan avulla johtajat voivat paremmin arvioida työntekijöiden tekemän työn ja palvelun laatua. Yritykset voivat analysoida tallenteita asiakkaiden kanssa tapahtuvasta vuorovaikutuksesta, kuten puhelinkeskusteluja ja sähköposteja, ja tietojen avulla voidaan parantaa asiakaskokemusta. Datan kerääminen mahdollistaa yritykselle asiakaspalveluun liittyvien ongelmien ratkaisun nopeammin ja tarjoaa asiakaspalvelijoille mahdollisuuden ymmärtää asiakkaiden ongelmia paremmin. Datan avulla voidaan myös ennustaa ongelmia ja ehkäistä niitä. Big dataa voidaan käyttää sisäisten prosessien optimointiin. Esimerkiksi Kroger (amerikkalainen päivittäistavarakauppaketju) analysoi sensoreista saatavaa dataa myymälässä olevien asiakkaiden laskemiseksi ja pystyy siten ennakoimaan tarvittavien avoimien kassojen määrän tarkasti 30 minuuttia etukäteen, mikä on johtanut asiakkaiden keskimääräisten odotusaikojen vähenemiseen neljästä minuutista 26 sekuntiin.

Big data -analytiikan avulla yritykset voivat monitoroida organisaation kulttuuria ja dynamiikkaa, sekä sosiaalisia verkostoja organisaation jäsenten välillä. Yritykset voivat analysoida tietoja työntekijöiden sijainnista sekä keskinäisestä viestinnästä, ja siten saada tietoa siitä, miten organisaation jäsenet toimivat yhdessä. Tätä dataa voidaan kerätä muun muassa työntekijöiden matkapuhelimista, mikäli he antavat suostumuksensa siihen. Tänä päivänä, organisaation rakenne ja sen ympäristö voivat muuttua nopeasti, joten yritykset voivat merkittävästi hyötyä, jos he käyttävät big dataa ymmärtääkseen ja parantaakseen organisaation oppimista ja henkilöstön kehittämistä. On kuitenkin muistettava, että dataan perustuvassa henkilöstöresurssien johtamisessa on haasteita, kuten työntekijöiden valvonnan rajat. Lisäksi, jos HR-analytiikasta ei ole riittävästi ymmärrystä, on olemassa riski, että big data rajoittaa henkilöstöhallinnon strategista vaikutusta sekä vähentää työntekijöiden hyvinvointia ja työelämän laatua. Haasteista huolimatta, esimerkiksi Davenport (2014) uskoo, että organisaatiot, jotka aktiivisesti monitoroivat työntekijöitään, tulevat olemaan kaikista menestyvimpiä tulevaisuudessa.

Lähteet:

Angrave, D., Charlwood, A., Kirkpatrick, I., Lawrence, M., & Stuart, M. (2016). HR and analytics: why HR is set to fail the big data challenge. Human Resource Management Journal, 26(1), 1-11.
Chen, M., Mao, S., & Liu, Y. (2014). Big data: A survey. Mobile Networks and Applications, 19(2), 171-209.

Coolidge, A. (2013). New technology helps Kroger speed up checkout times. The Cincinnati Inquirer. Retrieved from http://www.usatoday.com/story/money/business/2013/...
Davenport, T. (2014). Big data at work: dispelling the myths, uncovering the opportunities. Harvard Business Review Press.

Erevelles, S., Fukawa, N., & Swayne, L. (2016). Big Data consumer analytics and the transformation of marketing. Journal of Business Research, 69(2), 897-904.
Frizzo-Barker, J., Chow-White, P. A., Mozafari, M., & Ha, D. (2016). An empirical study of the rise of big data in business scholarship. International Journal of Information Management, 36(3), 403-413.
Kiron, D., Prentice, P. K., & Ferguson, R. B. (2014). Raising the bar with analytics. MIT Sloan Management Review, 55(2), 29.

Lee, I. (2017). Big data: Dimensions, evolution, impacts, and challenges. Business Horizons, 60(3), 293-303.

Lohr, S. (2013). Big data, trying to build better workers. The New York Times. Retrieved from http://www.nytimes.com/2013/04/21/technology/big-d...
McAbee, S. T., Landis, R. S., & Burke, M. I. (2017). Inductive reasoning: The promise of big data. Human Resource Management Review, 27(2), 277-290.

Shah, N., Irani, Z., & Sharif, A. M. (2017). Big data in an HR context: Exploring organizational change readiness, employee attitudes and behaviors. Journal of Business Research, 70, 366- 378.