Øvrigt

Er frem­ti­dens Human Resource Ma­na­ge­ment et IT og data-analyse fag?

Hvad har en artikel om fremtidens HR med IT og data-analyse ekspertise at gøre?

Data kyndige og andet IT teknisk personel er, jo dem der udfører det tekniske arbejde og ’bidrager til forretningen’, mens HR-afdelinger er en støttefunktion til organisationens kerneforretning besat af humanister i flade sko, der sørger for, at vi kommer godt ud af det med hinanden. Det er selvfølgelig skarpt opstillet, men ikke desto mindre en opfattelse der eksisterer i enkelte områder af nogle teknisk-orienteret organisationer. På trods af at HR-afdelinger udfører en lang række helt afgørende funktioner for virksomheders velbefindende, lider dette fagområde sommetider af en status som ’mindre afgørende’ for virksomheders forretning. HR ses, af nogle, som en add-on eller en støttefunktion til forretningen langt fra traditionelt fagteknisk arbejde.

Men HR-området står på tærsklen til en helt afgørende ny drejning. En drejning der, udover de traditionelle HR fagdiscipliner, også involverer IT ingeniører og andre kompetente ‘data-crunchers’. Her peger jeg specifikt på krydsfeltet mellem HR og IT-teknologi. Mere konkret, koblingen af HR indsigt og IT-redskaber til at samle og analysere data. Meget HR arbejde fokuserer i dag på rekruttering og vedligeholdelse af medarbejdere, samt at tilbyde en lang række forskellige services såsom stress-håndtering, belønningsprogrammer, projektledelsesværktøjer, ledelsesudvikling, og faciliteringen af virksomhedens vision og mission. Der er, i nogle større virksomheder med store arbejdsstyrker såsom Novo Nordisk, dog ved at opstå en ny type afdelinger man bredt kan beskrive som ’HR data analyse’ afdelinger. I disse afdelinger møder man en helt anden HR-medarbejder med kompetencer inden for helt andre områder end de traditionelle HR fagdiscipliner såsom psykologi, kommunikation, ledelse med mere. Jeg kalder dette HR 2.0. I disse afdelinger findes ’data-crunchers’, der analyserer på meget af den data, som findes i traditionelle personale systemer.

Det store data spring

Store virksomheder med en global arbejdsstyrke foretager løbende data fremskrivninger omkring alder, køn, nationalitet, kompetencebehov og meget andet, for at være forberedt på hvilke og hvornår nye medarbejdere skal inkluderes i arbejdsstyrken. Disse data er relativt nemme at trække fra eksisterende IT systemer, og virksomheder bliver i stigende grad gode til at forstå og bruge disse data til at sætte retning. Som et resultat er nutidens HR analyse afdelinger blevet rigtig gode til at skabe værdi, og vokser derfor i omfang. Men der er mere i vente. Langt mere. Jeg taler her om det næste store spring inden for brugen af IT i HR sammenhæng. Det kan vi kalde ’HR 3.0’, ’HR Big Data analyser’ eller, for at blive i metaforen om det næste store spring, kalde det ”The great Big (HR) Data leap” (ellers ingen referencer til formand Mao’s reformer).

Selvom Big Data begrebet til tider kan synes som et buzzword, der gerne trækkes ned over projekter eller områder der måske ikke helt lever op til begrebets konnotationer, er der noget om snakken når det kommer til arbejdsstyrkeanalyser. Med HR 3.0 taler jeg om at hente, analysere og forstå store mængder af detaljeret data af arbejdsstyrken. Og der er her IT kyndige og andet teknisk personel kommer ind. Hvis brugt rigtig, kan HR 3.0 noget der ikke er set før. Noget som specielt større arbejdsstyrker kan drage nytte af. Jeg taler specifikt om analysen af arbejdsadfærd og best-practices inden for organisationen. Med udrulningen af flere og flere IT værktøjer og en lang række smart-devices såsom smart-phones, tablets og, indenfor de kommende år, en hel række af nye værktøjer som samlet går under betegnelsen ”Internet of Things” (IoT), åbnes der op for nye muligheder for at forstå arbejdsadfærd. Med Internet of Things kommer helt nye redskaber der gør det muligt at ’lytte’ til arbejdsstyrken, i et omfang der ikke er set før. Denne evne til at lytte (og overvåge!) skabes gennem de mange forskellige data der kommer til rådighed via nye smart-sensors, såsom smart-watches, smart-glasses og helt generelt ’smart-things’. Kombinationen af at besidde en hel række smart-teknologier til at ’lytte med’, og samtidig have en arbejdsstyrke på flere tusinde mennesker, betyder at store virksomheder meget nemmere kan afdække ’smart arbejdsadfærd’ der gavner forretningen. Kort sagt, så sidder disse store organisationer med deres egne crowdsourcing platforme og har muligheden for at opbygge deres egne interne best-practice laboratorier.

At finde nålen i høstakken

I store arbejdsstyrker findes der ofte afdelinger der udfører samme opgaver, men i forskellige kontekster. I Novo Nordisk er produktionen af medicin, forskning og udvikling, marketing, salg og meget mere spredt ud over mange fabrikker og afdelinger rundt omkring i verden. Med dybdegående, storskala-data (Big Data) analyser kan store virksomheder få et redskab til at afdække arbejdsadfærd som udføres på en ny-, anden- eller bedre måde end disse afdelingers ligestillede (peers). I stedet for at søge inputs til best-practices eksternt, ligger her et stort potentiale i at tænke virksomhedens egen arbejdsstyrke som kilden til best-practice arbejdsadfærd. Men det kræver detaljeret analyse og forståelse af de data, der over de kommende år bliver mere og mere tilgængelige.

Som et eksempel på en sådan best-pratice der ligger og venter på at blive opdaget, kan nævnes to opdagelser i forbindelse med udrulningen af tablets i en Novo Nordisk. Da dele af salgsstyrken fik tablets, undgik disse sælgere at skulle udskifte deres produkt-beskrivelser manuelt, når der kom nye retningslinjer for hvorledes produktet måtte markedsføres. Al opdatering blev i stedet ’cloud’-baseret, og sælgere fik derfor frigjort arbejdstid, som de ellers ville have brugt på at manuelt udskifte retningslinjer, og man sikrede samtidig, at alle sælgere altid har de senest opdaterede retningslinjer. En åbenlys succes der hurtigt gjorde, at tablets blev udrullet hos en stor del af salgsstyrken. Hvad der dog var mindre åbenlyst, var at andre områders brug af tablets også havde en overraskende og uforudset positiv effekt, som f.eks. når tablets bidrog til at holde laboratorier og produktionsfaciliteter rene. Hvorfor? Svaret er noget så simpelt. Fordi bærbare med deres hullede tastaturer er sværere at holde rene, mens tablets er nemme at rengøre med deres store glas overflader og begrænsede områder, hvor der kan samles snavs. Ved hjælp af en klud og et desinficeringsmiddel får du en ren tablet, som du kan bringe ud og ind af dit rent-rum laboratorie.

En sådan ændring i adfærdsmønsteret kan vise sig meget værdifuld for virksomheder og forskningsinstitutioner, med høje ’industry compliance’-krav, hvor kun produkter af den bedste kvalitet kommer igennem nåleøjet og ud til forbrugerne. I en organisation med en stor arbejdsstyrke kunne en indikation på en sådan opdagelse findes ved at korrelere data om kontaminering med f.eks. en geo-lokalisering af tablets. Men at finde indikationen er som at finde nålen i en høstak. Med et velfungerende stor-skala data analyse system der afdækker best-practice arbejdsadfærd, kan virksomheder opdage disse indikationer kvantitativt, undersøge dem kvalitativt og, hvis der er hold i dem, forslås disse metoder til peers. Det er HR crowdsourcing i jagten på best-practices og det kræver IT og data analyse kompetent HR personel.

Læs også