Citas iespējas
Lejupielādēt Drukāt

Darbaspēka datu apkopošana un analīze: kāpēc tā ir nozīmīga? 1/38/23

Madara Hmeļevska
Vecākā konsultante nodokļu konsultāciju nodaļā, PwC Latvija
Irēna Arbidāne
Direktore nodokļu konsultāciju nodaļā, personāla un organizāciju pārveides pakalpojumu vadītāja Baltijā, PwC Latvija

Darbaspēka datu kvalitatīva analīze spēj pārveidot to, kā organizācijas pieņem lēmumus un optimizē savus resursus. Tā kļuvusi ļoti svarīga mūsdienu talantu pārvaldības, darbinieku iesaistīšanas, veiktspējas pārvaldības un produktivitātes vajadzībām. Jau iepriekšējos rakstos apskatījām cilvēkresursu (HR) tehnoloģiju ieviešanas nozīmību, izceļot kvalitatīvas HR datu analīzes veikšanu un izmantošanu biznesa mērķiem. Šajā rakstā apskatīsim dažādas darbaspēka datu kategorijas, kuras uzņēmumi iekšēji var apkopot. Uzkrāto datu analīze palīdzēs iegūt priekšstatu par to, kas darbojas un kas jāuzlabo, ļaujot ātrāk identificēt problēmjautājumus un nākt klajā ar risinājumiem, laikus pārskatot un uzlabojot procesus.

Jānorāda, ka daļa datu parasti jau ir organizācijas rīcībā, taču tie netiek apkopoti strukturētā veidā, lai tos varētu kvalitatīvi analizēt. Vienlaikus ir daļa datu, kura netiek uzkrāta, ņemot vērā uzņēmuma specifiku vai paradumus, taču to analīze dotu pienesumu uzņēmuma stratēģijas kopējā attīstīšanā. Šobrīd tirgū ir pieejami dažādi anketēšanas risinājumi un rīki, kas var palīdzēt datus efektīvi ievākt, apkopot un vizualizēt. Šādu pasākumu īstenošanai jāveic priekšdarbi, lai nodrošinātu datu kvalitāti, tāpēc ieteicams piesaistīt HR speciālistu, kurš palīdzēs izvēlēties jūsu organizācijai visatbilstošāko risinājumu.

Aplūkosim datus, kurus ir iespējams apkopot analizēšanai.

Darbinieku skaits: vidējais skaits darbinieku dažādās nodaļās, darbinieki, kuriem ir pilna laika un nepilna laika darba režīms

Šie darbinieku pamatdati, ko primāri apkopo katrs uzņēmums, palīdz izveidot demogrāfiskas atskaites par darbaspēku kopumā, veidot darbinieku profilus. Profilēšana ļauj identificēt dažādas darbinieku grupas organizācijā ar specifiskām, grupu raksturojošām pazīmēm, lai labāk izprastu darbinieku ekspektācijas, vērtības un paradumus. Darbinieku profilēšana vadītājiem var piedāvāt zināmu paredzamību darbinieku attieksmē pret potenciāliem jauninājumiem vai izmaiņām, vērtējot tās saskaņā ar grupas vērtībām.

Lokācija: kā darbinieks nokļūst darbā (pārvietošanās laiks un transporta veids), darbinieku skaits, kas strādā birojā, attālināti un hibrīdrežīmā (arī cik reizes nedēļā darbinieks dodas uz biroju)

Ne visi uzņēmumi apkopo datus, piemēram, par darbinieka pārvietošanās paradumiem. Šādu datu apkopošana ļautu izvērtēt, cik liela procentuālā daļa darbinieku ikdienā pārvietojas ar sabiedrisko transportu vai auto un piedāvāt specifiskus, atbilstošajām darbinieku grupām pielāgotus labumus. Būtiska ietekme uz labumu groza izmaiņām būs arī darbinieku izvēlei strādāt birojā, attālināti vai hibrīdrežīmā, ja tas atbilst uzņēmuma darbības specifikai.

Demogrāfija: dzimums, vecums, nodarbinātības ilgums, izglītības līmenis

 

Mācību ilgums/stundas (mācīšanās laiks) katram darbiniekam gadā, ko izlieto kvalifikācijas celšanai, izglītošanās, jaunu prasmju iegūšanai

Darbinieku izglītības līmenis var palīdzēt, plānojot darbinieku nosūtīšanu uz apmācībām un kvalifikācijas celšanas kursiem, optimizējot uzņēmuma budžeta līdzekļus mācību mērķiem – darbinieku segmentācija pēc izglītības līmeņa var palīdzēt veiksmīgāk plānot ieguldījumus viņu attīstībā. Turklāt datu analīze par faktiskajām stundām, ko darbinieks pavada, izglītojoties kvalifikācijas celšanai, sniedz ieskatu kopējā darbaspēka attīstībā un ļauj īstenot attīstības stratēģiju gan individuālā līmenī, gan darbaspēkam kopumā. Vēršam uzmanību, ka parasti organizācijā dati par mācīšanos netiek ievākti, ņemot vērā laikietilpīgo un samērā sarežģīto uzdevumu, ja darbs jāveic manuāli vai ja vien uzņēmumā nav ieviestas laika lapas ar projektu un darbu uzskaiti, kurās var specifiski identificēt laiku attīstībai dažādos kursos, semināros u.tml. pārskatāmā laika periodā.

Sniegums: darba snieguma vērtējumi (augsta, vidēja vai zema līmeņa sniegums)

Šī datu kategorija paredz priekšdarbu veikšanu, jo jāievieš regulāras atgriezeniskās saites saņemšana un nodošana noteiktā periodā, kā arī formāls perioda snieguma izvērtējums. Arī pārskati par darba snieguma vērtējumiem var iezīmēt papildu vērtējamos aspektus, raugoties uz darbinieka izaugsmi, kuriem tālāk var meklēt risinājumus kopējās pārrunās (kādi cēloņi sekmē vai bremzē karjeru uzņēmumā, kādi iekšēji vai ārēji faktori ietekmē darba rezultātus).

Darbā pieņemšanas procesi: pieteikumu skaits, no tiem – izvēlēto kandidātu skaits pārrunām, apstiprinātie darba piedāvājumi, vienas pozīcijas aizpildīšanai nepieciešamais laiks; iekšējie paaugstinājumi/ mobilitāte, jauno darbinieku sniegumu rādītāji pirmajos 3, 6, 12 mēnešos (darbā pieņemšanas veiksmīgums)

Šīs datu kategorijas analīze var uzlabot personāla atlases procesu, atbalstot pieņemamos lēmumus saistībā ar potenciālām kandidātu informēšanas iniciatīvām un darba sludinājumu saturu. Izmantojot šo analīzi, ir iespējams paaugstināt darbā pieņemšanas procesa efektivitāti, optimizējot jauna darbinieka rekrutēšanas izmaksas.

Darbinieku mainība: atlūgumu skaits, segmentācija grupās pēc vecuma, nodarbinātības ilguma, darba snieguma, pilna vai nepilna laika darba režīma utt.

Darbinieku mainības datu analizēšana var palīdzēt uzņēmumam veiksmīgāk plānot atalgojuma politikas izmaiņas, pārskatīt piedāvāto labumu grozu, identificēt problēmjautājumus, kuru risināšanai ilgtermiņā jāpievērš lielāka uzmanība, kā arī dažādus iekšējus jautājumus, kas saistīti ar procesiem veiksmīgākai uzņēmuma darbībai. Mainības izvērtējumā noteikti jāņem vērā arī darbinieku darba režīma ierobežojumi, jo šis aspekts var ietekmēt kopējo darba devēja novērtējumu un identificētos problēmjautājumus, kas var izskaidrot mainības iemeslus, palīdzot izstrādāt programmu darbinieku mainības samazināšanai.

Iesaistes līmenis: dažādas aptaujas, aiziešanas/ palikšanas intervijas

Ikdienā darbinieku apmierinātību vai attieksmi konkrētos uzņēmumam būtiskos jautājumos var noskaidrot ar īsām aptaujām, ātri un efektīvi identificējot attieksmi pret dažādiem jauninājumiem, lai prognozētu sagaidāmo reakciju kopumā. Turklāt intervijas, kas organizētas, uzsākot un beidzot darba attiecības, spilgtāk iezīmē darbinieka esošās vai bijušās ekspektācijas un ļauj salīdzināt ar faktisko situāciju, izvērtējuma rezultātā nonākot pie secinājumiem par veicamajām izmaiņām, tostarp skaidrāku darba pienākumu un vides izklāstu darba sludinājumos. PwC ir izstrādājis rīku hAppy, kas var palīdzēt organizācijām novērtēt iesaistes līmeni, pielāgojot anketēšanas risinājumu jūsu uzņēmuma vajadzībām.

Atalgojuma dati: pamatalga, bonusu, piemaksu apmērs, piešķirtie un piedāvātie labumi utt.

 

Atalgojuma analīze ir organizācijas talantu vadības stratēģijas būtiska sastāvdaļa, jo tā palīdz gan piesaistīt, gan noturēt labākos darbiniekus tirgū, pārskatīt esošo stratēģiju un pielāgot kopējo atalgojuma grozu darbinieku individuālām vajadzībām uzņēmuma budžeta ietvaros.

Darba algu salīdzinošā novērtēšana uzņēmumam sniedz priekšstatu par atalgojuma konkurētspēju tirgū un ļauj pieņemt pārdomātus lēmumus par izmaiņu nepieciešamību. Šādi dati arī dod iespēju novērtēt atalgojuma taisnīgumu, īpaši šobrīd, kad spēkā stājusies direktīva, kura nosaka, ka ar darba samaksas pārredzamības un izpildes mehānismu tiek nostiprināta prakse, ka vīrieši un sievietes par vienādu vai vienādi vērtīgu darbu saņem vienādu darba samaksu.1

 
Datu uzkrāšana vien neatrisinās visus ar darbiniekiem saistītos jautājumus, tā nav burvju nūjiņa, kas ātri paveiks vēlamo. Tomēr kvalitatīva datu analīze var sniegt HR speciālistiem un uzņēmumu vadītājiem uz datiem balstītus faktus, kas palīdzēs izstrādāt jaunas stratēģijas vai pārskatīt esošās. Tas ir īpaši svarīgi ceļā uz uzņēmuma mērķu īstenošanu, veidojot darba devēja tēlu gan darbinieku vidū, gan tirgus līmenī. PwC ir izveidota personāla un organizāciju pārveides prakse ar speciālistiem, kuri palīdzēs atklāt un realizēt jūsu uzņēmuma darbaspēka potenciālu. Aicinām sazināties ar mums, lai noteiktu, kā mēs varam palīdzēt.

Dalīties ar rakstu

Ja Jums ir kāds komentārs par šo rakstu, lūdzu, iesūtiet to šeit lv_mindlink@pwc.com

Uzdot jautājumu