La people analytics è l'analisi dei dati relativi alle persone all'interno di un'organizzazione per risolvere problemi aziendali: perché i talenti se ne vanno, quali profili hanno le migliori prestazioni o dove c'è bisogno di successori. In un'azienda di medie dimensioni, non richiede un grande team di analisi dati, ma piuttosto una domanda chiara, dati organizzati e regole di privacy fin dal primo giorno.
Sommario
Che cos'è la people analytics e in cosa si differenzia dai report delle risorse umane?
Lui CIPD, Il British Institute of HR Professionals lo definisce come l'analisi dei dati sulle persone per risolvere i problemi aziendali e osserva che è anche chiamato HR analytics, talent analytics o workforce analytics. Se hai già familiarità con il termine dal nostro articolo su analisi delle risorse umane, Qui ci concentriamo su come avviarlo e renderlo operativo.
La differenza con un report sta nella domanda. Un report afferma quante persone se ne sono andate lo scorso trimestre. L'analisi delle risorse umane cerca di capire perché se ne sono andate, se c'è uno schema e quale dovrebbe essere la migliore linea d'azione. John Boudreau e Wayne Cascio sottolineano in un articolo del 2017 che la maggior parte delle organizzazioni ha ancora difficoltà a passare dalla rendicontazione operativa all'analisi.
Ciò non significa che gli indicatori siano superflui. Sono il fondamento. Se non li hai ancora definiti, inizia con il KPI delle risorse umane con formula e responsabile.
Quali livelli di analisi esistono?
Il CIPD distingue tre livelli. Questi ti aiutano a capire a che punto sei e cosa è ragionevole chiedere al tuo team.
| Livello | Domanda che risponde | Esempio in ambito risorse umane. | Di che cosa hai bisogno |
|---|---|---|---|
| Descrittivo | Quello che è successo? | Rotazione per area e anzianità negli ultimi 12 mesi | Dati puliti e una dashboard |
| Predittivo | Cosa succederà? | Fabbisogno di personale per il prossimo anno, basato su dati storici e piani aziendali. | Dati storici sufficienti e analisi statistica |
| Prescrittivo | Cosa dovremmo fare? | Consigliare corsi a ciascun dipendente in base alle sue lacune in termini di competenze. | Modelli e regole d'uso validati |
Secondo il CIPD, la maggior parte delle organizzazioni è in grado di eseguire analisi descrittive, ma poche raggiungono il livello prescrittivo, e l'utilizzo di analisi avanzate non sempre produce informazioni più preziose. Per un'azienda di medie dimensioni, un'analisi descrittiva ben interpretata è spesso più efficace di un modello predittivo privo di dati a supporto.
Quali dati vengono utilizzati dall'analisi dei dati relativi alle persone?
I dati provengono da sistemi HR, altri sistemi aziendali e fonti esterne, come le indagini salariali. Questa tabella riassume le fonti più comuni e i relativi utilizzi:
| Fontana | Esempi di dati | A cosa serve? | Attento |
|---|---|---|---|
| Sistema di gestione paghe e risorse umane. | Nuove assunzioni, licenziamenti, posizione, anzianità, stipendio | Turnover, costi del personale, equità retributiva | Dati finanziari e patrimoniali |
| Reclutamento | Posti vacanti, fasi, fonti, tempi | Tempo di assunzione, conversione per fase | Conserva solo ciò che è necessario da chi non è stato assunto. |
| Valutazione | Risultati delle prove di abilità e competenza | Confronta i candidati e misura le differenze | Utilizzali per uno scopo consapevole |
| Prestazione | Valutazioni, obiettivi, feedback a 360 gradi | Collegare le prestazioni alla selezione e allo sviluppo | Pregiudizi del valutatore |
| Clima e sondaggi | Impegno, intenzione di rimanere | Prevedere il ricambio del personale e dare priorità alle azioni | Anonimato e dimensione minima del gruppo |
| Formazione | Corsi, ore, certificazioni | Misurare l'effetto della formazione | Non confondere la presenza con l'apprendimento. |
| Esterno | Indagini salariali, mercato del lavoro | Confronta gli stipendi e pianifica la forza lavoro | comparabilità delle posizioni lavorative |
Non è necessario avere tutto. La cosa più pratica da fare è confrontare due o tre fonti che rispondano a una domanda specifica.
Qual è lo scopo dell'analisi dei dati relativi al personale in un'azienda di medie dimensioni?
Questi sono i casi d'uso con il più alto ritorno sull'investimento in fase iniziale:
Rotazione e ritenzione
Lo scenario più comune, e quello che il CIPD utilizza come esempio, prevede l'identificazione di gruppi con un elevato turnover e l'adattamento degli incentivi per ridurlo. Ciò implica il confronto incrociato delle dimissioni volontarie con i risultati dei sondaggi relativi a reparto, responsabile, anzianità, stipendio e clima aziendale. Spesso, il modello si riscontra all'interno di un team specifico o in un determinato periodo, come ad esempio i primi sei mesi.
Assumere qualità
Se utilizzi dei test nel tuo processo di selezione, l'analisi dei dati relativi al personale ti permette di verificare con i tuoi dati se le persone che hanno ottenuto un punteggio elevato in una competizione ottengono risultati migliori un anno dopo. Questo ti aiuta a decidere quali test mantenere e quanto peso attribuire loro. Affinché questo confronto sia significativo, i test devono fornire... risultati comparabili tra candidati e posizioni.
Mappa dei talenti e della successione
Il confronto incrociato tra prestazioni, potenziale e competenze rivela chi è pronto per una posizione chiave e dove c'è il rischio di rimanere senza un sostituto. Questa è la logica alla base. Mappatura dei talenti e strumenti come il Matrice a 9 caselle. In Hirint, i risultati delle valutazioni alimentano questa mappa con dati sulle competenze, e la piattaforma è certificata ISO 27001 e opera nel rispetto del GDPR.
Prestazioni e sviluppo
Collegare le valutazioni delle prestazioni alla formazione, alla mobilità e all'anzianità aiuta a capire quali azioni di sviluppo si traducono in miglioramenti e quali no.
Pagare azioni
Il confronto tra le retribuzioni per posizione, livello e rendimento consente di individuare eventuali divari non spiegabili con il lavoro in sé. Si tratta di un'analisi delicata: deve essere condotta in collaborazione con l'ufficio legale e nel rispetto di chiare regole di accesso.
Cosa prevede la legge messicana in materia di privacy?
People Analytics lavora con i dati personali di dipendenti e candidati. In Messico, il quadro di riferimento è il Legge federale sulla protezione dei dati personali detenuti da soggetti privati, pubblicata come nuova legge nel marzo 2025. Alcuni punti che incidono direttamente su un progetto di analisi:
- Informativa sul consenso e sulla privacy. Tutti i trattamenti sono soggetti al consenso dell'interessato, salvo quanto diversamente previsto dalla legge (articolo 7). I dati finanziari o patrimoniali richiedono il consenso esplicito.
- Dati sensibili. La salute, l'origine etnica, le convinzioni religiose, filosofiche e morali o le opinioni politiche, tra le altre, richiedono il consenso scritto esplicito (articolo 8).
- Scopo. Se si desidera utilizzare i dati per uno scopo diverso da quello indicato nell'informativa sulla privacy, è necessario un nuovo consenso (articolo 11). L'utilizzo dei risultati della selezione per un modello di rotazione potrebbe essere considerato un nuovo scopo.
- Decisioni automatizzate. L'interessato può opporsi al trattamento automatizzato che valuta, senza intervento umano, aspetti quali la sua performance professionale e che incide significativamente sui suoi interessi (articolo 26).
Inoltre, l'ICPD raccomanda le seguenti buone pratiche: essere trasparenti su cosa viene analizzato e perché, consultare i dipendenti, garantire che l'analisi non discrimini i gruppi sottorappresentati e nominare un responsabile della protezione dei dati. Questo non costituisce consulenza legale: si consiglia di esaminare ogni progetto con il proprio ufficio legale.
Come iniziare a utilizzare l'analisi dei dati relativi al personale, passo dopo passo?
- Scegli un problema aziendale. Il CIPD sostiene che risolvere un problema aziendale critico è ciò che crea maggior valore. Ad esempio: "Perdiamo troppi venditori prima che raggiungano il primo anno di servizio".
- Effettuare un audit dei dati. Identifica quali dati possiedi, dove si trovano e la loro qualità. Un campo "motivo dell'abbandono" compilato in modo errato invalida l'analisi.
- Organizza il progetto con una struttura. Boudreau e Cascio utilizzano il modello LAMP: logica (quale relazione ci si aspetta di trovare), analisi, misure e processo (come i risultati arriveranno a chi prende le decisioni).
- Inizia con la descrizione. Un sistema di rotazione basato su segmenti, rivisto mensilmente, consente già di intervenire.
- Definire le regole di accesso e privacy. Chi vede cosa, con quale livello di dettaglio e per quanto tempo vengono conservati i dati.
- Presentare i risultati nel loro contesto. I dati inspiegabili generano più domande che soluzioni. Ogni risultato va accompagnato da una proposta di intervento.
- Misura l'effetto e ripeti. Se hai apportato una modifica a seguito di una scoperta, verifica dopo alcuni mesi se l'indicatore si è spostato.
Per il primo progetto, non è necessario acquistare una piattaforma. Un foglio di calcolo ben strutturato o uno strumento di business intelligence sono sufficienti per validare la questione prima di investire.
Errori comuni nell'implementazione dell'analisi dei dati relativi alle persone
- Parti dallo strumento, non dalla domanda. Senza ombra di dubbio, la bacheca si riempie di dati che nessuno utilizza.
- Confondere la correlazione con la causalità. Il fatto che due variabili si muovano insieme non dimostra che una sia la causa dell'altra.
- Prendere decisioni sulle persone basandosi esclusivamente su un unico modello. I dati forniscono indicazioni; la decisione su una persona viene presa da un'altra persona, tenendo conto del contesto.
- Analisi di gruppi troppo piccoli. In team composti da poche persone, un risultato può identificare qualcuno anche se il suo nome non compare.
- Dimenticando la qualità dei dati. Posizioni codificate in modo impreciso o valutazioni gonfiate portano a conclusioni errate.
- Non informare i dipendenti su come vengono utilizzati i loro dati. La mancanza di trasparenza distrugge la fiducia di cui il progetto ha bisogno.
Domande frequenti
Cos'è l'analisi dei dati relativi alle persone in sintesi?
Si tratta dell'utilizzo dei dati relativi al personale di un'organizzazione per risolvere problemi aziendali, come il turnover, la qualità delle assunzioni o la pianificazione della successione. Combina dati provenienti dalle risorse umane, da altri sistemi aziendali e da fonti esterne. Il suo valore risiede nella capacità di trasformare tali dati in decisioni, non nella semplice accumulazione di metriche.
Qual è la differenza tra people analytics e HR analytics?
In pratica, i termini vengono usati in modo intercambiabile, insieme a talent analytics e workforce analytics; questa è la definizione del CIPD. Talvolta si usa "people analytics" per sottolineare che l'analisi combina dati relativi alle persone con dati aziendali. L'importante non è il nome, ma che l'analisi risponda a una domanda specifica e porti a una decisione.
Quali sono 5 importanti indicatori chiave di prestazione (KPI) nelle risorse umane?
Dipende dalla strategia, ma cinque metriche comuni sono il turnover volontario, i tempi di assunzione, il costo per assunzione, l'assenteismo e le prestazioni dei nuovi assunti. Ognuna di esse richiede una formula fissa e una persona designata come responsabile. L'analisi dei dati relativi al personale (people analytics) parte da questi indicatori e cerca di spiegarne le variazioni e di individuare le soluzioni più appropriate.
Hai bisogno di un data scientist per iniziare?
Non per il primo progetto. Un'analisi descrittiva ben progettata può essere realizzata da una persona delle Risorse Umane con buone competenze nell'uso dei fogli di calcolo e con il supporto del reparto finanziario o IT. I modelli predittivi richiedono conoscenze statistiche, dati storici sufficienti e validazione. È preferibile svilupparli una volta che l'analisi descrittiva è già operativa e in uso.
L'analisi dei dati relativi al personale può essere utilizzata per prendere decisioni riguardanti i dipendenti?
Non dovrebbe prendere decisioni da solo. I dati aiutano a individuare schemi e a stabilire priorità, ma le decisioni che riguardano una persona necessitano di contesto e di giudizio umano. Inoltre, in Messico, secondo le normative vigenti, l'individuo può opporsi alle valutazioni automatizzate delle proprie prestazioni professionali senza intervento umano quando tali valutazioni lo influenzano in modo significativo.
Se desideri integrare dati comparabili sulle competenze nella tua mappa dei talenti, noi di Hirint possiamo valutare insieme da dove iniziare.
