Kariyerinizi Geleceğe Hazırlıyoruz.

digiHR Yeni Nesil Yetenek Geliştirme Programı, öğrenci (lisans) ve yeni mezunlara yönelik olarak hazırlanmış, dijital yetkinlikleri geliştirmeyi hedefleyen bir gelişim programıdır.

Sekizincisi gerçekleştirilecek digiHR, zengin içeriği ve uygulama ağırlıklı yönüyle benzersiz bir gelişim programdır.

İleri Seviye Excel, Veri Görslleştirme (BI), Temel İstatiksel Analiz ve Analitik Vaka çalışmaları program süresince işlenecek bazı başlıklardır.

digiHR Mezunlar Topluluğu üzerinden iletişimde kalmaya devam ettiğimiz katılımcılarımızı iş, staj ve gelişim alanlarında oluşacak fırsatlardan haberdar etmekte ve referans olmaktayız.

Detaylı bilgi ve kayıt için aşağıdaki linki ziyeret edebilirsiniz.

https://www.digihr.org/

Kariyerinizi Geleceğe Hazırlamak için bir adım atmanız yeterli.

“Konfor alanı" tanım olarak: “İnsanın kendini halihazırda aşina hissettiği bir ortamda, her şeyi kontrol edebildiği yanılgısına düştüğü ve kendini rahat hissettiği psikolojik evre.”

Bir işi yapış şeklimiz, kahve içerken kullanmayı tercih ettiğimiz fincanımız ya da evdeyken sürekli oturduğumuz koltuğumuz bizim için konfor alanlarımız olabilmektedir.

Ama bizim üzerinde asıl duracağımız konu, hayatımızda ve de özelde mesleki yaşantımızda veri ile konfor alanımızdan nasıl çıkabiliriz ve bunu yaparken veriden nasıl faydalanırız sorularına yanıt bulmak olacak.

BNC Insight Kurucusu Emre Tuna Aydın ve Öğretim Görevlisi Emre Başkan'la gerçekleştireceğimiz sohbetimize Veri ve Dijitalleşme başlıklarına meraklı herkesi bekleriz.

Kayıt için linki ziyaret edip formu doldurmanız yeterlidir.

iletişim..

Dünya'nın önde gelen Dijital İK platformlarından AIHR Academy ile gerçekleştirdiğimiz işbirliğini duyurmaktan mutluluk duyarız.

Gerçekleştirdiğimiz işbirliği sayesinde, BNC Insight aracılığıyla satın alınan tüm içeriklerde %20 oranında indirim imkanı sağlanmaktadır.

İçerikleri incelemek için tıklayınız.

BNC İnsight ve PERYÖN (Türkiye İnsan Yönetim Derneği) işbirliğinde gerçekleştirdiğimiz " İK Analitik ve Dijital İnsan Kaynakları 2021 Anketi" tamamlandı.

300'den fazla yerli ve yabancı şirketle gerçekleştirlien anket sonuçları, sizi bir hayli şaşırtacak. 

Örneğin; ankete katılan şirketlerin %88'i önümüzdeki dönem bir İK Analitiği projesini hayata geçirmek istiyorlar.

Dijital insan kaynakları trendleri, veri analitiği ve veriyle karar alma kültürüne dair bir çok sonuca bu raporda erişebilirsiniz.

Anket raporuna ücretsiz şekilde erişmek için bağlantıyı tıklayın ve formu doldurun.

Tıklayınız

Ankete katılarak yeni gelişen bu alanda, diğer şirketlerin İK Analitik olgunluk seviyesini görebilir; İK’da veri ile karar alma kültürü konusunda hangi noktada olduğunuz bilgisine erişebilirsiniz.

Ankete katılmak ve ücretsiz sonuçları edinmek için linke tıklayabilirsiniz.

http://bit.ly/dijital-ik-2021

Sonuçları katılımcılar ile ayrıca paylaşacağız.

Gelecek Veride.

#peopleanalytics #humanresources

 #insankaynakları #bncinsight #peryön #survey #hranalytics #digitalization #anket

Kurumların amacı sürdürülebilir başarı elde etmek ve toplumsal kabul görmektir. Bu amaca ulaşmalarında önemli olan başlıca kaynaklardan birisi de örgütlerin beşerî sermayesi yani İnsan Kaynaklarıdır.

İnsan kaynaklarının işletme amaçlarına yönelik motive edilmesi ve yüksek performanslı bir sistem kurulması önemlidir. Kurulacak olan sistemin veri ve veri analizi temelli olması ise şüphesiz kritik konumdadır. Bu bakımdan işletmecilik uygulamalarının her işlevinde verilerin analiz edilmesi ile iş değeri üretildiği ve veri analitiğinin birçok işletme fonksiyonunu dönüştürdüğü gözlemlenmektedir.

 İş analitiği söz konusu olduğunda pazarlama analitiği, finans analitiği gibi kavramlar öne çıksa da özellikle son yıllarda, İnsan Kaynakları Analitiği (İKA) kavramı da tartışılmaya ve giderek artan yoğunlukta araştırılmaya başlanmıştır.

İK analitiği uygulamalarının başlıca amacı örgütlerdeki olası gelişmeleri tahmin etmek suretiyle insanlarla ilgili verilmesi gereken kararları rakamlarla desteklemek ve bu kararların iş çıktıları ve örgütsel performansa olumlu yansımasını sağlamaktır. İK analitiği, temel sorunların teşhis edilmesi ve anlaşılmasının yanı sıra değişen ihtiyaçlara, dinamik ortamlara uyum sağlayan kanıta dayalı çözümler tasarlama yeteneğini de içerir.

İK Analitiği Ne Değildir?

İK Analitiği çoğu zaman metriklerle veya başlangıç düzeyindeki temel istatistik yöntemleriyle karıştırılabilmektedir. Bunun tersine İK Analitiği;

• İK analitiği, etkinlik metrikleri veya puan kartları (scoreboard) değildir. Metrikler ve puan kartları önemlidir ve karar vericiye destek amacıyla birçok analizde kullanılabilir. Fakat bunlar tek başlarına İK analitiğinin yerini tutamaz.
• İK analitiği, İK departmanının işletmenin diğer fonksiyonları ve departmanları ile uyum içerisinde olması ve onlara yardımcı olması demek değildir. İK’nın diğer departmanları desteklemesi doğal olarak gereklidir.
• İK Analitiği, dönemler veya departmanlar arasındaki farklılıkları analiz etmek değildir.
• İK analitiği, çalışanlara ait verilerle işletme sonuçları arasındaki korelasyonu göstermek demek değildir. Korelasyon analitik sürecinde önemli bir adımdır fakat İK analitiğinin yerine kullanılamaz.
• İK Analitiği, sadece kıyaslama yapmak değildir. Diğer işletmelerle kendi işletmenizi kıyaslamak son derece önemli olabilir fakat İK Analitiği yerine kullanılamaz.

Dolayısıyla, güncel araştırma ve uygulamalarda İK analitiği olarak tanımlanan birçok kavram veya uygulama İK analitiği ile ilgili olabilir veya İK analitiğinin bir kısmını ifade edebilir. Ancak bunların tam olarak İK analitiğini karşılamadığı unutulmamalıdır.

O Halde İK Analitiği Nedir?

İK Analitiğini; “İK problemlerine çözüm üretmek amacıyla veri analitiği yöntemlerinin kullanılarak, İK ve ilgili verilerin özellikle geleceğe yönelik tahminler için analizinin yapılarak iş değeri oluşturulmasıdır” şeklinde tanımlayabiliriz. İK Analitiğinin başlıca 3 türü vardır.

İlki, Tanımlayıcı Analitiktir. Bir kişiyi işe yerleştirmenin maliyeti veya işgücü devir oranı gibi güncel durumu yansıtan bilgiler tanımlayıcı analitik kapsamında değerlendirilmektedir.

İkincisi, Tahmine Dayalı Analitiktir. İşe alım kararlarındaki isabetli seçim oranının gelecekteki muhtemel durumunu ortaya koyan bir model çalışması buna örnek olarak ifade edilebilir.

Üçüncüsü ise, Yönlendirici Analitiktir. Personel eğitimi ile ilgili alternatif yatırım kararlarının işletmenin genelini nasıl etkileyebileceğini belirleyen bir model ise yönlendirici analitik bağlamında düşünülebilir.

İşletmeler bu yöntemlerden birincisini yani tanımlayıcı analizleri daha çok, tahmine dayalı analitiği ise daha az kullanmaktadır. Yönlendirici analitik ise analiz konusunda çok deneyimli ve uzman işletmelerde bile oldukça nadiren kullanılabilmektedir.

İşletmeler İK Analitiği Uygularken Nelere Dikkat Etmelidir?

Günümüzde giderek artan sayıda işletmenin üst yönetimi, İK ve yetenek yönetimi ile ilgili kararlarını verirken, veri temelli bilgi kullanmanın stratejik bir araç olduğuna ve örgütsel performansı etkilediğine inanmaktadır. Birçok işletme en azından temel İK metriği verilerini düzenli olarak tutmaktadır. Fakat bu verilerin iş çıktılarını yorumlayabilecek ve özellikle tahmin etmeye yarayacak düzeyde etkili kullanıldığını iddia etmek pek mümkün değildir. Oysaki işletmeler sahip oldukları verileri analiz ederek gelecekteki birçok tehditten kaçınabilir ve birçok fırsatı yakalayabilirler.

Öncelikle, işletme üst yönetimi iş değeri oluşturmak için veri analizinden faydalanmayı bir hedef olarak benimsemiş ve bu yönde bir karar vermiş olmalıdır. Devamında, İK profesyonellerinin veri analitiği yöntemleri ve veri yönetimine ilişkin alt yapıya, yeterli bilgi ve beceriye sahip olması gerekir. Birim yöneticileri ise İK analitiği konusunda destekleyici olmalıdır. Ayrıca işletmedeki bilgi işlem kapasitesi ve ekipmanı da yeterli olmalıdır.

Yukarıda dile getirilen gerekliliklerin yanı sıra, İşgücü Analisti Michael Housman’ın İK analitiği çalışmalarına yeni başlayacak olan işletmelere önerisi de oldukça önemlidir. Housman, işletmelere makul ve spesifik hedefler koyarak küçük başlangıçlar yapmalarını ve zaman içerisinde uygulamalarını geliştirmelerini tavsiye etmektedir.

Bu bağlamda işletmeler kısa vadede danışmanlık hizmetleri alarak İK analitiği uygulamalarına giriş yapabilir ancak orta ve uzun vadede danışmanlarla birlikte işletmenin hedeflerine ve stratejilerine uygun bir İKA sistemi tasarlamaları anlamlı olacaktır. Tasarlanan bu sistemin işlerlik kazanması ve sürdürülebilir olması için farklı disiplinlerden çalışanların bir araya geleceği multidisipliner yaklaşıma sahip bir analitik ekibinin kurulması oldukça önemlidir.

Son bir cümle ile yazımızı sonlandıralım:

 “Bir dönüşüm ve gelişim sürecini ifade eden insan kaynakları analitiği, işletme yöneticilerinin sahiplenmesi ve sürekli desteklemesi gereken stratejik bir yolculuktur.”

*Bu yazı, Dr. Eyüp Çalık ve Dr. Kemal Demir tarafından, yazarı oldukları İnsan Kaynakları Analitiği kitabının ilgili kısımlarından derlenerek hazırlanmıştır.

İlgili kitapla ilgili detaylı bilgilere linkten ulaşılabilir.

İnsan Kaynakları Analitiği eğitimi güncel tarihi ve içeriği için linkte tıklayınız.

SAP Detaysoft sponsorluğunda 200’den fazla kayıt alan Yöneticilere Özel Dijital İK ve Gelişim Serüveni eğitimimizi 16 Aralık 2020’de tamamladık.

Aslında duyuru ve kısa bir paylaşım gibi gözüken bu giriş kısmı, bize Dijital İK ve Veri Analiğine olan ilginin son 3 yılda özellikle nasıl arttığını gösteriyor. Yaklaşık 8 yıldır bu alanda eğitim ve danışmanlık verdiğimiz için bu gelişimi hissetmek hem heyecan hem de endişe verici.

Heyecan verici çünkü İnsan Kaynakları Analitiği veya İnsan Analitiği için uzun yıllardır hem çalışıyor, hem de bu konunun önemine inanıyoruz. Ama bir yandan bir çok çalışmaya göre İK analitik gelişiminin önündeki en büyük engel olarak raporlanan Dijital Yetkinlik Eksikliğini de gözlemliyoruz.

Dijital İnsan Kaynaklarınde People Analytics veya İK analitik çalışmaları

Nereden başlasak?

Karamsar bir geçiş gibi gözükse de şimdiden SQL, İleri Seviye Excel (Vlookup değil, PowerPivot, Data model in Excel gibi konular) ile başlarsak bir fırsata da dönüştürebiliriz. Hatta 5 Dakikada İş Zekası raporu okumak yazımız ile hemen iş zekası raporu yapmaya başlayabilirsiniz bile.

İK Mobil İş Zekası Raporunu 5 dakikada yapabilir miyiz? yazısı için tıklayın

Eğitimde neler yaptık?

200’den fazla İK Yöneticisinin kayıt olduğu eğitimde Veri Analitiği ve gelişim kesişiminde uygulamalar ile ilerledik. Bir karar ağacı algoritması ile İK analitik çalışma örneği gerçekleştirdik.

Peryön Derneği zemininde ve SAP Detaysoft sponsorluğundaki eğitimimizi 1 gün olarak planlamıştık. Bu 1 güne İşe Alım ile ilgili iş zekası raporu çalışmasını da eklediğimizi belirtelim.

Doğru Yön ve Doğru Hız

Bugün Dünyadaki İK analitik çalışmalarına baktığımızda yapılan örneklerin ilgi çekici olduğunu paylaşan bir çok katılımcı ve teşekkür maili almamız doğru yönde olduğumuzu gösteriyor. Ama gelen talebin boyutu nedeniyle “doğru hızla” o yöne ilerliyor muyuz pek emin değiliz.

Hatta İK’nın hangi alanında çalışıyorsak çalışalım İK &Veri Kesişimine (“Doğru Yöne”) ardından da “Doğru Hıza” ulaşmamız gerekecek. Herhalde her yöneticinin bir İK Yöneticisi olduğunu ve İnsan Analitiğininda her departman için önemini açıklamaya gerek yok.

Güncel paylaşımlar ve ik analitiğini takip için tıklayın

Ya da bugün İK Analitik danışmanlığı ve eğitimine göz atın.

peopleanalytics #humanresources #dijitalik #bncinsight #insankaynakları #datascience #hranalytics #işealım

HrAnalitik.com

İnsan Kaynakları Analitiği ve Dijital İnsan Kaynakları konusunda yaklaşık 100 şirketin katıldığı, sektörde ilk defa bu kapsamda yapılan bir anket tasarlamıştık.

Ekibimizin 2 aylık yoğun data toplama ve işleme süreci sonrasında sonuçlarımızı sizler ile ücretsiz olarak paylaşıyoruz.

Anketin sonuçlarına ulaşmak için aşağıdaki linkten formu doldurmanız yeterli!

Sonuçlar için tıklayınız

Başlık biraz popüler gözüküyor. Her zaman popüler konulara mesafeli yaklaşanlardansanız, bu sefer yanıldığınızı söyleyebiliriz.

İnsan Kaynakları uzun süredir değişiyor, gelişiyor. Ama artık, “veri çağında” geri dönüşü olmayan bir yola girmiş durumda. Şöyle düşünün: Bir bankacılık hizmeti olan Para Havalesini mobil aplikasyon üzerinden birkaç kere yaptıktan sonra bankaya gitmeniz neredeyse “işkence” gibi hissettirir.

İşte İnsan Kaynakları Analitiği’nin önemli bir alt başlığı olan “veri görselleştirme” ve “iş zekası”nı da bir kere yaptıktan sonra eski tür raporlamalar ile uğraşmanız böyle hissettirebilir.

Peki neden İK’cılar İş Zekası yapmıyor

Aslında yapıyorlar. 5 yıldır devam eden İK Analitik eğitimlerimize katılımcı profili günden güne değişiyor. Korelasyon yaparken normal dağılımı, lineer regresyon yaparken logistic regresyonu soruyorlar. Biraz challenging – zorlayıcı gözükse de çok geliştirici sorular. En son katıldığım bir etkinlikte İş Hukuku Analitiği konusunda bir soru ile karşılaştım. Geçmişte şirketinizi cevaplar ile değil sorularla yönetmenin fayfalarını sosyal medyada (linke tıklayabilirsiniz) paylaşmıştık. Soruları duydukça sizi nasıl geliştirdiğini düşünün.

İnsan Kaynakları çalışanlarının neden BI ( HR Business Intelligence) – İK İş Zekası yapmadığını sormuştuk. Geçtiğimiz hafta (Şubat 2020) gerçekleştirdiğimiz bir etkinlikte sorunun hala “dijital yetkinlik eksikliği” olduğunu gözlemledim. Bunu ilk neden olarak görsek de asıl engel bu değil.

Asıl engel ilginç gelebilir ama “merak eksikliği” ve bu merak duygusuna eşlik edecek “keyif” duygusunun bir arada yer almaması gibi gözüküyor. Ama yeni nesil ik’cıları tanıdıkça bu ikisinin de ötesine geçebileceğimizi görüyorum. Eğer bir İK Departmanından sorumluysanız veya bir İK çalışanı iseni, mutlaka Merak ve Keyif konusunu bir düşünün derim. Etrafınızdaki arkadaşlarınızda bu duygular var mı? Unutmayın, duygular davranışı tetikleyen temel parametrelerdendir.

Dijital İK Yetkinlik eksikliğini özellikle uygulamalı eğitimler ile çözebilirsiniz. Bunun için buradaki linke tıklayıp içeriği inceleyebilirsiniz. Veya yakın zamanda açacağımız Dijital İK Yetkinlik Programımız için bize ulabilirsiniz. Ama Merak ve Keyif duygusunun birlikteliği için İşe Alımcılarınız ile bugün konuşmanızı öneririm.

Uzun vadede ise “Merak” konusunu ana değerlerinizden biri yapmanızı öneririm. Yeni Veri Çağının en önemli yetkinliği unutmayın, Merak olacak. Şirket değer çalıştaylarınız için bunu dikkate alırsanız, bu çağa ayak uydurabilmek çok kolay olur.

İK İş Zekası – 5 Dakikada!

Peki.

Şimdi 5 dakikada nasıl bir ik iş zekası raporu yapacağımız konusuna gelelim. Öncelikle yapmanız gereken Microsoft Power BI uygulamasını (ücretsiz) olarak indirmenizdir. Bunun için bu linki kullanabilirsiniz.

Kurulumu yaptıktan sonra 2 temel tuşu bilmeniz yeterli.

Birincisi Get Data / Veri Al

İkincisi Publish / Yayımla

Birinci tuş İş Zekası aracı olan Power BI’a veri almanızı, ikinci tuş ise bu verileri istediğiniz herkes ile mobile aplikasyon üzerinden paylaşmanızı sağlayacak. Bunu ücretsiz olarak yapabileceksiniz. Aşağıdaki ekrandan bunu görebilirsiniz.

Hemen sol üstte veriyi Excel veya Database seçerek istediğiniz kaynaktan almanız yeterli .

Verileri Düzenleyelim

Bu örnekte bir excel verisi üzerinden gidiyoruz. Temel olarak veri setinizi excelde temizleyip yükleyebilirsiniz.

Dosyayı seçiyoruz:

Verileri excelden seçiyoruz:

Grafik tipini seçiyoruz:

Bu işlemlerin ardından tek yapmamız gereken Excel’deki pivat table ile sürükle bırakla raporumuzu yapmak. Value/Değerler alanına her zaman saydırmak, toplam almak istediklerimi. Legend alanına ise rapor kategorilerimizi koymamız yeterli.

Harita seçimlerinde ise Location-lokasyon alanına il veya ilçe bilgisiniz atabilirsiniz sizin için K.Maraş’ı da tanıyacaktır.

Rapor hazır olduktan sonra Publish-Yayımla tuşuna basmanız yeterli. Artık Power BI Hesabınızda ve mobil aplikasyonlarda bu rapora erişim sağlayabilirsiniz.

Sonuç

Tam 5 dakika içinde yukarıdaki gibi bir raporu hazırlamanız mümkün.

Eğer bu konuda bir eğitim almak isterseniz 2 günlük İK İş Zekası Eğitimini size önerebiliriz. Yetkilendirme, farklı kullanıcı grupları oluşturmak gibi konular ile Power BI ile istatistiksel tahminleme yapmanız mümkün olacaktır.

Daha farklı iş zekası araçları ile de HR İş Zekası raporları yapmak mümkün ama eğitimlerde bizim tercihimiz Power BI. Gartner’ın çalışmalarında da en iyi iş zekası aracı olarak Power BI’ı görebilirsiniz. Alternatif arayanlar için Tableu ve Qlickview araçlarını incelemerini öneririz.

Not: PowerBI üzerinden hesap oluşturmak için şirket mail adresinizi kullanmanız gerekir. Gmail ve Hotmail gibi mailler ile hesap oluşturamazsınız.

Uzun süredir İK Analitik alanında eğitimler, danışmanlıklar, yazılım geliştirme süreçleri gibi konularda çalışıyoruz. Ancak şirketlerin bu konuya olan iştahı günden güne giderek artsa da, gerçekten mevcut durumları acaba nasıl gidiyor?

Bazı sektörlerde, Örneğin Telekom ve ilaç gibi sektörlerde ve data ile yakından ilgili şirketlerde, geçmişten beri HRIS (İK Bilgi Sistemleri) ve HR raporlama kısımlarının ayrı olduğunu biliyoruz.

Yakın bir zamanda İK Analitik Kariyer yolları ve artan pozisyon sayıları ile ilgili de bir yazı kaleme almıştık. Yazıyı okumadıysanız buraya tıklayabilirsiniz.

Sadece 6 dk ve İK Analitik

İnsan kaynaklarının geleceği açısında şimdiden anketi 10’larca şirket doldurdu. Ay sonuna kadar açık kalacak anketimize tıklamak için buraya veya aşağıdaki linke tıklamanız yeterli.

https://forms.gle/bjmLaBXWvAmoUhRR8

Anket Google Form ile oluşturulmuş bir anket ve sadece 6 dk, biz saydık.

Makine öğrenmesi temelde istatistiksel yöntemlerle mevcut verilerden çıkarımlar yapılmasıdır.  İki ana alt başlıkta incelenebilir: Bunlardan ilk Gözetimli Makine Öğrenmesi ( Supervised Machine Learning) ikincisi ise Gözetimsiz Makine Öğrenmesi ( Unsupervised Machine Learning)’dir.

İnsan Kaynaklarında ne kadar fazla veri olduğundan ve bu verinin zenginliğinden önceki yazılarımızda oldukça fazla söz ettik. İK’da Makine Öğrenmesi de işte elindeki bu verilerden tahmin yapmak, anlam çıkarmak anlamına geliyor. Gözetimli Makine Öğrenmesinin, Makine Öğrenmesinden farkı Label ve Feature‘lar ile prediction-tahminleme yapmaktan geçiyor. Buna örnek olarak, hemen her sitede ortaya çıkan ürün öneri sistemlerini veya Churn Analysis – Ayrılma analizi tahminlerini verebiliriz. Gözetimli İK Makine Öğrenmesi örneği olarak en sık karşılaşılan vaka, hangi çalışanın şirketten ayrılacağının tahminidir.

İş Zekası’nda olduğu gibi, bu tip bir ayrılan analizi için önce Dimension – Boyutlar belirlenmeli, ardından da Fact – Gerçekleşen belirlenmelidir. Basit bir İK Makine Öğrenmesi için, Feature’lar çalışan yaşı, ev iş arası uzaklık, cinsiyet, kıdem, pozisyon kıdemi, terfi edip etmediği, performans skoru gibi veriler olabilir. Fact – Gerçekleşen kısmında ise satır bazlı olarak bu boyutlara sahip çalışanın ayrılıp ayrılmadığı yer alır. İşte buna İnsan Kaynaklarında gözetimli makine öğrenmesi diyoruz.

Tabi İK Makine Öğrenmesi Eğitimi’mizde bunları çok daha detaylı örnekler üzerinden anlatıyoruz(www.bncturkey.com veya iletişim kısmından eğitim detaylarını edinebilirsiniz).

İK’da Makine Öğrenmesi Nasıl Yaparım?

Feature ve Label kavramlarından sonra, etiketlediğiniz datanızı bir Makine öğrenmesi aracı ile çıktıya dönüştürmeniz gerekiyor. Ancak elinizde bir hr veri seti varsa, bunun hepsini makine öğrenmesi algoritmasını eğitmek için kullanmamak gerekiyor. Genel kabul %70’ini training set; %30’unu da test set olarak kullanmak yönündedir. Yani algoritmanızı verinizin %70’i ile eğitecek, %30’u ile de test edeceksiniz. Böylece yaptığınız modelin, veri setinizde ne kadar doğru tahminler çıkardığını tahmin edebileceksiniz. Test verilerinde bakacağınız sonuç ise False/Positive’lerin sayısının düşük olmasıdır. Yani bu modelin yanlış yapma olasılığının düşük olduğu modeli seçmelisiniz.

Gözetimsiz Makine Öğrenmesi ve İK’da Kullanımı

Gözetimsiz Makine Öğrenmesi ise veri setinde sadece Features’lar olduğu zaman kullanılır. Veri setinizde 12 üçgen, 9 kare, 5 tane de yuvarlak şekil olduğunu düşünün. Bunları bir algoritma yardımı ile üçgenler, kareler ve yuvarlaklar olarak gruplarsanız (Clustering Algoritması) alın size Gözetimsiz Makine Öğrenmesi!

Bu basit örnek paralelinde, İnsan Kaynaklarında Gözetimsiz Makine Öğrenmesi örneği düşünelim. İlk olarak feature’ları bulmamız gerekiyor. Örneğin işte iyi performans gösterenler grubu ve özellikleri belirlenmeli. Ardından kötü performans gösterenlerin özellikleri bulunmalı (feature’ları belirlenmeli). Sonunda ise Clustering algoritmasına kaç cluster olduğunu bizim söylememiz gerekiyor. Örneğin aşağıdaki tabloda sizce kaç cluster vardır?

Renklendirmeden de görüleceği üzere bu veri setinde iki cluster gözüküyor. Algoritma seçimi sırasında datamıza bakıp kaç clustera böleceğini bizim söylememiz gerekiyor.

Temel bir giriş yapıp, İK Makine Öğrenmesi ile ilgili bir kaç örnek verdiğimiz bu yazımızdan sonra NLP, Text Mining, Network Analysis gibi niş konuları bulacağınız bir yazımızı planlıyoruz.

Bir cevapla değil, ama bir kaç soru ile bitilerim. Lakin en faydalı şeyler cevaplardan çok sorular oluyor. IOT, Machine Learning ve Deep Learning farklarını öğrenmek ister misiniz? Makine Öğrenmesinde datanız text ise nasıl bir çözüm yolu bulabilirsiniz? Makine Öğenmesi Time Series forecast’lerinde Seasonality nedir? IOT (Nesnelerin İnterneti) insan kaynaklarına mümkün mü?

Daha fazla soru ve cevapları için güzel bir kompozisyon olan “Bnc Insight” sitesine tıklayarak uğramanızı öneriyoruz.

Merak edeceğiniz bir yıl olması dileğiyle.

Twitter Hesabımız için

Instagram Hesabımız için tıklayın

Metrik kavramı temel olarak başı ve sonu olan iki şey arasındaki mesafe olarak tanımlanabilir. Böyle bir tanıma pek rastlamasak da, “civatalar arasındaki açıyı” ifade etmesinden daha iyidir diye düşünüyoruz.

Bir şeyin başı ve sonu arasındaki uzukluk olarak tanımladığımız (ik) metrik kavramında, aslında başı olan nokta çok önemli: Mevcut’ta bulunduğunuz nokta. Herhangi bir metrik, kpi, hedef, hatta strateji çalışmalarında yapılan en büyük hatayı, genelde “yolun sonunu” tanımlayarak başlamakta görüyoruz. Yani bir metrik çalışması yapılırken, önce hedef (yolun sonu) tanımlanıyor. Halbuki yapılması gereken ilk şey “yolun başı” olan mevcut durumu tanımla zorluğundan geçiyor.

Strateji Teşhis ile başlar

Eğitim ve danışmanlıklarda temel olarak sorduğum ilk soru budur: “Strateji nedir ve ne ile başlar?” Uzun yıllar strateji, KPI, Raporlama, Yıllık Performans hedefleri gibi alanlarda çalıştıktan sonra, bu soru ile yurt dışı mülakatlarının birinde karşılaşmıştım. Aksiyonlar bütünü, yol, 3-5 yıllık planlar, raporlama, KPI’lar olarak tanımlamaya çalışırken; aslında en önemli noktayı “mevcut durumu” atlamıştım. Uzun süredir önünüzde duran bir şeyi aradığınız anlarda, gözününüzün önünde belirmesi gibi hissetiren bir şeydi. O yüzden, ne zaman bir strateji çalışmasına başlasak, elim ve zihnim hep “teşhis” edecek raporlara, görüşme notlarına ve insanların “aslında ne demek istediklerine” gider.

İK Metrikleri

İnsan Kaynaklarında Metriklerin belirlenmesi ve KPI setinin oluşturulabilmesi için, işte bu yüzden mevcut durumu ortaya çıkaracak raporlamalar ile başlamak gerekiyor. Tanımlayıcı Analitik (Descriptive Analytics) olarak da tanımlanabilecek bu raporlar “şirketin niyetini” ortaya koyan beyanlardır. Ancak raporlamalaların içinde yer alan İK metriklerini biraz somutlaştıralım.

Örneğin temel bir analiz olarak ay veya çeyrek bazlı HC (Headcount) ve FTE sayılarını birim bazlı tutabiliriz. Bu tanımlayıcı bir analizdir. Geçtiğimiz yılın aynı dönemleri ile bu veriyi karşılaştırırsak bu karşılaştırmalı bir analize dönüşür. Ancak ölçtüğümüz şey hala bir Metrik – KPI değildir.

Önemli İK Metrikleri arasında bizden bir liste isteseniz, piyasadaki en tutarlı liste olarak size “Saratoga Kriterleri”ni verebiliriz. 100 ayrı HR metriğinden oluşan bu çalışma, Pwc şirketi kapsamında, karşılaştırılabilir bir metrik setidir. Bu ik metriklerini, genel bir izlenim edinmek için kullanmayı tavsiye ediyoruz. Ancak bu metriklere tamamen bağlı kalmak ve ölçmek, “şirketinizin havasını solumadan” bunu yapmak, doğru ve tutarlı bir sonuç vermeyecektir. O yüzden iş-business ihtiyaçlarına cevap veren metrikleri kurgulamak her zaman öncelik olmalıdır.

En Çok Ölçülen İK Metrikleri: #1 Turnover Rate

Önemli ik metriklerinden Turnover Rate – İşten Ayrılma Oranını ele alalım. Bu metrikle ilgili eğitimlerde ve seminerlede bize gelen ilk soru, “gönüllü istifa edenleri de bu metrik – KPI hesaplamasına dahil etmeli miyim” . Turnover oranı hesaplanırken, ilgili dönem içindeki tüm ayrılanların toplam sayısı alınır ve ilgili dönemdeki ortalama çalışan sayısına bölünür. Yani herhangi bir nedenle ayrılanlar da turnover oranı hesaplamasına dahil edilmelidir. Eğer siz, istifa edenleri dahil etmeyeceğiniz bir hesaplama yaparsanız bunun adı Turnover Rate değil, Voluntary Turnover Rate – Gönüllü Ayrılan Oranı olur .

Ortalama çalışan sayısı bulunurken ise iki yöntem vardır. Birincisi;

(Dönem Başı Çalışan Sayısı + Dönem Sonu Çalışan Sayısı) / 2

İkincisi ise;

İlgili Dönem boyunca tüm ayların ağırlıklı ortalaması.

İki yöntem arasındaki temel fark nedir? Eğer mevsimsellikten etkilenen bir iş yapış modeliniz varsa, ikinci yöntemi kullanmanız daha doğru olacaktır. Ama Rutin İK metrik raporlamasında, genel olarak birinci yöntem ile ilerleyebilirsiniz.

Tabi konumuz Turnover Rate olunca bu konuda kısaca bir metriğe değinerek uzaklaşmamız zor gözüküyor. Bir kaç yararlı Turnover örneği vererek genel ik metriklerine geçelim.

Turnover Hesaplamasında ilk yapılacak kırılım ayrılma nedenlerine odaklanmak olabilir. Ayrılma nedenlerini ise “bireysel” ve “kurumsal” olarak 2’ye bölerek başlayabilirsiniz. Bu uzunca bir konu ama, örneğin ücret nedeni ile ayrıldığını beyan eden bir çalışanı siz hangi ayrılma başlığı altına koyacaksınız? Bireysel mi yoksa Kurumsal neden mi? Doğru cevap hangi ücret politikasına sahip olduğunuza göre değişecektir. Eğer piyasaya göre PIR (Position in range veya Comaratio) değeriniz hedeflediğiniz değerde ise o zaman bu ayrılma nedenini bireysel nedenler başlığı altında sayabilirsiniz.

Dedik ya, konu turnover olunca yazacaklar bu yazıya sığmayacak. Söz verdiğimiz diğer Turnover kırılımlarını da aşağıya ekleyip diğer metriklere geçelim:

Ayrılanların Kıdeme göre kırılması,

Ayrılanların Departmanlara göre kırılması,

Ayrılanların Ayrılma Nedenlerine göre kırılması,

Ayrılanların Ortalama Çalışma sürelerine göre kırılımı,

High potential – yüksek potansiyele sahip çalışan ayrılma oranı

Arge çalışanı ayrılma – turnover oranı

Bu kadar Turnover konuştuktan sonra, başka bir bakış açısını da ekleyelim. Turnover çoğunlukla “olumsuz” bir bakış açısını yansıtır. Diğer taraftan bakmanın metriği olarak “Retention Rate” – ” Elde Tutma Oranı” metriğine odaklanabilirsiniz.

İK Metrikleri ve Raporlama eğitimimizde bu ve bunun gibi çok sayıda metriğin nasıl hesaplanacağını işliyoruz. Dilerseniz buradan o eğitimin içeriğini de inceleyebilirsiniz.

Peki Ya İK’cılar için Metrikler Neler?

Peki ya İK’nın kendi performansı için ölçümlenebilecek metrikler nelerdir.

Bu kısımda, toplam satış, ciro, karlılık, EBIT, EBITDA gibi finansal hedefleri dışarıda bırakarak değerlendirelim. Ki onlar ayrı bir yazının konusu olarak paylaşılacak. Tabi şirket hedefleri KPI tasarımı ve prim sistemi eğitimiz bu konuda size yazıdan önce yardımcı olabilir.

Hemen her şirketin İK KPI setine baktığınızda, İK Direktörü veya Genel Müdür Yardımcıların yıllık hedeflerinde ilk sırada Turnover Rate hedefi görürüz. Genelde geçen yıldan yüzdesel veya oransal ( % or pp variance) olarak daha düşük bir hedefi içerirler.

Hemen ikinci sırada şirketteki Learning & Development hedeflerini görürüz. Kişi başına düşen ortalama eğitim saati, toplam eğitim saati ve harcanacak L&D bütçesi bu hedef kartlarında yer alabilir.

Bununla birlikte daha az gördüğümüz diğer başlıklar ise;

Staff Cost / Sales ( Personel Maliyetinin satışa veya Ciro’ya oranı)

İç Terfi Oranı

Şirket içi rotasyon oranı

Engagement – Çalışan Adanmışlığı – Memnuniyeti Skorları

olarak sayabiliriz.

Burada önemli olan İK’nın kendisini tanımlayacak, performansını ölçecek hedef setini kendisinin sunmasıdır.

Veri çağında İK Metrikleri

Örneğin artık “veri çağında” bu hedefler sadece birer saptama olarak kalacaktır. Peki farklı ne hedefleri olabilir İnsan Kaynaklarının:

İK Veri Kalitesi oranı ( Veri Doğruluğu ve Veri Doluluk oranları üzerinden hesaplanarak)

İK Analitik Projelerinden elde edilen insight sayısı

Tüm şirket eğitimlerindeki ROI oranları ve hedeflerinin belirlenmesi

Uygun Çalışan Profiline Uygun Eğitim Setinin verilme oranı ( İK Analitik çalışması ile tespit edilebilir)

Hangi çalışanların işten ayrılması daha önce tespit edildi ve prescriptive analiytics ile aksiyon planı çalışan ayrılmadan uygulanma oranı (Örneğin IBM bu konuda %95 doğrulukla, hangi çalışanın işten ayrılacağını tespit edebiliyor. Linke tıklayıp detaylarına bakabilirsiniz).

Çalışanların Wellbeing skorlarının içerideki HR veri seti ile belirlenme oranı

Özetle günümüzde, İK Metrikleri ve Analitiklerinin belirlenmesi, tanımlayıcı analitikten öteye gidemiyor. Veri çağında Dünya değişirken, ik metrikleri değişmiyor. Ama üzülmeyin onlar da değişecekler.

Yazıyı şimdilik burada bitiyiroruz. Ancak önümüzdeki dönemde bu metrikler konusunda farklı yazılar yazmamız da gerecekecek gibi gözüküyor.

Daha fazla metrik için güzel bir platform olan “Bnc Insight” sitesine tıklamanızı öneriyoruz.

Hedef ve Metriklerin tutacağı bir yıl olması dileğiyle.

Twitter Hesabımız için

Instagram Hesabımız için tıklayın

Hiç uzun süredir artmasını beklediğiniz bir şeyin arttığını gördüğünüz oldu mu?

Dolar veya hisse senetlerinden bahsetmiyorum. Popüler olmayan ama sonradan popülerleşen, revaçta olan şeylerden bahsediyorum.

Sabah bir arkadaşım piyasadaki İK Analitik Müdürü arayan şirketlerin bir listesini bana gönderdiğinde aynı bu şekilde hissettim. Üstelik bu popülerliğe ik analitik pozisyonlarına olan ihtiyacı da eklediğinizde daha da heyecanlanıyorsunuz.

Büyük veri (Big Data) kavramına literatürde rastladığınızda, büyük verinin 3 özelliğinden bahsedilir. Bunlar: Büyük veri’de Hacim, Hız ve Harmoni‘dir. Bunu büyük verinin 3V’si (Velocity, Variety, Volume) ; veya 3H’si olarak adlandırılır.

Aynı şekilde İK Analitik pozisyonlarının Türkiye’de ve Dünya’da artış göstermelerini de aynı şekilde düşünebiliriz. Gartner’ın bir tablosunda en kompleks ve en fazla talep gören pozisyonlarda “ilk sırayı veri bilimi direktörleri alacak” şeklinde gözükmektedir. Ancak bu veri bilimi pozisyonlarının hemen bir arkasındaki pozisyonu tahmin edin? Bu “HR Analytics Manager” – ” İK Analitik Müdürü” pozisyonudur. Bu tabloda finansçılar, hukukçular çok daha geride yer buluyorlar. Bu yüzden İK Analitik Pozisyonunuza hem şirketiniz için hem de kendiniz için yatırım zamanı olarak 2020’yi kaçırmayın derim. (Küçük bir reklam gibi duracak ama bu konudaki Eğitimimiz hala sektörde çok uluslu firmaların tercihi olarak yer alıyor. Detaylı bilgi için bu yazıya tıklayabilirsiniz)

İK Analitik Pozisyonlarının Artışı – Hız, Hacim ve Harmoni

İK Analitik pozisyonlarını arayan şirket sayısında bu yıl itibariyle oldukça fazla artış gözüküyor. Pladis, Coca Cola, Bayer ve diğer çok uluslu firmaların arayışları hız kazanmış durumda. Bu konuda bana da gelen talepler günden güne artıyor.

Bunun dışında ik analitik alanında çalışanların sayısındaki artış hızı oldukça yüksek. Şirketler bazı ücretlendirme yan hak pozisyonlarının adlarını değiştirerek işe başladılar. Ancak bu her ne kadar doğru bir yol gibi gözükmese de, ik analitiğe başlamak için ilk tercih edilen yol oluyor.

İK Analitik Direktörü pozisyonu mümkün mü?

İK Analitik pozisyonu arayan şirket artışı dışında, ik analitik pozisyonlarının seviyeleri de uzman‘dan yönetici-müdür pozisyonuna çıkmış durumda. Önümüzdeki dönemde (1-2 yıl içinde) geç kalınmış da olsa “ik analitik direktörü” pozisyonlarını da görmeye başlayacağız. Gartner’ın listesinde bu pozisyonun açık ara geleceğin işlerinden olduğu yer alıyor.

Eğer ik analitik konusu ile ilgiliyseniz hızınızı; kariyeriniz için bildikerinizin hacmini arttırmanız gerekiyor.

Şirketler hala CDO (Chief Data Officer) pozisyonlarını finansçılardan devşirmeye çalışıyorlar veya bu sorumluluğu “para odaklı bir departmana” vermeyi yeğliyorlar. Bu kararı yeniden gözden geçirmemiz şirketler olarak bizim yararımıza olacaktır.

Aslında veri, analitik çalışmalarında en önemli etkenin “kültür” olduğu düşünüldüğünde, bu görevin “kültüre en yakın departman olan” insan kaynaklarına verilmesinin çok faydalı olduğunu düşünmemiz gerek.

Özetle ik analitik pozisyonlarının piyasadaki hacmi günden güne artıyor. Diğer yandan ik analitik pozisyonlarının ilan sayısı artış hızı her geçen gün artıyor. Peki buna harmonik olarak uyum sağlayabilecek miyiz?

Şirkette İK Analitik Departmanı Kurgusu

Şirketiniz için ücretlendirme ve yan haklar departmanlarını dönüştürmek her zaman mümkün olmayabilir. Bunun için bu departmandaki çalışanlarınızın nereden mezun olduklarına değil (merak etmeyin araştırmalar da böyle söylüyor); bu konuda bir “merak” sahibi olup olmadıklarına bakın.

Poloraid fotoğraf makinelerinin üretimini tetikleyenin bir çocuğun “fotoğrafları neden hemen göremiyorum” sorusu olduğunu unutmayın.

Yeni bir departmanın kurulumunu, görev tanımına istenmeden eklenen bir kaç satır cümleye veya şirket kartına basılan “iki kelime” eklemeye bırakmayın. Bu işi gerçekten istediğine emin olduğunuz, meraklı birine verin. Sadece meraklı olması size bu yeni yolculukta çok fayda sağlayacak.

Şirketinizi cevaplar ile değil soru soranlar ile yönetin!

PwC’ın yaptığı “Küresel CEO Araştırması”na göre dijital çağın getirdiği “yeni beceri” talepleriyle ilgili iddialı sonuçlar ortaya koyuyor. Sonuçlara göre çalışanların yüzde 74’ü yeni beceriler elde etmeye ve öğrenmeye hazır olduklarını iletiyor. Bu yeni beceriler havuzu için İK’cıların hazırlıkların gerisinde kaldığını görüyoruz. Yeni yılda bu yeni beceri havuzuna İK Analitik, İK Makine Öğrenmesi ve IOT eğitimi gibi konularda yetkinlik kazanmak için eğitim içeriklerimiz hakkında bilgi almak için bize iletişim kısmından ulaşabilirsiniz. Unutmayın, yeni şeyler öğrenmek, yeni yıldaki en güzel hediyelerden biridir.

iK Analitiğinin tanımına gelmeden önce diğer yazılarımıza gözatmanızı öneriyoruz. Örneğin İK Veri Kalitesi olmadan, ik analitik yapmak mümkün gözükmüyor.

Bu görece “korkutucu” veri kalitesi girişinden sonra ik analitik tanımına gelebiliriz. En basit ve en etkili tanımıyla ik analitiği, ik verilerinden “anlam çıkarmak”tır. İlk başta aralarında ilişki yokmuş gibi gözüken verilerin arasında ilişki aramak ise veri madenciliğiniz tanımıdır.

İK Analitiğini, özetle, İK’daki veriden “anlam çıkarmak”, insight / öngörü elde etmek olarak tanımladık.

İK Analitik’te 3 temel başlıkta veriden anlam çıkarabiliriz.

• Birincisi istatistiki analiz ile veriden anlam çıkarılabilir. Bunlara örnek olarak korelasyon, min, max, median, standart sapma gibi temel “diagnostic analytics”leri gösterebiliriz. Elinizde bir veri varsa, ilk yapmanız gereken tanımlayıcı istatistiklerini çıkarmak ve sonrasında yol haritasını belirlemektir.

• İkinci veriden anlam çıkarma yöntemimiz Veri Madenciliği – Data Mining’tir. Bir kaç paragraf önce belirttiğimiz gibi veri madenciliği, ilk etapta aralarında ilişki gözükmeyen sütunlar/veriler arasında ilişki bulmaktır. Madenciliğe benzetilen tarafı da budur, verinin içinde ilişki aramak, toprağı kazıp maden aramaya benzer.

• Üçüncü yöntem ise en çok ihmal edilen ve en az önem verilen yöntemdir: Veri Görselleştirme. Veri görselleştirme temel bir excel raporu yapmaktan, iş zekasına oradan da seçilecek bir grafik tipine kadar uzanır. Örneğin kadın erkek oranı raporunuzda neden pie chart – pasta grafik kullanıdığınızın raporlamada bir karşılığı vardır. Bu veri seti bir kompozisyon olduğu için, literatürde bu tip veriler için pie chart – pasta grafik kullanımı önerilir. Raporlamada Neyi yaptığımızın yanında, niye yaptığımızı sorarak gelişim sağlayabiliriz. Bununla ilgili, ik raporlama yöntemleri yazımıza göz atabilirsiniz.

Peki Hangi Araçlar ile Veri’den Anlam Çıkarmak?

Üç temel İK Analitik yöntemini, istatistiki analiz, veri madenciliği ve veri görselleştirme (iş zekası) olarak özetledik. Şimdi bunlar için önerilen ik analitik araçlarına (veya analitik araçları olarak da bakılabilir) bir göz atalım.

Sondan başlarsak veri görselleştirme için Excel de bir seçenektir. Ama asıl ik analitik aracı olarak iş zekası görülebilir. İş zekası araçlarının başında Gartner’ın da belirttiği gibi Powerbi en üst sağda yer almaktadır. Hem vizyonerlik açısından hem de yaygınlık açısından microsoft bu konuda yine “iyi bir iş” çıkarmış durumda. Powerbi neredeyse 6 ay ücretsiz pro sürümüyle oldukça beğeni topluyor. İK’da iş zekası eğitimlerimizde de bu yüzden Powerbi’ı tercih ediyoruz. Kullanıcı deneyimi açısından hep bir numara kalacak gibi gözüküyor.

İkinci sırada Tableu’yu düşünebilirsiniz. Özellikle ETL (Extract,Transform,Load) aracı olarak oldukça gelişmiş. İK’cılar için 14 günlük deneme süresi ise yeterli değil. Daha çok son kullanıcı aracından ziyade, IT aracı izlenimi verebilir size.

İK Analitik İstatistik araçlarının en eskisi olarak SPSS’i görüyoruz. Açıkçası çoklu seçenekler ve basitlikten uzak bir arayüz ile eski bir araç olarak tanımlayabiliriz. Alternatif olarak WEKA’yı ya da temel istatistik analizleri için Excel’i önerebiliriz. Ama gerçek bir alternatif olarak, İK Analitik aracı için size önerimiz R Studio ‘dur. Hemen Python mu R mı öğrenmeliyim sorusu aklınıza gelebilir. Ve Evet insan kaynakları çalışanı olarak R Studio öğrenmenizi tavsiye ediyoruz. Google ve Facebook’un da kullandığı veri analitiği ve istatistik aracı oldukça gelişmiş bir araç.

Uygulamalı İK Analitiği Eğitimimizde de kullanıdığımız R Studio‘da korelasyon, corplot, regresyon analizi, karar ağacı, barplot, histogram oluşturmak gibi özelliklere eğitimimizde yer veriyoruz. R’ın giriş seviyesi öğrenimi kolay; ancak uzmanlaşması zor bir dil olduğunu da belirtelim. Eğitim için en güncel tarihe buradan ulaşabilirsiniz.

Son olarak İK Analitik yöntemlerinden Veri Madenciliği araçlarına geldiğimizde yanımızda en güçlü araç olarak WEKA‘yı görüyoruz. WEKA sevimli kuş logosu, basit arayüzü ile bir çok veri madenciliği algoritmasını içinde barındırıyor. Kullanımı da oldukça basit.

Özet

Kısaca İK Analitiği nedir sorusuna vereceğimiz yanıt “veri’den anlam çıkarmaktır” Bunu veri görselleştirerek, veri madenciliği araçlarını kullanarak veya istatistiki analiz ile yapabilirsiniz.

İK’da Makine Öğrenmesi ve IOT adlı yazımız ise kısa sürede geliyor.

Veri ile kalın.

Uzun süredir İnsan Kaynakları alanında çalışmak belli bir süre sonra sizi “içeriden biri” yapıyor. Fonksiyonunuzun, İK’nın dışarıdan nasıl gözüktüğünü görmemeye; görseniz de anlamamaya başlıyorsunuz. Ta ki size bir terfi döneminden önce gelen bir kaç soru gibi.

Terfi edecek yeni kişileri tahmin etmek isteyenler, terfi edemeyecekler ve edecekler arasında kıyasıya gizli bir rekabet halini alır. Sizden cevap alamasalar da herkes kendi masasında olacakları biliyordur: İnsan Kaynakları ve yöneticiler yine “bir ” olacaklar ve birilerine haksızlık yapacaklardır. Terfi ettiğine sevinilen sayıca az bir azınlık dışında, terfi edenler hakkında “dedikodular” bir sonraki terfi dönemine kadar devam edecektir.

Her zaman bu kuvvette olmasa da, maalesef insan kaynakları kararlarının arkasından bu tip bir “hava” oluşuyor. Sürecinizde karar noktasını yöneticilere bıraksanız; assessment araçları ile donatsanız; tüm süreci şeffaf bir hale getirseniz de İK’nın kaderi devreye giriyor ve alınan kararların “tanıdıklara”, “iyi ilişkiilere” dayandığı yönü hep sahnede yer alıyor.

Aslında bunu değiştirmek için İK’nın, İK’cının elinde çok da kullanmadığı bir şey yer alıyor;”Veri”.

Rutin raporlamalar (descriptive analytics) dışında bir şeyler yapmaktan imtina eden İK, çeşmenin başında durduğu halde “bir yudum veri” almıyor. Hele ki KVKK&GDPR etkisi ile tam alacakken vazgeçiyor, tabiri caizse veriye elini sürmüyor. Halbuki gerçekten insanların terfi süreçlerinde çalışan verisini etkin ve sık kullanabilsek, tamamen olmasa da “öznel karar verme algısından” kurtulabileceğiz İK olarak.

Google şirketinde Oxygen projesi, IBM veri analitiği projesi ve diğer çok uluslu şirketlerdeki projeler, hangi çalışan hangi pozisyonda daha başarılı olacağına kadar bir çok soruya cevap veriyor. 1-2 günde temelini öğreneceğiniz açık kaynak kodlu araçlar ile bunu artık çok uluslu şirketlere değil, bizler yapabiliyoruz. Bir j48 algoritması kullanarak, belli bir veri seti ile hangi çalışanın ne performans göstereceğini, hangisinin ne zaman ayrılacağını tahmin edebiliyoruz.

Peki öznel kararların kaçınılmaz gibi gözüktüğü süreçlerde neden veri analitiğini hala kullanmıyoruz? Cevabı İK Analitiğine yapılan yatırımın azlığında ve İK çalışanlarının bu konudaki yetkinlik seviyesinde bulabilirsiniz. Her süreci değiştiren veri analitiği bazı şirketlerde terfi süreçlerine de katkı sağlıyor. Ama artık kararın gölgesini ortadan kaldırmak üzere. Sizce de değil mi?

İnsan Kaynaklarında Veri Kalitesi konusunda bir şey yazmadan önce insan kaynaklarının sahip olduğu veri setinin üzerinden geçmek gerek; belki de geçmemek.

“Geçmemek” diyorum çünkü elinde bu kadar fazla veri olan bir fonksiyonun veri kalitesinden bahsedebilmek zor. Buna KVKK-GDPR veri gizliliği zorluklarını da eklediğinizde İK Analitik için fırsatlar dünyasından; “zorluklar dünyasına” geçmiş oluyorsunuz.

Merak etmeyin. Yeni petrol veya yeni oksijen olarak tanımlanabilecek “veri” her türlü zorluğun üstesinden gelmenize yardım edecektir. Ancak burada İnsan Kaynakları çalışanlarına ya da bu yazıyı okuyan size çok iş düşüyor. Amacımız size bir yük yüklemek değil. Şöyle düşünün, şu değerli madeni size vermek istiyoruz: Veri!

Veri kalitesi için ideal bir şirkette CDO (Chief Data Officer) pozisyonunu kurgulamak ve departman bazlı verilerin “doluluk” ve “doğruluk” oranlarını ölçmek ile işe başlayabilirsiniz. Büyük danışmanlık şirketleri bununla ilgili hazır taslaklarını sizler için kurmaya hazır. Ama bu rollerin finansçılara verilmesi, bu kadar “para” odaklı bir departmanda bu yükün bırakılması bana hem mantıklı hem de yararlı gelmiyor.

Aslında şirketteki “herkes ile ilgili herkesten daha fazla veriye sahip olan İnsan Kaynaklarında” bu sorumluluğun olması çok daha yararlı olacaktır. Peki neden genelde finansal rollere veriliyor bu görev? Bunun temel sebebi şirkette “veri ile en çok oynayanların” finansçılar olması. İK’nın elinde “Kocaman veri-Büyük veri” olsa da bununla ilgili raporlar yapmaktan; bu veriden anlam çıkarmaktan çok uzakta duruyor insan kaynakları çalışanları.

3 Milyon Sütun Veri

Peki gerçekten İK’nın elinde Büyük veri var mı? Çalışan veri setindeki başlıkların 250 sütunu aştığını, İK ERP programı kullananlar bilir. Bu durumda sadece 2500 kişilik görece ortalama bir şirkette 625.000 Sütun veri oluşuyor. Bu şirketi 10 yıllık bir perakende şirketi olarak düşünsek ve turnover oranını %50 olarak alsak (bir çok perakende şirketi bunun neredeyse iki katı turnovera sahiptir) 12500 HC (Head Count) * 250 Sütun= 3.125.000 sayısına ulaşıyoruz. Bu sütunlardaki alt başlıkları da aldığınızda orta ölçekli bir şirkette sadece İK ERP sisteminde milyonlarca veriden bahsediyoruz. Buna özlük dosyalarını da eklediğinizde büyük bir şirkette milyonlarca veriye ulaşırsınız.

Bu girişten sonra veri kalitesinin önündeki temel engellerden olan veri bozukluklarının nedenleri konusunda bir şeyler paylaşalım.

Veri bozukluklarında temel nedenler; İnsan, Teknoloji ve Süreç olarak ön plana çıkıyor. İK Veri girişinde operasyonel hatalar ve sistem bozuklukları da rol oynarken; asıl sorun veri kalitesi ile ilgili bir strateji eksikliğinden kaynaklanıyor. Bu stratejinin nasıl kurulması gerektiği ile ilgili başka bir yazıda öneri setini sizinle paylaşacağız.

İK’da Veri Bozukluk Nedenleri Neler?

Ama şimdi veri bozuklukları nedenlerine geri dönelim:

• Format: Yanlış cep telefonu formatı girilmesi.
• Standart: İşten ayrılma nedenlerinin, fonksiyonların, lokasyonların farklı farklı olması (Istanbul =! İstanbul)
• Tutarlı: Euro ve TL maaş alanların aynı satırda yer alması.
• Tam:  Çalışanların Prim Oranlarının Çoğunun boş olması
• Kesin:  Ayrılan personelin Çalışanlar listesinde kalması.
• Geçerli: Çalışan giriş tarihinin 2024 olması.
• Tekrar Eden: Aynı çalışanın birden fazla kaydının olması.

Bu örneklerin bazılarına çalışan listesi excellerinde (hala excel’de tutmuyorsunuz diye umuyoruz);

bazılarına ise ERP sistemlerinizde rastlayabilirsiniz.

Bu konudaki yazı kısa sürede geliyor. ..

Şimdilik aşağıdakilere gözatabilirsiniz.

https://www.uipath.com/solutions/process/rpa-in-hr-operations

İnsan Kaynaklarında Nesnelerin İnterneti konusunda kapsamlı bir yazımızı yayımlayacağız.

Ama bu nota kadar gelip okuyanlardan şunu düşünmelerini rica ediyorum:

İnsan Kaynaklarında IOT (Internet of things) nesnelerin interneti mümkün mü?

Bir süredir birlikte çalıştığımız bir arkadaşımla bunun mümkün olduğunu, hatta sektörde örneklerinin başladığını da eklemiş olalım.

Eğer herhangi bir konuda ilerlemek istiyorsak ilk yapmamız gereken şey, mevcut durumda nerede olduğumuzu tespit etmekten geçiyor.

İK Analitik serüveninde nerede olduğunuzu belirlemek için, Gartner’ın bir grafiğini İK’cılar için paylaşacağım. Hemen her zaman, masamın yakınıma iliştirdiğim bir grafiktir. Analitik toplantıları öncesinde, yaptığınız çalışmaları üzerinde işaretlemek faydalı olabilir.

Görüldüğü gibi grafikte iki eksen mevcut. Birine kompleksite diğerine ise katma değer olarak bakabiliriz.

İlk aşamada olmazsa olmazımız: “Ne yaptığımızı” gösteren descriptive raporlar. Buna “tanımlayıcı analitik” diyebiliriz.

İkinci kısma geldiğimizde “teşhis edici analitik” bulunuyor. Bu noktaya erişmek için Korelasyon ile başlayabilirsiniz. Ama R Studio’da corplot grafikleri ile devam ettirmek analitik serüveninize renk katacaktır. Önümüzdeki dönemde bunlar ile ilgili yazılar yazacağım. Öncesi için ik analitik sorularınızı bize yazabilirsiniz (hristurkey@gmail.com).

Üçüncü kısımda İK Analitiğin hijyen faktörleri devreye giriyor. Karar Ağacı, Regresyon analizi, J48, Makine öğrenmesi algoritmalarını kullanarak veriden “insight-öngörü” elde etmeye başlıyoruz. Geçmişten yola çıkıp, gelecekte ne olacağını tahminleyebiliyoruz. Bunu yapabilmek için Weka, Phyton, R Studio hatta Excel’den dahi faydalanabilirsiniz. Excel’i küçüksemek başlıklı bir yazıyı sizlerle sonra paylaşacağım. Ama “excel ile analitik olur mu” diyenlerin şu kitabı incelemesinde fayda var: Analytics for Manager with Excel Peter C. Bell & Gregory S. Zaric.

Son kısımda Prescriptive analytics alanına geliyoruz. Pek fazla Türkçe çevirisine rastlamadım ama reçeteleyici analitik olarak düşünebiliriz. Yani predictive analitik kısmında öngörü elde edip, hangi çalışanlarımın ayrılacağını tahmin ederken; Prescriptive analitik’te çalışanlarımı nasıl elde tutacağımın da (hangi faktörler) bir reçetesine sahip oluyorum. Basitçe anlatmak gerekirse Netflix’in size film önerilerinin çalışma prensibi ile ilerliyor diyebiliriz.

Önümüzdeki dönemde oldukça popüler bir konu olan Neural Networks(Sinir Ağları) algoritma örneklerini içeren bir yazıyı sizlerle paylaşmayı planlıyoruz.

Başlıktaki soru nesnel bir soru ama cevabı “nasıl bir İK analitik” sorusuna vereceğiniz cevaba göre değişecektir.  5 yıldan fazla bir süredir İK Analitik konusunda çalışmalar yapmakta, eğitimler ve danışmanlık vermekteyim. Temel olarak İnsan Kaynakları Analitiği öncesinde, hemen korkmayın akademik bir yazı olmayacak bu, Analitik ve Veri kavramlarını anlamamız gerek. Veri ile ilgili Big Data konuşmaları, paneller ve bizim de dahil olduğumuz bir kısım konferanslardan bir çok şey duymuşsunuzdur. 

Özellike büyük veri’nin olmazsa olmazı 3 unsuru hatırlamadan geçmeyelim.

• Hız – Veri yeterli hızda ulaşıyor mu
• Hacim – Veri yeterli hacimde mi
• Harmoni – Veri diğer kaynaklardan gelen veri ile “uyum” içinde mi?

. 

Peki büyük veri’nin “anlamlı” hale gelebilmesi için neye ihtiyacımız var. “Sadeleştirmeye” Yazıyı okuyan İş Zekası uzmanları bunu hemen tahmin etmiştir; ya da çok fazla veri ile çalışan HR-IT’ciler veya yeni adı ile İK Raporlama veya İK Analitik Uzmanları. 

Başlıktaki sorudan uzaklaştık gibi gelse de, aslında tam cevabının yakınındayız.

İK Analitiği en özet ve bence en güzel ifade ile “veri’den anlam çıkarmaktır“.

Bunu dilerseniz;

• Bir iş zekası aracı (Tableu, Qlicksense veya Powerbi),
• Veya bir istatistik aracı ile (R Studio, Python veya evet Excel’de),
• Ya da son olarak bir Veri Madenciliği aracıyla (WEKA, SPSS) yapabilirsiniz.

Peki ya 1 günde İK Analitik yapmak istiyorum olur mu derseniz. Evet olur. Ancak bu yollardan sadece İş Zekası – Veri Görselleştirme kısmını hızlı bir eğitimle 1 günde yapabilir hale gelebilirsiniz. İstatistik araçlarından WEKA ve özellikle R için oldukça fazla zaman ayırmanız gerekebilir. Bunlar ile ilgili kendimi nasıl geliştiririm, nereden başlamam lazım diye merak ediyorsanız yazıları takip etmeye devam edin. Yakında bu konuları  sitede yayımlayacağız.

Ayrıca İK Analitik konusunda eğitim ve danışmanlık için her zaman olduğu gibi bu site üzerinden de bizimle iletişime geçebilirsiniz. 

emretunaaydin@hranalitik.com

Not:İlerleyen dönem içerisinde her bir Analitik aracını, İK Analitik’te nasıl kullanabileceğiniz ile ilgili yazılar da kaleme alacağız.