Mengenal People Analytics, Cara HR Ambil Keputusan Data

Mengapa banyak keputusan penting HR masih mengandalkan “feeling”, bukannya data? Sebut saja seperti mengapa karyawan resign, siapa yang direkrut, hingga siapa yang hendak dipromosikan. Di zaman sekarang yang mengandalkan data dalam segala hal, sudah waktunya bagi HR untuk membuat keputusan tidak berdasarkan asumsi. Melakukan people analytics adalah solusi terbaik untuk masalah tersebut. 

Dalam bahasa sederhana, people analytics merupakan proses penggunaan data serta analisis yang berguna untuk memahami dan meningkatkan performa kerja karyawan. Artikel kali ini akan membahas apa itu people analytics, apa saja metrik kuncinya, serta bagaimana penerapannya di perusahaan. Anda pun akan belajar bagaimana menyiapkannya agar bisa langsung dipraktikkan.

Apa itu People Analytics dan Bedanya dengan HR Analytics?

People analytics adalah serangkaian aktivitas pengumpulan data karyawan sekaligus menganalisisnya sebagai basis dari beberapa pengambilan keputusan penting seperti retensi kerja, rekrutmen, dan pengembangan. Dalam praktiknya, people analytics sering disamakan dengan HR analytics. Padahal, keduanya merupakan hal yang berbeda.

Secara teori, cakupan dari HR analytics adalah mengukur fungsi dari karyawan berdasarkan key performance indicator (KPI). Meski sama-sama berpatokan pada analisis, HR analytics lebih banyak berfokus pada efisiensi proses sumber daya. Sementara, people  analytics menyasar lebih luas pada seperti apa perilaku karyawan dan bagaimana dampaknya ke bisnis.

Maka, data jelas menjadi kunci penting dalam people analytics. Sebuah studi global dari Oracle pada tahun 2023 menyebut bahwa sebanyak 78% pemimpin perusahaan biasanya terlebih dahulu mengambil keputusan berdasarkan “feeling”, baru kemudian mencocokkannya dengan data. Hal ini tentu tidak benar karena terbalik dari prinsip people analytics.

Dengan definisi tersebut, Anda dapat melihat bahwa tujuan akhir dari proses analisis karyawan ini tidak akan hanya berhenti pada laporan. People analytics harus membawa ke keputusan terbaik yang punya dampak besar ke bisnis, mulai dari produktivitas, retensi, sampai kinerja.

Baca juga Panduan Performance Appraisal dari Pengertian sampai Contoh

Empat Level People Analytics dari Deskriptif sampai Prediktif

Proses analisis karyawan sendiri akan berkembang melalui empat tahap atau level penting yang perlu Anda pahami terlebih dahulu:

1. Descriptive analytics. Tahapan ini akan menjawab “apa yang terjadi”. Level ini menggunakan beberapa dokumen seperti laporan jumlah karyawan, laporan turnover, ringkasan demografi, hingga rangkuman kompensasi karyawan. Analisis deskriptif menjadi dasar untuk tahapan analisis selanjutnya.
2. Diagnostic analytics. Tahapan ini menjawab pertanyaan “mengapa hal itu terjadi”. Di sini, mulai terbentuk segmentasi dan mencari akar penyebab dari suatu masalah. Misalnya, analisis mengapa karyawan banyak resign dalam kurun waktu tertentu.
3. Predictive analytics. Selanjutnya, level ini menjawab pertanyaan “apa yang akan terjadi”. Dengan menggunakan model atau tools tertentu, analisis prediktif akan mengidentifikasi pola yang dapat memprediksi hasil di masa depan. Contoh: prediksi berapa orang karyawan yang berisiko keluar.
4. Prescriptive analytics. Pada tahap ini, analisis akan menjawab pertanyaan “apa yang sebaiknya perusahaan lakukan”. Hasil dari analisis ini harus merekomendasikan tindakan spesifik sebagai jawaban atas prediksi di tahap sebelumnya.

Dari keempat tahapan yang ada, kebanyakan bisnis maupun perusahaan hanya melakukan analisis pada level pertama saja (deskriptif). Sementara, nilai terbesar dari analisis justru baru bisa muncul di tahap prediktif serta preskriptif. Maka, analisis di level deskriptif pada akhirnya tidak akan bisa menjawab masalah maupun mengantisipasi potensi masalah.

Dalam melakukan people analytics, Anda memang akan sangat terbantu dengan penggunaan tools AI. Namun, kunci dari analisis karyawan tidaklah terletak pada kehebatan tools. Sebagai HR, Anda mesti memahami kematangan tahapan tadi dengan dimulai dari data yang rapi dengan pertanyaan yang tepat.

Anda akan sangat terbantu tools AI dalam menganalisis data karyawan. Lihat contoh penggunaan AI untuk HR yang mengubah cara rekrutmen dan analisis kandidat.

Metrik dan Use Case People Analytics yang Paling Berdampak

Lalu, seperti apa contoh penggunaan analisis karyawan di perusahaan? Coba Anda pahami metrik dan contoh kasus yang merupakan dampak dari proses analisis karyawan:

• Retensi dan turnover karyawan. Use case analisis karyawan ini paling memberikan ROI tertinggi bagi perusahaan. Misalnya, dengan mengelompokkan pergantian karyawan berdasarkan masa kerja, peran hingga peringkat kinerja, HR dapat memfokuskan diri pada upaya retensi. Turnover karyawan pun dapat dikendalikan dengan analisis yang tepat langsung pada akarnya.
• Rekrutmen karyawan. Pengelolaan dan analisis data yang baik membuat perusahaan paham kapan waktu yang tepat untuk merekrut karyawan sekaligus berpeluang memperoleh sumber kandidat yang baik. Pada akhirnya, karyawan yang direkrut pun memang benar-benar berkualitas.
• Keterlibatan dan kesejahteraan karyawan. Analisis karyawan dapat melibatkan proses seperti survei untuk melihat bagaimana korelasi antara beban kerja dengan keterlibatan dan kesejahteraan karyawan. Dalam hal ini, analisis karyawan tidak hanya menilai kesejahteraan secara finansial, melainkan juga mental. Keterlibatan tiap individu yang tinggi memang sangat erat kaitannya dengan kesejahteraan para karyawan.
• Kinerja dan produktivitas. Dengan memahami akar masalah karyawan melalui analisis data, HR dapat menentukan program pelatihan yang tepat bagi karyawan. Dari situ, kinerja serta produktivitas karyawan pun akan ikut meningkat.
• DEI (diversity, equity, inclusion). Banyak karyawan merasa masalah kesetaraan dalam bekerja masih sulit didapatkan. Analisis karyawan biasanya dipakai untuk mengurai masalah tersebut. Misalnya dengan meninjau data demografis, tanggapan survei, dan pola-pola tertentu yang berpotensi memunculkan kesenjangan.

People analytics bisa bernilai lebih strategis ketika Anda menghubungkannya dengan nilai bisnis. Misalnya, data-data seperti engagement karyawan, absensi, turnover, pelatihan, hingga kinerja dianalisis bersama data bisnis berupa penjualan, produktivitas, kepuasan pelanggan, retensi pelanggan, profitabilitas, dan sebagainya.

Katakanlah sebuah perusahaan punya tingkat turnover tinggi pada tim customer service. Lewat analisis data, HR menemukan karyawan yang memiliki beban kerja berlebih, skor engagement rendah, dan minim kesempatan pengembangan karier berpotensi resign jauh lebih tinggi. Dari temuan itu, perusahaan memperbaiki distribusi beban kerja, meningkatkan program pelatihan, dan memperkuat komunikasi atasan dengan tim. Hasilnya, tingkat turnover menurun sehingga biaya rekrutmen pun berkurang. Di sisi lain, kualitas layanan bagi pelanggan ikut meningkat.

Use case retensi memberi ROI tertinggi. Padukan dengan deteksi dini lewat 3 tanda karyawan mulai quiet quitting agar HR bisa bertindak sebelum karyawan resign.

Cara Memulai People Analytics Strategy dari Nol

Memulai people analytics tidak harus menunggu data sempurna atau tim data yang besar. Yang terpenting adalah memulai dari masalah bisnis yang nyata, lalu menggunakan data untuk menemukan jawabannya.

Berikut langkah-langkah sederhana yang bisa diterapkan:

1. Mulai dari Pertanyaan Bisnis

Jangan mulai dari data. Mulailah dari masalah yang ingin diselesaikan.

Contoh pertanyaan yang bisa diajukan:

• Mengapa turnover tim marketing lebih tinggi dibanding divisi lain?
• Mengapa produktivitas tim tertentu menurun?
• Faktor apa yang memengaruhi rendahnya engagement karyawan?

Pertanyaan bisnis akan membantu menentukan data dan metrik yang benar-benar dibutuhkan.

2. Rapikan dan Satukan Data

Kualitas analisis sangat bergantung pada kualitas data. Karena itu, pastikan data dari berbagai sumber sudah rapi dan mudah diakses.

Beberapa sumber data yang umum digunakan:

• HRIS.
• Payroll.
• Data rekrutmen.
• Penilaian kinerja.
• Survei kepuasan atau engagement karyawan.

3. Mulai dari Analisis Sederhana

Tidak perlu langsung menggunakan model prediktif yang kompleks. Mulailah dari analisis dasar, lalu tingkatkan secara bertahap.

Tahapan yang bisa digunakan:

• Deskriptif: Apa yang terjadi?
• Diagnostik: Mengapa hal itu terjadi?
• Prediktif: Apa yang kemungkinan akan terjadi?
• Preskriptif: Apa tindakan terbaik yang perlu dilakukan?

4. Ubah Data Menjadi Wawasan

Tujuan people analytics bukan menghasilkan dashboard yang penuh angka, melainkan menghasilkan rekomendasi yang bisa ditindaklanjuti.

Contohnya:

Tingkat turnover tim marketing mencapai 28%, hampir dua kali lipat rata-rata perusahaan. Analisis menunjukkan sebagian besar karyawan yang resign memiliki masa kerja kurang dari satu tahun dan skor engagement yang rendah. Temuan ini mengindikasikan perlunya program onboarding dan coaching yang lebih kuat selama enam bulan pertama.

5. Bangun Kapabilitas Tim

People analytics membutuhkan kombinasi dua kemampuan penting:

• Kemampuan mengolah dan menganalisis data.
• Kemampuan mengomunikasikan temuan kepada manajemen.

Analisis yang baik tidak akan menghasilkan dampak jika rekomendasinya tidak dipahami oleh pengambil keputusan.

Prinsip utama dalam strategi analisis karyawan adalah dengan memulainya dari yang kecil dan tunjukkan seberapa besar nilainya. Coba Anda amati, dari sekian banyak temuan atau kasus dalam perusahaan, mana yang kira-kira bisa Anda selesaikan dengan people analytics? Jika itu berhasil, barulah Anda coba perluas lagi area masalah yang hendak Anda analisis selanjutnya.

Tujuan analisis bukan dashboard angka, melainkan wawasan yang menggerakkan keputusan. Kuasai business storytelling agar temuan datamu didengar atasan.

Tantangan, Etika, dan Privasi Data dalam People Analytics

Di balik segala manfaat dan peran people analytics dalam mengembangkan bisnis, Anda tidak boleh lupa kalau proses ini erat kaitannya dengan data manusia. Dalam hal ini, ada etika menyangkut privasi data yang tidak bisa Anda sepelekan. Saat melibatkan data individu, analisis karyawan mesti berprinsip pada:

• Persetujuan 
• Transparansi
• Kepatuhan regulasi
• Anonimisasi data

Jangan lakukan pengawasan berlebihan terhadap karyawan karena itu dapat merusak kepercayaan mereka. Misalnya, memantau setiap aktivitas digital karyawan, menggunakan data untuk mengontrol karyawan, dan lain-lain. Gunakan aktivitas pengumpulan data untuk membantu memahami karyawan, bukan untuk mengawasi berlebihan.

People analytics yang sehat pasti tidak menjadikan karyawan sebagai objek, melainkan memberdayakan karyawan untuk kemajuan mereka serta perusahaan. Bahkan meskipun dalam prosesnya Anda akan banyak dibantu oleh AI, keputusan akhir dari rekomendasi tindakan pada akhirnya berfokus pada kemajuan manusianya. Intinya, analisis karyawan merupakan perpaduan dari keterampilan data, pemahaman manusia, serta etika yang sehat.

Baca juga Mengenal Succession Planning dan Cara Menerapkannya

Dari penjelasan ini, makin jelas bahwa analisis karyawan menuntut tim HR agar senantiasa melek pada data serta memahami konteks masing-masing individu di perusahaan. Jangan cemas jika Anda merasa tim HR saat ini belum memiliki keterampilan tersebut. Kabar baiknya, kapabilitas untuk people analytics sejatinya bisa dipelajari dan dikembangan.

Jadikan Corporate Training dari Belajarlagi sebagai partner terbaik Anda dalam menyelenggarakan pelatihan bagi karyawan. Bersama Corporate Training, karyawan HR akan banyak dibekali keterampilan yang nantinya berdampak besar ke kemajuan bisnis. Investasikan kemajuan bisnis Anda dan coba konsultasikan kebutuhan pelatihan Anda di Corporate Training.