İK Analitiği (İngilizce: HR Analytics veya People Analytics), çalışanlara ve İK süreçlerine ait verilerin sistematik olarak toplanması, analiz edilmesi ve yorumlanmasıyla işe alım, elde tutma, performans, ücret ve işgücü planlaması gibi alanlarda kanıta dayalı kararlar alınmasını sağlayan yaklaşım demektir. Sezgiye dayalı kararların yerine ölçülebilir içgörüleri koyar.
İK analitiği, İK'nın iş sonuçlarına katkısını sayılarla göstermesini ve sorunları büyümeden fark etmesini sağlar. Bu yüzden İK yöneticilerini, iş ortağı rolündeki İK profesyonellerini, üst yönetimi ve finans ekiplerini doğrudan ilgilendirir.
İK Analitiği Nedir? Kapsamı
İK analitiği tek bir rapor veya yazılım değildir; veri, yöntem ve iş sorusunu bir araya getiren bir yetkinlik alanıdır. Kapsamına genellikle şunlar girer:
- Veri yönetimi: İK bilgi sistemi, bordro, aday takip sistemi, PDKS ve anket verilerinin bir araya getirilmesi ve temizlenmesi.
- Ölçüm: Personel devir oranı, işe alım süresi, devamsızlık oranı gibi İK metrikleri ile temel göstergelerin tanımlanması.
- Analiz: Eğilimlerin, ilişkilerin ve nedenlerin istatistiksel yöntemlerle incelenmesi.
- Görselleştirme: Sonuçların karar vericilerin kolayca anlayacağı panolar ve raporlarla sunulması.
- Eylem: Analiz sonuçlarının somut İK uygulamalarına dönüştürülmesi ve etkisinin ölçülmesi.
HR analytics ve people analytics terimleri çoğu zaman eş anlamlı kullanılır. Bazı kaynaklar people analytics ifadesini, yalnızca İK süreçlerini değil, iş birliği ağları ve çalışan deneyimi gibi daha geniş insan verilerini kapsayan bir alan olarak tanımlar.
İK Analitiğinin Seviyeleri
İK analitiği olgunluğu genellikle dört seviyede açıklanır:
| Seviye | Yanıtladığı soru | İK'dan örnek |
|---|---|---|
| Betimleyici (descriptive) | Ne oldu? | Geçen yıl hangi birimde kaç kişi ayrıldı? |
| Tanılayıcı (diagnostic) | Neden oldu? | Ayrılmalar hangi yönetici, kıdem veya ücret grubunda yoğunlaşıyor? |
| Tahmine dayalı (predictive) | Ne olabilir? | Hangi çalışan gruplarında ayrılma riski yüksek? |
| Yönlendirici (prescriptive) | Ne yapmalıyız? | Ayrılma riskini azaltmak için hangi müdahale en etkili olur? |
Birçok şirket ilk iki seviyede yoğunlaşır. Tahmine dayalı ve yönlendirici analizler için yeterli veri hacmi, veri kalitesi ve analitik uzmanlık gerekir. Seviyeleri atlamaya çalışmak yerine, betimleyici raporların doğruluğundan emin olarak ilerlemek daha sağlıklıdır.
Nasıl Uygulanır? Adım Adım
- İş sorusuyla başlayın: "Satış ekibindeki ayrılmalar neden arttı?" gibi yönetimin gerçekten önemsediği bir soru seçin.
- Veri kaynaklarını belirleyin: Hangi sistemlerde hangi verilerin bulunduğunu ve kalitesini değerlendirin.
- Tanımları standartlaştırın: "Ayrılma", "aktif çalışan" gibi kavramların herkes için aynı anlama gelmesini sağlayın.
- Analizi yapın: Basit kırılımlardan başlayın; gerekirse istatistiksel yöntemlere geçin.
- Hikâyeye dönüştürün: Bulguları sade bir dille, görsellerle ve önerilerle sunun.
- Eyleme geçin ve ölçün: Alınan aksiyonların etkisini aynı göstergelerle izleyin.
Sonuçların yönetime sürekli ve görsel olarak sunulması için İK dashboard terimimize göz atabilirsiniz.
Örnek Senaryo
Aşağıdaki durum bir örnektir. Bir perakende zinciri, mağaza çalışanlarının ilk altı ay içindeki ayrılma oranının yüksek olduğunu fark ediyor. İK ekibi; işe alım kaynağı, mağaza, yönetici, vardiya düzeni, eve uzaklık ve oryantasyon tamamlama verilerini bir araya getiriyor.
Analiz, ilk altı ayda ayrılanların belirli bir kısmının oryantasyon programını tamamlamadan sahaya çıktığını ve uzak lokasyonlara atananların daha sık ayrıldığını gösteriyor. Şirket, oryantasyonu sahaya çıkış şartı hâline getiriyor ve işe alımda adayların ikamet yerine yakın mağazaları önceliklendiriyor. Sonraki dönemlerde erken ayrılma oranı yakından izleniyor. Bu örnekte analiz, bir ilişki ortaya koymuştur; kesin nedensellik için müdahale sonrası verinin de değerlendirilmesi gerekir.
Riskler ve Etik Boyut
- Kişisel veri koruma: Çalışan verileri 6698 sayılı KVKK kapsamındadır. Analizlerde mümkün olduğunca anonimleştirilmiş veya toplulaştırılmış veri kullanılmalı, çalışanlar veri işleme amaçları konusunda aydınlatılmalıdır. Sağlık verileri gibi özel nitelikli kişisel veriler ayrıca hassasiyet gerektirir.
- Önyargı: Geçmiş verilerdeki eşitsizlikler tahmin modellerine taşınabilir. Algoritmik sonuçlar düzenli olarak ayrımcılık açısından denetlenmelidir.
- Yanlış yorum: Korelasyonun nedensellik olarak sunulması hatalı kararlara yol açabilir.
- Güven kaybı: Çalışanlar verilerinin kendilerine karşı kullanıldığını düşünürse anketlere ve sistemlere katılım düşer.
Bu bölüm genel bilgilendirme amaçlıdır; somut veri işleme faaliyetleri için uzmana danışılmalıdır.
İK Uygulamasında İpuçları
- Küçük başlayın; tek bir iş sorusunda somut sonuç elde etmek, kapsamlı ama kullanılmayan bir veri ambarından daha değerlidir.
- İK ekibine temel veri okuryazarlığı kazandırın.
- Finans ve BT ile ortak veri tanımları kullanın.
- Analiz sonuçlarını yalnızca İK içinde tutmayın; yöneticilerle paylaşın ve eylem planına bağlayın.
Takip edilmesi gereken temel göstergeler için her yöneticinin takip etmesi gereken İK metrikleri rehberimize göz atabilirsiniz.
İK sözlüğündeki diğer terimler için İK Sözlüğü sayfamıza göz atabilirsiniz.
Verinizi Karara Dönüştürün
İK analitiği, doğru soruyla başladığında İK'yı raporlama biriminden stratejik bir karar ortağına dönüştürür. İK Partner olarak performans yönetimi hizmetimiz kapsamında metrik seti tasarımı, veri analizi ve analiz sonuçlarının İK uygulamalarına dönüştürülmesinde destek sunuyoruz. Verilerinizi birlikte değerlendirmek için ücretsiz ilk görüşme talep edebilirsiniz.
