A HR-osztály egy évtizede küzd azért, hogy helyet kapjon az adatkezelésben. Műszerfalak, munkaerő-elemző csapatok, “adatokon alapuló tehetségkezelési döntések” minden dián. És mégis van egy probléma, ami mindezek mögött rejtőzik – egy olyan, amit még a legjobb műszerfalak sem tudnak megoldani.
Még ha a HR holnap már tökéletesen adat alapú lenne is, akkor is statikus adatokkal kellene kezelnie egy dinamikus munkaerőt.
Sokat beszélünk a HR-adatállományok szokásos problémáiról: egymástól eltérő rendszerekről, pontatlan adatokról, adatduplikációról, összefüggéstelen osztályozási rendszerekről és az időszerűség hiányáról. Mindez valóban fennáll. Van azonban egy mélyebb, strukturális probléma, amely még azokban a szervezetekben is fennáll, amelyek mindezt már rendbe hozták: Az adatok tervezésüknél fogva statikusak, mivel az azokat előállító folyamatok is tervezésüknél fogva statikusak.
A statikus adatok nem véletlenek. Hanem a folyamat tervezésének eredményei.
Nézzük meg, hogyan jönnek létre a tehetségmenedzsment legfontosabb elemei:
Teljesítmény Évente egyszer vagy kétszer értékelik. A két értékelés között a szervezet hivatalosan semmit sem tud az egyes munkatársak teljesítményéről – annak ellenére, hogy a teljesítmény folyamatosan, minden egyes nap alakul.
Munkaköri leírások amelyeket egy munkakör létrehozásakor vagy besorolásának módosításakor írnak meg, majd fokozatosan eltávolodnak a valóságtól. Kérdezzen meg bármelyik HR-csapatot, hogy a munkaköri leírásaik mekkora hányada írja le pontosan a munkakört annak mai gyakorlatában. Az őszinte válaszok elgondolkodtatóak.
Képességprofilok egy adott időpontban kerülnek rögzítésre – például egy önértékelési kampány, egy vezetői értékelés vagy egy értékelőközpont keretében. Amint a kampány lezárul, az adatok elavulni kezdenek. A készségeket folyamatosan elsajátítják, alkalmazzák és elfelejtik; a nyilvántartást – ha egyáltalán – csak eseti jelleggel frissítik.
Szervezeti felépítés A létszámjelentésekhez pillanatfelvételt készítenek róla, míg a tényleges munkamenet – hogy ki kivel, min dolgozik, és milyen képességeket használ – hetente átalakul.
Ez egyáltalán nem gondatlanság. Ez egy dokumentumközpontú, eseményalapú működési modell logikus következménye. A munkaköri leírás egy Word-fájl. Az értékelés egy megbeszélés. A készségfelmérés egy kérdőív. Mindegyik egy pillanatfelvételt eredményez, a pillanatfelvételt elmentik, és a tárolás az a pont, ahol az adatok élete véget ér, nem pedig kezdődik.
Az eredmény: A tehetségekkel kapcsolatos döntéseket rendszeresen elavult adatok alapján hozzák meg. A belső áthelyezésről szóló döntés egy tizennyolc hónappal ezelőtt rögzített kompetenciaprofilra támaszkodik. A stratégiai munkaerő-terv két átszervezést megelőző szervezeti pillanatkép alapján készül. A bérezési döntés olyan munkaköri tartalomra hivatkozik, amely már nem felel meg a munkakörnek. A szervezet változik, az azt leíró adatok viszont nem. A kettő közötti szakadékban születnek a rossz döntések.
“A ”gyakrabban értékeljünk” nem a megoldás
Az ösztönös megoldás a gyakoriság: negyedéves értékelések az éves helyett, évente kétszeri készségfelmérések. Ez két okból sem működik.
Először is, ez nem skálázható. Az értékelési fáradtság valós jelenség – felmérésekkel nem lehet valós idejű adatokat szerezni. Minden további kampány figyelmet igényel, és a figyelem a legszűkösebb erőforrás minden szervezetben.
Másodszor, és ami még alapvetőbb: egy dokumentumalapú modellt nem lehet dinamikussá tenni azzal, hogy gyorsabban futtatjuk. A havonta készített pillanatfelvétel továbbra is csak pillanatfelvétel marad. Nem változtattuk meg az adatok természetét, csupán a frissítési gyakoriságukat — és mindezt gyorsan emelkedő költségek mellett.
A probléma nem az intervallum. A probléma az architektúra.
A tudásgráf — őszintén szólva
Véleményem szerint a strukturális megoldás egy munkaerő-tudásgráf: az emberek, a szerepkörök, a készségek, a projektek, a képzési események és a szervezeti egységek mint entitások, amelyeket egyértelmű kapcsolatok kötnek össze. De itt óvatosnak szeretnék lenni, mert a “tudásgráf” mára egyike azoknak a kifejezéseknek, amelyekre a konferenciatermekben bólintanak, majd végül egy kissé kifinomultabb adatbázisként valósítják meg.
A tudásgráf önmagában nem old meg semmit. Ha ugyanazok az éves ciklusok alapján készül, akkor egyszerűen csak egy elegánsabb szerkezetben tároltad a statikus adataidat. A grafikon csupán a hordozó, nem pedig a megoldás. Ahhoz, hogy a változás valódi legyen, három feltételnek kell teljesülnie:
1. Minden él tartalmaz egy időbélyeget, egy forrást és egy megbízhatósági értéket
A tudás egysége nem az, hogy “Anna ismeri a Python nyelvet”. Hanem az, hogy “Anna Python-ismereteit 2025 harmadik negyedévében a projekt eredményei alapján 4-es szintre becsülték, 0,7-es bizalmi szinttel — és ez a bizalmi szint idővel csökken, hacsak új jelek nem frissítik”.”
Ez talán pedantériának tűnik. De pont ez a lényeg. A keltezett adatokról lehet következtetéseket levonni: tudjuk, milyen régi az adat, honnan származik, és mennyire megbízható. A keltezés nélküli adatok pedig hallgatólagosan úgy tesznek, mintha aktuálisak lennének – pontosan így történik, hogy egy tizennyolc hónapos készségprofil végül úgy befolyásolja a mobilitási döntést, mintha tegnap rögzítették volna. Minden adatpont hordozza a korát; a rendszer tudja, mit nem tud.
2. A folyamatos jelbefogadás felváltja az értékelési eseményeket
A grafikon nem azért marad naprakész, mert valaki gyakrabban tölti ki az űrlapot, hanem azért, mert a munkavégzés során keletkező adatok folyamatosan frissítik: projektfeladatok, munkatermékek, elvégzett képzések, belső áthelyezések, együttműködési minták. Egy készség akkor szűnik meg becsült állapot és így következtetett állapot — abból származik, amit az emberek bizonyíthatóan tesznek, és amit cselekedetük során folyamatosan frissítenek.
Ez egyben választ ad arra a leggyakrabban hallott ellenvetésre is: “Még a JD-jeinket sem tudjuk naprakészen tartani – és most azt akarjátok, hogy egy grafikont is vezessünk?” Pontosan fordítva van. A dokumentumközpontú modell nem működik mert Ez a kézikönyv szerzőjétől függ. A jelalapú grafikon csökkenti a karbantartási terhet, mivel az a szervezet munkája során már létrehozott anyagokból épül fel, nem pedig olyan dokumentumokból, amelyeket valakinek át kell írnia.
3. A rendszer javaslatot tesz; az emberek döntenek; a döntéseket dokumentálják
A következtetett adatok valószínűségi jellegűek, és a valószínűségi adatokat soha nem szabad tényként feltüntetni. A grafikon a jelenlegi legjobb becslést adja meg; ezt egy ember ellenőrzi, mielőtt az alapján fontos döntés születne – például előléptetés, áthelyezés vagy fizetésmódosítás –, és ezt az ellenőrzést rögzítik. A mesterséges intelligencia javaslatot tesz, az ember dönt, és minden döntést dokumentálnak. Ez nem utólagos megfelelési intézkedés. Ez az, ami az egész rendszert megalapozottá teszi, amikor valaki – egy alkalmazott, egy üzemi tanács vagy egy szabályozó hatóság – kérdést tesz fel miért döntés született, és milyen adatok alapján.
E három feltétel hiányában a tudásgráf csupán egy statikus adatkészlet, amely jobb felhasználói élményt nyújt. Ezek megléte esetén azonban valami teljesen mássá válik: a munkaerő olyan ábrázolásává, amely őszintén öregszik, a valóság alapján frissül, és tisztában van saját tudásának határaival.
Hogyan néz ez ki a gyakorlatban?
Nemrég fejeztük be egy nagy magyar távközlési vállalat számára végzett kompetencia-profilozási projektet: mintegy 1 500 különböző pozíció kompetencia-profilját állítottuk össze, amelyeket egy körülbelül 700 kompetenciából álló strukturált osztályozási rendszerhez rendeltünk hozzá, géppel olvasható formátumban, amelynek célja, hogy beépíthető legyen a későbbi tehetségkezelő rendszerekbe. Értékes munka – és én vagyok az első, aki elismeri, hogy a leadás napján ez csupán egy pillanatfelvétel.
A profilok tényleges értéke attól függ, mi történik ezután: vajon ezek a profilok olyan csomópontokká és élekké válnak-e, amelyek folyamatosan frissülnek – az új alkalmazottak felvétele, a projektek személyzeti ellátása és a tanulási adatok alapján –, vagy pedig az idei változatává válnak a munkaköri leírás-mappának, amelyet a bevezetéskor még csodálnak, de jövő tavaszra már csendben elavul. A profilok létrehozása csak a belépőjegy. Az a feladat, hogy az architektúra biztosítsa azok hitelességét.
Ez az a gyakorlati lépéssorozat, amelyet mindenkinek ajánlanék, aki ezt az utat kezdi meg: Ne próbálja meg az egész gráfot egyszerre felépíteni. Kezdjük a munkakör-architektúrával, mint gerinccel – ez az a keret, amelyre a javadalmazási, mobilitási és tervezési folyamatok máris épülnek. Építsünk rá egy készség-taxonómiát. Csak ezután kezdjük el összekapcsolni a dinamikus jeleket. A szilárd gerincből kinőtt gráf megalapozott; az viszont, amelyet egyszerre mindenből összeraknak, csupán egy bemutató.
A kellemetlen következtetés
A statikus adatokkal kapcsolatos probléma a jelenlegi folyamatmodell keretein belül nem oldható meg, mivel a jelenlegi folyamatmodell az A probléma az, hogy az éves ciklusok és a dokumentumokból származó adatmaradványok folyamatosan pillanatfelvételeket fognak generálni, függetlenül attól, hogy mennyire jó a BI-réteged.
Azok a szervezetek, amelyek ezt jól csinálják, nem azok lesznek, amelyek a legkifinomultabb irányítópultokkal rendelkeznek. Hanem azok, amelyek újragondolták, hogyan használják fel a munkatársak tudását előállított — folyamatosan, a források feltüntetésével, őszinte bizonytalansággal, valamint azzal, hogy az emberek felelősséget vállalnak az erre épülő döntésekért.
Már amíg ezt a cikket olvastad, a munkaerőd összetétele megváltozott. A kérdés az, hogy az adataid ezt észrevették-e.
És nem, ez nem sci-fi — a Microsoft, a Workday és más cégek máris pontosan ezt építik be a platformjaikba. Az már más kérdés, hogy érdemes-e az ő megoldásaikra támaszkodni, vagy inkább saját megoldást kell kidolgozni. Ez a következő cikk.
Kezdje azzal, amit a HR-adatok már most is alátámasztanak.
Töltse ki az adatfelkészültségi ellenőrzőt →Fedezze fel a gAIn-t →