Kontroling personalny vs analityka HR vs people analytics

W polskim dyskursie HR-owym terminy „kontroling personalny”, „analityka HR” i „people analytics” są używane wymiennie, w przekonaniu, że oznaczają to samo, tylko inaczej brzmią. Z perspektywy projektu analitycznego są to trzy różne poziomy pracy z danymi personalnymi, rozróżnione przez pytania, na które odpowiadają, i przez typ wniosków, jakie z nich wynikają. Mylenie ich generuje konkretne koszty: budżety przeznaczone na people analytics rzadko produkują efekt, jeśli organizacja nie ma jeszcze działającego kontrolingu personalnego; zespół analityczny rekrutowany pod „people analytics” ucieka po pół roku, gdy okazuje się, że pracuje przy comiesięcznych raportach demograficznych.

Ten wpis porządkuje trzy poziomy i dorzuca RODO jako warstwę regulacyjną, której każdy z poziomów dotyczy inaczej.

Trzy poziomy i pytania, na które odpowiadają

Kontroling personalny: „co się stało?”

Najniższy z trzech poziomów, ale fundamentalny: bez niego nie da się zbudować pozostałych dwóch. Powtarzalne raportowanie danych firmowych opisujących przeszłość lub teraźniejszość: lista zatrudnionych, struktura demograficzna, raporty miesięczne FTE, zatrudnienia/odejść, absencji, wynagrodzeń. Cykl miesięczny, źródła danych w systemie kadrowo-płacowym, wynikiem jest raport zarządczy.

Subtelność terminologiczna, którą polskie środowisko HR stosuje świadomie: controlling finansowy z dwoma „l” vs. kontroling personalny z jednym „l” (celowa różnica, żeby ich nie mylić). Funkcja jest pokrewna (raportowanie danych zarządczych, monitorowanie odchyleń od planu), ale obiekt zarządzania inny: kapitał ludzki.

Częste nieporozumienie: kontroling kojarzy się z kontrolą i karaniem. To skojarzenie błędne. Realna funkcja kontrolingu personalnego to wczesne ostrzeganie: identyfikacja niegospodarności w obszarze ludzkim i działanie, zanim sytuacja się zaogni. Doradzanie, nadzorowanie, koordynacja, pomoc w przeciwdziałaniu błędom.

Kluczowe zadania kontrolingu personalnego (niezależne od poziomu zaawansowania organizacji):

• zabezpieczenie kapitału ludzkiego pod strategię biznesową,
• ocena personelu pod kątem wiedzy, potencjału, efektywności i zwrotu z inwestycji,
• dobór i selekcja pracowników,
• kształtowanie struktury i identyfikacja niegospodarności,
• analiza i optymalizacja kosztów pracy,
• zarządzanie budżetem wynagrodzeń.

Analityka HR: „dlaczego się stało?”

Drugi poziom: analiza zależności i przyczyn. Łączy dane HR-owe z danymi firmowymi i rynkowymi, szuka wyjaśnień. „Dlaczego rotacja w dziale X wzrosła w Q4 o 5 punktów procentowych?” „Czy luka płacowa w grupie Y jest funkcją struktury zatrudnienia, czy decyzji wynagrodzeniowych?” „Dlaczego absencja krótkookresowa rośnie w piątkach?”. Patrzy wstecz i w przód: diagnozuje korelacje, sprawdza hipotezy, dostarcza argumentów do decyzji.

Analityka HR wymaga warsztatu, którego nie wymaga kontroling: znajomości statystyki opisowej i wnioskowania (rozkłady, mediana vs. średnia, korelacja vs. kauzacja), umiejętności pracy z danymi z wielu źródeł, zdolności rozróżniania artefaktu od sygnału. Comp&ben, jak analityka w tej dziedzinie pokazuje, dotarł do tego poziomu wcześniej niż reszta HR, bo wynagrodzenia łatwo skwantyfikować. Inne obszary (rotacja, zaangażowanie, learning) zostają w tyle.

People analytics: „jakie problemy mogą się pojawić i jak im zapobiegać?”

Trzeci poziom: predykcja i analiza danych behawioralnych. Modele przewidujące prawdopodobieństwo odejścia konkretnego pracownika w ciągu najbliższych 6 miesięcy. Modele identyfikujące pracowników gotowych do awansu, na podstawie zmian w aktywności wewnątrzfirmowej. Modele luk kompetencyjnych w zespole pod planowane projekty. Wymaga warsztatu data science (regresja logistyczna, drzewa decyzyjne, klasyfikacja, ewentualnie sieci neuronowe), pełnych historycznych danych pracowniczych z wieloletnim horyzontem, infrastruktury danych poza arkuszami Excel.

People analytics próbuje uchwycić „nieprzewidywalność ludzkich decyzji” i w dużej mierze z nią przegrywa, bo predykcje są obarczone istotnym błędem. Modele potrafią identyfikować segmenty ryzyka (np. „pracownicy z 3-letnim stażem na stanowisku, bez awansu w ostatnim roku, w dziale X są o 25% bardziej skłonni odejść w najbliższym kwartale”), ale rzadko dają sensowną predykcję na poziomie indywidualnym, którą można by zoperacjonalizować bez naruszenia prywatności.

Trzy poziomy a dojrzałość organizacji

Pułapką popularną w polskim środowisku HR jest próba wskoczenia od razu na people analytics. „Chcemy modelu predykcyjnego rotacji”, pyta dyrektor HR firmy 800-osobowej, w której kontroling personalny operuje raportem miesięcznym wyciąganym ręcznie z Symfonii. Każda kolejność poza naturalną (kontroling → analityka → people analytics) generuje koszty: zespół data science zatrudniony za grube pieniądze przez pół roku przegrywa z jakością danych źródłowych; model predykcyjny zbudowany na 18 miesiącach historii daje wyniki nie do odróżnienia od losowych; raport z modelu trafia do dyrektora HR, który nie wie, co z nim zrobić, bo organizacja nie ma jeszcze żadnego procesu reagowania na rotację.

Sensowna sekwencja:

1. Stabilny kontroling personalny: co najmniej 12 miesięcy historycznych danych, miesięczny raport zarządczy, znane luki danych, czyste źródła. To minimum.
2. Analityka HR na bazie kontrolingu: pierwsze pytania „dlaczego?” zaczynają mieć odpowiedzi oparte na danych. Zwykle 18-36 miesięcy budowania kompetencji.
3. People analytics: sensowne dopiero, kiedy poprzednie dwa działają i kiedy organizacja ma case biznesowy uzasadniający koszt modeli predykcyjnych. W wielu firmach średniej wielkości ten case nie domyka się ekonomicznie: ROI z modelu predykcyjnego rotacji w firmie 500-osobowej jest często mniejszy niż koszt jego utrzymania.

Zob. szerszy model dojrzałości HR-owej, w którym typologia poziomów dojrzałości jest ułożona w pełną mapę.

RODO jako warstwa regulacyjna: różna na każdym poziomie

Trzy poziomy pracy z danymi personalnymi mają różny profil ryzyka regulacyjnego. Warto go znać przed dobudowywaniem nowych modułów analitycznych.

Kontroling personalny operuje na danych zatrudnieniowych, których przetwarzanie ma podstawę prawną przede wszystkim w Art. 6 ust. 1 lit. c RODO (obowiązek prawny administratora, w polskim porządku wynikający głównie z Art. 22¹ Kodeksu pracy oraz przepisów o ubezpieczeniach społecznych i sprawozdawczości), z uzupełniającym zastosowaniem Art. 6 ust. 1 lit. f (uzasadniony interes pracodawcy w zarządzaniu kapitałem ludzkim) oraz Art. 88 RODO jako klauzuli otwierającej dla przepisów szczególnych w zatrudnieniu. Art. 6 ust. 1 lit. b (wykonanie umowy) co do zasady nie jest właściwą podstawą rutynowego przetwarzania danych pracowniczych; ten pogląd utrwalił się w Opinii 2/2017 Grupy Roboczej Art. 29 (poprzedniczki EROD) i jest podzielany przez UODO. Większość raportów demograficznych, struktury wynagrodzeń, czasu pracy jest tu bezpieczna pod warunkiem agregacji i poszanowania zasady minimalizacji (Art. 5 ust. 1 lit. c): nie zbieramy danych, których nie potrzebujemy do celu.

Analityka HR zaczyna być wrażliwa, kiedy łączy dane z wielu źródeł. Łączenie danych płacowych z ocenami, z ankietami zaangażowania, z exit interview tworzy profil pracownika, który wykracza poza pierwotne cele zbierania. Każdy taki proces wymaga oceny pod kątem ograniczenia celu (Art. 5 ust. 1 lit. b): czy nowy cel analityczny jest zgodny z celem pierwotnym? Status samego faktu nieobecności pracownika (zaświadczenie ZUS ZLA bez kodu choroby) jest sporny: w świetle szerokiej wykładni TSUE (wyrok Lindqvist, C-101/01) bezpieczniej traktować go jak dane o zdrowiu z Art. 9 RODO. Gdy do procesu trafiają dane medyczne (kody chorobowe, zaświadczenia z diagnozą, dane z medycyny pracy, dane o niepełnosprawności), przetwarzanie z całą pewnością wpada w Art. 9 RODO i wymaga osobnej podstawy z Art. 9 ust. 2 (najczęściej lit. b w związku z Kodeksem pracy lub ustawą o rehabilitacji, a dla danych medycyny pracy lit. h).

People analytics to obszar, w którym RODO bywa realnym ograniczeniem konstrukcji. Modele predykcyjne na poziomie indywidualnym mogą wpadać w Art. 22 RODO (zautomatyzowane podejmowanie decyzji w indywidualnych sprawach, w tym profilowanie), ale tylko wtedy, gdy decyzja jest oparta wyłącznie na zautomatyzowanym przetwarzaniu (bez znaczącego udziału człowieka) i wywołuje wobec pracownika skutki prawne lub w podobny sposób istotnie na niego wpływa (np. automatyczne odebranie premii, automatyczna decyzja o nieawansowaniu). Modele dostarczające jedynie wyniku/rekomendacji, którą rozpatruje przełożony, zwykle nie wpadają w Art. 22, ale i tak podlegają obowiązkom informacyjnym (Art. 13/14), wymagają oceny skutków dla ochrony danych (Art. 35) i, w środowisku pracy, gdzie zgoda rzadko jest swobodnie wyrażona, oparcia na innej podstawie prawnej niż zgoda. Granica między decyzją „wspomaganą” a „wyłącznie zautomatyzowaną” bywa cienka: jeśli przełożony zawsze potwierdza wynik modelu bez własnej analizy, EROD traktuje to jako decyzję w pełni zautomatyzowaną (Wytyczne WP251rev.01). W praktyce wiele modeli predykcyjnych w HR jest budowanych z naruszeniem tych wymogów.

Granica między „dozwolone” a „naruszone” nie jest tu ostra; każdy konkretny model wymaga oceny w kontekście pełnego procesu: kto ma dostęp, jakie decyzje są podejmowane na podstawie modelu, czy pracownik ma wgląd w swoje dane wejściowe i wyniki. Konsultacja z IOD organizacji jest zwykle warunkiem brzegowym wdrożenia.

Wybór dla działu HR: który poziom rozwijać?

Praktyczne pytanie, które zadaje sobie dyrektor HR planujący budżet analityczny. Trzy heurystyki:

Firma poniżej 250 FTE. Kontroling personalny w sensownej formie, zwykle obsługiwany przez jednego analityka kadrowego. Analityka HR w ograniczonym zakresie: zewnętrzny konsultant przy konkretnych projektach (diagnostyka luki płacowej, audyt wartościowania stanowisk). People analytics niemal nigdy nie ma tu sensu ekonomicznego.

Firma 250-2000 FTE. Stabilny kontroling personalny + zespół analityczny 1-3 osoby (compa-ratio, GPG, rotacja, zaangażowanie). Analityka HR jako codzienna funkcja działu. People analytics rzadko, zwykle w wybranych obszarach (rotacja w jednej dużej funkcji, predykcja luk kompetencyjnych w rozwojowych branżach). Przy decyzji o wejściu w people analytics kolejność jest taka: najpierw wykonalność biznesowa (case dla zarządu), potem kompetencje (rekrutacja data scientist nie jest tania), potem dane.

Firma 2000+ FTE. Wszystkie trzy poziomy uzasadnione. People analytics zwykle ma sens przy retencji w rolach krytycznych biznesowo (specjaliści IT, sprzedaż high-value, kadra zarządcza), w modelach succession planning, w workforce planning na 3-5-letnim horyzoncie.

Polski rynek: gdzie jesteśmy

Polski rynek HR jest zdecydowanie poniżej średniej europejskiej w analityce HR. Średnie firmy operują zwykle na poziomie kontrolingu personalnego (raport miesięczny, podstawowe wskaźniki demograficzne); analityka HR jest funkcją sporadyczną, uruchamianą przy konkretnych projektach (audyt wynagrodzeń, diagnostyka rotacji, raport zaangażowania) zamiast funkcji ciągłej. People analytics występuje punktowo w dużych korporacjach międzynarodowych z centralami za granicą, zwykle jako wewnętrzny projekt grupowy.

Konsekwencja praktyczna dla rozmów konsultanckich: większość klientów deklaruje potrzebę people analytics, opisuje potrzebę analityki HR, a w rzeczywistości najpierw wymaga uporządkowania kontrolingu personalnego. Diagnoza tego stanu na początku rozmowy oszczędza klientowi pół roku i dwucyfrowy budżet.

Powiązane terminy

• Analityka comp&ben: przykład sektora dojrzałego analitycznie w polskim HR
• Dojrzałość HR-owa: szersza mapa poziomów dojrzałości funkcji personalnej
• Praca z danymi krok po kroku: operacyjne podejście do budowania analityki HR
• Problemy z danymi HR: typowe pułapki w jakości danych źródłowych
• Źródła danych personalnych: typologia systemów, z których wyciągamy dane
• Etyka i zgodność z prawem: RODO i compliance w polityce HR

Jak legitnyhr to obsługuje

legitnyhr operuje na poziomie kontrolingu personalnego i częściowo analityki HR w wąskim zakresie polityki wynagrodzeń. Raporty struktury wartościowania stanowisk, snapshoty płacowe, raport GPG i diagnostyka compa-ratio to kontroling. Scenariusze „dlaczego luka płacowa rośnie?”, dekompozycja luki na efekt struktury zatrudnienia vs. efekt polityki płac to analityka HR.

Narzędzie nie jest people analytics i nie ma takiej ambicji: nie prognozuje, nie buduje modeli zachowań. To celowe ograniczenie zakresu. Klient konsultancki potrzebuje raczej narzędzia raportującego, na bazie którego konsultant prowadzi rozmowę o decyzjach; rekomendacje strategiczne formułuje konsultant. Ten układ zachowuje dwie wartości: precyzję (raport jest weryfikowalny) i kontrolę regulacyjną (zgodność z RODO łatwiej zapewnić, kiedy nie operujemy modelami predykcyjnymi na poziomie indywidualnym).

Zobacz: doradztwo ciągłe w polityce wynagrodzeń lub diagnostyka i raport luki płacowej.