In sintesi
- La people analytics è l’uso dei dati sulle persone per rispondere a domande di business, non per produrre più report.
- Si parte da una base dati unica e datata: senza, ogni analisi è un’estrazione da riconciliare.
- Le analisi sono di tre tipi: descrittive (che cosa è successo), predittive (quali variabili influenzano un fenomeno), prescrittive (che cosa fare).
- La governance decide chi vede che cosa e quale numero è ufficiale.
La people analytics è l’insieme di metodi con cui un’azienda usa i dati sulle persone per prendere decisioni: dove investire in formazione, dove intervenire sulle uscite, come distribuire il budget retributivo. In pratica, è il modo in cui scegli come usare i dati del personale per decidere, non solo per rendicontare. Questa guida è per la direzione HR e per il CEO che partono da report sparsi, prodotti da uffici diversi con fonti diverse. Trovi le fasi per arrivare da lì alle decisioni: dati di base, qualità, domande, analisi e governance. Se ti serve prima il quadro generale, leggi la guida HR analytics: quali dati servono alla direzione HR e come usarli.
People analytics e HR analytics: che differenza c’è?
Nella pratica i due termini si usano spesso come sinonimi. Quando si distinguono, la HR analytics misura i processi HR (quanto dura una selezione, quante ore di formazione si erogano), la people analytics guarda le persone e il loro effetto sul business (quali fattori sono associati alle uscite dei profili critici, come cambia la performance dopo un percorso di sviluppo). Il metodo che segue vale per entrambe.
Il punto di partenza: report sparsi
Lo scenario tipico è questo. I dati delle persone stanno in sistemi diversi: paghe, presenze, sistemi di processo, fogli di calcolo. Per rispondere a una richiesta del vertice o di un ente esterno serve un’estrazione dell’IT. Se due uffici producono lo stesso numero da fonti diverse, i risultati non coincidono.
In questa situazione aggiungere strumenti di analisi non serve. Serve prima mettere ordine nei dati.
Le fasi per passare dai dati alle decisioni
1. Costruisci la base dati di persone e organizzazione
Che cosa si fa. Raccogli in un unico archivio i dati di base di ogni persona: collocazione organizzativa, contratto, retribuzione ed elementi variabili, competenze, formazione, valutazioni, processi a cui ha partecipato. Collega le persone alla struttura organizzativa e alle posizioni.
La condizione decisiva. Ogni dato deve avere una data di validità. Senza, non puoi confrontare due periodi né leggere la situazione alla fine dell’anno precedente.
Chi la fa. Direzione HR con l’IT, per le integrazioni con i sistemi di origine.
Criterio di riuscita. Per ogni persona esiste un solo dossier, alimentato dai sistemi aziendali e da tutti i processi HR in cui è coinvolta.
2. Controlla la qualità dei dati
Che cosa si fa. Verifica completezza, coerenza e aggiornamento. I casi più frequenti: persone senza unità organizzativa o senza posizione, posizioni di responsabile scoperte, codici diversi per la stessa voce in società diverse.
Chi la fa. Controllo di gestione del personale e HR business partner.
Criterio di riuscita. Le anomalie hanno una vista dedicata e un responsabile che le chiude. La qualità non è un controllo una tantum, ma una lista di eccezioni sempre visibile.
3. Parti dalle domande di business
Che cosa si fa. Scrivi le domande a cui vuoi rispondere, in linguaggio di business. Per esempio: in quali unità perdiamo i profili più difficili da sostituire; il budget di revisione salariale è andato a chi ha avuto le valutazioni migliori; quanto tempo serve per coprire una posizione critica.
Chi la fa. Direzione HR con il vertice.
Criterio di riuscita. Ogni domanda ha un destinatario e una decisione collegata. Una domanda senza decisione produce un report che nessuno usa.
4. Scegli il tipo di analisi
Che cosa si fa. Abbina a ogni domanda il tipo di analisi che serve.
| Tipo di analisi | Domanda | Esempio | Che cosa serve |
|---|---|---|---|
| Descrittiva | Che cosa è successo? | Turnover per unità e popolazione negli ultimi tre anni | Dati attuali e storicizzati |
| Predittiva | Quali variabili influenzano il fenomeno? | Fattori associati alle uscite volontarie: anzianità, posizionamento retributivo, esito della valutazione | Dati incrociati da processi diversi |
| Prescrittiva | Che cosa conviene fare? | Interventi su retribuzione o sviluppo nelle unità a rischio | Analisi precedenti più regole di decisione |
Il primo passo realistico. Molte aziende possono ottenere risultati utili già con l’analisi descrittiva, se è fatta su dati coerenti e datati. Le analisi predittive richiedono di incrociare dati di processi diversi, per esempio esito della valutazione e retribuzione: per questo dipendono dalla fase 1.
Criterio di riuscita. Ogni analisi risponde a una domanda della fase 3.
5. Imposta la governance
Che cosa si fa. Decidi tre cose. Chi vede che cosa: la persona, il responsabile diretto, il responsabile di secondo livello, l’HR business partner, il vertice, ciascuno sul proprio perimetro. Quale numero è ufficiale: un indicatore certificato dalla direzione HR, che tutti consultano allo stesso modo. Chi può costruire nuove analisi: utenti autorizzati, con strumenti che non richiedono competenze tecniche.
Il modello di accesso diffuso. Dare a più figure gestionali accesso diretto ai dati, nei limiti dei loro permessi, accelera le decisioni e riduce le richieste all’IT. Funziona solo se i permessi sono applicati a ogni report e a ogni dashboard.
Criterio di riuscita. Una richiesta del vertice si soddisfa dall’HR, partendo da una base dati unica, senza un’estrazione dell’IT.
Errori frequenti
Partire dallo strumento. Una dashboard su dati incoerenti mostra solo più velocemente numeri sbagliati.
Analisi senza domanda. Si producono correlazioni interessanti che nessuno usa.
Nessun numero ufficiale. Ogni riunione si apre discutendo quale dato sia giusto.
Permessi gestiti a mano. Si esporta un file e lo si inoltra: il perimetro di chi lo riceve non è più controllato.
Un esempio
Un revisore chiede la distribuzione delle retribuzioni per livello e genere alla fine dell’anno precedente. L’HR business partner costruisce da sé l’estrazione sulla piattaforma, alla data richiesta: non serve passare dall’IT. La direzione HR certifica il report. Da quel momento è la versione ufficiale, che ciascuno consulta sul proprio perimetro. Per i divari retributivi tra donne e uomini c’è una pagina dedicata: trasparenza salariale e gender pay gap.
Lo stesso archivio permette domande più ampie. Poiché il dossier della persona raccoglie i dati di tutti i sistemi e di tutti i processi, ciascuno con la sua data, un report può incrociare esito della valutazione e retribuzione: la base di un’analisi sulla coerenza fra merito e revisione salariale.
Domande frequenti
Da dove si comincia con la people analytics?
Dalla base dati. Prima di ogni analisi servono dati di persone e organizzazione in un solo archivio, con la data di validità. Poi si scrivono le domande di business, e solo allora si scelgono analisi e strumenti.
Serve un data scientist per fare HR analytics?
Per le analisi descrittive no: con strumenti di interrogazione pensati per chi non è tecnico, un HR business partner costruisce query e report da solo. Per analisi predittive complesse una competenza statistica aiuta, ma resta inutile senza dati coerenti.
Come si protegge la riservatezza dei dati nella people analytics?
Con permessi applicati a ogni report e dashboard: ciascuno vede solo il proprio perimetro. Serve anche evitare l’inoltro di estrazioni fuori dal sistema.
Dalle domande ai dati
Se stai definendo quali indicatori seguire, la guida KPI delle risorse umane: quali misurare e come ti dà un elenco ragionato per area. Per vedere dossier della persona, query, report certificati e dashboard con i permessi di ciascuno, guarda la pagina dati del personale, analytics e report.
Scopri HR analytics → /offerta/dati-del-personale/
