hr big data -aamiaistilaisuus 25.8.2015

17
Aamiaisseminaari 25.8.2015 HR ja Big Data Tervetuloa!

Upload: virvo-oy

Post on 15-Apr-2017

793 views

Category:

Recruiting & HR


3 download

TRANSCRIPT

Page 1: HR Big Data -aamiaistilaisuus 25.8.2015

Aamiaisseminaari 25.8.2015

HR ja Big Data

Tervetuloa!

Page 2: HR Big Data -aamiaistilaisuus 25.8.2015

© Virvo Oy28.8.2015 2

Toteutus- jaulkoistus-palvelut

HR konsultointi-

palvelut

Johdon konsultointi

-palvelut

Valmennus-palvelut

• HR-osaajat

monipuolisesti• Rekrytoinnit• Palkanlaskenta

• Työsuhdejuridinentuki

• Työsuhteen

elinkaarenprosessit ja HR-raportointi

• Henkilöstöjohtamisen, -

prosessien ja -järjestelmienkonsultointi

• Strategian

kirkastaminen• Johtamisen ja johto-

ryhmän kehittäminen

• Yrityskulttuurinkartoittaminen jakehittäminen

• Suorahaku• Avainhenkilöarvioinnit

• Virvo Valmentaja

• Yrityskohtaisetvalmennukset

• Koko henkilöstön

valmennus• Työsuhdevalmennus

VIRVON PALVELUT PÄHKINÄNKUORESSA

Page 3: HR Big Data -aamiaistilaisuus 25.8.2015

© Virvo Oy28.8.2015 3

HR:N STRATEGISET MITTARIT

Anne Haggrén

25.8.2015

Page 4: HR Big Data -aamiaistilaisuus 25.8.2015

© Virvo Oy28.8.2015 4

Katsotaanko menneeseen vai tulevaan?

Vai molempiin?

PARADIGMAN MUUTOS

Page 5: HR Big Data -aamiaistilaisuus 25.8.2015

© Virvo Oy28.8.2015 5

Talent Analytics ExamplesEmployee retention – what creates high levels of engagement and retention?Sales performance – what factors drive high-performing sales professionals?Accident claims – what factors and which people are likely to create accidents and submit claims?Leadership pipeline – who are the most successful leaders and why are some being developed and others are not?Loss analysis – why are some locations more prone to theft and loss and what causes the variation?Customer retention – what talent factors drive high levels of customer satisfaction and retention?Expected leadership and talent gaps – where are our current talent gaps in the organization and what gaps can we predict in coming years?Candidate pipeline – what is the quality of our candidate pipeline and how do we better attract and select people who we know will succeed in our organization?

By Josh Bersin

HR BIG DATA ON TÄÄLLÄ – KARKUUN EI

ENÄÄ PÄÄSE

Page 6: HR Big Data -aamiaistilaisuus 25.8.2015

© Virvo Oy28.8.2015 6

HR:n tulisi kysyä itseltään

• Kuka on yrityksesi avainasiakas ja milloin viimeksi olet sellaisen tavannut?

• Tiedätkö, millaisia haasteita asiakkaat kohtaavat? Miksi?• Keitä ovat kilpailijat? Missä ne onnistuvat ja epäonnistuvat? Miten

he toimivat toisin?• Mikä oman yrityksesi tilanne on tässä asiakas- ja kilpailijakentässä?

Missä se on hyvä ja missä on parannettavaa?

Anthony J. Rucci, The Ohio State University

KATSE ETEENPÄIN: MITÄ TULEVAISUUDESTA

TÄYTYY YMMÄRTÄÄ?

Page 7: HR Big Data -aamiaistilaisuus 25.8.2015

© Virvo Oy28.8.2015 7

Autojen kolarikorjaamopalveluja toimittava yritys sai käyttöönsä tutkimustulokset, joista näkyi vuoden aikana ajettujen kolarien

ajankohta. Selvästi oli nähtävissä, että huiput ajoittuvat pyhienalusaikaan, jolloin ihmisiä on paljon liikkeellä.

Miten HR:n tulisi tätä tietoa hyödyntää?

KATSE ETEENPÄIN: ESIMERKKI

Page 8: HR Big Data -aamiaistilaisuus 25.8.2015

© Virvo Oy28.8.2015 8

Tietopohjaisessa taloudessa pärjäävät parhaiten ne, jotka

onnistuvat saamaan parhaat osaajat,

huolehtimaan heistä ja kehittämään heitä

edelleen.

Missä osaajia on ja miten

tavoitamme heidät?

Kuka viihtyy meillä?

Mikä osaaminen korreloi

laskutusasteen kanssa?

MIKÄ RATKAISEE MENESTYKSEN?MITEN MITTAAT SITÄ?

Page 9: HR Big Data -aamiaistilaisuus 25.8.2015

© Virvo Oy28.8.2015 9

Raportointi

Kyselyt & analysointi

Mittaristot

Informaationjakelu

Suorituskyvynhallinta

Haku-teknologiat

Visualisointi& kartat

Mobiili-sovellukset Portaalit

& MashupitEnnakoivaanalytiikka

MS Office &e-julkaisu

B2BTietovarastointi& ETL

Master-tiedonhallinta

Tiedon laatu Business ActivityMonitoring

HR:LLE UUSIA KIINNOSTUKSEN KOHTEITA:TIETOLÄHTEET, RAJAPINNAT, TIETOVARASTOT, TIEDON JAKELU…

28.8.2015 9

Page 10: HR Big Data -aamiaistilaisuus 25.8.2015

© Virvo Oy28.8.2015 10

HI-TO-BI ON HR:N TEHTÄVÄ

• Business intelligence (BI) on systemaattista yrityksen suorittamaa liike-elämän tietojen hankintaa, tallennusta ja analysointia.

• Human Capital Intelligence (HI) on henkilöstöä koskevan tiedon hyödyntämistä strategisten liiketoimintapäätösten tueksi.

Strategia

KPI’t

Kartoitetaan tietolähteet

Tietovirta liikkeelle

Page 11: HR Big Data -aamiaistilaisuus 25.8.2015

© Virvo Oy28.8.2015 12

TALOUDELLISTEN TULOSTEN

ENNUSTAMINEN EI-TALOUDELLISTEN

MITTAREIDEN AVULLA

Markus Vattulainen

25.8.2015

Page 12: HR Big Data -aamiaistilaisuus 25.8.2015

© Virvo Oy28.8.2015 13

TUTKIMUSKYSYMYS

Taloudellisten tulosten ennustaminen ei-taloudellisista mittareista

Page 13: HR Big Data -aamiaistilaisuus 25.8.2015

© Virvo Oy28.8.2015 14

6 CASE-YRITYSTÄ

B2B-palvelut

• Huolto

• Leasing

• Ohjelmistot

• Markkinatutkimukset

• Menekinedistäminen

• Siivouspalvelut

Page 14: HR Big Data -aamiaistilaisuus 25.8.2015

© Virvo Oy28.8.2015 15

ESIMERKKEJÄ TULOKSISTA JA MITTAREISTA

Taloudellisia tuloksia

• asiakaskohtainen myynti

• asiakaskohtaisen myynnin kasvu

• asiakaskohtainen kannattavuus

• myyjän myyntitulos

• toimitusprojektin volyymi

• toimitusprojektin kannattavuus

Ei-taloudellisia mittareita

• asiakastyytyväisyys

• osaaminen

• tuoteryhmä

• asiakkuuden kesto

• henkilön ikä

• jne.

Olemassa olevien datojen yhdistäminen ja analyysi, ei erillistä tiedonkeruuta

Page 15: HR Big Data -aamiaistilaisuus 25.8.2015

© Virvo Oy28.8.2015 16

DEMOESITYS

Konkreettinen HR-data ja sen analyysi

Page 16: HR Big Data -aamiaistilaisuus 25.8.2015

© Virvo Oy28.8.2015 17

“Toyota got interesting and practical insights from this study. It gave facts-based tools from making sales predictions to supporting the development

discussions.

Seeing the financial impact of competences helps us to invest training more accurately and sharpen our recruitment profile. After sales will implement

the process findings related to sales performance, especially to sales product mix.

The main objective of the study, predictive sales analytics, will be used in our continuous 12 month prediction cycle. I can recommend this study.”

Jarmo Laamanen, After Sales Manager, Toyota Material Handling Finland

FROM RESULTS TO ACTION: CASE COMPANY FEEDBACK

Page 17: HR Big Data -aamiaistilaisuus 25.8.2015

© Virvo Oy28.8.2015 11

KIITOS

Anne HaggrénToimitusjohtajapuh. 050 525 [email protected]

Jaana KettunenSenior HR Advisorpuh. 050 349 [email protected]