People Analytics: คู่มือฉบับสมบูรณ์สำหรับ CEO ในการตัดสินใจเรื่องทีมด้วยข้อมูล

ความจริงที่ไม่สบายใจนัก: CEO ส่วนใหญ่ตัดสินใจที่สำคัญที่สุด ไม่ว่าจะเป็นเรื่องการจ้าง การเลื่อนตำแหน่ง หรือทีมไหนต้องการความช่วยเหลือ จากสัญชาตญาณและตัวชี้วัดที่มาช้า

เมื่อคุณเห็นจดหมายลาออก ก็สายไปแล้ว เมื่อ Exit Interview เผยให้เห็นว่าหัวหน้ามีปัญหา พนักงานอีก 3 คนก็กำลังหางานใหม่อยู่แล้ว เมื่อผลสำรวจ Engagement ประจำปีแสดงคะแนนที่ลดลง คุณก็เสียไตรมาสหนึ่งไปกับการทำงานที่ไม่ตรงเป้าหมายแล้ว

People Analytics เปลี่ยนสมการนี้ ถ้าทำถูกต้อง มันจะให้ "ตัวชี้วัดนำ" กับคุณ คือความสามารถในการเห็นปัญหาล่วงหน้า 90 วันก่อนที่จะกลายเป็นการลาออก รู้ว่าหัวหน้าคนไหนกำลังลำบากก่อนที่ทีมจะพัง และเข้าใจว่างานประจำวันเชื่อมโยงกับเป้าหมายเชิงกลยุทธ์จริงหรือไม่

คู่มือนี้ครอบคลุมว่า People Analytics หมายถึงอะไรสำหรับ CEO (ไม่ใช่เวอร์ชัน HR) ข้อมูลไหนสำคัญและไหนเป็นเพียงเสียงรบกวน และวิธีสร้างระบบติดตามทีมแบบต่อเนื่องโดยไม่สร้างวัฒนธรรมการจับตามอง

People Analytics คืออะไร? (นิยามสำหรับ CEO)

ลืมคำจำกัดความในตำราเรื่อง "การตัดสินใจด้าน HR ด้วยข้อมูล" ไปได้เลย แนวคิดแบบนั้นทำให้ Analytics กลายเป็นเรื่องของ HR และนั่นคือจุดที่มันถูกละเลย

สำหรับ CEO แล้ว People Analytics หมายถึง: ข้อมูลเชิงลึกแบบต่อเนื่องเกี่ยวกับ Alignment ของทีม ประสิทธิภาพของหัวหน้า และสุขภาพของทีม ที่ได้มาจากพฤติกรรมประจำวัน ไม่ใช่การประเมินเป็นรอบ

มันคือความแตกต่างระหว่าง:

• โหมดตั้งรับ: รู้ว่าวิศวกรเก่งที่สุดไม่มีความสุขตอน Exit Interview
• โหมดเชิงรุก: เห็นสัญญาณ Engagement ลดลงเมื่อ 90 วันก่อน ให้หัวหน้าเข้าไปดูแล และเห็นแนวโน้มกลับมาดีขึ้น

การเปลี่ยนแปลงไม่ใช่แค่เรื่องเก็บข้อมูลมากขึ้น แต่เป็นการเก็บข้อมูลที่ถูกต้องในความถี่ที่เหมาะสมเพื่อลงมือทำก่อนที่ปัญหาจะบานปลาย

แนวทางแบบเดิม: แบบสำรวจประจำปีบอกคุณว่าเกิดอะไรขึ้นเมื่อ 6 เดือนก่อน People Analytics: สัญญาณรายวันบอกคุณว่ากำลังเกิดอะไรขึ้นตอนนี้

ลองนึกถึงความแตกต่างระหว่างการดูงบการเงินรายไตรมาส กับการมี Dashboard แบบ Real-time ทั้งคู่ใช้ตัวเลข แต่อย่างหลังทำให้คุณบังคับเรือได้

ทำไม People Analytics ถึงสำคัญกว่าในช่วงเติบโต

ที่ 20 คน คุณไม่ต้องการ People Analytics คุณเห็นทุกอย่าง คุณรู้ว่าใครกำลังรุ่ง ใครกำลังลำบาก ความสัมพันธ์ไหนกำลังสึกกร่อน วัฒนธรรมเกิดขึ้นจากการซึมซับ

ที่ 200 คน คุณแทบไม่เห็นอะไรเลย และปัญหาที่คุณมองไม่เห็นก็ลุกลามเร็วกว่าปัญหาที่คุณเห็น

นี่คือปัญหาเรื่องการมองเห็นที่ CEO ทุกคนเผชิญเมื่อองค์กรขยาย: การเติบโตที่สร้างความสำเร็จนั่นเองที่ทำลายความสามารถในการเข้าใจว่าเกิดอะไรขึ้นภายในองค์กร

ข้อมูลบางส่วนที่แสดงให้เห็นความท้าทาย:

• เพิ่มขึ้น 149% ในการกล่าวถึง "ความไม่สอดคล้อง" ใน Glassdoor Review เมื่อเทียบกับปีก่อน ปัญหานี้ไม่ใช่เรื่องใหม่ แต่กำลังเร่งตัวขึ้น
• 72% ขององค์กรที่มี Misalignment สูง แสดงให้เห็นความเห็นต่างของผู้บริหารเรื่องลำดับความสำคัญ ความสับสนจากข้างบนไหลลงล่าง
• หัวหน้างานมีผลต่อ 70% ของความแตกต่างใน Engagement ของทีม วัฒนธรรมของคุณดีได้เท่ากับหัวหน้าที่แย่ที่สุด และคุณอาจไม่รู้ว่าคือใคร

หากไม่มีข้อมูล วัฒนธรรมก็กลายเป็นสิ่งที่เราเรียกว่า "เหตุบังเอิญที่เกิดขึ้นเอง" คือรูปแบบสุ่มที่พัฒนาขึ้นจากคนที่คุณบังเอิญจ้างและหัวหน้าที่บังเอิญมีประสิทธิภาพ

People Analytics แทนที่เหตุบังเอิญด้วยการออกแบบ มันให้การมองเห็นที่คุณมีตอน 20 คน รักษาไว้ได้ที่ 200 คน

สามเสาหลักของ People Analytics

ข้อมูลบุคลากรไม่ได้ถูกสร้างมาเท่ากัน CEO ควรโฟกัสที่ 3 หมวดหมู่ที่ขับเคลื่อนผลลัพธ์ทางธุรกิจจริง:

1. Alignment Intelligence

คำถาม: งานประจำวันเชื่อมโยงกับเป้าหมายองค์กรหรือไม่?

คุณกำหนดกลยุทธ์ คุณสื่อสารลำดับความสำคัญ แต่สามเดือนต่อมา นั่นคือสิ่งที่คนกำลังทำจริงหรือเปล่า?

Alignment Intelligence วัดช่องว่างระหว่างลำดับความสำคัญที่ประกาศกับการปฏิบัติจริง มันแสดงให้คุณเห็นว่าทีมไหนกำลังเบี่ยงเบน ลำดับความสำคัญไหนถูกเพิกเฉย และคนเข้าใจหรือไม่ว่างานของพวกเขาเชื่อมโยงกับเป้าหมายบริษัทอย่างไร

ถ้าไม่มี: คุณรู้เรื่อง Misalignment ระหว่างการประชุมทบทวนธุรกิจรายไตรมาสเมื่อเป้าหมายพลาด

ถ้ามี: คุณเห็นคะแนน Alignment ลดลงแบบ Real-time ตรวจสอบสาเหตุ และปรับทิศทางก่อนที่จะเสียไตรมาส

2. Manager Intelligence

คำถาม: หัวหน้าคนไหนกำลังรุ่งและคนไหนกำลังลำบาก?

งานวิจัยแสดงให้เห็นอย่างสม่ำเสมอว่าหัวหน้ามีผลต่อประมาณ 70% ของความแตกต่างใน Engagement ของทีม งานวิจัยหนึ่งพบว่าหัวหน้าของคุณมีผลต่อสุขภาพจิตมากกว่านักจิตวิทยา

Manager Intelligence ติดตามรูปแบบที่เผยให้เห็นประสิทธิภาพ: เวลาตอบสนองต่อปัญหาของทีม คุณภาพ Feedback แนวโน้มความรู้สึกของทีม ความสม่ำเสมอของการพูดคุยแบบ 1-on-1

ถ้าไม่มี: คุณค้นพบปัญหาหัวหน้าเมื่อคนเก่งลาออกหรือ HR ยกระดับเรื่องร้องเรียน

ถ้ามี: คุณเห็นสัญญาณเตือนล่วงหน้า เช่น รูปแบบการตอบสนองที่ลดลง ความรู้สึกของทีมที่ตก และสามารถเข้าไป Coach ก่อนที่ทีมจะพัง

3. Team Health Intelligence

คำถาม: ตัวชี้วัดนำก่อนที่จะมีคนลาออกคืออะไร?

Exit Interview คือการชันสูตรศพ มันบอกคุณว่าอะไรผิดพลาดหลังจากคนไข้ตายไปแล้ว

Team Health Intelligence ติดตามตัวชี้วัดนำ: รูปแบบการมีส่วนร่วม แนวโน้มความรู้สึก คะแนน Wellbeing การเปลี่ยนแปลงในเครือข่าย Recognition เป้าหมายคือระบุสัญญาณความเสี่ยง 60-90 วันก่อนที่จะกลายเป็นการลาออก

ถ้าไม่มี: การลาออกรู้สึกกะทันหัน แม้ว่าสัญญาณเตือนจะอยู่ที่นั่นมาหลายเดือน

ถ้ามี: คุณเห็นรูปแบบการถอนตัวเร็วพอที่จะเข้าไปดูแล และติดตามว่าการดูแลได้ผลหรือไม่

ข้อมูลไหนสำคัญจริง (และไหนไม่สำคัญ)

CEO จมอยู่กับ Dashboard HR มากมายก่ายกอง ส่วนใหญ่เป็นเพียงเสียงรบกวน นี่คือวิธีแยกสัญญาณจากสิ่งรบกวน:

Metrics ที่มีประโยชน์

รูปแบบการตอบสนอง ใครมีส่วนร่วมสม่ำเสมอ? ใครถอนตัว? การเปลี่ยนแปลงในการมีส่วนร่วมมักเป็นสัญญาณแรกว่ามีบางอย่างผิดปกติ หรือถูกต้อง

คะแนน Alignment คนเข้าใจหรือไม่ว่างานของพวกเขาเชื่อมโยงกับลำดับความสำคัญของบริษัท? ทีมกำลังทำในสิ่งที่สำคัญหรือเริ่มเบี่ยงเบน?

การไหลของ Recognition Recognition ไม่ใช่แค่เรื่องขวัญกำลังใจ แต่เป็น Proxy สำหรับเครือข่ายการทำงานร่วมกัน ใครให้ Recognition ใครได้รับ และรูปแบบเหล่านั้นเปลี่ยนแปลงอย่างไรตามเวลาบอกคุณเรื่องพลวัตของทีมที่แบบสำรวจพลาด

แนวโน้ม Wellbeing แต่ไม่ใช่ Vanity Metrics ดัชนี WHO-5 Wellbeing เป็นเครื่องมือที่ผ่านการรับรองทางคลินิกที่ทำนายการหมดไฟและความเสี่ยงลาออกได้ คำถามทั่วไปอย่าง "วันนี้รู้สึกอย่างไร" ไม่ใช่

ข้อมูลรวมระดับหัวหน้า ข้อมูล Engagement จะมีประโยชน์ก็ต่อเมื่อคุณเห็นรูปแบบตามทีม ถ้าคุณระบุไม่ได้ว่าหัวหน้าคนไหนมีทีมที่รุ่งและคนไหนมีทีมที่ลำบาก คุณก็ลงมือทำอะไรไม่ได้

Vanity Metrics ที่ควรหลีกเลี่ยง

อัตราการทำแบบสำรวจ การทำสำเร็จสูงมักหมายถึงการเตือนแบบกดดัน ไม่ใช่การมีส่วนร่วมที่แท้จริง การทำตามไม่ใช่ความมุ่งมั่น

จำนวนการมีส่วนร่วมดิบ ปริมาณกิจกรรมไม่เท่ากับผลกระทบ คนที่กดเช็คทุกวันไม่ได้หมายความว่าเขา Engage อาจหมายความว่าเขากำลังเล่นระบบ

eNPS แบบแยกเดี่ยว Employee Net Promoter Score มีประโยชน์เป็นตัวบ่งชี้แนวโน้ม แต่ตัวเลขเดียวโดยไม่มีบริบทหรือประวัติบอกคุณแทบไม่ได้เลยว่าต้องทำอะไร

คะแนน Engagement โดยไม่แยกตามหัวหน้า คะแนน Engagement ทั้งบริษัท 75% ไม่มีความหมายถ้าคุณไม่เห็นว่าทีม A อยู่ที่ 95% และทีม B อยู่ที่ 35%

ตัวกรองง่ายๆ: Metric นี้ทำให้ฉันลงมือทำอะไรเฉพาะเจาะจงได้หรือไม่? ถ้าไม่ มันคือ Vanity Metric

การนำไปใช้: จากศูนย์สู่ข้อมูลเชิงลึกที่ลงมือทำได้

โครงการ People Analytics ส่วนใหญ่ล้มเหลวไม่ใช่เพราะเทคโนโลยี แต่เพราะวิธีการ นี่คือสิ่งที่ได้ผลจริง:

1. เริ่มจาก Micro-Check-In รายวัน ไม่ใช่แบบสำรวจประจำปี

แบบสำรวจประจำปีตายตั้งแต่เริ่ม เมื่อคุณเก็บ วิเคราะห์ และลงมือตามผล 9 เดือนก็ผ่านไป ปัญหาอาจแก้ไขตัวเองแล้วหรือลุกลามไปแล้ว

Micro-Check-In รายวัน 3 นาที สร้างข้อมูลต่อเนื่องโดยไม่เกิดความเหนื่อยล้าจากแบบสำรวจ กุญแจคือทำให้:

• สั้นพอ ที่การทำรู้สึกไม่ต้องใช้ความพยายาม (ไม่เกิน 3 นาที)
• มีคุณค่าพอ ที่พนักงานเห็นประโยชน์ส่วนตัว (ไม่ใช่แค่ดูดข้อมูล)
• บ่อยพอ ที่แนวโน้มปรากฏเร็ว (รายวันหรือรายสัปดาห์)

มาตรฐาน: 97% Voluntary Adoption เป็นไปได้ด้วยการออกแบบเชิงพฤติกรรมที่ถูกต้อง ถ้าเครื่องมือของคุณเห็น 25% Participation (ค่าเฉลี่ยอุตสาหกรรม) ปัญหาไม่ใช่คนของคุณ แต่คือเครื่องมือของคุณ

2. โฟกัสที่ตัวชี้วัดนำ ไม่ใช่ตัวชี้วัดตาม

Dashboard HR ส่วนใหญ่แสดงสิ่งที่เกิดขึ้นแล้ว เป้าหมายคือเห็นสิ่งที่กำลังจะเกิดขึ้น

ตัวชี้วัดตาม: อัตราลาออก ธีม Exit Interview คะแนน Engagement ประจำปี

ตัวชี้วัดนำ: อัตราการตอบสนองที่ลดลง คะแนน Alignment ที่ตก การถอนตัวจากเครือข่าย Recognition แนวโน้ม Wellbeing ที่ลดลง

ระบบ People Analytics ที่ดีควรให้การเตือนล่วงหน้า 60-90 วันเรื่องความเสี่ยงลาออก ถ้าคุณรู้ปัญหาพร้อมกับ HR ระบบของคุณไม่ใช่ระบบทำนาย มันแค่วิธีนับสิ่งที่เกิดขึ้นแล้วในรูปแบบสวยกว่า

3. ให้หัวหน้าเห็นข้อมูล (ไม่ใช่แค่ HR)

People Analytics ล้มเหลวเมื่อกลายเป็นทรัพยากรเฉพาะ HR หัวหน้าต้องเห็นข้อมูลทีมของตัวเอง แบบ Real-time พร้อมบริบท

สิ่งนี้มีจุดประสงค์สองอย่าง:

1. ลงมือทำเร็วกว่า หัวหน้าสามารถตอบสนองต่อสัญญาณเริ่มต้นโดยไม่ต้องรอให้ HR ยกธง
2. ความรับผิดชอบ เมื่อหัวหน้าเห็นคะแนน Engagement และ Wellbeing ของทีม พวกเขาจะรับผิดชอบต่อผลลัพธ์

ความกังวลเรื่องการใช้ข้อมูลในทางที่ผิดนั้นสมเหตุสมผลแต่จัดการได้ ทางออกคือการรวมข้อมูลอย่างเหมาะสม (ไม่เปิดเผยคะแนนรายบุคคลโดยไม่ได้รับความยินยอม) และแนวทางที่ชัดเจนในการตอบสนอง

4. ลงมือทำตามสัญญาณภายใน 7 วัน ไม่ใช่ 7 เดือน

ข้อมูลไร้ค่าถ้าไม่มีการลงมือทำ ความล้มเหลวที่ใหญ่ที่สุดของ People Analytics คือการสร้าง Dashboard สวยงามที่ไม่มีใครทำอะไรกับมัน

สร้าง Protocol การตอบสนอง:

• สัญญาณเขียว: รับทราบและรักษาไว้
• สัญญาณเหลือง: หัวหน้าติดตามภายใน 7 วัน
• สัญญาณแดง: ยกระดับทันทีและวางแผนการเข้าไปดูแล

ถ้าเวลาเฉลี่ยในการลงมือทำตาม People Insight ของคุณวัดเป็นเดือน คุณไม่มี People Analytics Practice คุณมีงานอดิเรกเก็บข้อมูล

ROI ของ People Analytics (คณิตศาสตร์สำหรับ CEO)

People Analytics ไม่ใช่ Cost Center ถ้าทำถูกต้อง คณิตศาสตร์ตรงไปตรงมา

การลดการลาออก

ต้นทุนเฉลี่ยในการทดแทนพนักงานคือ 30-50% ของเงินเดือนประจำปี สำหรับ Knowledge Worker มักเป็น 100-150%

บริษัท 100 คนที่มีอัตราลาออกประจำปี 20% (ค่าเฉลี่ยในหลายประเทศ) สูญเสีย 20 คนที่ต้นทุนทดแทน 1,200,000 บาทต่อคน = 24,000,000 บาทต่อปี ในต้นทุนการลาออก

การลดการลาออก 40% ซึ่งทำได้ด้วยการรักษาพนักงานเชิงรุกจาก Analytics ที่ดี ประหยัด 9,600,000+ บาทต่อปี

ต้นทุน Misalignment

วัดยากกว่าแต่มักใหญ่กว่า เมื่อทีมทำในลำดับความสำคัญที่ผิด คุณไม่แค่สูญเสียประสิทธิภาพ คุณสูญเสียทั้งไตรมาสของการดำเนินกลยุทธ์

ถ้า 20% ขององค์กรของคุณ Misaligned กับลำดับความสำคัญ (ปกติถ้าไม่มีการวัด Alignment ที่ดี) และค่าจ้างประจำปีของคุณคือ 100 ล้านบาท คุณอาจสูญเสีย 20 ล้านบาทต่อปี กับความพยายามที่ผิดทิศทาง

งานวิจัยอุตสาหกรรม

งานวิจัยของ Deloitte พบว่าบริษัทที่มีความสามารถ People Analytics ขั้นสูง:

• มีโอกาส 2 เท่า ที่จะปรับปรุงความพยายามในการรับสมัครงาน
• มีโอกาส 2 เท่า ที่จะปรับปรุง Leadership Pipeline
• มีโอกาส 3 เท่า ที่จะลดต้นทุน

บริษัทที่ปฏิบัติต่อ People Analytics เป็นโครงสร้างพื้นฐานเชิงกลยุทธ์กำลังนำหน้า ที่เหลือบริหารด้วยสัญชาตญาณและหวังว่าจะดีที่สุด

ความผิดพลาดที่ CEO มักทำ

หลังจากดูองค์กรหลายร้อยแห่งพยายามทำ People Analytics นี่คือรูปแบบที่ทำนายความล้มเหลว:

1. มอบหมายให้ HR ทั้งหมด

People Analytics ไม่ใช่โครงการ HR แต่เป็น Business Intelligence Function เมื่อ CEO มอบหมายให้ HR ทั้งหมด มันกลายเป็นการทำตาม Compliance แทนที่จะเป็นข้อได้เปรียบเชิงกลยุทธ์

CEO ไม่จำเป็นต้องเป็นเจ้าของการดำเนินการ แต่ต้อง:

• กำหนดว่าต้องการคำตอบอะไร
• ทบทวน Insight เป็นประจำ (อย่างน้อยรายเดือน)
• ลงมือทำอย่างเห็นได้ชัดตามผลที่ค้นพบ

เมื่อ CEO เพิกเฉยข้อมูล องค์กรก็เรียนรู้ว่าข้อมูลไม่สำคัญ

2. วัด Engagement แทน Alignment

Engagement เป็นผลลัพธ์ ไม่ใช่ตัวขับเคลื่อน คนที่ Engage สูงแต่ทำในลำดับความสำคัญที่ผิดยังคงสูญเสียพลังงานไปเปล่า

พลิกโฟกัส: วัด Alignment ก่อน เมื่อคนเข้าใจว่างานของพวกเขาเชื่อมโยงกับเป้าหมายองค์กร Engagement มักตามมา แต่ตรงกันข้ามไม่จริง

3. แบบสำรวจประจำปีแทนสัญญาณต่อเนื่อง

เราพูดถึงเรื่องนี้แล้ว แต่ควรย้ำ แบบสำรวจประจำปีช้าเกินไปสำหรับการลงมือทำที่มีความหมายในองค์กรที่เคลื่อนที่เร็ว

ข้อยกเว้น: แบบสำรวจประจำปีสามารถใช้สำหรับการวิเคราะห์เชิงลึกในหัวข้อเฉพาะ (ความพึงพอใจสวัสดิการ การรับรู้ DEI เป็นต้น) แต่สำหรับข้อมูลเชิงลึกประจำวันเรื่องสุขภาพทีม ไม่เพียงพอ

4. Analysis Paralysis

ปัญหาตรงข้าม: เก็บข้อมูลแต่ไม่เคยลงมือทำ ถ้า People Analytics Practice ของคุณสร้างรายงานสวยงามที่อยู่ใน Shared Drive คุณจ่ายเงินสำหรับการเก็บข้อมูลโดยไม่ได้คุณค่าใดๆ

ทางออกคือสร้าง Action Protocol ก่อนสร้าง Dashboard รู้ว่าใครรับผิดชอบลงมือทำตามสัญญาณแต่ละประเภท และถือให้พวกเขารับผิดชอบเรื่องเวลาตอบสนอง

สร้างการมองเห็นต่อเนื่อง (โดยไม่สร้าง Big Brother)

ข้อโต้แย้งที่พบบ่อย: "นี่ฟังดูเหมือนการสอดส่อง"

เป็นความกังวลที่สมเหตุสมผล เส้นแบ่งระหว่างการมองเห็นและการสอดส่องสำคัญ และการข้ามเส้นนั้นทำลายความไว้วางใจเร็วกว่าที่ Analytics ใดๆ จะสร้างได้

หลักการที่ทำให้ People Analytics อยู่ฝั่งที่ถูกต้อง:

ความโปร่งใส พนักงานควรรู้ว่าอะไรถูกวัดและทำไม Metrics ที่ซ่อนคือการสอดส่อง Metrics ที่เห็นได้คือความรับผิดชอบ

การรวมข้อมูล ข้อมูลรายบุคคลควรเห็นได้เฉพาะโดยบุคคลนั้น (และอาจหัวหน้าของพวกเขาด้วยความยินยอม) ข้อมูลรวมระดับทีมคือสิ่งที่ผู้นำต้องการสำหรับการตัดสินใจ

การแลกเปลี่ยนคุณค่า ถ้าพนักงานเห็นประโยชน์ส่วนตัวจากการมีส่วนร่วม (Feedback, Coaching, Recognition) การยอมรับเกิดขึ้นเอง ถ้าพวกเขาเห็นแค่การดูดข้อมูล พวกเขาจะเล่นระบบหรือถอนตัว

โฟกัสที่การลงมือทำ จุดประสงค์ของการวัดไม่ใช่การจับตามอง แต่คือการทำให้การสนับสนุนที่ดีกว่าเป็นไปได้ เมื่อพนักงานเห็นว่า Feedback ของพวกเขานำไปสู่การเปลี่ยนแปลงจริง ความไว้วางใจสร้างขึ้นแทนที่จะสึกกร่อน

เป้าหมายไม่ใช่การจับตาดูคนทำงาน แต่คือการเข้าใจว่าองค์กรมีสุขภาพดีพอที่จะบรรลุเป้าหมายหรือไม่

จุดเริ่มต้น: คำถามที่คุณต้องการคำตอบ

วิธีเริ่มต้นที่ดีที่สุดง่ายมาก: ถามตัวเองว่าอยากรู้อะไรเกี่ยวกับทีมตอนนี้

• คนเข้าใจลำดับความสำคัญของบริษัทหรือไม่?
• ทีมไหนกำลังรุ่งและทีมไหนกำลังลำบาก?
• เราเสี่ยงจะสูญเสียคนสำคัญหรือไม่?
• หัวหน้าคนไหนกำลังพัฒนาทีมและคนไหนแค่บริหารงาน?
• วัฒนธรรมของเราแข็งแกร่งขึ้นเมื่อเราเติบโตหรือกำลังสึกกร่อน?

คำถามเหล่านี้กำหนด Roadmap ของ Analytics เริ่มจากคำถามที่สำคัญที่สุด สร้างการวัดสำหรับสิ่งเหล่านั้นก่อน แล้วขยายออกไป

People Analytics ไม่ใช่เรื่องมีข้อมูลทั้งหมด แต่คือการมีข้อมูลที่ถูกต้อง อย่างต่อเนื่อง ลงมือทำได้ เพื่อสร้างทีมที่สามารถดำเนินกลยุทธ์ของคุณได้จริง

จากสัญชาตญาณสู่ความจริงจากข้อมูล

CEO ที่ขยายธุรกิจได้สำเร็จไม่พึ่งพาสัญชาตญาณและ Exit Interview พวกเขาสร้างระบบที่รักษาการมองเห็นเมื่อเติบโต สัญชาตญาณเดียวกับที่พวกเขามีตอน 20 คน ถูกทำให้เป็นระบบสำหรับ 200 คน

People Analytics คือระบบนั้น ไม่ใช่การสอดส่อง แต่คือการมองเห็น ไม่ใช่การวัดเพื่อวัด แต่คือข้อมูลเชิงลึกที่ทำให้การนำแบบเชิงรุกเป็นไปได้

คำถามไม่ใช่ว่าจะลงทุนใน People Analytics หรือไม่ แต่คือคุณยินดีที่จะตัดสินใจเรื่องสำคัญเกี่ยวกับทีมต่อไปโดยอาศัยตัวชี้วัดที่มาช้าและสมมติฐานที่หวังดีหรือไม่