İK’da Veri Analitiği (People Analytics): Hissiyattan Veriye Dayalı Karar Alma Mekanizmaları

Sezgilerden Veriye Geçiş

İnsan kaynakları tarihsel olarak “hissiyat”, “tecrübe” ve “sezgilerle” yönetilen bir departman olarak algılandı. Ancak günümüzün veri odaklı dünyasında bu yaklaşım yetersiz kalmaktadır. Yönetim kuruluna sunulan stratejik kararların arkasında güçlü veriler durmalıdır. People Analytics (İnsan Analitiği), İK uzmanlarının organizasyonel sorunları teşhis etme ve çözüm üretme biçimini kökten değiştiren bir disiplindir.

“Şirkette moral düşük galiba” demek bir hissediştir; “Son çeyrekte satış departmanındaki devir oranı (turnover) %18 arttı ve bu durum müşteri memnuniyet skorlarını (NPS) %12 düşürdü” demek ise veriye dayalı bir tespittir. Yönetim katı ve icra kurulları veri diliyle konuşur. İK uzmanı, insan faktörünü finansal ve operational sonuçlarla ilişkilendirebildiği ölçüde masada stratejik bir aktör olarak yer alır.

İK Analitiğinde Temel Aşama ve Metrikler

• Yetenek Kazanımı Metrikleri: Kayıp Oranı (Time to Hire) – İlanın açılmasından teklifin kabulüne kadar geçen süre. Kazanım Maliyeti (Cost per Hire) – Bir çalışanı işe almanın toplam operasyonel maliyeti. Kanal Verimliliği – Hangi mecradan (LinkedIn, referans vb.) gelen adayların daha başarılı olduğu.
• Çalışan Bağlılığı ve Tutundurma Metrikleri: Erken Dönem Ayrılma Oranı (Early Turnover) – İlk 6 ay içinde ayrılan çalışan oranı. Gönüllü / Gönülsüz Ayrılma (Voluntary vs Involuntary Turnover) – Yüksek performanslı yetenekleri mi kaybediyoruz, yoksa düşük performanslılarla yolları mı ayırıyoruz?
• Performans ve Üretkenlik Metrikleri: Eğitim Yatırımının Geri Dönüşü (ROI of L&D) – Verilen eğitimlerin performans artışına veya hata oranlarının düşmesine etkisi.

Tahminleme Analitiği (Predictive Analytics) İle Krizleri Önlemek

Veri analitiğinin en gelişmiş seviyesi, geçmiş verileri kullanarak geleceği tahminlemektir. Örneğin: Ayrılma Riski Modelleri kullanılarak çalışanın son dönemdeki izin kullanım sıklığı, zam oranı, terfi süresi ve memnuniyet anketi verileri işlenerek kimlerin istifa etme riskinin yüksek olduğu önceden tespit edilebilir. Böylece İK uzmanı, çalışan henüz istifa etmeden proaktif önlemler alabilir.

İK Uzmanları İçin Başlangıç Önerileri

• Veri Temizliği İle Başlayın: Yanlış veya eksik veri, yanlış kararlara yol açar. Öncelikle İK bilgi sisteminizdeki (HRIS) verilerin güncel ve doğru olduğundan emin olun.
• Küçük Sorularla Başlayın: Tüm şirketi bir anda analitik hale getiremezsiniz. “Neden A departmanında turnover yüksek?” gibi tek ve spesifik bir soruya odaklanarak verileri inceleyin.
• Veriyi Hikâyeleştirin (Data Storytelling): Karmaşık grafikler ve istatistikler tek başına anlam ifade etmez. Verileri, yönetimin anlayacağı sade ve eyleme dönüştürülebilir bir hikâyeye dönüştürün.