Gartner Inc. IT araştırma şirketi, büyük veri ve analizleri kapsayan pazarın, 2015 yılına kadar, 3.7 trilyon dolarlık ürün ve hizmet, 4.4 milyon dolarlık yeni iş alanı oluşturacağını öngördü. Bu büyük verinin büyük iş kapsamı sunduğu anlamına geliyor. Ancak bu durum İnsan Kaynakları için de geçerli mi?

On yıldan fazla bir süredir büyük verinin yer aldığı pazarlama dünyasında pek çok hikaye anlatılıyor. Bu hikayelerden bazıları diğerlerine kıyasla daha ironik. Örneğin, şirketler cazibesine kapıldıkları veri analizlerini kullanırken müşterileri kendilerinden uzaklaştırabiliyor. Perakende sektöründen Target firmasının hikayesi de duyulmamış, ancak can sıkıcı bir örnek. Firma; genç bir kızın yayınladığı çocuk bezi ve çocuk giysisi ilanlarını babasına yollayarak, babası tarafından yanlışlıkla hamile zannedilmesine neden olmuştu. İlişkinin hatalı yönetimi, İK’nın veriyi yanlış kullanması durumunda insanların yaşamlarını etkileyen bir zorluğa dönüşüyor. 

Büyük verinin faydaları

Forbes.com’da yayınlanan bir makalede İK analisti Josh Bersin, finans alanında hizmet veren büyük bir kurumun vaka çalışmasını kullanarak, yetenek analizinin faydasını övgüyle paylaştı:

Bersin, “Bir müşterimiz, iyi okullardan gelmiş, iyi notlara sahip çalışanların iyi performans göstereceğine inanan bir iş yapış anlayışıyla çalışıyor. Bu sebeple işe alımlar, seçme ve yükseltme süreçleri bu akademik olgulara dayandırılıyor.” diye yazdı.

Kurum, satış verimliliği ve işten ayrılma hacmi üzerine istatistiksel bir analiz yürüttü. Bu analizde, “performans” ve “çalışanın ilk iki yıl işte kalma oranı” arasındaki ilişki, birkaç demografik faktöre bağlı olarak incelendi. Bulgular başarılı çalışanların altı özelliği olduğunu ortaya koydu:

• Özgeçmişlerinde baskı hatası, dilbilgisi yanlışı ve hatalı bilgi olmaması,
• Diploma alarak mezun olmaları,
• Araba veya emlak satışı alanında tecrübeye sahip olmaları,
• Önceki işlerinde de başarı göstermeleri,
• Belirsizlikte dahi başarı gösterme becerisine sahip olmaları,
• Zaman planlaması yapma ve çoklu görevleri yönetme konusunda tecrübeye sahip olmaları.

Adayların hangi okula gittikleri, hangi notları aldıkları veya referanslarının kalitesi herhangi bir fark yaratmadı. Yeni tarama sürecinin uygulanmaya başlamasından altı ay sonra, kurum karını 4 milyon dolar artırdı.

Mart 2013 Workforce magazinde yayınlanan makale benzer olağanüstü sonuçları elde eden kurumları listeledi. Google performans değerlendirmeleri, geribildirim anketleri ve yönetici ödül adaylıklarını analiz ederek, etkili yöneticiler için sekiz kriterin belirlenmesini sağladı. Ancak, tecrübelerimize göre, verilerini etkili bir şekilde kullanan her bir kuruma kıyasla yanlış yorumlayan düzinelercesi var. En çok karşılaşılan sorun, bağlam eksikliği. 

Beş ortak hata

Ragan.com’da Jonathan Lewis veriyle hareket etmenin iyi, ancak büyük verinin tüm hataları ortadan kaldırmak için yeterli olmadığını belirtti. Gerçek şu ki, kurumların bir çoğu, anlam ifade etmeyen, ilişkilendirilemeyen muazzam büyüklükteki veri üzerinde oturuyor.

Lewis bu konudaki görüşlerini şu sözlerle ifade etti; “Eskiden kötü kararlarımız çok az bilgiye dayanırdı, şimdiyse çok fazla bilgiye dayanan kötü kararlar alıyoruz.” Ancak kurumların yaptığı bazı hatalar öngörülebilir olduğu için şanslıyız.

1. Potansiyeli belirlemede performansa ağırlık vermek. Varsayalım ki, yönetici pozisyonlarınızı doldurmak üzere üç satış temsilcinizi terfi ettirmek istiyorsunuz. Satış verilerini analiz edip yüksek performans gösteren üç kişiyi seçiyorsunuz. Problem şu; araştırmalar yüksek performans gösteren çalışanlardan sadece yüzde 30’unun yönetme potansiyeline sahip olduğunu gösteriyor ve çalışanların çoğu (yüzde 90’dan fazlası) geçtikleri yeni yönetsel düzeylerde sorun yaşıyor.

2. Öznel veri kullanmak. Kurumların birçoğu veri setine süpervizör performans değerlendirmesi gibi öznel bilgiyi dahil ederek objektiflikten uzaklaşıyor. Ne yazık ki, tipik performans değerlendirmeleri süpervizörlerin çalışanlarını ne kadar sevdiklerine dayanıyor ve gerçek iş performansını çok az yansıtıyor. Bu nedenle, yüksek performans gösterenler gerçek anlamda daha iyi olanlar değil, ofis içi politikayı başarıyla kullananlar oluyor. 

3. Eksik veriye güvenmek. Meslektaşım Tomas Chamorro-Premuzic, The Guardian’daki güncel makalesinde, “Kurumların birçoğu çalışan performansını ölçmek için güvenilir sistemlere sahip değil, bu durum çoğu işverenin neden sevdikleri kişiyi işe aldıklarına açıklık getirmektedir” diye yazdı. Sonuç test edilmeyen öngörülerin oyunu ve işe alım kadere bırakılıyor. Bu durum, gerçek hava durumunu dikkate almadan, hava tahmini yürütmeye büyük miktarda para yatırmaya eş değer.

4. İlgisiz veriyi dikkate almak. Son zamanlarda Harvard Business Review’da bir makale okudum. Yazar, yeni pozisyonlarla ilgili verinin bulunmadığı durumlarda, bu pozisyonları doldurmakta yaşanan zorluğu şöyle anlatıyordu: “Bu durum farklı zorlukları kapsamaktadır, en başarılı işe alımlarınıza geri dönüp okudukları okul, oturdukları yer gibi ortak özelliklerini belirlemek bunun örneğidir.” Bu tamamen korelasyonel ilişkinin nedensellik yanılgısıyla kullanılmasının örneği. Sadece en iyi çalışanlarınızdan bazılarının tesadüfen aynı okuldan veya aynı şehirden olması, onların iyi programcı olacaklarını göstermez.

5. Verinin, belirsizliği ortadan kaldıracağına inanmak. Lewis, bloğu Ragan.com’da şunları yazdı: “Belirsizliği azaltmak için veri kullanabilirsiniz, ancak ortadan kaldırmak için veriye güvenmeyin. Belirsizliğin ortadan kaldırılabileceğine duyulan inanç, gerçek olmayan beklentilere, kurumun felce uğramasına, hayal kırıklığı ve engellenmeye yol açar. Bizler karmaşık ve mükemmel olmayan bir dünyada yaşıyoruz, böylece veri bizim anladığımızdan ne kadar büyük veya küçük olursa olsun, biz her zaman belli bir seviyede belirsizlik eşliğinde karar almak zorunda olacağız.” 

Sonuç: Bağlam kazandırmak

Bizi yanlış anlamayın, biz “veri”yi seviyoruz. Hogan araştırma veri tabanı, milyonlarca veriyi barındırıyor. Biz bu verileri, değerlendirme sistemlerimizi oluşturmak, test etmek ve geliştirmek için kullanıyoruz. Kurumunuzun büyük verisini analiz etmek için dikkat edilecek konu, “360 derece geribildirim aracı” veya “kişilik değerlendirmesi” gibi, geçerli, bilimsel ölçütlere göre geliştirilmiş, objektif araçlar kullanmak. Bu araçlar, çalışanların güçlü ve geliştirilmeye açık yönlerini, değerlerini ve iş tercihlerini ortaya çıkarır. Bu bilgiyi başlangıç noktası olarak kullanarak, buna satış ve performans verilerini, demografik bilgileri ve sayısız diğer bilgiyi ekleyebilirsiniz. Böylece kurumunuzun ve çalışanlarınızın iş yapış biçimini gösteren büyük resmi görebilirsiniz.