Oleh karena itu, Kognisi mengadakan webinar “People Analytics in Driving Business Growth” beberapa waktu lalu dengan narasumber Bramanto Ranggamukti selaku Analis Manajemen Strategis Kompas Gramedia dan Andari Reksi selaku Analis Data Sumber Daya Manusia Kompas Gramedia.
Bramanto menjelaskan pengertian dan pengantar mengenai analisis data SDM. “People analytics terdiri atas banyak data yang digunakan, diperagakan, dan diolah dalam suatu aplikasi untuk membuat sesuatu terkait karyawan sehingga dapat meningkatkan hasil bisnis,” ujarnya.
Membuat keputusan secara intuitif tanpa menggunakan data yang valid merupakan tindakan ceroboh. Perusahaan seperti IBM membuat algoritma dengan mesin pembelajaran untuk merekam data pekerjaan karyawannya selagi meninjau potensi pengunduran diri pada posisi penting.
Selain itu, Google menganalisis data SDM untuk mengukur dampak yang diberikan manajer pada performa karyawannya. Analisis SDM dapat membantu menilai keefektifan praktik, program, dan proses individu sehingga mampu menjawab kebutuhan dari bisnis.
Penelitian yang dilakukan John Bersin berdasarkan people analytics maturity model kepada para CEO di Amerika, mengungkapkan, sebanyak 69 persen perusahaan berada pada level dua, yaitu konsolidasi dan pembangunan. Masih jarang perusahaan mencapai level tertinggi, yaitu level empat mengenai integrasi bisnis.
Analisis data SDM sekarang sudah mulai berhubungan dengan fungsi lain seperti penjualan, pemasaran, bahkan sampai pengalaman pelanggan. Dengan ini, data SDM dapat memberikan wawasan yang lebih luas untuk membuat keputusan yang lebih baik.
Yang perlu diperhatikan dalam data SDM
Mengutip Harvard Business Review, kebanyakan data SDM adalah data yang buruk. Hal ini dibenarkan oleh Bramanto ketika menilik kembali data-data terdahulu. Terdapat pula data SDM dengan jumlah yang banyak tetapi tidak dapat memberikan informasi yang dibutuhkan.
Padahal, berdasarkan riset yang dilakukan oleh Deloitte, data SDM merupakan hal penting. Namun, hanya sedikit yang mampu menginterpretasi dan mengadaptasikan data tersebut. Selanjutnya, Bramanto mengulik beberapa studi kasus pada perusahaan seperti Wegmans yang menggunakan asesmen karyawannya terkait kebijakan fasilitas kesehatan.
Kemudian, perusahaan KPMG mendapatkan hasil analisis dari data SDM yang mengungkapkan karyawannya merasa puas karena pekerjaan yang mereka lakukan membuat mereka merasa berkontribusi besar. Dan yang terakhir, perusahaan Nielsen mendapati bahwa tingkat pengunduran diri pada perusahaannya tinggi. Setelah melakukan survei, karyawan yang berpindah fungsi merasa bahagia sehingga Nielsen membuat kebijakan untuk mendorong karyawannya melakukan mobilitas internal. Studi kasus ini memberikan gambaran bahwa data SDM dapat memberikan solusi serta wawasan baru.
“SDM sekarang tidak lagi dimonopoli oleh teman-teman dari manajemen maupun psikologi. Kemampuan yang diperlukan SDM membutuhkan berbagai macam kemampuan seperti membaca data, intelijen bisnis, teknologi dan masih banyak lagi,” ungkap Bramanto.
Terdapat beberapa langkah dalam melakukan analisis data SDM. Pertama, memastikan data akurat. Kedua, data terintegrasi dan menjadi satu-satunya sumber kebenaran. Ketiga, menjabarkan data sesuai konteks dan dapat membuat visualisasi yang tepat. Keempat, membandingkan dan menghubungkan data SDM dengan data yang lain. Dan yang terakhir, data yang sudah terkumpul dapat dijadikan analisis prediksi.
Visualisasi data
Kemampuan menceritakan dengan visualisasi yang tepat secara lisan maupun tulisan perlu dilakukan agar hasil analisis data dapat tersampaikan dengan baik. Andari mengambil alih sesi selanjutnya dengan menjelaskan mengenai visualisasi data.
Andari memberikan dua contoh gambaran visualisasi data berupa grafik dan tabel yang tepat dan kurang tepat. Ternyata, pemilihan corak warna yang tepat pada grafik atau tabel penting untuk menekankan titik fokus yang menjadi inti pembahasan. Corak warna yang tepat dapat menunjukkan maksud data yang ingin disampaikan. Selain warna, memberikan penjelasan singkat mengenai inti pembahasan juga penting untuk mempermudah pemahaman audiens.
Kemudian Andari menjelaskan beberapa contoh data yang digunakan dan dianalisis pada Kompas Gramedia. Data ini disebut dengan Growth Management Cycle yang terdiri dari model kepemimpinan untuk pengembangan karyawan, asesmen dari berbagai pihak menggunakan platform yang mudah diakses, jurnal pengembangan yang berisikan data kuantitatif dan kualitatif karyawan, dan data budaya untuk mengukur implementasi nilai-nilai organisasi pada karyawan.
Ketika melakukan analisis data SDM, ada hal yang perlu diperhatikan. Fokuslah pada pertanyaan yang ingin dicari jawabannya dari berbagai data yang ada. Melakukan visualisasi data pun harus menyesuaikan dengan karakteristik pemangku kepentingan.
“Namun jangan sampai terlalu fokus pada visualisasi data sehingga konteks yang ingin disampaikan sulit dipahami,” ujar Andari.
Memastikan pembersihan dan pemeriksaan bersilang pada data juga perlu diperhatikan. Walaupun data kuantitatif berjumlah besar, jangan sampai data kualitatif tidak diperhatikan. Analisis data tanpa memberikan rekomendasi ke pemangku kepentingan dirasa kurang lengkap. Sesi webinar ditutup dengan Andari memberikan beberapa rekomendasi platform untuk mempermudah visualisasi data SDM, seperti Metabase, Tableau Public, dan ShinyApps.
Kognisi adalah produk turunan Growth Center, yang merupakan platform berbasis edukasi persembahan Kompas Gramedia yang dibangun pada Mei 2019. Kognisi secara periodik mengadakan webinar yang terbuka untuk publik. Informasi lebih lanjut mengenai webinar Kognisi selanjutnya dapat ditemukan di akun Instagram @kognisikg dan situs learning.kompasgramedia.com (khusus karyawan Kompas Gramedia). Selamat belajar, Kogi Friends! Stay safe, healthy, and sane!
Penulis: Riska Krisnovita Harsanti, Editor: Jihan Aulia Zahra.
