HR-analytiikka ja poissaolot

HR-analytiikka

Poissaolojen analytiikasta

Poissaolot ja erityisesti sairauspoissaolot ovat yksi tärkeimmistä henkilöstöanalytiikkaan liittyvistä asioista. Sairauspoissaolot maksavat ja ovat tietenkin haitaksi sekä yksilöille että koko organisaatiolle. Sairauspoissaolojen kasvu tiimissä voi kieliä ongelmista liittyen töiden järjestelyyn ja ylitöiden tekoon. Onko paahdettu liian pitkään liian kovaa päin seinää? Vai sattuuko poissaolo-määrän kasvaminen uuden yksikönvetäjän aloittamiseen? Onko työtehtävät järjestetty niin että työviikossa ja kuukaudessa on sisällöllistä vaihtelua? Yksilötasolla sairauspoissaolojen kasvu voi olla merkki työkyvyn menetyksestä. Sairauspoissaolojen suhteen pitää ensin tunnistaa nykytila, sitten saada vertailukelpoinen menneisyys jotta voidaan nähdä muutokset ja trendi ja lopuksi ennakoidaan tulevaa jotta siihen voidaan vaikuttaa.

Sairauspoissaolojen analysointi aloitetaan suunnittelemalla seurattavat mittarit. Näitä on tyypillisesti ainakin sairaispoissaolojen määrä työpäivinä per henkilö, sairauspoissaoloprosentti sekä sairauspoissaolojen kustannukset.

Sairauspoissaolojen määrä työpäivinä

Sairauspoissaolojen mittauksen voi aloittaa tarkastelemalla sairauspoissaolopäivät per henkilö (yleensä per FTE) lukemaa. Tästä saa kuvan paljonko poissaolot vaikuttavat businekseen, ovatko ne arkijärjellä ajateltuna korkealla vai matalalla tasolla ja luku linkkautuu hyvin myös kustannuksiin.

Sairauspoissaoloprosentti


Sairauspoissaoloprosentti saadaan jakamalla sairauspoissaolotunnit kokonaistyötunneilla jotka henkilö olisi työskennellyt jos ei olisi ollut sairaana. Tämän mittarin osalta vaikeuksia voi aiheuttaa HR-perusjärjestelmän ongelmat, jossa ei ole esimerkiksi selvää mitkä työpäivät henkilö on ollut poissa (oleellista erityisesti vuorotyötä tekeville) vs. esimerkiksi mitkä kalenteripäivät hän on ollut poissa. Joka tapauksessa sairauspoissaoloprosentti on yksi tärkeimmistä HR:n seurannassa olevista tunnusluvuista.

Sairauspoissaolojen palkkakustannukset


Sairauspoissaolojen suorat palkkakustannukset saadaan euromääräisesti otettua tyypillisesti palkanlaskentajärjestelmästä tietyiltä palkkalajeilta. Lukema antaa pohjan jonka päälle tulee arvioida poissaolo- ajalta kertyvien lomien kustannukset, ja kaikkien edellämainittujen sivukulut. Palkanlaskentajärjestelmä ei kuitenkaan välttämättä tarjoa linkkiä tuntikirjauksiin tai muihin poissaolojen perustietoihin jolloin esim. poissaolon syyt (muuten kuin palkkalajin kertoma) jäävät analyysistä pois. Sairauspoissaoloista aiheutuu kuitenkin monenlaisia kustannuksia, esimerkiksi sijaistamisen kustannukset, työterveyshuollon kulut jne. jotka tulee ottaa kokonaisanalyysiin
mukaan.

Sairauspoissaolojen dimensiot

Sairauspoissaoloja analysoitaessa pelkkä koko yrityksen tasoinen lukema ei tietenkään riitä, vaan on pystyttävä tarkentamaan analyysia: Ketkä ovat sairaana? On pystyttävä porautumaan organisaatiohierarkiaa pitkiän (ns. kustannuspaikkahierarkia) aina yksittäiseen kustannuspaikkaan saakka. Yleensä sairauspoissaolot eivät jakaudu tasaisesti. Muut tyypilliset dimensiot joilla asiaa katsotaan ovat esimerkiksi Ammatti (tehtävä), ikä ja työsuhteen pituus, esimies-tieto sekä työsuhteen tyyppi (vakituinen, määräaikainen). Ovatko poissaolot erityisen korkeita joissain noissa ryhmissä, ja erityisesti, ovatko sairauspoissaolot nousseet jossain ryhmässä viime aikoina? Nousulle voi olla luonnollisia selityksiä, kuten flunssa-aalto, mutta aivan hyvin kyse voi olla myös ylityöllistymisestä, jonka pitäisi näkyä suurina ylityö-määrinä, ehkä heikkona työtyytyväisyytenä sekä mahdollisesti myös suurena henkilöstön lähtö-vaihtuvuutena. Tällöin on selvää että tilanteeseen tulee puuttua esimerkiksi palkkaamalla lisää työntekijöitä niin että työkuorma saadaan normaalille tasolle. Mielenkiintoista on myös katsoa sairauspoissaolojen keskimääräistä pituutta, ja aiheutuuko suurin osa kokonaissairauspoissaolomäärästä pitkistä vai lyhyistä poissaoloista? Entä kustannukset tulevatko ne pidemmistä vai lyhyemmistä poissaoloista?

Ennakointi


Yrityksen on pystyttävä ennakoimaan sairauspoissaoloja, sopivilla tasoilla. Osa ennakoinnista on työvuorosuunnitteluun liittyvää, esimerkiksi pitäisikö influenssa-aikaan varautua etukäteen? Mutta osa ennakoinnista voi mennä yksilötasolle. Mitkä merkit ennustavat työkyvyn menetystä? Sekä rahallisia että inhimillisiä säästöjä on saatavissa jos työkyvyn menetys voidaan estää ennakoimalla ja puuttumalla tilanteeseen. Ennakointia tehdään tyypillisesti älykkäitä algoritmeja hyödyntäen.

Lopuksi on kuitenkin hyvä muistaa että sairauspoissaolot ovat herkkä ja henkilökohtainen asia, elämään kuuluu sairastelu ja työnantajan tulee antaa palautumiselle riittävästi aikaa.

Lisää ajankohtaisia julkaisuja:

Mitä on Unit Economics -analyysi?
Tiedät liikevaihtosi, katteesi ja tuloksesi — mutta tiedätkö, tuottaako yksittäinen asiakkuus enemmän arvoa kuin sen hankkiminen ja palveleminen maksaa? Unit economics vastaa juuri tähän kysymykseen. Tämä artikkeli avaa, mitä unit economics tarkoittaa, mistä komponenteista se rakentuu ja miten sitä sovelletaan käytännössä — esimerkkinä sopimusperusteinen B2C-liiketoiminta, jossa asiakas voi pitää yhtä aikaa useita voimassaolevia sopimuksia.
Tutustu tarinaan
Millainen on data-alustan kehittämisprojekti?
Organisaation data-alustan rakentaminen tai modernisointi ei ole perinteinen IT-projekti. Se on kehityshanke, jossa teknologia, liiketoiminnan ymmärrys ja tiedonhallinta kietoutuvat yhteen — ja jossa todellinen työ alkaa vasta kun oikea data kohtaa oikean maailman haasteet. Tässä blogissa pureudumme data-alustaprojektin luonteeseen, vaiheisiin, riskeihin ja parhaisiin käytäntöihin. Käymme läpi, miksi data-alustaprojekti on enemmän tutkimusmatka kuin kartta, ja miten tekoäly muuttaa tätä kokonaisuutta.
Tutustu tarinaan
Mitä on henkilöstöanalytiikka
Jokainen organisaatio tekee jatkuvasti päätöksiä ihmisistä — rekrytoinneista, palkankorotuksista, osaamisen kehittämisestä, työvoimasuunnittelusta. Mutta kuinka moni näistä päätöksistä perustuu dataan? Tämä artikkeli avaa, mitä henkilöstöanalytiikka käytännössä tarkoittaa, mitä hyötyjä se tuo ja miten hajallaan oleva HR-data muutetaan päätöksentekoa ohjaavaksi kokonaisuudeksi.
Tutustu tarinaan
Datasopimus käytännössä — miten data-alustan luotettavuus rakennetaan
Datatiimit käyttävät jopa 40–60 % ajastaan virheiden selvittämiseen, joiden syy on muualla. Sarake vaihtaa nimeä, tyyppi muuttuu, kenttä alkaa tulla tyhjänä — ja loppupään raportit hajoavat ääneti. Datasopimus estää tämän tekemällä odotukset näkyviksi ja valvottaviksi.
Tutustu tarinaan
Mitä on tekoälyavustettu sovelluskehitys?
Lisää tuottavuutta ohjelmistokehitykseen agenttisella kehityksellä.
Tutustu tarinaan

Lisää ajankohtaisia julkaisuja:

Mitä on Unit Economics -analyysi?
Tiedät liikevaihtosi, katteesi ja tuloksesi — mutta tiedätkö, tuottaako yksittäinen asiakkuus enemmän arvoa kuin sen hankkiminen ja palveleminen maksaa? Unit economics vastaa juuri tähän kysymykseen. Tämä artikkeli avaa, mitä unit economics tarkoittaa, mistä komponenteista se rakentuu ja miten sitä sovelletaan käytännössä — esimerkkinä sopimusperusteinen B2C-liiketoiminta, jossa asiakas voi pitää yhtä aikaa useita voimassaolevia sopimuksia.
Tutustu tarinaan
Millainen on data-alustan kehittämisprojekti?
Organisaation data-alustan rakentaminen tai modernisointi ei ole perinteinen IT-projekti. Se on kehityshanke, jossa teknologia, liiketoiminnan ymmärrys ja tiedonhallinta kietoutuvat yhteen — ja jossa todellinen työ alkaa vasta kun oikea data kohtaa oikean maailman haasteet. Tässä blogissa pureudumme data-alustaprojektin luonteeseen, vaiheisiin, riskeihin ja parhaisiin käytäntöihin. Käymme läpi, miksi data-alustaprojekti on enemmän tutkimusmatka kuin kartta, ja miten tekoäly muuttaa tätä kokonaisuutta.
Tutustu tarinaan
Mitä on henkilöstöanalytiikka
Jokainen organisaatio tekee jatkuvasti päätöksiä ihmisistä — rekrytoinneista, palkankorotuksista, osaamisen kehittämisestä, työvoimasuunnittelusta. Mutta kuinka moni näistä päätöksistä perustuu dataan? Tämä artikkeli avaa, mitä henkilöstöanalytiikka käytännössä tarkoittaa, mitä hyötyjä se tuo ja miten hajallaan oleva HR-data muutetaan päätöksentekoa ohjaavaksi kokonaisuudeksi.
Tutustu tarinaan
Datasopimus käytännössä — miten data-alustan luotettavuus rakennetaan
Datatiimit käyttävät jopa 40–60 % ajastaan virheiden selvittämiseen, joiden syy on muualla. Sarake vaihtaa nimeä, tyyppi muuttuu, kenttä alkaa tulla tyhjänä — ja loppupään raportit hajoavat ääneti. Datasopimus estää tämän tekemällä odotukset näkyviksi ja valvottaviksi.
Tutustu tarinaan
Mitä on tekoälyavustettu sovelluskehitys?
Lisää tuottavuutta ohjelmistokehitykseen agenttisella kehityksellä.
Tutustu tarinaan