Verinin Diliyle Konuşmak: İK İş Ortağı’nın İkna Yolu

Bir Birim Lideri ile yaptığım bir görüşmede, bir yöneticinin ekibi üzerindeki liderlik tarzının sorun yaratmaya başladığını anlatmam gerekiyordu. Bu tür konuşmalar zor; çünkü "bence" diye başlayan cümleler genellikle havada kalıyor. Toplantıyı planlamadan önce kendime şunu sordum: elimde ne var?

Çalışan görüşmelerinden notlar, ekibin son bağlılık anketi sonuçları, çıkış mülakatları ve işten çıkış oranı vardı. Ekibin son iki dönemki performans sonuçları vardı. Tek başına hiçbiri yeterli değildi ama yan yana koyduğumda, anlatmak istediğim şey kendiliğinden ortaya çıkıyordu: bu bir yönetici üzerine kişisel bir yorum değil, birkaç farklı kaynaktan gelen benzer sonuçlardı.

Görüşme bu yüzden nispeten kolay geçti. Birim Lideri "neye dayanarak söylüyorsun?" diye sormadı; çünkü cevap zaten önceden hazırdı.

Bu deneyim bana, bir İK İş Ortağı olarak en çok ihtiyaç duyduğumuz şeyin "haklı çıkmak" değil, anlattığımız şeyi başkasının da görebilmesini sağlamak olduğunu hatırlattı. Bunun da yolu çoğu zaman veriden geçiyor.

Doğru veriyi seçmek

İK panellerinde onlarca metrik vardır: işten ayrılma oranı, eğitim saati, bağlılık skoru, devamsızlık, içeriden terfi oranı… Hepsi önemlidir, ama aynı toplantıda hepsi gerekli değildir.

Çevik dönüşüm tarafında sık karşılaştığımız "onay kuyruğu" sorununu düşünelim. Yöneticinin sorduğu soru genellikle şu olur: "Ekip neden yavaş?" Bu soruya genel bağlılık skoruyla cevap vermek konuyu dağıtır. İK'nın masaya getirebileceği şey daha spesifiktir: o ekipteki bağlılık skorunun karar yetkisi ve özerklik sorularına verilen alt kırılımı, son altı aydaki işten çıkış oranı, çıkış mülakatlarında tekrar eden ifadeler. Bu veriler, operasyon tarafının elindeki teslim süreleriyle birlikte okunduğunda sorunun nerede olduğu netleşir.

Sorulması gereken soru basit: "Bu metrik hangi iş sonucunu açıklıyor?" Açıklamıyorsa, sunuma koymanın yararı olmayabilir.

Verileri birbirine bağlamak

Tek başına bir sayı teşhis koymaz. Bir İK İş Ortağı olarak fark yaratabildiğimiz yerlerden biri, ayrı duran veri noktalarının arasındaki ilişkiyi görebilmek.

Yukarıda bahsettiğim liderlik konuşmasında işe yarayan tam olarak buydu. Çalışan görüşmelerinde tek tek dile getirilen rahatsızlıklar, tek başına "birkaç çalışanın memnuniyetsizliği" olarak okunabilirdi. Bağlılık anketindeki düşük puanlar tek başına "genel bir trend" sayılabilirdi.

Turnover oranı tek başına "sektör ortalamasına yakın" görünebilirdi. Performans sonuçlarındaki dalgalanma da "geçici bir dönem" diye yorumlanabilirdi. Ama dördünü aynı sayfada gördüğünüzde, hepsi aynı yönü işaret ediyordu. Konuşma o zaman "bence bir sorun var" cümlesinden çıkıp, "şu dört kaynaktan gelen veri aynı şeyi söylüyor" cümlesine dönüştü.

Aynı mantık uluslararası görevlendirme tarafında da işliyor. Yurt dışına atanan bir çalışanın geri dönüş sonrası iki yıl içinde işten ayrılma oranı, görevin başarısı kadar konuşulması gereken bir gösterge. Bu oranı tek başına raporlamak "yüksek bir sayı" olarak kalır. Aynı veriyi, geri dönen çalışanın perfomans-potansiyel matrisindeki konumu ve görev sonrası kendisine verilen rolle birlikte sunduğunuzda; ortaya bir şikayet değil, bir teşhis çıkar: yetenek havuzuna yatırım yapılıyor, ama dönüşte aynı yatırım korunamıyor.

Burada bir noktayı ayrıca belirtmek isterim. Sayılar "ne olduğunu" söyler, ama "neden olduğunu" bazen sadece konuşmalar açıklıyor. Bağlılık skorundaki düşüş bir uyarıdır ama o düşüşün anlamını, çıkış mülakatında çalışanın kurduğu tek bir cümle ortaya koyabiliyor. "Yöneticim hatalarımı ekip önünde konuşuyor" gibi bir ifade, on tane grafikten daha çok şey anlatabilir. Bu yüzden niceliksel veriyi niteliksel veriyle birlikte okumak; teşhisi sadece doğru değil, anlaşılır da kılıyor.

Kanıtla ikna etmek

Üst yönetim sayıları görmek ister, ama harekete geçmeden önce bir nedenden ikna olmak ister. Bu yüzden veri sunumu "şu yapılmalı" cümlesinden çok, "şunu yaparsak şu sonucu bekliyoruz" cümlesine yakındır.

Liderlik konuşmasından sonraki süreçte de bunu yaşadım. Sorunu masaya koymak bir adımdı; sonrasında "ne yapacağız?" sorusu geldi. Burada bir koçluk programını doğrudan önermek yerine, benzer bir vakada daha önce uygulanan küçük ölçekli bir gelişim planının sonuçlarını paylaşmak tartışmayı hızlandırdı. Çünkü öneri artık "bence bu işe yarar" değil, "geçen sefer şu sonuç çıktı" haline gelmişti.

Pratikte işe yarayan birkaç şey var:

• Sektörde ya da kendi geçmiş dönemimizde benzer bir uygulama ne sonuç verdi, bunu önceden bilmek.
• Tüm organizasyona yaymadan önce küçük bir grupta test edip sonucu sunmak; bu, "bilmiyoruz" itirazını azaltıyor.
• "Maliyet ne olacak?", "İK kapasitesi yeter mi?" gibi sorulara veriyle hazırlıklı girmek.

Bir öneriyi sayılarla desteklerken "denersek beklediğimizden farklı sonuçlar da çıkabilir, ama elimizdeki veri şu yönde işaret ediyor" diyebilmek, masadaki tartışmayı tek yönlü olmaktan çıkarıyor. Veri kesinlik değil, yön gösteriyor; bunu açıkça söylemek de güveni artırıyor.

Sonuç olarak

Doğru veriyi seçen, farklı kaynakları birleştirip teşhis koyan ve önerilerini kanıtla destekleyen bir İK ekibi; finans, operasyon ve üst yönetimle aynı dili konuşmaya başlıyor. Benim deneyimimde en çok işe yarayan soru "bu rakam ne anlatıyor?" değil, "bu rakam hangi kararı kolaylaştırır?" oldu.

Kaynakça

• McKinsey & Company. The state of organizations: People analytics and workforce productivity.
• Deloitte. Global Human Capital Trends — People Analytics.
• Marler, J. H. & Boudreau, J. W. (2017). An Evidence-Based Review of HR Analytics. The International Journal of Human Resource Management.