God datakvalitet i HR krever mer enn å rydde i systemene. Virksomheten må vite hvilke data som er viktigst, hvor de skal vedlikeholdes, og hvem som har ansvar for at de er riktige. Gode systemer kan støtte arbeidet, men teknologi alene løser ikke problemet. Tydelige begreper, enkle arbeidsprosesser og faste kontroller er minst like viktig.
Under finner du sju praktiske steg som kan bidra til bedre datakvalitet i HR.
Hva betyr god datakvalitet i HR?
God datakvalitet betyr at medarbeider- og organisasjonsdata er riktige, komplette og oppdaterte nok til formålet de skal brukes til.
Det kan for eksempel innebære at:
- Medarbeidere er registrert med riktig stilling og arbeidssted.
- Organisasjonsstrukturen gjenspeiler den faktiske virksomheten.
- Hver medarbeider har riktig leder.
- Startdatoer, sluttdatoer og rolleendringer er oppdatert.
- De samme begrepene brukes på tvers av systemer og enheter.
- Rapporter bygger på informasjon brukerne kan forstå og stole på.
Datakvalitet betyr ikke at alle data må være perfekte. Målet er at informasjonen skal være pålitelig nok til å støtte arbeidsprosesser, rapportering og beslutninger.
Hvorfor er datakvalitet viktig?
HR-data brukes i mange deler av virksomheten. De kan blant annet påvirke:
- Lønnsbehandling
- Onboarding og offboarding
- Brukerklargjøring og systemtilganger
- Organisasjons- og bemanningsrapportering
- Kompetanseplanlegging
- Oppfølging av medarbeidere
- Integrasjoner mellom HR- og IT-systemer
En feil i HR-data kan derfor få konsekvenser flere steder.
En medarbeider som er registrert med feil leder, kan havne i feil godkjenningsprosess. En utdatert sluttdato kan føre til at systemtilganger forblir aktive lenger enn planlagt. En feil organisasjonsstruktur kan gi ledelsen et misvisende bilde av bemanning og ansvar.
Slike feil skyldes ikke alltid manglende innsats. De oppstår ofte fordi ansvar, rutiner og systemroller ikke er tydelig nok definert.
1. Start med dataene som betyr mest
Det er sjelden nødvendig eller realistisk å forbedre alle HR-data samtidig. Start med opplysningene som har størst betydning for viktige prosesser og beslutninger.
Dette kan være:
- Medarbeider-ID
- Ansettelsesstatus
- Start- og sluttdato
- Stilling og stillingsprosent
- Leder
- Organisatorisk tilhørighet
- Juridisk enhet
- Arbeidssted
- Kostnadssted
Hvilke data som er viktigst, varierer mellom virksomheter. En internasjonal organisasjon kan ha et særlig behov for korrekt informasjon om land og juridisk enhet. En prosjektbasert virksomhet kan være mer avhengig av oppdatert kompetanse- og kapasitetsinformasjon.
Et nyttig spørsmål å starte med er:
"Hvilke datafeil skaper størst risiko, mest manuelt arbeid eller dårlig beslutningsgrunnlag?"
2. Definer hva dataene skal brukes til
Datakvalitet må vurderes ut fra et konkret formål.
Informasjon om stilling kan for eksempel være god nok for en intern kontaktliste, men for lite detaljert for kompetanseplanlegging eller tilgangsstyring.
Kartlegg derfor:
- Hvilke prosesser som bruker dataene
- Hvilke beslutninger de skal støtte
- Hvilke rapporter som er avhengige av dem
- Hvilke systemer som mottar informasjonen
- Hva som kan skje dersom opplysningene er feil
Dette gjør det enklere å prioritere kvalitetskrav og kontroller.
3. Avklar hvor informasjonen skal vedlikeholdes
Når den samme opplysningen kan endres i flere systemer, blir det vanskelig å vite hvilken versjon som er riktig.
Virksomheten bør derfor definere systemet der den godkjente informasjonen vedlikeholdes for hvert sentralt dataelement.
En mulig fordeling kan være:
| Informasjon | Systemet der den godkjente informasjonen vedlikeholdes |
|---|---|
| Ansettelsesstatus og startdato | HR-system |
| Stilling, leder og organisatorisk tilhørighet | HR-system |
| Lønnsberegning og utbetalingsresultat | Lønnssystem |
| Brukerkonto og tekniske tilganger | Identitets- og tilgangssystem |
| Prosjektrolle og timeføring | Prosjekt- eller økonomisystem |
Dette er et eksempel, ikke en fasit. Den riktige fordelingen avhenger av virksomhetens systemlandskap og arbeidsprosesser.
Det viktigste er at brukerne vet hvor en opplysning skal opprettes og endres, og hvilke andre systemer som skal motta oppdateringen.
4. Gi tydelig ansvar
Datakvalitet blir fort alles ansvar og dermed ingens konkrete ansvar.
Virksomheten bør derfor avklare hvem som har ansvar for definisjoner, prosesser, systemer og oppfølging.
En enkel rollefordeling kan være:
- Dataeier: Definerer hva opplysningen betyr, hvordan den skal brukes, og hvilke kvalitetskrav som gjelder.
- Prosesseier: Har ansvar for arbeidsprosessen der informasjonen opprettes eller endres.
- Systemeier: Sikrer at systemet støtter riktig registrering, tilgang og dataflyt.
- Operative brukere: Registrerer eller kvalitetssikrer data i det daglige arbeidet.
- Ledere og medarbeidere: Kontrollerer opplysninger om seg selv eller sitt ansvarsområde når det er relevant.
Det bør også være tydelig hvem som følger opp avvik, og hvor raskt kritiske feil skal rettes.
5. Bruk felles definisjoner
To personer kan bruke det samme ordet og mene forskjellige ting.
Hva betyr for eksempel:
- Aktiv medarbeider
- Leder
- Stilling
- Rolle
- Arbeidssted
- Avdeling
- Sluttdato
Ulike definisjoner kan føre til at avdelinger og systemer registrerer informasjon forskjellig. Da kan rapporter vise ulike resultater, selv om de tilsynelatende måler det samme.
Lag derfor en enkel begrepsoversikt som beskriver:
- Navnet på dataelementet
- Hva det betyr
- Hvilke verdier som er tillatt
- Hvem som eier definisjonen
- Hvor informasjonen vedlikeholdes
- Hvilke systemer som bruker den
Start med de mest kritiske dataene. Dokumentasjonen kan utvides etter behov.
6. Forbedre prosessene der feil oppstår
Mange datakvalitetsproblemer blir forsøkt løst gjennom opprydding. Det kan være nødvendig, men gir bare en midlertidig forbedring dersom arbeidsprosessene fortsetter å skape nye feil.
Se derfor nærmere på hendelsene der informasjon opprettes eller endres:
- Nyansettelse
- Endring av stilling eller leder
- Overgang mellom avdelinger
- Endring av arbeidstid eller arbeidssted
- Permisjon
- Omorganisering
- Avslutning av arbeidsforhold
For hver hendelse bør virksomheten kunne svare på:
- Hvem starter prosessen?
- Hvem godkjenner endringen?
- Hvilke opplysninger må registreres?
- Hvor skal de registreres?
- Når skal endringen gjelde fra?
- Hvilke andre systemer skal oppdateres?
- Hvordan blir feil og mangler fulgt opp?
En enkel og tydelig prosess gir ofte bedre datakvalitet enn mange obligatoriske felt og kompliserte godkjenninger.
7. Bruk kontroller og mål utviklingen
Teknologi kan bidra til å forebygge og oppdage feil.
Aktuelle tiltak kan være:
- Obligatoriske felt for kritiske opplysninger
- Valglister i stedet for fritekst
- Validering av datoer og formater
- Varsler om manglende eller uvanlige verdier
- Godkjenningsprosesser for viktige endringer
- Automatisk overføring mellom systemer
- Rapporter som viser avvik
Kontrollene bør stå i forhold til risikoen. For mange krav kan gjøre arbeidsprosessene tunge og føre til at brukerne finner omveier.
Automatisering bør heller ikke kopiere feil ukritisk mellom systemer. Før dataflyten automatiseres, må virksomheten avklare hvor informasjonen skal vedlikeholdes, hvem som eier den, og hvordan avvik skal håndteres.
Følg deretter utviklingen med noen få praktiske målepunkter:
| Målepunkt | Eksempel |
| Fullstendighet | Andel aktive medarbeidere med registrert leder |
| Gyldighet | Andel registreringer som følger avtalte formater |
| Konsistens | Andel medarbeidere med samme tilhørighet i relevante systemer |
| Aktualitet | Tid fra en endring godkjennes til systemene er oppdatert |
| Antall avvik | Feil knyttet til lønn, tilgang eller rapportering |
Hvert målepunkt bør ha en ansvarlig person og en avtalt handling dersom kvaliteten faller.
Et praktisk eksempel: Når en medarbeider får ny leder
En lederendring kan påvirke langt mer enn organisasjonskartet.
Endringen kan være relevant for:
- Godkjenning av fravær og forespørsler
- Mål- og medarbeideroppfølging
- Tilgang til medarbeiderinformasjon
- Rapporter og organisasjonsoversikter
- Varsler og arbeidsoppgaver
For å sikre god datakvalitet bør virksomheten vite:
- Hvem som melder inn endringen
- Hvem som godkjenner den
- Hvilken dato den gjelder fra
- Hvor den registreres
- Hvilke systemer som oppdateres
- Hvordan virksomheten kontrollerer at endringen er gjennomført
Når dette er avklart, blir datakvalitet en del av det ordinære arbeidet – ikke en separat ryddeaktivitet.
Hvem bør involveres?
Bedre datakvalitet krever ofte samarbeid mellom flere funksjoner.
| Rolle | Typisk bidrag |
| HR | Definerer HR-data, prosesser og forretningsbehov |
| Ledere | Melder inn og kontrollerer endringer i eget område |
| Medarbeidere | Kontrollerer relevante personopplysninger |
| IT | Forvalter integrasjoner, arkitektur og tekniske kontroller |
| Lønn og økonomi | Kvalitetssikrer data som påvirker lønn og rapportering |
| Systemeiere | Følger opp systembruk, konfigurasjon og avvik |
| Informasjonssikkerhet og personvern | Bidrar med krav til tilgang og behandling av data |
Alle trenger ikke delta i alle aktiviteter. Involveringen bør tilpasses dataenes formål og risiko.
Vanlige feil i arbeidet med HR-data
Å starte med en omfattende opprydding
En ryddeaksjon kan forbedre situasjonen midlertidig, men løser ikke årsaken til at feil oppstår.
Start med kritiske data og prosessene som oppretter eller endrer dem.
Å gjøre HR alene ansvarlig
HR har ofte en sentral rolle, men datakvaliteten påvirkes også av ledere, medarbeidere, IT, lønn og systemeiere.
Lag en praktisk ansvarsfordeling på tvers av funksjonene.
Å anta at integrasjoner løser problemet
Integrasjoner kan redusere dobbeltregistrering, men de kan også spre feil raskere.
Avklar datakilde, regler og ansvar før dataflyten automatiseres.
Å samle inn mer data enn virksomheten bruker
Flere datafelt gir ikke automatisk bedre innsikt.
Hver opplysning bør ha et tydelig formål, en eier og en plan for vedlikehold.
Hvilken rolle spiller HR-systemet?
Et HR-system kan gi virksomheten et felles sted for å strukturere og vedlikeholde sentrale medarbeider- og organisasjonsdata.
Det kan gjøre det enklere å:
- Bruke felles definisjoner
- Støtte tydelige arbeidsprosesser
- Styre hvem som kan se og endre informasjon
- Kontrollere at nødvendige opplysninger er registrert
- Dele oppdaterte data med andre systemer
- Finne og følge opp avvik
Et system kan likevel ikke bestemme hvem som eier dataene, hvilke definisjoner virksomheten skal bruke, eller hvordan avvik skal håndteres. Disse valgene krever samarbeid mellom mennesker, prosesser og teknologi.
For virksomheter som har medarbeiderdata fordelt på flere enheter, land eller systemer, kan HR Master Data være en del av en mer helhetlig tilnærming. Verdien avhenger av virksomhetens behov, systemlandskap og måten løsningen blir forvaltet på.
Sjekkliste for bedre datakvalitet
Bruk disse spørsmålene som utgangspunkt:
- Vet vi hvilke HR-data som er mest kritiske?
- Har hvert viktig dataelement en tydelig definisjon?
- Vet brukerne hvor informasjon skal registreres og endres?
- Har vi definert systemet der den godkjente informasjonen vedlikeholdes?
- Er det tydelig hvem som eier dataene og arbeidsprosessene?
- Oppdateres relevante systemer ved rolle- og organisasjonsendringer?
- Har vi kontroller som fanger opp manglende eller uvanlige verdier?
- Måler vi hvor raskt kritiske endringer blir gjennomført?
- Fjerner vi årsakene til feil, eller rydder vi bare opp i resultatet?
- Bruker vi faktisk alle opplysningene vi samler inn?
Virksomheten trenger ikke løse alt samtidig. Velg ett eller to områder der bedre data vil gi tydelig verdi, og bruk erfaringene videre.
Ofte stilte spørsmål
Hvordan kan HR måle datakvalitet?
HR kan måle blant annet fullstendighet, gyldighet, konsistens og aktualitet. Velg målinger som er knyttet til konkrete arbeidsprosesser, som andelen medarbeidere med registrert leder eller tiden det tar å gjennomføre en godkjent rolleendring.
Hvem eier HR-data?
Eierskapet varierer etter datatypen. HR kan eie definisjonen av stilling og ansettelsesstatus, mens IT eier tekniske brukerkontoer og lønn eier beregnede lønnsresultater. Ansvaret bør dokumenteres for hvert kritisk dataelement.
Hvor ofte bør HR-data kontrolleres?
Kritiske data bør kontrolleres når de opprettes eller endres. Virksomheten kan også gjennomføre regelmessige kontroller. Hyppigheten bør tilpasses hvor ofte dataene endres, og hvilke konsekvenser feil kan få.
Trenger virksomheten et nytt HR-system for å få bedre datakvalitet?
Ikke nødvendigvis. Mange forbedringer kan oppnås gjennom tydeligere ansvar, bedre definisjoner og enklere prosesser. Et nytt eller videreutviklet HR-system kan være relevant dersom dagens løsninger gjør det vanskelig å vedlikeholde, kontrollere eller dele data på en trygg og effektiv måte.
Hva bør HR begynne med?
Begynn med én kritisk prosess, for eksempel onboarding, lederendringer eller offboarding. Kartlegg hvilke data prosessen trenger, hvor de oppstår, hvem som har ansvar, og hvilke feil som skaper mest arbeid eller risiko.
