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.
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:
Datakvalitet betyr ikke at alle data må være perfekte. Målet er at informasjonen skal være pålitelig nok til å støtte arbeidsprosesser, rapportering og beslutninger.
HR-data brukes i mange deler av virksomheten. De kan blant annet påvirke:
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.
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:
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?"
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:
Dette gjør det enklere å prioritere kvalitetskrav og kontroller.
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.
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:
Det bør også være tydelig hvem som følger opp avvik, og hvor raskt kritiske feil skal rettes.
To personer kan bruke det samme ordet og mene forskjellige ting.
Hva betyr for eksempel:
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:
Start med de mest kritiske dataene. Dokumentasjonen kan utvides etter behov.
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:
For hver hendelse bør virksomheten kunne svare på:
En enkel og tydelig prosess gir ofte bedre datakvalitet enn mange obligatoriske felt og kompliserte godkjenninger.
Teknologi kan bidra til å forebygge og oppdage feil.
Aktuelle tiltak kan være:
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.
En lederendring kan påvirke langt mer enn organisasjonskartet.
Endringen kan være relevant for:
For å sikre god datakvalitet bør virksomheten vite:
Når dette er avklart, blir datakvalitet en del av det ordinære arbeidet – ikke en separat ryddeaktivitet.
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.
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.
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.
Integrasjoner kan redusere dobbeltregistrering, men de kan også spre feil raskere.
Avklar datakilde, regler og ansvar før dataflyten automatiseres.
Flere datafelt gir ikke automatisk bedre innsikt.
Hver opplysning bør ha et tydelig formål, en eier og en plan for vedlikehold.
Et HR-system kan gi virksomheten et felles sted for å strukturere og vedlikeholde sentrale medarbeider- og organisasjonsdata.
Det kan gjøre det enklere å:
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.
Bruk disse spørsmålene som utgangspunkt:
Virksomheten trenger ikke løse alt samtidig. Velg ett eller to områder der bedre data vil gi tydelig verdi, og bruk erfaringene videre.
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.
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.
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.
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.
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.