Dårlige HR-data blir fort en virksomhetskostnad

Dårlig datakvalitet i HR koster mer enn tiden det tar å rette et feilskrevet navn eller en utdatert stillingstittel. Feil og mangler kan skape ekstra arbeid i HR, lønn, økonomi og IT. De kan forsinke onboarding, føre til feil i lønnsgrunnlaget, holde unødvendige systemtilganger åpne og svekke rapportene ledelsen bruker til å ta beslutninger.

Den samlede kostnaden avhenger av virksomhetens størrelse, systemlandskap og arbeidsprosesser. Den kan likevel beregnes ved å se på:

• Tid brukt på kontroll og feilretting
• Feil i lønn og rapportering
• Forsinkede eller manuelle arbeidsprosesser
• Unødvendige tilganger og lisenser
• Svakere planlegging og beslutningsgrunnlag
• Risiko knyttet til personvern og andre forpliktelser

Det finnes ikke ett standardbeløp som viser hva dårlig HR-datakvalitet koster alle virksomheter. Et bedre utgangspunkt er å kartlegge hvor feilene oppstår, hvor mange personer som bruker tid på dem, og hvilke prosesser og beslutninger de påvirker.

Hva er dårlig datakvalitet i HR?

HR-data har dårlig kvalitet når informasjonen ikke er god nok til formålet den skal brukes til.

Det kan innebære at dataene er:

• Uriktige: En medarbeider er registrert med feil leder eller stillingsprosent.
• Ufullstendige: Startdato, arbeidssted eller kostnadssted mangler.
• Utdaterte: En rolleendring er gjennomført, men ikke oppdatert i systemene.
• Inkonsistente: HR-, lønns- og økonomisystemet viser forskjellige verdier.
• Dupliserte: Den samme personen eller det samme arbeidsforholdet er registrert flere ganger.
• Uklart definert: Ulike avdelinger bruker ord som «leder», «aktiv medarbeider» og «arbeidssted» forskjellig.
• Vanskelige å finne: Informasjonen finnes, men er spredt på systemer, filer og regneark.

Personopplysninger som behandles, skal være korrekte og om nødvendig oppdaterte. Virksomheten må også sørge for at uriktige opplysninger blir rettet eller slettet når de ikke er riktige for formålet.

God datakvalitet betyr likevel ikke at alle opplysninger må være perfekte. Dataene må være pålitelige nok for arbeidsprosessen, rapporten eller beslutningen de skal støtte.

Hvor oppstår kostnadene?

Kostnaden ved dårlige HR-data ligger sjelden på én faktura. Den er ofte fordelt mellom flere budsjetter og arbeidsprosesser.

For å forstå den reelle kostnaden må virksomheten se på hele dataflyten, ikke bare arbeidet som utføres i HR-avdelingen.

1. Tid brukt på kontroll og feilretting

Den mest synlige kostnaden er tiden medarbeidere bruker på å kontrollere og korrigere data.

Det kan være tid brukt på å:

• Sammenligne rapporter fra flere systemer
• Finne riktig leder eller organisatorisk tilhørighet
• Kontrollere start- og sluttdatoer
• Rette feil før lønnskjøringen
• Oppdatere de samme opplysningene flere steder
• Undersøke hvorfor en integrasjon har avvist en endring
• Svare på spørsmål fra ledere og medarbeidere
• Lage rapporter manuelt fordi standardrapportene ikke er pålitelige

En enkelt feil kan involvere flere personer. HR undersøker arbeidsforholdet, lønn vurderer konsekvensene, IT kontrollerer integrasjonen, og lederen bekrefter hvilken informasjon som er riktig.

Det er derfor ikke nok å måle tiden personen som retter feltet bruker. Beregningen bør inkludere alle som må identifisere, undersøke, godkjenne og følge opp avviket.

Slik kan kostnaden beregnes

Bruk denne enkle formelen:

Antall avvik × gjennomsnittlig tidsbruk per avvik × kostnad per arbeidstime

Gjør beregningen separat for HR, lønn, IT og andre berørte roller dersom tidsbruk eller timekostnad varierer.

Ta også med faste kontrollaktiviteter som bare er nødvendige fordi organisasjonen ikke stoler på dataene.

2. Feil i lønnsgrunnlaget

Lønnssystemet er avhengig av riktige opplysninger om arbeidsforholdet.

Feil i blant annet disse dataene kan påvirke lønnsprosessen:

• Start- og sluttdato
• Juridisk arbeidsgiver
• Stillingsprosent
• Arbeidstidsordning
• Lønnsbetingelser
• Fravær
• Arbeidssted
• Kostnadssted
• Bank- og skatteopplysninger

Kostnaden kan omfatte:

• Manuelle korreksjoner
• Ekstra kontroll før eller etter lønnskjøringen
• Ny lønnskjøring
• Etterbetaling eller tilbakekreving
• Avstemming mot regnskapet
• Kommunikasjon med medarbeideren
• Undersøkelser på tvers av HR, lønn og IT
• Redusert tillit til lønnsprosessen

Opplysninger fra a-meldingen brukes blant annet i medarbeidernes skattemelding og ved utbetalinger fra Nav. Skatteetaten opplyser at feil eller mangler kan få konsekvenser for ansatte, og at arbeidsgiveren må kontrollere tilbakemeldingen og rette feil.

Feil rapportering av et arbeidsforhold kan også få direkte følger for medarbeiderens rettigheter. Skatteetaten har for eksempel advart mot å registrere sluttdato på et arbeidsforhold som fortsatt består, fordi det kan føre til avslag på eller forsinkede utbetalinger fra Nav.

Den økonomiske kostnaden er derfor ikke begrenset til selve lønnskorreksjonen. Den omfatter også oppfølgingen og belastningen for medarbeideren.

3. Forsinket onboarding og rolleendringer

Når data om nyansatte ikke er komplette eller oppdaterte, kan flere aktiviteter bli forsinket.

Det kan gjelde:

• Arbeidsavtale og dokumentasjon
• Opprettelse i lønnssystemet
• Brukerkonto og e-post
• Tilgang til nødvendige systemer
• Utstyr og lisenser
• Introduksjonsaktiviteter
• Registrering av leder og organisatorisk tilhørighet
• Tilgang til nødvendige arbeidsprosesser

Kostnaden kan beregnes som administrativ oppfølging, men den kan også vise seg som tapt arbeidstid.

Dersom en medarbeider ikke har nødvendig tilgang den første arbeidsdagen, kan både medarbeideren, lederen, HR og IT bruke tid på å rette situasjonen. Den nyansatte kan samtidig ha begrenset mulighet til å utføre arbeidet sitt.

Tilsvarende kan utdaterte data ved et rollebytte føre til at medarbeideren får tilgang til feil arbeidsprosesser, rapporter eller godkjenninger.

4. Mangelfull offboarding

Dårlig datakvalitet kan også gjøre det vanskelig å avslutte arbeidsforhold på en kontrollert måte.

En manglende eller feil sluttdato kan føre til at:

• Brukerkontoer forblir aktive
• Programvarelisenser ikke blir avsluttet
• Tidligere medarbeidere står som aktive i rapporter
• Arbeidsoppgaver sendes til feil person
• Organisasjonskartet viser feil struktur
• Lønn og andre ytelser krever ekstra kontroll
• IT må undersøke hvilke tilganger som fortsatt finnes

Kostnaden kan bestå av både unødvendige lisensutgifter og tiden som kreves for å identifisere og avslutte tilgangene manuelt.

En utdatert sluttdato er derfor ikke bare et HR-problem. Den kan påvirke lønn, IT, sikkerhet, rapportering og økonomisk kontroll.

5. Unødvendig manuelt arbeid mellom systemer

Når HR-data finnes i flere systemer uten tydelig ansvar, må ansatte ofte registrere eller kontrollere den samme informasjonen flere ganger.

Eksempler er:

• HR registrerer en rolleendring i HR-systemet.
• Lønn registrerer den samme endringen i lønnssystemet.
• Økonomi oppdaterer kostnadsstedet.
• IT endrer tilganger og grupper.
• Lederen vedlikeholder en egen lokal oversikt.

Dette øker kostnaden for hver endring og gjør virksomheten mer sårbar for forsinkelser og forskjellige versjoner.

En integrasjon kan redusere dobbeltregistrering, men bare dersom virksomheten har avklart:

• Systemet der den godkjente informasjonen vedlikeholdes
• Hvem som eier informasjonen
• Hvilke data som skal deles
• Når endringen skal gjelde fra
• Hvordan avvik skal håndteres

Automatisering av uklare eller uriktige data kan spre feil raskere. Prosessene og dataansvaret må derfor avklares før overføringen automatiseres.

6. Svakere økonomisk rapportering

Medarbeiderdata brukes ofte som grunnlag for økonomiske analyser og prognoser.

Det kan gjelde:

• Antall medarbeidere
• Antall årsverk
• Lønnskostnader
• Bemanningsbudsjett
• Fordeling mellom juridiske enheter
• Kostnadssteder
• Geografisk fordeling
• Ledige og besatte stillinger
• Forventede nyansettelser og avslutninger

Hvis HR-, lønns- og økonomisystemet bruker forskjellige definisjoner eller verdier, må økonomiavdelingen bruke tid på avstemming før tallene kan brukes.

Dårlig datakvalitet kan blant annet føre til at:

• Lønnskostnader plasseres på feil kostnadssted
• Bemanningsprognosen bygger på utdaterte arbeidsforhold
• Forskjellige rapporter viser ulikt antall medarbeidere
• Planlagte nyansettelser eller avslutninger ikke fanges opp
• Økonomi må legge inn manuelle justeringer
• Ledelsen bruker tid på å diskutere hvilke tall som er riktige

Kostnaden er både tiden som brukes på kontroll og risikoen for at planleggingen bygger på et svakere grunnlag.

7. Mindre pålitelige beslutninger

Noen av de største kostnadene er vanskelige å se i regnskapet.

Ledelsen kan for eksempel bruke HR-data til å vurdere:

• Hvor virksomheten trenger flere medarbeidere
• Hvilke enheter som har høy turnover
• Hvor kompetansegapene er størst
• Hvilke roller som er sårbare
• Hvordan organisasjonen bør endres
• Hvor det finnes kapasitet
• Hvilke stillinger som bør prioriteres i rekrutteringen

Dersom dataene er ufullstendige eller utdaterte, kan virksomheten prioritere feil tiltak.

Et tilsynelatende kompetansegap kan for eksempel skyldes at medarbeideres kompetanse ikke er registrert. Et høyt bemanningsbehov kan skyldes at avsluttede arbeidsforhold fortsatt står som aktive. Et organisasjonskart kan vise en struktur som ikke lenger eksisterer.

Slike konsekvenser er vanskelige å beregne presist. Virksomheten bør likevel synliggjøre hvilke beslutninger som er avhengige av dataene, og hvilken risiko feil informasjon skaper.

Et forenklet regneeksempel

Tenk deg en virksomhet med 3 000 medarbeidere. Følgende tall er kun et illustrerende eksempel, ikke en bransjestandard:

Eksemplet omfatter ikke:

• Tapt produktivitet ved forsinket onboarding
• Arbeid utført av ledere og medarbeidere
• Ekstrakjøringer eller etterbetalinger
• Ekstern bistand
• Sikkerhets- og personvernrisiko
• Svakere bemanningsbeslutninger
• Redusert tillit til HR- og lønnsprosessene

Den synlige kostnaden kan derfor være bare en del av den samlede virksomhetskostnaden.

Slik beregner dere kostnaden i egen virksomhet

1. Velg noen kritiske prosesser

Begynn med prosesser der feil får tydelige konsekvenser:

• Onboarding
• Lønnskjøring
• Rolle- og organisasjonsendringer
• Offboarding
• Bemanningsrapportering
• Tilgangsstyring

Kartlegg én prosess om gangen.

2. Registrer avvikene

Mål for eksempel:

• Antall feil per måned
• Hvilke dataelementer feilene gjelder
• Hvor feilen oppstår
• Hvilke avdelinger som blir involvert
• Hvor lang tid feilrettingen tar
• Om feilen gjentar seg
• Om den påvirker medarbeidere, lønn eller rapportering

Ikke baser analysen bare på saker som blir meldt til support. Mange feil blir rettet gjennom e-post, chat og lokale regneark uten at de registreres.

3. Beregn tidskostnaden

Ta med tiden som brukes på:

• Å oppdage feilen
• Å undersøke hva som er riktig
• Å innhente godkjenning
• Å rette dataene
• Å oppdatere andre systemer
• Å kontrollere resultatet
• Å informere berørte personer

Bruk en standard intern timekostnad eller virksomhetens egne satser.

4. Legg til direkte kostnader

Direkte kostnader kan omfatte:

• Ekstrakjøring av lønn
• Konsulentbistand
• Feilutbetalinger
• Unødvendige lisenser
• Gebyrer
• Ekstra utvikling eller integrasjonsarbeid
• Manuelt arbeid hos eksterne leverandører

Skill mellom kostnaden ved selve feilen og kostnaden ved å rette den.

5. Vurder konsekvensene som ikke kan beregnes nøyaktig

Noen virkninger bør beskrives, selv om de ikke får et presist kronebeløp:

• Forsinkede beslutninger
• Manglende tillit til rapporter
• Redusert medarbeideropplevelse
• Sikkerhetsrisiko
• Feil prioritering av bemanning
• Svakere styringsinformasjon

Bruk gjerne en enkel skala for sannsynlighet og konsekvens.

Hvilke data bør prioriteres?

Virksomheten trenger ikke forbedre alle HR-data samtidig.

Begynn med data som påvirker flere systemer eller kritiske prosesser:

Prioriter data ut fra hvor mange arbeidsprosesser de påvirker, hvor ofte de endres, og hvilke konsekvenser feil kan få.

Slik reduserer dere kostnaden

Definer hvor informasjonen skal vedlikeholdes

Hvert sentralt dataelement bør ha ett definert system der den godkjente informasjonen vedlikeholdes.

Andre systemer kan bruke en kopi, men de bør normalt ikke opprette konkurrerende versjoner.

Avklar ansvar

Definer hvem som:

• Eier dataelementet
• Godkjenner endringer
• Vedlikeholder systemet
• Følger opp avvik
• Kontrollerer kvaliteten
• Oppdaterer integrasjonene

Datakvalitet blir fort alles ansvar og dermed ingens konkrete oppgave.

Forbedre prosessen der feilen oppstår

En omfattende opprydding kan gi bedre data på kort sikt. Den gir liten varig effekt dersom arbeidsprosessen fortsetter å produsere nye feil.

Undersøk derfor hvordan data opprettes og endres ved:

• Nyansettelser
• Lederbytter
• Rolleendringer
• Omorganiseringer
• Permisjoner
• Avslutninger

Fjern årsaken til feilen, ikke bare resultatet.

Bruk tydelige definisjoner

Beskriv hva sentrale begreper betyr.

Det bør for eksempel være tydelig om «leder» betyr personalleder, faglig leder eller godkjenner, og om «sluttdato» viser siste arbeidsdag eller datoen arbeidsforholdet formelt avsluttes.

Automatiser kontroller

Aktuelle kontroller kan være:

• Obligatoriske felt
• Godkjente valglister
• Validering av datoer
• Varsler om manglende verdier
• Avviksrapporter
• Kontroll av aktive arbeidsforhold
• Bekreftelse på at integrasjoner har mottatt endringen
• Regelmessig gjennomgang av sentrale data

Kontrollene bør tilpasses risikoen. For mange krav kan gjøre prosessen unødvendig tung.

Mål utviklingen

Følg noen få relevante indikatorer:

• Antall dataavvik per måned
• Tid brukt på feilretting
• Antall manuelle endringer i flere systemer
• Avviste integrasjonsmeldinger
• Lønnskorreksjoner som skyldes HR-data
• Aktive medarbeidere uten registrert leder
• Avsluttede arbeidsforhold med aktive tilganger
• Tid fra godkjenning til alle systemene er oppdatert

Målet er ikke å produsere flere rapporter. Det er å finne ut om feilene blir færre og mindre kostbare.

Hvilken rolle spiller HR-systemet?

Et HR-system kan gi virksomheten et felles sted for å organisere og vedlikeholde sentrale medarbeider- og organisasjonsdata.

Det kan blant annet støtte:

• Felles definisjoner og datastruktur
• Tydelige arbeidsprosesser
• Selvbetjening for relevante opplysninger
• Kontroll av hvem som kan se og endre data
• Automatiske arbeidsflyter og varsler
• Integrasjoner med lønn, IT og andre systemer
• Rapportering og oppfølging av datakvalitet

CatalystOne HR Master Data er utviklet for å organisere medarbeiderdata, automatisere HR-prosesser og gi grunnlag for rapporter og analyser. Løsningen støtter også selvbetjening og integrasjoner i systemlandskapet. Hvilken verdi dette gir, avhenger av virksomhetens datamodell, prosesser, ansvar og eksisterende løsninger.

Et HR-system kan likevel ikke alene avgjøre hvilke data virksomheten trenger, hvem som eier dem, eller hvordan feil skal følges opp. Varig bedre datakvalitet krever at teknologi, prosesser og ansvar fungerer sammen.

Sjekkliste: Kjenner dere kostnaden ved dårlige HR-data?

Bruk spørsmålene som utgangspunkt:

• Vet vi hvilke HR-data som er mest kritiske?
• Må HR, lønn eller IT registrere de samme dataene flere steder?
• Må økonomi avstemme medarbeidertall manuelt?
• Må ledere kontrollere rapporter før de kan bruke dem?
• Vet vi hvor mange datafeil som oppstår hver måned?
• Registrerer vi tiden som brukes på feilretting?
• Vet vi hvilke feil som påvirker lønnskjøringen?
• Har hvert sentralt dataelement ett system der godkjent informasjon vedlikeholdes?
• Har avsluttede medarbeidere fortsatt aktive kontoer eller lisenser?
• Vet vi hvor raskt godkjente endringer blir oppdatert i alle relevante systemer?
• Har kritiske avvik en tydelig ansvarlig?
• Måler vi om forbedringstiltakene reduserer kostnaden?

Virksomheten trenger ikke ha alle svarene før arbeidet starter. Velg én kritisk prosess og beregn kostnaden av feilene som oppstår der.

Ofte stilte spørsmål

Hvor mye koster dårlig HR-datakvalitet?

Det finnes ikke ett standardbeløp som passer alle virksomheter. Kostnaden avhenger av antall medarbeidere, systemer, manuelle prosesser og hvilke data som er feil. Beregn kostnaden ved å kombinere antall avvik, tidsbruk, intern timekostnad og eventuelle direkte utgifter.

Hvilke HR-data er dyrest å ha feil i?

Data som brukes i flere kritiske prosesser har ofte størst konsekvens. Det gjelder blant annet ansettelsesstatus, start- og sluttdato, juridisk enhet, stillingsprosent, leder, organisatorisk tilhørighet og kostnadssted.

Er datakvalitet bare HRs ansvar?

Nei. HR har ofte ansvar for medarbeider- og organisasjonsdata, men lønn, økonomi, IT, ledere og medarbeidere påvirker også kvaliteten. Ansvar bør fordeles etter data, system og arbeidsprosess.

Kan en integrasjon løse problemet?

En integrasjon kan redusere dobbeltregistrering og forsinkelser. Den kan ikke løse uklare definisjoner, manglende eierskap eller dårlige kildedata. En integrasjon kan spre feil raskere dersom ansvaret ikke er avklart.

Må virksomheten bytte HR-system?

Ikke nødvendigvis. Mange forbedringer kan oppnås gjennom tydeligere ansvar, bedre arbeidsprosesser og relevante kontroller. Et nytt eller videreutviklet HR-system kan være aktuelt dersom dagens løsninger gjør det vanskelig å vedlikeholde, dele eller kontrollere data effektivt.

Hvordan lager vi et business case for bedre datakvalitet?

Start med én eller to kritiske prosesser. Mål antall feil, tidsbruk og direkte kostnader. Beskriv deretter forventet reduksjon, nødvendige tiltak og hvordan resultatet skal følges opp. Skill mellom dokumenterte kostnader og mulige gevinster.

Begynn med kostnaden dere kan dokumentere

Dårlig datakvalitet i HR er ikke bare et administrativt problem. Den kan påvirke lønn, økonomi, IT, sikkerhet, medarbeidere og ledelsens beslutningsgrunnlag.

Det betyr ikke at virksomheten må gjennomføre et stort datakvalitetsprogram med én gang.

Begynn med en konkret prosess der feilene er synlige. Mål hvor ofte de oppstår, hvem som blir involvert, og hvor mye tid og penger virksomheten bruker på å rette dem.

Når kostnaden blir synlig, blir det enklere å prioritere riktige tiltak – enten de handler om ansvar, arbeidsprosesser, integrasjoner eller systemstøtte.

(Artikkelen gir generell veiledning. Virksomheten bør kvalitetssikre regulatoriske og rapporteringsmessige forhold mot gjeldende regler og egne forpliktelser.)