Etene näin työkyvyn tiedolla johtamisessa

Tiedolla johtaminen edellyttää tiedon johtamista, joka sisältää datan keräämisen, käsittelyn, järjestelyn ja analytiikan. Kaikki perustuu laadukkaaseen dataan – myös työkykytiedolla johtamisessa.

Laadukas data on työkykytiedolla johtamisen perusta

Laadukas data työkyvystä ja siihen vaikuttavista tekijöistä on työkykytiedolla johtamisen perusta. Jos mahdollista, datan tulee olla saatavilla työntekijäkohtaisesti, vaikka kehittämiskohteena ovat työprosessit. Näin ollen esimerkiksi työaikakirjanpito tulee voida kohdistaa suoraan yksittäiseen työntekijään, eikä esimerkiksi tiimiin. Toisaalta terveydentilatietoa ei työnantaja voi käsitellä työntekijäkohtaisesti.

Voit jalostaa yksityiskohtaisesta datasta kaikki ryhmätason tarkastelut, mikä parantaa tarkkuutta ja vähentää virheitä. Mitä vähemmän analyysisi perustuvat ryhmätason mittareihin, sitä tarkemman analyysin saat.

Kaikkea tietoa ei voi kerätä ja tallentaa

Muista, että mitä tahansa tietoa työntekijöistä ei voi kerätä ja tallentaa. Yleisesti ottaen työprosessien kannalta tärkeä tieto liittyy työn tekemiseen, kuten poissaoloihin, työaikoihin ja työsuoritteisiin. Arkaluonteisten henkilötietojen, kuten sairaustietojen, kerääminen ja tallentaminen on kiellettyä työntekijäkohtaisesti kaikissa tilanteissa. Näistä ilmiöistä voit kuitenkin pyytää tilastomuotoista tietoa työterveyshuollolta ja yhdistää tiedot yrityksesi ryhmätason tietoihini.

Varmista keräämäsi datan laatu

Tiedolla johtamiseen kuuluu varmistaa, että dataa ei puutu ja että se ei ole virheellistä. Ihmisten järjestelmiin syöttämä data on erityisen altista laatuongelmille. Luo käytäntöjä, joilla valvotte ihmisten syöttämän tiedon laatua ja puututte poikkeamiin. Mitä automaattisemmin ja vähemmän ihmisen kirjaamana tietoa kerätään, sitä vähemmän siihen tulee virheitä.

Jos mahdollista, pyri keräämään dataa mahdollisimman paljon valmiina, eri järjestelmiin automaattisesti tallennettuina kirjauksina. Turvaudu kyselyihin ja ihmisiltä saatavaan dataan vasta, kun olet varma, että sitä ei ole olemassa jo valmiina tai sitä ei voi johtaa muusta datasta.

Lue, mitä Työterveyslaitos löysi ammattikorkeakoulun opettajien työdatasta (tsr.fi)

Analysoi dataa

Datan analyysi voidaan jakaa kuvailevaan, selittävään, ennustavaan ja ohjaavaan tasoon. Datasta saamasi arvo kasvaa sitä mukaa kun siirryt kuvailevasta kohti ohjaavaa tasoa. Samalla kasvaa myös dataa analysoivilta asiantuntijoilta vaadittava taito ja ymmärrys. 

  1. 1. Kuvaileva taso

    Kuvailevalla tasolla saat perustilastoja, kuten keskiarvoja ja tapahtumien lukumääriä. Esimerkki: trendikuva sairauspoissaolopäivistä ja keskimääräisestä sairauspoissaolon pituudesta tuki- ja liikuntaelinoireiden vuoksi.

    2. Selittävä taso

    Selittävällä tasolla ymmärrät asioiden välisiä yhteyksiä yhdistelemällä ja ryhmittelemällä muuttujia. Esimerkki: taulukko siitä, esiintyykö jossain tietyssä ammatissa muita enemmän tuki- ja liikuntaelinoireita.

    3. Ennustava taso

    Ennustavalla tasolla otat mukaan tilastotieteen menetelmät, joilla voit todeta eroja ryhmien välillä ja saada esille syy-seuraussuhteita. Esimerkki: riskimalli iän, työtehtävän, koulutuksen ja palkkatason yhteydestä tuki- ja liikuntaelinoireisiin perustuen edeltävän 10 vuoden dataan.

    4. Ohjaava taso

    Ohjaavalla tasolla käytät dataa prosessien tehostamiseen siten, että toimeenpanet suositukset saman tien ja seuraat muutoksia reaaliajassa. Esimerkki: älykäs työvuorojärjestelmä, joka minimoi tuki- ja liikuntaelinoireita varmistamalla riittävät lepoajat tai vähemmän kuormittavat työtehtävät kuormittavien työvuorojen välillä.

Joskus ajatellaan, että ohjaavan tason yläpuolella on viides taso: tekoäly ja koneoppiminen. Toisaalta tekoäly ja koneoppiminen voidaan ajatella myös menetelmiksi, joita voidaan käyttää jokaisella tasolla. Koneoppimisen menetelmät arkipäiväistyvät nopeasti perinteisten menetelmien rinnalle.

Hyödynnä asiantuntijoita analyysissa

Hyödynnä asiantuntijoiden näkemystä ja kokemusta data-analyysissa. Tarvitset asiantuntijuutta sitä enemmän, mitä alempana olet analytiikan tasoilla. Työkykyjohtamisen analyysit ovat usein kuvailevalla tai korkeintaan selittävällä tasolla tiedolla johtamisessa, vaikka yritykset ovatkin jo tottuneet ennustavaan tai jopa ohjaavaan analytiikkaan muissa toiminnoissaan, kuten tehtaiden automaation ohjauksessa tai logistiikan suunnittelussa.