l'AI

Nuove frontiere per l’HR: l’Intelligenza Artificiale cambia le regole del gioco

Febbraio 13, 2025
E-Recruiting: e-recruitment

E-recruitment: che cos’è e come cambia la selezione

Marzo 14, 2025
Blog › Guide

HR Analysis: dati e tecnologia per un HR data driven

Marzo 10, 2025
Mani su un tablet con grafici a barre colorati e indicatori di analisi dei dati HR

In sintesi: hr data driven

  • Una revisione del 2023 (Sackett e coautori) ha abbassato le stime di validità dei predittori di selezione: il colloquio strutturato passa da 0,51 a 0,42. Sono medie di meta-analisi, non misure sulle aziende italiane.
  • Un’azienda HR data driven decide sulle persone con numeri di cui conosce il criterio e l’errore.
  • Gli eventi (un’uscita, un’assenza) si registrano; prestazione, potenziale e rischio di uscita si deducono, e ogni deduzione porta con sé un criterio scelto e un margine di errore.
  • Prima di usare un numero si chiede che cosa misura, quanto sbaglia e a che cosa serve.

Essere HR data driven significa prendere le decisioni sulle persone appoggiandosi a numeri di cui si conoscono il criterio con cui sono costruiti e l’errore che portano con sé. Nel nostro uso la locuzione riguarda il modo in cui i dati si leggono.

Questa pagina è per chi, in una direzione HR o nel controllo di gestione del personale, usa punteggi, indici e previsioni sulle persone. Propone tre domande da porre a ogni numero e le applica alle stime di validità dei predittori di selezione, riviste nel 2023.

Che cosa vuol dire HR data driven: tre domande per ogni numero

Per ogni numero sulle persone proponiamo tre domande, nell’ordine in cui conviene porle. Sono il nostro criterio di lettura.

Domanda Che cosa chiede Che cosa succede se manca
Che cosa misura? Il criterio: rispetto a quale esito il numero è stato costruito e controllato Il punteggio è letto per ciò che non misura
Quanto sbaglia? L’errore: quanto cambia il numero se la misura si ripete, e quanto distano previsione ed esito La precisione è di facciata
Che cosa se ne può fare? L’uso: descrivere ciò che è accaduto, prevedere ciò che accadrà o spiegarne la causa Una previsione è trattata come una causa

Che cosa misura un dato: eventi e costrutti

Un sistema HR registra eventi: un’assunzione, un’uscita, un’assenza, un cambio di ruolo. Un evento ha una data e si conta; l’errore sta nella registrazione e nella definizione, cioè nel perimetro e nella formula. Come si scrive una definizione è nella guida ai KPI delle risorse umane, e quella alla people analytics spiega perché un confronto con altre aziende richiede lo stesso perimetro.

Prestazione, potenziale, impegno e rischio di uscita sono un’altra famiglia. Nessuno li osserva direttamente: si deducono da qualcos’altro, come il giudizio di un responsabile, un questionario o una serie di eventi passati, e ogni deduzione assume un criterio. A nostro avviso un indice di rischio di uscita costruito sulle valutazioni dei responsabili riflette in parte il modo in cui quei responsabili valutano: se il criterio è il giudizio di una persona, il modello eredita i criteri di quella persona. Qui l’errore passa inosservato più facilmente, perché il numero ha l’aspetto di un fatto.

Con quale errore: le stime di validità della selezione riviste

In selezione il criterio si controlla confrontando il punteggio con la prestazione successiva; la correlazione che ne risulta si chiama validità. La prestazione si osserva solo in chi è stato assunto, e per questo le stime si correggono per la restrizione del campo; la correzione, applicata in modo uniforme, aveva sovra-corretto. Sackett, Zhang, Berry e Lievens (2023) hanno rivisto le stime meta-analitiche più usate, confrontandole con quelle del 1998.

Predittore Stima del 1998 Stima rivista (2023)
Colloquio strutturato 0,51 0,42
Prova di lavoro 0,54 0,33
Test di capacità mentale generale 0,51 0,23
Assessment center 0,37 0,33
Colloquio non strutturato 0,38 0,19
  • La direzione resta. Combinando da uno a cinque predittori la validità media passa da 0,51 (stima di Roth e coautori, 2011) a 0,47 (Sackett e coautori, 2023): la selezione strutturata continua a servire. Altri autori contestano le condizioni della revisione; gli stessi Sackett e colleghi ritengono che il messaggio centrale resti.
  • Un coefficiente di 0,42 spiega meno di un quinto della variazione. Elevato al quadrato dà 0,18: il 18% della differenza di prestazione, in una relazione lineare. È un calcolo nostro sui valori della tabella.
  • La media non dice dove ci si trova. Tra studi diversi la validità del colloquio strutturato varia, con una deviazione standard di 0,19 su una media di 0,42, e il valore inferiore dell’intervallo di credibilità è 0,18. Per questo gli autori raccomandano di guardare gli studi di validità in situazioni simili e ricordano il valore di uno studio locale.

Le stime vengono da meta-analisi e non descrivono in modo specifico le aziende italiane di medie dimensioni. Dove le assunzioni all’anno sono poche, la validità non si misura: si controlla che criterio e procedura siano uguali per tutti, e le stime si leggono come ordine di grandezza.

Quando l’errore non si vede: l’accuratezza di un modello

Esempio tipo, non un caso di cliente. In un’azienda con 1.000 dipendenti ne escono 40 in un anno. Un modello che prevede «non esce nessuno» ha ragione 960 volte su 1.000, quindi un’accuratezza del 96%, e non individua nessuna delle 40 uscite. Una cifra di accuratezza dice poco senza la quota di base degli eventi e senza gli errori distinti per tipo: le uscite non individuate e gli allarmi che non si sono avverati.

Che cosa chiedere in più, e a chi

Alle tre domande si aggiungono altre verifiche.

  1. Quale versione della stima, con quale correzione e quale variabilità. Una validità citata senza anno e senza correzione può essere quella superata.
  2. Quale errore, per tipo e per gruppo. L’accuratezza complessiva nasconde le persone o i gruppi su cui la previsione sbaglia.
  3. Chi risponde del controllo di validità sul proprio personale. A nostro avviso spetta alla direzione HR con il controllo di gestione del personale, perché la procedura va controllata sui dati dell’azienda che la usa.

Un punteggio che prevede le uscite non dice quale leva le riduca: una previsione si presta a essere letta come indicazione di intervento, ed è una distinzione da chiarire in ogni progetto di analisi.

Chi legge un punteggio decide anche come restituirlo ai suoi. Un responsabile che riceve il rischio di uscita lo tratta come un fatto; per questo, a nostro avviso, il numero va consegnato insieme al criterio e all’errore. Per la visibilità dei dati ai responsabili si veda la guida HR analytics: quali dati servono alla direzione HR e come usarli.

I dati delle persone sulla piattaforma: che cosa mostra lo strumento

La tecnologia aiuta nella prima famiglia di dati e lascia aperta la seconda. Sulla piattaforma di Alveria i dati arrivano dai sistemi aziendali, si normalizzano e si conservano con la loro data di validità nel dossier della persona. L’editor grafico di query e report lavora su tutto l’archivio senza competenze tecniche, e le dashboard si consultano anche a una data passata. Lo strumento mostra. I dati sono dell’azienda, che sola può stabilire se siano corretti. Criterio ed errore di un punteggio restano scelte di chi lo adotta.

Il quadro dei dati utili alla direzione è nella guida HR analytics: quali dati servono alla direzione HR e come usarli; gli strumenti sono descritti nella pagina dati del personale, analytics e report. Su chi deve vedere i dati si veda data democratization: i dati HR in mano a chi decide.

Domande frequenti

Che cosa vuol dire HR data driven?

Decidere sulle persone con numeri di cui si conoscono criterio ed errore: che cosa misura il numero, quanto sbaglia, a che cosa serve, prima di usarlo per una decisione.

Un modello può prevedere le dimissioni con un’accuratezza del 96%?

Il numero dice poco da solo. Se in un anno esce il 4% delle persone, un modello che prevede «non esce nessuno» ha un’accuratezza del 96% e non individua nessuna uscita. Servono la quota di base, le uscite non individuate e gli allarmi che non si avverano, per tipo e per gruppo.

Come si controlla che un punteggio sulle persone sia affidabile?

Si chiede rispetto a quale esito è stato controllato, con quale errore e su quale popolazione. Le stime di validità sono medie tra studi diversi: a nostro avviso il controllo di validità sul proprio personale spetta alla direzione HR con il controllo di gestione del personale.

Dai dati letti con criterio alla piattaforma

Vediamo la piattaforma sui processi dell’azienda. Richiedi una demo

Note e fonti

  1. Sackett, P. R., Zhang, C., Berry, C. M., Lievens, F. (2023). Revisiting the design of selection systems in light of new findings regarding the validity of widely used predictors. Industrial and Organizational Psychology, 16, 283-300. DOI 10.1017/iop.2023.24.
Vediamo la piattaforma sui processi della tua azienda.

Altri articoli

Cookie Policy