Hvad skal vi måle?

Problem

TDCNET havde interne mål for, hvem virksomheden tiltrækker, ansætter og fastholder, herunder at ansætte flere kvinder i en teknisk organisation. De rå tal kunne ikke svare på, om virksomheden var på rette kurs. En andel af nyansatte siger i sig selv ingenting, før man ved, hvor stor en andel af de relevante kandidater virksomheden overhovedet kunne have ansat, og om de, den ansætter, også bliver.

Hvad jeg gjorde

Metoden var den samme for hvert mål, gentaget på tværs af dem alle:

1. Tag et af virksomhedens interne mål.
2. Find, hvad den nyeste forskning og brancherapporterne siger driver det. En McKinsey-rapport om, hvad kvinder lægger vægt på i arbejdet, pegede for eksempel på fleksibilitet for forældre.
3. Sæt tallene op: hvor virksomheden er i dag i forhold til, hvor den burde være, med et fair benchmark. For rekruttering betød det at sammenligne den andel, virksomheden ansatte, med andelen af relevante kandidater i de offentlige uddannelsesstatistikker.
4. Tjek, hvad virksomheden tilbyder på hver drivkraft, som et spor til, hvorfor dens tal ser ud, som de gør.

På tværs af alle målene blev det til 27 interne og eksterne datasæt, fulgt over tid og på tværs af forretningsområder og tjekket mod eksterne markedsdata, før noget blev præsenteret for ledelsen.

Sådan beslutter jeg, hvad der skal måles

Det meste af arbejdet er at beslutte, hvad man kan stole på. Et tal kan se præcist ud og stadig vildlede: to datasæt kan definere samme gruppe forskelligt, en lille afdeling kan svinge fra år til år på to personer, og en andel af ansættelser betyder lidt uden puljen bag. Så hver KPI fik et benchmark, en definition, der holdt på tværs af datasættene, og et tjek mod en ekstern kilde.

Forskningen gjorde et andet stykke arbejde. At sammenligne TDCNET's tilbud med det, rapporterne sagde, folk lægger vægt på, var ikke noget, jeg kunne teste statistisk, og jeg fremlagde det ikke som bevis. Det var et spor til, hvorfor tallene skævede, som de gjorde, hvilket ofte er det, ledelsen har brug for til at beslutte, hvor der skal sættes ind.

Hvad der kom ud af det

KPI'er, trendanalyse og anbefalinger for hvert mål, præsenteret direkte for ledelsen. Pointen var ikke ét overskriftstal, men et sæt mål, ledelsen kunne styre efter: hvor virksomheden lå foran benchmarket, hvor den lå bagud, de sandsynlige årsager, og hvor der først skulle sættes ind.

Hvad jeg ville tilføje i dag

De samme KPI'er opdateret hver måned. I dag ville jeg hente datasættene automatisk, køre de samme definitions- og benchmarktjek hver gang og lægge resultaterne på ét dashboard, så analysen bruges på, hvad tallene betyder, frem for på at bygge dem op igen.