Power BI HR Analitik Kontrol Paneli: İşgücü İstihbaratı Kılavuzu

İnsanlar bir kuruluşun en büyük maliyeti ve en değerli varlığıdır; ancak çoğu İK departmanı, sezgileri, anekdotları ve gecikmeli elektronik tablo raporlarını kullanarak işe alma, ücretlendirme, yeniden yapılandırma, faydalar gibi kritik kararları alır. Power BI, personel sayısı dinamiklerini, personel kaybı modellerini, çeşitlilik ilerlemesini, ücret eşitliğini, işe alım verimliliğini ve katılım eğilimlerini tek bir etkileşimli platformda görselleştirerek İK verilerini iş gücü zekasına dönüştürür.

İK raporlamasından (ne oldu) insan analitiğine (neden oldu ve bu konuda ne yapılması gerektiği) geçiş, sorunlara tepki veren bir İK fonksiyonu ile onları önleyen bir İK fonksiyonu arasındaki farktır. Mühendislik kaybının her yıl birinci çeyrekte hızla arttığını, belirli bir yöneticinin ekibinin emsallerine göre 3 kat daha fazla devir oranına sahip olduğunu veya 3 yıllık görev süresi sonunda kadın çalışanların erkek çalışanlardan daha yüksek oranda işten ayrıldığını gördüğünüzde, bir sonraki ayrılmadan önce müdahale edebilirsiniz.

Bu kılavuz, veri modeli, temel DAX önlemleri, her bir analiz alanı için görselleştirme tasarımı ve hassas iş gücü verilerine yönelik uygulama hususları dahil olmak üzere Power BI'daki bir İK analizi panosunun tüm mimarisini kapsar.

---

İK Analitiği için Veri Modeli

Temel Tablolar

İK analitiği veri modelleri, finansal veya satış modellerinden farklıdır çünkü iş gücü verileri hem stok (zamandaki nokta sayımları) hem de akış (olay bazlı değişiklikler) özelliklerine sahiptir.

Çalışan boyutu (DimEmployee). Mevcut çalışan özelliklerini içeren merkezi boyut tablosu. Anahtar sütunlar arasında Çalışan Kimliği, Tam Ad, Departman, Ekip, İş Başlığı, İş Düzeyi (Bireysel Katkıda Bulunan, Yönetici, Direktör, Başkan Yardımcısı, C-Suite), Yönetici (doğrudan yöneticinin Çalışan Kimliği), İşe Alma Tarihi, Fesih Tarihi (aktif çalışanlar için boş), Konum, Ülke, Cinsiyet, Etnik Köken, Yaş Grubu, Görev Süresi Bandı (1 yıldan az, 1-3 yıl, 3-5 yıl, 5--10 yıl, 10+ yıl), İstihdam Türü (Tam Zamanlı, Yarı Zamanlı, Yüklenici), IsActive (boolean), BaseSalary, TotalCompensation, CompaRatio (maaşın piyasa orta noktasına bölünmesiyle) ve PerformanceRating (en güncel).

Kişi sayısı anlık görüntüsü bilgi tablosu (FactHeadcountSnapshot). Departman, konum ve demografik özelliklere göre kişi sayısının aylık anlık görüntüleri. Her satır bir ay sonundaki personel sayısını temsil eder. Sütunlar SnapshotDate, Departman, Konum, Cinsiyet, Etnik Köken, ActiveCount ve FTECount'u içerir. Anlık görüntüler, çalışan boyutu yalnızca mevcut durumu yansıttığından doğru geçmiş trend analizine olanak tanır.

Olay olgu tablosu (FactHREvent). Her önemli İK olayını kaydeder. Sütunlar EventID, EmployeeID, EventDate, EventType (İşe Alma, Fesih, Terfi, Transfer, Maaş Değişikliği, İzin), FromValue (örn. önceki departman, önceki maaş), ToValue (örn. yeni departman, yeni maaş) ve Reason (istifa nedeni, terfi nedeni, transfer nedeni) içerir.

İşe alım bilgi tablosu (FactRecruitment). İş ilanından teklif kabulüne kadar işe alım sürecini izler. Sütunlar arasında RequisitionID, PostingDate, Departman, JobTitle, Source (iş ilanı panosu, yönlendirme, ajans, kariyer sayfası), ApplicationDate, CandidateName, StageID (Uygulanan, Telefon Ekranı, Röportaj, Teklif, Kabul Edildi, Reddedildi, Geri Çekildi), StageDate, HireDate ve CostIncurred yer alıyor.

Anket bilgi tablosu (FactSurvey). Çalışan bağlılığı ve memnuniyeti anketi yanıtları. Sütunlar SurveyID, EmployeeID, SurveyDate, QuestionCategory (Bağlantı, Memnuniyet, Yönetici, Büyüme, Kültür), Puan (1--5 veya 1--10) ve IsAnonymous'u içerir.

Tarih boyutu (DimDate). Mali takvim desteğiyle tüm olgu tablolarında paylaşılan standart tarih tablosu.

---

Çalışan Sayısı Eğilimleri

Aktif Çalışan Sayısı Ölçümleri

Active Headcount =
CALCULATE(
    COUNTROWS(DimEmployee),
    DimEmployee[IsActive] = TRUE()
)

Headcount End of Period =
CALCULATE(
    MAX(FactHeadcountSnapshot[ActiveCount]),
    FILTER(
        FactHeadcountSnapshot,
        FactHeadcountSnapshot[SnapshotDate] = MAX(DimDate[Date])
    )
)

FTE Count =
CALCULATE(
    SUM(FactHeadcountSnapshot[FTECount]),
    FILTER(
        FactHeadcountSnapshot,
        FactHeadcountSnapshot[SnapshotDate] = MAX(DimDate[Date])
    )
)

New Hires (Period) =
CALCULATE(
    COUNTROWS(FactHREvent),
    FactHREvent[EventType] = "Hire"
)

Terminations (Period) =
CALCULATE(
    COUNTROWS(FactHREvent),
    FactHREvent[EventType] = "Termination"
)

Net Headcount Change = [New Hires (Period)] - [Terminations (Period)]

Çalışan Sayısı Görselleştirmesi

Alan grafiği, 24 ay boyunca aylık çalışan sayısını gösterir; işe alınanlar sıfır çizgisinin üzerinde ve işten çıkarılmalar sıfır çizgisinin altında toplanır. Bu şelale tarzı görünüm, büyüme gidişatını ve işe alma ile elde tutmanın göreceli katkısını ortaya koyuyor.

Departman dökümü, zaman içinde departmana göre personel sayısını gösteren yığılmış çubuk grafik kullanılarak. Bu, hangi departmanların büyüdüğünü, küçüldüğünü veya istikrarlı olduğunu ortaya çıkarır.

Coğrafi iş gücü dağılımını gösteren bir harita görselinde konuma göre çalışan sayısı. Kabarcık boyutu kişi sayısını temsil eder. Renk, büyüme oranını temsil edebilir (büyümek için yeşil, küçülen yerler için kırmızı).

---

Yıpranma Analizi

Yıpranma Oranı Hesaplaması

Yıpranma oranı formülü aldatıcı derecede basittir ancak yanlış hesaplama, en yaygın İK analitiği hatalarından biridir.

Average Headcount =
(
    CALCULATE(MAX(FactHeadcountSnapshot[ActiveCount]),
        FILTER(FactHeadcountSnapshot,
            FactHeadcountSnapshot[SnapshotDate] = MIN(DimDate[Date])
        )
    ) +
    CALCULATE(MAX(FactHeadcountSnapshot[ActiveCount]),
        FILTER(FactHeadcountSnapshot,
            FactHeadcountSnapshot[SnapshotDate] = MAX(DimDate[Date])
        )
    )
) / 2

Attrition Rate =
DIVIDE([Terminations (Period)], [Average Headcount], 0)

Annualized Attrition Rate =
VAR MonthsInPeriod =
    DATEDIFF(MIN(DimDate[Date]), MAX(DimDate[Date]), MONTH) + 1
RETURN
    (1 - POWER(1 - [Attrition Rate], 12 / MonthsInPeriod))

Voluntary Attrition Rate =
DIVIDE(
    CALCULATE(
        COUNTROWS(FactHREvent),
        FactHREvent[EventType] = "Termination",
        FactHREvent[Reason] IN {"Resignation", "Retirement", "Personal Reasons"}
    ),
    [Average Headcount],
    0
)

Involuntary Attrition Rate =
DIVIDE(
    CALCULATE(
        COUNTROWS(FactHREvent),
        FactHREvent[EventType] = "Termination",
        FactHREvent[Reason] IN {"Performance", "Restructuring", "Misconduct"}
    ),
    [Average Headcount],
    0
)

Yıpranma Derinlemesine Görselleştirmeler

Departmana göre yıpranma (en yüksekten en düşüğe) orana göre sıralanmış bir çubuk grafik kullanılarak. Organizasyon ortalamasının üzerinde oranlara sahip departmanları vurgulayın. Bu, sorunlu noktaları anında tespit eder.

Görev süresi aralığına göre yıpranma sütun grafiği kullanılarak. Yaygın modeller arasında ilk yılda yüksek personel değişimi (işe başlama başarısızlığı), 2-3 yılda ani bir artış (kariyer gelişimindeki hayal kırıklığı) veya 5+ yılda artan personel değişimi (tükenmişlik veya durgunluk) yer alır.

Yönetici kaynaklı yıpranma en hassas ancak çoğu zaman eyleme dönüştürülmesi en kolay görünümdür. Her yöneticinin takım büyüklüğünü, işten çıkarmaları ve yıpranma oranını gösteren bir tablo, bazı yöneticilerin sürekli olarak yetenekleri elinde tuttuğunu, diğerlerinin ise sürekli olarak kaybettiğini ortaya koyuyor. Bu analizi, cezalandırıcı eylem yerine koçluk ve destek amacıyla kullanarak dikkatli bir şekilde uygulayın.

Yıpranma ısı haritası, departman ve ayı eksenlerde, renk yoğunluğu olarak yıpranma oranıyla birleştirir. Bu, mevsimsel kalıpları ortaya koyuyor (istifalar genellikle ikramiye ödemelerinin ardından Ocak ayında ve çocukların okula döndüğü Eylül ayında artış gösteriyor).

Fesih nedenlerinin dağılımını gösteren halka veya ağaç haritası grafiği kullanılarak sebep analizi. Gönüllü ayrılmaların nedenleri arasında daha iyi fırsat, tazminat, iş-yaşam dengesi, yönetici ilişkisi, kariyer gelişimi, yer değiştirme ve emeklilik sayılabilir.

Hayatta Kalma Analizi

Hayatta kalma eğrileri, bir çalışanın her görev süresi dönüm noktasında kuruluşta kalma olasılığını gösterir. Bunu, 6 aylık, 1 yıllık, 2 yıllık, 3 yıllık ve 5 yıllık elde tutma oranlarını hesaplayarak oluşturun.

Retention Rate at 1 Year =
DIVIDE(
    CALCULATE(
        COUNTROWS(DimEmployee),
        DATEDIFF(DimEmployee[HireDate], TODAY(), MONTH) >= 12,
        OR(DimEmployee[IsActive] = TRUE(),
           DATEDIFF(DimEmployee[HireDate], DimEmployee[TerminationDate], MONTH) >= 12)
    ),
    CALCULATE(
        COUNTROWS(DimEmployee),
        DATEDIFF(DimEmployee[HireDate], TODAY(), MONTH) >= 12
    ),
    0
)

Hangi popülasyonların en fazla ve en az istikrarlı olduğunu belirlemek için hayatta kalma eğrilerini departmana, iş düzeyine veya işe alım kaynağına göre bölümlere ayırın.

---

Çeşitlilik ve Katılım Metrikleri

Temsil Kontrol Paneli

Çeşitlilik ölçümleri hem bilgilendirici hem de saygılı olacak şekilde dikkatli bir tasarım gerektirir. Toplu verileri görüntüleyin, asla bireysel düzeydeki demografik ayrıntıları görüntüleyin.

Cinsiyet temsili, departmana ve iş düzeyine göre cinsiyet dağılımını gösteren yığılmış çubuk grafik kullanılarak yapılmıştır. Kritik içgörü, genel cinsiyet dengesi değil, üst düzeylerde temsilin değişip değişmediğidir ("kırık basamak" veya "cam tavan" analizi).

Benzer yığılmış çubukların kullanıldığı Etnik temsil. Kuruluşunuzun demografik özelliklerini, konumlarınız ve sektörleriniz için ilgili işgücü piyasası karşılaştırmalarıyla karşılaştırın.

Gender Ratio (Female) =
DIVIDE(
    CALCULATE(COUNTROWS(DimEmployee), DimEmployee[Gender] = "Female", DimEmployee[IsActive] = TRUE()),
    CALCULATE(COUNTROWS(DimEmployee), DimEmployee[IsActive] = TRUE()),
    0
)

Diversity Index =
-- Simpson's Diversity Index: probability that two randomly selected employees are from different groups
1 - SUMX(
    VALUES(DimEmployee[Ethnicity]),
    VAR GroupCount = CALCULATE(COUNTROWS(DimEmployee), DimEmployee[IsActive] = TRUE())
    VAR TotalCount = CALCULATE(COUNTROWS(DimEmployee), DimEmployee[IsActive] = TRUE(), ALL(DimEmployee[Ethnicity]))
    RETURN POWER(DIVIDE(GroupCount, TotalCount, 0), 2)
)

Kesişme Analizi

Toplu cinsiyet veya etnik köken analizi tek başına eşitsizlikleri maskeleyebilir. Kesişimsel analiz, kombinasyonları inceler; örneğin, mühendislikte kadınların yıpranma oranı, mühendislikte erkeklerin yıpranma oranı veya yönetici düzeyinde yeterince temsil edilmeyen azınlıkların azınlık olmayanlara karşı terfi oranı.

Satırlarda demografik özelliklerin, sütunlarda ise metriklerin (yıpranma oranı, terfi oranı, ortalama görev süresi, ortalama ücret) yer aldığı bir matris görseli oluşturun. Koşullu biçimlendirme istatistiksel olarak anlamlı farklılıkları vurgular.

Çeşitlilik Boru Hattı

Çalışan yaşam döngüsünün her aşamasında çeşitliliği takip edin. Başvuranların, görüşülenlerin, tekliflerin, işe alımların, terfilerin ve işten çıkarılmaların yüzde kaçı her bir demografik gruba aittir? Bu yüzdeleri gösteren bir huni, çeşitliliğin nerede kaybolduğunu ortaya koyuyor. Başvuru sahibi havuzunuzun %45'i kadın ancak işe alım oranınızın %30'u kadınsa, eleme veya mülakat sürecinde araştırmaya değer önyargılar olabilir.

---

Ücret Analizi

Ödeme Eşitliğine Genel Bakış

Average Salary =
CALCULATE(
    AVERAGE(DimEmployee[BaseSalary]),
    DimEmployee[IsActive] = TRUE()
)

Average Total Comp =
CALCULATE(
    AVERAGE(DimEmployee[TotalCompensation]),
    DimEmployee[IsActive] = TRUE()
)

Compa-Ratio Average =
CALCULATE(
    AVERAGE(DimEmployee[CompaRatio]),
    DimEmployee[IsActive] = TRUE()
)

Salary Range Penetration =
-- How far through the salary range the employee has progressed
DIVIDE(
    AVERAGE(DimEmployee[BaseSalary]) - MIN(DimPayBand[RangeMinimum]),
    MAX(DimPayBand[RangeMaximum]) - MIN(DimPayBand[RangeMinimum]),
    0
)

Ücret Farkı Analizi

Ücret farkı analizi, demografik gruplar arasındaki ücretlendirmeyi karşılaştırır. Ham (düzeltilmemiş) ücret farkı ortalama maaşları karşılaştırır. Düzeltilmiş ücret farkı meşru faktörleri (iş seviyesi, görev süresi, performans, konum) kontrol eder ve potansiyel önyargıya atfedilebilen kalan farkı ortaya çıkarır.

Power BI, regresyona dayalı ücret eşitliği analizinin çıktısını görselleştirebilir. Regresyon modelinin kendisi genellikle Python, R veya özel bir ücretlendirme analitiği aracında oluşturulur. Model sonuçlarını (tahmini maaş, fiili maaş, kalan) Power BI'a aktarın.

Görselleştirme: Demografik gruba göre renklendirilmiş, X ekseninde tahmini maaşı ve Y ekseninde gerçek maaşı gösteren bir dağılım grafiği. Çapraz çizginin üzerindeki noktalara, modelin öngördüğü tutarın üzerinde ödeme yapılır; aşağıdaki puanlar daha az ödenir. Çizginin altındaki belirli bir demografik grubun kümelenmesi, potansiyel ücret eşitsizliğini gösterir.

Ücret Dağılımı

Departman ve iş düzeyine göre maaş dağılımını gösteren kutu grafiği veya keman grafiği. Bunlar, ücretlendirmenin sıkı bir şekilde kümelenip kümelenmediğini (tutarlı ücret uygulamaları) veya geniş bir alana yayılıp yayılmadığını (potansiyel tutarsızlık) ortaya koymaktadır. Aykırı değerler elde tutma riskini (eksik ödeme) veya fazla ödeme durumlarını gösterebilir.

---

İşe Alım Hunisi Analizi

Huni Metrikleri

Applications =
CALCULATE(
    COUNTROWS(FactRecruitment),
    FactRecruitment[StageID] = "Applied"
)

Screen Rate =
DIVIDE(
    CALCULATE(COUNTROWS(FactRecruitment), FactRecruitment[StageID] = "Phone Screen"),
    [Applications],
    0
)

Interview Rate =
DIVIDE(
    CALCULATE(COUNTROWS(FactRecruitment), FactRecruitment[StageID] = "Interview"),
    CALCULATE(COUNTROWS(FactRecruitment), FactRecruitment[StageID] = "Phone Screen"),
    0
)

Offer Rate =
DIVIDE(
    CALCULATE(COUNTROWS(FactRecruitment), FactRecruitment[StageID] = "Offer"),
    CALCULATE(COUNTROWS(FactRecruitment), FactRecruitment[StageID] = "Interview"),
    0
)

Offer Acceptance Rate =
DIVIDE(
    CALCULATE(COUNTROWS(FactRecruitment), FactRecruitment[StageID] = "Accepted"),
    CALCULATE(COUNTROWS(FactRecruitment), FactRecruitment[StageID] = "Offer"),
    0
)

Time to Fill =
AVERAGEX(
    FILTER(FactRecruitment, FactRecruitment[StageID] = "Accepted"),
    DATEDIFF(FactRecruitment[PostingDate], FactRecruitment[HireDate], DAY)
)

Cost per Hire =
DIVIDE(
    SUM(FactRecruitment[CostIncurred]),
    CALCULATE(COUNTROWS(FactRecruitment), FactRecruitment[StageID] = "Accepted"),
    0
)

Kaynak Etkinliği

Başvurular, işe alımlar, işe alım başına maliyet, doldurma süresi ve 1 yıllık elde tutma oranı sütunlarıyla birlikte her bir işe alım kaynağını (LinkedIn, Indeed, yönlendirme, ajans, kariyer sayfası, üniversite) gösteren bir matris görseli, hangi kaynakların en iyi yeteneği en verimli şekilde sunduğunu ortaya çıkarır.

İşe alım kalitesi nihai işe alım ölçütüdür. Her kaynaktan işe alınanların performans derecelendirmesini, terfi oranını ve elde tutma oranını takip ederek bunu ölçün. Bir yıl içinde ayrılan ucuz ve hızlı işe alınan kişileri sağlayan bir kaynak, uzun süreli yüksek performans gösterenleri üreten pahalı bir kaynaktan daha az değerlidir.

İşe Alım Kontrol Paneli Düzeni

İşe alım sayfasında, aşamalar arasındaki dönüşüm oranlarını, açık talepler için KPI kartlarını, ortalama doldurma süresini, işe alım başına maliyeti ve teklif kabul oranını gösteren bir huni görselleştirmesi, bir kaynak etkinliği tablosu ve açık taleplere ve geçmiş doluluk oranlarına dayalı bir tahminle zaman içindeki işe alım hacmini gösteren bir trend çizgisi bulunmalıdır.

---

Katılım ve Memnuniyet

Anket Analizi

Average Engagement Score =
CALCULATE(
    AVERAGE(FactSurvey[Score]),
    FactSurvey[QuestionCategory] = "Engagement"
)

eNPS =
-- Employee Net Promoter Score
VAR Promoters =
    CALCULATE(COUNTROWS(FactSurvey), FactSurvey[Score] >= 9, FactSurvey[QuestionCategory] = "Engagement")
VAR Detractors =
    CALCULATE(COUNTROWS(FactSurvey), FactSurvey[Score] <= 6, FactSurvey[QuestionCategory] = "Engagement")
VAR Total =
    CALCULATE(COUNTROWS(FactSurvey), FactSurvey[QuestionCategory] = "Engagement")
RETURN
    DIVIDE(Promoters - Detractors, Total, 0) * 100

Etkileşim-Yıpranma Korelasyonu

İnsan analitiğindeki en güçlü analiz, katılım puanları ile sonraki yıpranma arasındaki ilişkidir. Bir eksende katılım puanı, diğer eksende ise takip eden çeyrekteki yıpranma oranı ile departmanları veya ekipleri gösteren bir görselleştirme oluşturun. Güçlü bir negatif korelasyon, bağlılık anketlerinin ciroyu tahmin ettiğini doğrulayarak bağlılığı, İK'nın yıpranma meydana gelmeden önce harekete geçebileceği öncü bir gösterge haline getiriyor.

Anket Trend Analizi

Birden fazla anket yönetimindeki (üç aylık veya yıllık) katılım puanlarını izleyin. Kategori düzeyindeki eğilimleri (Bağlantı, Yönetici İlişkisi, Büyüme Fırsatı, Ücret Memnuniyeti, Kültür) gösteren bir çizgi grafik, çalışan deneyiminin hangi yönlerinin iyileştiğini veya kötüleştiğini ortaya koyar.

---

Veri Gizliliği ve Güvenliği

Hassas Veri İşleme

İK verileri herhangi bir kuruluştaki en hassas veriler arasındadır. Sağlam güvenlik önlemleri uygulayın.

Satır düzeyinde güvenlik, kuruluş birimine göre veri erişimini kısıtlar. İK iş ortakları yalnızca kendilerine atanan departmanları görür. Yöneticiler raporlama hiyerarşilerini görürler. CHRO ve İK analiz ekibi her şeyi görüyor. Kullanıcı kimliklerini kuruluş birimlerine bağlayan bir güvenlik eşleme tablosuyla birlikte, finansal gösterge tablosu kılavuzunda açıklanan modeli kullanarak RLS'yi uygulayın.

Toplama eşikleri. 5 çalışandan küçük gruplara ilişkin demografik verileri asla görüntülemeyin. "Finans departmanında Asya kategorisinde 1 çalışan"ı gösteren çeşitlilik dökümü, bir kişiyi etkili bir şekilde tanımlar. Küçük grupları baskılayan DAX önlemleri oluşturun.

Suppressed Count =
VAR RawCount = COUNTROWS(DimEmployee)
RETURN IF(RawCount < 5, BLANK(), RawCount)

Veri sınıflandırması. Power BI Hizmetinde panoyu gizli olarak etiketleyin. Dışa aktarma ve indirme izinlerini kısıtlayın. Erişim günlüklerini düzenli olarak denetleyin.

---

Sıkça Sorulan Sorular

Hangi HRIS sistemleri Power BI ile iyi bir şekilde entegre olur?

Workday, SAP SuccessFactors, BambooHR, ADP, UKG (Ultimate Kronos Group) ve Oracle HCM Cloud'un tümü, API'ler, veri aktarımları veya özel bağlayıcılar aracılığıyla Power BI entegrasyon seçeneklerine sahiptir. Power BI, e-tablo tabanlı İK kayıtları kullanan daha küçük kuruluşlar için doğrudan Excel dosyalarına veya Google E-Tablolar'a bağlanır. En sağlam yaklaşım, HRIS verilerini günlük bir programa göre bir veri ambarına (Azure SQL, Snowflake) çıkarmak ve ardından Power BI'ı ambara bağlamaktır.

Departmanlar arasında geçiş yapan çalışanlarla nasıl ilgilenirim?

Aktarımları ayrı olaylar olarak izlemek için olay olgu tablosunu kullanın. Personel sayısı anlık görüntüsü tablosu, zamanın her noktasında doğru departman atamasını yakalar. Departman bazında yıpranmayı hesaplarken, yıpranmayı çalışanın ayrıldığı departmana mı yoksa işten çıkarıldığında bulunduğu departmana mı atfedeceğinize karar verin. Endüstri standardı, fesih sırasındaki departmandır.

Sağlıklı bir çalışanın işten ayrılma oranı nedir?

Sektör ortalamaları önemli ölçüde farklılık göstermektedir. Teknoloji şirketleri genellikle yıllık %15-20 oranında gönüllü yıpranmayla karşılaşıyor. Sağlık ve perakende ise %20-30'u görüyor. Hükümet ve eğitim %5-10'u görüyor. Yararlı bir karşılaştırma, oranınızı kendi sektörünüz ve coğrafyanızla karşılaştırmaktır. Mutlak orandan daha önemli olan, trendin yönü ve yıpranmanın yüksek performans gösteren çalışanlarda mı yoğunlaştığı yoksa eşit olarak mı dağıtıldığıdır.

Power BI çalışan kaybını tahmin edebilir mi?

Power BI, tahmine dayalı modeller tarafından oluşturulan yıpranma riski puanlarını görselleştirebilir ancak tahminin kendisi en iyi şekilde Python (scikit-learn), R veya Azure Machine Learning'de oluşturulur. Tipik tahmin özellikleri arasında görev süresi, son performans derecelendirmesi değişikliği, pazara göre ücretlendirme, yönetici görev süresi, işe gidip gelme mesafesi ve katılım anketi puanları yer alır. Model, her çalışan için Power BI'ın İK'nın harekete geçebileceği bir risk ısı haritası veya sıralı liste olarak görüntülediği bir risk puanının çıktısını verir.

İK kontrol panelleri ne sıklıkla yenilenmelidir?

Çoğu İK ölçümü için haftalık yenileme yeterlidir. Çalışan sayısı, yıpranma ve çeşitlilik verileri dakikadan dakikaya değişmez. İşe alım gösterge tabloları, aktif işe alım dönemleri sırasında günlük olarak yenilenme özelliğinden yararlanır. Katılım kontrol panelleri her anket yönetiminden sonra yenilenir. Bunun istisnası, günlük ve hatta gerçek zamanlı personel sayısının görünürlüğünün gerekli olabileceği yeniden yapılandırma veya birleşme ve satın alma etkinlikleri sırasındaki iş gücü planlamasıdır.

Veri gizliliği düzenlemelerine (GDPR, CCPA) uygunluğu nasıl sağlarım?

Veri minimizasyonunu uygulayın --- yalnızca analiz için gerekli veri alanlarını ekleyin. Yalnızca yetkili personelin hassas verilere erişebilmesi için RLS'yi titizlikle uygulayın. Bireysel tanımlamayı önlemek için küçük grupları bir araya getirin. Veri işleme amaçlarınızı ve yasal dayanağınızı belgeleyin. Panoya kimin ne zaman eriştiğini izlemek için Power BI Hizmetinde denetim günlüğünü etkinleştirin. GDPR'ye tabi kuruluşlar için, çalışan onayının analiz kullanımını kapsadığından veya işlemenin uygun önlemlerle meşru menfaat kapsamına girdiğinden emin olun.

---

Profesyonel İK Analitiği Geliştirme

İşgücü analitiği, İK'yı bir maliyet merkezinden stratejik bir fonksiyona dönüştürür. Ancak İK liderlerinin hassas iş gücü kararlarında güvendiği bir kontrol paneli oluşturmak, hem Power BI hem de insan sermayesi ölçümlerinde uzmanlık gerektirir.

ECOSIRE'ın Power BI hizmetleri, İK ve kişi analitiği için pano geliştirmeyi, karmaşık HRIS entegrasyonu için veri modellemeyi ve ilk kişi analitiği yeteneklerini geliştiren kuruluşlar için uygulama hizmetlerini içerir.

---

İnsan analitiği, insan muhakemesini algoritmalarla değiştirmekle ilgili değildir. Bu, İK liderlerine daha iyi kararları daha hızlı alabilmeleri için kanıt temeli sağlamakla ilgilidir. İstifa mektubu gelmeden önce yıpranma riski görünür olduğunda, ücret eşitliği boşlukları dava edilmeden önce ölçülürse ve katılım eğilimleri kültür krizlerine dönüşmeden önce takip edilirse, İK fonksiyonu reaktiften stratejikliğe geçer. Bu değişim doğru gösterge paneliyle başlar.