İK analitiğine hazırlık: çalışan verisini toplamak ve temizlemek

Neden İK verisi temizlenmeden analiz edilmez?

İK verisi, tek bir sistemden gelmez. İşe alım başvuruları bir sistemde, bordro bir başka yerde, performans değerlendirmeleri başka bir uygulamada, eğitim kayıtları bir tabloda, çalışan anketleri ise ayrı bir araçta tutulur. Bu kaynakların her biri kendi alan adlarını, tarih biçimini ve departman yazımını kullanır. Ham hâlde birleştirilen veri, yanlış devir hızı, çifte sayılmış çalışan ya da eksik performans kaydı gibi sonuçlar üretir.

Analizin kalitesi, kullanılan algoritmadan önce verinin kalitesine bağlıdır. Doğru kurulmuş bir temizleme süreci, aynı raporu her ay yeniden üretmeyi de mümkün kılar. Hedef, tek seferlik bir temizlik değil, tekrarlanabilir bir veri hazırlama akışı kurmaktır.

Önce veri haritasını çıkarın

Önce hangi sorunun yanıtlanacağını yazın: örneğin "hangi departmanda gönüllü ayrılış artıyor?" Sonra bu soru için gereken veriyi ve nerede durduğunu bir veri haritasında listeleyin. Harita sütunları: veri alanı, kaynak sistem, sorumlu kişi, güncellenme sıklığı, anahtar alan, gizlilik düzeyi.

Örneğin ayrılış analizi için çalışan ana kaydı (işe giriş ve çıkış tarihi, departman, görev), ayrılış nedeni kaydı, performans değerlendirmesi ve ücret grubu gerekebilir. Haritayı çıkarırken her kaynakta çalışanı ortak biçimde tanımlayan bir anahtar alan arayın; çoğunlukla sicil numarasıdır. Anahtar alan yoksa ya da farklı sistemlerde farklı biçimde tutuluyorsa birleştirme baştan sorunlu olur ve bu, önce çözülmesi gereken konudur.

Metrik tanımlarını sabitleyin

Temizlemeden önce metriklerin tanımı yazılmalıdır. "Çalışan sayısı" kimleri sayar: sözleşmeli, stajyer, uzun izindekiler dahil mi? "Ayrılış" gönüllü ve gönülsüz ayrılışları ayırıyor mu? "Dönem sonu" hangi tarih? Tanım değişirse sonuç değişir; farklı raporlarda farklı tanım kullanılırsa yöneticiler çelişkili sayılar görür ve veriye güveni kaybeder.

Bu tanımları kısa bir veri sözlüğüne yazın: alan adı, anlamı, olası değerler, kimin güncellediği. Veri sözlüğü, yeni bir analist geldiğinde de sürekliliği sağlar. Sözlükteki kategorik alanlar için (departman, unvan, ayrılış nedeni) izin verilen değerlerin listesini de tutun; temizleme sırasında her değer bu listeye karşılık getirilecektir.

Tipik veri sorunlarını bulun ve düzeltin

İK verilerinde sık karşılaşılan sorunlar ve çözümleri:

• Mükerrer kayıt: aynı çalışan tekrar tekrar girilmiş. Anahtar alana göre tekrarları bulun; hangisinin güncel olduğuna karar verip diğerini silmek yerine işaretleyin.
• Tutarsız yazım: "Satış", "satis", "SATIŞ DEPT" gibi aynı departmanın farklı yazımları. Veri sözlüğündeki listeye eşleyin.
• Tarih biçimi: gün ve ay sırası karışmış ya da metin olarak tutulan tarihler. Tek biçime çevirin ve işe giriş tarihinin çıkış tarihinden önce olduğunu doğrulayın.
• Eksik değer: boş bırakılmış alanlar. Boşluğun gerçekten bilgi eksikliği mi (ayrılış nedeni girilmemiş) yoksa uygulanamaz bir durum mu (hâlâ çalışan için çıkış tarihi) olduğunu ayırın.
• Aykırı değer: imkânsız ya da şüpheli görünen kayıtlar. Örneğin gelecekte bir işe giriş tarihi ya da çok uç bir kıdem süresi. Hata mı gerçek mi diye kaynağa sorun.
• Birim farkı: kaynaklar arasında farklı para birimi ya da çalışma saati tanımı.

Excel kullanıyorsanız yinelenenleri kaldırma aracı, filtre ve koşullu biçimlendirme ilk taramada işe yarar. Düzeltmeleri ham veriyi bozmadan, ayrı bir sayfada ya da sorgu adımları olarak yapmak, işlemi izlenebilir kılar.

Kaynakları birleştirin ve doğrulayın

Temiz kaynakları anahtar alanla birleştirirken her birleştirmeden sonra kontrol yapın: satır sayısı beklenenle uyuşuyor mu, eşleşmeyen kayıtlar var mı, çalışan bir kaynakta var ama diğerinde yoksa neden? Eşleşmeyen kayıtların listesi çoğu zaman veri süreci sorunlarını (yeni giren çalışanın bordroya geç yansıması gibi) gösterir.

Birleştirilmiş tabloda akıl sağlığı kontrolleri uygulayın: toplam çalışan sayısı İK ana kaydıyla tutuyor mu, departman toplamları genel toplama eşit mi, ay ay çalışan sayısı mantıksız sıçrama yapıyor mu? Bir sonraki aşamaya geçmeden bu kontrolleri bir kontrol listesine yazın. Aynı liste her ay çalıştırıldığında verideki bozulma erken fark edilir.

Gizlilik: KVKK ve veri minimizasyonu

İK verisi kişisel veridir ve bir kısmı özel nitelikli olabilir: sağlık, sendika üyeliği, engellilik gibi bilgiler. Analiz için gerekli olmayan alanları toplamamak ya da çıkarmak, ilk korumadır. Analizde çalışan adı yerine sicil numarası ya da takma bir kimlik kullanın ve ad-soyad eşleme tablosunu ayrı, erişimi kısıtlı bir yerde tutun.

Küçük gruplarda (örneğin tek kişilik bir ekip) ortalamalar bireyi ele verebilir; raporlarda çok küçük grupları birleştirerek göstermek yaygın bir önlemdir. Verinin kimlerle paylaşıldığını, hangi amaçla ve ne kadar süre saklandığını İK, bilgi güvenliği ve hukuk birimleriyle birlikte belirleyin. Bu konudaki yükümlülükler için güncel mevzuat ve kurumun politikaları esas alınmalıdır.

Süreç olarak kurmak ve Mindset bağlamı

Temizliği her seferinde elle yapmak yerine adımları kaydedilebilir hale getirin: bir hesap tablosunda sayfa sırası, ya da bir veri hazırlama aracında kaydedilmiş sorgu adımları. Kaynakta tekrar eden hataları (örneğin serbest metin giriş alanları) kaynakta çözün: açılır liste, zorunlu alan ya da doğrulama kuralı eklemek, aşağı akıştaki işi azaltır.

Mindset'in İK Analitiği ve People Analytics programında "İK Verilerinin Toplanması ve Temizlenmesi" ayrı bir modüldür; olgunluk modeli, temel metrikler ve tahmine dayalı analitikle birlikte işlenir. Excel ile İK Analitiği programı ise veri haritasından devir hızı, işe alım ve eğitim etkisi analizlerine ve pano otomasyonuna kadar tablo tabanlı uygulamayı kapsar. People Analytics programı kurumsal veri altyapısını kuran İK analitiği ekipleri için, Excel programı ise veriyi çoğunlukla tablolarla yöneten İK uzmanları için daha uygundur.