La preparazione della forza lavoro inizia con la visibilità delle competenze.

Se chiedi alla maggior parte dei responsabili HR se la loro azienda sta creando una forza lavoro adattiva, ti risponderanno di sì. Se chiedi loro se sanno, in questo preciso momento, cosa sa fare effettivamente la loro forza lavoro, rispondere diventa già più difficile. Perché la preparazione della forza lavoro è complicata.

Ma la domanda "Sai veramente cosa può fare il tuo personale oggi?" raramente riceve l'attenzione diretta che merita.

La visibilità sulla forza lavoro è la prima funzionalità da cui dipende una forza lavoro adattiva e, per la maggior parte delle aziende, è anche la base più instabile sulla quale stanno costruendo.

C'è un momento che la maggior parte dei responsabili HR conosce bene. Un'iniziativa strategica si blocca e qualcuno nella stanza chiede se l'azienda dispone del personale per portarla a termine. Tu credi di sì, ma quando cerchi di provarlo, non disponi dei dati necessari. Invece, troverai ruoli, registri di corsi completati e, magari, una valutazione delle competenze risalente all'anno precedente che metà della forza lavoro non ha mai compilato. L'azienda finisce così per ricorrere ad assunzioni esterne. Passano i mesi, l'opportunità sfuma e, in qualche reparto dell'azienda, tre persone che avrebbero potuto fare quel lavoro si sentono invisibili e iniziano a cercare altrove.

Si tratta di un fallimento nella gestione dei dati, mascherato da fallimento della strategia di gestione dei talenti. Fino a quando le aziende avranno questo approccio, ogni iniziativa di sviluppo delle competenze, ogni marketplace dei talenti e ogni programma di mobilità interna non raggiungerà mai gli esiti attesi, perché le fondamenta non sono state create per supportare le decisioni richieste.

Il problema della fiducia che si ripropone continuamente

Le strategie di gestione dei talenti basate sulle competenze tendono a fallire in un modo molto specifico. È raro che crollino improvvisamente. Piuttosto, perdono credibilità silenziosamente e il meccanismo è quasi sempre lo stesso.

Un responsabile chiede chi ha esperienza di architettura cloud. Il sistema restituisce un lungo elenco. Parte di questo personale ha completato la formazione due anni fa. Alcuni hanno gestito sistemi di produzione per sei mesi. Il responsabile non riesce a cogliere le differenze, quindi esita, e l'esitazione non è una forma di resistenza. I dati semplicemente non sono sufficienti per prendere la decisione richiesta.

Un team di formazione avvia un programma strategico di aggiornamento professionale. Sei mesi dopo non sembra che le lacune siano state colmate. Il sistema registra i completamenti dei corsi invece delle capacità acquisite: il dato sembra positivo mentre il risultato non lo è.

Un Talent Marketplace individua i candidati interni per un nuovo ruolo, ma i manager ignorano le raccomandazioni perché non capiscono i criteri con cui i candidati sono stati abbinati alla posizione. L'adozione rallenta. La piattaforma rimane tecnicamente attiva ma operativamente irrilevante.

Da fuori, non si può dire che qualcosa palesemente non funzioni. Gli strumenti funzionano e le dashboard sono aggiornate. Ma il modello di dati sottostante non supporta le decisioni che vengono prese sulla base di esso, quindi le persone compensano questa lacuna. Si affidano alla loro memoria, si fidano delle reti personali e convalidano le scelte con colloqui informali, non perché siano ostili agli approcci basati sulle competenze, ma perché i dati non sono mai sufficientemente affidabili da sostituire il loro giudizio.

Questo è il problema di fiducia alla base della visibilità della forza lavoro, e tende a persistere finché le aziende non comprendono cosa siano effettivamente i dati delle competenze e non creano la loro infrastruttura attorno a questa realtà, anziché a ciò che è conveniente acquisire.

Cosa rende i dati sulle competenze più difficili da acquisire rispetto a qualsiasi altro tipo di dato aziendale?

La causa principale di questo problema è un errore di categoria: riconoscerlo cambia completamente l'approccio alla soluzione.

La maggior parte dei dati aziendali descrive fatti. Viene elaborato un pagamento, viene spedito un articolo, viene firmato un contratto. Questi sono eventi deterministici che si sono verificati oppure no. Vengono registrati una volta e valgono per sempre. Le competenze sono tutta un'altra cosa. Si tratta di valutazioni probabilistiche, inferenze derivate da prove frammentarie piuttosto che da fatti che possono essere semplicemente registrati.

Pensa a cosa significa realmente affermare che qualcuno ha competenze di architettura cloud. Per quali piattaforme? Qual è il livello di competenza? Quanto è aggiornato? Che cosa dimostra la sua preparazione? Potresti rispondere che ha completato una certificazione 14 mesi fa, ha lavorato su una parte diversa dell'infrastruttura tecnologica negli ultimi 5 mesi e recentemente ha chiesto aiuto a un collega per un problema di configurazione. Una deduzione ragionevole da questi segnali indica una padronanza moderata delle implementazioni cloud standard, in fase calante, e una minore conoscenza del lavoro di architettura avanzato. Ma la maggior parte dei sistemi memorizza un solo valore: architettura cloud, presente.

Questo è estremamente importante per la preparazione della forza lavoro. Una forza lavoro adattiva dipende dal sapere non solo se una competenze esiste nell'azienda, ma quanto sia aggiornata, quanto sia approfondita ed esattamente dove risiede. Un registro delle competenze che non riesce a rispondere a queste domande fornisce un falso senso di visibilità anziché informazioni approfondite reali, e le decisioni prese su tali basi tendono ad aggravare il problema anziché risolverlo.

Povertà dei dati sul lavoro: perché la maggior parte delle capacità dimostrate non si trasforma mai in dati utilizzabili

Anche se i sistemi sono stati creati per gestire bene i dati probabilistici, esiste un problema strutturale più profondo. La maggior parte delle organizzazioni semplicemente non ha contezza di quale sia il lavoro effettivo svolto dal personale.

Pensa a un product manager che porta avanti la tua iniziativa più strategica per diciotto mesi. Dove sono le prove della sua effettiva capacità in tempo reale? Il suo lavoro strategico risiede in uno strumento, le roadmap in un altro, le ricerche degli utenti in un terzo, il coordinamento dei soggetti coinvolti è sparso tra e-mail e chat. Ogni sistema contiene un frammento, nessuno ha un quadro completo e non esiste un meccanismo per sintetizzare questi frammenti quando qualcuno chiede chi dovrebbe guidare il prossimo verticale di un prodotto importante.

Facciamo un paragone con la finanza, dove ogni transazione è acquisita istantaneamente nell'ERP, o con le vendite, dove ogni interazione è registrata nel CRM. In entrambi i settori, il segnale della capacità esiste e viene acquisito sistematicamente. Nella forza lavoro, il lavoro viene svolto, viene creato valore e vengono dimostrate le capacità. Tuttavia, quasi nessuno di questi elementi diventa un dato strutturato e utilizzabile. I sistemi sono stati progettati per gestire il lavoro anziché generare i segnali di capacità da cui dipendono le decisioni sulla forza lavoro.

Questo si intende per povertà di dati di lavoro. Si tratta di una realtà architetturale che si trova alla base di ogni iniziativa di visibilità della forza lavoro attuata da un'azienda, ed è questo il motivo per cui il passaggio a una forza lavoro adattiva richiede un approccio diverso rispetto a ciò che viene acquisito e come, invece di migliorare semplicemente la reportistica rispetto a ciò che già esiste.

Le organizzazioni che hanno ottenuto una visibilità reale sulla forza lavoro hanno affrontato il problema direttamente. Ricavano informazioni sulle competenze dalle attività di lavoro e di formazione, invece di aspettare auto-valutazioni o cicli formali di valutazione. Considerano il quadro delle competenze come qualcosa che si aggiorna continuamente, perché aggiornarlo annualmente significa che ogni decisione presa nel frattempo si basa su una fotografia della forza lavoro ormai superata.

Perché dati inadeguati sulle competenze minano la forza lavoro adattiva sotto ogni aspetto

Quando un'iniziativa strategica o un programma di trasformazione si blocca, si tende a dare la colpa alla tecnologia o alla gestione del cambiamento. Il problema più frequente è l'incertezza sulla capacità: le aziende investono in piattaforme e strumenti senza sapere se esista effettivamente al loro interno il personale necessario per utilizzarli, crearli o guidarli. Dati migliori sulle funzionalità modificano questa situazione in modo diretto. I talenti interni diventano visibili prima che vengano presi impegni, e si possono distinguere i divari di competenze reali da capacità adiacenti che possono essere sviluppate rapidamente. Spesso è proprio questa distinzione che fa la differenza fra trasformazione riuscita e un costoso progetto pilota.

Una situazione analoga si osserva nell'assegnazione del personale ai progetti. Quando i dati sulle capacità sono accurati e aggiornati, i ruoli critici si coprono più rapidamente, le persone giuste trovano il lavoro giusto e le assunzioni esterne diventano una scelta ponderata e meno istintiva. Quando l'affidabilità dei dati è bassa, i costi si accumulano silenziosamente. Le assunzioni esterne ricoprono ruoli che avrebbero potuto essere ricoperti da candidati interni. Collaboratori esterni coprono la domanda che è sempre esistita all'interno dell'azienda. E il personale competente che si sente ignorato inizia a cercare altrove, portando via con sé competenze di cui l'azienda non si è mai resa conto di disporre.

L'investimento in formazione è l'aspetto in cui il divario diventa particolarmente frustrante. La maggior parte delle aziende ha aumentato la spesa nello sviluppo dei dipendenti rispetto al passato. Tuttavia, senza dati di riferimento precisi sulle capacità, i programmi sono spesso concepiti per colmare lacune ipotetiche invece che reali. Una questione su cui vale la pena soffermarsi è se sia realmente possibile misurare l'efficacia delle attività di formazione. Senza quella base di riferimento, migliorare la risposta è davvero impensabile e l'investimento continua a crescere senza sapere quali saranno i risultati.

La mobilità interna è forse il sintomo più evidente. I dipendenti che potrebbero ricoprire un ruolo non emergono mai. I manager non sanno chi considerare. Il marketplace dei talenti propone un abbinamento che viene ignorato perché la logica non è trasparente. I dati verificati sulle competenze rendono invece visibile e plausibile quell'abbinamento, trattenendo una persona che altrimenti se ne andrebbe per cogliere opportunità che non sapeva esistessero all'interno dell'azienda, e riducendo gli attriti causati da assunzioni esterne.

Nel loro complesso, i divari descrivono un'organizzazione che sta cercando di essere adattiva senza la visibilità necessaria per esserlo.

Come i responsabili HR possono riposizionare i dati sulle competenze come infrastruttura dell'impresa

Per troppo tempo si è pensato alle competenze come a una questione di esclusiva pertinenza delle HR: una visione fuorviante che oggi presenta il conto. Quando un'iniziativa HR dà scarsi risultati, le HR si assumono la responsabilità del fallimento. Il budget viene tagliato, il programma perde priorità e il problema sottostante legato alla gestione dei dati continua a esistere.

I dati sulla capacità della forza lavoro rientrano in una categoria completamente diversa. Si tratta di infrastrutture aziendali che risiedono casualmente nell'ambito delle HR, occupando lo stesso livello dei sistemi ERP, CRM e di gestione della supply chain. La finanza si basa sull'ERP. Le vendite si basano sul CRM. La supply chain si affida a dashboard operative integrate. La forza lavoro dovrebbe basarsi su dati verificati e dinamici delle capacità e merita lo stesso livello di attenzione agli investimenti, rigore architetturale e titolarità interfunzionale che contraddistingue gli altri sistemi.

Il responsabile HR che propone questo scenario, che posiziona i dati sulle capacità come infrastruttura aziendale e che invita il CIO e il CFO a condividere le responsabilità dell'iniziativa cambia sia il dibattito sia l'esito. La tecnologia non deve essere per forza nuova. Quello che cambia è che il contesto finalmente è adeguato alla posta in gioco.

È qui che anche il quadro più ampio della forza lavoro adattiva diventa rilevante. La visibilità della forza lavoro alimenta l'infrastruttura che trasforma l'analisi in azioni concrete, e tale infrastruttura fornisce il suo pieno valore solo quando una cultura dell'attivazione assicura che i manager utilizzino effettivamente ciò che il sistema propone. L'acquisizione corretta dei dati è il punto di partenza dell'intero sistema, e lo schema per la forza lavoro adattiva mostra come la visibilità, le infrastrutture e la cultura si rafforzano a vicenda una volta che le basi sono state opportunamente gettate.

Sviluppare l'analisi della forza lavoro caso per caso

Le trasformazioni delle competenze globali e calate dall'alto tendono a fallire per un motivo prevedibile. Richiedono all'organizzazione di accordarsi su tutto prima di fare qualsiasi mossa. Le discussioni sulla tassonomia si protraggono per mesi. La resistenza al cambiamento aumenta. L'iniziativa si arena prima che venga migliorata anche una sola decisione.

È meglio partire pensando più in piccolo.

Il successo deriva da applicazioni mirate, realizzate caso per caso, dove ognuna dimostra il proprio valore, crea fiducia nei dati e getta le fondamenta su cui costruire la successiva. Il primo caso d'uso giusto dovrebbe collocarsi a metà strada fra importanza strategica e problemi tangibili: un programma di trasformazione che subisce continui ritardi, un'iniziativa di crescita bloccata da carenze di talenti, costi per collaboratori esterni in continuo aumento perché le capacità interne non sono visibili alle persone che potrebbero riassegnarle. Più alta è la posta in gioco per l'azienda e più misurabile è il costo attuale, più convincenti sono le argomentazioni per un confronto sugli investimenti.

Una volta identificato il caso d'uso, lo schema solitamente funziona. Inizia da un problema aziendale specifico, in cui la disponibilità di dati migliori sulle capacità cambierebbero radicalmente la decisione; non una tassonomia globale delle competenze, ma un problema con chiare conseguenze economiche o strategiche. Crea l'infrastruttura di dati minima necessaria per risolvere il problema, piuttosto che un'architettura completa che richiede l'allineamento su ogni elemento prima di produrre risultati. Misura gli esiti operativi invece delle metriche HR: ruoli ricoperti con risorse interne, riduzione del tempo di assegnazione dei progetti, spesa per la formazione mirata a divari verificati anziché presunti.

Queste conoscenze consentono di realizzare più rapidamente e in modo più affidabile i casi d’uso successivi. Ma l'aspetto forse ancora più importante è che ogni successo produce all'interno dell'azienda persone che toccano con mano processi decisionali migliori e vogliono che si continui su questa strada. Questo genere di slancio ha un valore superiore a qualsiasi direttiva di governance.

Conclusioni

Il problema dei dati relativi alle competenze tende a essere inquadrato come una questione di tecnologia HR. Una tassonomia migliore, uno schema di valutazione più sofisticato, una nuova piattaforma. Queste cose possono aiutare in minima parte, ma hanno un impatto superficiale anziché strutturale. Ciò che fa davvero la differenza è trattare la capacità della forza lavoro per quello che già è: dati operativi che meritano lo stesso rigore, la stessa responsabilità interfunzionale e la stessa attenzione agli investimenti di qualsiasi altro sistema su cui l'azienda fa affidamento.

La discussione che vale la pena affrontare è un invito al CIO e al CFO ad assumersi la responsabilità condivisa di un progetto che interessa l'intera azienda, presentandolo come un investimento infrastrutturale e non come un programma HR. Il responsabile HR che presenta bene il caso non risolve semplicemente un problema di dati: cambia ciò che l'organizzazione crede di poter fare.

Per avere un quadro completo, consulta l'e-book Costruire una forza lavoro adattiva: La preparazione della forza lavoro in un'era in cui le aziende devono reinventarsi continuamente.

Domande frequenti

Perché la qualità dei dati sulle competenze è importante per la preparazione della forza lavoro?

Una forza lavoro adattiva dipende dal sapere in tempo reale quali capacità esistono e dove si trovano. Quando i dati sulle competenze sono incompleti, obsoleti o inaffidabili, ogni decisione in materia di talento che si fonda su di essi è più debole di quanto sembri. Gli investimenti nello sviluppo finiscono nei posti sbagliati, la mobilità interna fallisce perché i profili giusti restano invisibili, e le aziende ricorrono ad assunzioni esterne quando le capacità necessarie sono già disponibili all'interno dell'azienda.

Cos'è la povertà dei dati sul lavoro?

Povertà dei dati sul lavoro è l'espressione che indica il divario strutturale in cui le capacità sono chiaramente dimostrate dal lavoro svolto ma non vengono quasi mai acquisite sotto forma di dati utilizzabili. I sistemi d'impresa sono stati progettati per gestire il lavoro, piuttosto che per generare segnali di capacità, così la maggior parte delle competenze dimostrate semplicemente non riesce ad arrivare in un modulo che consenta di supportare le decisioni relative alla forza lavoro.

Perché le strategie di gestione dei talenti basate sulle competenze perdono credibilità con il passare del tempo?

Perché il modello di dati sottostante fatica a sostenere le decisioni che gli vengono richieste. I responsabili esitano ad agire in base a raccomandazioni del sistema che non possono verificare. I manager ignorano gli abbinamenti proposti dal marketplace dei talenti che non riescono a spiegare. Con il tempo, il personale compensa attraverso conoscenze informali e reti di contatti personali, e il sistema diventa marginale per le attività operative pur rimanendo tecnicamente funzionante.

In che modo i responsabili HR dovrebbero impostare il dibattito sui dati delle competenze con il CIO e il CFO?

Deve essere una discussione sull'infrastruttura aziendale piuttosto che un'iniziativa HR. I dati sulle capacità della forza lavoro appartengono alla stessa categoria di ERP e CRM, un'infrastruttura operativa su cui fa affidamento l'intera organizzazione. Questo inquadramento cambia le valutazioni sugli investimenti, il livello di rigore applicato e la responsabilità interfunzionale che ne consegue.

Da dove dovrebbe partire l'azienda per sviluppare l'analisi della forza lavoro?

Da un problema operativo specifico in cui dati migliori sulle capacità potrebbero cambiare radicalmente le scelte a disposizione, misurate in esiti operativi invece che in metriche HR. Ogni caso d'uso di successo crea quindi la fiducia e l'architettura che rendono quello successivo più veloce e affidabile.