Így építs átlátható HR dashboardot egyszerű adatokból Excelben
A HR mutatószámok rendre megjelennek az emberi erőforrás menedzsment tankönyvektől kezdve a konferenciákon át a vezetői vagy menedzsmenti bemutatókig. Ezek vonatkozhatnak létszámra, költségekre, vizualizálhatnak folyamatokat, előre jelezhetnek beavatkozási pontokat is akár. Ezt járjuk most körbe gyakorlati példákkal.
A mutatószámok lényege röviden az, hogy egy adathalmaz alapján egy olyan leíró számot képezzünk, amely jól kifejezi az adathalmazokban való eltérést, elmozdulást. A tankönyvi mutatószámok kiindulásnak jók, azonban határozott véleményem az, hogy minden vállalatnak megvan a maga fókusza, amit mérni, figyelni szeretne, ezért az esetek többségében saját mutatószámok kalkulációja szükségeltetik.
Mi következik ebből? Az, hogy bármit is írunk le mutatószámmal, annak jól definiáltnak kell lennie, mindenkinek ugyan azt kell jelentse, és ugyanazzal a módszertannal kell számolni, különben különben félrevezető eredményekre juthatunk. Azt sem szabad elfelejteni, hogy a mutatókat nem lehet minden esetben önmagukban értelmezni, időnként több „mértékegységet” is meg kell mutatni ahhoz, hogy egy döntés megszülethessen. Egy példa: a költségek eltérését érdemes százalékos és pénzbeli mértékegységben is megjeleníteni, hiszen nem mindegy, hogy egy költségelemre terveztünk 100 Ft-ot, amiből 200 Ft lett és így 100%-os eltéréssel nagyot mutat, de összegét tekintve irreleváns, mint ahogy az sem, hogy egy százalékban mér alacsony eltérés több milliós tételként kerül esetleg félreviszi a fókuszt.
Szintén fontos kritériuma a mutatószámoknak, hogy azok viszonyuljanak valamihez, legyen egy benchmark. A benchmark lehet külső és belső, azaz viszonyíthatjuk a saját korábbi mérési adatainkhoz, vagy kereshetünk különböző külső adatsorokat, amelyekhez, ha nem is számszerűleg, de trendjét tekintve vizsgálhatjuk az adatsorainkat, kontextusba helyezhetőek a munkaerőpiac aktuális folyamatihoz képest. Ilyen adatsorok például a KSH munkaerőpiaci, társadalombiztosítási adatsoraiból, az MNB inflációs jelentéseiből, vagy ha nemzetközi trendeket szeretnénk vizsgálni az ILO, Eurostat, OECD adataiból előállíthatóak.
De mi is a dashboard és mitől lesz jó?
A dashboard olyan vezetői információs felület, amely néhány kulcsfontosságú mutatószám segítségével támogatja a gyors döntéshozatalt. A cél nem az összes rendelkezésre álló adat megjelenítése, hanem azoknak az információknak a kiemelése, amelyek alapján vezetői intézkedés válhat szükségessé. A dashboard minőségét két dolog határozza meg: az adataink minősége (pontosság, naprakészség, folyamatosság), valamint a megjelenítés mikéntje, azaz mennyire informatív, mennyire vezeti a szemet, mennyire beszédesek és egyértelműek az ábrák, grafikonok.
Költségek
Terv, tény, forecast
Talán az egyik legfontosabb eleme lehet a kimutatásunknak az, hogy milyen költségekkel terveztünk és azok hogyan viszonyulnak a tényhez. Szintén érdemes havi és éves szinten megjeleníteni ezeket, mert egyes kifizetések időbeli eltolódása könnyen félrevezető információt adhat. A költségeket főbb csoportra bontva (pl. alapbér, ösztönzők, béren kívüli juttatások, járulékok) halmozott oszlop diagramban megmutatva, nagyon informatív és jól összehasonlítható képet tudunk mutatni. Fontos, hogy a költségelemeket ne akarjuk mind megmutatni, mert nagyon tagolt, követhetetlen ábrát fogunk kapni.
Kiemelt költség: túlóra, túlóra költség
Nem klasszikus mutatószám, de -főleg termelő vállalatoknál - nagyon nagy hatással lehet a büdzsé alakulására. Egy dashboardon meg lehet jeleníteni a mér kifizetett rendkívüli munkavégzés költségét, valamint óraszámát, de meg lehet jeleníteni – főleg munkaidő-keret alkalmazás esetén - a munkaidő felhasználás aktuális állapotát. Ez a görbe már alkalmas lehet arra, hogy preventív intézkedések szülessenek, főleg akkor, ha ehhez társul egy termelési, vagy leterheltségi előre mutató kapacitás görbe, amely kettőt összevetve lehet következtetéseket levonni a várható óraszámok és költségek alakulására vonatkozólag. Ez kifejezetten olyan adat, amelyet mind pénzben, mind órában érdemes megmutatni, hiszen nem mindegy, hogy 3 mérnök túlórázik havi 20 órát, vagy 5 portás havi 60 órát. Le lehet vonni azt a következtetést, hogy az már kifizetett és a várhatóan teljestett többletórák egyáltalán teljesíthetőek e a hatályos jogszabályi keretek között.
Létszámok
Korfa Excelben
Nem annyira mutatószám és lassan mozduló, de ugyanakkor látványos és informatív eleme lehet a dashboardunknak, és relatíve könnyen előállítható. Mi szükséges hozzá? Egy munkavállalói lista, amely tartalmazza a munkavállalók nemét és születési idejét. Az aktuális (vagy ha modellezni szeretnénk, akkor akár egy jövőbeli ) életkor egy oszlopba könnyen kiszámítható. Alkossunk kategóriákat pl. 20 és 30 év közöttiek, 31 és 40 év közöttiek stb., ahol a -tól, -ig, kés a nemek, külön oszlopot kell képezzenek. Egy SZUMHATÖBB képlettel megszámoljuk azokat a nőket/férfiakat, akiknek az életkora nagyobb vagy egyenlő a „-tól” oszlop értékétől és kisebbek vagy egyenlőek az „-ig” oszlop értékével. Ahhoz, hogy klasszikus korfa kinézetet kapjunk, az egyik nem értékeit szorozzuk -1-gyel. Az így kapott értékeket feltéve egy sáv diagramra, megformázva, egy klasszikus korfát kapunk. Nagyobb szervezeteknél ezt lehet még bontani például területekre, ebben az esetben a képletünket több kritériumtartománnyal szükséges bővíteni.
Hiányzási ráta
A hiányzási ráta a nem tervezett távollétek arányát mutatja meg tervezett munkaidőhöz viszonyítottan. Ezt a mutatót érdemes havi bontásban szerepeltetni, hiszen akkor látszódik igazán, hogy mely időszakok azok, amelyek e szempontból kiemelt figyelmet érdemelnek. A mutató egészen biztosan a téli hónapokban fog leginkább kilengeni, hiszen javarészt akkor futnak fel a betegórák számai, de ha a mutatószám tartósan magas, vagy az évek folyamán trendszerűen emelkedik, akkor lehet valamilyen szűrő, vagy betegségmegelőző programban gondolkodni. Ha szeretnénk hozzá valamilyen benchmark adatot társítani, akkor a KSH „Az egészségbiztosítási ellátásban részesülők táppénzes adatai” táblázatának adatiból lehet egy grafikonnal a céges és az országos trendet összevetni. Hátránya, hogy a KSG betegszabadságot nem, csak táppénzes napok számát tart nyilván, de trendjét tekintve hasonló az előbb már említett trendhez, így az attól való kilengés okot adhat, egy mélyebb elemzésre, ok feltárásra.
Dolgozói létszám
Visszatérő kérdés, a „hányan vagyunk a cégnél”, így ezt is érdemes dashboardon szerepeltetni. Ezt részben kiolvasható ugyan a korfából, de aki erre kíváncsi, az nem szeretne grafikonok adatfeliratait összeadogatni, így mindenképpen egy jól látható és értelmezhető számot kell visszamutatni, de nagyon fontos, hogy megjelenítsük, hogy milyen létszámot mutatunk, melyik hónapra vonatkozólag? Záró létszám, csak aktív, vagy passzívak is, esetleg mindezt bontva főben és százalékban ( pl összesen 100 fő, ebből 30 férfi, 60 nő, 10 passzív). A nemenkénti bontás talán nem annyira releváns adat, de ha a dashboardunkat többen is használják, és például egy nőnapi virágosztáshoz kell egy gyors információ valakinek, akkor egyből látja.
Toborzási, hirdetési mutatószámok
Ezek már kissé túlmutatnak az Excelben generálható adatkörökön túl, de összefoglalt adatként hasznos információkkal szolgálhatnak. Vannak olyan platformok, amelyek képesek mérni azt, hogy egy adott hirdetésünket, hányan tekintették meg, abból hány pályázat született. Tovább göngyölítve a folyamatot, lehet kalkulálni hány pályázat volt releváns, az abból felvettek ténylegesen beváltak e. Mire lehet következtetni ebből? még mindig lehet találkozni olyan sablonizált álláshirdetésekkel, amelyek nem kellően informatívak, túlságosan általánosak, vagy irreális kritériumokat fogalmaznak meg. Erre utalhata magas megnyitás, de alacsony pályázati szám. Szintén előforduló hiba, hogy a leírt feladatok nem fedik a valóságot és a pályázó vagy be sem lép, vagy idejekorán távozik. Ezek az információk mélyebb elemzést követelnek meg, illetve egy nagyobb időtávon megfigyelve szolgálhatnak nekünk hasznos információval.
Ha nincsenek is ilyen rendszereink, két dolgot biztosan tudunk a hirdetésről: mikor indítottuk azt, és amikor sikerült a pozíciót betölteni? Ebből a két adatból abetöltési idő (Time to Fill) számolható pozíciónként, amelyből átlag számolható. Ez a mutató önmagában neheze értelmezhető, mert ceteris paribus csökkenhet magas munkanélküliség esetén és emelkedhet telített munkaerőpiac esetén.
Fluktuáció, munkaerő-forgalom, üres álláshelyek száma
Nagyon fontos mutatószámok és könnyen kalkulálhatóak Excelben, ráadásul nagyon jól alkalmazható területi negatív, vagy pozitív folyamatok feltárására, toborzási anomáliák feltárására. Mind a létszámforgalmat (kilépés, belépés, passzív vagy aktív állományba kerülés, mind pedig a fluktuációt havonta, (ha igény van rá) területenkénti bontásban is ki lehet csatornázni egy dashboardra.
A fluktuáció számítása a Kilépők száma/ átlagos statisztikai állományi létszám képlettel történik, de egyértelmű definiálás mellett testre szabható. Ilyen fluktuációs mutató lehet a regretted loss, azaz azon munkavállalók fluktuálódása, akik kulcsszerepet töltöttek be a vállalatnál, vagy olyan készséggel képességgel rendelkeztek, amely a munkaerőpiacon nehezen fellelhetőek, vagy több éves tapasztalati tudást követelnek meg.
Üres álláshelyek tekintetében hasznos információ az, hogy mióta betöltetlen az adott pozíció és az is, hogy adott területen betöltetlen pozíciók száma hogyan viszonyul az összes pozícióhoz viszonyítottan. A fluktuáció, túl azon, hogy bizonyos értelemben véve egy diagnosztikai eszköz, költségemelő hatása is van, amelynek egy része kalkulálható, egy része becsülhető, de erről következő cikkünkben írunk részletesen.
A HR dashboard készítése nem elsősorban informatikai, hanem üzleti kérdés. A siker kulcsa annak meghatározása, hogy mely mutatók támogatják legjobban a szervezeti döntéseket. Már néhány egyszerű, Excelben is előállítható mutatószám segítségével olyan vezetői információs rendszer alakítható ki, amely gyorsan és hatékonyan jelzi a beavatkozást igénylő területeket.
A fentieken felül biztosan létrehozhatóak még olyan mutatószámok, ami egy adott vállalatnak fontos, vagy specifikus, így mutatószámoknak csak a képzelet szabhat határt, no meg az, hogy van-e olyan adatsorunk, amelyből ezt kalkulálni tudjuk.
- 2026.11.23Dr. Berke Gyula - Nehéz munkavállalói helyzetek - figyelmeztetéstől a munkaviszony megszüntetéséig Hogyan kezelhetők jogszerűen a nehéz munkavállalói helyzetek, a teljesítményproblémáktól a kötelezettségszegésig? Előadásunk bemutatja a figyelmeztetés, a felmondás és a munkaviszony megszüntetésének legfontosabb szabályait, valamint a megfelelő dokumentáció szerepét.
Részletek
Jegyek
- 2026.11.24A megtartás kulcsa 2026 – Vezetői konferencia Mitől lesz egy munkahely valóban megtartó? 6700 fős országos kutatás, vezetői kerekasztalok és jó gyakorlatok. Hallgasd meg azokat a vezetőket, akik a megtartást a gyakorlatban is sikeresen megvalósítják!
Részletek
Jegyek
- 2026.12.03Dr. Sipka Péter - Mesterséges intelligencia a munkavégzésben - lehetőségek, korlátok és felelősség Hogyan használható biztonságosan és jogszerűen a mesterséges intelligencia a munkahelyen, különösen a HR-területen? Előadásunk bemutatja az AI-használat jogi és adatvédelmi korlátait, a felelősségi kérdéseket és a belső szabályozás legfontosabb szempontjait.
Részletek
Jegyek
- 2026.12.09Dr. Kollár Gergő - Munkáltatói ellenőrzés és adatvédelem - e-mail, kamera, home office Meddig terjedhet a munkáltatói ellenőrzés, és hogyan védhető a munkavállalók magánszférája? Előadásunkon bemutatjuk az ellenőrzés legfontosabb jogi és adatvédelmi szabályait, gyakorlati példákkal.
Részletek
Jegyek


Conflict Night: rémálom HR-helyzetek a színpadon