Tämän tutkimuksen avulla kyettiin kartoittamaan niin aikaisemman teorian kuin myös empiirisen tutkimuksen kautta osaamisen kehittämisen tarpeita ja ennustavan henkilöstöanalytiikan mahdolli-suuksia sekä toisaalta edellytyksiä näiden tarpeiden ennakoimiseen. Tutkimuksen avulla saatiin vas-tauksia haluttuihin tutkimuskysymyksiin, mutta samalla todettiin ilmiötä käsittelevän jatkotutkimuk-sen tarpeellisuus. Näin ollen tutkimukjatkotutkimuk-sen tavoite toimia esitutkimukjatkotutkimuk-sena mittaristolle, joka mahdol-listaisi ennustavan data-analytiikan hyödyntämisen osaamisen ennakoivassa kehittämisessä ja osaa-mistarpeiden tunnistamisessa selvittäen samalla tarvetta aiheen jatkokäsittelyyn sekä myöhempään tutkimiseen, täyttyi. Tutkimus ei suoranaisesti esitä konkreettisia sovellusehdotuksia ennustavan data-analytiikan hyödyntämiseen osaamisen kehittämisessä, mutta onnistuu nostamaan esiin datan sovellettavuuden edellytyksiä. Tutkimuksessa on onnistuttu nostamaan esiin ja huomioimaan kahden asiantuntijaryhmän näkökulmia dataohjaavasta osaamisen kehittämisestä, mutta tutkimuksen tulok-sista sekä niistä tehdyistä johtopäätöksistä ilmenee hyvin, että aihetta käsitteleviä teemoja olisi syytä tutkia lisää.
Tutkimuksessa kävi ilmi, että henkilöstön osaamisesta puhuttaessa osaaminen nähdään sekä koko-naisuutena organisaation henkilöstön osaamista, jolloin se kytkeytyy vahvasti organisaation aineet-tomaan pääomaan, että yksilön ominaisuutena. Kahden eri lähestymistavan koettiin vaikuttavan suu-resti data-analytiikan sovelluksien hyödynnettävyyteen osaamisen kehittämiseksi, minkä vuoksi ai-heelliseksi jatkotutkimusaiheeksi esitänkin ennustavan data-analytiikan mahdollisuuksien tutkimista niin, että tutkimus on rajattu tarkastelemaan joko puhtaasti yksilön osaamisen kehittämistä tai orga-nisaation koko osaamispääomaa. Orgaorga-nisaation aineettomaksi pääomaksi lukeutuvaa koko henkilös-tön osaamista ja sen kehittämistä ennustavaa data-analytiikkaa hyödyntäen tulisi jatkotarkastella niin, että tarkastelun kohteena olisi osaamisen kehittämisen lisäksi osaamisen johtaminen. Tutkimuksen perusteella ennakoivassa henkilöstön osaamisen kehittämisessä oleellinen aspekti on osaamisen tason ja tarpeen tunnistamisen lisäksi organisaation kyky kohdentaa osaaminen oikeisiin funktioihin, minkä myötä ennustavan henkilöstöanalytiikan voisi nähdä työkaluna osaamisen johtamiselle, missä osaa-misen kehittäminen on osana.
Tässä tutkimuksessa henkilöstön osaamisen kehittämisen tarkastelua ei oltu rajattu koskemaan tietyn kokoisia organisaatioita, mutta haastatteluissa nousi esille tarve kiinnittää osaamisen kehittämisen ja
mittaamisen lähestymistavassa huomiota myös henkilöstön määrään. Riippuen siitä onko kyseessä pieni vai suuri organisaatio nähtiin ennustavan data-analytiikan mahdollisuudet osaamisen kehittä-miselle eriävän jo henkilöstöstä saatavan pohjadatan määrän perusteella. Tämän takia, voisi olla tar-peen lähestyä tutkimusongelmaa tarkastelemalla osaamisen kehittämistä henkilöstömäärän pohjalta.
Kasvattaakseen ymmärrystä henkilöstömäärältään pienien organisaatioiden mahdollisuuksista en-nustavan data-analytiikan hyödyntämiseen osaamisen kehittämisessä voisi ilmiötä tarkastella esimer-kiksi haastattelemalla data-analytiikan asiantuntijoiden lisäksi pienissä organisaatioissa työskentele-viä esimiehiä, joiden tehtäväkenttään osaamisen kehittäminen lukeutuu. Osaamisen kehittämisen no-jatessa vahvasti työntekijän ja esimiehen väliseen vuorovaikutukseen voisi tutkimuksen avulla pyrkiä löytämään niitä laadullisia datalähteitä, jotka tukisivat tätä vuorovaikutussuhdetta.
Vastaavasti henkilöstömäärältään suurien organisaatioiden mahdollisuutta hyödyntää ennustavaa data-analytiikkaa osaamisen kehittämisessä olisi mielenkiintoista tutkia tarkemmin jo saatavilla ole-van datan hyödynnettävyyden tarjoamien mahdollisuuksien näkökulmasta. Mahdollisena jatkotutki-muskohteena olisi myös mielenkiintoista tarkastella organisaatiota, joissa henkilöstöanalytiikan hyö-dyntämistä ja soveltamista on jo lähdetty kokeilemaan data-analyytikkojen ja henkilöstöhallinnon yhteistyönä sekä vertailla näiden kokeilujen kautta siihen kytköksissä olleiden asiantuntijoiden ha-vaintoja ja näkemyksiä data-analytiikan hyödyntämisestä osaamisen kehittämiseksi. Myös tältä poh-jalta toteutettu pitkittäistutkimus voisi tuoda arvokasta ymmärrystä ennustavan datan hyödynnettä-vyydestä osaamisen kehittämisessä ja sen vaikuttavuudesta.
Tarkastelemalla tutkimusongelmaa kahden erilaisen asiantuntijaryhmän näkökulmasta pyrittiin lisää-mään tutkimuksen moninäkökulmaisuutta. Sen kasvattaminen entisestäänkin hyödyntämällä infor-manttien monimuotoisuuden lisäksi erilaisia aineistoja sekä aineiston keruu menetelmiä toisi ymmär-rystä myös ennustavan data-analytiikan hyödyntämisen vaikuttavuudesta osaamisen kehittämiselle.
Tämä tutkimus herättää varmastikin ajatuksia ja mielipiteitä osaamisen kehittämisestä dataohjautu-vasti jatkaen henkilöstöhallinnon tehtäväkentällä käytävää keskustelua data-analytiikan hyödyntämi-sestä ja henkilöstöhallinnon asemasta johdon strategisena liiketoimintakumppanina. Niin kuin data-analytiikan myös henkilöstöhallinnon ala kehittyy jatkuvasti, minkä seurauksena henkilöstöhallinnon kyky omaksua data-analytiikan sovelluksia osaksi toimintaansa edistyy. Huolimatta siitä, että henki-löstöhallinto nähtiin vielä olevan suhteellisen alkutekijöissään data-analytiikan
yksinkertaisimpien-kin sovelluksien hyödyntämisessä, oli haastatteluiden perusteella havaittavissa myös kiinnostus ym-märtää asiasta enemmän. Haastatteluissa nousi esiin HR-asiantuntijoiden haaste käsittää ja visioida ennustavan data-analytiikan tarjoamia mahdollisuuksia, koska vastaavasta toiminnasta ei ollut heillä pintapuolista käsitystä syvempää ymmärrystä.
Data-analytiikan osaamisen ja käytännön kokemuksen yleistyessä myös henkilöstöhallinnon kentällä yhdistettynä data-analyytikkojen asiantuntijuuteen analytiikan yhä vain laajentuvista soveltamismah-dollisuuksista tarjoaisi tulevaisuudessa mielenkiintoisen asetelman löytää uusia näkökulmia tässäkin tutkimuksessa esitettyihin tutkimuskysymyksiin. Tutkijana näen tutkimuksen toistamisen harkinnan-varaisen ajan kuluessa tarjoavan mahdollisuuden syvempään ymmärrykseen ennustavan data-analy-tiikan mahdollisuuksista osaamisen kehittämiselle ja siksi tutkimuksen toistamisen relevanttina jat-kotutkimusehdotuksena. Kahden asiantuntijaryhmän näkemyksien vertailun lisäksi voisi näistä asi-antuntijoista koostuva ryhmähaastattelu avata uusia näkemyksiä ja samalla olla askel kohti henkilös-tötoimintojen ja data-analytiikan kohtaanto-ongelman selättämiseen. Yksityisyyden suojan näkökul-masta tarkasteltuna voisi yhden asiantuntijaryhmän, kuten tietosuoja-asiantuntijoiden lisääminen tai työntekijänäkökulman tuominen mukaan haastateltavien joukkoon etenkin siinä vaiheessa, kun tut-kimuksen tavoitteena on johtaa sovellettavan mittariston esittämiseen, olla myös perusteltua.
LÄHTEET
Agrawal D., Bernstein P., Bertino E., Davidson S., Dayal U., Franklin M., . . . . Widom J. 2012.
Challenges and Opportunities with Big Data: A white paper prepared for the Computing Community Consortium committee of the Computing Research Association. Viitattu 2.2.2020.
https://cra.org/ccc/wp-content/uploads/sites/2/2015/05/bigdatawhitepaper.pdf
Ahsan, S. & Shah, A. 2006. Data, information, knowledge, wisdom: A doubly linked chain. In the proceedings of the 2006 international conference on information knowledge engineering, 270-278.
Angrave, D., Charlwood, A., Kirkpatrick, I., Lawrence, M. & Stuart, M. 2016. HR and analytics: why HR is set to fail the big data challenge. Human Resource Management Journal 26(1), 1-11.
Arnold, K. E. & Pistilli, M. E. 2012. Course Signals at Purdue: Using Learning Analytics to Increase Student Success. Proceedings of the 2nd international conference on learning analytics and knowledge, 267-270.
Baron, A. 2011. Measuring human capital. Strategic HR Review 10(2), 30-35.
Bergenhenegouwen, G. J. 1996. Competence development‐a challenge for HRM professionals: core competences of organizations as guidelines for the development of employees. Journal of European Industrial Training 20(9), 29-35.
Bodie, M. T., Cherry, M. A., McCormick, M. L. & Tang, J. 2017. The law and policy of People Analytics. U. Colo. L. Rev. 88, 961.
Boudreau, J. W. & Lawler, E. E. 2009. What Makes HR a Strategic Partner? People & Strategy 32(1), 14-22.
Boudreau, J. W., Lawler, E. E. & Levenson, A. 2004. HR Metrics and Analytics – Uses and Impacts.
Human Resource Planning Journal 27(4), 27-35.
Boyatzis, R. & Boyatzis, R. E. 2008. Competencies in the 21st century. Journal of management de-velopment 27(1), 5-12.
Braun, V. & Clarke, V. 2006. Using thematic analysis in psychology. Qualitative Research in Psy-chology 3(2), 77-101.
Brynjolfsson, E. & McAfee, A. 2012. Big data: the management revolution. Harvard business review 90(10), 60-68.
Cappelli, P. 2008. Talent management for the twenty-first century. Harvard business review 86(3), 74.
Chatti, M. A., Jarke, M. & Specht, M. 2010. The 3P Learning Model. Educational Technology &
Society 13(4), 74–85.
Coolen, P. & IJsselstein, A. 2015. A practitioner’s view on HR analytics. [LinkedIn artikkeli]
25.5.2015. Viitattu: 16.2.2020. https://www.linkedin.com/pulse/practitioners-view-hr-analytics-pat-rick-coolen/?trk=prof-post
Cooper, A. 2012. What is analytics? Definition and essential characteristics. CETIS Analytics Series 1(5), 1-10.
David, P. A. 2000. Knowledge, capabilities and human capital formation in economic growth. New Zealand Treasury Working Paper 1(13).
Derose C. 2013. How Google Uses Data to Build a Better Worker. The Atlantic verkkolehti 7.10.2013. Viitattu 20.11.2019. https://www.theatlantic.com/business/archive/2013/10/how-google-uses-data-to-build-a-better-worker/280347/
Drejer, A. 2000. Organisational learning and competence development. The learning organization 7(4), 206-220.
Edvinsson, L. & Sullivan, P. 1996. Developing a model for managing intellectual capital. European management journal 14(4), 356-364.
Eilström, P. E. & Kock, H. 2008. Competence development in the workplace: concepts, strategies and effects. Asia pacific education review 9(1), 5-20.
Einav, L. & Levin, J. 2014. The data revolution and economic analysis. Innovation Policy and the Economy 14(1), 1-24.
Eskola, J. & Suoranta, J. 1998. Johdatus laadulliseen tutkimukseen (ePub-versio). Tampere:
Vastapaino
Fairhurst, P. 2014. Big data and HR analytics. IES Perspectives on HR 504, 7-13.
Fitz-Enz, J. 2009. The ROI of human capital: Measuring the economic value of employee perfor-mance. AMACOM Div American Mgmt Assn.
Fitz-Enz, J. 2010. The New HR Analytics: Predicting the Economic Value of Your Company's Hu-man Capital Investments. New York: AMACOM.
Flamholtz, E. G., Bullen, M. L. & Hua, W. 2002. Human resource accounting: a historical perspective and future implications. Management decision 40(10), 347-354.
Gandomi, A. & Haider, M. 2015. Beyond the hype: Big data concepts, methods, and analytics. Inter-national journal of information management 35(2), 137-144.
Gangani, N., McLean, G. N. & Braden, R. A. 2006. A competency‐based human resource develop-ment strategy. Performance Improvedevelop-ment Quarterly 19(1), 127-139.
Garavan, T. N. & McGuire, D. 2001. Competencies and workplace learning: some reflections on the rhetoric and the reality. Journal of Workplace learning 13(4), 144-163.
Gibbons, R. & Waldman, M. 2004. Task-specific human capital. American Economic Review 94(2), 203-207.
Greller, W. & Drachsler, H. 2012. Translating Learning into Numbers: A Generic Framework for Learning Analytics. Educational Technology & Society 15(3), 42–57.
Guest, D. 1997. Human resource management and performance: a review and research agenda, The International Journal of Human Resource Management 8(3), 263-276.
Hamilton, R. H. & Sodeman, W. A. 2020. The Questions We Ask: Opportunities and Challenges for Using Big Data Analytics to Strategically Manage Human Capital Resources. Business Horizons 63(1), 85-95.
Helakorpi, S. 2009. Osaaminen ja sen tunnistaminen työelämän ja koulutuksen yhteisenä haasteena.
Viitattu: 21.5.2020. https://arkisto.uasjournal.fi/osaaja_2009-4/Helakorpi%20PDF.pdf
Hennink, M. M., Kaiser, B. N. & Marconi, V. C. 2017. Code saturation versus meaning saturation:
how many interviews are enough? Qualitative health research 27(4), 591-608.
Herling, R. W. & Provo, J. 2000. Knowledge, competence, and expertise in organizations. Advances in Developing Human Resources 2(1), 1-7.
Hunter, L., Webster, E. & Wyatt, A. 2005. Measuring intangible capital: a review of current practice.
Australian Accounting Review 15(36), 4-21.
Ingham, J. 2011. Using a human capital scorecard as a framework for analytical discovery. Strategic HR Review 10(2), 24-29.
Jackson, S., Schuler, R. & Jiang, K. 2014. An Aspirational Framework for Strategic Human Resource Management. The Academy of Management Annuals 8(1), 156.
Kaplan, R.S. & Norton, D.P. 2004. Strategy maps: Converting intangible assets into tangible out-comes. Harvard Business Press.
Kehoe, R. R., Lepak, D. P. & Bentley, F. S. 2018. Let’s Call a Star a Star: Task Performance, External Status and Exceptional Contributors in Organizations. Journal of Management 44(5), 1848-1872.
Kimble, C., de Vasconcelos, J. B. & Rocha, Á. 2016. Competence management in knowledge inten-sive organizations using consensual knowledge and ontologies. Information Systems Frontiers 18(6), 1119-1130.
LaValle, S., Lesser, E., Shockley, R., Hopkins, M. S. & Kruschwitz, N. 2011. Big data, analytics and the path from insights to value. MIT sloan management review 52(2), 21-32.
Lawler IIII, E. E. 1993. From job-based to competencybased organizations. Journal of Organizational Behavior 15(1), 3-15.
Le Deist, F. D. & Winterton, J. 2005. What is competence? Human resource development interna-tional 8(1), 27-46.
Lepenioti, K., Bousdekis, A., Apostolou, D. & Mentzas, G. 2020. Prescriptive analytics: Literature review and research challenges. International Journal of Information Management 50, 57-70.
Levenson, A. 2018. Using Workforce Analytics to Improve Strategy Execution. Human Resource Management 57(3), 685-700.
Lewis, R. E. & Heckman, R. J. 2006. Talent management: A critical review. Human resource man-agement review 16(2), 139-154.
Liberatore, M. J. & Luo, W. 2010. The analytics movement: Implications for operations research.
Interfaces 40(4), 313-324.
Lieblich, A., Tuval-Mashiach, R. & Zilber, T. 1998. Narrative research: reading, analysis and inter-pretation. London: SAGE Publications.
Liu, D. Y. T., Rogers, T. & Pardo, A. 2015. Learning Analytics – Are we at risk of missing the point?
Teoksessa: Reiners, T., Von Konsky, B.R., Gibson, D., Chang, V., Irving, L. & Clarke K. (toim.) Globally connected, digitally enabled. Perth: Ascilite, 33-36.
Magnus, M. & Grossman, M. 1985. Computers and the personnel department. The Personnel Journal 64(4), 42–48.
Marrocu, E., Paci, R. & Pontis, M. 2012. Intangible capital and firms’ productivity. Industrial and Corporate Change 21(2), 377-402.
Melin, H. 2005. Vertailevan tutkimuksen monet lähtökohdat. Teoksessa Räsänen, P., Anttila, A-H.
& Melin H. Tutkimusmenetelmien pyörteessä. Sosiaalitutkimuksen lähtökohdat ja valinnat. Jyväs-kylä: WS Bookwell Oy.
Mishra, S. N., Lama, D. R. & Pal, Y. 2016. Human Resource Predictive Analytics (HRPA) for HR management in organizations. International Journal of Scientific & Technology Research 5(5), 33-35.
Mishra, N. & Silakari, S. 2012. Predictive analytics: A survey, trends, applications, opportunities &
challenges. International Journal of Computer Science and Information Technologies 3(3), 4434-4438.
Momin, W. Y. M. & Mishra, K. 2015. HR analytics as a strategic workforce planning. International Journal of Applied Research 1(4), 258-260.
Mulder, M. 2001. Competence development ‐ some background thoughts. The Journal of Agricultural Education and Extension, 7(4), 147-158.
Nerdrum, L. & Erikson, T. 2001. Intellectual capital: a human capital perspective. Journal of intel-lectual capital 2(2), 127-135.
Netteland, G., Wasson, B., Hansen, C. & Hirnstein, M. 2016. Learning analytics and open learning modelling for professional competence development. NOKOBIT-Norsk konferanse for organisas-joners bruk av informasjonsteknologi.
Nocker, M. & Sena, V. 2019. Big Data and Human Resources Management: The Rise of Talent Analytics. Social Sciences 8(10), 273.
Orlikowski, W.J. 2002. Knowing in practice: Enacting a collective capability in distributed organiz-ing. Organization Science 13 (3), 249–273.
Parry, S. B. 1996. Just What Is a Competency? (And Why Should You Care?). Training 35(6), 58-64.
Pospieszny, P. 2017. Software Estimation – towards prescriptive analytics. In Proceedings of 27th International Workshop on Software Process and Product Measurement, Gothenburg, Swe-den. https://doi.org/10.1145/3143434.3143459
Puusa, A. & Juuti, P. 2020. Laadullisen tutkimuksen näkökulmat ja menetelmät (ePub-versio). Gau-deamus Oy.
Runkler, T. 2016. Data Analytics: Models and Algorithms for Intelligent Data Analysis. Springer Fachmedien Wiesbaden, 2. painos.
Sandberg, J. 2000. Understanding human competence at work: an interpretative approach. Academy of management journal 43(1), 9-25.
Savolainen, T. 2011. Luottamusjohtajuus inhimillisen pääoman uudistamisessa. Teoksessa Puusa, A.
& Reijonen, H. (toim.) Aineeton pääoma organisaation voimavarana. Unipress, 117-141.
Schultz, T. W. 1961. Investment in human capital. The American economic review 51(1), 1-17.
Schultz, T. W. 1972. Human capital: Policy issues and research opportunities. In Economic Research:
Retrospect and Prospect 6, 1-84.
Seemann, P., DeLong, D., Stucky, S. & Guthrie, E. 2000. Building intangible assets: a strategic framework for investing in intellectual capital. Knowledge management: Classic and contemporary works, 85-98.
Seetharaman, A., Low, K. L. T. & Saravanan, A. S. 2004. Comparative justification on intellectual capital. Journal of Intellectual Capital 5(4), 522-539.
Segrist, P. 2015. How the Rise of Big Data and Predictive Analytics Are Changing the Attorney's Duty of Competence. North Carolina Journal of Law & Technology 16(3), 527-622.
Siemens, G., Dawson, S. & Lynch, G. 2013. Improving the quality and productivity of the higher education sector. Policy and Strategy for Systems-Level Deployment of Learning Analytics. Can-berra, AU: SOLAR
Stracke, C. M. 2011. Competences and skills in the digital age: Competence development, modelling, and standards for human resources development. In Research Conference on Metadata and Semantic Research, 34-46.
Sveiby, K.E. 1997. The new organizational wealth: Managing & measuring knowledge-based assets.
Berrett-Koehler Publishers.
Taylor, G. S. & Davis, J. S. 1989. Individual privacy and computer-based human resource information systems. Journal of Business Ethics 8(1), 569–576.
Tekian, A., Watling, C. J., Roberts, T. E., Steinert, Y. & Norcini, J. 2017. Qualitative and quantitative feedback in the context of competency-based education. Medical teacher 39(12), 1245-1249.
Tichy, N. M., Fombrun, C. J. & Devanna, M. A. 1981. Strategic Human Resource Management.
Sloan Management Review 23(2), 47.
Toivanen, M., Leppänen, A. & Kovalainen, A. 2012. Osaamisen kehittäminen työorganisaatiossa.
Työelämän tutkimus 10(1), 3-21.
Tuomi, J. & Sarajärvi, A. 2009. Laadullinen tutkimus ja sisällönanalyysi. Viides painos. Helsinki:
Tammi.
Tuomi, J. & Sarajärvi, A. 2018. Laadullinen tutkimus ja sisällönanalyysi (ePub-versio). Helsinki:
Tammi
Tuomivaara, T. 2005. Tieteellisen tutkimuksen perusteet. Viitattu: 14.6.2020. https://www.mv.hel-sinki.fi/home/ttuomiva/Y125luku6.pdf
Työelämän tietosuojalaki 2004. Laki yksityisyyden suojasta työelämässä 759/2004. Työministeriön asetus.
Van den Heuvel, S. & Bondarouk, T. 2017. The rise (and fall?) of HR analytics: A study into the future application, value, structure, and system support. Journal of Organizational Effectiveness: Peo-ple and Performance 4(2), 127-148.
Villars, R. L., Olofson, C. W. & Eastwood, M. 2011. Big data: What it is and why you should care.
White Paper IDC 14, 1-14.
Waller, A. & Fawcett, S. 2013. Data Science, Predictive Analytics, and Big Data: A Revolution That Will Transform Supply Chain Design and Management. Journal of Business Logistics 34(2), 77–84.
Watson, H. J. 2014. Tutorial: Big data analytics: Concepts, technologies, and applications. Commu-nications of the Association for Information Systems 34(65), 1247-1268.
Wu, X., Zhu, X., Wu, G. Q., & Ding, W. 2013. Data mining with big data. IEEE transactions on knowledge and data engineering 26(1), 97-107.
LIITTEET
Liite 1. Teemahaastattelun runko Taustatiedot
• Työkokemus
• Osaaminen HR:stä
• Kokemus data-analytiikasta
• Perehtyneisyys aiheeseen Osaamisen määritelmä
• Näkemys osaamisen määrittävistä tekijöistä
• Yksilön osaamisen rakentuminen
• Osaamisen merkitys (yksilö/yritys) Osaamisen mittaaminen
• Osaamisen tunnistaminen
• Osaamisen seuranta
• Mittaamisen tarkoitus ja tavoitteet
• Mittaamisen kohteet ja edellytykset ennusteiden luomiseksi
• Tarjolla olevat tietolähteet Osaamistarpeen tunnistaminen
• Tärkeimmät tarvesignaalit
• Tarpeen määrittelyssä huomioitavat asiat
• Ennusteiden tuomat mahdollisuudet tarpeiden tunnistamisessa
• Jo saatavilla olevan datan tuottama informaatio osaamistarpeen tunnistamiseksi Osaamisen kehittäminen
• Näkemyksiä datan tuottamasta informaatiosta ja hyödynnettävyydestä
• Datasta johdetun osaamisen kehittämisen toteuttaminen ja toimenpiteet
• Odotukset ennustavan henkilöstöanalytiikan mahdollisuuksista osaamisen kehittämi-sessä
Liite 2. Haastattelun kutsukirje
Hei,
Kiitoksia mielenkiinnostasi osallistua pro gradu -tutkimustani koskevaan haastatteluun. Olemme so-pineet haastattelun toteutettavaksi xx.xx.xxxx klo xx:xx.
Teen pro gradu -tutkimukseni aiheesta: Ennustava henkilöstöanalytiikka ja sen tarjoamat mahdolli-suudet osaamisen kehittämisen kontekstissa. Työssä käsitellään työntekijöiden osaamisen kehittä-mistä ja osaamistarpeiden tunnistamista sekä data-analytiikan hyödyntäkehittä-mistä henkilöstöhallinnon tehtäväkentällä. Tutkimuksen tavoite on selvittää, millaisia mahdollisuuksia ennustava data-analy-tiikka voisi tarjota osaamisen kehittämiselle.
Haastatteluiden avulla pyrin löytämään osatekijöitä, jotka mahdollistavat tai ovat edellytyksenä data-analytiikan hyödyntämiseen osaamisen kehittämisessä. Tarkoituksena on selvittää henkilöstöhallin-non ja data-analytiikan asiantuntijoiden näkemyksiä siitä, millaisia mahdollisuuksia ennustava ana-lytiikka voisi tarjota työntekijöiden osaamistarpeiden tunnistamiseksi.
Haastattelun rungoksi on valittu teemoja, jotka tukevat tutkimuksen tavoitetta ja kukin teema käydään läpi haastattelun yhteydessä. Haastattelut nauhoitetaan, jonka jälkeen ne litteroidaan eli puretaan tekstimuotoon aineiston analysoimiseksi. Haastateltavan ja haastattelussa esiin tulleiden henkilöiden nimet tai työpaikkaa koskevat tiedot poistetaan, jottei haastatellun henkilöllisyyttä ole tunnistetta-vissa aineistosta. Ainestoan käytetään ainoastaan edellä mainittuun tarkoitukseen ja sitä säilytetään vain sen aikaa, kuin on tarve tutkimuksen toteuttamiseksi.
Kaikkea aineistoa käsitellään luottamuksellisesti. Haastatteluissa esiin nousseet asiat esitetään tutki-musjulkaisussa niin, etteivät yksittäisen haastateltavan näkemykset ole tunnistettavissa, vaikka rapor-toinnissa käytetäänkin suoria otteita haastatteluista. Haastateltavat edustavat tutkimuksessa asiantun-tijuudellaan omaa ammattiryhmäänsä eivätkä yritystä, jossa mahdollisesti tällä hetkellä työskentele-vät.
Haastatteluun osallistuminen on vapaaehtoista ja haastatteluun osallistunut voi milloin tahansa ve-täytyä tutkimuksesta ilmoittamalla siitä tutkimuksen tekijälle. Tällöin kaikki haastateltavaa koskevat tiedot poistetaan tutkimuksesta.
Haastattelu on kestoltaan arviolta 45–60 min, eikä edellytä valmistautumista ennakkoon.
Kaikissa haastatteluun ja tutkimukseen liittyvissä asioissa voitte olla yhteydessä allekirjoittaneeseen.
Ystävällisin terveisin, Saila Salminen
Maisteriopiskelija, Itä-Suomen yliopisto, Kauppatieteet, Palvelujohtaminen Sähköposti: xxx
Puhelin: xxx