Lärande och Etablering

Bättre beslut genom datadrivna insikter

Idé utforskas

Bättre beslut genom datadrivna insikter

Vad?

Genom att använda Machine Learning modeller på medarbetardata kan vi bättre se och förstå mönster och vad som påverkar medarbetare att själva vilja sluta sin anställning i staden.

Varför?

Om vi kan bättre synliggöra mönster i data och skapa djupare förståelse för de bakomliggande orsakerna till oönskade avgångar bland medarbetare underlättar det för chefer att kunna ta bättre beslut/åtgärder som behöver göras för att behålla fler medarbetare.

Varje år har staden ca 400 stycken s.k. oönskade avgångar. Med oönskade avgångar avses de som säger upp sig på egen begäran, vilket är en registrerbar avgångsorsak i vårt lönesystem, och som vi därmed kan anta behöver ersättas. Uppskattningsvis har arbetsgivaren en kostnad (direkta och indirekta) på ca 500 000kr per avgången medarbetare som behöver ersättas. Detta innebär att det för staden, för de ca 400 avgångarna årligen uppstår en kostnad motsvarande 200 miljoner kr/år.

Hur?

På ett strukturerar och automatiserat sätt använda Machine Learning modeller på befintliga medarbetardata i bland annat stadens lönesystem.

Publicerad: 11 maj, 2023
Senast uppdaterad: 18 april, 2024

Effektmål

Om vi kan reducera antalet oönskade avgångar med bara 10 % skulle det innebära en besparad effekt om 20 miljoner kr/år för staden.

Effektmål

Lärdomarna från initiativet går även att applicera till ett övergripande systematiskt processtänk gällande hur HR kan arbeta mer datadrivet, vilket kan användas för ytterligare framtida exempel.

Kontakt

Namn: Mattias Waldh
E-post: Mattias.waldh@helsingborg.se

Namn: Alexander Perntz
E-post: Alexander.perntz@helsingborg.se