Mengapa Data Workforce Belum Menjadi Keputusan Bisnis? — Pelajari Cara Mengoptimalkan People Analytics dari Alfa Haga Rachmady
Hampir setiap fungsi human capital hari ini memiliki data. Ada data kehadiran, turnover, rekrutmen, kompensasi, hingga riwayat karier setiap karyawan. Namun, ketersediaan data tidak otomatis membuat keputusan tenaga kerja menjadi lebih tepat. HR tetap perlu menentukan data mana yang relevan, memahami implikasinya bagi bisnis, dan memastikan hasil analisis dapat dipercaya oleh pengambil keputusan.
Tantangan ini tercermin dalam Korn Ferry 2025 CHRO Survey. Dari 756 pemimpin HR yang disurvei, hanya 18% yang meyakini organisasinya secara konsisten menggunakan analytics untuk keputusan terkait people. Sementara itu, laporan The Conference Board, When People Analytics Stalls (2026), menyoroti kesulitan organisasi dalam menerjemahkan kemampuan analisis workforce menjadi keputusan bisnis.
Lalu, apa yang perlu dibenahi agar data workforce benar-benar membantu perusahaan mengambil keputusan?
Untuk memahami tantangan tersebut, kami berbincang dengan Alfa Haga Rachmady, S.Ikom, MBA, MH, Executive Vice President Human Capital Division PT Hutama Karya (Persero). Berbekal pengalaman di bidang strategi human capital, transformasi bisnis, dan tata kelola perusahaan, Alfa membagikan perspektif tentang cara menghubungkan analisis workforce dengan kebutuhan bisnis.
Artikel ini merupakan bagian dari seri wawancara Mekari Talenta bersama Alfa. Di artikel sebelumnya, Alfa membahas cara menentukan kebutuhan karyawan berbasis data. Selanjutnya, seri ini akan membahas panduan memilih software people analytics untuk kebutuhan bisnis enterprise.
Data Workforce yang Relevan Bergantung pada Kebutuhan Bisnis
Tidak ada satu set metrik workforce yang relevan untuk semua perusahaan. Di Hutama Karya, misalnya, Alfa mengungkap data seperti lembur, absensi, dan turnover bukan indikator utama untuk menganalisis masalah tenaga kerja. Metrik yang digunakan perlu disesuaikan dengan karakteristik pekerjaan, industri, dan kebutuhan bisnis perusahaan.
Mengapa metrik yang relevan bisa berbeda antarindustri?
Karakteristik pekerjaan menentukan seberapa jauh data workforce dapat menjelaskan kapasitas dan hasil kerja. Pada pekerjaan yang memiliki output terukur, proses relatif berulang, dan kebutuhan tenaga kerja yang dapat diperkirakan, hubungan antara volume produksi, jam kerja, absensi, dan pencapaian target mungkin lebih mudah dianalisis.
Alfa mencontohkan lingkungan pabrik atau manufaktur sebagai konteks yang lebih memungkinkan pembacaan pola semacam itu. Ketika output tertentu membutuhkan tambahan waktu kerja dan absensi meningkat, perusahaan dapat menguji apakah kebutuhan produksi tersebut berkaitan dengan kelelahan atau kebutuhan kapasitas tambahan. Namun, hubungan tersebut tetap perlu dibuktikan dengan data, bukan diasumsikan hanya karena beberapa indikator berubah bersamaan.
Sebaliknya, pekerjaan berbasis proyek dan knowledge work memiliki karakteristik yang berbeda. Durasi penyelesaian pekerjaan dapat dipengaruhi kompleksitas proyek, koordinasi lintas fungsi, perubahan kebutuhan, serta kompetensi yang dibutuhkan. Jam kerja atau tingkat kehadiran saja belum tentu menjelaskan apakah kapasitas tim sudah memadai.
Karena itu, pilihan metrik sebaiknya mengikuti karakter pekerjaan dan keputusan yang ingin dibuat.
| Karakteristik pekerjaan | Contoh konteks | Data yang dapat dipertimbangkan |
|---|---|---|
| Output terukur dan proses berulang | Lini produksi manufaktur | Volume output, jam kerja, lembur, absensi, dan pencapaian target produksi |
| Pekerjaan berbasis proyek | Konstruksi dan proyek lintas fungsi | Kemajuan proyek, target penyelesaian, kebutuhan kompetensi, distribusi pekerjaan, dan analisis beban kerja |
| Knowledge work dan fungsi korporat | Perencanaan, analisis, dan fungsi pendukung | Target dan hasil kerja, alur proses, waktu penyelesaian, pembagian tanggung jawab, dan kebutuhan kapasitas |
Tabel ini bukan standar metrik wajib untuk setiap industri. Data yang dipilih tetap perlu disesuaikan dengan proses dan kebutuhan masing-masing perusahaan. Bahkan dalam industri yang sama, dua organisasi dapat membutuhkan indikator berbeda karena model bisnis, kebijakan tenaga kerja, dan prioritas operasionalnya tidak selalu serupa.
Tentukan pertanyaan bisnis sebelum memilih data
Agar people analytics menghasilkan insight yang relevan, HR perlu menentukan persoalan yang ingin dijelaskan sebelum memilih data.
Jika perusahaan ingin mengetahui apakah suatu unit membutuhkan tambahan karyawan, misalnya, pertanyaan awalnya bukan sekadar apakah lembur meningkat atau turnover bertambah. HR perlu memahami target unit, proses untuk mencapainya, serta volume dan distribusi pekerjaan yang harus diselesaikan.
Alfa menjelaskan pendekatan yang ia gunakan:
Targetnya apa dulu, dihubungkan dengan proses mencapai target itu seperti apa, kemudian dihubungkan dengan analisis beban kerja yang kita punya berdasarkan data, kita lihat dari situ saja.
di PT Hutama Karya (Persero)
Pendekatan ini menempatkan data sebagai alat untuk menjawab pertanyaan bisnis yang spesifik. Metrik dipilih berdasarkan kemampuannya membantu memahami target dan proses kerja, bukan karena metrik tersebut lazim digunakan oleh perusahaan lain.
Perusahaan tidak harus memulai people analytics dengan membangun dashboard yang memuat sebanyak mungkin indikator. Yang lebih penting adalah memastikan setiap metrik memiliki tujuan analisis yang jelas. Perusahaan dapat memulainya dari masalah yang ingin dipecahkan, menentukan informasi yang diperlukan, lalu mengevaluasi apakah data yang tersedia cukup relevan untuk mendukung keputusan.
Memastikan Data Konsisten sebelum Mengandalkan Hasil Analisis
Metrik yang tepat dan analisis yang relevan tetap sulit digunakan jika data dasarnya tidak konsisten. Menurut Alfa, salah satu tantangan terbesar dalam pengambilan keputusan berbasis data adalah membangun single source of truth, yaitu sumber data yang menjadi acuan bersama dan dikelola secara konsisten.
Ketika satu topik menghasilkan angka berbeda
Dalam praktiknya, data workforce dapat tersebar di berbagai tempat, mulai dari desktop, hard disk, Google Drive, penyimpanan pribadi, hingga sistem internal perusahaan. Akibatnya, laporan dengan topik yang sama bisa menunjukkan angka berbeda. Rapat pun akhirnya dihabiskan untuk menyamakan data, alih-alih membahas keputusan yang perlu diambil.
Masalah kualitas data juga muncul dalam riset eksternal. Survei SHRM menemukan bahwa hanya 29% profesional HR yang menilai kualitas data organisasinya tinggi atau sangat tinggi. Sementara itu, 56% eksekutif HR menyebut dukungan terhadap infrastruktur data masih kurang.
Temuan ini menunjukkan bahwa tantangan people analytics bukan hanya soal kemampuan mengolah data. Organisasi juga perlu memastikan data yang digunakan memang dapat dipercaya dan dibandingkan secara konsisten.
Membangun satu sumber data yang dapat dipercaya
Alfa menggambarkan prinsip single source of truth melalui tiga praktik:
- Menggunakan sumber yang sama. Data yang diolah oleh anggota tim berasal dari sumber acuan yang konsisten.
- Menyeragamkan proses pengolahan. Pembaruan dan pengolahan data dilakukan dengan metode yang disepakati.
- Mengembalikan hasil olahan ke sumber bersama. Hasil analisis tidak berhenti di file pribadi, tetapi dikelola agar dapat digunakan kembali oleh pihak yang membutuhkan.
Jika proses ini berjalan, perusahaan dapat mengurangi perbedaan angka antarlaporan dan menghabiskan lebih sedikit waktu untuk memvalidasi sumber data.
Di Hutama Karya, menurut Alfa, pembenahan tersebut telah berlangsung selama dua hingga tiga tahun dan masih berlanjut. Ini menunjukkan bahwa membangun fondasi data merupakan proses bertahap, bukan sekadar proyek implementasi dashboard.
Fondasi tersebut juga penting sebelum perusahaan memilih atau memperluas penggunaan tools analytics. Teknologi dapat membantu menyajikan informasi, tetapi tidak otomatis menyelesaikan masalah sumber data yang tersebar atau proses pengolahan yang tidak konsisten.
Menerjemahkan Temuan Workforce Menjadi Dampak Bisnis dan Finansial
Setelah menentukan metrik yang relevan dan memastikan data yang dimiliki konsisten, tantangan berikutnya adalah menerjemahkan temuan workforce menjadi implikasi bisnis dan finansial. Di sinilah Human Capital dapat mengambil peran sebagai business driver, bukan sekadar fungsi pendukung yang menyediakan data dan memenuhi kebutuhan tenaga kerja.
HC perlu menjelaskan apa arti temuan tersebut bagi pencapaian target bisnis, bagaimana temuan itu memengaruhi pendapatan, efisiensi biaya, atau risiko kerugian, serta tindakan apa yang paling relevan untuk diambil perusahaan.
Dalam hal ini, perbedaan cara pandang antara HC dan Finance dapat menjadi hambatan. HC mungkin melihat kebutuhan tenaga ahli sebagai persoalan kapasitas atau kompetensi, sementara Finance perlu memahami biaya yang harus dikeluarkan dan manfaat yang diharapkan.
Studi CIPD terhadap 3.852 profesional menemukan bahwa 71% responden HR memiliki akses ke data people di organisasinya, dibandingkan 42% responden Finance. Perbedaan akses ini menunjukkan salah satu tantangan dalam membangun pemahaman lintas fungsi terhadap data tenaga kerja.
Tiga pertanyaan untuk menilai dampak bisnis
Menurut pendekatan Alfa, kebutuhan dan keputusan terkait workforce perlu dinilai melalui tiga pertanyaan:
- Apakah tindakan ini berpotensi meningkatkan pendapatan? Misalnya, ketersediaan kompetensi tertentu memungkinkan perusahaan menjalankan proyek atau memenuhi target bisnis yang sebelumnya sulit dicapai.
- Apakah tindakan ini dapat meningkatkan efisiensi atau mengurangi biaya? Perusahaan perlu mengevaluasi apakah perbaikan distribusi pekerjaan, pemanfaatan kapasitas, atau perubahan proses dapat menghasilkan penggunaan sumber daya yang lebih efektif.
- Apakah tindakan ini dapat mencegah kerugian yang lebih besar? Dalam konteks tata kelola dan kepatuhan, pemenuhan kebutuhan kompetensi tertentu dapat membantu perusahaan mengelola risiko finansial maupun hukum.
Ketiga pertanyaan tersebut bukan berarti semua temuan workforce harus langsung diterjemahkan menjadi nilai uang. Tujuannya adalah memahami konsekuensi bisnis dari suatu temuan, sehingga perusahaan dapat menentukan prioritas dan respons yang sesuai.
Sesuaikan tindakan dengan konteks dan kondisi bisnis
Temuan yang sama belum tentu membutuhkan tindakan yang sama di setiap perusahaan. Ketika analisis menunjukkan adanya ketidakseimbangan kapasitas, misalnya, responsnya dapat berupa redistribusi pekerjaan, pengembangan kompetensi, perbaikan proses, atau penambahan tenaga kerja. Pilihannya bergantung pada akar masalah, target bisnis, dan sumber daya yang tersedia.
Pertimbangan finansial juga perlu melihat keberlanjutan bisnis. Alfa menekankan: “Yang sulit itu adalah ketika bisnisnya sudah repot dari sisi sustainability.”
Artinya, keputusan workforce tidak dapat dilepaskan dari kondisi dan prospek bisnis perusahaan. Rekomendasi HC perlu mempertimbangkan bukan hanya kebutuhan operasional saat ini, tetapi juga kemampuan perusahaan mempertahankan biaya tersebut dalam jangka panjang.
Dengan demikian, nilai people analytics bukan sekadar menghasilkan temuan tentang workforce, melainkan membantu perusahaan memahami implikasi temuan tersebut, membandingkan alternatif tindakan, dan menentukan keputusan yang paling sesuai dengan kebutuhan bisnis.
Menggunakan Data untuk Mendukung Keputusan yang Akuntabel
Data yang relevan dan konsisten belum tentu menghasilkan keputusan yang sama bagi setiap pengambil keputusan. Masih ada konteks organisasi, pengalaman, dan pertimbangan manusia yang perlu diperhitungkan.
Alfa tidak memandang data dan insting sebagai dua hal yang sepenuhnya bertentangan. Baginya, insting tetap memiliki tempat, tetapi digunakan setelah fakta dan hasil analisis dipahami.
Saya setuju bahwa insting manusia memang perlu digunakan, tapi keputusan harus terlebih dahulu melalui fase berbasis data. Setelah melihat data, barulah kita menggunakan insting untuk menilai data tersebut, sehingga menghasilkan keputusan yang paling optimal.
di PT Hutama Karya (Persero)
Artinya, insting berfungsi sebagai pertimbangan tambahan, bukan pengganti bukti yang tersedia.
Peran HC adalah menyediakan data dan rekomendasi
Dalam keputusan workforce seperti promosi dan suksesi, ada faktor yang tidak selalu dapat dijelaskan oleh data. Karena itu, menurut Alfa, human capital bertanggung jawab menyediakan data yang mutakhir, menjelaskan temuan, dan menyampaikan rekomendasi berbasis data. Keputusan akhir tetap berada pada pimpinan yang memiliki kewenangan.
Namun, keputusan yang berbeda dari rekomendasi data tetap perlu memiliki dasar yang jelas. Di Hutama Karya, Alfa menekankan pentingnya dokumentasi tertulis, seperti berita acara, agar alasan dan pihak yang bertanggung jawab atas keputusan dapat ditelusuri.
Dokumentasi ini bukan berarti setiap keputusan harus mengikuti data secara mutlak. Tujuannya adalah memastikan bahwa ketika keputusan berbeda dari hasil analisis, perbedaannya dapat dijelaskan dan dipertanggungjawabkan.
Checklist: Apakah Data Workforce Anda Siap Menjadi Dasar Keputusan?
Gunakan pertanyaan berikut untuk mendiagnosis di mana hambatan terbesar organisasi Anda berada. Jawaban “tidak” pada salah satu poin menunjukkan area yang perlu dibenahi lebih dulu.
Relevansi metrik
- Apakah metrik yang dipantau, seperti lembur, absensi, dan turnover, memang mencerminkan beban kerja di model bisnis perusahaan?
- Untuk pekerjaan berbasis proyek atau knowledge work, apakah perusahaan telah menghubungkan target bisnis, proses kerja, dan analisis beban kerja sebelum menentukan metrik yang relevan?
Dampak Bisnis dan finansial
- Apakah temuan dari analisis workforce dikaitkan dengan dampaknya terhadap pendapatan, efisiensi biaya, atau potensi kerugian bisnis?
- Apakah analisis mempertimbangkan dampak jangka pendek dan jangka panjang terhadap biaya serta keberlanjutan bisnis?
- Apakah interpretasi data dan implikasi finansialnya telah disepakati bersama oleh tim Human Capital, Corporate Planning, dan Finance?
Kualitas data
- Apakah data karyawan tersimpan dalam sistem terpusat yang menjadi satu sumber kebenaran (single source of truth)?
- Apakah hasil analisis dan pembaruan data tetap terhubung dengan sumber data utama, bukan tersimpan terpisah di file pribadi?
Akuntabilitas keputusan
- Apakah Human Capital sudah menyampaikan analisis dan rekomendasi berbasis data untuk mendukung keputusan terkait workforce?
- Apakah keputusan yang berbeda dari rekomendasi berbasis data didokumentasikan secara tertulis, termasuk pertimbangan yang mendasarinya?
Mengubah Data Workforce Menjadi Keputusan yang Lebih Terarah
Agar people analytics dapat mendukung keputusan bisnis, perusahaan perlu memastikan bahwa data workforce tersaji secara konsisten, mudah dipahami, dan relevan dengan kebutuhan pengambilan keputusan. Tantangannya bukan hanya mengumpulkan data, tetapi juga menghubungkan berbagai indikator agar Human Capital dan pimpinan memiliki dasar analisis yang sama.
HR Analytics dari Mekari Talenta dapat membantu perusahaan memantau dan menyajikan data Human Capital secara lebih terstruktur. Visibilitas yang lebih baik terhadap data workforce memungkinkan tim HC dapat mengidentifikasi pola, memahami kondisi tenaga kerja, dan menyiapkan analisis sebagai bahan pertimbangan bagi pengambil keputusan. Pelajari HR Analytics Mekari Talenta untuk pengambilan keputusan.
Referensi
- Korn Ferry. (2025). The Vital Role of CHROs in 2025 (Korn Ferry 2025 CHRO Survey).
- The Conference Board. (2026). When People Analytics Stalls.
- SHRM. (2023). SHRM Research: HR Professionals Seek the Responsible Use of People Analytics and AI.
- CIPD. (2018). People analytics: Driving business performance with people data.
