Panduan Memilih Software People Analytics untuk Kebutuhan Bisnis Enterprise
Ketika sebuah perusahaan memutuskan untuk serius dengan people analytics, pertanyaan berikutnya hampir selalu sama: tools atau platform apa yang sebaiknya dipilih?
Demo vendor biasanya menjanjikan banyak hal. Dashboard yang rapi, visualisasi yang menarik, fitur AI, hingga integrasi dengan berbagai sistem. Namun, banyak HR leader mengalami hal yang sama setelah implementasi: tools sudah dibeli, tetapi rapat direksi masih dibuka dengan file Excel.
Riset SHRM menunjukkan bahwa tantangan ini bukan semata soal fitur. Di antara HR executive yang organisasinya sudah menggunakan people analytics, 56% menyebut dukungan untuk infrastruktur data masih kurang, dan 58% menilai upaya meningkatkan data literacy tim HR belum memadai. SHRM juga menegaskan bahwa tanpa infrastruktur, sumber daya, keterampilan, dan panduan yang jelas, organisasi akan kesulitan mendapatkan manfaat penuh dari tools people analytics.
Artikel ini disusun sebagai bagian dari seri wawancara Mekari Talenta bersama Alfa Haga Rachmady, S.Ikom, MBA, MH, Executive Vice President Human Capital Division di PT Hutama Karya (Persero). Di dua artikel sebelumnya, Alfa membahas panduan menentukan kebutuhan karyawan berbasis data, serta cara mengoptimalkan people analytics untuk menentukan keputusan berbasis data.
Sebelum memimpin Human Capital Division, Alfa memimpin Human Capital Strategic Planning yang mencakup strategi human capital, corporate culture management, serta employee experience dan engagement. Ia juga berpengalaman di Corporate Communications, transformasi bisnis Hutama Karya, dan Corporate Secretary dengan fokus Good Corporate Governance, didukung latar pendidikan Manajemen Komunikasi (Universitas Padjadjaran), MBA (University of Sunderland), dan Magister Hukum Bisnis (Universitas Gadjah Mada).
Di artikel ini, Alfa berbicara sebagai pengguna tools people analytics. Ia membagikan apa yang perlu diperiksa sebelum memilih vendor, terutama untuk perusahaan enterprise multi-entity seperti Hutama Karya, kesiapan internal yang harus dibereskan lebih dulu, cara menguji apakah tools benar-benar akurat, dan satu indikator sederhana untuk mengetahui apakah tools tersebut benar-benar dipakai.
Demo Dashboard Saja Tidak Cukup untuk Memilih Software People Analytics yang Tepat
Saat mengevaluasi software people analytics, perusahaan mungkin menemukan beberapa vendor dengan kemampuan yang terlihat serupa. Masing-masing dapat menampilkan dashboard, KPI, grafik, dan laporan workforce yang menarik. Namun, tampilan yang lengkap belum tentu membuktikan bahwa platform tersebut sesuai dengan kebutuhan perusahaan.
Ada tiga hal yang perlu dibedakan ketika menilai software people analytics.
- Pertama, kemampuan menampilkan data. Platform dapat menyajikan indikator seperti jumlah karyawan, pergerakan tenaga kerja, atau hasil evaluasi kinerja dalam bentuk visualisasi yang mudah dibaca.
- Kedua, kemampuan menghasilkan analisis yang benar. Angka dan kesimpulan yang muncul harus sesuai dengan sumber data, definisi metrik, serta metode pengolahan yang disepakati perusahaan.
- Ketiga, kemampuan mendukung keputusan. Informasi yang dihasilkan perlu membantu pengguna memahami kondisi workforce, menilai alternatif tindakan, atau mengidentifikasi hal yang perlu ditindaklanjuti.
Ketiganya saling berkaitan, tetapi tidak sama. Dashboard yang terlihat informatif belum tentu menghasilkan analisis yang tepat. Analisis yang tepat pun belum tentu digunakan jika tidak sesuai dengan alur kerja atau kebutuhan pengambil keputusan.
Tantangan ini juga tercermin dalam riset Korn Ferry. Survei terhadap 756 pemimpin HR untuk 2025 CHRO Survey menemukan bahwa hanya 18% CHRO yang percaya organisasinya secara konsisten menggunakan data analytics untuk menghasilkan keputusan people yang lebih baik.
Temuan tersebut menunjukkan bahwa memiliki teknologi dan data saja belum cukup. Perusahaan perlu memastikan kapabilitas analytics benar-benar terhubung dengan kebutuhan pengambilan keputusan.
Karena itu, proses evaluasi vendor sebaiknya tidak dimulai dengan pertanyaan, “Vendor mana yang memiliki dashboard paling lengkap?” Pertanyaan yang lebih tepat adalah, “Masalah workforce apa yang perlu diselesaikan, dan bagaimana platform ini membuktikan bahwa ia mampu membantu?”
Apa yang Perlu Diperiksa Sebelum Memilih Platform People Analytics?
Alfa merangkum pemeriksaan sebelum memilih platform ke dalam dua hal: keamanan data dan kesesuaian dengan kebutuhan perusahaan. Namun, ia menambahkan bahwa hal kedua sering gagal bukan karena platformnya, melainkan karena perusahaan sendiri belum jelas apa yang dibutuhkan.
1. Keamanan data sebagai syarat pertama
Data workforce memuat informasi yang sangat sensitif, mulai dari gaji, penilaian kinerja, hingga riwayat karier. Karena itu, pertanyaan pertama yang Alfa ajukan kepada vendor adalah apakah mereka dapat memberikan assurance dari sisi keamanan data.
Secara praktis, ia melihatnya dari dua hal:
- Apakah vendor memiliki sertifikasi keamanan data.
- Apakah sertifikasi tersebut berlevel lokal atau internasional.
2. Kesesuaian dengan kebutuhan perusahaan
Setelah keamanan data, pertanyaan berikutnya terdengar sederhana: apakah platform ini benar-benar sesuai dengan kebutuhan kita? Di sinilah, menurut pengalaman Alfa sebagai pengguna platform, banyak perusahaan keliru menilai kecocokan platform dengan kebutuhan mereka.
Polanya sering terbalik. Platform hadir lebih dulu, lalu perusahaan mencari-cari kebutuhan yang bisa dijawab platform tersebut. Bagi Alfa, urutan ini keliru. Pertanyaan yang seharusnya diajukan lebih dulu adalah: “Apa sih masalahmu sehingga butuh platform ini?”
Jika masalahnya sudah jelas, lalu perusahaan menemukan platform yang benar-benar menjawab masalah tersebut, proses pemilihan menjadi jauh lebih sederhana. Alfa mengutip pandangan bahwa memahami masalah dengan baik sudah menyelesaikan sekitar separuh persoalan. Sebaliknya, perusahaan yang belum memahami masalahnya akan sulit menilai vendor mana pun secara objektif.
Kesiapan Internal Menentukan Seberapa Efektif Tools People Analytics Digunakan
Ketika ditanya kesiapan internal apa yang perlu dibereskan, jawaban Alfa hanya satu kata: data. Lebih tepatnya, data yang sudah menjadi single source of truth, yaitu berada di satu tempat, memiliki satu versi kebenaran, dan diperbarui secara konsisten.
Kalau data kita masih tersebar dan belum terintegrasi, menurut saya, membahas pemilihan tools saat ini belum akan banyak membantu.
di PT Hutama Karya (Persero)
Jebakan FOMO dalam memilih aplikasi
Alfa menggambarkan pola yang ia temui langsung dalam pengalaman pribadinya. Ada aplikasi baru, semua orang terlihat memakainya, lalu organisasi ikut membeli karena takut tertinggal. Pada akhirnya, tools tersebut tidak digunakan karena data yang seharusnya mengisinya belum dikelola.
Karena itu, sarannya tegas: selama data belum beres, lupakan dulu urusan tools. Pekerjaan yang harus diselesaikan lebih dulu adalah data manual yang selama ini tersebar, mulai dari file Excel dengan sheet yang tak terhitung, dokumen PDF, hingga gambar dan dokumen HR dalam berbagai format.
Peringatan ini sejalan dengan temuan SHRM. Hanya 29% profesional HR yang menilai kualitas data organisasinya tinggi atau sangat tinggi. SHRM juga menyebut tata kelola dan kualitas data sebagai fondasi sebelum organisasi berinvestasi pada people analytics berbasis AI.
Bagaimana menangani data lama yang hilang atau tidak lengkap?
Pertanyaan ini hampir selalu muncul di perusahaan yang sudah berdiri puluhan tahun. Hutama Karya, yang telah berusia sekitar 65 tahun, menghadapi situasi serupa: sebagian riwayat karyawan dari era 1990-an hanya tersimpan dalam bentuk kertas, dan sebagian sudah tidak ada.
Alfa menjelaskan dua langkah yang ditempuh perusahaannya.
- Langkah 1: Sensus karyawan. Hutama Karya melakukan sensus karyawan sebanyak dua kali. Perusahaan meminta data dari karyawan, lalu mencocokkan data yang dimiliki perusahaan dengan data yang dimiliki karyawan.
- Langkah 2: Pemutihan data dengan berita acara. Untuk data lama yang tidak lagi dapat ditemukan atau diverifikasi, perusahaan melakukan pemutihan data melalui berita acara sebagai bentuk dokumentasi.
Dalam praktiknya, karyawan menuliskan riwayatnya sesuai ingatan, misalnya di unit mana ia bertugas pada tahun tertentu dan siapa atasannya saat itu. Perusahaan dan karyawan kemudian sepakat untuk mengakui informasi tersebut, termasuk data seperti besaran gaji pada tahun tertentu, melalui berita acara tertulis. Data yang sudah disepakati itulah yang kemudian dimasukkan ke sistem.
Jadi, prinsip di baliknya sederhana: gunakan data yang ada, tuliskan kesepakatan untuk data yang tidak ada, dan jangan terlalu lama terjebak pada masa lalu. Menurut Alfa, jika perusahaan terus memikirkan data yang sudah tidak ada, prosesnya tidak akan pernah selesai.
Alfa juga mencatat bahwa industri tertentu, seperti perbankan, mungkin memiliki kesadaran data yang lebih tinggi sejak awal. Namun, bagi banyak perusahaan lain yang belum memiliki kesadaran tersebut di masa lalu, pemutihan data menjadi jalan keluar yang praktis dan tetap dapat dipertanggungjawabkan.
Berapa lama proses merapikan data?
Alfa tidak menutupi bahwa pekerjaan ini panjang dan melelahkan. Di Hutama Karya, proses merapikan data sudah berjalan dua hingga tiga tahun dan masih berlangsung. HR leader yang baru bergabung, menurutnya, juga tidak bisa berharap datanya sudah rapi.
Pengecualiannya hanya jika pemimpin sebelumnya memang sudah berhasil membereskan pekerjaan tersebut.
Bagaimana Menguji apakah Tools Analytics Benar-Benar Akurat?
Misalkan data sudah rapi dan sudah menjadi single source of truth. Pertanyaan berikutnya: bagaimana memastikan tools yang dipilih menghasilkan analisis yang sesuai dengan data tersebut?
Jawaban Alfa: tools harus diuji, dan cara mengujinya sebenarnya sederhana. Ia membaginya menjadi dua tahap.
Tahap 1: Uji petik manual di awal penggunaan
Di awal penggunaan, Alfa menyarankan periode uji petik selama satu hingga dua minggu, bahkan hingga satu bulan. Selama periode itu, output yang dihasilkan tools dibandingkan secara manual dengan data sumbernya.
Ia menyamakan proses ini dengan menguji model artificial intelligence. Tools diberi data, lalu ketika diminta menghasilkan analisis, tim memeriksa apakah jawabannya sesuai dengan data yang sudah diberikan. Tujuannya memastikan tidak ada halusinasi, error, atau kesalahan.
Ada satu syarat penting dalam tahap ini: tim HC harus memahami dan dapat mengakses data sumbernya sendiri. Tanpa itu, tim tidak memiliki pembanding untuk menilai apakah output tools benar. Yang diuji adalah konsistensi tools dalam menghasilkan output yang diharapkan berdasarkan data yang sudah benar.
Tahap 2: Random check berkala setelah tools dipakai
Setelah tim puas dengan hasil uji awal, pengecekan tidak berhenti. Misalnya, jika tools menghasilkan ratusan data setiap bulan, perlu ada random check terhadap sebagian output tersebut. Bahkan jika tools menghasilkan jutaan data, cukup ambil satu atau dua kasus secara acak dan periksa secara manual. Jika ditemukan error, barulah ditelusuri lebih jauh.
Alfa menekankan bahwa pengecekan manual ini tidak perlu banyak dan tidak perlu terus-menerus. Cukup dilakukan pada momen tertentu sebagai pengaman.
| Tahap | Kapan | Durasi atau frekuensi | Yang diperiksa |
|---|---|---|---|
| Uji petik awal | Awal penggunaan tools | 1–2 minggu, hingga 1 bulan | Konsistensi output terhadap data sumber; tidak ada halusinasi atau error |
| Random check berkala | Setelah tools digunakan rutin | Periodik, misalnya bulanan | Satu atau dua kasus acak dari output yang dihasilkan |
Bagaimana Mengukur apakah Tools People Analytics Benar-Benar Dipakai?
Setelah tools dipilih dan diuji, pertanyaan berikutnya adalah apakah penggunaannya benar-benar membawa perubahan. Untuk mengukur kondisi sebelum dan sesudah implementasi, Alfa tidak menggunakan metrik yang rumit.
Indikator paling sederhana: tools hadir di ruang rapat
Menurut Alfa, indikator paling mudah adalah apakah tools tersebut dipakai setiap hari dan dibawa ke ruang-ruang rapat penting: rapat direksi, rapat manajemen, hingga rapat tahunan.
Jika di rapat-rapat tersebut tim masih membuka Excel, artinya tools belum digunakan. Sebaliknya, jika presentasi sudah berbunyi “berdasarkan tools kita, kondisinya begini”, dan semua peserta rapat bisa melihat data yang sama dari desktop atau ponsel masing-masing, tools tersebut sudah benar-benar dipakai.
Alfa mengaku sering menemui situasi sebaliknya. Aplikasinya sudah canggih, tampilannya bagus, front-end-nya menarik, tetapi orang tetap mengolah datanya di Excel. Dalam kondisi seperti itu, tools tidak memberikan pengaruh apa pun.
Contoh nyata: adopsi aplikasi performance management
Alfa memberikan contoh dari proses adopsi teknologi yang sedang berjalan di Hutama Karya untuk performance management.
Sebelumnya, karyawan mengumpulkan rencana dan realisasi KPI menggunakan Excel, lalu mengunggahnya ke penyimpanan cloud seperti SharePoint, OneDrive, atau Google. Sebagian proses bahkan sudah cukup canggih: ada anggota tim yang membangun sistem token di Excel sehingga data bisa ditarik otomatis dan status pengumpulan bisa dipantau. Namun, semuanya masih berbasis Excel, sehingga orang tetap harus membukanya.
Kini, perusahaan sedang mengadopsi aplikasi khusus performance management. Ukuran keberhasilannya jelas: adopsi dianggap optimal jika pengisian, review, diskusi, hingga pelaporan ke manajemen dilakukan melalui aplikasi tersebut.
Kalau proses kerja masih bergantung pada pengecekan manual, seperti memeriksa file Excel berulang kali dan melakukan berbagai uji coba, artinya adopsi tools belum berjalan secara optimal.
di PT Hutama Karya (Persero)
Alfa menegaskan bahwa ukuran ini berlaku untuk semua aplikasi dan sistem lainnya. Kondisi ideal yang ia bayangkan adalah semua input, pembaruan, pemrosesan, hingga output data berlangsung di aplikasi yang sama.
Mengapa Tools Saja Tidak Cukup? Dua Fondasi yang Menentukan
Di penutup wawancara, Alfa diminta menyampaikan satu pesan untuk praktisi HR yang sedang berjuang menjadikan data workforce sebagai dasar keputusan bisnis. Ia menyebut dua pekerjaan yang menurutnya paling tidak populer di dunia HR.
Fondasi 1: Membereskan data, the dirty job
Alfa menekankan bahwa membangun people analytics tidak selalu dimulai dari teknologi atau pemilihan aplikasi. Ada pekerjaan mendasar yang perlu dijalani terlebih dahulu, yaitu membenahi data yang masih tersebar dan terfragmentasi. Menurutnya, proses ini membutuhkan kesabaran karena tidak bisa diselesaikan dalam waktu singkat. Ia menyebutnya sebagai the dirty job yang harus bersedia dihadapi oleh setiap HR leader.
Menurut saya, yang pertama adalah kita harus mau melakukan the dirty job: mengerjakan hal-hal yang paling menyebalkan, melelahkan, dan sering dianggap tidak penting. Salah satunya adalah membereskan data. Data yang tersebar dan terfragmentasi harus ditata secara bertahap. Pekerjaan ini tidak populer karena prosesnya panjang, melelahkan, dan harus dilakukan satu demi satu.
di PT Hutama Karya (Persero)
Pesannya untuk HR leader jelas: jangan terburu-buru melompat memilih aplikasi atau AI tertentu sebelum datanya tertata.
Fondasi 2: Organizational development
Fondasi kedua adalah organizational development (OD): proses bisnis, accountability matrix, dan beban kerja. Alfa meminta praktisi HR menguasai area ini sebelum membicarakan talent management yang canggih, succession planning, learning and development, atau employee experience.
Alasannya, setelah strategi dan arah bisnis ditetapkan, semua program human capital dapat ditelusuri kembali ke OD. Succession plan yang tepat, pelatihan yang efektif dan tepat sasaran, serta performance management yang ideal, semuanya berangkat dari pemetaan organisasi yang benar.
Setiap praktisi HR harus menguasai yang namanya organizational development. You got to be obsessive with business processes, process list, accountability matrix, dan beban kerja. Karena kalau saya bilang, setelah kita bicara strategi dan business direction, OD adalah sumber dari segala sumber. Mau succession plan yang benar, pelatihan yang efektif, efisien, dan tepat sasaran, atau performance management yang bagus, adil, dan high-performing, semuanya berawal dari OD.
di PT Hutama Karya (Persero)
Kesiapan internal ini menjadi fondasi dalam memilih tools analytics. Tools hanya dapat mengolah data dan proses yang sudah terdefinisi dengan jelas. Tanpa pemetaan proses bisnis, tanggung jawab, dan beban kerja yang memadai, insight yang dihasilkan berisiko tidak mencerminkan kebutuhan operasional perusahaan.
Mengapa keduanya sering diabaikan?
Alfa mengamati bahwa kedua pekerjaan ini tidak terlihat seperti “bekerja”. Orang yang mengurus gaji, pelatihan, promosi, atau rotasi terlihat sibuk dan hasil kerjanya mudah dirasakan. Orang yang merapikan data dan memetakan organisasi sering tidak terlihat.
Masalahnya, bisnis memang bisa berjalan puluhan tahun tanpa keduanya, cukup dengan mengurus payroll. Namun, tanpa data yang rapi dan OD yang kuat, fungsi human capital tidak akan terstruktur, dan keputusan akan terus diambil dari insting dan feeling, bukan dari sesuatu yang grounded.
Laporan When People Analytics Stalls dari The Conference Board (Juni 2026) menggambarkan konsekuensi yang serupa di tingkat global: kemampuan analitik organisasi terus berkembang, tetapi banyak yang belum berhasil menerjemahkannya menjadi nilai bagi bisnis. Pengalaman Alfa memberi penjelasan praktis mengapa hal ini terjadi: tools dibeli lebih cepat daripada fondasinya dibangun.
Memilih Tools People Analytics Berarti Memilih Cara Kerja
Memilih software people analytics bukan sekadar menentukan teknologi yang akan digunakan, tetapi juga menentukan bagaimana data workforce akan dikelola, dianalisis, dan digunakan dalam pengambilan keputusan. Karena itu, evaluasi vendor perlu berjalan beriringan dengan kesiapan organisasi.
Sebelum memutuskan, HR perlu memastikan tiga hal: masalah bisnis yang ingin diselesaikan sudah jelas, data yang menjadi dasar analisis dapat dipercaya, dan proses kerja internal sudah cukup terdefinisi untuk mendukung penggunaan tools. Setelah itu, kemampuan vendor dapat diuji melalui skenario keputusan nyata, bukan hanya presentasi fitur atau demo dashboard.
Dalam proses ini, pemilihan tools seperti HR Analytics Mekari Talenta dapat menjadi bagian dari upaya perusahaan untuk memanfaatkan data human capital secara lebih terarah, dengan tetap memastikan kesiapan data dan kebutuhan bisnis sebagai landasan utamanya. Demo gratis Mekari Talenta.
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.
