L’AZIENDA  

Esselunga è una delle principali catene italiane nel settore della grande distribuzione che opera attraverso una rete di oltre 160 negozi in Lombardia, Toscana, Emilia-Romagna, Piemonte, Veneto, Liguria e Lazio. Tutti i negozi sono serviti dai centri di produzione, lavorazione e distribuzione situati a Limito di Pioltello (MI), Parma, Biandrate (NO) e Sesto Fio­rentino (FI). La storia di Esselunga inizia nel 1957 con l’aper­tura a Milano del primo supermercato in Italia. Oggi il grup­po si avvale di circa 25.000 persone, fattura oltre 8 miliardi di euro e conta 5,5 milioni di clienti fidelizzati. Esselunga si impegna a promuovere la crescita personale e professionale di tutti i suoi collaboratori, ad assicurare i più alti standard di salute e sicurezza per i lavoratori e a tutelare le categorie più deboli, creando meccanismi di inclusione e sistemi di ascolto che favoriscano il dialogo e la collaborazione.  

L’ESIGENZA  

Esselunga, consapevole che un sapiente utilizzo dei dati possa offrire un valido supporto anche nei processi in ambito HR, nel 2020 ha deciso di avviare un progetto di HR Analytics & Predictive, al fine di analizzare i dati disponibili e creare valore per la Direzione HR, per i collaboratori e per l’intera organizzazione. In particolare, l’obiettivo del pro­getto è quello di analizzare i fattori che determinano il tasso di turnover della popolazione di punto vendita, allo scopo di attivare in maniera proattiva una serie di iniziative di miglioramento da parte della Direzione HR. La progettualità rappresenta un punto di partenza per mettere in luce even­tuali criticità e reagire in maniera tempestiva e proattiva, ri­ducendo il tasso di abbandono, migliorando la soddisfazione e l’engagement dei propri collaboratori. Inoltre, per l’azienda rappresenta un’analisi fondamentale da cui partire per atti­vare strategie di retention e di employer branding interno.  

IL PROGETTO  

Il progetto “Predictive HR” di Esselunga prevede l’analisi del turnover sulla popolazione dei suoi oltre 160 punti vendita dislocati sul territorio italiano. Il fenomeno viene analizza­to da due diverse prospettive: da una parte, in maniera più tradizionale, attraverso analisi descrittive delle cause che lo determinano, dall’altra, secondo logiche più avanzate e innovative, con la costruzione di un modello predittivo. Il progetto è partito con una fase pilota, con l’obiettivo di studiare nel dettaglio i risultati ottenuti e validare il modello predittivo utilizzato. Il punto cruciale è stata la scelta delle variabili da utilizzare per analizzare il fenomeno e sulle quali costruire le elaborazioni predittive. A tal fine sono state scelte e testate 5 macro-famiglie di dati a disposizione: dati amministrativi, tra cui quelli anagrafici e relativi alla posi­zione ricoperta nell’organizzazione; di presenza e assenza del personale (ad esempio i giorni di malattia o di ferie); relativi ai processi di formazione; derivanti dal processo di valutazione delle performance; infine, di natura disciplinare, su eventuali provvedimenti o richiami. Per la costruzione del modello è stato quindi necessario reperire i dati dai diversi sistemi a supporto, integrandoli tra loro e caricandoli sul si­stema di analisi. I dati utilizzati fanno riferimento al biennio 2017-2019, al fine di escludere dalle analisi l’effetto che la pandemia ha avuto in merito al fenomeno del turnover. Al fine di comprendere maggiormente le cause del fenomeno, sono state utilizzate due chiavi di analisi differenti rispetto a due cluster di popolazione: per i dipendenti con un livello di anzianità inferiore ai 2 anni e mezzo sono stati analizzati i dati relativi ai primi 12 mesi in azienda, per comprendere le cause alla base dell’“early turnover”; per la popolazione con un’anzianità maggiore è stato utilizzato lo storico degli ultimi 12 mesi. Come risultato delle prime analisi è stato possibile isolare e mettere in evidenza le criticità che riguar­dano le prime fasi di contatto tra collaboratore e azienda, ad esempio il processo di selezione e Onboarding, dalla seconda vista, invece, sono emerse le cause di abbandono connesse alla gestione di altri processi, come la gestione del lavoro, il wellbeing e la conciliazione con la vita privata, la formazione e le opportunità di crescita. Da queste evidenze si è poi pas­sati alla costruzione del modello predittivo. Si tratta di un algoritmo di machine learning, il quale dopo aver analizzato le variabili utilizzate, offre come risultato per ogni collabo­ratore la percentuale di probabilità che resti in azienda o che abbandoni. I risultati di tutte le analisi effettuate, sia quelle descrittive che predittive, sono organizzate all’interno di da­shboard interattive date in dotazione a tutti gli HR Manager.  

I RISULTATI  

Il progetto di Esselunga è ancora in fase di implementazio­ne. Dopo il primo “pilota” e le fasi di test, ad oggi il modello alla base delle analisi è stato validato e risulta in grado di restituire una fotografia accurata del fenomeno del turnover, sia con valenza descrittiva, sia con finalità predittive. Grazie al modello implementato e allo strumento di visualizza­zione delle dashboard, come unico punto di accesso ai dati, gli HR Manager di Esselunga hanno la possibilità di defi­nire processi e servizi per i propri collaboratori in maniera più efficiente, basandosi sulle evidenze oggettive emerse. L’interattività delle dashboard permette in maniera semplice e immediata di scegliere in autonomia la quota parte della popolazione che si desidera analizzare. Ad esempio, utiliz­zando appositi “filtri” è possibile analizzare nel dettaglio le singole situazioni “a rischio”, oppure effettuare riflessioni più generali su cluster di popolazione omogenei o mettendo a confronto cluster con caratteristiche diverse (per punto vendita, per ruolo, per mansione, ecc.). Si tratta quindi di uno strumento in grado di offrire un supporto efficace alla Direzione HR nella scelta delle azioni future da intraprende­re come, per esempio, la formazione dei Manager e capi che risultano essere maggiormente a rischio di perdita dei propri collaboratori, il mantenimento dei livelli ottimali di orga­nico attraverso l’anticipazione delle azioni di sostituzione dei futuri dimissionari o l’elaborazione di specifiche misure di retention per i soggetti a rischio di uscita dall’organizza­zione. Il progetto è stato avviato grazie a un grande lavoro di raffinamento e integrazione di tutti i dati disponibili sui vari sistemi HR di Esselunga e ciò ha permesso all’azienda di mettere tutte queste informazioni a fattor comune, generan­do valore non più in maniera limitata al singolo processo, ma per tutte le attività e iniziative della Direzione HR. Questa attività iniziale ha comportato inoltre un grande lavoro di verifica delle eventuali anomalie dei dati disponibili, elimi­nando le difformità tra i diversi strumenti utilizzati e agendo allo stesso tempo sulle modalità stesse di gestione ed eroga­zione dei processi. Gli HR Manager hanno accolto positiva­mente questa nuova opportunità offerta loro e il successo si deve principalmente al coinvolgimento della Direzione HR nella costruzione del modello e nell’adozione delle dashbo­ard, dall’altra il fatto che i referenti HR di Esselunga siano già avvezzi all’utilizzo di strumenti di analisi dei dati come supporto nella presa di decisioni.  

GLI SVILUPPI FUTURI  

Come prossimo sviluppo nel breve periodo, Esselunga continuerà a lavorare sull’implementazione della proget­tualità, terminando definitivamente le fasi di test e aprendo l’accesso allo strumento a tutti i referenti HR dell’azienda. In un orizzonte temporale più lungo, l’azienda si doterà delle competenze necessarie a gestire internamente gli aggiornamenti del modello e iI caricamento periodico dei dati, ad oggi in mano a un’azienda di consulenza esterna. Infine, la previsione di utilizzare il Sistema anche per altri fenomeni collegati alla gestione delle risorse umane, tra i quali, l’assenteismo.