Hr аналитика на российских предприятиях научные статьи. Предиктивная аналитика в HR — модный тренд или жизненная необходимость? Три секрета успешного применения Big Data в HR

Не возьмусь оценивать точно, но интерес к HR-аналитике нарастал, как минимум, лет 10. Пока, наконец, пару-тройку лет назад профессиональное HR-сообщество буквально не взорвалось массой конференций, бизнес-завтраков, мастер-классов и т.п., рассказывающих о том, что такое HR-аналитика, как ее измерять, как настроить систему сбора данных и как применять полученную информацию на практике.

Казалось бы, теперь всем всё стало ясно, но продолжающиеся дискуссии и споры говорят об обратном. Одни предприятия в России уже наладили целостные системы сбора и анализа данных о персонале и получают сводные отчеты в режиме on-line. Другие организации «что-то измеряют», но не вполне понимают, что и зачем. Третьи – делают первые нерешительные шаги в этом направлении.

Между тем в наш век «больших данных» понимание происходящего, основанное на анализе, статистике и фактах, становится критическим для принятия грамотных управленческих решений в целом, и управленческих решений относительно персонала, в частности.

Сложность восприятия HR-аналитики связана с тем, что не сразу понятно, про что это. Если спросить руководителя, например, коммерческой службы, что такое HR-аналитика, он, вероятно, заговорит о затратах и эффективности обучения. Руководитель отдела подбора персонала подумает о сроках закрытия вакансий и воронке подбора. А генеральный директор, вероятно, заговорит о производительности и окупаемости затрат на персонал. И все эти точки зрения верны и нужны.

Для того чтобы разобраться, может быть полезным посмотреть на вопрос «сверху». Начиная совсем издалека, можно сказать, что HR-аналитика делится на внутреннюю и внешнюю. Внутренняя HR-аналитика рассказывает про все, что связано с людьми внутри организации. А внешняя HR-аналитика дает понимание окружения компании, соотношения спроса и предложения на рынке труда, уровня заработных плат и даже общей демографической ситуации.

Идем дальше. Содержательно внутренняя HR-аналитика – это про что? В первую очередь, про то, насколько эффективно компания управляет одним из своих ключевых ресурсов – людьми: сколько пользы получила компания от своего персонала (в натуральном и денежном выражении) и какие затраты были понесены, чтобы получить эту пользу.

Отсюда возникают две группы измеряемых факторов: затраты на персонал в различных разрезах (ФОТ – как самый крупный из них, расходы на подбор и обучение персонала, а также затраты на содержание самого отдела персонала) и все возможные показатели эффективности, т.е. соотношение затрат и дохода/прибыли (доля ФОТ в выручке, производительность труда, доход компании на 1 рубль ФОТ и т.п.).

Так как одна из главных составляющих успеха в бизнесе – это умение привлекать и удерживать людей с нужными компетенциями, то текучесть персонала, скорость укомплектования ключевых вакансий и длительность адаптации также относятся к блоку аналитики «про HR-функцию и человеческий ресурс».

Второй блок измерений внутренней HR-аналитики целиком и полностью посвящен людям, т.е. сотрудникам организации, их образованию, навыкам, умениям и психологическим особенностям, структуре мотивации, корпоративной культуре и другим факторам, относящимся к вопросам социального взаимодействия и персональных особенностей личности. В этот раздел HR-аналитики можно отнести структуру персонала, средний срок пребывания в должности, ключевые компетенции организации, уровень удовлетворенности персонала, причины текучести и прочие факторы, позволяющие оценить персонал компании, не просто как ресурс, а как капитал и основу для дальнейшего развития бизнеса и его конкурентоспособности.

Наконец, третий блок внутренней HR-аналитики – исследование организационной эффективности. Строго говоря, здесь речь идет уже об HR- и бизнес-аналитике, когда рассматривается не только функция управления персоналом, а организационная структура и сочетание всех функций компании в контексте их взаимного влияния друг на друга и на общую эффективность бизнеса в целом.

Для осуществления анализа организационной эффективности понадобятся функционограмма и органиграмма компании, оценка этапа ее развития, оценка существующих и необходимых стилей управления, анализ существующих бизнес-процессов и многое другое.

Итак, внутренняя HR-аналитика охватывает оценку эффективности персоналом как ресурсом, оценку персонала, как человеческого капитала организации, и оценку эффективности организации труда в целом по компании. А что дает нам внешняя HR-аналитика, про что она?

Как и вся организация, отдел персонала и HR-функция не существуют отдельно в идеальных лабораторных условиях. Кандидатов надо искать на рынке труда, где на них претендуют другие работодатели. Конкуренция высока как среди соискателей, так и среди работодателей. Условия труда, уровень заработной платы и репутация компании могут существенно повлиять на способность организации удовлетворять собственные потребности в персонале.

Поэтому, для того чтобы «держать руку на пульсе» необходимо анализировать, как минимум, уровень зарплат на рынке, доступность персонала требуемой квалификации и репутацию компании. Оптимально, если кроме перечисленных данных, организация будет проводить бенчмаркинговые исследования по всем показателям внутренней HR-аналитики. Другими словами, свою эффективность управления персоналом необходимо сопоставлять с эффективностью управления персоналом в других организациях, что позволит в дальнейшем повысить конкурентоспособность данного конкретного бизнеса.

Можно ли рассматривать показатели HR-аналитики отдельно, независимо друг от друга? Некоторые, наверное, можно. Например, доля затрат на фонд оплаты труда в выручке компании сама по себе является значимым и самодостаточным показателем. А вот текучесть персонала сама по себе не столь наглядна.

Однако если сопоставить текучесть со скоростью подбора, мы получаем измеряемую способность компании к восполнению трудовых ресурсов. Если сопоставить ту же текучесть с показателями производительности различных подразделений, то можно будет увидеть прямое влияние оттока персонала на бизнес-эффективность и прибыль компании.

При «взгляде сверху» HR-аналитика воспринимается довольно легко. Однако при погружении в детали вы обнаружите более 100 различных показателей, касающихся управления персоналом. Конечно, ни руководители подразделений, ни генеральный директор или собственники, ни сами сотрудники отдела персонала не смогут эффективно применять такое количество данных.

Поэтому при разработке системы HR-аналитики в компании главная задача заключается не в том, чтобы придумать, что измерять, а в том, чтобы найти те несколько показателей, которые будут наилучшим образом характеризовать систему управления персоналом в компании, а также решить, какие показатели и кому нужны.

Пишут и говорят об HR-аналитике намного больше, чем понимают, чем она является на самом деле и какие задачи призвана решать.

Эта статья про то, каковы основные трудности в применении и с чего можно начать анализировать.

Пока в публичном пространстве под HR-аналитикой подразумевают или метрики и работу с цифрами, статистикой в HR, которые являются показателями локальных процессов либо подразделений, или делятся кейсами по поводу того, как подключить IT-департамент к созданию архивов HR-данных. На самом деле HR-аналитика решает задачи стратегического развития компании, определяет главные прогностические тенденции.

Итак, что такое HR-аналитика?

HR-аналитика является процессом, в котором методы обработки данных и бизнес-аналитики (BA) применяются к обработке HR-данных. Ее иногда также называют аналитикой талантов. Кроме того, интеллектуальный анализ данных (data mining) в этом контексте относится к практике изучения баз данных для создания новой информации.

Почему это так актуально сейчас, в свете глобальной диджитализации экономики, бизнеса, человека. Данные, друзья! Большие данные повсюду!

А тут и нейронауки подоспели, демонстрируя нам, насколько человеческие решения субъективны и наполнены эмоциями вместо рационального подхода.

Как теперь с этим жить?

Конечно, нужен другой способ принятия решений – чтобы все логично, разумно, на основании данных и с гарантированным результатом. Кто такое не хочет? Все хотят! А почему не делают?

Готовность к применению HR-аналитики остается серьезной проблемой. По данным отчета Deloitte 2017 , после нескольких лет обсуждения этого вопроса только 8% респондентов сообщили, что у них есть полезные данные; только 9% считают, что у них хорошее понимание того, какие характеристики сотрудников приводят к успеху в их организациях; и только 15% в целом развернули системы HR и талант-показателей для линейных менеджеров.

«Это было загадкой на протяжении последнего десятилетия – почему при очевидной важности человеческого капитала организации не инвестируют в это и не требуют, чтобы лидеры принимали свои решения в отношении людей, используя аналитику на основе фактов?» (« ).

Так в чем же дело? Почему говорят и пишут о пользе и необходимости использования аналитики гораздо больше, чем применяют в реальной работе?

Давайте посмотрим на это явление с разных сторон.

В чем сложность?

Прежде всего стоит рассмотреть глубинные, фундаментальные причины такого «торможения» со стороны лидеров компаний. Я опишу это в рамках модели, которую Пит Рамстад (Pete Ramstad) и Джон Бодро (John Boudreau) представили в работе «За пределами HR» («Beyond HR», Boudreau and Ramstad, 2007) и которая называется LAMP-моделью (LAMP – logic, analytics, measures and process).

Если упростить описанное в этой модели, то причины, по которым использование аналитики тормозится, следующие:

Логика: мы не можем объяснить, почему работают высокопроизводительные рабочие системы. Это все еще остается «черным ящиком». Мы понимаем, что есть определенная взаимосвязь между нюансами, но наверняка не можем сказать, что от чего зависит напрямую и что нужно делать с X, чтобы получить Y.

Аналитика: здесь традиционно ощущался недостаток в глубине и тщательности аналитических моделей. Лидеры Google и других ведущих компаний обращаются к таким отраслям, как, например, ракетостроение, где существуют модели, учитывающие огромное количество факторов. Проще говоря, это не выстроено методологически надежно.

Метрики: чаще всего массивы данных касаются текущего состояния занятости, расходов на сотрудников и программ управления персоналом. В лучшем случае, эти данные представляют собой оперативную или расширенную отчетность, а не стратегическую или прогностическую аналитику, которая включает анализы, сегментирование сотрудников, и которая тесно интегрирована со стратегическим планированием.

Процесс: это презентация аналитики лицам, принимающим решения. Здесь основные факторы успеха – это своевременность и степень визуальной привлекательности представленных данных. Речь идет о получении данных в режиме реального времени в доступном и понятном для принятия решений виде, а такие инструменты с применением искусственного интеллекта только разрабатываются. Например, большинство руководителей не имеют представления о том, как интерпретировать коэффициент текучести сотрудников, поскольку они обычно знают, что низкая текучка не всегда выгодна, и наоборот, они не знают, как определить, что лучше в той ситуации, с которой они столкнулись. С этой точки зрения – мы на стадии пересмотра HR-инструментов.

Думаю, из описанного выше комплексность и глубина проблемы представляются чуть более понятно. Итак, существуют объективные причины того, почему инвестирование в аналитику представляется делом довольно рискованным. Грубо говоря, у нас нет четких, надежных, однозначных инструментов для принятия решений на основе аналитики. Точнее говоря, для очень простых локальных областей есть, но они не стоят таких затрат. Затраты такого уровня имеют смысл, если мы сможем получить надежные прогностические тенденции, играющие ключевую роль для успеха бизнеса. А этого аналитика сама по себе гарантировать не может.

Мы же не хотим просто обрабатывать данные. Мы хотим иметь надежные инструменты для принятия бизнес-решений с более или менее гарантированным результатом. А в этом смысле – главное по-прежнему остается за человеком:

умение задавать стратегически релевантные вопросы и представлять их в логической структуре, показывающей взаимосвязь между инвестициями в сфере управления персоналом и критическими организационными результатами;

обладание глубокими знаниями своего бизнеса;

понимание логики аналитических моделей в смысле их применимости для объяснения жизненно важных процессов в организации и многое другое.

Если совсем простыми словами подвести итог, то основная сложность аналитики как способа работы с данными заключается в том, что сначала нужно определить, какие результаты мы хотим получить. А для этого нужно задать очень правильные вопросы, требующие глубокого понимания бизнеса, потом определить, с помощью какой аналитической модели мы можем на эти результаты выйти, в соответствии с этим определить, какие именно данные и в каком объеме нам нужны, и только потом придумать, как нам их получить именно в таком виде, в котором требуется.

Комплексный подход

Чтобы проиллюстрировать комплексность подхода, посмотрите на картинку, показывающую состав команды специалистов по HR-аналитике:

Это еще не все. Очень важно помнить, что вообще словосочетание «HR-аналитика» сегодня встречается крайне редко в работах исследователей и авторов. Это такой привычный русскоязычный термин. В английском же сейчас используется понятие People Analytics – аналитика людей. Это не простой синоним. Наоборот. От локальных областей, связанных исключительно с HR – текучка, метрики рекрутинга, состояния занятости и т.п., на Западе перешли к глобальной «аналитике людей» или «человеческой аналитике». Все данные о людях имеют значение – их передвижения, состояние здоровья, активность в соцсетях и т.д. Только используя полный объем данных, можно говорить о приемлемой степени достоверности прогнозов и стратегических решений. Для сбора таких данных, компании должны внедрять новые инструменты на основе мобильных приложений и не только, и привлекать специалистов, которые могли бы с этим работать.

Но это далеко не конец проблем, это только их начало.

Контекст. Совмещение больших и плотных данных

Решающее значение приобретает контекст. Что это значит? Это значит, что кроме больших данных нам необходимы т.н. плотные данные: это вся та ценная информация от людей - истории, эмоции, общение – которую нельзя представить количественно, но она несет в себе значение невероятной глубины. Глубокими их делает опыт правильного восприятия того, что рассказывают люди, – именно это помогает распознать пробелы и прорехи в прогностических моделях. Плотные данные погружают вопросы бизнеса в проблемы человека – проясняют контекст. Поэтому совмещение больших и плотных данных дают более глубокую картину. Вы работаете как с собранными, так и с несобранными данными: это дает возможность задать правильные вопросы «почему?» Почему так происходит?

Чтобы проиллюстрировать важность контекста, я приведу два примера: негативный и позитивный.

Негативный пример – это история Nokia, ставшая уже печальным образцом того, как можно вылететь из рынка на пике формы. Суть главного стратегического просчета состояла в том, что лидеры компании проигнорировали плотные данные, которые не могли сравниться по массиву с большими данными, но совершенно точно предсказывали огромный интерес к смартфонам даже у самых малообеспеченных слоев населения.

А позитивный пример тоже у всех на виду. Это фантастический рост Netflix. Там как раз наоборот, увидели прорехи в аналитических моделях и пригласили технологического этнографа (есть уже такая специализация), чтобы поработать с плотными данными. И он выяснил нечто, чего не было видно в больших данных. Этнограф заметил, что люди любят «залипать» у телевизора, они не чувствуют своей вины за это, а просто получают удовольствие. И совместив большие данные с плотными, они сделали кое-что простое, но эффективное: вместо того, чтобы показывать разножанровые сериалы, они начали крутить одни и те же, чтобы облегчить людям «залипание». Но это было не все, они изменили саму практику трансляций в соответствии с этими выводами. Сведя вместе большие и плотные данные, они не только улучшили свой бизнес, но и изменили способ потребления людьми медиа-информации. Ожидается, что их акции вырастут вдвое в ближайшие несколько лет.

Данные – ничто. Контекст – все!

Ресурсы

Мы постепенно продвигаемся в рассмотрении нашей проблемы и если вы до сих с нами, впереди – последний бастион.

Это ресурсы. Как видно из всего вышеописанного, для серьезной работы с данными нужно «тяжелое» и дорогое ПО, высококвалифицированные специалисты и много времени. Все это складывается в затраты, фактически неподъемные для большинства организаций. Если вы следите за темой, то могли заметить, что бОльшая часть опубликованных кейсов – это кейсы огромных компаний, описывающая глобальные исследования. При этом нужно помнить о т.н. ошибке выжившего.

Опубликованные кейсы – в основном те, в которых получилось. А сколько тех, в которых не получилось при таких же затратах? Пока малозатратных и относительно простых инструментов и моделей нет. Но рынок есть рынок и скорее всего, через какое-то время они появятся в результате накопленного опыта. Поэтому большие компании сейчас пробуют, а все остальные ждут, когда в результате деятельности первых появится что-то более доступное.

Вот, собственно, основные причины, по которым только 8% респондентов сообщили, что у них есть полезные данные; только 9% считают, что у них хорошее понимание того, какие характеристики сотрудников приводят к успеху в их организациях; и только 15% в целом развернули системы HR и талант-показателей для линейных менеджеров.

Но необходимость и польза работы с данными очевидна и обсуждению не подлежит. Так что же делать?

С чего компании могут начать?

People-аналитика – направление масштабное в силу глобальности решаемых задач и довольно новое. Однако среди аналитических подходов уже существуют разделы давно и хорошо разработанные. Они предоставляют мощный и в то же время доступный инструментарий и могут дать компании значительные инсайты. Один из таких подходов – организационный анализ сетей (ONA, Organizational Network Analysis). Что это такое?

Цель ONA – измерение и отображение отношений и потоков между людьми, группами или организациями. Уникальность ONA заключается в том, что никакими другими способами невозможно увидеть реальные связи между людьми в организации. Фактически это рентгеновский снимок вашей организации или отношений вашей организации с внешним рынком, или вашего персонала, или пула кандидатов. Короче говоря, те отношения, которые вам необходимы, и можно анализировать.

ONA возник на стыке социометрии и анализа сетей и представляется крайне полезным инструментом.

Огромным плюсом этого подхода является его визуальность.

Например: анализ руководителей в подразделении разведки и добычи крупной нефтяной компании дал следующую разницу между формальной и фактической организационной структурой (рис. из блога Роба Кросса ):

Из правого рисунка видно, что в компании существует один из менеджеров среднего звена, некий Коул (Cole, см. левый рисунок), который практически незаметен в официальной иерархии, но на самом деле именно через него идут все потоки информации и фактическое распределение работы. Он является главным информационным узлом и он решает, кому какую информацию передавать. Вице-президент находится на очень далекой периферии и, фактически, никакого влияния на операционное управление не оказывает.

Я думаю, вы уже начали догадываться, какую роль подобная схема может сыграть, например, в управлении изменениями.

Следующая большая отрасль применения ONA – это, конечно, управление знаниями. Если на входе задавать вопросы типа: «Кто самый крутой эксперт в работе?», то картинка на выходе покажет основных носителей экспертизы в организации.

Как здесь не поговорить о задаче создания информационного поля в компании? Любой менеджер по коммуникациям просто обязан иметь у себя подобного рода анализ, если он не хочет продвигаться вслепую. Такой анализ может показать как отношения и информационные потоки между подразделениями, между компанией и другими заинтересованными сторонами, так и между людьми. В нашем обучающем курсе «HR без прикрас» мы подробнее касаемся этой темы.

Вот как, например, в вашей компании реально происходит взаимодействие между финансами и маркетингом? Через кого идет вся информация (рис. из блога Роба Кросса) ?

То же самое касается любых инноваций, лидерства, развития талантов и т. д.

Мы рассмотрели перспективы использования ONA внутри организации, но с таким же успехом этот инструмент можно применять и для анализа внешних отношений – с конкурентами, поставщиками и подрядчиками и т.д.

Основные области применения ONA

ONA – это искусство получения полезных результатов: вы получаете карты и показатели, которые приводят вас к действительно хорошим вопросам. То есть ONA, как и любой аналитический инструмент, не дает ответа на вопрос «Почему?», этот ответ может дать только человек. Но карты делают две вещи:

Они обеспечивают индикаторы того, где может быть что-то интересное, чтобы исследовать.

Они предоставляют интересные визуальные результаты для поддержки историй о результатах.

Разумеется, в реальности это все не так просто, как кажется на первый взгляд. За всей этой вдохновляющей красотой и видимой простотой стоит серьезный математический аппарат и фундаментальные исследования, но это намного проще, чем то, что есть в «большой аналитике» сегодня. ONA прямо сразу даст вам крайне полезные результаты и сэкономит ресурсы.

Виктория Бузник и Лилия Грабовская , авторы ресурса Talent Management.com.ua и обучающего курса «HR без прикрас»

В этом руководстве мы объясним суть HR-аналитики и причины, по которым ваша организация должна серьезно отнестись к этому процессу. Мы также расскажем об общих проблемах “человеческой” аналитики и пяти первых шагах, которые помогут вашей организации начать работу в этом направле

HR прошел долгий путь от традиционного сбора и отслеживания информации о сотрудниках до современного подхода: использование данных, чтобы сделать глубокие аналитические выводы, касающиеся всего бизнеса.

ЧТО ТАКОЕ HR-АНАЛИТИКА?

HR-аналитика является процессом, в котором методы обработки данных и бизнес-аналитики (BA) применяются к обработке HR-данных. Её иногда также называют аналитикой талантов. Кроме того, интеллектуальный анализ данных (data mining) в этом контексте относится к практике изучения баз данных для создания новой информации.

У HR-аналитики существуют две основные цели: предоставление инсайтов (неизвестной ранее информации), и определение ключевых данных .

Первая цель состоит в предоставлении организации информации о ее собственных операциях, которая может помочь в эффективном управлении сотрудниками. Это инсайты, которые могут обеспечить эффективное достижение бизнес-целей компании.

Вторая ключевая функция HR-аналитики: помогать идентифицировать данные, которые организация должна сохранять. Кроме того, она предоставляет модели для прогнозирования различных способов, которыми организация может получить оптимальную отдачу от инвестиций (ROI) в свой человеческий капитал.

В целом, HR-аналитика ориентирована на то, чтобы максимально использовать огромные объемы данных о человеческих ресурсах, которые собирает большинство организаций. В компаниях часто имеется множество данных, таких как демографические данные сотрудников, учебные записи и т.д., и анализ может извлечь из них важные знания.

Ниже приводится более подробная информация о HR-аналитике:

ПОЧЕМУ ВАШЕЙ ОРГАНИЗАЦИИ СЛЕДУЕТ РАБОТАТЬ С HR-АНАЛИТИКОЙ?

Кадровые решения часто основаны на профессиональных инстинктах и интуиции. Найм, например, часто зависит от личного контакта, который рекрутеру удалось или не удалось установить с кандидатом. Проблема с “инстинктами” и интуицией состоит в том, что они могут нормализовать плохие практики.

Таким образом, несправедливость на работе может остаться незамеченной. Наглядным примером этого является разрыв в оплате труда между мужчинами и женщинами. Организации могут думать, что они платят одинаково, если они не изучают фактические данные.

HR-аналитика может помочь повысить производительность и предсказать наиболее успешные модели. Это устраняет большую часть человеческих ошибок при принятии решений. Например, улучшение управления рабочей нагрузкой может быть более эффективным, когда используются данные, показывающие, какие подразделения или группы уже несут чрезмерную нагрузку, а какие могут позволить себе брать на себя больше обязанностей.

Что более важно, HR-аналитика доказала, что она способствует росту компании. Training Zone сообщает о результатах повышения производительности одной компании, которая использует HR-аналитику для улучшения процесса найма. Благодаря анализу данных компания заметила, что традиционные ключевые показатели — образование и рекомендации — не оказывали большого влияния на производительность кандидата в продажах. Фактически, ключевыми оказались такие показатели, как опыт продаж на большие суммы и способность работать в неструктурированных обстоятельствах, которые действительно способствовали повышению эффективности продаж. Когда компания внедрила эти кадровые аналитические данные в найм персонала, продажи компании выросли на 4 миллиона долларов в следующем же году.

В других исследованиях были сделаны аналогичные выводы в отношении важности HR-аналитики для общей эффективности компании. Исследование, проведенное MIT и IBM, показало, что более высокий уровень использования HR-аналитики мог бы дать:

Увеличение продаж на 8%;
Увеличение чистого операционного дохода на 24%;
На 58% выше объем продаж на сотрудника.

ОСНОВНЫЕ СПОСОБЫ ИСПОЛЬЗОВАНИЯ HR-АНАЛИТИКИ

Области приложения HR-аналитики обширны, и показатели, на которых стОит сфокусироваться, для организации зависят от отрасли, а также от характера бизнеса.

Вот несколько примеров возможных ключевых показателей:

коэффициент увольнений,
время найма,
уровень текучести для разных групп персонала (первый год, пять лет и т.д.),
доход на сотрудника.

Приведенные выше показатели и другие подобные данные могут использоваться для повышения эффективности бизнеса. Ключевыми областями, в которых данные могут помочь, являются:

Рекрутинг — HR-аналитика может предоставить ответы на вопросы о поиске идеальных для этого бизнеса кандидатов. Например, как показал вышеприведенный пример компании, данные могут использоваться для идентификации качеств тех кандидатов, которые приносят лучшие результаты. Вы можете сопоставить данные кандидатов, которые в конечном итоге остались в компании, и найти среди них общие знаменатели.

Здоровье и безопасность — HR-аналитика может лучше выявлять проблемные области, связанные со здоровьем и безопасностью. Данные могут указывать на роли, места работы и другие подобные факторы, которые имеют самый высокий уровень несчастных случаев.

Удержание сотрудников — благодаря данным вы также можете узнать больше об удержании сотрудников. Вы можете использовать HR-аналитику для выявления аспектов, которые увеличивают вовлеченность сотрудников.

Разрывы в талантах — данные могут выявить наличие пробелов в организации. Например, некоторые отделы могут иметь более высококвалифицированных работников, чем другие, и это может мешать общей работе компании.

Эффективность продаж — HR-аналитика может помочь разобраться в деталях того, как повысить показатели продаж. Вы можете заметить, что определенный талант помогает сотрудникам работать лучше или что определенные учебные программы дают немедленную отдачу с точки зрения продаж.

ПЯТЬ ВЫЗОВОВ HR-АНАЛИТИКЕ

Прежде чем перейти к начальным этапам внедрения HR-аналитики, стоит рассмотреть некоторые основные проблемы, которые при этом возникают. При разворачивании HR-аналитики в вашей организации важно найти способы решения следующих пяти задач.

Задача 1: поток данных
Чем больше информации собирает ваша организация, тем труднее ее использовать, если это необходимо. Большое количество данных не приводит автоматически к хорошим результатам. Чтобы добиться успеха, необходимо иметь способность применять правильные методы аналитики.

Если ваш HR-отдел соберет много данных без применения правильных аналитических подходов, вы получите просто много данных. Чем их больше, тем труднее делать ценные предположения.

Например, показатели по всем метрикам, которые вы собираете, должны быть правильно определены и классифицированы. Вы должны определить вопросы, которые хотите решить своими данными, а не просто их собирать, чтобы были.

Задача 2: качество данных
Помимо сбора нужного объема данных, вам также необходимо убедиться, что вы уделяете достаточное внимание их качеству. Поток данных может быстро привести к получению данных низкого качества, поскольку вы не создаете значимых связей между различными наборами данных.

Важно гарантировать качество данных, сосредоточившись на обеспечении их целостности и сохранности. Проблема многих организаций заключается в том, что данные, используемые в HR-аналитике, могут поступать из разных подразделений организации и, следовательно, быть слишком разными, что приводит к проблемам. Некоторые данные могут быть проигнорированы, отброшены, потеряны или наборы данных не могут быть объединены, что приведет затем к неадекватному анализу.

Задача 3: низкие аналитические навыки в большинстве HR-подразделений
Для того чтобы HR-аналитика преуспела, команда, стоящая за ней, должна обладать знаниями как в области человеческих ресурсов, так и в области анализа данных. Но найти руководителей HR, которые также компетентны в анализе данных, может быть затруднительным.

По словам Элизабет Крейг (Elizabeth Craig), научного сотрудника Accenture Institute for High Performance, едва ли найдется сотрудник, достаточно подготовленный для HR-аналитики. Кроме того, Крейг рассказала data-informed.com, что некоторые инструменты анализа данных требуют специальных ИТ-навыков, что добавляет давления при поиске нужных людей.

Проблема выглядит еще большей из-за того, что только 6% глобальных HR-команд чувствуют уверенность в своих навыках использования аналитики. Кроме того, только 20% полагали, что использование данных в их организации достоверно и достаточно надежно, чтобы принимать решения.

Задача 4: частое отсутствие поддержки HR-аналитики со стороны руководства

HR-аналитика еще не стала одним из основных процессов для многих компаний, и часто отсутствует поддержка со стороны руководства. Но для того, чтобы процесс работал, HR-подразделения должны убедить руководителей компании в преимуществах использования аналитики.

Эта поддержка важна, поскольку она обеспечивает доступ к ресурсам, так как внедрение правильной системы HR-аналитики не дёшево. Она также может обеспечить лучший доступ к данным в разных отделах. Чтобы убедить руководителей, HR-подразделения должны сосредоточиться на выявлении возможностей максимальной рентабельности инвестиций даже на начальном этапе.

Задача 5: HR-аналитика стоит дорого, а рентабельность инвестиций часто не видна

Наконец, организации должны быть осведомлены о затратах. Диапазон цен аналитических инструментов так же разнообразен, как и доступность инструментов. Согласно статье на data-informed.com стоимость платформы может варьироваться от «400 000 до 1,5 млн. долларов для компании с 5000 штатных сотрудников».

Кроме того, в смете не учтены увеличения расходов, с которыми организации могут столкнуться при найме новых сотрудников для реализации программ или обучения существующих сотрудников навыкам использования аналитики.

Кроме того, рентабельность инвестиций в HR-аналитику является не очень ощутимой. Это объясняется тем, что выигрыш от внедрения результатов аналитики может быть у разных подразделений и в течение длительных периодов. Например, улучшения удержания сотрудников станут очевидными не сразу.

Задача состоит в осознании того, что стремление к более дешевой платформе HR-аналитики не всегда дает большую экономию. Недостаток программного обеспечения и инструментов может привести к неэффективным и неполным результатам, что, в результате, не создаст достаточно высокую ROI для обоснования инвестиций.

ПЯТЬ ПЕРВЫХ ШАГОВ ПРИ ВНЕДРЕНИИ HR-АНАЛИТИКИ

Если ваша организация хочет внедрить HR-аналитику, каков правильный путь? Ниже приведены пять шагов, которые могут помочь вашей организации начать процесс.

Шаг 1. Определение бизнес-вопросов, которые вы хотите решить.

Первое и самое важное — это определить бизнес-вопросы, которые вы хотите решить. Вы не можете начать сбор данных, а затем просто посмотреть на него, чтобы найти взаимосвязи.

Определите проблемы, которые вы хотели бы улучшить в секторе HR. Например, это могут быть вопросы, связанные с разнообразием рабочих мест, повышением уровня удержания сотрудников, измерением количества денег, потраченных на обучение, или лучшего понимания причин отсутствий на рабочем месте. Существует несколько простых вопросов, с которых вы должны начать, прежде чем двигаться дальше.

Например, представим, что вы хотите разобраться, как HR влияет на такие вещи, как прибыль вашей компании.

После того, как вы соберёте общую информацию, связанную с персоналом, которую вы хотели бы изучить подробнее, нужно начать с определения необходимых показателей для решения этих проблем.
Вот некоторые HR-показатели, которые показывают эффективность работы HR-подразделения:

Коэффициент увольнений - сколько сотрудников увольняется в течение определенного периода по отношению к общему количеству персонала?
Время найма - сколько времени занимает заполнение вакансии, а также время, необходимое кандидату, чтобы принять предложение и стать сотрудником?
Степень текучести кадров - сколько сотрудников уходит после первого года, пяти лет и так далее?
Кадровое разнообразие — каковы проценты, когда речь идет о женщинах, мужчинах, религиозных и этнических группах?
Доход на сотрудника, среди занятых полный рабочий день — каков доход, получаемый за полный рабочий день?
Сумма оплаты за сверхурочную работу — насколько высока оплата за сверхурочную работу и как часто она осуществляется?
Соотношение между постоянными и временными работниками — сколько сотрудников занято неполный рабочий день по сравнению с полной занятостью?

Шаг 2: Определение данных, которые отвечают на приведенные выше вопросы.

Когда у вас появятся вопросы и проблемы, вы можете начать определять данные, необходимые для ответов или их решения.

Во-первых, ваше внимание должно быть сосредоточено на данных, связанных с персоналом, которые уже хранятся в вашем подразделении. Сюда входит информация о найме, эффективности и преемственности. Ваше подразделение уже должно контролировать эти наборы данных.

Во-вторых, вам придётся начать собирать данные о таких вещах, как вовлеченность, опросы и интервью. В зависимости от уровня сбора данных в вашей организации вы, возможно, уже имеете механизмы сбора этих данных.

Наконец, вам нужно расширить сбор данных на другие бизнес-системы и департаменты. Вы должны начать сбор важных финансовых показателей и исследований рынка. К ним относятся такие вещи, как оборот, эффективность продаж, деньги, потраченные на исследование рынка и обучение.

Шаг 3 . Внедрение ETL: извлечение, обработка и загрузка (extraction, transformation and loading).

Как уже было сказано выше, HR-департамент должен работать в тесной связи с ИТ-отделом, поскольку для определенного программного обеспечения и извлечения данных могут потребоваться специализированные аналитические навыки. Поэтому неплохо приступить к реализации более тесных связей между этими двумя отделами.

Частью этого процесса является реализация ETL: извлечение, обработка и загрузка. Существуют инструменты, которые можно использовать для автоматического осуществления этого процесса. Например, IMB WebsphereDataStage и Cognos Data Manager, или Microsoft SQL Server Integration Services являются одними из самых популярных опций. Хотя не технические сотрудники могут использовать эти платформы, может быть полезно попросить ИТ-отдел о помощи.

Этот процесс по существу позволяет извлекать необходимые данные из источников, которые вы определяете, преобразовывать их в правильный чистый и согласованный формат и загружать в вашу аналитическую платформу, которая будет использоваться для анализа.

Шаг 4. Интеграция результатов в бизнес-операции.

Когда ваш анализ данных начинает генерировать результаты, вам нужно приступить к осуществлению изменений. Например, если вы сосредоточились на изучении разнообразия рабочей силы, а ваши данные показывают, что вы не получаете достаточно заявок от этнических меньшинств, вы можете начать менять свою стратегию найма.

Кроме того, вам необходимо установить связь между HR-данными и другими бизнес-показателями. Например, сокращение сверхурочной работы персонала может напрямую коррелировать с производительностью и рентабельностью. Отчет KPMG “People are the Real Numbers” рассказывает о важности этих связей на примере отсутствия персонала на рабочих местах и экономической эффективности.

«Хотя полезно отслеживать пропуски в разных регионах или по сравнению с предыдущими годами, но если HR также сможет показать, что уменьшение отсутствий на рабочем месте положительно коррелирует с производственной эффективностью, тогда руководство увидит реальную ценность HR», — говорится в отчете.

Шаг 5. Осуществление регулярного анализа.

Наконец, HR-аналитика должна выполняться регулярно, иначе в большинстве случаев она будет неактуальной. Для того, чтобы воспользоваться её преимуществами, необходимо внедрить регулярный процесс.

Например, вы определили проблему, с которой хотите разобраться с помощью данных, выполнили анализ и нашли ответ. После того, как вы внедрите решения своей проблемы, вам необходимо регулярно возвращаться к ней, чтобы проверить, что происходит с изменения и не возникли ли новые проблемы.

ЗАКЛЮЧЕНИЕ

HR-аналитика является неотъемлемой частью управления данными, и ее внедрение может дать положительную отдачу для любой организации. Но, как было показано выше, управление, анализ и интерпретация данных не просты, и организациям необходимо подходить к “человеческой” аналитике по одному шагу за раз.

Ключ к успешной HR-аналитике основан на понимании того, что не размер измеренных данных приводит к результату, а скорее влияние данных на принятие решений в организации. HR-аналитика не должна рассматриваться как необходимая только для HR-подразделения, а скорее как нечто, что может создать ценность для всей организации.

Данный материал (как текст, так и изображения) является объектом авторского права. Любые перепечатки полностью или частично только с активной ссылкой на материал.

Основная цель отдела HR – эффективное управление людьми. Эффективное настолько, чтобы компания достигла поставленных целей (в первую очередь, конечно, финансовых). HR-отдел контролирует и собирает данные обо всех сотрудниках. Но кто контролирует отдел кадров? Как оценить эффективность работы отдела?

HR аналитика показатели. Метрики для отчета

При выборе метрик для анализа и отчета стоит отталкиваться от того, насколько та или иная метрика важна для вашего бизнеса. Выбранные для отчета показатели должны быть связаны с вашей отраслью и целями компании.

Затраты на отдел кадров (в расчете на одного сотрудника, в % от выручки)
Время обработки/отклика на заявку
Найм сотрудников (стоимость 1 найма, длительность найма, сколько новых сотрудников уходят/увольняют, стоимость увольнения, удовлетворенность новыми сотрудниками)
Доход и прибыль на одного сотрудника, увеличение зарплаты сотрудника и увеличение дохода компании
Проблемные сотрудники (стоимость увольнения сотрудника, затраты на проблемных сотрудников – на обучение и пр.)
Зарплаты и выплаты (средняя зарплата, отклонения от зарплаты, сведения о премиальных выплатах)
Ключевые сотрудники (удержание ключевых сотрудников, статистика по возрасту, текучесть)
Удержание сотрудников
Текучесть сотрудников
Удовлетворенность сотрудников
Обучение и развитие сотрудников

Отчет по обучению (сделано в Tableau)

Конечно, это не все метрики и показатели, которыми вы можете воспользоваться. Но используя эти данные, вы можете составить свою собственную отчетность, расширить базовый список показателей, убрать лишнее. Главное, чтобы в результате вы получили полезную и нужную HR-аналитику, на основе которой можно делать выводы и строить прогнозы.

HR аналитика показатели. Проблемы и сложности

Направление HR-аналитики достаточно молодое в России. Оно только начинает развиваться. Многие крупные компании, конечно, уже осознали преимущества такого рационального подхода: когда действия и планирование основывается не на интуиции, а на данных.

Какие сложности возникают при внедрении HR-аналитик в компании? Для аналитики необходимы данные и инструменты для отчетов и аналитики.

В компании много сотрудников (50, 100, 1000 или больше), значит, много данных по каждому из сотрудников. Данные хранятся в различных источниках – CRM, Excel, 1С, внутренние учетные системы. Собрать данные из всех источников сложно – это разные форматы, разный вид информации. В итоге для создания отчета приходится эти данные копировать вручную (!).

На это тратится время и силы, в результате на собственно анализ (ради чего это все и затевалось) не остается ни сил, ни времени.

Отчет по KPI (сделано в Tableau)

HR аналитика показатели. Инструменты для отчета

На помощь приходят новые технологии – конечно, уже разработаны отчетно-аналитические системы, которые автоматически собирают данные из всех источников, а вам остается только собрать отчет.

Проблема в том, что большинство таких систем – это сложные программы, требующие участия аналитика и программиста. То есть чтобы собрать отчет, нужно поставить задачу, контролировать ее исполнение и ждать результата. Но сегодня информация нужна практически в режиме реального времени, чтобы оперативно увидеть проблему и отреагировать на нее.

В этом случае воспользуйтесь легкими отчетно-аналитическими системами типа Tableau. Почему их называют легкими? Они обладают всеми функциями сложных аналитических программ, но при этом:

Их легко устанавливать на любой компьютер (за пару минут как любую программу)
Их легко изучить (специально разработаны для людей ибез IT образования, для обычных пользователей)
Легко создавать понятные и полезные (!) отчеты.

Tableau автоматически подгружает данные из всех источников, которые вам нужны – вам остается только выбрать форму визуального представления (диаграммы, графики) и разместить их на рабочей области.

Задайте вопрос службе поддержки АНАЛИТИКА ПЛЮС или запишитесь на консультацию по skype или у вас в офисе.

конференцию HR-среда, посвященную работе с персоналом, развитию сотрудников и решению задач в области HR. Антон Лукьянов, руководитель группы HR-аналитики Яндекса, рассказал об основах работы с данными в HR и поделился своими наработками.

Что такое «граф»?

Все отрасли генерируют данные. Благодаря данным мы можем лучше понять внутреннего клиента, оптимизировать процессы, иначе взглянуть на взаимодействие сотрудников. Эти процессы можно описать при помощи теории графов.

Граф - это абстрактный математический объект, который состоит из вершин (точек) и ребер (линий), которые их соединяют. В качестве примера можно взять интернет - множество сайтов соединены ссылками. Основа бизнеса компании Яндекс состоит в том, чтобы быстро обойти граф интернета, проанализировать содержимое и дать релевантный ответ пользователю. Другой пример - Яндекс.Такси: находя кратчайшее расстояние между точками на карте, сервис помогает пассажиру добраться до места назначения.

Граф компании Яндекс: точки - сотрудники, линии - взаимодействие между ними

Абстрактное представление объектов в виде графов предложил математик Леонард Эйлер, который решил популярную в 18 веке задачу: как пройти по всем городским мостам Кенигсберга, не проходя ни по одному из них дважды?

Источники и требования к данным

Для того, чтобы построить граф, нужны данные. В качестве источников данных организация может использовать:

корпоративную почту

календарь встреч сотрудников

задачи в трекере

звонки внутренней АТС

Трекеры особенно популярны в ИТ-компаниях. Они позволяют ставить задачи, назначать ответственных за их исполнение, прикреплять файлы. Трекеры существенно упрощают взаимодействие в командах. В Яндексе этот инструмент используют не только разработчики, но и другие подразделения.

HR-подразделения используют трекер для:

согласования вакансий

найма

адаптации

обучения

На базе этого инструмента построена HR-аналитика.

Требования к данным:

Качество. Данные должны быть без ошибок и пропусков. Показатели необходимо приводить к общему виду.

Полнота. Сейчас нормой стала работа в нескольких информационных системах одновременно. Данные, взятые только из одной системы, не будут полными.

Анализ взаимодействий

Точки и линии на графе обозначают сотрудников и их взаимодействия. Чем больше диаметр у точки, тем более интенсивное взаимодействие у сотрудника с коллегами. Чем толще линия, соединяющая двух сотрудников, тем более интенсивное взаимодействие происходит в этой паре.

Взаимодействия сотрудников Яндекс

Важно учитывать и правильно интерпретировать все данные. Интенсивность взаимодействий сотрудников напрямую зависит от их должности и поставленных задач.

Какие выводы можно сделать и что применить в организационных изменениях:

Эффективность взаимодействий. Если группы отличаются по интенсивности взаимодействий и у них есть объективный показатель вроде KPI или проводится оценка performance review, то можно сопоставить факторы из графа (интенсивность взаимодействий) и предсказывать, какие действия приводят к лучшим показателям. Например, чрезмерное количество коммуникаций может перегружать менеджеров, влиять на их выгорание.

Стиль управления руководителей. Данные подскажут, использует ли руководитель микроменеджмент или тотальный контроль. При помощи данных из графа можно подсказать менеджеру, подходит ли его стиль управления для каждой конкретной задачи и какие действия могут повысить эффективность сотрудников.

Коммуникации внутри команды. Например, члены команды хорошо взаимодействуют между собой, но практически не взаимодействуют с другими коллегами. Такая команда может сделать проект, который уже был в компании, данные о нем хранятся, но команда об этом не знает. В итоге ресурсы компании будут потрачены впустую по причине недостаточного взаимодействия с другими отделами. Или наоборот, когда хромают внутренние коммуникации в команде, это приводит к задержке сроков подготовки проекта.

Полная картина взаимодействий сотрудника позволяет автоматически создавать список коллег для проведения опроса 360 градусов. В этом случае данные, которые получит руководитель по итогам опроса, будут полными.

Взаимодействие между командами

Метрики

Некоторые метрики из теории графов можно успешно использовать в организациях:

Плотность / Разреженность. Граф называется полным, когда все его вершины соединены ребрами. В реальном мире примером полного графа может быть небольшой стартап: один маленький дружный коллектив, в котором все друг друга знают и эффективно взаимодействуют. Уход одного сотрудника не приводит к потере существенной информации, взаимодействие не нарушается.
При росте компании плотность нарушается. Трудно представить компанию с тысячами сотрудников, в которой все работники знают друг друга. Для такой компании характерен риск потери существенных коммуникаций внутри команды при уходе одного сотрудника.

Расстояние. Эта метрика напоминает об известной теории шести рукопожатий. Чем меньше расстояние между сотрудниками, тем больше сплоченность, больше людей знают друг друга.

Центральность. Эту метрику хорошо иллюстрирует граф персонажей «Игры престолов»: после неожиданной смерти одного из центральных персонажей произведения сценаристы испытывают затруднения с сюжетной линией второстепенных персонажей.

Мост. Можно проиллюстрировать на примере Бельгии - страны с двумя государственными языками, где небольшой мостик из людей, говорящих на двух языках, соединяет «одноязычных» сограждан. В компании люди, находящиеся на этом мосту, являются носителями очень важных связей. Их уход - большая проблема для компании.

Применение

В компаниях с проектной структурой еженедельно запускаются и закрываются проекты, важно следить за расходами. Нужно правильно собирать и передавать данные для экономических расчетов. Этот процесс можно улучшить при помощи автоматизации. В Яндексе сделали следующее:

Построили граф компании.

Анализируя поведение сотрудника в каждый конкретный месяц, HR-аналитики видят, в каком проекте тот сейчас находится. Отпала необходимость переписки с руководителями сервисов. Это экономит время бизнеса и аналитиков.

Пока это пилотный проект, который показывает интересные результаты. Многие исследовательские проекты в Яндексе впоследствии выкатываются в продакшн.

Итак, классический путь аналитики

Данные. Источник, полнота и качество.

Визуализация. Как на эти данные смотреть, как использовать. Идеи о метриках, которые в случае с HR-аналитикой можно взять из теории графов или придумать самостоятельно.

Отчетность, которая ежемесячно показывает, что происходит в компании. Например, интенсивность взаимодействия менеджеров.

Метрики, которые используются для выводов.

Предсказательная аналитика - запуск автоматизированного процесса, который экономит время.

Что еще нужно знать об HR-аналитике

Кевин Уиллер, президент и основатель Global Learning Resources, Inc., в статье «Обратная сторона HR-аналитики: 8 малоизвестных фактов» выделяет несколько важных факторов, которые касаются HR-данных:

Аналитика - не волшебная пилюля. Аналитика не является чудодейственным средством. Данные помогают понять проблему и, возможно, выбрать более эффективный способ ее решения, но данные не заменяют эмпатию и человеческие рассуждения.

Понимание того, что именно вы хотите знать. Нужна предельная ясность относительно того, что вы хотите проанализировать или измерить. И убедитесь, что это вообще возможно.

Использование соответствующего метода. Метод сбора данных также может оказаться непростой задачей. Один из вариантов использования аналитики - разъяснение проблемы или поиск возможных причин.

Пассивные данные могут быть лучше запрашиваемых данных. Гораздо легче самому собрать пассивные данные, чем запрашивать достоверные данные от других. Собрать фактическую информацию по итогам каких-либо действий и решений относительно просто.

Важна поддержка. Для эффективного использования данных необходима поддержка руководства и соответствующая корпоративная культура, в которой данным придается значение.

Цель управляет ситуацией. Есть большое искушение измерить все, особенно на первых порах, когда инструмент аналитики только внедряется в компании. Но лучше сфокусироваться на двух-трех ключевых вопросах, на которые вы хотите получить ответ. Тогда у вас хватит времени на более точный сбор данных и полный анализ.

Данные небезупречны. В последнее время стало принято ставить данные на пьедестал и воспринимать их как чистую информацию, в которой нет ни политики, ни мнений. Но, к сожалению, на анализ данных мнения влияют так же, как и на все остальное.

Чем проще, тем лучше. Потратьте время на составление списка: что вы действительно хотели бы знать, чтобы улучшить рекрутинговый процесс; какие данные помогут вам повысить эффективность большинства источников или ответить на актуальные вопросы руководства.

О проблемах правильной интерпретации данных недавно также говорил Нассим Талеб : «Если вы умеете работать с Big Data, это хорошо, но нужно уметь ее интерпретировать, фильтровать чушь и ненужный шум, которые всё путают. Интересно, что единственные, кто умеет работать с данными, - это антитеррористические службы. Они способны не находить ложные корреляции и сужать выборку до конкретных подозреваемых, они ищут именно связи. Компьютер можно просто одурачить данными, очень важна статистическая дисциплина. Большие данные не могут сказать нам, что правильно, только то, что НЕ правильно».

Источник изображений - HR-среда

Актуальные и интересные HR-кейсы в нашем Telegram. Подписывайтесь на канал!

Копирование и любая переработка материалов с сайта сайт запрещены