Работают ли на самом деле модели компетенций (competency frameworks) в организациях в реальном мире?

Перевод статьи Do Competency Frameworks Work in Real-World Organisations? в рамках нашего проекта переводы статей по hr-аналитике на английском. Перевод выполнила Галина Мешкова, эксперт в оценке, отборе, развитии и обучении (по ссылке профиль Галины на фейсбуке).
Статья не просто важная, она базовая - с нее многие должны начинать у себя HR-аналитику в компании. Проблема банальна, хотя эту проблему создатели моделей компетенций, специалисты по ассессмент центру просто не замечают: мы вкладываем кучу сил в создание моделей компетенций, в проведение ассессмент центров, тратим время кандидатов и работников, но последний и едва ли не самый важный момент - проверка того, насколько созданная модель "бьется" с реальными бизнес результатами оцениваемых - мы "забываем".
Действительно, если посмотреть дискуссии специалистов по компетенциям, то обнаружим, что они много спорят о типах моделей, какие компетенции включать, какие развенчать и т.п.. Но до сих пор в России не ни одного представленного реального кейса о связи компетенций с эффективностью. Наши спецы по компетенциям предпочитают пользоваться результатами мета анализа Еще раз про миф в оценке персонала, при этом данный мета анализ совсем не гарантирует аналогичных результатов конкретно для Вашей компании.
В моей практике наиболее крупный кейс был, когда я работал в Сбербанке и смотрел связь между результатами ассессмент центра от компании Экопси и эффективностью руководителей, измеряемой по KPI. Результаты данного анализа не согласуются ни с мета анализом, ни с выводами данной статьи. Для меня выводы данной статьи представляются спорными, но, тем не менее, главная задача - побудить наше hr сообщество выполнять подобный анализ. Статья ниже - прекрасный пример такого анализа.
Простите за подобное долгое вступление, итак,

Работают ли на самом деле модели компетенций (competency frameworks) в организациях в реальном мире? 

Введение

“Работают ли на самом деле модели компетенций в организациях в реальном мире?
Этот вопрос про модели компетенций, психометрические тесты и опросы 360 градусов и т.п. регулярно возникает в различных формах, в группах, посвященных аналитике на LinkedIn, и порождает многочисленные споры. Я хотел бы обсудить это здесь в контексте фразы «реальный мир», используя метод кейс-стади (разбора ситуаций).
Термин «реальный мир» отражает восприятие многих старших и операционных (operational) менеджеров, в котором модели компетенций и психометрические тесты могут быть не столь эффективны, как в контролируемых академических условиях, в которых они изначально создавались и развивались. Могут ли быть правдивыми их сомнения?

Аналитики и люди бизнеса определяют термин «эффективный» по-разному

Для того чтобы ответить на этот вопрос, нам необходимо более глубоко изучить значение термина «эффективный» в этом контексте. Не принимая во внимание, полностью академических экспертов, аналитики обычно считают модель «эффективной», если она обладает высокой валидностью и точно измеряет то, что она призвана измерять, ту или иную компетенцию, способность или личность. Теперь сопоставьте это с операционными менеджерами, для которых термин «эффективный» обычно относится к предсказательной (или согласованной) валидности измерений, то есть, распространяется на те инвестиции организации в модели, которые предсказывают желаемое поведение сотрудников, такое как результативность, удержание и, в конечном счете, принесение прибыли.
Вот в чем трудность: только потому, что модель точно измеряет обобщенный образ значений для измерения (например, компетенцию или способность), этот образ действительности не является инструментарием, предсказывающим важные выводы относительно сотрудника. Таким образом, нет необходимости создавать метрики, которые могут быть использованы как полезные вводные для создания программ по развитию талантов, особенно, с целью достижения наилучших показателей деятельности и удержания высокопотенциальных сотрудников.

Как установить обоснованность/годность модели? 

Как вы устанавливаете обоснованность/годность модели компетенций или опроса 360 градусов и т.п.?

1. Первым делом вы проверяете согласованную валидность на репрезентативной   выборке ваших сотрудников, для того чтобы определить, какие из компетенций коррелируют с желаемым поведением сотрудников в «реальном мире», в вашей организации (в отличие от поставщика, требующего протестировать их).
2. После этого вы усовершенствуете модель, основываясь на выводах, которые вы сделали, изучив корреляции. 
3. Если потенциальная стоимость ошибки провала модели достаточно высока, вы применяете методологию, чтобы проверить причинную связь/ прогностическую валидность (causality/predictive validity).

Кейс-стади

Печально, что мало организаций проводят такое тестирование перед получением (procuring) моделей, что может привести к неутешительным результатам. Иллюстрацией этого является недавнее исследование данных о чертах и развиваемых компетенциях 250 менеджеров, занимающих одинаковые должности в крупной международной компании (голубая фишка) и их результатами на работе. (Fig 1).

Мы смоделировали их как (перевод и расшифровка модели в тексте ниже):

• Психометрические данные: Фиксированные характеристики, трудноизменяемые со временем и, таким образом, потенциально полезные для отбора, если они коррелируют с производительностью. 
• Компетенции: Поддающиеся развитию поведенческие характеристики, которые оцениваются моделью компетенций компании, опрос 360 градусов и программы развития ассессоров. Полезны для развития высокой производительности. 
• Результативность сотрудников: Нам повезло, потому что удалось заполучить данные о финансовых результатах каждого менеджера, что обозначает, что эти шкалы достаточно объективны. В конечном счете, причина вкладывать в психометрики и компетенции для отбора и развития - достичь высокой производительности.

Мы открыли следующие взаимосвязи в данных: 

• Результаты психометрик и компетенций: как было показано, только 47% результатов психометрических тестов коррелирует с развиваемыми компетенциями. Размер эффекта был мал, обычно менее чем 0.20 значения, поэтому они не могли бы быть полезными для отбора на вакансии кандидатов, демонстрирующих компетенции ценные для организации. Один психометрический тест, однако, дал сильную корреляцию с детальностью, к сожалению, эта корреляция была негативной, чем выше баллы кандидата на вакансию, тем ниже их баллы при оценке компетенций, вряд ли это то, что планировала компания, покупая этот тест. 
• Результаты психометрик и производительность сотрудников: Только 7% результатов психометрических тестов коррелирует с деятельностью сотрудников и опять же размер эффекта мал, обычно менее  0.20 – психометрические тесты - не являются полезными для отбора. Опять же, один тест показал негативную корреляцию с деятельностью - это значит, если бы высокие баллы теста использовались для отбора кандидатов, это было бы, чем то вроде, отбора неуспешных сотрудников.
• Компетенции и производительность сотрудников: только 12% результатов оценки развиваемых компетенций коррелируют с производительностью и, опять, размер эффекта крайне мал, что означает, что инвестировать в эти компетенции, как драйверы программ развития не стоит. И еще одно, некоторые из этих компетенций имели негативную корреляцию с производительностью, что означает, что развитие их может, именно, снижать результативность сотрудников. 

Заключение 

Таким образом. Возвращаясь к первоначальному вопросу: Работают ли модели компетенций и психометрические тесты на самом деле в организациях в реальном мире? Едва ли можно винить менеджеров из приведенной выше компании в скептицизме. Такое развитие событий не является необычным, и результаты являются типичными в ходе аудита эффективности инвестиций компании в модели компетенций и другие измерения результативности сотрудников.

Но должно ли быть так? Я верю, что ответ на этот вопрос «нет», и что модели могут не только работать, но и значимо улучшать результативность в «реальном мире».

Все что необходимо - это проводить предварительный анализ полученных данных, которые я обозначил выше, поскольку, необходимо определить была ли результативность измерена подобающим образом, также как и то, какие шкалы полезны и неполезны (таким образом, слабые шкалы могут быть удалены и, если необходимо, заменены местами с более высокой предсказательной волосностью/коррелирующими). Обычно, мы видим улучшение результативности сотрудников от 20 до 40% при простом следовании этому процессу.

Таким образом, ответ на изначальный вопрос, в конечном счете, «да»- модели компетенции сотрудников могут работать, предоставляя эту систематическую точность, используемую для отбора инструментов для употребления «реальном мире».

Как получить ценность от моделей компетенций и психометрических тестов?

1. Модели не могут предсказать высокую результативность, если вы не знаете что такое «хорошо». Первый шаг при получении моделей - это убедится, что есть ясное определение «высокой производительности» и измеримо в зависимости от вашей роли. И если вы хотите апеллировать к вашим клиентам - операционным менеджерам - используйте операционные показатели результативности.
2. Прежде чем инвестировать в модель, которая потенциально может повлечь негативный  эффект на производительность сотрудников, убедитесь, что у вас есть независимая объективная оценка аналитической компании каждой согласованной шкалы и/ или предсказательной возможности относительно популяции сотрудников схожей вашей. Если провайдер, которого вы рассматриваете для сотрудничества, не может предоставить независимые данные, просите скидку или получите совет эксперта, перед тем как закупать что-либо.
3. Если численность ваших сотрудников более или около 250 человек, вам обязательно необходимо получить оценку эксперта, для того чтобы убедиться, что предлагаемая модель действительно коррелирует или предсказывает результативность в вашей организации до закупки.
4. Если вам необходима профессиональная помощь в интерпретации количественных данных, предоставленных провайдером, получите ее от независимого аналитика, а не от человека, работающего на провайдера, пытающегося продать вам модель.

__________________________________________________________

На этом все, читайте нас в фейсбуке и телеграмме

Компания Висконсина предлагает имплантировать микрочипы дистанционного управления своим сотрудникам

Перевод статьи A Wisconsin company offers to implant remote-control microchips in its employees в рамках нашего проекта переводы статей по hr-аналитике на английском. Еще лет пять назад мы бы содрогнулись, а сейчас внутренне уже готовы к появлению таких заголовков, согласны? или я ошибаюсь?
Перевод выполнила Анна Федорова, руководитель одного из hr-направлений крупной телекоммуникационной компании (по ссылке профиль в фейсбуке). Сам пока слабо знаю Анну, обязуюсь представить ее полнее для читателей. Скажу Вам только по секрету, что уже по одному взаимодействию в рамках переводов можно неплохо оценить специалиста. И если в блоге появляется перевод от спеца, значит он действительно спец своего дела.
Итак,

Компания Висконсина предлагает имплантировать микрочипы дистанционного управления своим сотрудникам

К фотографии: Как он сам себя называет, «хакер тел» Jowan Osterlund из Biohax Sweden, держит микрочип, подобный тем, которые были имплантированы работникам цифрового инновационного бизнес-центра Epicenter 14 марта. (James Brooks/AP)
Стали бы вы просить работника имплантировать микрочип в его руку? Звучит агрессивно и тревожно. Н0 1 августа одна компания из Висконсина будет пытаться это сделать.
Three Square Market – разработчик программного обеспечения, используемого в торговых автоматах – предлагает всем своим сотрудникам внедрить микрочип между большим и указательным пальцами. Это быстро, безболезненно и компания даже будет брать плату в размере 300$. И не беспокойтесь – это не GPS слежение…пока еще.
Компания ожидает, что 50 ее работников добровольно подпишутся на имплантацию.
RFID (радиочастотные ID) чипы позволили бы тем работникам, кто станет волонтерами в этой программе, открывать двери, оплачивать покупки, делиться визитными карточками, хранить медицинскую информацию, оплачивать материал на других RFID терминалах и «логиниться» к своим компьютерам…все с помощью волн руки.
 «В конечном счете, эта технология станет стандартизирована, позволяя вам использовать это как свой паспорт, в общественном транспорте, все покупательские возможности и т.п.», пишет исполнительный директор Todd Westby в своем блоге, анонсируя программу, утверждая, что это будет впервые в своем роде в США.

Программа также направлена на то, чтобы стать реальной возможностью для компании Westby протестировать и расширить технологию для собственных продуктов. «Мы рассматриваем это как еще один вариант оплаты и иидентификации, который может быть использован не только в наших магазинах, но и в других приложениях самообслуживания, которые мы сейчас разрабатываем, включая мини-маркеты и фитнес-центры», говорит другой руководитель компании.
Three Square Market утверждает, что она будет первая компания в США, которая имплантирует чипы своим сотрудникам.

Шведская организация под названием Epicenter начала делать то же самое ранее в этом году и кажется, что ее сотрудникам это нравится. «Люди спрашивают меня «Вы «чипированы»?» и я отвечаю «Да, почему бы и нет», рассказал один из сотрудников компании Epicenter в апреле CNBC report. «И всех их волнуют вопросы конфиценциальности, и что это означает, и так далее. Но для меня это просто вопрос того, что мне нравится пробовать новые вещи, и просто рассматривать его как нечто большее, и что это принесло бы в будущее».

__________________________________________________________

На этом все, читайте нас в фейсбуке и телеграмме

Исследования вовлеченности персонала: часть 1, проблемы традиционного подхода

Перевод статьи Engagement surveys - Part 1, issues with the traditional approach в рамках нашего проекта переводы статей по hr-аналитике на английском. Автор - Эндрю Марритт, стыд Вам, если Вы не знаете еще этого имени.
Перевела Екатерина Малинина, если Вы ее не знаете, то Вам тоже стыд. Этот перед уже пятый (!!!) перевод Екатерины. HR business partner в IT-отрасли. Эксперт в оценке, обучении, развитии талантов. Помогает менеджерам строить эффективные и надежные команды, способные переложить в программный код любую задачу бизнеса. Профили Екатерины в фейсбуке и в Линкедине. Как минимум, я бы зафрендился на вашем месте. Другие переводы Екатерины:

• Прогнозирование в HR-аналитике не так важно, как вы думаете
• Радикальный эксперимент Unilever с процессом найма персонала: резюме – снаружи, алгоритмы – внутри
• Анализ текучести персонала – Описательные методы
• Анализ текучести персонала – Методы прогнозирования

Итак, новая статья от Энрю Маррит

Исследования вовлеченности персонала: часть 1, проблемы традиционного подхода

Ниже вы познакомитесь с первой из двух статей, посвященных исследованию вовлеченности персонала. В этой части я расскажу о некоторых проблемах в этой области. На следующей неделе мы обсудим, как реагирует рынок на эти проблемы.
В этой серии статей я использую термин «исследование» в двух значениях: как исследование с выборкой и как опрос.
В данный момент мы наблюдаем переход от длинных редких исследований вовлеченности персонала к коротким, «импульсивным» опросам, использующимся или вместо, или в дополнение к длинным исследованиям. В этой и в следующей статье мы обсудим причины и преимущества такого подхода. Как всегда, я постараюсь рассказывать с точки зрения анализа данных.

Немного истории

Организации проводят опросы персонала уже около 100 лет, с недавних пор – с помощью HR-подразделений, а ранее – силами операционных исследовательских групп. В 1970-ых основное внимание уделялось лояльности компании и удовлетворенности работой, и фокус сместился с организационных на человеческие ресурсы. В ранней работе Katz (1964) по теме гражданского организационного поведения говорил о понятии «лояльности организации».
Понятие вовлеченности впервые было описано William Kahn в 1990 году, однако стало популярным благодаря изданию Gallup в 1999 году книги «Сперва нарушь все правила». С тех пор большинство компаний проводят разного рода исследования вовлеченности сотрудников.
Примерно в эти же времена изменилась технология проведения опросов. До 1990-ых гг. опросы оставались преимущественно на бумаге. Когда интернет-технологии начали проникать в пространство исследований персонала, мы поняли, что электронные опросы могут полностью воспроизвести традиционные бумажные опросы. Это действительно было так, и некоторые компании даже поначалу проводили параллельно исследования в обоих форматах. До сих пор можно встретить бумажные опросники в некоторых сферах, например, для водителей-курьеров.

Об опросниках

Суть всех опросников вовлеченности одна: с помощью ряда вопросов определить индекс вовлеченности. Обычно для этого требуется около 5 вопросов. Потом используется большое количество вопросов для определения параметров, связанных с вовлеченностью. В большинстве ежегодных исследований порядка 60-150 вопросов. По моим оценкам, сотрудник тратит порядка 20-30 секунд, чтобы ответить на каждый вопрос.
Данные опроса используются для определения демографических параметров участника. Можно подкрепить данные, которые предоставляет о себе респондент, данными, полученными из HR-системы компании. Такой метод наиболее эффективен для получения качественных данных, однако в некоторых компаниях есть ограничения, связанные с конфиденциальностью личной информации сотрудников.
Теоретически можно исследовать огромное количество факторов, связанных с вовлеченностью. Как отмечает Kieron Shaw в работе «Вовлеченность персонала: как сделать сотрудников высокоэффективными»:

«Пожалуй, нецелесообразно напрямую оценивать в опроснике все действия, стоящие за вовлеченностью» в связи с тем, что «можно определить тысячи различных действий человека, склонностей и процессов, которые сказываются на вовлеченности».

Следовательно, из длинного опросника разработчик исследования должен выбрать набор потенциально значимых факторов.

Критика традиционных опросников

В интереснейшей статье «Оценка вовлеченности персонала: с пьедестала – в копилку инструментов» Andrew Graham из Университета Куинс в Кингстоне выделяет 9 недостатков традиционных опросов:

1. Недостаточно частые
2. Наличие заранее определенных вариантов ответов искажает действительность
3. Агрегирование результатов уменьшает количество истинных значений
4. Не отражают специфику (контекст редко учитывается)
5. Длинные или плохо спроектированные варианты ответов  
6. Менеджеры заняты и не мотивированы предпринимать какие-либо действия по результатам опроса
7. Требуется большое количество ресурсов и наблюдений
8. Опросы устаревают
9. Не ясна причинно-следственная связь

10ый недостаток, который мы обнаруживаем как аналитики, состоит в том, что опросы дают иллюзию полноты исследования. Многие компании думают, что, задавая 80 вопросов, они покрывают 80 самостоятельных аспектов работы сотрудников. Очевидно, что это не так.

Проблемы опросных данных

Чаще всего данные опроса анализируют с помощью построения графиков корреляций (точечных диаграмм). Для этого каждый вопрос исследования принимают за одну из переменных графика, на графике они выглядят как области точек, а корреляция между вопросами – граница этих областей. Если таким образом визуализировать данные, то, скорее всего, мы получим что-то вроде этого:
(Примечание перевочика. К сожалению, в оригинале статьи отсутствует график)
То, что мы видим, похоже на клубок. Каждый вопрос стремится коррелировать с другим вопросом. (На графике выше вопросы 31-33 касаются процессов работы, что, как мы знаем, слабо связано с вовлеченностью персонала.)
Мы провели эксперимент, в котором «уничтожили» 80% всех ответов в произвольном порядке и после этого использовали рекомендательный алгоритм, чтобы восстановить пропавшие данные. В большинстве случаев нам удалось точно восстановить те данные, которые были утрачены. Ответы людей соответствуют определенным шаблонам (отсюда и клубок), поэтому если вы знаете часть ответов, вам удастся весьма точно вычислить остальные (это значит, вероятно, что вы можете произвольно задавать разным людям разные вопросы, значительно сократив опросник и не потеряв в точности).

Проблемы интерфейса опросников

Это в некотором роде спорная тема. Она касается того, как задаются вопросы.
Большинство опросов используют шкалу Лайкерта, преимущественно 5ти-балльную, где есть варианты от «полностью согласен» до «полностью не согласен». Одна из причин ее популярности в том, что бумажные опросы, заполненные таким образом, удобнее обрабатывать (легко увидеть галочку в ячейке). Позже разработанный для бумаги процесс переложили в электронный формат, немного доработав вопросы так, чтобы получить преимущества, предоставляемые новым средством сбора и обработки ответов.
При заполнении опроса сотрудники воспринимают шкалу как непрерывное пространство между двумя конечными точками. Когда вы просите их ответить по 5-ти или 7-ми балльной шкале, фактически вы просите поместить их ощущения в наиболее подходящую компромиссную точку. Такие действия вводят участника опроса в определенные рамки, что в результате приведет к искажению данных. Данные не могут быть представлены линейно, вместо этого аналитик должен использовать методы статистического анализа, подходящие для порядковых данных.
В статье 2012 года журнала Полевые методы «Почему семантические дифференциалы в электронных исследованиях должны быть основаны на визуальной аналоговой шкале, а не на 5ти балльной шкале» Funke и Reips демонстрируют экспериментальные подтверждения того, что проставление отметки между двумя точками (визуальная аналоговая шкала) имеет гораздо больше преимуществ, чем традиционная 5ти балльная шкала с четко обозначенными значениями баллов. Первый вариант даёт более качественные (точные) данные и меньше влияет на участника опроса.
Сложно выбрать, что предпочтительнее использовать – визуальную аналоговую шкалу или шкалу с большим, но определенным числом делений (шкалу 0-10, используемую для оценки индекса потребительской лояльности NPS?). Тем не менее, я придерживаюсь мнения, что 5ти балльная шкала – правильный вариант.

Стоит ли вообще задавать вопросы со шкалой оценки?

Наконец, что заставляет нас предпринимать конкретные действия на основе данных исследования – это ответы на ряд открытых вопросов. Как замечает Graham в своем четвертом издании, данные опроса редко дают контекст. Однако природа открытых вопросов дает такую возможность.
По этой причине опросы часто делают не количественными, а качественными и фокусируют на нескольких ключевых темах. Такие исследования требуют много времени и весьма дороги. (Разумеется, действовать без понимания контекста может оказаться значительно дороже.)
В ряде случаев количественные вопросы с использованием шкалы наиболее предпочтительны, особенно если требуется выявить тренды. Однако довольно широкие, открытые вопросы могут предоставить богатые данные. Сложность для многих компаний в том, чтобы получить эти данные с помощью шкалы.
Если поразмышлять о том, как в процессе разговора мы пытаемся разобраться в каком-то предмете, то получится такая картина: мы задаем открытый вопрос и затем подходящие, уточняющие вопросы. Я твердо верю в то, что за этим будущее сбора обратной связи сотрудников, причем этот подход будет реализовываться в формате диалога с чат-ботом с возможностью применения множества языков и шкалирования.
С точки зрения возможностей, мы еще далеки от этого, но будущее наступает очень быстро. В следующей статье я опишу текущее положение, наши находки в работе с клиентами на «передовой» опроса сотрудников и расскажу о нескольких подходах, предпринятых наиболее инновационными компаниями нашего рынка.

Об авторе

Andrew – один из пионеров кадровой аналитики в Европе. Он основатель OrganizationView, создатель инструмента для получения обратной связи от сотрудников с помощью открытых вопросов Workometry и сооснователь сообщества Кадровой аналитики Швейцарии
Andrew возглавлял первую конференцию в области европейской кадровой аналитики – HR Tech World’s 2013 ‘Big Data’ и был сопредседателем конференции Tucana’s ‘People Analytics’ в 2014, 2015 и 2016 гг. Он преподает HR-аналитику и «управляемый данными HR» в Европе и Азии и является членом консультативной группы по аналитике в области человеческого капитала CIPD, провозглашая стандарты и стратегию в HR-аналитике.
__________________________________________________________
На этом все, читайте нас в фейсбуке и телеграмме

Перевод статьи - 17 метрик для подбора, о которых вам следует знать

Моя очередь потренироваться в переводе статей по hr-аналитике с английского. Местами я не даю "дословный" перевод, у нас уже сложились устойчивые названия многих метрик и/или определений, поэтому дословный перевод может иногда смущать. На страничке группы hr-аналитики в FB я пообещала не просто перевести статью, но и привести несколько примеров. В самом конце поста, после перевода всей статьи, вы сможете увидеть результаты моих попыток. Хочу отметить, что это просто примеры на случайных выборках, по ним не стоит делать выводы о чьей-либо деятельности :-)

17 Recruiting Metrics You Should Know About

В организации должна быть культура, управляемая данными. В этой статье мы обсудим значимость метрик для процесса подбора персонала. Если вы сможете отслеживать значение каждой найденной в Интернете метрики для рекрутмента,  то у вас не останется времени на сам подбор персонала! И поэтому мы перечислим для вас 17 самых важных из них.

Что такое метрики для подбора?

Метрики для подбора - это измерения, необходимые для мониторинга и контроля как успешных наймов, так и оптимизации всего процесса подбора в организации. При корректном использовании эти метрики помогают оценить процесс подбора и даже помогают понять, нанимает ли компания правильных людей.

Принятие верных решений в процессе подбора очень важно. Эта картинка (из Greenhouse) показывает ценность сотрудника во время его жизненного цикла в компании, как сумму всех hr-решений, сделанных в отношении него.

Используя следующую картинку, мы можем увидеть, что найм более подходящего кандидата потенциально увеличивает возврат инвестиций (ROI).

Вот почему найм правильных людей настолько важен. Ну и давайте глубже посмотрим на метрики для подбора. Вы только приступаете к измерению данных по подбору или уже настраиваете свою систему метрик для этого процесса, этот список даст вам обзор 17 самых используемых метрик.

17 метрик: обзор

1. Время закрытия вакансии- это время, которое занимает поиск и найм нового кандидата, часто измеряется в днях между публикацией об открытии вакансии и до момента приема кандидата. На время закрытия влияет отношение предложения и спроса для специфичных работ на рынке труда. Это хорошая метрика для планирования бизнеса. Она предлагает менеджеру реалистичную оценку времени, необходимого для привлечения и замены уволившихся сотрудников. Добавлю, что короткое время закрытия обычно положительно влияет на оставшуюся команду, так как это означает меньшее количество переработок и нестабильности.

2. Время найма - количество дней между моментом, когда соискатель откликнулся на вакансию и моментом принятия им оффера. Другими словами, эта метрика измеряет время, необходимое кандидату для прохождения через все этапы подбора. Время найма, таким образом, служит четким индикатором, как работает ваша команда подбора. Эта метрика также называется "Время принятия предложения".

Workable’s Time to hire by industry benchmark.

3. Источники найма (каналы привлечения). Мониторинг источников, с помощью которых привлекаются новые кандидаты в вашу организацию, является наиболее популярной метрикой. Эта метрика также помогает отслеживать эффективность различных каналов привлечения. Несколько примеров таких источников - карьерный сайт компании, джоб сайты, социальные сети, кадровые агентства.

4. Текучесть (выбытие) в первый год работы - это ключевая метрика подбора, свидетельствующая об успехе найма. Кандидаты, покидающие компанию в первый год, терпят неудачу в достижении своей полной продуктивности, и это обычно дорого обходится компании. Текучесть в первый год работы может быть управляемой и неуправляемой. Управляемая текучесть означает, что контракт был завершен по инициативе администрации. Неуправляемая текучесть означает, что сотрудники уволились по собственной инициативе. Первый вариант часто говорит о низкой эффективности сотрудника или его плохого соответствия команде. Второй вариант часто говорит о нереальных ожиданиях, которые являются причиной увольнений. Завышенные ожидания могут возникать из-за несоответствия между описанием вакансии и реальной работой или если позиция/компания были навязаны рекрутером.

Эта метрика также может называться "доля оставшихся кандидатов".

5. Качество подбора

Качество подбора, часто измеряемое с помощью каких-либо рейтингов, показывает индикатор эффективности кандидата в первый год работы. Кандидаты, которые получают высокую оценку своей деятельности, свидетельствуют об успешном найме, тогда как наличие кандидатов с низкой оценкой говорит об обратном. Простой неудачный прием может стоить компании десятки тысяч долларов как прямых, так и косвенных расходов.

Комбинируя эту метрику с каналами, через которые приходят кандидаты, вы сможете измерить качество источников трафика (см. метрику №16).

Качество найма используется для расчета доли успехов. Эта доля получается делением количества принятых сотрудников с хорошей результативностью к общему количеству принятых за этот период. Высокая доля означает, что большинство принятых кандидатов показывают хорошую эффективность, низкая доля говорит о том, что вам необходимо отрегулировать ваш процесс отбора.

Доля успехов используется для анализа полезности подбора (recruitment utility analysis). Такой анализ позволяет вам рассчитать ROI для различных инструментов отбора.

6. Удовлетворенность менеджеров подбором - также как и качество подбора, эта метрика характеризует его успешность. Когда нанимающий менеджер удовлетворен кандидатом, принятым в его команду, то вероятнее всего, этот кандидат будет более эффективен и будет более подходить команде. Другими словами, кандидат более вероятно будет отнесен к успешному найму.

7. Удовлетворенность кандидатов работой - прекрасный способ наблюдать как ожидания, полученные кандидатом в процессе подбора, соотносятся с реальностью. Низкая удовлетворенность кандидатов выявляет плохое управление ожиданиями или неполное описание вакансии.

При низких значениях этого показателя следует обеспечить более реалистическое предварительное описание вакансии. Это помогает представить как положительные, так и отрицательные моменты в работе для потенциальных кандидатов, создавая таким образом более реалистичную картину.

8. Количество соискателей на открытую вакансию (или на 1 прием) позволяет оценить популярность вакансии. Большое количество кандидатов может свидетельствовать о высоком спросе в определенной области, а может говорить о том, что описание вакансии слишком общее. 

Количество соискателей на 1 вакансию не обязательно говорит о  количестве подходящих кандидатов. При уточнении описания вакансии и включении в это описание ряда жестких критериев, количество откликнувшихся соискателей может быть уменьшено без уменьшения количества действительно подходящих соискателей.

9. Доля принятых - отношение количества принятых кандидатов к общему количеству кандидатов. Это отношение также может называться "Отношение поданных на рассмотрение резюме к состоявшимся приемам".

Эта метрика очень похожа на метрику из предыдущего пункта. При большом количестве кандидатов эта метрика стремится к 0. Она обеспечивает нас такой информацией как ценность различных инструментов оценки и может быть использована для оценки полезности данного выбора и всей системы подбора.

Для оценки полезности этих инструментов посмотрите на эту статью  от Stuurman (2003) on the ROI of selection tools.

10. Средняя стоимость подбора - мы можем написать целую статью об этой метрике. Это сумма всех расходов на подбор персонала, деленная на количество состоявшихся приемов. 

Все расходы на подбор состоят из большого количества компонентов и могут быть разделены на внутренние и внешние расходы. Оценивая их все, вы сможете рассчитать общие расходы на подбор.

Общие расходы на подбор
Внешние расходы	Внутренние расходы
Расходы на рекламу	Время рекрутера (ср. ЗПЛ в час * кол-во часов)
Оплата агентствам	Время нанимающего менеджера (ср. ЗПЛ в час * кол-во часов)
Возмещение расходов кандидату	Время адаптации нового работника
Стоимость обучения нового сотрудника	Потерянная продуктивность
Другие внешние расходы	Другие внутренние расходы

11. Опыт кандидата

Когда мы говорим о метриках для подбора, эта метрика может быть упущена из вида. Эта метрика об ощущениях соискателя на этапах подбора и адаптации, она часто измеряется при помощи опросов. Подобные опросы используют NPS и помогают идентифицировать ключевые компоненты в опыте (впечатлениях), которые могут быть улучшены.

12. Доля принятых офферов - отношение количества кандидатов, принявших предложение о работе, к количеству всех кандидатов, получивших это предложение. Низкое значение метрики может свидетельствовать о потенциальных проблемах, связанных с компенсационным пакетом. Когда такие проблемы часто возникают в определенных функциях, имеет смысл обсуждать условия оплаты на более ранних этапах подбора, чтобы минимизировать такое влияние на отказы по офферам.

13. Доля открытых вакансий (в подборе) к общему количеству вакансий (в организации) - может применяться как для отдельных департаментов, так и для организации в целом. Высокий процент может говорить о высоких потребностях (например из-за быстрого роста) или о низком предложении на рынке труда.

14. Доля заполненных заявок - метрика особенно интересна для организаций, имеющих сложные системы онлайн-рекрутинга. Многие большие корпорации требуют от кандидатов вручную ввести резюме целиком в их собственные системы, и только после этого кандидат сможет откликнуться на вакансию. Выбытия в этом процессе свидетельствуют о проблемах в этой процедуре, например веб-браузер не совместим с системой заявок или имеет недружелюбный интерфейс. 

Эта метрика хорошо дополняется метрикой из следующего пункта (№15).

15. Эффективность воронки подбора. Подбор - это воронка, которая начинается с поиска кандидатов и заканчивается заключением контракта. Измеряя эффективность каждого этапа воронки, вы сможете определить долю выбытия на каждом этапе. Это делает воронку одной из самых отличных метрик в рекрутменте.

Например,

15:1 (750 соискателей откликнулось, из этих откликов отобрано 50 резюме)

5:1 (из 50 отобранных резюме 10 предложены нанимающему менеджеру)

2:1 (из 10 резюме, направленных на рассмотрение, нанимающий менеджер одобрил 5)

5:2 (5 проведенных интервью привели к 2-м финальным интервью)

2:1 (после 2-х финальных интервью сформирован 1 оффер)

1:1 (1 оффер = 1 оформление на работу)

Воронка подбора сильно изменилась в последние несколько лет из-за улучшений в hr-технологиях. Первые несколько шагов часто автоматизированы: программное обеспечение помогает автоматически просматривать резюме и выбирать наиболее подходящие. Некоторые компании выбирают видео-интервью для изменения предоставляемых документов и для первых интервью. 

Другими словами - ожидайте, что воронка изменится со временем.

16. Эффективность каналов привлечения - помогает измерить конверсию в разрезе каждого канала. Сравнивая процент соискателей, пришедших с определенного канала привлечения, с процентом их приемов в организацию, вы быстро сможете оценить эффективность различных каналов.

Простой способ сделать это - использовать Google Analytics для отслеживания с какого ресурса к вам пришли люди, откликнувшиеся на открытые вакансии на вашем сайте. 

Если задаться "целью", например успешное заполнение формы для отклика, эту долю можно посчитать более точно. Возможно, что люди, перешедшие со страниц LinkedIn или Twitter, не откликаются на открытые вакансии, а вот люди с Facebook делают это.

17. Стоимость каналов привлечения - вы можете рассчитать эффективность затрат различных каналов привлечения, включением рекламных расходов, осуществленных на этих платформах. Разделив рекламные расходы на количество посетителей, успешно откликнувшихся на открытые вакансии, вы сможете измерить стоимость на один прием в разрезе каналов привлечения.

Как и написала в самом начале, тут я привожу собственные примеры. Не пытайтесь делать какие-либо выводы из этих картинок, это всего лишь выборка по случайным рекрутерам, случайным источникам трафика и т.д. и т.п., которую я использую для примера. Часть легенд тоже отсутствует не потому, что я о них забыла :-)

             Метрика №3 - источники найма (трафика)

метрика № 4 - в статье речь идет о текучести, но мне почему-то в последнее время больше нравится такой вариант)))

           
              














метрика №8 (хотя и №9 практически такая же)

         

метрика № 15

 метрика № 16

Чем отличается предиктивная аналитика от дескриптивной

Я сейчас в Сибири нахожусь. Недалеко от Красноярска. Много времени провожу на природе. Приходят в голову философские метафоры.
Метафора: Чем отличается предиктивная аналитика от дескриптивной

Так вот: те, кто внизу - это дескриптивная, описательная аналитика.
Хотите заниматься предиктивной - залезайте наверх. Да, это сложно. Проще стоять внизу и щелкать фотиком - здесь много таких туристов, кто подошел к подножию скалы и зрителем наблюдает снизу..... А вот лезть вверх - можно и сорваться. Уж содранные колени и локти вам гарантированы точно. Но ради этого момента наверху можно и локти с коленями потерпеть.
Как то так. 

Динамика отношений с руководителем

Пост для внутреннего потребления. Строю модель текучести персонала, думаю над некоторыми вещами, несколько картинок размещу, чтобы думалка думалась.
Вопрос очень простой: если мы захотим спрогнозировать психологическую совместимость руководитель - подчиненный, то какая часть результата будет объяснена психологической не совместимостью, а какая часть - естественными процессами (динамикой отношений) - тем, что подчиненный еще так мало работает с руководителем, что последний просто не успел проявить заботу о развитии подчиненного.

Благодарность руководителя

• По оси X стаж
• Ось Y - благодарил ли руководитель за достижения
• Разница в цвете: красный - респондент работает на момент заполнения опросника, зеленый - уволился уже.

Забавно, что стаж, тех, кого руководитель все время благодарил, меньше, чем тех, кто изредка получал.

Как часто руководитель давал обратную связь

Тоже самое, только вопрос другой.

Забота о развитии

Выходили ли вы с инициативами на руководителя

Прогнозирование в HR-аналитике не так важно, как вы думаете

Перевод статьи Being predictive in HR analytics is probably less important than you think в рамках нашего проекта переводы статей по hr-аналитике на английском. Автор - Эндрю Марритт, если Вы читаете мой блог, то должны уже выучить это имя, ибо это один из самых профессиональных hr аналитиков. Его фишка - анализ текста.
Перевела Екатерина Малинина, HR business partner в IT-отрасли. Эксперт в оценке, обучении, развитии талантов. Помогает менеджерам строить эффективные и надежные команды, способные переложить в программный код любую задачу бизнеса. Профили Екатерины в фейсбуке и в Линкедине. Этот перед уже четвертый (!!!) перевод Екатерины. См. другие ее переводы

1. Радикальный эксперимент Unilever с процессом найма персонала: резюме – снаружи, алгоритмы – внутри
2. Анализ текучести персонала – Описательные методы
3. Анализ текучести персонала – Методы прогнозирования

Итак, новая статья от Энрю Маррит, статья, на мой взгляд, спорная, но тем приятнее читать - спорные статьи заставляют спорить и думать

Прогнозирование в HR-аналитике не так важно, как вы думаете

Andrew Marritt
Основатель OrganizationView, кадровая аналитика
Несколько лет назад в среде HR много говорили о Big Data. Сейчас говорят о прогнозной аналитике. В обоих случаях люди хватались за самые популярные и впечатляющие темы вне HR и убеждали всех, что это прорыв. И в том, и в другом примере громкое название мешает пониманию истинного значения техник. В обоих случаях то, что спрятано за названием, составляет настоящую ценность.
В недавнем интервью с Matt Alder я говорил о том, что размер данных никогда, на самом деле, не был проблемой для Big Data в HR – настоящие сложности заключались в том, что из-за большого разнообразия и качества данных HR-аналитикам всегда было сложно их обрабатывать. Когда вы слышите, что количество цифровых данных растет экспоненциально, знайте, что большую часть этих неструктурированных данных составляют текст, картинки, аудио- и видеозаписи. Главная задача Big Data в HR – найти способ, как переработать этот неструктурированный массив информации. Сам по себе размер данных не так важен.
Что касается прогнозирования, сам по себе прогноз обычно менее важен в HR. Если в маркетинге можно сформулировать простые правила – «высылать предложение или не высылать предложение», и не так важно, откуда взялись эти рекомендации (гораздо важнее результат, т.е. получение выручки или прибыли), то в HR главная цель анализа, которую мы повсеместно наблюдаем, – не построение прогноза, а возможность интерпретировать модель. Понимание сути происходящего гораздо важнее предсказания.
Для понимания, о чем идет речь, давайте сделаем шаг назад и разберемся, о чем говорят аналитики. Работая с прогностической моделью, мы используем ряд методик, чтобы сделать одну из двух фундаментальных вещей: либо мы получаем прогнозируемый исход (обычно бинарный: покинет компанию/ останется в компании), либо мы получаем вероятность наступления события (также описанную как риск).
Чтобы принять решение, нам необходимо учитывать не прогноз как таковой, а оценку итогового исхода в сочетании с так называемой «функцией потерь». Функция потерь описывает издержки и преимущества решения, будь оно верным или неверным. Возможно, я расскажу об этом в одной из следующих статей, т.к. большинство приложений для HR-аналитики полностью игнорируют эту функцию: они помогают провести анализ и построить прогноз, но не помогают принять решение.
В HR-моделировании мы сталкиваемся с большой, сложной проблемой. Не только сами модели не отличаются точностью, и поэтому на рекомендации, сделанные на основе даже самых лучших из них, нельзя полностью полагаться, но, более того, функции потерь зачастую сами по себе ассиметричны и содержат неопределенность (т.е. мы не можем быть уверены даже в истинной ценности/ потере в случае принятия правильного или неверного решения, а ошибка часто может привести к тому, что потеря значительно превысит пользу от принятия верного решения).
Насколько качественны наши модели? Давайте возьмем простое и часто используемое приложение, моделирующее текучесть персонала. Поговорите с аналитиком, и он скажет вам, что лучшие модели, прогнозирующие текучку, достигают 85%ой точности. Этого достаточно? Шанс «выиграть» в русскую рулетку составляет 83.3%, т.е. примерно столько же. Если цена ошибки не велика, то такая точность вполне приемлема. В других случаях (как, например, в русской рулетке) – скорее всего, нет.
Естественным следствием функции потерь и неопределенности в модели является то, что при принятии решений в каждом конкретном случае необходимо смотреть на специфику данных. По нашему мнению, число сценариев в HR, где процесс принятия решений может быть автоматизирован (как минимум те решения, важность которых обоснована), крайне мало.
Для принятия решений людям важно знать не только сами рекомендации, но и то, на основе чего они возникли. Им важно понимать, что стоит за прогнозом или рекомендацией.
Если мы начинаем наш анализ на наиболее подходящем для этого шаге – определении действий/ исходов, которые могут быть получены, – в управлении персоналом они будут требовать изменения процедур. Эти процедуры могут быть таргетированными, и их параметры могут учитывать индивидуальные запросы, но, в любом случае, мы ограничены набором конечных исходов.
Самым главным при изменении процедур, определенно, является не точность модели, а ее интерпретируемость.
Возможность толковать модель делает ее гораздо полезнее для разработки более эффективных процедур, потому что в этом случае она описывает, что именно требуется изменить. Самый верный способ определить ценность модели – это предпринять верное, обоснованное действие.
Еще один важный аспект: мы не используем одну единственную функцию потерь, потому что изучаемая нами популяция неоднородна. Ценность/ затраты различных сегментов популяции различны. Обычно оптимизация решения требует разработки различных моделей, сформулированных для каждой отдельной группы персонала. Это, в свою очередь, позволяет действовать с учетом особенностей соответствующей группы.
Такие специфичные для групп модели могут быть не такими точными в прогнозировании, но они полезнее, потому что описывают то, что нас действительно волнует, и помогают скорректировать процедуры наиболее эффективным образом. В управлении персоналом мы сталкиваемся с гораздо большим количеством ограничений, чем в маркетинге. Необходимо, чтобы изменение процедур было обоснованным и демонстрировало справедливое отношение к различным категориям персонала. Нам необходимо объяснять сотрудникам, почему мы осуществляем те или иные изменения и как мы определяем, кого затронут новшества.
Таким образом, возникает вопрос: если в модели нас больше всего интересует ее толкование, а не прогноз, почему мы уделяем так много внимания прогнозированию?
Одна из наиболее действенных техник, по нашему мнению, - это построение множественных моделей, зачастую использующих различные методы. Некоторые из этих методов просты в толковании. Другие дают большую точность, но похожи на «чёрный ящик».
Скажем, ваша интерпретируемая модель рекомендует поднять заработную плату определенным категориям персонала на х%. Если вы воспроизведете это с помощью модели (предскажете), вы увидите самый лучший исход. Ваши изменения и модель подтверждают друг друга.
Мы обнаружили, что очень полезно воспроизвести/ предсказать изменения на модели с помощью различных методов. Если конечный исход вас устраивает, значит, вы нашли надежный вариант. Если несколько исходов значительно отличаются друг от друга, значит, ваш вариант вряд ли сработает в реальности. Интерпретируемость модели важна для того, чтобы определить, какие изменения нужны, но не очень подходит для их проверки.
Если вы действительно хотите принести пользу своей компании, используя сложные методы моделирования, то вам не стоит фокусироваться на составлении прогнозов. Вам нужно сосредоточиться на интерпретируемости и использовании функций потерь.

Об авторе

Andrew – один из пионеров кадровой аналитики в Европе. Он основатель OrganizationView, создатель инструмента для получения обратной связи от сотрудников с помощью открытых вопросов Workometry и сооснователь сообщества Кадровой аналитики Швейцарии
Andrew возглавлял первую конференцию в области европейской кадровой аналитики – HR Tech World’s 2013 ‘Big Data’ и был сопредседателем конференции Tucana’s ‘People Analytics’ в 2014, 2015 и 2016 гг. Он преподает HR-аналитику и «управляемый данными HR» в Европе и Азии и является членом консультативной группы по аналитике в области человеческого капитала CIPD, провозглашая стандарты и стратегию в HR-аналитике.

__________________________________________________________

На этом все, читайте нас в фейсбуке и телеграмме

Идеальная пара: аналитика и стратегия управления персоналом

Перевод статьи The perfect match, HR analytics and strategy в рамках нашего проекта переводы статей по hr-аналитике на английском. Автор - очень известный западный hr аналитик - Патрик Кулен (Patrick Coolen, Manager HR analytics and strategic workforce planning at ABN AMRO Bank N.V.). Т.е. вы заметили, что пишет практик - внутренний hr аналитик?
Перевод выполнила  Юлия Видриц, Менеджер по внутренним коммуникациям и продвижению бренда работодателя - крупнейшего производителя лекарственных средств, изделий медицинского назначения, товаров для дома и личной гигиены. Опытный специалист по поиску и привлечению уже состоявшихся профессионалов, а так же в работе с молодыми талантами и их развитии.
Это уже второй перевод Юлии, см. также Анализ HR-аналитики: что на самом деле работает
Итак,

Идеальная пара: аналитика и стратегия управления персоналом

Итак, что было бы интересно изучить специалистам по работе с персоналом в вашей организации? Будет ли это число особо ценных кадров, основные причины отсутствия людей на работе или их вовлеченности, поиск основных характеристик ваших лучших сотрудников, или определения того, как лидерство влияет на продажи или удовлетворенность клиентов? Дело в том, что бы вы ни искали, это должно иметь стратегическое значение для вашей организации.
Эта статья не об аналитических продуктах, инструментах или методах, которые вы используете, а о правильной постановке стратегически важных вопросов для бизнеса. Безусловно, ваша способность находить верные решения на поставленные бизнесом вопросы увеличивается, когда вы подкованы в работе со статистикой, анализе данных, технических инструментах обучения, проведении опросов и стратегическом управлении трудовыми ресурсами. Другими словами, ваша аналитическая зрелость позволяет вам реализовать свою стратегию.  Но если вы можете ответить на поставленный бизнесом вопрос, создав простую, но эффективную сводную таблицу и соответствующий график, пожалуйста, сделайте это. Найдите свой идеальный метод воздействия на стратегию бизнеса с помощью аналитики, чтобы они отлично подходили друг другу.

Эволюция HR аналитики 

За последние четыре года наш аналитический отдел развился до такой степени, что сегодня аналитика и стратегия объединены в одном HR отделе. В нашем случае можно сказать, что со временем возникло пять аспектов, в результате которых мы там, где мы есть сегодня.

1.    Эволюция техник и инструментов. 

Первыми делом мы сосредоточились на наших возможностях для использования статистических данных или методов интеллектуального анализа данных в нашей работе. Совместно с нашим аналитическим партнером iNostix by Deloitte мы создали процесс проведения исследований наших данных с использованием методов из дисперсионного анализа - anova, корреляции и регрессии, например, дерево решений, кластеризация, многоуровневый анализ и определение тем. Наш набор инструментов превратился из использования SAS в R в BigML (машинное обучение), и мы стремимся использовать передовые инструментам, такие как Talent Insight от Watson IBM. 

2.    Эволюция предлагаемого нами аналитического  продукта 

Мы начали со статистических данных, но со временем мы добавили такие продукты, как поддержка в постановке KPI (основной показатель производственной деятельности), стратегическое управление кадрами, возможности и построение сообщества и проведение опросов. Опираясь на стратегические бизнес вопросы, можно определять, какой аналитический продукт или комбинация продуктов нам потребуется. Мы постоянно работаем над улучшением нашего аналитического продукта. В следующем разделе я расскажу немного больше о том, где и как мы используем наши продукты в нашей организации.

3.    Эволюция  наших возможностей

Помимо технических навыков (техники, инфраструктуры, инструменты) мы инвестировали в консалтинговые навыки и, в частности, то, что нам нравится называть «критическим мышлением». Наш отдел вырос вдвое за последние полгода, и наши новые сотрудники преимущественно консультанты или переводчики, если хотите. Они садятся вместе с клиентом, чаще с каким-либо из бизнес направлений или специалистом HR отдела, который владеет тем или иным продуктом, например, руководителем группы подбора персонала, и переводит вопрос внутреннего клиента в плоскость одного или нескольких наших аналитических продуктов. Для того, чтобы помочь внутреннему клиенты, они должны ставить под сомнение вопрос клиента. Есть ли доказательства реальной проблемы или возможности? Есть ли основная проблема? Что можно решить или чего можно достичь, отвечая на вопрос клиента. Для того, чтобы узнать больше про критическое мышление и доказательную базу HR, я рекомендую вам почитать работу  Роба Бринера.

4.   Эволюция позиционирования отдела HR аналитики 

Мы начали работу нашего отдела с того, что называется управлением бизнесом HR. Наши коллеги работали над такими задачами, как качество данных, предоставление различных отчетов и инфраструктура HR. Не самое плохое начало, скажу я. То, что нас действительно объединяло в нашей работе - это данные. НА третий год нашей работы мы перешли на уровень управления вознаграждениями и эффективностью. Простая практическая причина этого заключалась в том, чтобы понять и использовать больше наших данных о вознаграждении в рамках наших исследований. Но уже через полгода мы стали частью отдела HR стратегии, аналитики и изменений. Лично я считаю, что это наилучшее место для аналитического отдела. Чтобы понять стратегию, реализовать стратегию или оценить стратегию, вам нужна аналитика. Другими словами, аналитика дает ответы на стратегические вопросы. Опять же, вот почему они идеально подходят.

5.    Эволюция аналитического лидерства 

Нам всегда везло работать в организации, которая использует аналитику. Наше путешествие началось четыре года назад, потому что наш CHRO и команда управления персоналом, в которой я работал, считали, что это путь вперед. На протяжении нашего пути эта уверенность усиливалась. Вот почему сегодня одна из основных наших побед- это «становление HR организации, основанной на фактах». Благодаря нашим лидерам аналитика становится все более неотъемлемой частью нашей ДНК.

Наш аналитический продукт

Мы постоянно совершенствуем наш продукт и предложение, которое мы можем сделать бизнесу для более обоснованных решений, которые позитивно влияют на наши бизнес-цели. Давайте кратко поговорим о нашем текущем предложении, а также о некоторых наших будущих и инновационных идеях.

1.    People Analytics (ранее Talent analytics) 

или (прогнозирующая) аналитика по персоналу, является основной частью большинства моих предыдущих постов. Если вы прочтете их все, и в этом случае, спасибо вам за это, я предполагаю, что вы хорошо знакомы с этим продуктом. Если вы еще не читали их, в конце этой статьи я предоставляю ссылки на все мои предыдущие работы. В предыдущем разделе я уже подробно остановился на инструментах и методах, которые мы в настоящее время используем. И хотя мы действительно уже много достигли в нашей работе, мы не останавливаемся в своем развитии и продолжаем экспериментировать и применять новые инструменты и методы.

За последние четыре года мы поддерживали большинство направлений бизнеса с помощью наших интеллектуальных исследовательских возможностей. Вот несколько недавних примеров. Для наших call-центров мы определили наиболее важные характеристики людей, которые влияют на среднее время обработки и удовлетворение запросов. Мы также выделили разницу в характеристиках для наших топ-менеджеров и исполнителей. В рамках частного банковского обслуживания мы обнаружили, что основные HR-драйверы максимально повышают удовлетворенность клиентов и улучшают финансовые показатели. В рамках розничной торговли мы измерили и изолировали эффект учебного вмешательства с целью улучшить показатель лояльности клиентов. И, наконец, мы рассмотрели влияние сильной организационной или индивидуальной цели на организационную лояльность, производительность и вовлеченность. Для нас people analytics - все еще очень важный и инновационный продукт, который действительно дает понимание и новые идеи нашим клиентам и помогает им принять соответствующие решения, но есть более аналитические продукты, которые могут помочь.

2.    Проведение исследований. 

Мы получили по наследству опрос вовлеченности, который является безусловно ценным источником информации для организации. Однако, мы считаем, что нужно переходить от формата ежегодного опроса, к постоянному отслеживанию удовлетворенности и вовлеченности сотрудников. Люди проходят так называемый жизненный цикл сотрудника. Они взаимодействуют с организацией через такие процессы, как подбор персонала, ввод в должность, управление эффективностью, обучение и развитие, и реорганизации, и все сотрудники обладают своим уникальным опытом, на котором мы можем учиться. Опять же, не раз в год, а непрерывно.

Мы также считаем ,что нужно уходить от длинных опросников, к более емким, охватывающим каждую отдельную тему (напр. вовлеченность, лидерство, этническое и социокультурное многообразие). И важная причина для этого - упрощение наших опросов и выбор подходящего времени их проведения. Кроме того, нам необходимо работать с конкретными представителями организации вместо того, чтобы пытаться опросить всех, отправляя им опрос через приложения ил программы. Благодаря этому мы сможем получить более достоверную информацию, когда она необходима. Хорошими примерами компаний, которые используют подобную стратегию проведения опросов, являются Adidas и Ziggo. Также для улучшения получения обратной связи и аналитики я ссылаюсь на отличные посты Лауры Стивенс к некоторым большим недавним постам Лорой Стивенс. Мы надеемся инвестировать больше в психометрические навыки, чтобы улучшать наши вопросы и оценивать валидность наших опросников. Само собой разумеется, эти опросы, могут пополнить наши данные, которые используются аналитических исследованиях. 

3.    Трансформация на основе фактов

 Одна из наших основных областей деятельности в области управления персоналом  - основываться на фактах и доказательствах. Но что это значит? Когда нам удастся стать более объективными? Было бы иронично работать без каких-либо показателей успеха, верно? Поэтому мы выделили шесть областей, которые, по нашему мнению, являются предпосылками для организации, основанной на фактах. I) Инфраструктура, II) Качество данных, III) Анализ данных, IV) Доступность данных о продуктах / процессах, V) Навыки и возможности и VI) культура и лидерство. Каждая область может быть оценена с точки зрения зрелости, как низкая, средняя или высокая для организации вашего клиента.  Основываясь на пробелах, вы создаете стратегию преобразования вашей текущей организации в более объективную, подкрепленную фактами, организацию. Наш аналитический отдел работает вместе с отделом ИТ-отделом HR и отделом качества данных, чтобы закрыть выявленные пробелы. Мы могли бы поговорить об этом в следующем статье. На рынке существует больше моделей зрелости организации, подобных этой. Хорошим примером является модель зрелости 3nStrategy, которая вдохновила нас на создание нашей.

4.    Помощь в создании стратегических отчетов и постановки  KPI 

Мы создаем регулярные отчеты для руководства HR, исполнительного комитета и консультационного совета. В большинстве случаев мы рассказываем о таких вещах, как тенденции в FTE (сотрудники на полной занятости), вовлеченность, абсентеизм (неявка на работу), процессы подбора персонала и разнообразие внутри организации. В настоящее время мы работаем над объединением некоторых отчетов. Мы также хотим включать в эти отчеты внешние тенденции HR и результаты нашего аналитического исследования. Это сделает данные отчеты более полными и отражающими стратегию бизнеса. Нас также часто просят помочь с определением ключевых показателей эффективности. У Вас могут быть очень длинные обсуждения определения кто же является отстающим в организации, а кто наоборот ценными кадрами.  Мы можем облегчить эти обсуждения, потому что у нас есть опыт в определении метрик, и мы знаем, могут ли они на самом деле быть измерены. Наличие четкого каталога HR критериев  в вашей организации, с четким описанием и пониманием, кем они могут быть использованы, может быть очень полезным для бизнеса. Есть некоторые хорошие примеры HR и промышленных инициатив сформулировшие такой каталог критериев HR.

5.    Создание HR бизнес стратегии

На самом деле это то, о чем идет речь! Как мы можем создать HR-стратегию, которая помогает нашему бизнесу достичь своих целей? Здесь стратегия встречает аналитику! Многие компании уже имеют многолетний опыт стратегического планирования рабочей силы. Но во многих случаях, включая наш, эти типы проектов начинаются с большого объема, многих заинтересованных сторон и более тщательно планирования. Другими словами, они начинают со слишком большой задачи, с высоким риском никогда не завершить данный проект.

Вот почему мы решили разделили нашу работу на этапы. Давайте создадим стратегию вместе шаг за шагом.. Мы предлагаем гибкий подход к созданию бизнес-стратегии в области управления персоналом. Гибкий, потому что мы привлекаем разных экспертов, например- Бизнес партнеров персоналу, аналитика по персоналу, специалиста по стратегии управления персоналом. И еще гибкий, потому что мы стремимся к реалистичному и конкурентному продукту, например. Интерпретации бизнес-стратегии, первичные области воздействия рабочей силы, gap-анализ , плана оперативных мер и плана оценки. Таким образом, основные принципы и вопросы стратегического планирования рабочей силы по-прежнему актуальны. Является ли наша рабочая сила подходящей? И что мы можем с этим поделать? Но мы считаем, что с нашим подходом мы упростим ответы на эти вопросы, и мы делаем это вместе на протяжении всего процесса.

В большинстве случаев мы проводим от трех до четырех воркшопов, но иногда и меньше. Это зависит от подготовки и непосредственной работы над созданием надежной бизнес-стратегии. По нашему опыту,  если вы готовы к этому, очень хороший способ взаимодействовать с вашим клиентом во время этих семинаров - это принести ваши аналитические инструменты и запустить ваши модели или запросы на месте. Как упоминалось ранее, мы используем BigML (Big Machine Learning) для работы некоторых наших моделей. Мы увидели, что интерфейс BigML хорошо принят нашими клиентами, и вы можете легко запускать модели по предложенным целям и сегментам своего населения во время семинара. Мы также используем панели управления персоналом, разработанные с MicroStrategy и нашей интерактивной приборной панелью Willis Tower Watson. Взаимодействие и итеративный анализ во время семинара полностью привлекают наших клиентов.  

Заключение

Я надеюсь, вы оцените наш опыт и наши мысли. И возможно, эта статья натолкнет вас на какие-то мысли, которые помогут вам в развитии вашей бизнес стратегии и HR организации. Я бы хотел поблагодарить мою команду ABN AMRO за их вклад. 

Для тех, кто хочет больше узнать об аналитике HR, проведении опросов, стратегическом управлении HR основанными на фактических данных в целом, я настоятельно рекомендую познакомиться с работами следующих экспертов, с помощью работ которых, мы и смогли достичь таких отличных результатов. 

__________________________________________________________

На этом все, читайте нас в фейсбуке и телеграмме