Share |

суббота, 19 мая 2018 г.

HR упирается во вторую стену



Перевод статьи HR is hitting a second wall в рамках нашего  проекта переводы статей по hr-аналитике на английском. Автор статьи Patrick Coolen - HR-аналитик в ABN AMRO Bank. Мы уже переводили его в рамках нашего проекта, см. Идеальная пара: аналитика и стратегия управления персоналом.
Нынешней статьей он записал своей имя в историю HR-аналитики, и это не только мое мнение, см. 10 трендов в Workforce Analytics - Tom Haak упомянул Патрика Кулена как автора тренда.
Перевод сделала Анна Тонких (ссылка на профиль в  фейсбук), HR с 5-им летним опытом, работает в финансовой сфере. Опыт, скажу по секрету, у Анны уникальный.
Итак,
HR упирается во вторую стену

HR упирается во вторую стену

На пути к непрерывной аналитике и максимизации взаимодействия с сотрудниками
Авторы: Патрик Кулен и Фрэнк ван ден Бринк
Все, кто следят за нами в Linkedin, знают, что все наши заметки посвящены аналитике HR (Patrick Coolen) или Employee Experience (Frank van den Brink). В этом посте мы объединяем две концепции, предиктивную аналитику HR и опыт сотрудников. Мы твердо убеждены в том, что сочетание этих двух способов позволяет нам делать нечто называемое «непрерывным слушанием», что позволит нам максимально эффективно использовать наш опыт работы. Но, прежде чем мы погрузимся в наши рамки для непрерывного прослушивания, сначала несколько слов по кадровой аналитике и опыту сотрудников.

Об HR-аналитике

В отчете «Тенденции развития человеческого капитала» Deloitte в 2018 году было показано, что 70% их респондентов задействованы в крупных проектах анализа и интеграции данных людей в процесс принятия решений. С осторожностью можно сказать, что (предиктивная) аналитика HR становится мейнстримом. Все больше компаний используют статистические данные или методы интеллектуального анализа данных для создания идей для поддержки принятия решений. Поэтому, все для большего числа организаций справедливым становится факт ломания «стены Будро» (Отсылка к книге Джона Будро «Инвестирование в людей: финансовые последствия HR инициатив». Речь о «стене ценностей», см. диаграмму (Стена Будро" в статье 10 трендов в Workforce Analytics), переход от описательной аналитики к предиктивной.
В нашей организации мы собрали около 600 различных идей по использованию прогностической аналитики HR за последние четыре года. Эти идеи затрагивают все направлениям деятельности и собираются с помощью различных методов моделирования, таких как (логистическая) регрессия, решения машинного обучения, метод случайного леса и, в последнее время, анализ дожития. Ниже Вы видите схему некоторых целей наших бизнес-исследований (справа) и их отношения к различным входными переменным (слева). Как Вы можете видеть, на протяжении многих лет мы смотрели на удовлетворенность клиентов, продажи и другие финансовые показатели - качество работы, эффективность работы и прочее. Но также и на темы, больше касающиеся HR, такие как отсутствие прогулов, вовлеченность, цели и сотрудничество.
HR упирается во вторую стену
Наша команда выросла до 10 человек, объединив аналитических консультантов, ученых по данным и разработчиков продуктов для аналитики персонала, стратегического управления персоналом и управления исследованиями. Уместно поблагодарить наших партнеров, которые всегда поддерживают нас на всем пути. Это Willis Towers Watson (управление исследованиями), BigML (машинное обучение) и, в частности, iNostix от Deloitte. С iNostix мы отмечаем в этом году наше пятилетнее партнерство в рамках анализа кадровых ресурсов. И Лук Смайерс, и Лаура Стивенс вдохновили нас на различные проекты, освещающиеся в этой статье.

среда, 16 мая 2018 г.

Лояльность и отношение к компании в зависимости от стажа работы





Результат нашего исследования Ключевые факторы эффективности и текучести персонала (приглашаю поучаствовать).
Я периодически играюсь с Хи квадрат, получаются красивые вещи, см.:

  1. В какой отрасли самый лучший HR-бренд
  2. Серая зарплата и бренд компании
  3. Бренд компании и непосредственный руководитель
  4. Как наставники на испытательном сроке формируют бренд компании


Настал черед стажа.
Идея крайне простая: кто чаще готовы рекомендовать компанию: новички, ветераны или связь не линейна, а хитро закручена?
* я взял в анализ только тех респондентов, кто на момент заполнения анкеты работал в компании. Т.е. речь только про работающих.

Стаж как числовая переменная


На этой диаграмме (если вы не умеете читать диаграмму boxplot, вам сюда Как читать диаграмму boxplot (ящик с усами))

  • Ось X - стаж работы в месяцах;
  • Ось Y - ответ респондента на вопрос, готовы ли рекомендовать компанию 

Заметно, что медиана стажа тех, кто готов рекомендовать компанию, будет повыше, чем тех, кто не готов. Ну и вроде бы это логично. Работает, значит, лоялен.
Но
Kruskal-Wallis rank sum test

data:  q$stag by q$ref
Kruskal-Wallis chi-squared = 2.4175, df = 1, p-value = 0.12

Различия не значимы! А значит, готовность рекомендовать компанию в такой постановке вопроса не зависит от стажа.

Страты

А теперь давайте посмотрим другую логику. Я разбиваю стаж на страты.

вторник, 15 мая 2018 г.

Корпоративные опросы: анонимность vs персонализация



Пост написан совместно с Людмилой Роговой.
HR-аналитика это не только алгоритмы, это еще и рефлексия, еще и осмысление того, что происходит на рынке.
Хочу провозгласить тренд на персонализацию корпоративных опросов. Достигаем мы при этом глобально две цели:

  1. Получение принципиального нового уровня данных с помощью привычного инструмента сбора данных;
  2. Формирование зрелой (mature) корпоративной культуры.
Корпоративные опросы: анонимность vs персонализация


Мысли поста зрели давно, но толчком послужили два поинта

  1. Недавно я обсуждал с коллегами то, как они выбирали провайдера корпоративных опросов. Провайдер был готов на многое, но только не на персонализацию ответов. Мотивировка: клиент может некорректно интерпретировать данные, чем нанесет репутационный вред провайдеру. При этом сам провайдер не знал и не умел делать регрессию, анализ тональности текста, тематический анализ и т.п.. И у меня вдруг родилась простая мысль: а может быть провайдер просто боится, что клиент может найти в результатах провайдера косяки? Может провайдер просто тупо не уверен в своих силах анализа? Но нам впарывают про то, что они заботятся о сотрудниках и т.п.. С каких это пор у нас провайдеры такие щепетильные? 
  2. Статья Опросы сотрудников - по-прежнему один из лучших инструментов измерения вовлеченности. Я бы выделил из статьи два главных поинта: 1) использование мета информации опроса (например, признак прошел / не прошел корпоративный опрос может использоваться в прогнозе текучести персонала) и 2) вопросы сами по себе могут мотивировать на действия. И я бы сформулировать идею статьи так: корпоративные опросы через метаданные измеряют корпоративную культуру компании и они, опросы, формируют корпоративную культуру. Или, что более модно, измеряют и формируют mature. Но при этом одно важное условие: опрос не анонимен. 

понедельник, 14 мая 2018 г.

Обратная трансформация Бокса-Кокса в R



Трансформация Бокса-Кокса позволяет привести данные к нормальному распределению. Проблема возникает в тот момент, когда мы представляем результаты заказчику. Если у нас целевая переменная - рубли, то трансформация превращает рубли в непонятно во что. И после обучения модели, в уже промышленном применения, нам необходима обратная трансформация из Бокса-Кокса в рубли.
Я нигде не нашел полного поста, как это делается (может просто я не там искал), но решил сделать пост с инструкцией по обратной трансформации Бокса - Кокса.

Итак

Необходимый пакет

library(caret)
Создаем данные
set.seed(1)
a = rnorm(100, mean = 80, sd = 40)
b = rnorm(200, mean = 40, sd =20)
c = c(a,b)
df = as.data.frame(c)
df = subset(df, df$c > 0) # удаляем значение менее нуля 
summary(df)
          c           
 Min.   :  0.4259  
 1st Qu.: 33.3343  
 Median : 48.8389  
 Mean   : 56.0041  
 3rd Qu.: 74.5428  
 Max.   :176.0647 
hist(df$c)
Данные создаем так, чтобы они были не нормально распределены. У вас будут свои данные.
Обратная трансформация Бокса-Кокса в R

shapiro.test(df$c)

 Shapiro-Wilk normality test

data:  df$c
W = 0.93822, p-value = 9.752e-10
Результаты теста нас вполне устраивают: данные далеки от нормальных. Теперь сама трансформация
trans = BoxCoxTrans(df$c) # задаем правило трансформации
transc = predict(trans, df$c) # трансофрмируем
hist(transc) # смотрим, что получилось
Обратная трансформация Бокса-Кокса в R

shapiro.test(transc)

 Shapiro-Wilk normality test

data:  transc
W = 0.99504, p-value = 0.465
Трансформация Бокса-Кокса получилась успешной. Что бывает далеко не всегда: очень часто трансформация Бокса-Кокса не превращает распределение в нормальное.

Обратная трансформация Бокса-Бокса

Нас интересует обратная трансформация Бокса-Кокса. Например, мы получили прогноз регрессии по трансформированным данным, нам необходимо получить значения в первоначальной переменной.
Для начала узнаем лямбу (коэффициент трансформации) Бокса-Кокса. Ее можно узнать в правиле трансформации.
trans
Box-Cox Transformation

294 data points used to estimate Lambda

Input data summary:
    Min.  1st Qu.   Median     Mean  3rd Qu.     Max. 
  0.4259  33.3300  48.8400  56.0000  74.5400 176.1000 

Largest/Smallest: 413 
Sample Skewness: 0.956 

Estimated Lambda: 0.4 
Лямбда = 0.4 Формула трансформации Бокса-Кокса такова
y = (x^lmbda - 1) / lmbda
Из этой формулы мы получаем формулу обратной трансформации Бокса-Кокса
x = (y*lmbda + 1)^(1/lmbda)
ВАЖНО; эта формула корректна для лямбды не равной нулю. Если ламбда принимает значение 0, то преобразование Бокса-Кокса представляет логарифмирование, а обратная трансформация Бокса-Кокса, следовательно, экспонирование, т.е.
x = exp(y)
Давайте проверим корректность трансформации для нашего случая
lmbda=0.4
y = transc
x = (y*lmbda + 1)^(1/lmbda)
summary(x)
    Min.  1st Qu.   Median     Mean  3rd Qu.     Max. 
  0.4259  33.3300  48.8400  56.0000  74.5400 176.1000 
Данные обратной трансформации Бокса-Кокса не идентичны данных первоначального набора данных df$c, но различия в пределах сотых: в оригинальном датасете, например, максимальное значение 176.06, в датасете обратной трансформации Бокса-Кокса 176.1.
Думаю, что нас устроит такая погрешность.



воскресенье, 13 мая 2018 г.

10 трендов в Workforce Analytics



Перевод статьи 10 Trends in Workforce Analytics в рамках нашего  проекта переводы статей по hr-аналитике на английском. Автор статьи - Tom Haak, этот автор становится популярным, запоминайте это имя, если Вы еще не. Рекомендую следующие статьи Tom Haak в нашем блоге:

  1. 8 главных HR-трендов 2018 года
  2. Тренды в оценке настроений сотрудников и исследовании вовлеченности - прям пособие по инструментам вовлеченности
  3. 8 трендов в управлении талантами на 2018 год

Перевод сделала незаменимая Александра Багинская (по ссылке профиль с Линкедина). Саша родом с Украины, но живет и работает в Голландии. Читайте другие статьи Александры у нас в блоге:

  1. 3 типа поведения, которые определяют успешных продавцов
  2. Что делает продавцов лучшими
  3. Результат через diversity - одна из самых дискутируемых тем, по ссылке результаты исследования McKinsey.
  4. Как блокчейн повлияет на HR?
  5. People Analytics 3.0
  6. Джош Берсин. Переворот рынка HR технологий: 10 топ трендов 2018 - одна из самых популярных статей блога за все время
  7. Удержать или отпустить? Данные, на которые следует корректно реагировать, когда сотрудник увольняется
  8. Соседство с лучшими сотрудниками может увеличить производительность

итак,

10 трендов в Workforce Analytics

Workforce analytics развивается и взрослеет. 10 трендов в Workforce Analytics на ближайшее будущее:

1. От одноразовых мероприятий до аналитики в реальном времени

Многие усилия workforce analytics начинаются как проект консультантов. Задается вопрос («Какой опыт наших сотрудников на их пути?»), проводиться множество интервью, собираются данные, и с помощью внешних консультантов пишется красивый отчет и определяется много проектов по изменению пути сотрудников.
Одноразовая акция – это хорошо, но собирать отзывы кандидатов, сотрудников и других релевантных групп более регулярно и, возможно, в реальном времени может быть более полезно.
Практика опросов меняется. Мы видим, что организации используют несколько подходов:
- классический годовой или полугодовой опрос сотрудников для глубокого анализа
- недельные, месячные или квартальные пульс опросы для сбора более частого фидбэка. Пару вопросов, обычно варьируемые в цикле. Некоторые более продвинутые решения пульс опросов могут быть адоптированы: больше вопросов задается сотрудникам, если есть ощущение, что существуют проблемы («Как прошла неделя?», при ответе «очень хорошо» опрос завершен, если вы отвечаете «не очень хорошо», то следуют дополнительные вопросы). Пульс опросы также легко связать с «важными моментами» в опыте сотрудников.
- постоянные измерения настроения в реальном времени. Инновационные решения в этой сфере все еще немногочисленны, особенно если вы хотите измерять пассивным, ненавязчивым образом. В пример можно привести Keencorp, они анализируют накопленные  e-мейлы и могут создавать отчеты о настроении (и рисках) в разных частях организации.
10 трендов в Workforce Analytics


В моей статье Employee mood measurement trends вы можете найти обширный обзор провайдеров измерения настроения.

2. От people analytics до workforce analytics

В настоящее время общее мнение, кажется, заключается в том, что people analytics – лучше термин, чем HR analytics.
Все больше и больше рабочая сила состоит из более, чем только людей. Роботы и чатботы входят в рабочую силу. Первое обсуждение в юридических кругах уже началось: кто несет ответственность за действия роботов?
Если мы также анализируем роботов, мы движемся от people analytics к workforce analytics. Благополучие и продуктивность роботов – отличный аспект для HR.
10 трендов в Workforce Analytics

3. Больше прозрачности

Этот обзор трендов workforce analytics не может быть полным без упоминания GDPR (General Data Protection Act/ Общий регламент по защите данных). GDPR заряжает много позитивных начинаний, одно из них – намного больше прозрачности. Относительно того, какие данные собираются, как они используются, и как алгоритмы применяются для принятия решений о людях.
С этим связана проблема владения данными. Ожидается, что сотрудники больше не будут принимать как данность то, что они не могут владеть своими личными данными. Сотрудникам необходимо иметь возможность показать свои данные следующему потенциальному работодателю как доказательство их продуктивности и вовлеченности.

4. Больший фокус на продуктивности

В последние годы фокус на продуктивности был невелик. Мы наблюдаем медленные изменения на этом горизонте.
Традиционно  проблемы мощности решались наймом большего количества людей. Это привело к нескольким проблемам. Я наблюдал это несколько раз в быстрорастущих масштабируемых компаниях.
Так как рост ограничивается возможностью находить новых людей, критерии отбора занижаются (часто несознательно), поскольку нужно нанять много людей в короткие сроки. Эти новые люди не так продуктивны, как существующая команда. Поскольку у вас больше людей, вам нужно больше менеджеров. Наличие людей с более низкой продуктивностью и большего количества менеджеров снижает продуктивность.
При другом подходе больше внимания сфокусировано на увеличении продуктивности существующих сотрудников вместо найма дополнительных работников, а также на улучшении критериев отбора.
Используя workforce analytics, вы можете попробовать найти характеристики топ исполнителей и команд и условия, стимулирующие высокую продуктивность.
Эти результаты могут быть использованы для увеличения продуктивности и отбора кандидатов, обладающих характеристиками топ исполнителей. Когда продуктивность увеличивается, вам нужно меньше людей для достижения тех же результатов.
На эту же тему можно почитать статью 3 reasons to stop counting heads.

5. Что в этом для меня?

Нехватка доверия может повлиять на многие усилия workforce analytics. Если фокус в первую очередь на эффективности и контроле, сотрудники будут сомневаться, если в этом какие-то преимущества для них.
В общем, существует сдвиг в сторону более сотрудникоцентрических организаций, хотя иногда можно усомниться в том, насколько подлинны эти усилия для улучшения опята сотрудников.
Задать вопрос «Какая выгода от этого сотрудникам?» – хорошая отправная точка для большинства проектов workforce analytics. Это так же поможет создать buy-in, который будет все более важным с введением GPDR.

6. От отдельных людей к командам к сетям

Много проектов workforce analytics сегодня все еще сосредоточены на отдельных людях. Какие характеристики присущи лучшим исполнителям? Как можно измерить личный опыт сотрудника? Как уменьшить абсентеизм?
Ранее я приводил oбзор того, насколько современные практики HR сосредоточены на командах.
10 трендов в Workforce Analytics
Перевод таблицы
HR практика
Фокус на командах?
Организационный дизайн
****
Начальный
Плоские организации/холократии
Рабочие процессы
*******
Часто сосредоточены на командах
Гибкие
Рекрутинг и отбор
*
Фокус на отдельных людях
Командный рекрутинг – редкость, даже относительно команд из двух людей
Дизайн рабочего места
******
Новые дизайны принимают команды во внимание
Виртуальный дизайн рабочего места все еще не развит
Развитие талантов
*
Большинство программ развития талантов направлены на отдельных людей
Обучение и развитие
****
Улучшение командной производительности однозначно получило внимание, но фокус остается на отдельных людях
Преемственность
*
Планирование отдельных должностей. Во внимание принимается состав команд. Управление преемственности очень сосредоточено вокруг СЕО
Управление производительностью
***
Большая часть все еще на уровне отдельных людей, но постепенно сдвигается к командам
Вознаграждение
**
В мейнстриме по прежнему индивидуальное вознаграждение. Командный/групповой элемент в бонусах
Внутренние коммуникации
*****
Е-мейл все еще доминирует. Медленно продвигаются внутренние соц. сети
Как видно из таблицы, большинство практик все еще очень сосредоточены на отдельных сотрудниках. Workforce analytics может помочь улучшить то, как команды и сети функционируют внутри и за пределами организаций. Подъем Organizational Network Analysis – многообещающий знак.

Опросы сотрудников - по-прежнему один из лучших инструментов измерения вовлеченности и другие материалы недели


Данный обзор создан на основе публикаций и реакций участников нашего телеграм канала
ссылка на веб-телеграм
мобильная версия

Несмотря на праздники, неделя оказалась очень насыщенной
По количеству просмотров / переходов (но не по количеству лайков) на этой неделе "выстрелила" статья

Опросы сотрудников - по-прежнему один из лучших инструментов измерения вовлеченности

в связи с этим два вопроса по статье: а

  1. вы меряете, например, % прошедших опрос? 
  2. И второе, очень важное: если вы измеряете вовлеченность, фиксируете ли вы рост числа рефералов в компании?

надеюсь, статья вас стимулирует на сбор подобных данных, и вы со мной поделитесь информацией.

На втором месте статья Дьявол в деталях. Особенности измерения средней продолжительности работы в компании

Кто-то измеряет средний срок жизни работников в компании? и Как вы это делаете?
И у меня родилась мысль - провести опрос, какие метрики текучести персонала вы считаете у себя в компании. И я ее реализую в ближайщее время.

Опросы сотрудников - по-прежнему один из лучших инструментов измерения вовлеченности и другие материалы неделиНо максимум лайков собрала выложенная книга Введение в статистическое обучение с примерами на языке R (если не скачали книгу, поднимайте в ленте и качайте)

и ссылки на установку R / Rstudio.
Целых 103 лайка (хотя может быть это фотография Натальи Даниной вызвала такую вашу реакцию).

и я обещаю дальше давать ссылки на изучение аналитики в R.
* и на этой же неделе я выложил книгу АНАЛИЗ СОЦИОЛОГИЧЕСКИХ ДАННЫХ Крыштановского Александра Олеговича.

Как следствие этой акции очень интересны результаты голосования, установлены ли у Вас R, Rstudio

практически 40 % еще не установили, но планируют установить. И это очень интересный результат.

Статья 10 Trends in Workforce Analytics вызвала самые противоречивые чувства: каждый седьмой в канале против публикации ссылок на статьи на английском языке.
Я согласен с вами, но тогда включайтесь активнее в проект  переводы статей по hr-аналитике на английском


Эту статью мы, кстати, скоро прочитаем на русском языке.

Я подвел первые результаты нашего опроса  Портрет HR-директора

Популярные компетенции HR-директора

Конец недели получил интригу в предстоящем батле Бабушкин - Юлдашев.
Я привел картинку The Wall of Boudreau (она совсем рядом с этим постом - посмотрите). А Сергей мне ответил. Приведу два возражения против картинки:

четверг, 10 мая 2018 г.

Популярные компетенции HR-директора






Публикую результат нашего опроса Портрет HR-директора - для его заполнения необходимо целых пять минут! У нас всего 153 результата.
Представляю первые результаты исследования - какие компетенции чаще всего отмечали у HR-директоров.

Замечание

Я перевел русские названия компетенций в латинские, чтобы сэкономить время. Замена была такой

  1. Воздействие и оказание влияния - impact,
  2. Ориентация на достижение - achievement,
  3. Командная работа и сотрудничество - teamwork,
  4. Аналитическое мышление - anal_think,
  5. Инициатива - Initiative,
  6. Развитие других - develop_other,
  7. Уверенность в себе - self_confidence,
  8. Директивность/Настойчивость - directive,
  9. Поиск информации - search_info,
  10. Командное лидерство - teamleadership,
  11. Концептуальное мышление - concept_think,
  12. Понимание компании - understand_company,
  13. Построение отношений - build_relation,
  14. Межличностное понимание - personal_understand.

Популярные компетенции HR-директора

Популярные компетенции HR-директора
В нашем телеграм канале (вы еще не присоединились?) я провел блиц опрос, топ пять компетенций выглядит так:

  1. Понимание компании
  2. Воздействие и оказание влияния
  3. Аналитическое мышление
  4. Построение отношений
  5. Командное лидерство

Вы заметили, что результаты отличаются?

Сочетания компетеций

Я решил дать не просто рейтинг компетенций, но показать, какие компетенции шли вместе - рука об руку.
Популярные компетенции HR-директора

Как читать диаграмму.

С колонках и строках у нас названия компетенций.
Давайте посмотрим на примере самой популярной компетенции - Понимание компании - understand_company.

  • На пересечении строки и колонки Понимание компании стоит в ячейке 97. Т.е. в этой ячейке стоит столько, сколько всего было выбрано в опросе.
  • В этой же строке вторая колонка - Ориентация на достижение, achievement - стоит 53. Это означает, что когда респонденты выбирали компетенцию Понимание компании - understand_company, то в 53 случаях они выбирали Ориентация на достижение, achievement. Обратите внимание: Ориентация на достижение, achievement выбирали всего 87 раз, но в сочетании с компетенцией Понимание компании - understand_company выбирали только 53 раза. 

Тоже самое, но в %

Популярные компетенции HR-директора

Эта диаграмма схожа с выше приведенной, но я показываю в % по строке.
По главной диагонали у нас по всем ячейкам идет 100 % (1e+02 обозначает 100), а в ячейках - % по строке от значения компетенции по строке.
Что это значит.

  • Возьмем опять компетенцию Понимание компании - understand_company. Чаще всего с этой компетенцией выбирали компетенцию Ориентация на достижение - achievement, и выбирали в 55 % случаев. 
  • Очень показателен такой пример: с компетенцией Поиск информации - search_info чаще всего выбирали компетенцию Аналитическое мышление - anal_think - в 81 % случаев. Согласитесь, выглядит очень логично. А вот Концептуальное мышление - concept_think только в 12 % случаев с Поиском информации. Тоже логично: тут либо информацию искать, либо Концептуально мыслить - третьего не дано. 

Напомню, что жду от вас участия в опросе Портрет HR-директора



__________________________________________________________

На этом все, читайте нас в фейсбуке, телеграмме и вконтакте




Опросы сотрудников - по-прежнему один из лучших инструментов измерения вовлеченности






Перевод статьи Employee Surveys Are Still One of the Best Ways to Measure Engagement в рамках нашего  проекта переводы статей по hr-аналитике на английском. Статья опубликована в Harvard Business Review, и это сама по себе рекомендация. И это статья от HR-аналитиков компании facebook - а там сейчас пытаются разворачивать очень серьезные процессы в HR-аналитике.
Перевод выполнила Светлана Дзюбенко (профиль в фейсбуке), HR из Одессы, работает более 15 лет директором по персоналу в коммерческих компаниях, в сферах оптовой торговли В2В,В2С, производства, транспортных услуг. Это второй перевод Светланы, смотрите также перевод шикарной статьи Unilever нанимает сотрудников, используя интеллектуальные игры и искусственный интеллект, - и это стало огромным успехом.
Итак,

Опросы сотрудников  - по-прежнему один из лучших инструментов измерения вовлеченности

Scott Judd, Eric O'Rourke, Adam Grant
Когда-то опросы были одним из основных инструментов каждого руководителя для получения обратной связи и каждая компания оценивала вовлеченность сотрудников (engagement). Но сейчас опросы начинают выглядеть как дизельные грузовики собирающие пыль в эпоху электромобилей. Компании используют крутые новые алгоритмы машинного обучения, которые оперируют большими данными для измерения вовлеченности(engagement) сотрудников оценивая время ответа на электронную почту (email response times) и общения в интернете (network connection) вне рабочей сферы, и прогнозируют риск текучести,(непостоянство) путем отслеживания сигналов, например, как часто сотрудники обновляют свои резюме. Кому нужен неуклюжий, отнимающий много времени опрос, в котором некоторые сотрудники говорят вам, только то, что вы хотите услышать, а другие вообще не утруждают себя ответом?

На самом деле.


На протяжении десятилетий регулярные опросы мнения сотрудников проводились на основе фактических данных о высокоэффективных методах управления персоналом. Наши внутренние опросы в Facebook показывают, что было бы большой ошибкой отказаться от них сегодня по трем причинам.

1. Опросы по-прежнему являются отличными предикторами поведения.

В Facebook мы обнаружили, что просто опрашивая наших сотрудников, как долго они намереваются остаться, получаем более чем в два раза точнее прогноз об их будущей текучести, чем прогнозы машинного обучения(machine-learning)  - лидера индустрии в области прогностической аналитики.
Мы много узнаем из опросов, даже когда сотрудники в них не участвуют. У сотрудников, которые не заполняют ни одного из двух наших ежегодных опросов,  в 2,6 раза больше шансов уйти из компании в следующие шесть месяцев.

2. Опросы дают сотрудникам возможность почувствовать себя услышанными.

Отсутствие регулярного опроса дает четкое сообщение: вы не заботитесь о мнении сотрудников. Заполнение опроса дает им определенный канал для выражения
мнения. В Facebook, хотя мы зачастую можем получить информацию, которая нам нужна из выборки, мы часто приглашаем всю компанию участвовать, чтобы они могли внести свой вклад в рассматриваемый вопрос. Пассивный мониторинг не позволяет сотруднику активно участвовать в нем.
Дифференциальные коэффициенты участия говорят нам, какие вопросы важны для наших сотрудников: 95% полностью заполняют анкету, более двух третей заполняют наш ежегодный опрос по разнообразию (diversity survey) и более половины  заполняют опрос по преимуществам(benefits survey). И оказывается, что сотрудники ценят право голоса,  даже если они не получат желаемого. Когда мы рассылаем опрос, мы получаем неожиданный объем комментариев: в среднем 61% наших сотрудников оставляют свои собственные отзывы и предложения, и каждый человек затрагивает (в среднем) пять различных тем. Понятно, что сотрудники серьезно относятся к опросу и хотят быть услышанными. И зная, что они не будут принимать каждую идею, лидеры уходят с пути, чтобы показать, что они все еще ценят вклад. Как забавный способ вознаграждения за участие, некоторые из наших лидеров пришли на работу, одетые в костюм выбора своих команд, когда они достигли 100%-ного уровня отклика!

3. Обзоры являются средством изменения поведения.

Когда вы спрашиваете сотрудников об их вкладе и понимании, вы не просто учитесь у них. Вы также влияете на них. Психологи считают, что задаваемые вопросы могут изменить поведение. Опросите сотрудников о том, хотели бы они добровольно посвятить три часа Американскому онкологическому обществу, и всплеск уровня волонтерства составит с 4% до 31%. Опросите сотрудников о том, планируют ли они покупать новый компьютер в течение следующих шести месяцев, и они с 18% вероятностью сделают это. Опросите посетителей матчей NCAA о том, намерены ли  появиться на следующей неделе, и их посещаемость возрастет с 76% до 85%.
Часть эффекта - последовательность: говорят что «да» создает обязательство, и многие сотрудники  выполняют его. Но даже сотрудники, которые говорят «нет», с большей вероятностью изменят свое поведение, потому что вопросы заставляют задуматься. Пока поведение желательно, некоторые из них в конечном итоге убедят себя сделать это.
В нашем опросе вовлеченности (engagement survey) в Facebook мы часто ставим новые вопросы разным выборкам сотрудников. В одном недавнем исследовании мы опросили 30% наших сотрудников, независимо от того, были ли они лично заинтересованы в улучшения своего опыта работы здесь. Мы не пытались повлиять на их поведение, но они в конечном итоге, на 12% активнее, чем их сверстники запросили актуальный список дополнительных ресурсов и инструментов, чтобы помочь им стать более вовлеченными (engaged) в Facebook - и это было в независимости от их первоначального ответа «да» или «нет».

Смарт-технологии (smart-technology ) и большие данные (big data) будут по-прежнему помогать нам в определении того, что наиболее важно для наших сотрудников. Но это сделает опросы более важными, а не меньше. В эпоху, когда больше сотрудников опасаются, что Большой Брат (Big Brother) наблюдает и у компаний есть инструменты для большего наблюдения, чем когда-либо прежде, проведение опроса может означать, что Большой Брат(Big Brother) по-прежнему остается человеком.





__________________________________________________________

На этом все, читайте нас в фейсбуке, телеграмме и вконтакте






вторник, 1 мая 2018 г.

Открытый ответ Александру Шмелеву к дискуссии по критике компетентностного подхода



Александр Георгиевич! С увлечением читаю дискуссию в Вашем форуме. К сожалению, не могу присоединиться к Вашей дискуссии.
Позвольте выразить Вам благодарность за то, что поддержали мою попытку поднять вопрос о валидности / не валидности ассессмент центра!
Постараюсь быть предельно кратким.
Если оставить только содержание дискуссии, то можно вывести тезу и антитезу дискуссии:

  • Позиция Ваших оппонентов: Обсуждать валидность ЦО не имеет вообще смысла, поскольку это не метод, а технология: у нас каждый отдельный Центр Оценки уникален с т.з. условий, вводных данных, подготовки ассессоров и т.п...
  • Ваша позиция: обсуждать валидность Центров Оценки имеет смысл, поскольку в итоге мы можем выйти на понимание условий/факторов, максимизирующих критериальную валидность. 

Сразу скажу, что мне близка Ваша позиция. И я этим, как практик, занимался. Замечу также, что мою позицию в отношении технологий оценки персонала нельзя назвать однозначно критичной: что я неоднократно подтверждал собственными исследованиями, например, о связи шкал Биг5 и текучести персонала. Но почему-то замечаются только исключительно критические посты. Критикую я только те технологии, которые, с одной стороны, вызывают много вопросов с точки зрения валидности, но при этом декларируются как очень валидные их создателями, см. например, Вопросу к тесту управленческого потенциала Экопси - поэтому вопрос не просто в содержании, но и в этике поведения на рынке.
Возвращаясь к теме валидности Центров Оценки.
Я бы хотел напомнить, что данный вопрос я поднял в рамках вопросов к создателям Российского Стандарта Центра Оценки, см. Про Российский стандарт центра оценки: вопросы аналитика к авторам.
И среди авторов Стандарта Центра Оценки стоит Ваше имя. Поэтому я к Вам обращаюсь именно как к автору Стандарта Центра Оценки.
Цитирую фразу из текста Стандарта:
"Валидность ЦО была ранее доказана на материале многочисленных исследований." 
Подозреваю, что Вы не читали сам текст Стандарта Центра Оценки, но теперь я акцентирую Ваше внимание на этой фразе и прошу ответить на вопросы:

  • Можно ли считать, что данная фраза отражает Вашу личную позицию, как одного из авторов Стандарта Центра Оценки?
  • Считаете ли, что сама фраза корректна: что в России существуют многочисленные исследования, доказывающие валидность ЦО?

И попробую развить тему:
Если мы с Вами остановимся на позиции, что валидность центров оценки можно и нужно обсуждать, то почему бы не обсудить конкретные исследования О валидности (точнее, невалидности) центров оценки - тем более, что эти кейсы предоставил Ваш со-автор по Стандарту Евгений Лурье?
И почему по Вашему, до сих никто так и не дал содержательного коммента по поводу кейса Сидоренко? * я не могу считать комментарий г-на Тукачева содержательным комментом (стиль которого, кстати сказать, очень далек от академического, но почему-то это никак не оценивается у Вас в форуме).
Выскажу свои соображения на эту тему: подобного обсуждения не происходит по одной простой причине: у HR просто нет необходимых навыков и знаний для обсуждения данных кейсов. И складывается странная ситуация: с одной стороны, авторы Стандарта предписывают соблюдать определенные условия, обеспечивающие валидность ЦО, с другой стороны, они не готовы обсудить конкретные кейсы Центров Оценки. Если так, то подрывает ли такая позиция создателей Стандарта Центров Оценки доверие к самому документу?

Буду Вам признателен, если Вы ответите именно из позиции автора Стандарта.





понедельник, 30 апреля 2018 г.

Открытый ответ Юрию Тукачеву к дискуссии по критике компетентностного подхода



Посыл ответа.
Шмелев А.Г дал ссылку на мой пост О валидности (точнее, невалидности) центров оценки в своем форуме.

На сегодня в ветке только один содержательный отзыв от Юрия Тукачева. Скрин во избежание затирания текста.

Ну и собственно цитата Юрия.
А где по ссылке критический анализ? Увы, я его не увидел. Там есть какие выкладки, манипуляции с цифрами, объединение в одну категорию QS и MS и т.п.
С другой стороны, в стандарте явно указано на необходимость валидизации ЦО. А утверждать, что валидность ЦО под вопросом, так как есть всего три русскоязычных исследования, это как-то не очень корректно. Критик делает упор на критериальную валидность, но содержательная и конструктная просто игнорируется. Это критика не валидности ЦО, а критика практики применения ЦО, когда авторы ЦО в конкретной организации совсем не валидизируют ЦО, ссылаясь на аргумент "валидность ЦО не подлежит сомнению". Но ведь стандарт ЦО именно и был разработн как руководство к действию, к тому как правильно.
Мой ответ в равной мере относится и к г-ну Потапкину, который "полностью согласен с Юрием" - надеюсь, что данный г-н в равной мере воспримет ответственность за слова Юрия и не просто даст общий комментарий, а продемонстрирует знание аналитики.

Ответ Юрию Тукачеву

Уважаемый Юрий! Попробую ответить на ваш комментарий, хотя уверен, что реакции от вас я не дождусь. И это очень печально. Я уже обращался к Вам в своем посте Сравнение идеального и реального профилей руководителей: вопросы по инструменту, но Вы откровенно проигнорировали мой пост, объяснив его моей личной неприязнью к Вам.
Это не так, уверяю Вас. Мне кажется, что открытая дискуссия развивает рынок, делает его конкурентным, и я грешным делом считал, что Вы к такой дискуссии открыты. Извините, ошибался.
Теперь по сути вашего коммента.
Вы не увидели критического анализа, поэтому вынужден Вам указать на критический анализ.

Критика, если верить Википедии это выявление ошибок.
И я эти ошибки выявил в кейсах на валидизацию ассессмент центров.
Евгений Лурье указывает про кейс Сидоренко: "Центр оценки правильно предсказывал успешность прохождения стажировки в 77.5% случаев"

Вот собственно картинка результатов ассессмент центра.

Юрий, поскольку Вы не смогли ничего понять, поясняю: эти результаты по сути являются инструментом классификации в аналитике, который называется confusion matrix.
Это очень странно, что Вы не смогли это понять, если Вы занимаетесь анализом данных Но ок, у всех свой бекграунд, поэтому расскажу на пальцах. В колонках по сути - прогнозные значения, в строках - фактические. Причем, речь в нашем случае идет о задаче мультиклассификации.
Я не знаю логики бизнеса и создателей ассессмент центра, но склонен предположить, что строки можно объединить в три из шести:

  1. Ниже среднего + удовлетворительно - условно плохие;
  2. Хорошо + очень хорошо - средние;
  3. Отлично + великолепно - лучшие.

Тогда мы получаем такую confusion matrix

LS
QS
MS

плохие
0
3
0
3
средние
7
21
0
28
лучшие
12
40
6
58

19
64
6
89


Юрий, давайте посчитаем метрики confusion matrix?

  • Единственный смысл применения можно увидеть только в ситуации отбора лучших (ячейка на пересечении "лучшие" и ""MS"). В данном случае метрика Precision равна - 100 %, т.е. мы можем быть уверены, что кандидаты, получившие оценку MS в 100 % будут лучшими. Но не вызывает подозрения метрика Recall для этой задачи? 10 %! Не слишком ли дорого? 
  • В другом направлении - отсеивании плохих модель вообще не работает. Поскольку метрика Precision для плохих равна 0 %. И всех плохих мы по схеме берем в компанию. 
  • И в принципе стоит признать данную модель вредной для компании: по оценкам ассессмент центра все "плохие" будут приняты в компанию, а 19 кандидатов получили оценку LS, и если с этой оценкой отсекают на входе, то получается, ассессмент центр отсеял бы 19 невинных спецов:). А это помимо сломанных карьер еще и увеличение на рекрутинг примерно на 20 % в связи с тем, что ребята из ассессмент центра отсеивают кандидатов. 

Заключение

Уважаемый Юрий! Крайне сожалею, что мне приходится объяснять Вам азбучные истины аналитики. Ну что поделать, если Вы этого не знаете или не хотите замечать.
Более того, я не думаю, что Вы будете тратить свое драгоценное время на чтение моих выводов.
Но! Раз вы обладаете сильными аналитическими навыками, то уж будьте любезны, дайте свою интерпретацию результатов ассессмент центра из книги Сидоренко. Вполне допускаю, что я то-то упустил, и Вы дадите мне урок.
И это будет как то по мужски, чем просто кидать фразы, что вы там ничего не нашли, не находите?
И напоследок. Ваша фраза

А утверждать, что валидность ЦО под вопросом, так как есть всего три русскоязычных исследования, это как-то не очень корректно.

Совершенно с Вами согласен! Нельзя делать никаких выводов на основании трех исследований. Но что же делать, если автор Стандарта мне предоставил ВСЕГО три исследования! И что же делать, если эти исследования в России не ведутся.
Юрий, Вы вот лично что сделали для валидизации ассессмент центров в России?


__________________________________________________________
На этом все, читайте нас в фейсбуке, телеграмме и вконтакте

воскресенье, 29 апреля 2018 г.

Портрет HR-директора (опрос)

Приглашаю принять участие в опросе Портрет HR-директора. Аналогичный опрос уже проводился в 2012 году, поэтому одна из целей опроса - понять, произошли ли изменения в портрете HR-директора за это время или нет (результаты прошлого опрос можно узнать по ссылке Портрет HR-директора (результаты опроса).
К опросу приглашаются как сами HR-директора (тогда вы описываете себя), так и коллеги, знакомые HR-директоров. Поэтому еще одна цель - понять различия, как видят себя сами HR-директора, так и их окружение.
Инструкция по заполнению: Прошу Вас описать HR-директора Вашей компании, знакомого HR директора или себя, если Вы сами HR-директор.


воскресенье, 22 апреля 2018 г.

Работают ли на самом деле модели компетенций и другие материалы недели



Напомню, что рейтинг материалов формируется на основе лайков и голосования в нашем телеграм канале

Рекорд по лайкам нашего канала установлен: материал "Про Российский стандарт центра оценки: вопросы аналитика к авторам" набрал на неделе 67 лайков, и это, если память мне не изменяет, абсолютный рекорд нашего канала.
Насколько я могу судить, вы голосовали скорее за саму возможность открыто обсуждать такие вопросы на рынке.
В посте по ссылке я упомянул ВСЕХ авторов центра оценки с тем, чтобы вызвать их на дискуссию. Как вы думаете, многие ли откликнулись? Да, вы верно думаете.
На предложение о дискуссии откликнулся опять Сергей Юлдашев. И мне это приятно, но дискуссия с автором центра оценки была бы более логичной.
В контексте нашего вчерашнего опроса не могу не упомянуть фразу из Российского стандарта центра оценки: "Валидность ЦО была ранее доказана на материале многочисленных исследований."
Слово "многочисленных" вообще не вяжется с научным дискурсом, согласны? Наука любит точность, а "многочисленные" - это из области маркетинга скорее.
Так вот, ответил мне только Евгений Лурье - главный автор центра. Ответил просто: кинул несколько ссылок на "многочисленные" исследования (и обещал в последствии подробно ответить), из которых получилось всего три, и которые я отдельно подробно изучил и разобрал, и если по лайкам я пойму, что вам эта тема интересна, то покажу анализ этих исследований).

Сам же пост был опубликован в контексте темы Работают ли на самом деле модели компетенций (competency frameworks) в организациях в реальном мире?
- и по количеству просмотров, реакций, ре постов это однозначно пост недели. MUST READ
Я сделал голосование Работают ли на самом деле модели компетенций в организациях в реальном мире? и мы получили удивительные результаты: 60 % выбрали вариант НЕТ, 40 % ДА.
А я еще пять лет назад говорил о смерти компетентностного подхода.....
Работают ли на самом деле модели компетенций и другие материалы недели


На этой неделе мы наконец принципиально договорились о дебатах с Сергеем Юлдашевым (с идеей дебатов я уже больше года бегаю по рынку), теперь, мне кажется, просто необходимо организовывать дискуссию по компетентностному подходу, согласны? * готов от вас в комментах услышать предложения по кандидатурам, с кем интересно было бы устроить дискуссию по компетентностному подходу Бабушкин - ..... а набрав кандидатов на дискуссию, мы проведем голосовалку в канале - праймерис - интересная идея? Итак, жду от вас кандидатов на дискуссию.

Касаемо дискуссии с Сергеем Юлдашевым напомню, что я провел опрос на этой неделе по теме дискуссии:

  1. "HR-метрики - HR аналитика? ДА" - 71% 
  2. "HR-метрики - HR аналитика? НЕТ" - 29 %

И это значит, что основная часть аудитории канала не согласна с моей позицией :) Тем интересней задача убедить вас в своей правоте.

На втором месте по количеству лайков презентация сервиса Сколько я стою на рынке

Пост с презентацией сервиса набрал 43 лайка. Но при этом анкету заполнило более 100 человек в день размещения этого поста, и я вам за это очень благодарен, спасибо!

Презентация проекта Переводы статей по hr-аналитике на английском заняла третье место с 35 лайками

И не могу пройти мимо серии статей по анализу текучести персонала
Анализ текучести персонала – Описательные методы

Анализ текучести персонала – Методы прогнозирования
вторая статья серии про текучесть персонала от Ричарда Розенбоу


__________________________________________________________
На этом все, читайте нас в фейсбуке, телеграмме и вконтакте


Популярные сообщения

п