Перевод статьи Moneyball for Business: Employee Engagement Meta-Analysis. Перевод выполнила студентка Высшей Школы Экономики Галкина Елизавета. Простите, что заставляю переводить такие жуткие термины как Moneyball))))
Данная статья - статья Gallup. На мой взгляд, очень спорная, но и очень интересная. Есть о чем поспорить.
И напомню, что перевод выполнен в рамках нашего проекта переводы статей по hr-аналитике на английском.
Итак
Спросите тех, кто всю жизнь подсчитывал статистику игроков в бейсболе. Их цель - сделать прогнозы об игроках, которые преуспеют в игре, собрав подробные статистические данные о своих прошлых выступлениях. Объединение этих данных должно обеспечивать надежный прогноз успеха команды - так работает теория.
Но если бы формула успеха была такой простой, как сумма личной производительности игроков команды, бейсбол мог бы стать одним из самых легких видов спорта для прогнозирования. В конце концов, бейсбол собрал подробные метрики производительности на все, от питчей каждого игрока до ат-батов и перемещений по полю в течение 162-игрового сезона на протяжении многих-многих лет. Как ы данных, это очень много!
Эти данные полезны для прогнозирования индивидуальных тенденций игроков. Но когда данные объединены между игроками команд, статистические алгоритмы предугадывают победу случайной команды в течение определенного сезона со средней точностью плюс-минус восемь побед, что часто влияет на разницу, принимает команда плей-офф или нет. В некоторых случаях прогнозы выигрышей данной команды выходят на 15 или более игр. В 2015 году саберметристы пропустили финальный регулярный рекорд сезона Kansas City Royals - возможного чемпиона World Series - в среднем 16,75 игр.
«К тому, что мы так хорошо чувствуем, статистика не применима», - сказал менеджер Royals Нед Йост.
Йост может иметь в виду «культуру клуба» или степень, в которой игроки дополняют и влияют на производительность друг друга. В других областях исследования, которые оценивают эффективность по целому ряду задач, предполагают коллективный интеллект команд, который объясняет гораздо больше, чем сумма способностей индивидуумов.
Проблемы прогнозирования в бизнесе
Предприятия сталкиваются с такими же проблемами прогнозирования, когда пытаются предугадать производительность или прибыль различных команд и подразделений. Многие организации разработали целые системы для снижения изменчивости характеристик команды и максимизации прибыли, используя все: от размера предприятия, местоположения, маркетинговых усилий и доступности продукта, предоставляя при этом интенсивное обучение персонала для обеспечения качественного результата. Но даже после учета этих факторов производительность между командами по-прежнему существенно различается.
В течение десятилетий Gallup собирает данные о командах внутри предприятий со всего мира. Этот сбор данных включает в себя измерение перспектив сотрудников по основным элементам культуры рабочего места, которые Гэллап называет «вовлечением сотрудников». Вовлечение персонала включает такие факторы, как четкость ролей, возможность делать то, что получается лучше всего, возможности для роста, учет мнения, сотворческие отношения с коллегами и общая миссия или цель.
Опросник вовлеченности сотрудников: Gallup Q12
В случае прогнозов для бейсбольных команд, несмотря на то, что для отдельных выступлений имеются массивные базы данных, в каждом конкретном году есть всего 30 команд и 162 игры для каждой команды. Ни 30, ни 162 - не являются большим размером выборки, что увеличивает частоту ошибок, связанных с оценкой предсказаний команды за любой год, и с результирующими алгоритмами, используемыми для прогнозирования успеха в последующие годы.
Тот же принцип применим к бизнесу. Каждый бизнес имеет ограниченный набор команд или бизнес-единиц, которые исследователи могут изучать в любой момент времени. Любое единичное исследование включает как несовершенность измерения, так и ограниченный размер выборки, что повышает ошибки в прогнозировании результатов. В бейсболе эти ошибки влияют на прогнозы побед команды; в бизнесе они влияют на оценки будущей производительности, прибыли, продаж, восприятия клиентами услуг, коэффициентов удержания и других результатов. Но, объединяя несколько исследований с помощью мета-анализа, исследователи могут с большей точностью предсказывать взаимоотношения между командами и, в конечном счете, их эффективность.
Gallup только что завершил свой девятый мета-анализ взаимоотношений между вовлеченностью команды и производительностью. Это исследование включает более 82 000 команд в 230 организациях, включая 1,8 миллиона сотрудников, в 49 отраслях и в 73 разных странах. Gallup оценивает участие команды, используя 12 положений, измеряющих критические элементы рабочего места, проверенно связанными с результативностью работы. Вовлеченность команд часто варьируется довольно широко - даже команд в пределах одной организации - так же, как отличается их производительность.
Одним из основных результатов этого мета-анализа является то, что взаимосвязь между вовлеченность и эффективностью команды была последовательной в 12 элементов. Исследования проводились на протяжении десятилетий, несмотря на широкие различия в индустриях и национальности, а также разные экономические времена с глобальными изменениями в технологиях.
Когда исследователи Gallup сравнивали команды в верхнем квартиле с теми, кто находился в нижнем квартиле во время участия, они обнаружили следующие различия в производительности, отраженные на графике ниже:
Данная статья - статья Gallup. На мой взгляд, очень спорная, но и очень интересная. Есть о чем поспорить.
И напомню, что перевод выполнен в рамках нашего проекта переводы статей по hr-аналитике на английском.
Итак
Moneyball для бизнеса: Мета-анализ вовлеченности персонала
Как в бейсболе, так и в бизнесе, производительность команды трудно предсказать.Спросите тех, кто всю жизнь подсчитывал статистику игроков в бейсболе. Их цель - сделать прогнозы об игроках, которые преуспеют в игре, собрав подробные статистические данные о своих прошлых выступлениях. Объединение этих данных должно обеспечивать надежный прогноз успеха команды - так работает теория.
Но если бы формула успеха была такой простой, как сумма личной производительности игроков команды, бейсбол мог бы стать одним из самых легких видов спорта для прогнозирования. В конце концов, бейсбол собрал подробные метрики производительности на все, от питчей каждого игрока до ат-батов и перемещений по полю в течение 162-игрового сезона на протяжении многих-многих лет. Как ы данных, это очень много!
Эти данные полезны для прогнозирования индивидуальных тенденций игроков. Но когда данные объединены между игроками команд, статистические алгоритмы предугадывают победу случайной команды в течение определенного сезона со средней точностью плюс-минус восемь побед, что часто влияет на разницу, принимает команда плей-офф или нет. В некоторых случаях прогнозы выигрышей данной команды выходят на 15 или более игр. В 2015 году саберметристы пропустили финальный регулярный рекорд сезона Kansas City Royals - возможного чемпиона World Series - в среднем 16,75 игр.
«К тому, что мы так хорошо чувствуем, статистика не применима», - сказал менеджер Royals Нед Йост.
Йост может иметь в виду «культуру клуба» или степень, в которой игроки дополняют и влияют на производительность друг друга. В других областях исследования, которые оценивают эффективность по целому ряду задач, предполагают коллективный интеллект команд, который объясняет гораздо больше, чем сумма способностей индивидуумов.
Проблемы прогнозирования в бизнесе
Предприятия сталкиваются с такими же проблемами прогнозирования, когда пытаются предугадать производительность или прибыль различных команд и подразделений. Многие организации разработали целые системы для снижения изменчивости характеристик команды и максимизации прибыли, используя все: от размера предприятия, местоположения, маркетинговых усилий и доступности продукта, предоставляя при этом интенсивное обучение персонала для обеспечения качественного результата. Но даже после учета этих факторов производительность между командами по-прежнему существенно различается.
В течение десятилетий Gallup собирает данные о командах внутри предприятий со всего мира. Этот сбор данных включает в себя измерение перспектив сотрудников по основным элементам культуры рабочего места, которые Гэллап называет «вовлечением сотрудников». Вовлечение персонала включает такие факторы, как четкость ролей, возможность делать то, что получается лучше всего, возможности для роста, учет мнения, сотворческие отношения с коллегами и общая миссия или цель.
Опросник вовлеченности сотрудников: Gallup Q12
- Q01. Я знаю, чего от меня ожидают на работе.
- Q02. У меня есть материалы и оборудование, необходимые для выполнения моей работы.
- Q03. На работе у меня есть возможность делать то, что я делаю лучше всего каждый день.
- Q04. За последние семь дней я получил признание или похвалу за хорошую работу.
- Q05. Мой руководитель или кто-то другой на работе, похоже, заботится обо мне как о человеке.
- Q06. Кто-то на работе поощряет мое развитие.
- Q07. На работе считаются с моим мнением
- Q08. Миссия (или цель) моей компании заставляет меня чувствовать, что моя работа важна.
- Q09. Мои коллеги стремятся выполнять работу качественно.
- В10. У меня есть лучший друг на работе.
- Q11. За последние шесть месяцев кто-то на работе поговорил со мной о моем прогрессе.
- Q12. В прошлом году у меня были возможности учиться и расти.
В случае прогнозов для бейсбольных команд, несмотря на то, что для отдельных выступлений имеются массивные базы данных, в каждом конкретном году есть всего 30 команд и 162 игры для каждой команды. Ни 30, ни 162 - не являются большим размером выборки, что увеличивает частоту ошибок, связанных с оценкой предсказаний команды за любой год, и с результирующими алгоритмами, используемыми для прогнозирования успеха в последующие годы.
Тот же принцип применим к бизнесу. Каждый бизнес имеет ограниченный набор команд или бизнес-единиц, которые исследователи могут изучать в любой момент времени. Любое единичное исследование включает как несовершенность измерения, так и ограниченный размер выборки, что повышает ошибки в прогнозировании результатов. В бейсболе эти ошибки влияют на прогнозы побед команды; в бизнесе они влияют на оценки будущей производительности, прибыли, продаж, восприятия клиентами услуг, коэффициентов удержания и других результатов. Но, объединяя несколько исследований с помощью мета-анализа, исследователи могут с большей точностью предсказывать взаимоотношения между командами и, в конечном счете, их эффективность.
Gallup только что завершил свой девятый мета-анализ взаимоотношений между вовлеченностью команды и производительностью. Это исследование включает более 82 000 команд в 230 организациях, включая 1,8 миллиона сотрудников, в 49 отраслях и в 73 разных странах. Gallup оценивает участие команды, используя 12 положений, измеряющих критические элементы рабочего места, проверенно связанными с результативностью работы. Вовлеченность команд часто варьируется довольно широко - даже команд в пределах одной организации - так же, как отличается их производительность.
Одним из основных результатов этого мета-анализа является то, что взаимосвязь между вовлеченность и эффективностью команды была последовательной в 12 элементов. Исследования проводились на протяжении десятилетий, несмотря на широкие различия в индустриях и национальности, а также разные экономические времена с глобальными изменениями в технологиях.
Когда исследователи Gallup сравнивали команды в верхнем квартиле с теми, кто находился в нижнем квартиле во время участия, они обнаружили следующие различия в производительности, отраженные на графике ниже:
Объединяя эти показатели производительности в общую картину, можно сказать, что команды в 99-м процентиле имели в четыре раза больше шансов на успех (или выше средней производительности) по сравнению с теми, что были в первом процентиле.
Хотя производительность команды никогда не будет полностью предсказуемой, эти результаты убедительно доказывают то, что можно измерить культурные элементы команды, предсказывающие, насколько хорошо эта команда будет работать. Другими словами, командная культура действительно «статична». Компании, которые измеряют и управляют этими элементами, могут повысить производительность - и увеличить свои шансы на успех.
__________________________________________________________
На этом все, читайте нас в фейсбуке и телеграмме
Вот тут меня инетересует две вещи:
ОтветитьУдалить— -80% до 30% это что?
— Так ли, что компания успешна, потому что с сотрудниками так поступают или сотрудники так поступают, потому что компания успешна?