Share |

пятница, 4 августа 2017 г.

Сетевая аналитика HR данных: практический подход и три кейса



Перевод статьи Network Analytics on HR Data: A Practical Perspective and 3 Case Studies  в рамках нашего проекта переводы статей по hr-аналитике на английском. Перевод выполнила Косвинцева Ольга, менеджер по персоналу в крупной иностранной компании.
Статья посвящена теме анализа сетей, рекомендую на эту тему также статью Как можно быстрее выявить сотрудников с высоким потенциалом (HiPos) используя сети данных?
Итак,

Сетевая аналитика HR данных: практический подход и три кейса

Вы всегда мечтали измерить уровень сотрудничества в своей компании, чтобы усовершенствовать процесс принятия решений? Сетевая аналитика будет вашим проводником к мечте. В данной статье описаны….
Вы всегда мечтали измерить уровень сотрудничества в своей компании, чтобы усовершенствовать процесс принятия решений? Сетевая аналитика будет вашим проводником к мечте. В данной статье описаны и наглядно представлены три кейса, которые помогут вам начать свой путь.
Внутренне и внешнее информационное взаимодействие и сотрудничество внутри компании и между организациями всегда было очень трудно измерить. Интересно, что использование правильных источников данных совместно с принципами анализа социальных сетей и науки о сетях дает нам возможность абсолютно по-новому взглянуть на неформальные структуры, существующие в организациях. Таким образом, фактически, становится возможным реально проанализировать и визуализировать данные, которые раньше считались “неуловимыми” для анализа. Из этой статьи вы узнаете, что же такое сеть на самом деле, и прочтете о трех HR кейсах, взятых из жизни, которые представлены, чтобы подчеркнуть ключевую значимость использования сетевого анализа совместно с данными HR.

Что такое сеть? 

Преимущественно, любая сеть состоит из опорных точек и связей между ними (см. рисунок выше). В контексте HR, опорными точками (или сетевыми узлами) могут быть люди, квалификация, отделы и даже целые организации, тогда как связями (или ребрами соединений) между ними может быть сотрудничество по проекту или частота общения между коллегами во всей организации. Для анализа сетей существует широкий спектр метрик и алгоритмов. Все они постоянно используются в Анализе Социальных Сетей – академической дисциплине, которая преподается и исследуется с 1930 года. Однако совсем недавно ученые дали толчок для развития совершенно новой области науки, посвященной изучению (комплекса) сетей, получившей название Наука о Сетях.
Аналитические потенциал сетей впечатляет. И более того, сети идеально подходят для (интерактивной) визуализации: они дают возможность совершенно по-новому, во взаимосвязи, взглянуть на любой источник данных, позволяя любому конечному пользователю щелкая мышью, прокручивая и масштабируя сети, погрузиться в данные и получить новое видение ситуации. Используя интерактивную визуализацию ниже, вы можете изучить год за годом создаваемую в компании Apple экспертную сеть, объединяющую людей, работающих вместе, и темы, над которыми они работали. Например, поместите имя Стива Джобса в окно поиска в верхнем левом углу и вы в интерактивном режиме увидите его важную и главную роль – устанавливать взаимодействие между различными командами компании Apple:

От данных к сети

Конечно же, чтобы построить эти сети нам необходимы правильные источники данных. К счастью, много данных в HR практике уже доступны для анализа. Внутри социальных сетей организаций, таких как Yammer и Chatter скрывается бескрайнее море взаимодействующих между собой пользователей; данные по сотрудничеству между людьми по определенным проектам могут быть получены с систем регистрации времени; а из внутренних документов можно получить информацию по соавторству. Когда подобную информацию получить затруднительно, обычно используются короткие анкеты: например, сотрудников просят ответить на вопросы, с кем они чаще всего взаимодействуют по работе, и посредством чего происходит это взаимодействие (живое общение, телефон, электронная почта, и т.д.). Их ответы уже дают возможность глубокого анализа неформальных сетей, существующих в отделе или организации.

Сетевая аналитика и HR данные на практике

Практическую ценность сетевого анализа в HR практике, конечно же, лучше всего объяснить на примерах из жизни. Поэтому далее в статье мы приводим кейсы из наших недавних проектов.

Кейс 1: Оптимизация информационного взаимодействия и сотрудничества в страховой компании в Нидерландах. 

Недавно, крупная страховая компания, расположенная в Нидерландах, приняла решение перевести несколько сотен своих сотрудников в новый офис. С целью улучшения сотрудничества и информационного взаимодействия между различными подразделениями в новом офисе, наш клиент захотел оптимизировать имеющиеся рабочие места в здании, основываясь на информации о текущем информационном взаимодействии и сотрудничестве. Однако данных для получения таких результатов не было.
Для сбора данных мы организовали короткие трех-минутные опросы всех сотрудников. Мы спрашивали сотрудников: (1) какие отделы наиболее важны для выполнения вашей ежедневной работы, (2) как часто вы общаетесь с сотрудниками из этих отделов, (3) посредством чего происходит общение (например, живое общение на встречах, телефон, электронная почта, и т.д.) и (4) насколько важно физически близкое расположение этих отделов для выполнения вашей работы.  
Связь между отделами в страховой компании
Сетевая аналитика HR данных: практический подход и три кейса


Когда все данные были собраны, на их основе мы смоделировали сеть с визуализацией, которая показала, как все отделы взаимосвязаны между собой. Используя полученную интерактивную визуализацию, мы дали возможность нашему клиенту исследовать связи между всеми отделами и посредством фильтров видеть связи по типу информационного взаимодействия, частоты общения и важности близкого физического расположения отделов, что позволило взглянуть на ситуацию под другим углом зрения.
Одним из важных результатов анализа, стало понимание того, что IT отдел играет ключевую связующую роль между отделами, занимающими различными продуктами. Результат этот был получен на основании информации о частых встречах сотрудников IT отдела с сотрудниками других отделов. Поэтому в заключительной схеме расположения отделов в здании этот отдел расположили в центре, с целью поощрить и оптимизировать информационное взаимодействие и сотрудничество этого отдела с другими отделами. Это дало потенциал для значительного улучшения процесса обмена идеями и, соответственно, уменьшить период работы над проектами и снизить операционные расходы на разработку новых продуктов с поддержкой IT.

Кейс 2: Усовершенствование сети обмена знаниями для производителя потребительских товаров, осуществляющего свою деятельность по всему миру.

С целью подготовки обзора на основе данных об обмене знаниями внутри организации для крупного производителя потребительских товаров мы проанализировали данные и визуализировали сети внутренних профессиональных знаний и сотрудничества. У нашего клиента были инновационные центры по всему миру с большим количеством сотрудников НИОКР в каждом из центров. Ввиду огромного размера организации, сотрудникам было сложно понять, кто, где работает, не говоря уже об обмене знаниями. В основном, знания приобретались в рамках одних и тех же подразделений. Но наш клиент понимал, что обмен знаниями на междисциплинарном уровне может принести огромную пользу процессу внедрения инновационных идей.
Используя разные источники данных в контексте инноваций, такие как научные публикации, патенты и материалы конференций, мы собрали информацию о пятилетнем сотрудничестве коллег в организации. Эти источники данных включали в себя информацию об авторах, изобретателях и их соавторстве в публикациях, и таким образом послужили отличным изначальным источником для создания сети обмена знаниями внутри организации.
Сетевая аналитика HR данных: практический подход и три кейса

Образование кластеров технологий и обмен знаниями внутри компании потребительских товаров.
Затем мы предоставили две дополняющих друг друга концепции на основании этих источников данных, cведенных в одну информационную панель: технология и тематические сети, чтобы показать наличие связи между индивидуальными технологиями/темами и присущим им кластерам деятельности, а также экспертные сети, чтобы детально рассмотреть реальные отношения между людьми, командами и областями бизнеса, в которых они работают.
Интерактивная визуализация позволила нашему клиенту размещать внутренние знания намного быстрее, повысить скорость обмена междисциплинарными знаниями для накопления новых идей, и, в целом, начать более успешно использовать имеющиеся внутри организации знания и опыт. Что в свою очередь дало потенциал для снижения уровня знаний, поступающих из внешних источников, и стоимости поиска ассоциированных партнеров, и, в целом, ускорить процесс формирования идей благодаря улучшенным комбинациям знаний.

Кейс 3: Оптимизация распределения человеческих ресурсов на европейском предприятии розничной торговли

Наш клиент, предприятие розничной торговли, находящееся в Европе, планировало создать принципиально новый центр дистрибуции для работы на одном из своих ключевых рынков. За исключением формальной древовидной организационной структуры у руководства предприятием не было четкого представления, как структурировать офисы нового центра дистрибуции с точки зрения информационного взаимодействия между отделами и сотрудниками. Так же как и в описанном выше проекте со страховой компанией, целью было использование подобной информации для оптимизации расположения отделов в центре дистрибуции.
Вместо анкет, в данном проекте, мы опирались на количественные данные, собранные посредством интервью с сотрудниками. В интервью были включены ряд вопросов об информационном взаимодействии с другими отделами, включая вопросы о том, какого типа информация предоставлялась, была ли это значимая или неважная информация (например, электронные письма и документы в сравнении с живым общением или общением по телефону), как часто сотрудники общались и т.д.
В инструментарий, адаптированный под данный проект, мы постарались включить различные фильтры, которые дали возможность проанализировать массив данных вдоль и поперек. Например, это позволило пользователям быстро переключаться с одного сетевого общения на другое, основываясь на значимости информационного общения, или с одной ветви общения на другую внутри сети в зависимости от типа полученной информации.
В конце концов, это дало возможность предприятию оптимизировать расположение отделов в центре дистрибуции, целиком и полностью основываясь на данных, и с помощью визуализации. Это значительно ускорило процесс принятия решения в отношении центра дистрибуции, и высвободило потенциал для уменьшения времени производственного цикла и сопутствующих затрат различных рабочих процессов в отделах и между ними.
Заключение
Вышеприведенные кейсы показывают, что принципы сетевой аналитики в сочетании с HR данными позволяют взглянуть по-новому, наглядно на внутреннее и внешнее сотрудничество и информационное взаимодействие. Это поможет улучшить обмен знаниями в организациях различных бизнес направлений, оптимизировать распределение человеческих ресурсов и, в целом, даст возможность увлекательно, в интерактивном режиме исследовать массивы данных. Еще одна область применения в HR, например, подбор персонала – составление сетевой карты общающихся между собой людей в рамках определенных сфер знаний за пределами организации может быть полезно в поиске “скрытого” кадрового потенциала. Если вы видите, в каких еще областях применение сетевой аналитики в сочетании с HR данными может дать хороший результат, пожалуйста оставьте комментарий.
На этом все
__________________________________________________________
На этом все, читайте нас в фейсбуке и телеграмме

Комментариев нет:

Отправить комментарий

рек

Популярные сообщения