Большие данные BigData для HR . Как увидеть личность за цифрой?

 

Превращаем людей в цифры

Как превратить людей в цифры, чтобы их понять?

От человека  к данным и обратно.

Авторы:

BigData v HRЕкатерина Гула, консультант компании МОЛГА Консалтинг 

 

 

 

 

 

BigData v HR

 

Иван Канардов, руководитель направления бизнес консалтинга компании МОЛГА Консалтинг

 

 

 

В современном мире с каждым годом количество информации растет от года в год. Этому способствует научный прогресс (новые технологии появляются, и тут же  устаревают), виртуализация и автоматизация многих бизнес процессов, оцифровка данных. Необходимость их обработки повлекла за собой взрывной рост вычислительных мощностей и скоростей. Сейчас полученные данные дают возможность не просто анализировать образ потребителя, объем плановых затрат или спрос на те или иные туристические направления, но и помогают моделировать  будущее. Именно поэтому идея BigData («больших данных») появилась и  активно развивается в последние 2-3 года.

BigData в HR

Анализ данных использовали в банковской сфере для выявления не -очевидных затрат  в  биржевой деятельности, чтобы предсказать поведение рынка.

Какое-то время тема больших данных обходила направление управления персоналом (далее HR) стороной, так как специалисты данной области изначально сосредоточены на локальных процессах, развитии персонала, построении заработных плат, подборе или документообороте,  нежели аналитических инструментах

Если смотреть правде в глаза, то очень мало кто из менеджеров по персоналу  владеет системным анализом данных, хотя статистика — это один из обязательных предметов при изучении психологии и на факультетах управления персоналом.

Сейчас  BigData в HR в основном применяется в двух направлениях – это подбор персонала и управление талантами

Рекрутинг. После того, как компании поняли, что подбор сотрудников в современных условиях похож на маркетинг и своего кандидата можно вычислить примерно так же, как своего потенциального клиента, многие компании стали анализировать данные, определяя наиболее подходящие методы подбора, избавляясь от неэффективных этапов. Например, Google отказался от сложных задачек на входящих интервью, именно потому, что успешное их решение не связанно с эффективностью дальнейшей деятельности.

А другая компания, после анализа данных, поняла, что самые лояльные сотрудники работают в радиусе 5 километров от нее, что стало причиной переноса в более удобный район, зато привело к снижению текучки, без дополнительных вложений в мотивацию.

Анализ объемов и валидности потоков, сроков подбора и процента успешного прохождения испытательного срока показывает уровень эффективности рекрутинга в компании. Мы уже несколько раз сталкивались с сопротивлением со стороны сотрудников персонала, при анализе системы подбора. HRы понимают, что это может вскрыть их неэффективность и некомпетентность и всерьез опасаются разочарования руководства.

Управления талантами. Компании пробуют анализировать эффективность работы и личностные особенности кандидатов, чтобы уже при приеме определять самых эффективных. Пока подобные исследования идут  с переменным успехом, кто то рапортует, что его подход  идеально сработал, другие пишут, что он не дает ни одного релевантного результата. В тоже время, наш опыт  говорит о положительных эффектах в работе с талантами и кадровым резервом. Каждая уважающая себя компания, создает модель компетенций, обычно их от 6 до 15. Обычно они создаются на основании видения руководства и экспертизы консультантов, которые ориентируясь на стратегию, определяют наиболее ключевые. Анализ данных эффективности работы и оценки компетенций позволяют определить наиболее важные из них, выделить ключевые. Например, компетенция «Влияние», оказалась не ключевой для менеджеров по продажам, наиболее важной и определяющей их успех явилась «Эффективная коммуникация». А для руководителей компетенциями, определяющими их успешность стали «Обратная связь» и «Ориентация на результат». Если они были у менеджера развиты, то его подразделение показывало самые высокие результаты. В дальнейшем это позволило сократить число компетенций, упростить оценку, поднять эффективность работы подразделений. Число направлений HR, где можно применять BigData ограничены. Данные, которые собирают в отделах персонала (загрузка персонала, процент отсутствий, время обучения, уровень производительности, опыт работы, затраты на подбор и т.п.) создают видение внутренних показателей в прошлом, вместо того чтобы обратить внимание на будущие изменения и перспективы не только внутри компании но и вне ее. То есть HR продолжает фокусироваться на данных, а не на бизнес- проблемах как таковых. Но дело в том, что BigData – это не инструмент для HR, это инструмент для бизнеса. Статистика и аналитика, которая совершается внутри одного HR, зачастую не является BigData. Выводы и закономерности, основанные на «больших данных», затрагивают все области компании, будь то финансы, логистика, информационные технологии, маркетинг или управление персоналом. Мы не можем проанализировать массивы данных и сказать бизнесу  и его направлениям: что делать и куда двигаться исходя из изменений рынка кандидатов. Этот инструмент работает по-другому: мы исходим из потребностей бизнеса, определяем, что влияет на ту или иную цель, и, благодаря этому, понимаем, какие данные нам нужны для анализа и формирования решений. Таким образом, цель декомпозируется на все функциональные подразделения бизнеса и тогда, например, рекрутинг может сформировать портрет идеального кандидата и определить где нам искать нужных людей.

HR и BigDatа тесно взаимосвязаны по своему существу

Они нужны для повышения эффективности бизнеса, для выстраивания стратегии, которая приведет организацию к новым горизонтам и возможностям реализовать скрытый потенциал.

К сожалению, большинство подразделений HR не готовы к анализу данных, несмотря на то, что автоматизация бизнес-процессов этого направления активно идет уже более 15 лет в России

Это связанно с тем – относительно небольшое число компаний внедрило системы ERP, которые позволяют накопить необходимые данные, а также сами HR специалисты сохраняют далеко не все данные.

Обычно HR службы проходят 5 стадий по работе с BigData

BigData в HR

Стадия 1 – Субъективные решения. Изначально в компаниях не было систем, накапливающих HR данные, поэтому решения в этой области основывались на приобретенном опыте, мнениях «уважаемых» людей и догадках.

Стадия 2 —  Использование внутренней информации. Появились системы, помогающие  аккумулировать данные. HR службы стали собирать «простые данные» для подкрепления своих решений (например, экономическую целесообразность).

Стадия 3 – Создание и использование внутренних стандартов. HR службы стали рассматривать свои решения не только в рамках своего направления, но и изучая данные внутри компании (внутренний поиск кандидатов, формирование корпоративных стандартов).

Стадия 4 – Применение глубокой аналитики. На этой стадии HR службы делают шаг в сторону аналитики, более похожей на маркетинговую: анализ текучести и привлекательности компании для соискателей, работа над брендом компании. На этой стадии происходит анализ смежных направления внутри компании.

Стадия 5 —  Прогнозирование. На этой стадии HR приходит к использованию BigData, чтобы определить влияние принимаемых решений относительного человеческого капитала на будущем всей компании, используя все возможные данные компании: финансовые, маркетинговые, данные продаж и HR — и данные вне компании: информация о конкурентах, рынке, экономической и политической ситуации страны и т.п.

Как же BigData может помочь, бизнесу?

Приведем несколько примеров, как задачи, которые нужно решить бизнесу, ведут к использованию BigData в HR

Кейс 1. Компания по производству и продаже вентиляционного оборудования вкладывала большие деньги в развитие своих менеджеров по продажам. Один сотрудник проходил тренинг минимум раз в три месяца. В то же время, данные по продажам по сравнению с конкурентами не радовали. Для выявления причины, был проведен анализ ключевых показателей (KPI) руководителей на основе прибыльности и убыточности их подразделений; обратной связи от клиентов и показателей эффективности сотрудников, влияющих на бизнес-результат и их мотивацию. В результате  образовалась  видная  прямая зависимость между слабым взаимодействием с клиентами и неэффективным управлением сотрудниками подразделения. То есть проблема была не в продавцах, а в  их руководителях. Также сменился контингент клиентов,  подходы остались прежними. После этого  были приняты управленческие решения по изменению некоторых руководящих лиц, а для других была  в обязательном порядке запланирована коучинг- сессия и система развития. BigData помогла избавиться от субъективного мнения о развитии сотрудников, направив средства и внимание руководства на ключевые факторы, влияющие на прибыль.

 

Кейс 2.Компания, работающая в сфере образовательных услуг, несколько раз уже попадала в ситуацию, когда обученные сотрудники, которые состояли в кадровом резерве, внезапно уходили. Это серьезно подрывало имидж, и сказывалось на доходах.

С применением технологий BigData, был разработан инструмент удержания, который анализирует целый ряд различных типов данных (образование, место работы, семейное положение,  опыт и достижения, тип работы, длина проектов, проектные достижения  за последний год, продвижение по службе или его отсутствие). На основе полученных данных был выстроен алгоритм, который  выделял людей, находящихся в зоне риска.

Ежемесячно  руководители и HR служба получали данные о сотрудниках находящихся в зоне риска (это означало, что они профессионально выгорают, не мотивированы, могут планировать уход из компании), чтобы можно было принять меры по удержанию, мотивации, вовлечению сотрудника. Это позволило снизить общую текучку персонала и добиться того, что из нее уходило не более 2-3 резервистов в год. Фактически, BigData стала инструментом для мониторинга текущего состояния  и прогнозирования будущих рисков.

 

Кейс 3. Компания занимается поставной и установкой сложного оборудования в сфере энергетики. Затраты на 200 менеджеров проекта составляли более 800 миллионов рублей в год, но их стоимость не соответствовала качеству выполняемой ими работы. Генеральный директор предполагал, что промышленность не привлекательна для хороших проектных менеджеров. И поэтому сосредотачивался на других методах повышения прибыльности.

Был проведен анализ эффективности родителей проекта, их опыта, уровня развития компетенций. В результате стало ясно, что нацеленность на результат была у менеджера более важна, чем технические навыки и опыт работы в отрасли.  На ключевые проекты были подобраны лучшие кандидаты по новым критериям, им было проведено обучения специфике бизнеса и технологиям, используемым Компанией. Доход Компании увеличился благодаря замене процессных людей на результативных и их обучению предметной области отрасли.  Очень многое зависит от правильно заданного вопроса. Он должен касаться не какой-то функции, а конкретной проблемы. В данной ситуации этим вопросом было: «Как мне привлечь эффективный персонал?». Если бы Генеральный директора сразу бы его задал, то не потерял бы 5 лет на неэффективном подборе.

Стоит ли специалистам в HR бояться перемен?

Начало эры «больших данных», безусловно, сначала усложнит жизнь HR специалистам. Функция управления персоналом не всегда рассматривается бизнесом как ключевая, некоторые руководители не рассматривают HR подразделения как помощника в решении бизнес задач. Именно поэтому HR-ы должны более внимательно слушать и обращать внимание на то, что важно для бизнеса, от чего он зависит и выявлять закономерности и взаимосвязи бизнеса и человеческого капитала компании. В идеале HR специалист должен отлично разбираться в цифрах, подсчетах и статистике, чтобы уметь рассчитать то или иное влияние HR изменений внутри компании и его выражение в финансовом эквиваленте.

Если HR считает, что ему не нужно уметь общаться на финансовом языке с бизнесом, то эра «больших данных» является для него серьезной угрозой.

Быстрее всего такой инструмент как BigData приживается в областях, тесно связанных с фактами, конкретными данными и статистикой, это:

  1. Банки и Финансы – Эти компании построены на числовых данных, они работают со статистиками и цифрами каждый день, комфортно себя ощущают в этой среде и не верят ничему кроме фактов.
  2. Ритейл уже давно использует данные для повышения своей производительности, они задействуют CRM системы, социальные сети, карты лояльности. Они точно знают как использовать данные о потребителях через своих сотрудников, чтобы достичь нужных результатов и видят будущее в анализе данных.

По теме: Digital организация — что это такое на самом деле

BigData не обязательно должна помочь  в два раза увеличить рентабельность инвестиций в HR, но точно поможет  понять бизнес-лидерам как человеческий капитал может создать добавленную стоимость компании.

Что будет с HR и BigData

В ближайшие несколько лет у компаний, где есть развитые информационные системы, начнут проводить анализ данных и искать взаимосвязи. Открывшиеся возможности дадут серьезный прирост эффективности. Появятся также вакансии в области аналитики в HR.

При внедрении информационных систем в компании руководство будет интересовать также наличие модулей, позволяющих проводить аналитику BigData.

Компании начнут целенаправленно анализировать все данные, специально их готовить для удобства анализа. В результате появятся межфункциональные KPI, например HR и отдел продаж.

Также BigData покажет руководству насколько важно управление персоналом, к сожалению, у нас часто об этом забывают.

По теме: Ключевые показатели эффективности отдела персонала. KPI для HR в действии

Несколько советов для тех, кто хочет взяться за BigData в HR прямо сейчас :

При работе с «большими данными» важно понимать, что данных действительно очень много, в них легко запутаться и «утонуть», поэтому при начале работы с ними необходимо соблюдать несколько условий:

  1. Мы отталкиваемся от потребностей или проблем бизнеса, а не от наличия данных.
  2. Данные должны быть взяты из максимального количества источников и взаимосвязаны между собой (финансы, маркетинг, продажи, HR, конкуренты, рыночные условия, законы и т.п.)
  3. Не надо пытаться проанализировать данные в объеме всей компании сразу. Симплифицируйте: возьмите «пилотный» блок на котором можно проверить взаимосвязи и представить руководству. После одобрения руководства можно подключать дополнительные ресурсы и проводить глобальное исследование.
  4. Данные должны анализировать несколько разнопрофильных специалистов, чтобы увидеть разные виды взаимосвязей между данными и бизнесом. Исходите из возможностей людей интерпретировать данные и использовать их, применяя к результатам бизнеса.
  5. Применение новых методов повлекут за собой смену части команды HR. Подбирайте людей, которые нацелены на результат, проактивны, любознательны, обладают коммерческим взглядом и любят сложные задачи, чтобы создать атмосферу, в которой четко обоснованные решения не причиняют никому дискомфорта.

По теме: Agile и Scrum — разберем по-шагам. Можно ли применить к HR-проектам?

Данные и даже «большие данные» – это всего лишь инструмент, а не ответ на все вопросы. Работая с ними, мы должны быть аккуратными и не забывать, что работаем с людьми, а к ним не всегда можно применить сухие факты и безэмоциональную логику. Только найдя баланс между чистым HR и чистым бизнес подходом, мы сможем реализовать идею BigData в управлении персоналом и вырастить внутри компании HR нового поколения.

 

 

Автор публикации

не в сети 13 часов

Редакция

Коллеги ! Рады Вашим публикациям !
Зарегистрируйтесь в личном кабинете, как автор и самостоятельно ведите свою колонку ! Все уникальные статьи попадут в еженедельную рассылку.

Комментарии: 27Публикации: 1214Регистрация: 05-06-2013

Редакция

Коллеги ! Рады Вашим публикациям ! Зарегистрируйтесь в личном кабинете, как автор и самостоятельно ведите свою колонку ! Все уникальные статьи попадут в еженедельную рассылку.

Вам также может понравиться

Одна мысль о “Большие данные BigData для HR . Как увидеть личность за цифрой?

  1. Понравилась статья. Исправьте, пожалуйста, ошибки по русскому языку — их очень много. Лучше с помощью профессионального корректора. Хочется дать ссылку на статью, но не можем этого сделать из-за этих ошибок.

Добавить комментарий

Войти с помощью: 

Ваш e-mail не будет опубликован. Обязательные поля помечены *

Авторизация
*
*
Войти с помощью: 
Регистрация
*
*
*
Пароль не введен
Войти с помощью: 
Генерация пароля