26.04.2016
HR-аналитика — средство объективизации опытаСергей БАЙТЕРЯКОВ, руководитель практики бизнес-консалтинга, MOLGA Consulting
По словам руководителя практики бизнес-консалтинга компании MOLGA Consulting, Сергея БАЙТЕРЯКОВА, HR-аналитика — это возможность выстроить наши представления о реальности и оцифровать их для легкости восприятия.
«СУПЕР»: Сергей, каковы цели HR-аналитики?
Сергей Байтеряков: HR-аналитика — средство объективизации опыта. Это и наблюдение, и специальные мероприятия (оценивание людей специальными методами). HR-аналитика — возможность выстроить наши представления о реальности и оцифровать их для легкости восприятия. Проще всего работать с числовыми данными: количество кандидатов, вакансий. А вот IQ кандидатов потребует дополнительных измерений. Или, например, компетенции. Необходимо измерить компетенции сотрудника и успешность в работе. Соотнести одно с другим математически грамотно. Это и есть сложный метод построения HR-аналитики.
Аналитика — часть управленческого цикла. Мы строим некоторые предположения в виде планов, продумываем действия для достижения этих планов, смотрим на результат и вносим корректировки в действия и планы на основании достигнутых или недостигнутых результатов. Исходя из такого подхода, аналитика — способность соотнести представления о реальности с тем, что произойдет на деле.
Прежде чем строить HR-аналитику, задаем вопрос: «На что мы воздействуем?» Например, мы хотим изменить ситуацию с наймом персонала, чтобы вакансии закрывались быстрее. Анализируем скорость закрытия вакансий в компании. Если вакансия открыта 1 января и закрыта 1 февраля — это месяц. Хорошо это или плохо, зависит от поставленной задачи. Если мы считаем, что вакансия должна закрываться за две недели, то у нас проблемы, а если считаем, что за полгода, то все прекрасно.
Другой пример — компетенции руководителей. Чтобы понять, как и что развивать, собираем статистику и выясняем, какие руководители в компании наиболее успешны и какие компетенции у них развиты. Начинаем развивать эти компетенции у остальных и через полгода оцениваем — увеличилась ли компетенция, например, коммерческое мышление. Или командная работа. Выяснилось, что программа для развития этой компетенции неэффективна и руководители ничем от других не отличались. Нужно или менять программу, или разбираться, почему так произошло. Первый шаг в построении аналитики — определиться, зачем она нужна. Второй — понять, какими методами будем пользоваться. И третий — настроить систему сбора и анализа данных.
«СУПЕР»: Какие данные можно получить посредством HR-аналитики?У нас существует разрыв между уровнем аналитики и подготовкой среднестатистического HR-а. Если HR хоть что-то слышал о статистике, то это уже счастье. Если HR знаком с валидностью, корреляцией — великолепно. Вообще, ситуация грустная. Мы не решаем те бизнес-задачи, которые можем решить. Можем ли мы измерить вовлеченность? Да, можем. Важна ли она для бизнеса? Конечно, потому что от нее зависит производительность. Измеряют ли ее компании? Нет. При том что регулярное проведение таких опросов не перегружает работой HR-отдел, а данные можно напрямую конвертировать в HR-действия. Еще вопрос: насколько полученные данные востребованы бизнесом для принятия решений? В компаниях, где со сбором данных все хорошо и они доступны для руководителей, используют в лучшем случае половину. Получается, собрали данные, посчитали, а дальше они лежат мертвым грузом.
«СУПЕР»: Почему так получается?Но тенденция такова, что по мере развития рынка профессиональный аспект будет перемещаться внутрь компании. То есть компания будет просто нанимать людей с опытом — специалистов, которые технически могут настраивать системы и проводить HR-аналитику на своей базе. Если после пары опросов внешними провайдерами сотрудники понимают, что за высказанное мнение никаких санкций не наступает, а наоборот, руководство принимает меры, то можно поручить эту работу внутреннему специалисту.
Сейчас мы обсуждаем несколько проектов, где наша задача — помочь компаниям построить систему HR-аналитики. Мы не собираем ее сами, как внешний провайдер. Мы определяем, достаточно ли собирается данных, все ли пользователи, которые хотят эти данные получить, получают их, правильно ли производится их анализ, то есть проводим полный, всеобъемлющий охват ситуации. Когда на эти вопросы найдены ответы, компания самостоятельно продолжает работу с данными.
СУПЕР»: Как грамотно продать HR-аналитику руководству компании? Мы хотим возвратиться к вопросу об отсутствии общего языка между HR-ами и топами.Например, мы выясним степень вовлеченности сотрудников. И на основе этого сделаем выводы, какие подразделения и насколько вовлечены и как вовлеченность повлияет на текучесть персонала. После чего мы сможем потенциально снизить текучесть на 2-5 % за счет внедрения целевых программ, направ¬ленных на тех людей, которых мы не хотим потерять. Это сократит расходы на определенную сумму.
«СУПЕР»: Наверное, не всегда все так просто, если мы говорим об HR-аналитике?Но если мы можем доказать, что этих людей надо обучать определенным навыкам, то мы уже экономим деньги компании. Соответственно, чтобы продать идею HR-аналитики, нужно продать две вещи. Первое — бизнес-выгоды. Второе — профессионализм в этих вопросах. Потому что если вы приходите и внятно объясняете, что вы анализируете, почему этот анализ будет правильным, то половина вопросов снимается. Если руководство доверяет вашим подсчетам, оно само сформулирует выводы. Ну а если нет, то убедительной станет четкая формулировка этих выгод.
«СУПЕР»: Как следует налаживать сотрудничество с IT-отделом, чтобы провести автоматизацию аналитики?Второй пример — программа вовлеченности. В одной компании я исследовал ее на протяжении трех лет. Главным было не выявление проблем, а то, что по итогам исследований проводилась разработка мероприятий и планов, которые реализовывались на практике. Первое исследование выявило миф о высокой зарплате у конкурентов, безграничных карьерных возможностях и работе с современными программными продуктами на более высоком уровне. Внедрили следующую программу. Поскольку компания крупная, задавались вопросы, которые развеивали иллюзию, что в других местах «медом намазано». Когда мы проанализировали данные, то выяснилось, что это миф, и сотрудники уже не считали, что где-то «морковка слаще».
Третий пример — проект, когда мы занимались не самим грейдированием, а оценкой результата и построением на основе оценки должностей моделей переходов к новой системе мотивации. Выяснилось, что есть сотрудники, у которых относительно рынка переплата в 2,5 раза. Далее были рекомендации и программы, как это привести в норму. Пока такие данные не собирались, этого никто не замечал в многотысячной компании.Еще пример — работа с Big Data. Это не обычная аналитика — это действительно большие данные, терабайты информации. Это скорость получения информации. Big Data существует практически в режиме реального времени. Информация там представлена в неупорядоченных форматах. В одном из банков начались большие проблемы, связанные с кризисом на рынке. Резко сокращались объемы работ и персонал. Банк сильно заточен на работу с розницей: у него много сотрудников, взаимодействующих с клиентами. Поэтому, понимая, что в ходе массовых сокращений банк получит сильную негативную волну, которая помешает их работе в дальнейшем, запустили систему мониторинга социальных сетей — контент-анализ высказываний по профилям сотрудников. Были построены сложные системы, позволявшие в целом оценить уровень негативного восприятия. Эта ситуация мониторилась, исследовались последствия внутренних действий и оперативно вносились изменения. Таких проектов, связанных с вне¬дрением Big Data, мало, потому что технически они очень сложные.
ОБРАТИТЕ ВНИМАНИЕ: