HR-аналитика — средство объективизации опыта
Решения по управлению персоналом
ЗАПРОС НА УСЛУГИ

HR-аналитика — средство объективизации опыта

26.04.2016

HR-аналитика — средство объективизации опыта 

Сергей 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?
С.Б.: По большому счету, можно собрать любые данные. Вопрос в том, как мы будем использовать данные и какие задачи решать?
«СУПЕР»: Какие ошибки допускают HR-ы, обращаясь к аналитике?
С.Б.: Во многих компаниях даже базовые метрики по HR-аналитике не собираются. Или эти данные собираются так, что их неудобно использовать и анализировать, поэтому они не востребованы. Например, когда мы собираем данные в экселевских файлах, каждое новое изменение запросов к этим файлам порождает новую процедуру по их расчету. В итоге мы считаем данные, которые один раз настроили, например, данные по зарплате, но при этом мы плохо считаем расходы на социальные программы, потому что они привязаны к конкретным регионам и мероприятиям. В итоге крупноуровнево анализируем информацию и не можем зайти внутрь этих данных и посчитать их более эффективно. И соответственно, ответить на бизнес-вопрос.

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?
С.Б.: Из-за разрыва между HR-ами и топами. Это вопрос доверия топ-менеджмента и отсутствия общего языка с HR-ами.
«СУПЕР»: Кто, на ваш взгляд, должен заниматься HR-аналитикой — внешний провайдер, внутренняя служба персонала или специально обученный человек?
С.Б.: Зависит от глубины данных и регулярности. Например, есть нерегулярные типы данных. Скажем, один раз в год проводим опрос вовлеченности сотрудников. Организацию сбора, обработку данных, презентацию планов технически проще сделать внешнему провайдеру. Если внешний провайдер эффективен, тогда и работа будет построена высокопрофессиональным образом. Например, сейчас работу с Big Data редко можно провести внутри компании, потому что для этого процесса нет соответствующих специалистов.

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.
С.Б.: Это и просто, и сложно одновременно. Мы приходим к генеральному директору и говорим, что у нас на привлечение одного сотрудника тратится некая сумма, для чего мы используем восемь площадок размещения вакансий. С одной площадки пришло 10 кандидатов, с другой — 30. Если мы избавимся от некоторых площадок, при этом будем закрывать вакансии без проблем, то сэкономим бюджет на рекрутинг на 30 %. Если HR способен четко донести информацию, то HR-аналитику продавать не надо — руководитель сам заинтересуется предложением.

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?
С.Б.: Согласен. Не всегда можно точно определить, насколько сократятся расходы по итогам наших мероприятий. В этом случае мы можем продавать качественные изменения ситуации. Чтобы внедрить систему HR-аналитики, нам нужно вписать в корпоративную систему IT-модуль. Это приведет к тому, что у нас запросы будут закрываться не в течение недели, а в течение одного дня. То есть можно продавать руководству скорость принятия решений. Сложно перевести эффективность обучения в практическое пользование.

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?
С.Б.: HR и IT — подразделения сервисные. Мы говорим, что у нас есть n часов, за которые сотруд-ники IT-отдела должны провести внедрение модуля автоматизации. И есть n часов для сотрудников HR-отдела, чтобы разработать анкету. Если мы способны внятно продемонстрировать, что это затраты, которые должны окупиться в итоге, то мы говорим на одном языке и с айтишниками, и с бизнесом. Иногда я слышал от коллег, что взаимодействовать с айтишниками тяжело в силу их специфичности. У меня такого вопроса никогда не возникало. Может быть, гуманитариям-HR-ам сложно говорить на техническом языке айтишников, но тогда надо уметь говорить на общем языке бизнес-выгоды.
«СУПЕР»: Можно ли привести примеры работы с HR-аналитикой?
С.Б.: Например, связь оценки обучения и бизнес-результата. Программа по выведению сервисных предприятий в отдельные бизнес-юниты. Вывод, кото¬рый сделала компания, — руководители разбираются в технической стороне вопроса, но не умеют считать деньги. И при переводе в отдельные единицы возникает много проблем с точки зрения стоимости выполнения задач. Решение — провести оценку руководителей. Ключевая компетенция — коммерческое мышление. Было выявлено, что по данной компетенции у руководителей низкие баллы. Частично сотрудников просто заменили. Но главное, что за два года разработана модульная программа по повышению компетенций, куда входили и тренинги, и работа с документами, и встречи со смежниками, и прикрепление к руководителям опытных людей. Через два года повторная оценка показала прирост навыков. Это заслуга внутренней HR-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:
  1. Данные позволяют иден¬тифицировать трудные места и скорректировать план действий, но не более. Они не заменят людей и не дадут им все необхо¬димое обоснование.
  2. Перед началом анализа определите, что именно вы хотите оценить или измерить. Убедитесь в том, что выбранные средства для этого подходят.
  3. Используйте правильные методы. Выбор способа сбора данных — это реальная проблема.
  4. Данные, полученные из пассивных источников, могут быть полезнее тех, что вы рассчитывали получить.
  5. Благоприятная культура позволяет извлечь из данных максимум пользы. Необходимо заручиться поддержкой руководства и создать культуру, которая одобряет решения, подкрепляемые фактами.
  6. Расставляйте правильные акценты. Выберите три важнейших вопроса, на которые вы хотели бы получить ответ. Это позволит вам собрать точные данные и в полной мере их проанализировать.
  7. Данные могут быть субъективными.
  8. Не усложняйте. Тщательно поразмыслите над тем, что вам требуется для улучшения процесса.
Поделиться в социальных сетях:
Популярные новости