Хотя многие компании вкладывают значительные инвестиции в big data и аналитику, успешных историй в применении аналитики к человеческим ресурсам было мало. Но это может измениться.
Big data и аналитика повсеместны в сегодняшней бизнес-среде. Более того, новые технологии, такие как Интернет вещей, постоянно расширяющийся онлайн социальный граф и появление открытых общедоступных данных, только увеличивают потребность в глубоких аналитических знаниях и навыках. Многие компании уже инвестировали в big data и аналитику, чтобы лучше понимать поведение клиентов. Фактически, благодаря введению различных нормативных требований, некоторые из наиболее зрелых аналитических приложений можно найти в клиентоориентированных областях страхования, управления рисками и обнаружения финансового мошенничества.
Но как насчет использования big data и аналитики для понимания другой ключевой группы заинтересованных сторон вашей компании: ваших сотрудников? Хотя мы видим, что многие компании наращивают инвестиции в HR-аналитику, мы еще не увидели много успешных историй в этой области. Поскольку HR-аналитика - это «Новичок» в приложениях бизнес-аналитики, мы считаем, что ее специалисты могут извлечь существенную пользу из уроков, извлеченных из применения аналитики в сферах, ориентированных на клиента, и таким образом избежать многих ошибок новичков и дорогостоящих ловушек для начинающих.
Основываясь на наших исследованиях и консалтинговом опыте в области клиентоориентированной аналитики, мы предлагаем четыре урока о том, как успешно использовать HR-аналитику для поддержки ваших стратегических кадровых решений. В частности, мы сопоставим некоторые из наших недавних исследований и отраслевые выводы из клиентской аналитики с HR-аналитикой и выделим четыре важных побочных эффекта.
УРОК 1. Моделируйте, измеряйте и управляйте динамикой взаимосвязей в вашей команде сотрудников.
В нашем собственном исследовании мы обнаружили, что связи между клиентами (например, социальные связи, покупки по кредитным картам, совершаемые у одних и тех же продавцов или членство в совете директоров между компаниями) очень важны для объяснения и прогнозирования такого коллективного поведения как отток клиентов и их реакция на маркетинговые ходы или мошенничество. Мы уверены, что эти принципы могут быть легко использованы для достижения простых целей в HR-аналитике. В частности, может быть построена сеть - с сотрудниками в качестве узлов, связанных между собой такими факторами, как (анонимный) обмен электронной почтой, участие в одних и тех же проектах, совместное размещение и сходство талантов, а также, возможно, взвешенные данные о том, насколько недавно были такие связи. Затем эту сеть можно использовать, чтобы понять, насколько успешно новые сотрудники будут вливаться в ваш рабочий коллектив; его также можно использовать для количественной оценки оптимального, с точки зрения производительности, сочетания поведения, обеспечивающего сплоченность команды, и поведения, которое вносит в неё разнообразие.
В то же время при отстранении или увольнении сотрудников важно понимать социальное влияние и воздействие самого сотрудника, чтобы предотвратить «вирусные увольнения» или утечку талантов в вашей команде или компании. При принятии решения об увольнении следует внимательно подходить к сотрудникам, которые выступают в качестве неформальных лидеров и имеют сильное влияние в команде или объединяют вашу организацию в команду, чтобы избежать функционального отделения важных частей вашей команды.
УРОК 2: Big data и аналитика — это не магия.
Как и в случае с любой новой технологией, важно с самого начала установить соответствующие ожидания. Хотя они могут быть ценными инструментами, аналитические методы не являются панацеей от всех критически важных и сложных HR решений в вашей компании. В конце концов, почти сразу после запуска аналитической HR модели она устаревает, поскольку ее экосистема (включая, помимо прочего, стратегию компании, портфолио сотрудников и макроэкономическую окружение) постоянно меняется. Следовательно, крайне важно, чтобы HR аналитик критически интерпретировал, отражал, корректировал и направлял результаты аналитических моделей, используя свою деловую хватку, опыт и знания о проблеме и организации.
Например, что, если ваша аналитическая модель говорит вам, что ваша политика найма и увольнения совсем неадекватна - или даже носит дискриминационный характер? Что вы используете неправильные критерии отбора или ищете невозможное? Что недавняя потеря клиентов может быть связана с уходом конкретного сотрудника? К любым неожиданным, но достоверным аналитическим выводам следует подходить осторожно и вдумчиво. Очевидно, это требует от HR менеджеров информированного и открытого мышления.
УРОК 3: Аналитические HR модели должны делать больше, чем просто представлять статистические данные - они должны обеспечивать понимание бизнеса.
Типичная ошибка новичков при составлении аналитических моделей в любом бизнес-контексте — это слепая одержимость статистическими показателями (такими как соответствие, корреляция, R-квадрат и т. д.) и чрезмерно сложными аналитическими моделями. Статистическое представление важно, но аналитические HR модели должны делать больше. Два других важных критерия эффективности - интерпретируемость модели и соответствие.
Интерпретируемость означает, что любое HRрешение, основанное на аналитике, должно быть должным образом мотивировано и может быть просто объяснено всем заинтересованным сторонам. Стремление к упрощению не позволяет использовать слишком сложные аналитические модели, которые больше ориентированы на статистические показатели, чем на надлежащее понимание бизнеса.
Другой ключевой критерий эффективности касается соответствия модели. Защита нормативных требований, конфиденциальности и этических норм имеет решающее значение для успешного развертывания HR-аналитики. Это особенно важно в HR материалах. Аналитические модели всегда следует интерпретировать с осторожностью, и следует уважать гендерное равенство и разнообразие при выборе данных для построения ваших аналитических HR моделей.
УРОК 4: Тестируйте влияние ваших аналитических моделей персонала.
В клиентской аналитике средняя продолжительность жизни модели составляет два-три года, и у нас нет оснований полагать, что в HR-аналитике это будет по-другому. Однако, учитывая влияние HR решений на организацию и на отдельных людей, важно, чтобы аналитические модели в HR постоянно тестировались путем сопоставления прогнозов с реальностью, чтобы любое снижение производительности можно было немедленно заметить и отреагировать. Например, с точки зрения приема на работу следует постоянно оценивать как эффективность до приема на работу (какие каналы рекрутинга дают нам кандидатов с подходящим портфолио?), так и эффективность после приема на работу (какие каналы рекрутинга дали нам лучших кандидатов?).
Мы считаем, что настало время увеличить ваши инвестиции в HR-аналитику. И как только ваши усилия в области HR-аналитики достигнут большей зрелости, мы с нетерпением ждем следующего шага преобразований для организаций. Мы думаем, что это произойдет, когда организации смогут объединить результаты HR-аналитики с результатами клиентской аналитики. Тогда компании смогут в полной мере понять отношения между двумя ключевыми группами человеческих активов: сотрудниками и клиентами.
Оригинал статьи:
Is Your Company Ready for HR Analytics? by Bart Baesens, Sophie De Winne, and Luc Sels // MIT Sloan Management Review, December 01, 2016
https://sloanreview.mit.edu/article/is-your-company-ready-for-hr-analytics/
(перевод статьи в учебных целях выполнила Шкор Олеся, группа 1.5 ЭТиУП, ЮФУ, декабрь 2020)