«На основе «больших данных» и других алгоритмов наши компьютеры могли бы установить все эти взаимосвязи гораздо эффективнее, чем любой из нас, точно так же как они помогали нам выявлять взаимосвязи на рынках. Систему нельзя обвинить в предвзятости, у нее нет эмоциональных барьеров, так что люди, чьи ответы проанализировал компьютер, не будут обижаться на его выводы, сделанные на основе данных. Более того, они могут сами проанализировать данные и алгоритмы, оценить их и при желании внести изменения. Мы действовали как ученые, пытаясь разработать тесты и алгоритмы для объективного анализа нас самих.» Так Рэй Далио, известный финансист, написал в своей книге "Принципы. Жизнь и работа" о своем бизнесе.
Сегодня мы начинаем понимать, что данные и взаимосвязи становятся важными и в области Персонала. Для HR появляется вызов стать учеными в области данных, а не только в области человеческих душ.
Посмотрим, что такое быть ученым и практиком в области данных о Персонале. Во-первых, это три области знаний:
🔹HR
🔹Управление данными, ИТ-системами, их содержащими,
🔹Наука о понимании и анализе данных.
Мы помним, что традиционно HR специалист далек о цифр: больше лирик, чем физик. А теперь это весьма острый вызов — прокачать свои количественные извилины.
В науке о данных важно понимать, что любой аналитический цикл начинается с понимания проблемы и заканчивается практическими воздействиями. Анализ по шагам включает в себя:
🔹Определение проблемы
🔹Дизайн исследования
🔹Управление данными (сбор, подготовка,…)
🔹Анализ данных
🔹Интерпретация данных и коммуникация
🔹Последующий план действий и вновь Оценка и Анализ.
На первом шаге следует предположить, какие HR метрики определяют проблему и как эти метрики воздействуют на результаты бизнеса компании.
В дизайне исследования следует разобраться, существуют ли системы с нужными данными в нужном виде. Вероятно, следует привлечь специалистов и сервисы сбора, скажем, психометрических данных, данных о настроениях, или, как мы сейчас говорим, данные Employee Experience. На этом же этапе выбираются техники статистической обработки данных (линейная или логическая регрессия, структурное моделирование,…). Да-да, не смешно!
На этапе подготовки данных нужно принять решения в области ИТ. Какие системы и сервисы являются источниками. Как мы будем агрегировать данные, как часто, как представлять. Вероятно, на данном этапе следует сделать выбор хранилищ и средств визуализации данных.
Когда данные готовы, наступает этап анализа. И это не просто наши с вами глаза и интуитивные предположения. Здесь работают техники статистического анализа ИТ-сервиса.
По завершению анализа мы объединяем независимые статистические выводы с экспертными оценками HR профессионалов. Создаем внятную историю, поясняющую суть проблемы и научного анализа, дополняемого опытом. Очень важно показать влияние независимых метрик. Например, исследование показало, если увеличить количество контента онлайн обучения на 20% или увеличить фонд зарплаты на 7%, активность и вовлеченность персонала вырастет на 15%.
По итогам принимается план действий, направленный на достижение нужных показателей. А после вновь производится релевантный анализ.
Кстати, AIHR академия провела исследования применения аналитики HR для нескольких компаний, подробно можно ознакомиться по ссылке.
= = = = =
[ “HR Tech разумный” в Telegram ]