Есть один сценарий, который в компаниях повторяется так часто, что его уже можно считать рутиной.
Руководитель пишет аналитику: "Посмотри данные".
И неважно, о чем речь - закрытие вакансий, текучесть, эффективность обучения, eNPS, переработки, воронка подбора. Смысл по большей части везде одинаковый: "у нас где-то болит, открой цифры и скажи, что там и как".
И аналитик делает ровно то, что кажется самым рациональным и правильным. Он открывает Excel или ATS или BI, тут уже неважно, кто что использует. Суть в том, что он собирает таблицу, где всё аккуратно сложено в столбцы и всё готово к анализу.
В этот момент многие считают, что работа аналитика началась. Что ты уже внутри задачи и сейчас будешь открывать инсайты из данных.
Но это и есть тот момент, когда чаще всего начинается не аналитика, а некоторая экскурсия по данным, потому что данные сами по себе не отвечают ни на один важный управленческий вопрос. Они могут быть бесконечно подробными, кристально чистыми и до идеала красивыми, но если не задана рамка, они будут говорить обо всем сразу, то есть ни о чем. И в итоге ты приносишь руководителю пачку графиков, которые выглядят убедительно, но абсолютно не приводят к решению.
А потом произносится знакомая многим фраза: "Окей, это интересно, а что нам с этим делать?".
Данные не говорят. Их заставляет говорить ваш вопрос
В хорошей аналитике всегда есть одна вещь, которую редко проговаривают вслух, но которая определяет всё остальное.
Аналитика начинается не с данных. Аналитика начинается с вопроса, который завязан на решение.
Когда ты начинаешь с выгрузки, ты как будто выбираешь маршрут по городу, не определив, куда тебе нужно попасть. Ты можешь бесконечно смотреть на карту, рассматривать кольцевые развязки, изучать автомобильные пробки и даже находить красивые места, но цель не появится сама. Цель устанавливается намного раньше. С точки зрения аналитики под целью подразумевается решение, которое будет принято по итогам.
Без этого решения, что должна из себя представлять цель, у задачи нет никакого веса. Потому что анализ может продолжаться бесконечно. Можно всегда добавить еще один разрез, еще одну группировку или еще вот такую диаграмму. Можно еще неделю покопаться в данных и найти что-то еще. И главное это ведь очень похоже на работу, только вот бизнесу от этого не легче.
Хватит нюхать розы
Есть такой тип работы с данными, который выглядит безопасно и очень интеллигентно.
Это когда ты не обещаешь результат, а изучаешь таблички. Тут ты не рискуешь выводами, ты просто смотришь, что может получиться. И это будто бы правильно - сначала посмотреть на цифры, потом решать.
Проблема в том, что сначала посмотреть часто становится способом избегать ответственности за формулировку.
Это и есть "нюхать розы". Долго стоять возле красивых данных, вдыхать их сложность и считать, что от этого ты приближаешься к действию.
На деле ты приближаешься к тому, что принесешь отчет без ответа на важный вопрос для бизнеса. Твой отчет могут даже похвалить, потому что он выглядит профессионально, в нем отличная инфографика, но решений он не породит. И через месяц придет новая просьба посмотреть данные, потому что боль не ушла.
Разница между плохим и хорошим стартом
Представь, что у тебя запрос от HRD: "Сделай анализ закрытия вакансий".
Это плохой старт не потому, что тема плохая, а потому что он не задает направление. Он не говорит, какое решение будет принято и какие ограничения важны при реализации, также он не делает понятным, что будет воспринято как успех.
Сравни с другой формулировкой. Она звучит чуть более сухо, но зато сразу превращает аналитику в инструмент управления.
Мы хотим сократить time-to-fill на 5% за квартал. При этом мы не хотим потерять качество найма и не хотим, чтобы стоимость подбора улетела в возрастала. Вопрос такой: где у нас самое дорогое узкое место в процессе и какой один рычаг даст максимальный эффект?
Всё, после этого можно начинать работать.
Потому что теперь ясно, что ты ищешь не интересные цифры, а узкое место, которое можно сдвинуть. И ясно, что ты не имеешь права улучшить скорость ценой качества, потому что это будет не улучшение, а обмен одной проблемы на другую.
Предлагаю каркас
Я держу в голове пять уточнений. Эти уточнения я воспринимаю как некоторую минимальную гигиену, без которой анализ превращается в эстетическое занятие.
Первое. Зачем это нужно и какое решение будет принято. Если решение не названо, значит задача пока не сформулирована.
Второе. Кто принимает решение и что он считает риском. Для бизнеса риск - не нанять. Для HR риск - сорвать сроки. Для финансов риск - рост затрат. Эти риски могут и наверно должны даже не совпадать и аналитика должна это учитывать.
Третье. Где рычаг, то есть что мы реально можем изменить в ближайшие недели. Не рынок труда и не мотивацию кандидатов, а конкретное действие - согласование вилки до старта процесса согласования финалиста, SLA на предоставление обратной связи, количество проводимых интервью и так далее.
Четвертое. Когда должен проявиться эффект. Неделя, месяц, квартал, хотя бы какие-то ориентиры. Без горизонта любая метрика будет выглядеть либо слишком шумной, либо слишком медленной.
Пятое. Как мы поймем, что стало лучше. Нужна одна метрика успеха и одно ограничение, которое нельзя ухудшить. Иначе анализ быстро превращается в мы ускорились, но качество упало, зато скорость хорошая.
Эти пять уточнений не усложняют жизнь, они упрощают ее, потому что они не добавляют работу, они всего лишь отсекают лишнее.
HR-кейс: закрытие вакансий, которое не лечится средними значениями
Давай возьмем очень понятный пример - закрытие вакансий.
Обычно разговор начинается так: "У нас долго закрываются вакансии, заказчики недовольны, нужно что-то делать". Аналитик открывает отчеты и показывает среднее время закрытия, потом добавляет медиану, потом строит разрезы и сравнивает отделы / подразделения. И опа, он находит что у отдела ИТ - 72 дня, у отдела рабочих - 38 дней.
И тут начинаются объяснения в стиле: в отделе ИТ сложнее профиль, там рынок узкий, да и вообще ИТ рынок переплачен, а мы не можем / не хотим платить так много. А еще там меньше кандидатов, чем на рынке рабочих профессий, и заказчики там более требовательные. Понимаете, что продолжать можно долго.
Часть этих причин может быть правдой. И не просто может, это действительно правда, так на самом деле и есть в большинстве своем. Проблема не в том, что такие выводы ошибочные, проблема в том, что они плохо подходят для управления, потому что звучат в стиле "так получилось".
Если же у нас сформулировано решение, то задача меняется. Мы больше не смотрим на time-to-fill как на число, мы рассматриваем его как сумму этапов, потому что управлять можно только этапами.
Сколько времени ушло на поиск, сколько кандидат ожидал первого интервью с нанимающим менеджером после направления ему резюме, сколько рекрутер ждал обратную связь по кандидату, сколько длилось согласование оффера, сколько кандидат отвечал и т.д. и т.п.
И вот тут часто происходит озарение. Оказывается, что:
- процесс подбора съедает в разных отделах сопоставимое число времени;
- в ИТ почему-то дольше предоставляют нанимающие менеджеры обратную связь по кандидату;
- согласование дольше из-за дополнительных этапов, ведь в ИТ отделе финалисты согласуются высшим руководством.
То есть задержка живет там, где у компании есть рычаг воздействия, но никто не думал о нем как о рычаге, потому что все смотрели на итоговую метрику и пытались объяснить ее, вместо того чтобы разложить процесс и выбрать ту самую точку воздействия.
Когда ты видишь это, решение становится почти очевидным. Например, SLA на фидбек 48 часов, заранее согласованная вилка, календарные слоты для интервью, подготовленные шаблоны оффера.
И я здесь не про ускориться, я про то, что можно попробовать перестроить систему так, чтобы время меньше утекало.
И это то, что аналитика должна приносить бизнесу - не отчеты, их уже все в Excel табличках строят, а точки приложения усилий.
Вывод
Если вы открываете Excel раньше, чем сформулировали проблему, вы почти всегда делаете красивую работу, которая не создает решения.
И в этом есть ловушка, потому что красивая работа выглядит как прогресс. Но прогресс в аналитике измеряется не количеством графиков и не глубиной выгрузки. Прогресс измеряется тем, что после вашего анализа стало понятно, что делать дальше, где находится рычаг, и как мы проверим результат на горизонте, который имеет смысл.
Таблица не отвечает. Отвечает корректно поставленный вопрос.
Я регулярно разбираю такие темы в своём Telegram-канале, если вам интересно глубже понимать аналитику и работать с данными, там регулярно выходят короткие заметки и практические примеры.