4 рекомендации для начинающих HR аналитиков

HR специалисты в компании довольно часто сталкиваются с необходимостью завоевать авторитет и доказать ключевым стейкхолдерам, включая топ-менеджеров и менеджеров среднего звена, важность своей работы. Одной из причин того, что это приходится делать, зачастую является неспособность представить предложения по развитию, основанные на конкретных данных и нацеленных на конкретные цели бизнеса. Это легко исправимо с помощью развития аналитического потенциала управления персоналом.

И, однако, несмотря на то, что многие компании начали активно инвестировать в аналитику больших данных, успешных историй непосредственного применения аналитики в управлении персоналом не так уж и много. В чем загадка, и как убедиться, что ваша компания готова к такому нововведению?

Безусловно, найти применение такому полезным и такому популярному в современном бизнесе ресурсу как большие данные, хочется не только в отношение понимания поведения клиентов, но и для управления персоналом – ключевыми стейкхолдерами вашей компании. HR аналитика – относительный “новичок” в океане анализа больших данных, и для того, чтобы плавание было успешным, есть смысл поучиться на уроках тех, кто применял эту технологию к изучению клиентов.

Барт Бэзенс, Софи Де Винн и Люк Селс в статье Is Your Company Ready for HR Analytics? (Готова ли ваша компания к HR аналитике?) предлагают обратить внимание на четыре таких рекомендации, которые исследователи выделили на основе своего опыта в консультировании компаний в области анализа больших данных о клиентах. Эти четыре урока могут успешно применяться и для HR аналитики, помогая избежать многих досадных ошибок.


Рекомендация 1: Важность создания, измерения и отслеживания динамики взаимосвязей в своей команде сотрудников.
Основываясь на опыте работы с анализом больших данных о клиентах, можно с уверенностью заявить, что много важных выводов можно сделать из анализа связей между клиентами – к примеру, социальные связи, покупки у одних и тех же компаний, обладание дисконтными картами и т.п. могут спрогнозировать многие аспекты коллективного поведения клиентов, такие как реакция на маркетинговые ходы, попытки мошенничества и уход клиентов. Так почему же не использовать эти же принципы и приемы в сфере HR? Сотрудники в аналитике могут быть представлены как звенья большой сети, связанные, например, участием в одних и тех же проектах, электронной перепиской, похожестью навыков и талантов… Такой анализ может применяться, например, для понимания того, насколько легко будет войти в коллектив новым сотрудникам; для вычисления оптимального состава коллектива с точки зрения производительности; для анализа бизнес- и социальных последствий увольнения определенных сотрудников на весь коллектив (так можно предотвратить “вирусные увольнения” или утечку талантов). Например, если сотрудник является неформальным лидером, и его влияние на других очень сильное, к его увольнению нужно подходить очень аккуратно, с тем чтобы избежать функционального отделения важных частей команды.

Рекомендация 2: Понимание того, что большие данные и их аналитика не могут совершить чуда.
Соответственно, и ожидания от них должны быть адекватными. Несмотря на всю полезность этой технологии, большие данные – не панацея, и не дадут ответ на все важные и серьезные вопросы HR стратегии. Важно также понимать, что особенно в сфере управления персоналом результаты анализа больших данных и аналитическая модель HR устаревают практически сразу после их введения, поскольку так много аспектов, влияющих на эти компоненты, находятся в состоянии постоянного изменения – стратегия компании, портфолио сотрудников, макроэкономическое окружение. Поэтому HR аналитик должен понимать, что все результаты, полученные с помощью применяемой аналитической модели, должны постоянно подвергаться обработке, правке, критической оценке, рефлексии. Например, если в результате анализа больших данных становится ясно, что политика найма персонала в компании не очень эффективна, необходима дальнейшая рефлексия для оценки, что именно идет не так – слишком высока планка? неверные критерии отбора? не те источники поиска кандидатов? наконец, неидеальная процедура собеседования? Все серьезные и неожиданные результаты аналитики больших данных есть смысл оценивать пристрастно и детально, и для этого HR специалист должен одновременно быть профессиональным и не предвзятым.

Рекомендация 3: Аналитические HR модели должны не только представлять статистические результаты, но и давать новые возможности для роста вашего бизнеса.
Для новичков в анализе больших данных типично увлечение статистикой и чересчур сложными аналитическими моделями. Конечно, статистика важна, однако аналитические HR модели могут дать намного больше. Хорошая модель должна быть легко интерпретируема и соблюдать требования закона. Интерпретируемость важна для того, чтобы с легкостью объяснить принимаемые на основе аналитики решения в области HR всем заинтересованным сторонам. Что касается законности, то аналитические модели в HR должны соответствовать принципам этики, охраны личной информации и тому подобным требованиям.

Рекомендация 4: Тестирование аналитических HR моделей в ретроспективе. Жизненный цикл модели в HR аналитике длится примерно столько же, сколько и у модели анализа клиентов. При этом, принимая во внимание важность влияния HR решений на компанию и сотрудников, аналитические модели HR должны постоянно подвергаться ретроспективному анализу, при котором прогнозы сопоставляются с реальностью, с тем чтобы немедленно заметить возможное снижение производительности команды. Например, если дело касается найма персонала, необходимо постоянно отслеживать как то, какие каналы рекрутинга поставляют подходящих кандидатов на данный момент, так и то, благодаря каким каналам были наняты лучшие сотрудники в прошлом.

При следовании этим несложным урокам инвестиции в HR аналитику вашей компании обязательно окупятся и приведут к положительным трансформациям.