BigData в HR: зачем это нужно и что означает

не удержался и копирую статью со своего сайта. Некоторые мысли как будто у меня украдены...

Например про то, что не надо городить супер навороченных систем.. Начните с проблем, решайте их через excel, потом придет понимание архитектуры Big Data...

Итак

BigData в HR: зачем это нужно и что означает

В последнее время все чаще заходят разговоры о BigData. Поскольку компании переносят свои основные системы в «облако», то все больше данных, связанных с людьми, становятся доступными. Вcе это в сочетании со смещением фокуса на BigData в секторе высоких технологий, приводит к концентрации на принятии решений, основанных на данных.

Почему аналитика приходит в HR

Эволюция аналитики выглядит так, как это представлено на рисунке ниже. Когда компании начали индустриализировать свои производства, они в итоге приобрели программное обеспечение ERP и разработали цепочки поставок и финансовую аналитику.

В 1970-х и 1980-х годах компании начали индустриализировать потребительский маркетинг, и мы стали уделять особое внимание «рынку одного». Это привело к огромным взрывам в сфере CRM и системам анализа продаж, которые сегодня превратились в огромную индустрию в сегментах потребительского рынка и маркетинговой аналитики.

Теперь, с учетом глобальной рецессии и дисбаланса талантов в мире, компании сосредоточились на замене устаревших систем HR, чтобы начать применять аналитические методы анализа в HR и сфере управления талантами. Как показывает график, на каждом из этих этапов эволюции мы начали с отчетности и основных понятий, а затем перешли к прогнозной аналитике. Это то, что происходит в HR.

Рис. 1. Неизбежные изменения в HR

Рынок инструментов

По большей части этот сдвиг связан с появлением новых инструментов. Сегодня почти каждый крупный вендор HR-софта (Oracle, SAP, ADP, Ceridian, Workday, а также компании, специализирующиеся на конкретных инструментах типа SumTotal, Cornerstone, Lumesse, Silkroad, Ultimate и с ними сотни других) выстраивают и покупают целые HR-комплекты, очень похожие на эволюцию маркетинга клиентских отношений. Следующим важным шагом для этих поставщиков будет запуск инструментов, помогающих анализировать и сегментировать данные.

Сегодня Oracle (OBIA), SAP (Workforce Intelligence), Workday (Big Вata Analytics) и Sum Total запустили крупные интегрированные системы HR-аналитики. Mercer имеет свои собственные решения, также поставляют удивительные аналитические системы ряд небольших вендоров (например, Visier).

Система Fusion HCM от Oracle даже имеет инструмент прогнозной аналитики, который способен вычислить потенциальные проблемы в развитии талантов. Продукт от SAP, разрабатываемый в течение многих лет, делает то же самое.

Эти инструменты, которые ориентированы на удовлетворение потребностей HR и менеджеров, справляются с большой нагрузкой: анализируют сотни стандартных отчетов, которые необходимы HR-менеджерам, а также собирают данные, не относящиеся к HR для наблюдения за производственными показателями, связанными с персоналом.

ИТ-департаментам сегодня приходится изучать различные аналитические инструменты (такие компании, как Platfora, Splunk и десятки других), которые работают с открытыми источниками информации параллельных систем вроде Hadoop и MapReduce, чтобы помочь объединить внутренние бизнес-данные с социальными, локальными и многими другими источниками.

Рынок консалтинга

Наряду с тем, что аналитика данных становится междисциплинарной проблемой, наблюдается также огромный рост предложений в сфере консалтинга на этом рынке. Mercer, например, запустила обучающую платформу (набор инструментов на основе MicroStrategy), Deloitte имеет большую практику в аналитике данных по всем бизнес-функциям, а IBM собирает вместе широкий спектр аналитических сервисов (системы Cognos и SPSS, оба набора инструментов в настоящее время продаются IBM). Появление большого количества инструментов сигнализирует о том, что можно ожидать еще много консалтинговых проектов, помогающих двигаться дальше в этом направлении.

Лично я считаю, что BigData и аналитика талантов в компании будут стимулировать развитие рынка консалтинга в течение следующих нескольких лет. Несмотря на поразительный набор инструментов, доступный сегодня, серьезной проблемой остаются процесс и опыт. Многие крупные IT-проекты хранения данных неудачные, просто потому, что предлагают слишком сложные процессы. Я бы порекомендовал поработать с опытным консультантом, прежде чем что-либо делать самому. Многие компании получают специальные знания, используя внутренние ресурсы, но когда проблема серьезная, то лучше обращаться к экспертам.

Говоря о таких системах, я провожу параллель со строительством домом или офисных зданий. Несмотря на наличие необходимых инструментов, проект будет удачен или провален в зависимости от знаний и опыта архитектора, генерального подрядчика и других специалистов. То же самое и в нашем случае. Вам нужен человек с опытом построения хранилищ данных.

Итог всему написанному выше: настало время для применения BigData (также известной как HR-аналитика и аналитика талантов), чтобы стремительно развиваться в ближайшие несколько лет.

Статус HR в организациях

Большинство HR- команд сегодня не готовы к очередной ступени в эволюции. Наше собственное исследование показывает, что только 6% HR-департаментов считают, что они отлично разбираются в аналитике и более 60% признаются, что они имеют недостаточно знаний. В ближайшие несколько лет многие крупные компании в эту область будут инвестировать значительные средства, можно ожидать больших отдач от потраченных усилий.

Мы только начинаем запускать совершенно новую предметную область исследования HR-аналитики и измерений и уже существует много инструментов, отчетов и знаний, которыми можно делиться.

Мы обнаружили некоторыми ключевые факты, связанные с тем, как компании будут осваивать этот рынок в 2013 году. Вот три лучшие практики, обнаруженные нами путем проведения десятков интервью и сбора данных в 2012 году.

1. Начните с проблемы, а не с данных.

Мы все погрязли в данных: данных о сотрудниках, данных о местоположении, социальных данных, данных по компенсациям и многих других. Если вы только запускаете аналитический проект, собирая все данные, которые находите, то вам никогда не удастся завершить этот процесс до конца.

Вместо этого вам следует начать с проблемы: какие важные решения вы хотели бы быть в состоянии принять? Какие проблемы хотели бы решить?

Одной из общих проблем, например, являются эффективные продажи. Какие факторы способствуют высокой производительности менеджеров по продажам? Каждая компания хотела бы это понять. И если вы понимаете, что вам нужно, то как привлекаете и нанимаете людей? Другие могут задуматься об оборотах. Какие факторы способствуют высоким оборотам в компании и в конкретных рабочих группах?

Ответы на эти вопросы стоят миллионы долларов. Одна компания, с которой мне недавно приходилось иметь дело, развивала модель прогнозной аналитики для повышения оборота продаж в ресторанах. Использует ли она Hadoop или параллельные базы данных? Нет, они применяют Excel. Зато у них есть хорошая статистика, с которой работает старший менеджер. Из нее компания вытаскивает все возможные элементы данных, которые помогают отвечать на проблемные вопросы.

Будьте осторожны, не начинайте проект, только исходя из полученных данных. Это приводит к трате больших сумм денег на построение систем, которые возвращаются лишь частично.

Со временем ваша аналитическая платформа будет расти, и модель BigData описывает, как это происходит. Сначала сосредоточьтесь на одной или двух ключевых проблемах, чтобы вы смогли развить навыки для измерения.

2. Фильтрация данных и создание словаря данных может составлять 80% работы.

Экс-исследователь данных в Google DJ Patil написал в своей работе «Данные джиу-джитсу» (Data Jujitsu), что 80% данных в научных проектах приходится чистить. В нашем бизнесе мы чистим много данных, и я бы сказал, что в этом кропотливом деле много полезного. Не профильтрованные данные при любом анализе могут вводить в заблуждение.

Большинство HR-данных сильно «засорены». Поля заполняются неправильно, информация дублируется, устаревает, появляется много противоречивых данных. Для вас одной из самых сложных задач станет четкое определение того, что значат эти различные элементы данных (это называется создание словаря данных).

Как вы хотите, например, определить «текучесть персонала»? Учитывали бы вы людей, которые включились в команду менее шести месяцев назад? А как учитывать тех, кто работает неполный рабочий день? Что сказать о людях, которые оставили компанию в последний день года?

Эти подробности могут резко изменить то, о чем говорит анализ данный. Таким образом основная часть программы аналитики талантов заключается в определении самих данных, а также в объединении этих определений из различных HR-функций.

Кстати, наше исследование также показывает, что создание словаря данных является межотраслевым проектом. Вам нужно будет получить доступ к данным, которые включают основные HR-данные (дату найма, возраст, опыт, информацию об образовании), данные по рекрутингу (оценка до найма, интервью), данные о производительности (рейтинги, распределение работы), данные по обучению (завершение программ, сертификация, оценки) и данные по лидерству (лидерские качества, ассессмент). А в некоторых самых мощных анализах вы сможете получить доступ к другой информации и бизнес-данным.

Как отмечает DJ Patil (и это знают наиболее опытные аналитики данных), без чистых и интегрированных данных анализ может быть затруднен. Несмотря на то, что существует много действующих инструментов, которые позволяют очистить данные, в конечном счете этот процесс все равно управляется людьми.

3. HR-аналитики не должны быть программистами.

Венчурный капитал и технологическое сообщество нацелены на новые инструменты. (Hadoop, MapReduce и огромное количество новых масштабируемых инструментов.) Этим мощным инструментам требуются люди, обладающие специфическими знаниями в компьютерной науке (часто их называют исследователи данных). И сейчас многие только и говорят о том, как не хватает исследователей данных.

В случае с HR-аналитиками вы не столкнетесь с такой проблемой. Большинство проектов по HR-аналитике могут управляться в традиционных реляционных базах данных или Excel. Если у вас есть отфильтрованные и хорошо организованные данные, объемы работы будут небольшими. Таким образом в основном компаниям необходимы хорошие специалисты по статистике и аналитики. И если вам действительно требуется инфраструктура BigData, то вы можете отдать ее на аутсорс.

Как я уже говорил многим специалистам в течение последних нескольких месяцев, у них есть большой ресурс аналитиков в своей сфере: это люди, которые обучались индустриальной и организационной психологии. Психологов обучают статистике, тестированию и критическому мышлению. Важнейший практический навык, который необходим, – это любопытство.

Аналитики должны быть любопытными

На одной из презентаций Nokia на конференции Strata (Breeding Data Scientists) говорится о важнейшем навыке аналитиков – «любопытстве». Я заметил, насколько это качество важно и в нашем бизнесе. Конечно, вам нужны люди, которые знают математику и статистику. Но то, что действительно помогает аналитикам, - это любопытство, тяга к исследованиям и способность «смотреть еще ··раз» на то, что может произойти.

Рис. 2. Прогнозы Nokia в отношении необходимых знаний о данных

Любопытство – это то, что принесет вам великие решения и модели. Анализ данных – повторяющийся процесс, во время которого один вопрос приводит к ответу, подразумевающему в свою очередь следующий вопрос. Если у вас нет постоянно желания все глубже и глубже погружаться в процесс, то не имеет значения, насколько хорошо вы знаете математику.

BigData и аналитика изменят HR

Нет никаких сомнений в том, что в ближайшие годы HR начнет по-настоящему заниматься аналитикой. В HR все будет так же, как и в маркетинге, финансах и логистике, которые сегодня полагаются на аналитику.

Наше исследование показывает, что дорогие проекты BigData в области HR не являются системами «HR-аналитики». Они представляют собой аналитические проекты, стимулируемыми бизнесом, которые основаны на эволюционирующем комплексе инфраструктуры, разрастающейся с течением времени.

Не позволяйте инструментам управлять вашей программой. Самую сложную работу выполняют люди, они же приносят и самые ценные результаты: вопросы, которые вы задаете; люди, которых вы нанимаете; процессы, которые вы используете.

BigData in HR: Why it's Here and What it Means