.

Сделать репост в соц сети!

пятница, 28 июня 2013 г.

В Head-Hunting Big Data может быть не такой уж сложной задачей



Интервью с Ласло Боком (Laszlo Bock) вице –президентом по HR компании Google
In Head-Hunting, Big Data May Not Be Such a Big Deal для "Нью-Йорк Таймс"

Предисловие переводчика

Ключевым для понимания статьи является термин BigData или BigData в HR. Перед прочтением интервью рекомендую прочитать статью Джона Салливана Как Google стал №3 в списке самых дорогих компаний Мира, используя People Analytics. Статья про практики использования BigData в HR. Без этого многие вещи будут просто не понятны.
И еще рекомендую пройти мой семинар Аналитика для HR, где мы изучаем  часть инструментов, применяемых в Google. Кроме того, мы строим исследования, исходя из этой идеологии. Например, что касается темы лидерства, то мы практически во многом повторили путь Google, проведя исследование Мой непосредственный руководитель (см. также финальные результаты исследования Формула лидерства). И это говорит о том, что Big Data может быть не такой уж сложной задачей.
Также скажу, что перевод достаточно вольный: на перевод как всегда времени не хватает, поэтому некоторые незначимые фразы вообще опускал. Но гарантирую, что в целом смысл статьи и всех идей передается верно, Итак

В Head-Hunting Big Data может быть не такой уж сложной задачей

К. Как Big Data все больше и больше используются в лидерстве и менеджменте?

Л.Б. Вложения в Big Data не требуют больших инвестиций, поэтому венчурные компании с недавних пор стали вкладываться в это. Лидерство очень сложная проблема, неизмеримая проблема, но некоторые люди говорят: «Ну зато я смогу померять кусочек этого».
Часть вызова в лидерстве заключается в том, что лидерство определяется животными инстинктами – и, что хуже всего, каждый считает лидером и классным руководителем. Но реальность говорит, что очень немногие люди есть такие.
Несколько лет назад, мы провели исследование с целью определить лучших  руководителей Google в части подбора персонала. Мы просмотрели тысячи интервью, каждого, кто проводил интервью, то, как они оценивали кандидатов, и как, в конечном счете, кандидат впоследствии эффективно выполнял свою работу. Мы обнаружили нулевую взаимосвязь. Полная случайность… За исключением одного парня, который обладал предиктивными способностями в силу того, что интервьюировал людей в очень специфической области, где он был сам мировым лидером в экспертизе.

К. Что еще делается в этом направлении?

Л.Б. Я должен предварить свой ответ: когда мы имеем дело с данными относительно наших работников, мы относимся к таким данным очень уважительно. Мы всегда предлагаем выбрать опцию участвовать в опросах и исследованиях анонимно и конфиденциально. Урок для тех, кто собирается идти в этом направлении: вы должны достичь высокой планки доверия ваших сотрудников в том, как вы собираете эти данные и как вы их потом используете.
В Head-Hunting Big Data может быть не такой уж сложной задачей
Мы выяснили несколько интересных вещей:
  • Скольких кандидатов нам надо собеседовать на каждую позицию;
  • Кто лучший интервьюер в сравнении с другими;
  • Какие признаки / атрибуты являются предикторами успеха в Google.
Что касается лидерства, то у себя в компании мы смотрим, что делает людей успешными руководителями, и как мы можем культивировать это.
Мы также провели исследования командной работы и установили, что средний размер команды для любого направления работ в Google – около шести человек. Теперь мы пытаемся открыть для себя причины успешности команд. Что движет успешностью групп:


  • Типы людей команды?
  • Число людей в команде?
  • То, как они взаимодействуют между собой?
  • Что-то в динамике команды?
Мы не знаем, что собираемся откопать.


К. Какими еще выводами исследования Вы можете поделиться?

Л.Б. В области подбора персонала мы обнаружили, что решение интеллектуальных задачек на собеседовании – пустая трата времени.
  • Как много мячей для гольфа вы можете запихать в самолет?
  • Как много автозаправочных станций в Манхеттене?
Пустая трата времени. Эти задачки не предсказывают ничего. Они служат, в первую очередь, чтобы показать, какие умные интервьюеры сидят перед кандидатом.
Вместо этого, хорошо работает структурированное поведенческое интервью, где вы имеете четкую инструкцию, как оценивать людей, вместо того, чтобы просто «собирать информацию о кандидате».
Бихевиоральное интервью также работает – когда вы не задаете гипотетические вопросы, но начинаете беседу с вопросов типа «Приведите мне пример решения Вами тяжелой аналитической проблемы». Фишка такого подхода заключается в том, что во время бихевиорального интервью, когда вы просите рассказать об опыте и копаете вглубь, вы получаете два типа информации. Одна сторона – вы видите, как кандидат взаимодействует в реальной ситуации собеседования. Другая – вы получаете ценную «мета» информацию о том, что кандидат считает трудным.
В области лидерства мы пришли к выводу, что лидерство более неоднозначная, неопределенная, неструктурированная область в сравнении например в просто руководством, где список предикторов более понятен.
Что касается лидером, то мы обнаружили, что для сотрудников важно, что вы последовательны, честны, прозрачны в принятии решений, и это есть элемент предсказуемости / прогностичности. Если лидер последователен (consistent), люди в таких командах обладают огромной свободой, поскольку они в рамках своих полномочий могут делать все, что хотят.

К. А еще примеры?

Л.Б. Дважды в год менеджеры принимают участие в исследовании их квалификации. Мы называем это исследованием восходящей обратной связи (upward feedback survey). Мы собираем данные для каждого менеджера компании вне зависимости от позиции об эффективности их работы по 12-18 факторам. После чего мы делимся этим с менеджерами и впоследствии отслеживаем улучшения в целом по всей компании. За последние три года мы значительно увеличили качество человеческого менеджмента (people management) в Google, измеряемое в том, насколько счастливы люди со своими менеджерами.
Мы сделали так, что у нас непросто быть плохим менеджером. Если вы подойдете к кому-нибудь и скажите: «Послушай, ты человеческий менеджер в Google восьмого перцентиля. Это говорят люди». Он может ответить: «Знаете, я на самом деле лучше, чем эти цифры». И тогда вы ответите: «Это то, как вы чувствуете себя, но эти цифры – то, как люди говорят об опыте взаимодействия с вами».
Вам не надо делать больше ничего. Поскольку большинство людей изменяют свое поведение всего лишь под воздействием информации. Одно из приложений BigData дает людям факты и понимание того, что их процесс принятия решения не является идеальным. И это заставляет их менять свое поведение.


К. Что это за факторы, по которым менеджеры ранжируются?

Л. Б. Некоторые из этих факторов прямые и очевидные:
  • Менеджер относится ко мне с уважением;
  • Менеджер дает мне ясные и четкие цели;
  • Менеджер доносит информацию;
  • Менеджер честен и открыт для всей команды.
(Не могу удержаться и напомнить про исследование на сайте HRM - Формула лидерства. Мы по сути повторили аналогичные исследования Google)
Эти фундаментальные вещи, которые оказывается действительно важны в том, чтобы подчиненные чувствовали себя включенными и счастливыми и хотели бы «пройти для вас лишнюю милю» (go the extra mile for you).

К. Какие еще результаты исследований о работниках Google вы можете сообщить?

Л.Б. Одна из вещей в том, что G.P.A. (прим Э.Б., Grade Point Average – средний балл успеваемости в школе, колледже и т.п..) совершенно бесполезный критерий при отборе; и результаты тестов бессмысленны – нет корреляции, исключая выпускников колледжей нового типа (brand-new college), где есть слабая корреляция. Google активно использовал результаты G.P.A. и тестов (по логике статьи речь идет об образовательных тестах – прим Э.Б.), но мы не применяем их больше: мы поняли, что на их основе нельзя предсказать ничего.
Что интересно, доля людей без высшего образования выросла в Google за это время. Поэтому у нас есть команды, где до 14 % людей, которые не учились в колледжах.

К. Вы можете пояснить немного больше про отсутствие корреляции?

Л.Б. После двух трех лет работы в Google ваши компетенции (ability) выполнять успешно работу становятся совершенно другими в сравнении с теми компетенциями, что вы имели в школе, поскольку требования к успешности там совершенно отличны от наших. И вы – другой человек. Вы учитесь и растете, вы думаете о вещах совершенно по-другому.
Другая причина в том, что, как мне кажется, академическая среда – искусственная среда. Люди, успешные в той среде, затачивают свои навыки под ту среду. Одно из моих сильнейших разочарований состоит в том, что будучи в институте, я знал профессора, который искал ответ на очевидный и конкретный вопрос. Вы можете ответить на этот вопрос, но гораздо более интересно решать проблемы, где нет очевидных ответов. Вы хотите работать с теми людьми, которые любят решать задачи без очевидных ответов.

К. Ваши прогнозы, как будет использоваться BigData в будущем?

Л.Б. Когда вы начинаете развиваться в данном направлении, BigData – когда это касается лидерства – показывает 10 универсальных вещей, которые мы все должны делать. Но есть также вещи, которые специфичны только для вашей организации, люди и уникальные ситуации для данного момента времени. Я думаю, что это всегда будет ограничением для BigData, поскольку всегда требует человеческого осмысления и понимания (human insight).
В терминах лидерства, успех очень зависит от контекста. Что работает в Google или G.E., или Goldman Sachs – не есть универсальное правило для всех компаний. Я не думаю, что мы когда-нибудь сможем заменить человеческое суждение, человеческое вдохновение и креативность, поскольку мы можем задавать вопросы в BigData только подразумевающие ответы типа «OK», а так разговаривает только машина. Это точно то, что мы хотим получить? Разве это правильно?
In Head-Hunting, Big Data May Not Be Such a Big Deal





10 комментариев:

  1. Нетривиальные вещи для нашей дейстивтельности, а как просто! )))
    Вот бы опыт Google к нам, а? Даже крупные корпорации с российским менеджментом сильно отстают...

    ОтветитьУдалить
    Ответы
    1. не знаю, чему больше удивляться: тому, что просто, или тому, что нетривиально для нас..

      Удалить
  2. грядет великое будущее! :)

    ОтветитьУдалить
  3. Удивительно, но опыт и статистика гугла подтверждает некоторые "смутные сомнения" в эффективности ряда инструментов оценки при отборе, сомнения, возникшие в процессе работы с ранее отобранными кандидатами. Так и хочется сказать "а я знал!.." Но честнее будет "а я догадывался!". Отличное интервью, спасибо за перевод!

    ОтветитьУдалить
    Ответы
    1. фишка в том, что Hr должен выходить на уровень профессионализма и обосновывать свои решения математически: как в экономике, как в маркетинге, как в разработке софта
      “All people decisions at Google are based on data and analytics”

      Удалить
  4. Эдуард, категорически согласен! Это как раз та сфера, где таки "можно алгеброй гармонию поверить". Другое дело, что в нашей профессии это, как правило, не очень распространено и мы это не очень умеем. Но потихоньку учимся. В том числе и благодаря Вам, и Л.Боку и другим энтузиастам и практикам, которые показывают, что подход есть и он полезен))

    ОтветитьУдалить
  5. Отличная статья!
    Особенно понравилось, что в Google не стесняются признавать ошибки. Дескать инструмент попробовали, посчитали проанализировали и отказались если не работает.
    Эдакая внутрикорпоративная рефлексия))
    И не каких вам "Меня ТАК учили" или "Я ТАК уже 20 лет делаю и дальше делать буду"))

    ОтветитьУдалить
    Ответы
    1. Эдуард, я надеюсь, что Елена Елизарова будет нечто подобное делать в Вашей компании)
      цепляйтесь к ней)

      Удалить
  6. есть также вещи, которые специфичны только для вашей организации, люди и уникальные ситуации для данного момента времени. Я думаю, что это всегда будет ограничением для BigData, поскольку всегда требует человеческого осмысления и понимания (human insight).
    В терминах лидерства, успех очень зависит от контекста. Что работает в Google или G.E., или Goldman Sachs – не есть универсальное правило для всех компаний. Я не думаю, что мы когда-нибудь сможем заменить человеческое суждение, человеческое вдохновение и креативность, поскольку мы можем задавать вопросы в BigData только подразумевающие ответы типа «OK», а так разговаривает только машина. Это точно то, что мы хотим получить? Разве это правильно?

    ОтветитьУдалить
    Ответы
    1. Задача BigData в том, чтобы определить границы, за которые они - Большие Данные - никогда не смогут ступить

      Удалить