Большие Данные в HR: Мир имущих и неимущих

Очередная статья Джоша Берзина с сайта forbes.com.
У меня двойственные чувства к статье: сколько не говори слово "халва", слаще не становится. Или я не прав? Хочется уже чего-то гораздо больше, чем просто рассказ, что вот где-то все хорошо, а у нас все плохо..... А если Bigdata так хорошо, то почему (согласно данным исследования) это внедрено только у 14 % компаний? Или дело только в том, что старые менеджеры сопротивляются научным подходам? А если не только в старых менеджерах, то в чем еще? Очень хотелось бы получать не банальные цифры - 14 %, а каузальный анализ ситуации на рынке. Т.е. примените, Джош Берзин, BigData в исследовании BigData.
Если не пропало желание читать после такого вступления, то

Большие Данные в HR: Мир имущих и неимущих

Я уже писал много раз о датификации (от англ. Datafication) в HR и Больших данных в HR, где показывал огромные возможности компаний в использовании данных управления персоналом для улучшения операционных показателей деятельности.
На этой неделе мы представили наше исследование в этой сфере за последние два года: более чем 60 % инвестируют в BigData и инструменты аналитики, чтобы сделать принятие решений в HR департаменте основанными на цифрах. Сегодня существует пропасть между «имущими» и «не имущими».

Пропасть между Лидерами Аналитики и остальными

Используя нашу модель исследования (в котором приняли участие более 480 крупных

компаний), мы обнаружили только 4 % компаний, которые добились возможности создавать предиктивные аналитики в hr-процессах (к предиктивным аналитикам мы относим понимание драйверов эффективности деятельности и удержания персонала, использование статистики для понимания, кого нанимать, анализ, как оплата коррелирует с эффективностью деятельности и т.п..). И только 14 % делали глубокий статистический анализ данных департамента управления персоналом.
Что делают остальные? Делают отчеты. Остальные 84 % компаний находятся по ту сторону пропасти, создавая стандартные формы отчетности и поставляя стандартные формы операционных метрик.

Лидеры Аналитики получают огромную отдачу от инвестиций

Наше исследование показало, что их тяжелая работа по ведению аналитики дает отдачу: рост акций этих компаний на 30 % выше, чем у S&P 500, эти компании имеют двое более высокую отдачу от рекрутинговых акций, их каналы найма лидеров в 2,5 эффективнее.
Кроме того, эти HR команды в среднем оцениваются в четыре раза выше своими коллегами за использование инструментов, позволяющих влиять на бизнес.

Talent Analytics гораздо больше, чем просто инструменты Big Data и Статистика

Исследование также показало, что хотя инструменты очень важны, но лидеры направления также инвестируют в другие вещи:

• управление данными, которое обеспечивает необходимое качество данных;
• бизнес – консультирование, позволяющее сфокусироваться на действительно важных проблемах;
• выстраивание связей с финансовыми и операциональными аналитиками;
• визуализация данных и коммуникативные навыки.
• Это критичные навыки в дополнение к статистике, данным и математике.

В самом деле, большинство HR команд рассказали нам, что они достаточно легко могли найти статистика (индустриальные и организационные психологи изучают статистику), но они потратили много времени, чтобы найти проджект менеджера, который бы смог объединить «данные» и «бизнес», людей, который бы смог перевести «результаты» в программы или решения, оказывающие влияния на бизнес решения.
Функционально, высоко организованная команда аналитиков имеет междисциплинарные навыки. Это включает понимание бизнеса, навыки консультирования, визуализация данных, статистика, управление данными, влияние на руководство. Команда аналитиков не только диагностирует и решает бизнес проблемы, но часто противостоит руководству, а это несет новости и сюрпризы.
Один из главных вызовов аналитики BigData HR в компании в том, что она заставляет менять поведение менеджеров, после того, как они начинают принимать решение на основе данных. Многие менеджеры имеют многолетний «опыт» и «систему принципов и убеждений», которые не позволяют им принять использование методов BigData в работе.

Пример: оплата как фактор повышения эффективности

Разрешите привести мне пример из нашего исследования. Одна компания изучала влияние повышения зарплаты на текучесть персонала и удержание. Их традиционный подход базировался на принципах нормального распределения в оплате: наиболее эффективные получают чуть больше, чем исполнители на вторых ролях, эти, в свою очередь, чуть больше, чем следующая группа и т.д…

«Оказывается, как показали многие наши другие исследования, кривая этого «нормального распределения» большая ошибка. Что показало исследование, так это то, что работники второго и третьего квинтиля (квинтиль – пятая часть распределения, имеются ввиду работники среднего уровня, не «звезды») готовы продолжать работать в компании даже в случае получения ими зарплаты в размере 91 % от средней. Следовательно, им просто переплачивали.
С другой стороны, высоклассные исполнители покидали компанию, если их оплата не дотягивала до уровня 115-120 % от средней.

Как известно многим менеджерам, высококлассные исполнители показывают значительно более высокие результаты в сравнении со средними менеджерами, поэтому такая практика оплаты является средством удержания их в компании.
В нашем примере результаты исследования не решили проблему. Даже после презентации результатов менеджеры продолжали держать прежнюю систему оплаты труда (система убеждений отмирает тяжело, и менеджеры не особенно любят шевелиться). И в компании должны были развернуть обучающую программу, показывающую принципы и преимущества системы оплаты на основе полученных результатов взамен традиционному менеджерскому мышлению.

Только 14 % компаний получают пользу

И таких примеров вагон и маленькая тележка. Мы знаем десятки случаев, когда компании использовали научные подходы и получали отдачу. К сожалению, большинство компаний не инвестируют в эту область и не получают подобных результатов.

Резюме

Война за данные началась.
Big Data in Human Resources: A World of Haves And Have-Nots