Влияние каналов привлечения (источников трафика) кандидатов на текучесть персонала

Продолжаю подводить предварительные результаты анализа исследование факторов текучести персонала (по ссылке наш опрос, приглашаю поучаствовать вас самих и пригласить ваших коллег и знакомых, что сделает результаты более надежными и валидными).

Ранее я уже сделал два поста:

• Влияние отношений с руководителем на текучесть персонала
• Главный аргумент в пользу рекомендательного рекрутинга иликак управлять текучестью персонала

Сейчас я хочу показать взаимосвязь источников трафика (или каналов привлечения) кандидатов и показателей текучести персонала.

Оцените ценность данной задачи: текучестью можно управлять на этапе подбора. Зная показатели каждого канала, мы можем развивать наиболее эффективные каналы / источники и предсказывать как стаж конкретного кандидата, так и потребности персонала на текущий период (естественно, не только на основе только фактора канал привлечения / источник трафика).

Если вам неинтересна статистика и вычисления, то переходите сразу к выводам внизу.

Итак

На момент анализа в исследовании приняло участие 900 респондентов. В опросе были заложены такие каналы привлечения / источники трафика кандидатов:

В правой колонке сразу обозначение в программе

Знакомые	friend	259	29,2%
Социальные сети	sm	30	3,4%
Джоб сайты	jobsites	261	29,4%
Объявление в газете	paper	41	4,6%
Раздел Вакансии компании (карьерный портал)	cariersite	29	3,3%
Работодатель сам вышел на Вас	direct	156	17,6%
Вы обратились непосредственно в саму компанию (отдел кадров и т.п.)	self_direct	52	5,9%
Кадровое агентство	KA	32	3,6%
Центр занятости	Center_job	5	0,6%
другое	etc	23	2,6%

Из рассмотрения сразу исключу поинт «Центр занятости» и «Другое» - мало наблюдений (Вопрос спорный, но я не хочу просто раздувать обсуждение).

Выбор контрольной группы в программе R при использовании категориальных переменных в регрессионном анализе

При использовании категориальных переменных в регрессионном анализе исследователю бывает важно задать контрольную группу самостоятельно.
Пост - инструментальная подсказка для тех, кто пользуется R. В качестве кейса беру результаты нашего опроса по исследованию факторов текучести персонала (поучаствуйте заодно). В качестве независимой категориальной переменной я беру источники трафика подбора персонала (через какие каналы кандидаты узнали о вакансии).

Знакомые	friend
Социальные сети	sm
Джоб сайты	jobsites
Объявление в газете	paper
Раздел Вакансии компании (карьерный портал)	cariersite
Работодатель сам вышел на Вас	direct
Вы обратились непосредственно в саму компанию (отдел кадров и т.п.)	self_direct
Кадровое агентство	KA
Центр занятости	Center_job
другое	etc

В R по умолчанию контрольная группа задается первой в алфавитном порядке, т.е. если у вас "арбузы", "апельсины", "мандарины", то по умолчанию контрольной группой будет "апельсины".

Влияние отношений с руководителем на текучесть персонала

Продолжаю давать предварительные результаты исследования Ключевые факторы удержания и текучести персонала (исследование активно - участвуйте сами и приглашайте поучаствовать своих коллег и знакомых!).
Сегодня решил показать взаимосвязь отношений с руководителем и текучестью персонала. Напомню, что западные исследования утверждают:

Среди подчиненных, кто работают с лучшими руководителями, текучесть в 6 раз меньше, чем среди подчиненных, работающих с худшими руководителями.

Наша задача чуть скромнее, я хочу показать взаимосвязь между различными поведенческими индикаторы, характеризующими отношения руководителя и подчиненного. С другой стороны, мы не показываем, насколько дольше работают с лучшими руководителями (но обещаю показать после завершения исследований), зато вы можете видеть, на каком этапе работы с подчиненным, какие действия важны. Эти поведенческие индикаторы выражены в вопросах:

• Насколько широко Ваш руководитель делегировал Вам полномочия при выполнении работы?
• Критиковал ли Вас руководитель в присутствии других?
• Благодарил ли Вас Ваш руководитель за достижения?
• Общались ли Вы со своим руководителем на нерабочие вопросы?
• Проявлял ли Ваш руководитель заботу о Вашем развитии?

Время работы с руководителем измерялось у нас по такой шкале (даю заранее, поскольку эта шкала будет фигурировать во всех пунктах далее)

• менее 0, 5 года
• 0,5 - 1 год
• 1 - 1,5 лет
• 1,5 - 2 года
• 2 - 2,5 года
• 2,5 - 3 года
• более 3 лет

Киев, 20-21 февраля.

У меня был запланирован семинар Аналитика для HR на 20-21 февраля в Киеве. Но после обеда участницы не выдержали и сказали, что лучше прекратить семинар: прошла информация про штурм Майдана, что закрыли мосты и т.п...
В общем отменили. Поэтому я поехал на Майдан. Даю два видео
Первое видео - с улицы Грушевского, где протестующие строили баррикады. Это самый передний край обороны.

Второе - с Майдана Незалежности, пожалуй, самая популярная песня на Майдане

В Киевской мэрии

Кейс по оценке эффективности обучения (половинчатый и бестолковый как большая часть практических кейсов)

Для внутренних T&D кейс может показаться не под их задачи, хотя, уверен, что во внутреннем T&D есть большой кластер задач, который имеет аналогичное решение. Когда я был HR, я постоянно сталкивался с подобными задачами. Почему половинчатый и бестолковый - позже.

Кейс

Сегодня проводили вебинар Алексея Королькова Автоматизация деятельности корпоративного учебного центра с помощью системы WebTutor. Анонс вебинара был размещен загодя, еще в декабре. На вебинар зарегистрировалось 146 человек, пришло 68 из записавшихся. 

Отсюда следует задача: что можно сделать, чтобы приходило больше?

Одна из гипотез (даже скорее области проблемных вопросов): на посещаемость вебинара влияет промежуток времени, за который до начала вебинара зарегистрировался участник (ибо те, кто зарегистрировался заранее, уже остывают и теряют актуальность). И зная некую критическую дату, давать рекламу вебинара, которое обеспечит, во - первых, максимальный приток участников, во -вторых, максимальную конверсию. 

Реальная бизнес задача? Ок.

Решение

Ключевой показатель текучести

Просто пока в качестве фантазии.
Задумался над тем, почему в качестве показателя текучести персонала используют уровень увольнений (берем количество увольнений, делим на среднесписочный состав работников, умножаем на  100), а не медианное значение стажа работников?
У меня нет особых аналитических аргументов, кроме разве того, что текучесть персонала в виде стажа гораздо более информативный показатель он - лайн, чем коэффициент текучести (ну т.е. нам не нужно ждать окончание планового периода, чтобы считать текучесть, например, за квартал, у нас всегда актуальные показатели медианных значений).
И сами показатели выборки работников по стажу более информативны: мы видим распределение, мы понимаем, каковы критичные границы работников по каждой позиции и т.п..
И в аналитике показатель медианного значения стажа более удобен. Если вы понимаете, то посмотрите исследование факторов текучести персонала - оно как раз заточено не на % увольнений, а на показатели стажа работников.
Если у вас в компании измеряют стаж, а не уровень увольнений, поделитесь преимуществами и недостатками.
ПыСы. Пока фиксирую, со временем попробую аналитически обосновать позицию

Внедрение продвинутых hr-аналитик: почему это важно для финансовых директоров

Интервью с Karen O’Leonard, вице – президентом Bersin by Deloitte (со статьями Джоша Берзина

вы часто в этом блоге знакомились, Карен – его сотрудница), руководителем направления бенчмаркинга и исследований. Обсуждаются результаты исследования, бизнес ценность продвинутых hr – аналитик, и как финансовые директора могут использовать возможности hr-аналитик в целях повышения прибыли компании.

Внедрение продвинутых hr-аналитик: почему это важно для финансовых директоров.

Согласно исследованиям Bersin by Deloitte, все больше компаний внедряют Аналитики талантов (или проще: hr-аналитики). В исследовании приняло 436 североамериканских компаний. Hr-аналитики помогают достичь бизнес целей источников трафика лидеров, снижения затрат на персонал, увеличение эффективности, текучести и удержания персонала. Более того, цены на акции компаний со зрелой hr-аналитикой опережал рост S&P 500 (фондовый индекс, отражающий цены на акции 500 самых дорогих компаний) в среднем на 30 % за последние три года (Здесь я все-таки сделаю ремарку о том, что эти данные показывают связь между развитием hr-аналитики и ростом цен, но никак не причинно-следственные отношения. Развитие hr-аналитик также может быть следствием некоторых других причин – прим. Э.Б.).

Главный аргумент в пользу рекомендательного рекрутинга или как управлять текучестью персонала

Желание проверить эту гипотезу возникло примерно 1,5 года назад, когда многоуважаемый мной Raghav Singh опубликовал исследования рекомендательного рекрутинга (см. Рекомендательный рекрутинг – это вообще рекрутинг?).
Посмотрите на эту диаграмму. Главная мысль исследования содержится, на мой взгляд, в этой картинке: рекомендательный рекрутинг это не модная фишка, не замануха гуру от рекрутинга, не облегчение жизни внутренним рекрутерам и даже не еще один источник трафика кандидатов, а подход в рамках интегрированного управления талантов.
Т.е, если совсем по простому, то подбор персонала через рекомендательный рекрутинг влияет не только на первичные показатели рекрутинга (скорость и качество закрытия вакансии), но и на более отдаленные показатели, такие как текучесть персонала.
Если говорить о содержательной стороне вопроса, то интерпретация на поверхности:

1. рекомендатели сообщают кандидату о том, что их ждет (в то время, как рекрутер склонен преукрашивать действительность, и кандидат часто имеет некоторые иллюзии после собеседования);
2. рекомендатель выступает в качестве неформального наставника новичка (реферал несет ответственность за рекомендуемого и заинтересован в его успешной адаптации).

Семинар Аналитика для HR в Киеве, 20-21 февраля 2014 года

Коллеги и друзья!
Провожу семинар Аналитика для HR в Киеве, 20-21 февраля. Буду вам благодарен, если расшарите эту информацию среди своих украинских / киевских друзей.
Одно время я снизил активность по привлечению участников на семинар из-за известных событий в Украине, но семинар не отменяется, за что спасибо организаторам.
Описание и регистрация на семинар здесь - Семинар-практикум «Аналитика для HR», г. Киев
Проводил этот семинар в Киеве уже три раза: два раза в открытом формате, один раз в корпоративном формате для банка.
Всего семинар Аналитика для HR провел более двух десятков раз в открытом и корпоративном формате в городах Москва, Санкт-Петербург, Киев, Ярославль, Пермь, Екатеринбург, Новосибирск.
Здесь информация и отзывы о первом семинаре в Киеве

• Аналитика для HR. Киев, 21-22 июня 2013 года

И еще:

• Отзывы о самом первом семинаре в Москве
• Видеоотзывы с еще одного семинара в Москве

Семи нар планируется также в Москве, Санкт-Петербурге, Алматы, Новосибирске, Красноярске, Кемерово
Расписание здесь.
Пысы. Прошу прощения за откровенно рекламный пост. 

Как Гендер влияет на отношение подчиненного к руководителю

По простому: что происходит, если подчиненный мужчина, а руководитель женщина, и т.д..
Мы проводим исследование Оцени своего босса (если вы не приняли участие – сначала поучаствуйте, а потом читайте дальше. Мне очень важны ваши голоса. И своим коллегам дайте ссылку поучаствовать).
В основе данного поста анализа трех вопросов

1. Оцените общий уровень отношений с непосредственным руководителем (1 –минимально комфортные; 9 – максимально комфортно)
2. Пол Вашего руководителя
3. Ваш пол

Моя гипотеза достаточно проста и банальна: мужчины подчиненные оценивают комфортность отношений с руководителем женщиной значимо ниже, чем с руководителем мужчиной.
Вторая гипотеза схожа: мужчины подчиненные оценивают комфортность отношений с руководителем женщиной значимо ниже, чем женщины с руководителем мужчиной.

Описательные статистики

Таблица №1. Соотношение гендера подчиненных и руководителей

Названия строк	F	M	Общий итог
f	193	187	380
m	27	81	108
Общий итог	220	268	488

Обозначения: F – руководители женщины, M – руководители мужчины, f – подчиненные женщины, m – подчиненные мужчины (Заглавная - руководитель, прописная - подчиненный, F - female, M - male).
Т.е. цифра 81 означает, что 81 респондент мужчина указал, что его руководитель – также мужчина. Заметно, что руководителей мужчин больше, чем женщин, а подчиненных женщин более чем в три раза превышает количество подчиненных мужчин. Конечно, речь о респондентах.

Результаты

1. Гендер руководителя

Начнем с простых гипотез. Есть ли различия в уровне комфортности отношений в зависимости от гендера руководителя. В данном случае мы пока не интересуемся полом подчиненного. Нас интересует, определяет ли пол руководителя уровень комфортности
Диаграмма №1. Уровень комфортности в отношениях подчиненный руководитель в зависимости от пола руководителя

Технологии HR - 2013 (результаты опроса)

Представляю результаты опроса Технологии HR, который проводился в 2013 году. Цель опроса - выявить уровень использования различных HR - практик (технологий, инструментов и т.п..) в российских компаниях.
Опрос проводится второй раз, впервые он проводился по результатам 2011 года, результаты опроса здесь Технологии HR
Сразу скажу, что собирал респондентов с трудом, поэтому вопрос участникам опроса и всем читателям: интересны ли вам представленные результаты? Стоит ли впредь проводить подобный опрос? И кроме того, если все - таки проводить, то стоит ли добавить новые разделы и поинты исследования? Например, рекомендательный рекрутинг, программа развития HR-бренда, программа внутренних коммуникаций, развитие вовлеченности, проведение корпоративных опросов и т.п... Спасибо за ваши комменты!

Описание опроса

Опрос состоял из следующих вопросов
Внедрены ли в Вашей компании следующие технологии (поставьте галочку напротив тех технологий, что применяются/внедрены в вашей компании)
Ответы были разбит на следующие блоки

Технология оценки эффективности обучения персонала

Предлагаю бриф технологии оценки эффективности обучения обучения.
Пост возник в продолжение дискуссии Оценка эффективности обучения (кейс).
Как мне кажется, настало пора уже освобождаться от мифов Модели Киркпатрика.
Я предлагаю остановиться на трех шагах:

1. Установление различий
2. Выявление влияния
3. Вычисление эффективности
4. и добавлю от себя Выстраивание системы измерений

По пунктам

Установление различий

Или, по другому: ДО и ПОСЛЕ.
Этап этап включает в себя определение измеряемого признака (или ряда признаков), которые HR определяет как показатели обучения. При этом, показатели могут быть косвенными. Т.е. прямые - это показатели продаж, уровень ответов на пост тест и т.д.. А косвенные: участники тренинга стали увольняться. Или задерживаться на работе.

Кейс по анализу данных о продавцах

Сразу предупреждаю: никаких названий, явок и паролей. Эти данные абсолютно реальные, причем свежие (ссылка на скачивание ниже). Но немного измененные, чтобы не дай бох не подвести человека - безопасность и все такое.
Даю немного вводных

Вводные

В файле информация о продавцах: 1) несколько измерянных компетенций и 2) KPI по четырем месяцам.

Когда дискриминантный анализ предпочтительный логистической регрессии

Пост - перевод одного слайда из курса Стенфордского университета StatLearning Statistical Learning с дополнительным переводом комментариев преподавателей.
Когда дискриминантный анализ предпочтительный логистической регрессии.

1. When the classes are well-separated, the parameter estimates for the logistic regression model are surprisingly unstable. Linear discriminant analysis does not su er from this problem. Когда классы объектов хорошо разделены, в логистической регрессии параметры ведут себя удивительно нестабильно. Параметры логистической регрессии стремятся в такой ситуации к бесконечности. Дискриминантный анализ избежал такой проблемы. Логистическая регрессия хороша для медицинских и/или биологических исследований, где классы перемешаны. 
2. If n is small and the distribution of the predictors X is approximately normal in each of the classes, the linear discriminant model is again more stable than the logistic regression model. При небольшом количестве оцениваемых объектов, когда распределение каждого класса стремится к нормальному, линейная дискриминантная модель также стабильнее логистической регрессионной модели.
3. Linear discriminant analysis is popular when we have more than two response classes, because it also provides low-dimensional views of the data. Линейный дискриминантный анализ предпочтительней, когда мы имеем дело с более чем двумя выходными классами (Y), поскольку он также обеспечивает низкоразмерный вид данных*. 
4. Logistic regression is very popular for classi cation, especially when K = 2. Логистическая регрессия очень популярна в классификации, особенно, когда число классов = 2.
5. LDA is useful when n is small, or the classes are well separated, and Gaussian assumptions are reasonable. Also when K > 2. Линейный дискриминантный анализ  полезен, когда число наблюдений мало или классы хорошо разделены, а предположение о Гауссовом распределении обоснованно. Также, когда число классов больше 2
6. Naive Bayes is useful when p is very large. Наивный Байс полезен в ситуации, когда число переменных очень большое.
7. Несмотря на различия, логистическая регрессия и линейный дискриминантный анализ дают схожие результаты.
8. logistic regression can also fi t quadratic boundaries like QDA, by explicitly including quadratic terms in the model логистическая регрессия также удовлетворяет требованиям квадратичного дискриминантного анализа за счет включения квадратов переменных в модель. 

* помогите перевести "low-dimensional views of the data" - данные низкой размерности?

О Байесе, Крушке, интересном ресурсе по скачиванию книг

Создал группу Анализа данных на Линкедине. Сегодня, спасибо огромное участникам: посоветовали
Книгу по Байесовским методам анализа John K. Kruschke, Kruschke John-Doing Bayesian Data Analysis_ A Tutorial Introduction with R and BUGS  -Academic Pr (2010)
ресурс, где можно скачать эту книгу бесплатно.
Это, конечно, весьма плохо - скачивать пиратским способом книги, но так хочется учиться)
Удачи вам всем! И задумайтесь над тем, для чего надо создавать свои группы в Линкедине!

StatLearning: Statistical Learning

Стенфордский университет проводит бесплатный дистанционный курс StatLearning: Statistical Learning

Этот пост - себе напоминалка на ресурсы + если вы заинтересуетесь, то получите доступ к сокровищам.

An Introduction to Statistical Learning with Applications in R

The Elements of Statistical Learning

IOM 530: Applied Modern Statistical Learning Techniques

Последняя ссылка - не курс StatLearning: Statistical Learning, но про тоже. По первой ссылке можно скачать книгу, данные для самостоятельной работы в R.

Код в R - пожалуй самое ценное. 

Как связаны общая удовлетворенность и удовлетворенность зарплатой, отношениями с руководителем и в коллективе

И в продолжение темы удовлетворенности. Посмотрели связь удовлетворенностей и стажа
Связь удовлетворенности и стажа работы
Связь удовлетворенности и отрасли
Как отрасль влияет на удовлетворенность работой
Сегодня попытаюсь ответить на мучающий всех HR вопрос, насколько общая удовлетворенность зависит от удовлетворенности зарплатой и другими удовлетворенностями.
Я беру ответы на четыре вопроса нашего исследования HR-бренда и измеряю корреляцию между ними

• Оцените общую удовлетворенность работой в компании
• Оцените уровень удовлетворенности вознаграждением
• Оцените отношения с непосредственным руководителем
• Оцените комфортность работы в коллективе

Все вопросы в 10-ти бальной шкале, коэффициент корреляции Спирмена, p-value не привожу, но она значима для всех случаев.

Связь удовлетворенности и стажа работы

Еще немного поиграюсь с удовлетворенностью. Предыдущий пост про удовлетворенность и отрасль Как отрасль влияет на удовлетворенность работой
И все вместе это в продолжение исследований HR-бренда
На этот раз показываю, как удовлетворенность меняется в зависимости от стажа. Беру четыре вида удовлетворенности

1. Общая удовлетворенность;
2. Удовлетворенность вознаграждением / зарплатой;
3. Удовлетворенность отношениями с руководителем;
4. Уровень комфортности работы в коллективе.

Все шкалы по 10-ти бальной шкале.
Таблица. Средние значения удовлетворенности в зависимости от стажа работы

	ЗП	Общая	Рук-ль	климат коллектив
менее года	7,00	7,11	7,75	7,73
1	6,64	6,77	7,43	7,47
2	6,45	6,63	7,42	7,44
3	6,78	6,67	7,26	7,42
4	6,64	6,77	7,67	7,59
5	6,78	7,06	7,55	7,54
6 лет и более	6,41	6,89	7,48	7,57

Диаграмма. Средние значения удовлетворенности в зависимости от стажа работы

Резюме

можете сами выводы сделать. Я в качестве наводки для сравнения могу дать ссылку на пост Влияние лидерства в удержании персонала