Лояльность на промышленном предприятии: мода? миф? необходимость? И что может сделать HR

20 марта выступал на IX конференции руководителей и специалистов служб управления персоналом «Лояльность на промышленном предприятии: мода? миф? необходимость? И что может сделать HR», 20 - 21 марта 2014 г. в Санкт-Петербурге. Организатор - Институт Крона
Несмотря на, казалось бы, неширокий формат конференции, были собраны очень представительные спикеры:

• Солоненко Евгений - Центр "Развитие"
• Гузенюк Филипп - Институт Коучинга
• Аболмасов Алексей - студия ЁРД
• Константин Харский - без комментариев
• Виктория Шарапова - Фриланс
• Людмила Богуш-Данд BogushTime
• Юлия Сонникова - ITM Group
• Константин Кора - Tailored
• Сергей Васильев - SCA
• Дмитрий Шургаев - Служба промышленного менеджмента
• ну и я..

Я выступал по теме "Особенности исследования лояльности персонала". Выкладываю фото и презентацию выступления. Напоминаю, что вы можете заказать у меня исследование лояльности вашей компании

Про возражения против BigData HR и Talent Analytics .

Недавно услышал утверждение, что BigData HR и Talent Analytics не есть вся hr-аналитика, что BigData HR и Talent Analytics сводится к голой статистике, а есть еще много других подходов в аналитике:

• бенчмаркинг, 
• метрики, 
• модель киркпатрика, 
• roi
• чего то еще типа BSC и т.п..
• да, и еще скоринговые карты... (этот пункт смешон, поскольку идеология скоринговых карт чистой воды BigData; почитайте Скоринговые карты для оценки кандидата при приеме на работу)

Скажу прямо: люди, которые так утверждают, на мой взгляд, ничего не соображают в аналитике.
Все эти метрики, бенчмаркинги, модели киркпатрика - убогость, костыли и слабое понимание процессов..

Вот вам простая задачка:

В компании провели тренинг эффективных продаж. 18 человек поучаствовали, 26 нет.
как вы оцените значимость эффекта без статистики?
У этих 18 продажи выросли в среднем на 15 рублей, а у тех 26 - на 13.
как вы посчитаете эффективность? 18 Х 15? 18 Х 2? - минус затраты на тренинг?
Ха ха....
И заметьте, это самый простенький случай!

Далее

Как вы сможете оценить свои усилия по сниженнию текучести персонала без статистики? У вас текучесть упала на 3 % - на основании чего вы будете говорить, что она упала вследствие ваших именно действий? И кто вам вообще сказал, что это изменение значимо, а не носит случайны характер? Если вы в принципе понимаете про значимость различий!
Как вы оцените любое изменение в уровне метрик без статистики? И самое главное: вас интересует причина, которая стоит за изменением метрик, не так ли?

Бенчмаркинг

Что вам дает понимание, например, того, что у вас уровень текучести ниже, чем у конкурента? Это вам дает пинок под попу для того, чтобы понять, что у вас хуже, чем у конкурента, верно?
Вы начинаете рыть сведения про зарплату о конкурента, про прочие вещи типа соцпакета, корпоративной культуры и т.п.. И фактически займетесь анализом причинно следственных связей. Вопрос в том, что без BigData HR и Talent Analytics такой анализ - как гадание на кофейной гуще. Иногда, если ситуация слишком очевидна, решения принимаются верно, но в этой ситуации тогда и бенчмаркинг не нужен. Следовательно, бенчмаркинг всего лишь выстрел стартового пистолета для начала BigData HR и Talent Analytics

Резюме

Так какие тогда могут быть еще подходы в аналитике кроме этого? Я не очень глубоко разбираюсь в статистике, но могу смело утверждать: BigData HR и TalentAnalytics начинается с понимания значимости различий. Остальное приходит. Не надо уметь считать логистическую регрессию, чтобы понимать суть БигДаты, понимайте суть "значимости различий", и все остальное придет.
И не тратьте время на всякую ерунду типа модели киркпартика. У вас изучение статистики потребует массы ваших времени и усилий. Удачи в изучении

Как влияет на текучесть персонала то, как работники добираются до работы

В западном исследовании ключевых драйверов удержания и текучести персонала одним из самых зацепивших драйверов текучести был доступность работы для персонала.

Эта картинка из исследования показывает, что шаговая доступность снижает текучесть на 58 %. Красивая штука, правда? Решил покопать тоже самое на просторах СНГ (поскольку не только Россия участвует).
Для тех, кто впервые видит серию моих постов по данной теме, рекомендую убедительно поучаствовать в нашем голосовании Ключевые факторы удержания и текучести персонала.

Итак, 

у нас в исследовании было два вопроса, направленных выявление связи текучести персонала и транспортной доступности:

1. Как Вы добирались до работы?(если по разному, то как чаще и ближе к моменту увольнения)
1. Общественным транспортом - waybus 
2. На автомобиле - waycar   
3. Пешком - waystep 
4. Служебный автобус - waycorpbus 
5. Работал дома - wayhome
2. Как много времени занимала у вас дорога от дома до работы?
1. Менее получаса
2. От получаса до часа 
3. От часа до полутора часов
4. От полутора часов до двух часов
5. Более двух часов

Даю сразу обозначение на английском языке, поскольку для анализа в статистической программе R использовал английские названия.

Полезные ресурсы

Сам себе, чтобы не забыть
http://www.gliffy.com  - всевозможные диаграммы и схемы
http://visual.ly - рисовать прекрасную инфографику
http://www.wordle.net - красивое облако тегов

Big Data HR и Moneyball приходит в рекрутинг даже на Западе

На ere.net заговорили про Big Data HR и Moneyball. И заговорил Raghav Singh, см.
Moneyball and Recruiting: The Future of Hiring or Pie in the Sky?
Making Moneyball Work
Пожалуй, первая статья по BigData HR в рекрутинге эта - В Head-Hunting Big Data может быть не такой уж сложной задачей
Статьи рекомендую хотя бы пробежаться глазами, чтобы прочитать интересные факты типа

A recent survey by the Corporate Executive Board found that almost three-quarters of hiring managers reported that they hired candidates primarily because they had personalities similar to their own. Another study of major investment banks, consultancies, and law firms found that many candidates are hired because they share leisure pursuits with the hiring manager! So much for the advice of leaving such items off a resume. Many hiring managers described their hiring practices to be similar to dating. 

Хотелось бы мне проверить эту гипотезу, но не знаю, как. В целом, Raghav Singh задается глобальной идеей (и мне она не дает покоя): насколько Moneyball возможен в сфере рекрутинга?
What’s a Degree Worth? A New Test Will Help Employers Know What a Graduate Has Learned  - здесь про Collegiate Learning Assessment - унификацию оценки выпускников колледжей.
ConnectEDU - компания, которая выстраивает модели связки выпускников колледжей, с т.з. предсказания их успешности. Идея, конечно, духозахватывающая.
How a Match.com for Students Could Make College Admissions Obsolete
Или вот индийский ответ Big Data HR и Moneyball
National Skills Registry - попытка верификации навыков, знаний у разработчиков.
Я, кстати, предлагал в России сделать подобную вещь и обращался к Инструментализация российского стандарта услуги центра оценки - меня не услышали или сделали вид, что не услышали.
В любом случае: воронка BigData сужается? Начинает переходить от стадии WOW в стадию инструментов?
С другой стороны, мы тоже не сидим на месте и можем похвастать тем, что двигаемся с Западом паралелльно
Влияние каналов привлечения (источников трафика) кандидатов на текучесть персонала
Raghav Singh признается в одном месте, что для большинства компаний и позиций Big Data HR скорее журавль в небе, чем реальный инструмент в силу сложности описания позиции, и я, безусловно, с ним согласен, но движение все равно должно идти туда, потому что ... у нас выбора нет...

Наглядная статистика. Используем R!

Анонс книги Наглядная статистика. Используем R!
Новинка от издательства «ДМК Пресс»
Рекомендую всем, кто занимается или собирается заниматься аналитикой. Сам я работаю в программе R, поэтому рекомендую как пользователь. Напомню, что в Мире программа R считается самой популярной программой анализа данных. На русском языке книг и литературы по программе R мало, эта книга одна из малого числа. Также рекомендую книгу по программе R того же издательства R в действии. Анализ и визуализация данных на языке R.

Наглядная статистика. Используем R!

Освойте статистическую среду R, которая принадлежит к числу наиболее динамически развивающихся про-грамм в своем классе!
Освоив R, Вы сможете:.

• полностью автоматизировать свою работу;
• запускать статистическую обработку прямо из текста документа;
• получать графики высокого качества и сохранять их в переносимых графических форматах;
• в любой момент повторить Ваш анализ;
• использовать сотни «библиотек»-плагинов, разработанных для R;
• разрабатывать собственные программы анализа дан-ных: от коротких «макросов» до полноценных пакетов, реализующих новейшие алгоритмы.

Если вам необходима статистическая обработка данных для курсовой, диплома, статьи или диссертации; вы хотите лучше понимать результаты тех статистических методов, которые применяете; вы устали от того, что программы анализа данных не способны выполнить нестандартные задачи; вам необходимо перегруппировать ваши данные, но жаль тратить на это часы ручного труда; вам нужно освоить самые современные методы, еще не нашедшие отражения в большинстве статистических пакетов, то эта книга – для вас!
Изложение построено на базе самого современного программного обеспечения – статистической среды R, которая принадлежит к числу наиболее динамически развивающихся программ в своем классе.
Заказать на OZON>>
Издательство «ДМК Пресс»
тел.: (495) 743-22-39
e-mail: dmkpress@gmail.com
internet-магазин: www.дмк.рф
Оптовая торговля: ООО «АЛЬЯНС БУКС»
115487, г. Москва, 2-й Нагатинский пр., д.6А
тел.: (499)725-54-09 e-mail: books@alians-kniga.ru

Как читать зарплатные обзоры специалисту по C&B

В одной дискуссии заговорили про построение c&b функции, и никто из собеседников не назвал важным знание нормального распределения и параметров выборки в работе специалиста (ну или критично важным).
Хочу привести пример, поясняющий важность знания функций нормального распределения и, в более широком смысле, параметров распределения.
* Я не претендую на полное освещение темы "Как читать зарплатные обзоры специалисту по C&B", но обещаю показать пример, без каких знаний нельзя правильно понимать исследования рынка зарплат и, вообще, исследований.

Пример

Вы получили обзор заработных плат (исследование рынка заработных плат), где средняя зарплата указана как 55 000 р.
Вам этого достаточно? Скорее, всего, нет. Почему? Потому что нужны какие то подтверждения тому, что 55 000 р соответствует "истине" - "тому, что есть на самом деле".

Чем супер лидеры отличаются от просто лидеров

Продолжаю делать предварительные итоги исследования лидерства (если у вас хватит уважения признать интересными результаты исследования, то пусть это уважение будет заключаться в том, что вы сами проголосуете и пригласите своих знакомых и коллег к голосованию)- сегодня хочу сделать интересный срез.
Я беру выборку только тех респондентов, которые указали своего руководителя как лидера. И затем я делю эту выборку на две группы вопросом:
Если Ваш руководитель перейдет работать в другую компанию, хотели бы Вы перейти с ним?
варианты ответа:

• да
• нет

Соответственно, тех руководителей, за кем подчиненные готовы пойти в огонь, воду и медные трубы на другую работу, я называю супер лидерами, а тех, за кем не готовы - просто лидерами.
Схема анализа проста: я беру признаки (другие вопросы) и показываю, есть ли значимые различия по этим признакам среди супер лидеров и просто лидеров.
Задачи простые: провести более дробную сегментацию лидеров, лидерства, показать бизнес ценность лидерства для компании
Добавлю еще, что 224 респондента указали, что их руководитель лидер, и они готовы пойти за ним на новое место работы, а 146 указали, что лидер, но не готовы сменить работу ради любимого начальника.
Вопрос читателям: можно ли это брать и применять в Вашей компании? (прошу ответить по прочтении)
И по традиции: неинтересно читать диаграммы - переходите сразу в конец статьи

Кейс "HR-бизнес партнер" (Статистика Байеса в HR-аналитике)

Кейс с моего семинара Аналитика для HR: я задаю следующие вопросы участникам:
Насколько хорошо в Вашей компании развита HR-аналитика? (и варианты ответов)

1. отлично
2. средне
3. плохо

Является ли HR Вашей компанией партнером бизнеса?

1. да
2. скорее да, чем нет
3. скорее нет, чем да
4. нет

Базовая идея: посмотреть, насколько взаимосвязаны между собой "Hr-бизнес партнерство" и "уровень развития hr-аналитики" в компании.
Я уже публиковал этот кейс (см. Аналитика для HR: кейс "HR-бизнес партнер"). Если посмотреть комменты, то предлагались разные решения, ближе всего решение было с использованием статистического критерия Манн-Уитни. На сегодня появилось больше данных, расширяющих перечень возможных критериев (регрессия, Хи квадрат), но я хотел показать, как работать со статистикой Байеса в данном случае.
Чем вызвано применение статистики байеса? Посмотрите на распределение вариантов ответа.