Как влияет зарплата топа на эффективность организации

В книге "Система вознаграждений и методы стимулирования персонала" (Джордж Т. Милкович, Джерри Н. Ньюман) приводится пример анализа влияния зарплаты топ и эффективности компании (стр. 45): регрессионный анализ показал R^2 в границах 0, 8 и 4,5 %, что является не самым убедительным результатом.
Я решил проанализировать еще один кейс: о наболевшем.
Я решил сравнить

1. рейтинг команд на чемпионате Мира по футболу в Бразилии по результатам группового турнира и зарплаты главных тренеров команд.
2. значимую разницу зарплат тренеров команд, вышедших в плей офф и не вышедших

Рейтинг команд я брал из рейтинга ФИФА отсюда
Зарплаты тренеров я взял здесь
Все данные я свел в единую таблицу, с которой вы можете ознакомиться ниже в приложении.
см Зарплаты главных тренеров команд

Рейтинг команд на чемпионате Мира по футболу в Бразилии по результатам группового турнира и зарплаты главных тренеров команд 

Коэффициент корреляции Спирмена дал следующие результаты
Spearman's rank correlation rho

data:  x and y
S = 5102, p-value = 0.7234
alternative hypothesis: true rho is not equal to 0
sample estimates:
      rho
0.0648827

коэффициент не обладает статистической значимостью, и мы можем утверждать, что результаты группового турнира сборных никак не связаны с зарплатой главных тренеров команд.

Диаграмма Как влияет зарплата топа на эффективность организации

Сотрудники со стажем работы в компании более двух лет получают на 50 % меньше

Даю краткие выжимки из статьи Cameron Keng в Forbes Employees Who Stay In Companies Longer Than Two Years Get Paid 50% Less
Увеличение зарплаты в 2014 году ожидается в среднем на три % (см. Pay raises in 2014 expected to average 3%).
Вилка роста примерно такова: 1,3 % - рост у низкоквалифицированных и 4,5 % у топ перформансе спецов. Причем, инфляция - 2,1 %. Т.е. реальный рост в среднем менее 1 %.
Работники не готовы терпеть рост в 1 %, поэтому часто покидают компании, смена компании дает обычно прирост 10-20 % в зарплате.

Такое возможно в связи с тем, что компании не готовы повышать зарплаты старослужащим (на основе политик компании), но готовы платить новичкам более высокую зарплату на основе "трендов рынка зарплат".
Пример стратегии продвижения себя на рынке:
Jessica Derkis начинала с годовой зарплаты в 16 640 долларов, за 10 лет сменила пять мест работы, увеличив свою зарплату до 72 000 долларов или 430 % роста. 

Инструменты рекрутера: короткие ссылки Google

Социальные медиа набирают обороты в подборе персонала (см. результаты нашего исследования Динамика источников подбора персонала (каналов привлечения) в России 2007-2013), рекрутеру необходимо понимать, какие социальные сети / группы / странички дают максимальный эффект от размещения вакансии, и какое время наиболее удобно для размещения. 

Счетчики статистики не всегда дают нужную информацию, а иногда просто недоступны (если вы размещаете вакансию на работном сайте или карьерном портале, а систадмина не допросишься дать отчет. 

В этом случае самый простой и мобильный инструмент - короткие ссылки Google (ссылку не даю - набирайте в поисковике и используйте).

Вы берете ссылку на вакансию на вашем карьерном портале или работном сайте и делайте несколько коротких ссылок на одну эту вакансию. Далее размещаете на отдельной страничке / группе в социальной сети короткую ссылку и отслеживаете динамику и общее количество переходов.

См скриншот ниже

это одна и та же ссылка, но имеющая две короткие ссылки в Google. Каждую короткую ссылку разместил в разные группы на Линкедине и отслеживаю клики.

Группы идут ноздря в ноздрю)))

Интересно узнать больше фишек работы в социальных сетях - закажите корпоративный семинар Эффективное использование social media в HR

Оупен спейс vs кабинетная рассадка - что лучше с т.з. текучести персонала

И еще один результат нашего исследования Ключевые факторы удержания и текучести персонала
Посмотрел различия в текучести персонала с т.з. того, каким было рабочее пространство респондентов
Я взял два вида пространства: кабинетная рассадка и оупен спейс

Результаты

Диаграмма рассеяния стажа респондентов (в месяцах) в зависимости от рабочего пространства (по вертикали - показатели стажа работы в месяцах)

Wilcoxon rank sum test with continuity correction

data:  стаж by Value_19
W = 3024, p-value = 0.6516
alternative hypothesis: true location shift is not equal to 0

Вывод

Мы не смогли выявить различий в текучести персонала в зависимости от типа рабочего пространства: кабинетная рассадка или оупен спейс. 

Как зависит текучесть персонала от интенсивности взаимодействия коллег

Гипотеза родилась из этих данных:

Сэнди Пентланд из Human Dynamics Lab Массачусетского технологического института вместе со своим бывшим студентом Беном Вабером основали компанию Sociometric Solutions, которая реализовала интересный проект для Bank of America. «В банке заметили, что их колл-центры по всей стране демонстрируют очень разные уровни результативности, – рассказывает Вабер. – Самые результативные сотрудники работали вдвое быстрее. Поэтому они предположили, что культура может как-то влиять на это». Сотрудникам колл-центра раздали 90 небольших записывающих устройств, которые собирали более 100 единиц информации в минуту, и которые они носили на протяжении нескольких недель. Собирали и анализировали такие показатели как движение, язык тела, тональность беседы. В результате было установлено, что наиболее важным фактором, влияющим на эффективность работы сотрудника колл-центра, был уровень социальной вовлеченности. Проще говоря, люди работали намного лучше, когда у них была возможность поболтать с коллегами. В результате Bank of America изменил расписание перерывов, сделав их не индивидуальными, а групповыми. Через три месяца эффективность работы выросла на 10%.Банк подсчитал, что применение новой практики позволит ему сэкономить около $15 млн в год.

См. Как сделать офис «умным» и заставить пространство работать на вас?
К сожалению, у меня не было возможности измерить а) эффективность и б) такого софта, который бы позволил измерить то, что измерили в Bank of America.
Этот софт (или точнее, девайс) относится к классу Wearable Computing (см. статью 9 горячих трендов в HR-технологиях … и почти все они - бомба на рынке)

Что я измерил

О гендерной дискриминации при сокращении штатов

Еще один результат нашего исследования текучести персонала (приглашаю к участию - опрос еще не завершен).
Решил проверить гипотезу - есть ли гендерные предпочтения в увольнении работников у работодателя.
Таблица сопряженности ответа на вопрос, кто инициатор увольнения (респондент или работодатель), и гендер респондента

Названия строк	Ж	М	Общий итог
Вы	167	32	199
Работодатель (сокращение штатов и т.п.)	52	11	63
Общий итог	219	43	262

Та же таблица, нормированная по строкам

Названия строк	Ж	М	Общий итог
Вы	83,92%	16,08%	100,00%
Работодатель (сокращение штатов и т.п.)	82,54%	17,46%	100,00%
Общий итог	83,59%	16,41%	100,00%

Хи квадрат - 0, 796. Это без поправки на непрерывность. С поправкой страшно представить.
Диаграмму делать нет смысла - и так все ясно.
Делаем вывод по представленным данным: выявить предпочтения работодателя
Совсем по простому: соотношение мужчин и женщин, уволившихся по собственному желанию, не отличается от соотношения мужчин и женщин, уволенных работодателем. 

Как показать бизнесу ценность рекомендательного рекрутинга

В этом посте я расскажу "на пальцах", как показать ценность рекомендательного рекрутинга бизнесу. В рублях. Т.е расскажу методику.
Хотя откровенно говоря, мне долгое время казалось, что то, что я опишу ниже - совершенно очевидно вытекает из моих предыдущих постов. Оказалось, что нет.
Даю методикой.

Идейные основания

Обоснование ценности рекомендательного рекрутинга сделал Raghav Singh (см. пост Рекомендательный рекрутинг – это вообще рекрутинг?)
Я показал значимость рекомендаций с учетом российских реалий - показал значимость различия в стаже работников двух групп: а) тех, кто имел хороших знакомых на момент трудоустройства и б) не имел таких знакомых (см пост Главный аргумент в пользу рекомендательного рекрутинга или как управлять текучестью персонала)

Методика

Состоит из следующих шагов

1. Сбор информации
2. Обработка результатов
3. Презентация бизнесу

Динамика источников подбора персонала (каналов привлечения) в России 2007-2013

Сразу оговорюсь, что данные не совсем корректные. Хотите, чтобы данные были более корректными? Участвуйте в опросе
Принять участие в исследовании
Данные нашего исследования можно сравнить с аналогичными западными
Каналы привлечения кандидатов на Западе
Анализ источников подбора персонала (каналов привлечения кандидатов) от SilkRoad

Как исследовали

Респонденты, помимо прочего, отвечали на вопросы:

• Год устройства на работу
• Как Вы узнали о вакансии

И варианты ответов (источники подбора персонала):

• Знакомые
• Социальные сети 
• Джоб сайты 
• Объявление в газете 
• Раздел Вакансии компании (карьерный портал)
• Работодатель сам вышел на Вас
• Вы обратились непосредственно в саму компанию (отдел кадров и т.п.)
• Кадровое агентство 
• Центр занятости 
• другое

Результаты

Анализ влияния домена личной почты сотрудника на текучесть персонала

Покажу пример, как можно анализировать данные.
Данные беру отсюда Доменное имя почты кандидата как предиктор текучести персонала.
Еще раз про идею: было бы неплохо иметь возможность прогнозировать срок работы работника в компании по домену почту.

Поясняю на пальцах: разве не кажется красивой ситуация, когда рекрутер даже не видит еще кандидата, получает его резюме и на основе домена электронной почты и каких-то еще данных уже начинает прогнозировать стаж кандидата в компании?

В данных у нас есть: возраст респондента, стаж на последнем месте работы и домен почты (майл, яндекс, рамблер и джимайл) - 107 респондентов
В данном примере показываю взаимосвязь между стажем работы и доменом mail.ru
Выводы делайте сами, я приведу несколько цифр. Но если интересны мои выводы, переходите сразу в вниз

Материалы вебинара Тренды HR 2014

Провел сегодня вебинар Тренды HR 2014.
Честно признаюсь, что говорил совершенно затраханным голосом - после нескольких выступлений сильно устал + тема уже приелась, приходится заставлять себя говорить бодрым голосом.
Выкладываю запись вебинара и презентацию.
Участники попросили дать ссылки на книги по теме Больших данных - выкладываю:

• Виктор Майер-Шенбергер и Кеннет Кукьер. Большие данные
• Том Дэвенпорт и Ким Джин Хо. О чем говорят цифры. Как понимать и использовать данные
• MoneyBall. Как математика изменила самую популярную спортивную лигу в мире

тренды Hr 2014 from Эдуард Бабушкин

В память о Мерлине.

10 июня проводил семинар по новым технологиям и инструментам HR в  Перми. И нашел время посетить Пермский педагогический университет и сфотографироваться возле мемориальной доски в честь Мерлина Вольфа Соломоновича.
Мерлин Вольф Соломонович оказал на меня влияние больше, чем любое другое имя в психологии. Думаю, что его труды до сих пор недооценены у нас в стране и зарубежом.
Для меня труды Мерлина были открытием: после множества томов бла бла бла я увидел книги, за которыми стоят серьезные исследования.
Мерлин Вольф Соломонович сочетал в себе ученого и педагога - редко встретишь человека, которого бы так любили ученики. И он оставил после себя несколько крупных имен в психологии.

Как влияет на текучесть персонала гендер в паре руководитель подчиненный

Данный пост в продолжение темы и поста Влияет ли на текучесть персонала гендер во взаимоотношениях руководитель - подчиненный.
Вынужден признаться: предыдущий пост содержит не совсем корректные данные. Там указан стаж специалиста в компании и пол последнего руководителя в компании. Т.е. в идеале мы должны были бы указывать не стаж работы в компании, а время совместной работы с последним руководителем.
Таким образом, результаты последнего поста мы не можем принять как корректные. Каюсь. Но уж больно поучительный был пример в прошлом посте: регрессия показывает значимость предиктора, но мы не можем принять использовать это в работе, поскольку данный результат получен не нормальным распределением зависимой переменной, поэтому, если обработать данные, то можно будет утверждать, что гендер в паре руководитель / подчиненный не влияет на текучесть персонала. Но, повторюсь, в связи с тем, что сами данные не есть корректные, мы не можем утверждать, что гендер не влияет на текучесть персонала.
Сегодня я решил вынести еще одни данные для анализа и принятия решения о влиянии / не влиянии гендера в паре руководитель / подчиненный на текучесть персонала

Данные

В файле (см в самом низу) часть результатов нашего опроса Мой непосредственный руководитель (пройдите данный опрос, если вы его не проходили еще).
Переменные:

• Пол р - пол руководителя респондента
• Пол п - пол респондента
• стаж - время совместной работы с руководителем в полных годах (0, 5 означает менее года, 1- - более 9 лет)

Обращаю внимание, что я просил описать своего непосредственного руководителя, т.е. того, с кем респондент работал на момент опроса, и т.е. это значит, что респондент еще не расстался с руководителем.

Вопросы

• Можем ли мы отвечать на вопрос о влиянии гендера в паре руководитель / подчиненный на текучесть персонала, если у нас зависимая переменная - время работы с данным руководителем на текущий момент, и респондент не закончил совместную работу? А во многих кейсах и не планирует в ближайшее время.
• Если, да, то есть ли значимая связь между гендерными парами руководитель / подчиненный и текучестью персонала?
• Какая пара в какую сторону влияет на текучесть персонала?
• Выборка респондентов исследования не является репрезентативной (явное преобладание женщин, HR), поэтому мы не можем переносить полученные результаты на генеральную совокупность. Существует возможность, что за взаимосвязью гендера руководитель / подчиненный и текучестью стоит какая другая связь. Вопрос: какая? Ну например (это не подсказка, а просто фантазия): в HR подчиненные работают значимо меньше, чем на производстве, при этом на производстве значимо чаще бывают пары ММ, а в HR - ЖЖ. И если мы обнаружим, что ЖЖ покажет нам более низкий стаж совместной работы, это не значит, что определяет гендер - за этим может стоять особенность позиции. Интересно услышать ваши гипотезы, что могло бы стоять за возможной связью "гендерная пара руководитель / подчиненный и текучесть персонала"

скачать данные гендер и стаж

Подготовка данных к анализу в R

Выкладываю сам для себя полезную ссылку на подготовку данных к анализу в R
pre-processing
данные команды содержатся в пакете caret и содержат создание фиктивных переменных, выявление мультиколлинеарности, импутацию, центрацию и т.п..

Блог компании Google и политики diversity

Я сторонник ведения корпоративных блогов, использования их в качестве инструмента неформального обучения.
Привожу в качестве примера, как вести корпоративные боги
Официальный блог компании Google
И два материала, которые могут быть интересны HR
A new learning environment at Mater Dei in Brazil
Getting to work on diversity at Google
Последний пост от Ласло Бока (Laszlo Bock) - HR директора Google - про политики разнообразия в компании, см. гендерно расовое распределение работников в компании

Влияет ли на текучесть персонала гендер во взаимоотношениях руководитель - подчиненный

Это вопрос к вам, а не ответ, поэтому тем, кто любит читать только выводы, можно не читать.
Это задача тем, кто видит себя аналитиком в HR.
В приложении 1 даны часть результатов нашего исследования Ключевые факторы удержания и текучести персонала (в стописяттыщраз скажу: поучаствуйте!!!)
В таблице даны следующие данные из опроса:

1. Стаж респондента в компании в месяцах;
2. Пол подчиненного;
3. Пол руководителя.

Задача: ответить на вопрос, влияет ли пол руководителя или подчиненного, или (подсказка небольшая) сочетания полов (т.е. ММ, МЖ, ЖЖ, ЖМ) в парах руководитель / подчиненный на стаж. По другому вопрос можно так задать: есть ли значимая разница в стаже среди групп руководитель / подчиненный в зависимости от гендера.
Данные реальные, поэтому интересно будет их анализировать.
Можно даже без цифр проводить анализ, просто напишите, как стоит анализировать, что с чем сравнивать и т.п..
Через какое то время я дам свой анализ - для сравнения.
Кейс - нетривиален. Ну и тем интересен)))
В Приложении 2 я дал боксплот распределения стажа в парах руководитель / подчиненный, но обращаю внимание, что первая буква - пол подчиненного. Это откровенная подсказка. Напомню, что сама корбочка включает в себя наблюдения от первого до третьего квартиля, усы включают в себя почти все наблюдения, точки - крайние выбросы.

"Новые инструменты и технологии HR" в Архангельске

Вчера, 3 июня, проводил семинар по новым технологиям и инструментам HR в Архангельске. Это уже пятый семинар из серии семинаров, проводимых в рамках проекта 74.ру. (см. предыдущий пост из этой серии "Новые инструменты и технологии HR" в Самаре и Нижнем Новгороде
Предсказывали мне, что Архангельск "дыра", но нет, такие же специалисты, как и везде. Было сопротивление принятию Больших данных, но не более, чем везде (организаторы потом у меня допытывали: а что это наши специалисты с Вами спорили?). Или аудитория добродушнее, или я уже наблатыкался объяснять, что такое Большие данные, но слушали даже с бОльшим интересом, чем на первых семинарах.
И Татьяна Бандурко, что выиграла книгу Большие данные, ответила быстро и четко на вопрос о том, какой критерий применить, чтобы выявить различия среду "лучших" и "не лучших" сотрудниках. Т.е. лишний раз подтверждаем, что матстатистика не есть удел Москвы и Санкт - Петербурга, и в Архангельске можно работать с цифрами и получать результаты.
Я даже показал несколько инструментальных вещей - как собирать информацию, как подступаться к анализу.
Вторая часть - про тренды, инструменты в подборе, обучении и т.п. пролетела просто мухой - мы с аудиторией сели на одну волну и перешли в формат интерактива.
И опять интересная статистика: из более чем пятидесяти участников семинара единицы имеют аккаунт в Линкедине, только около трети знают про сайт HRM.RU.
В этом смысле семинары мне кажутся действительно важными с т.з. формирования единого информационного пространства.

Том Дэвенпорт и Ким Джин Хо. О чем говорят цифры. Как понимать и использовать данные

Очень редко даю анонсы книг у себя в блоге, но в этот раз - по теме!

Очередная новинка по технологиям Больших Данных от издательства Манн, Иванов и Фербер. 

Анонс ниже, от себя только добавлю, что книга эта не для аналитиков (хотя и аналитикам будет полезна), но в первую очередь, для потребителей аналитики. Для тех, кто принимает решения на основе данных, для тех, кто должен понимать не формулы, а выводы

Итак,

Том Дэвенпорт и Ким Джин Хо. О чем говорят цифры. Как понимать и использовать данные

Об этой книге

Неважно, чем вы интересуетесь, в какой сфере работаете и каких размеров ваша компания – цифры и аналитика сегодня повсюду, и всем приходится иметь с ними дело.

Чтобы принимать эффективные решения, нужно уметь анализировать данные и извлекать из них смысл. В этом вам поможет данная книга, которая в доступной форме объясняет, как:

·         формулировать гипотезы и проверять их на основании данных;

·         интерпретировать и формулировать результаты анализа;

·         эффективно взаимодействовать с аналитиками в вашей компании;

·         развить количественное мышление.

Цифровые данные и аналитика оказывают все большее влияние на современный мир, и если вы не хотите отставать, прочтите эту книгу.

Для кого эта книга

Для тех, у кого нет специального бизнес-образования или для тех, кто чувствует себя неуверенно, сталкиваясь со статистикой и количественными данными, но осознаёт их важность.

Фишки книги

Три этапа количественного анализа, разбитые на шесть шагов. Каждый проиллюстрирован двумя подробными примерами - один из сферы бизнеса, а второй из сферы общественных или личных отношений.

Купить на OZON

Купить в Лабиринте

Доменное имя почты кандидата как предиктор текучести персонала

Ниже даю реальные данные из нашего опроса: данные по 107 респондентам, уволившихся по собственной инициативе.
Обращаюсь, в первую очередь, к участникам семинара Аналитика для HR и всем, кто владеет математической статистикой.
В файле даны следующие данные:
1) стаж человека в компании
2) доменное имя почты, которой он пользуется (1 под доменным именем обозначает именно это доменное имя почты работника)
3) год рождения работника.

Вопрос

• Можем ли мы сказать, что на доменное имя почты можно использовать для прогнозирования стажа кандидата? 
• Если да, то как доменные имена между собой различаются?
• Если не можем, то почему?

Бизнес цель

Она мне кажется очевидной: использовать доменное имя в прогнозировании поведения кандидата