Share |

суббота, 13 июня 2015 г.

Кейс: как устанавливать KPI на основе аналитики

Показываю "простой" пример, как устанавливать KPI не на основе "экспертных" мнений, а на основе расчета.
Немного философии добавлю: уверен, что многие наши специалисты очень своеобразно пользуются идеями Эдварда Деминга, снимая сливки с его выводов, но забывая, что все выводы Деминга строятся на строгих аналитических выкладках. И выводы не освобождают специалистов от собственного анализа. Тем более, что анализ не просто пятое колесо в менеджменте, а по сути и есть основание философии менеджмента по Демингу ("In God we trust; all others must bring data").

Сам кейс

Кейс из поста Кейс по оптимизации масс рекрутинга.
После собеседования с руководителем (и если кандидат одобрен руководителем), кандидата проверяет служба безопасности. После проверки кандидату звонят с предложением о выходе на работу. При этом, многие кандидаты отказываются выходить на работу или просто не берут трубку. Достаточно очевидной кажется мысль, что решение кандидата определяется сроками проверки: чем больше кандидата проверяют, тем больше вероятность, что он выйдет в другое место, просто передумает.
Вопрос в том, чтобы не просто сократить сроки проверки, а понять, в какие именно сроки нужно проверять кандидата.
Мы установили такое распределение отказов / выходов кандидатов в зависимости от времени проверки
Кейс: как устанавливать KPI на основе аналитики
По оси X - время проверки кандидатов в днях
По оси Y - плотность распределения кандидатов из каждой группы по каждому дню (т.е. например пик проверки кандидатов приходится на три дня проверки).
Это еще далеко не весь анализ.
Далее машинка (акцентирую, что границы устанавливает машинка, а не человек. Здесь я не указываю алгоритм, иначе пост был бы про другое) устанавливает границы соотношения выходов / отказов
Кейс: как устанавливать KPI на основе аналитики
На диаграмме: в столбиках - отношение выходов / отказов кандидатов, По оси X - сроки проверки кандидатов в днях.
Заметно, что критичным является срок в шесть календарных дней - три четверти кандидатов отказываются выходить на работу.
Далее уже дело техники посчитать, сколько для компании стоит в рублях потери кандидатов из-за увеличения сроков проверки.
Удачи вам в развитии аналитики в ваших компаниях.

4 комментария:

  1. А если рассмотреть обратную гипотезу: чем больше рисков по кандидату, тем дольше его проверяют? Ваш анализ вполне подходит и для этой гипотезы.

    ОтветитьУдалить
    Ответы
    1. Можно такую гипотезу рассмотреть, но только почему она обратная?
      Она параллельная.
      Да, проверяют больше тех, у кого больше рисков, но отказ то идет со стороны кандидатов.

      Удалить
  2. Я считаю, что в этом исследовании ключевым является информация для принятия управленческих решений. Дольше проверяем=больше кандидатов теряем. Причем тех кого мы уже отобрали и готовы пригласить, а это реальные потери. По своему опыту скажу, что длительность проверки не равна качеству проверки.

    ОтветитьУдалить
    Ответы
    1. Вадим, спасибо за коммент
      можно и эту гипотезу проверить: мы посмотрим связь между качеством и временем проверки, т.е. у нас также по оси X будет время проверки, а цвет линий уже будет определяться например был уличен в воровстве / не был уличен; нарушал рправила трудового распорядка / не нарушал

      Удалить

рек