Share |

пятница, 23 июня 2017 г.

13 идей для начала работы с аналитикой больших данных в сфере работы с персоналом

Елена Дунаевская (по ссылке - профиль в Линкедин, и я к своему стыду обнаружил, что не был френдом Елены до сегодня) перевела статью 13 People Analytics Ideas to Get you Started одного из самых популярных авторов по теме HR-аналитике на Западе Трейси Смит. (здесь также профиль на Линкедин) И вообще, женщина в HR-аналитике - редкое явление:) Тем ценнее эта статья.
Напоминаю, что эта статья в рамках нашего проекта переводы статей по hr-аналитике на английском. И я совершенно покорен активностью и готовностью коллег заниматься переводами.
Итак,

13 идей для начала работы с аналитикой больших данных в сфере работы с персоналом 

13 идей для начала работы с аналитикой больших данных в сфере работы с персоналом

Трэйси Смит
Ведущий эксперт аналитики больших данных, спикер, автор

Дисклеймер/разъяснение

Данная информация поможет вам начать работу с большими данными в сфере работы с персоналом. Однако важно помнить, что успех в аналитике зависит прежде всего от бизнес-целей и задач вашей компании или организации. Автор не считает бесцельный подход в аналитике надежным.

Почему тринадцать?

Это простое число. Нужно ли еще что-то добавить для тех, кто интересуется математикой?

Так что давайте начнем!


1. Определите, какие вопросы в вашем опросе об удовлетворенности сотрудников  помогут выявить индикатор текучести персонала.
В чем ценность: Акцент на аспекты, требующие большего внимания, и возможность сократить количество неважных, несущественных вопросов
2.  Определите каналы для подбора персонала, которые работают.
В чем ценность: Перераспределение бюджета, выделенного на рекрутмент, путем сокращения неэффективных каналов и фокуса на том, что действительно работает
3.  Определите, из каких ВУЗов вы наняли своих самых успешных сотрудников.
В чем ценность: Уменьшение количества неэффективных мероприятий в ВУЗах за счёт замены их на эффективные. Фокус на то, что действительно работает.
4.  Определите, влияет ли повышение уровня вовлеченности персонала на повышение культуры безопасности в организации.
В чем ценность: Штрафы в сфере охраны труда и безопасности могут исчисляться миллионами долларов.
5.  Оцените, насколько разнообразен ваш персонал (по половому, этническому, культурному и т.п. признаку) и куда это может привести, анализируя прошлый опыт и ваши стратегические планы в этой области.
В чем ценность: Разработайте план действий по улучшению разнообразия персонала.
6.  Оцените текучесть персонала - когда она выше нормы? И хорошо это или плохо?
В чем ценность: Знайте, когда нужно начинать волноваться и разработайте план по удержанию персонала, либо закатите вечеринку по поводу увольнения неэффективных сотрудников!
7. Спрогнозируйте, кто из сотрудников может уйти на пенсию раньше. Этот пункт отличается от предыдущего примера, тк предпринятые вами действия будут другими.
В чем ценность: Разработка плана действий для передачи экспертных знаний до того, как сотрудник выйдет на пенсию.
8. Предскажите будущие потребности в персонале .
В чем ценность: Понимание того, что вам нужно и сколько это будет вам стоить. Повлияет ли это на размер прибыли?
9. Оцените, сколько вам могут стоить незапланированные неявки на работу (прогулы, больничные и т.п.).
В чем ценность: Знание стоимости незапланированных неявок на работу позволит вам создать план действий по их уменьшению. Неявка на работу = деньги.
10. Оцените эффект тренинговых программ.
В чем ценность: Понимание того, нужно ли продолжать тратить бюджет на существующие тренинговые программы, и способность оценить новые программы.
11. Проводите непрерывную оценку рисков в процессе планирования персонала - анализируйте комбинацию данных о прогнозе текучести и планирования преемственности должностей - преимущественно для руководящих и ключевых должностей.
В чем ценность: Фокус на меньшем, но наиболее критичном для бизнеса количестве должностей.
12. Определите характеристики высокопродуктивных сотрудников
В чем ценность: Поможет сократить текучесть на ключевых должностях. Текучесть = деньги. [Замечание автора: это характеристики с большой долей вероятности помогут выявить высокопродуктивных сотрудников, но их наличие не обязательно означает, что сотрудник высокопродуктивен, как и их отсутствие не означает, что сотрудник не может стать высокопродуктивным. В любом случае, проконсультируйтесь сперва со своим юридическим отделом :) ]
13. Организуйте совместную встречу с вашими финансистами и проанализируйте прибыль от ваших клиентов и/или продукции по принципу Парето (принцип 20/80). Какая часть вашего персонала имеет непосредственное отношение к 80% результата? А какая часть только к 20? А в отношении отрицательной рентабельности? Это мой персональный фаворит, и все это чистая математика!
В чем ценность: Определить связь между вашим персоналом и формированием прибыли.
До новых встреч,
Трэйси

Трэйси признана одной из 50 влиятельнейших HR аналитиков глобально. Специализируясь в аналитике и вне сферы HR, Трэйси помогла многим известным компаниям в США, Канаде, Великобритании и Европе составить и осуществить планы их стратегического развития.
Карьера Трэйси развивалась в сферах инженерного дела, системы снабжения и HR в различных отраслях промышленности. До того, как открыть свою собственную консалтинговую практику в 2013, Трэйси возглавляла стратегические проекты для головного офиса FedEx Express. Трэси является автором нескольких книг и часто выступает на конференциях, отраслевых и корпоративных мероприятиях.
__________________________________________________________
На этом все, читайте нас в фейсбуке и телеграмме

четверг, 22 июня 2017 г.

Как мы создавали проект по аналитике талантов (Talent Analytics) в Линкедин

Перевод статьи How we built Talent Analytics at LinkedIn. Перевод выполнила Наталья Христофорова, заместитель директора по персоналу , торговая сеть Diplomat, СПб (по ссылке - профиль в фейсбуке - это для потенциальных работодателей.Думаю, стоит оценить специалистов за их а) готовность развиваться, б) знание языка, в) вовлеченность, г) готовность отдавать другим).
Статья в рамках нашего проекта переводы статей по hr-аналитике на английском. Статья очень интересная тем, что писали ее практики - про то, как они внедряли свою систему.

Как мы создавали проект по аналитике талантов (Talent Analytics) в Линкедин


Недавно на ежегодной конференции Линкедин Объединяя Таланты (Talent Connect) у меня была возможность поделиться нашим опытом создания команды по аналитике талантов (a Talent Analytics team). Цель команды - помочь нашим лидерам принимать решения на основе имеющихся о талантах данных, которые позволят Линкедин достигать видение и миссию.
Учитывая то, что миссия Линкедин - объединять мир профессионалов для того что бы сделать его более продуктивным и успешным, становится очень важным сделать это для наших собственных сотрудников.

Мы начали проект по аналитике Талантов (the Talent Analytics team) 24 месяца назад, я присоединился к группе, в качестве руководителя шестью месяцами позже. Как известно всем, кто работает в сфере HR , начинать в аналитике талантов непросто. Сначала мы перевели несколько специалистов по аналитике из подбора (talent acquisition operations ), для того чтобы сформировать центр инноваций (a center of excellence ) в нашем подразделении бизнес операций и аналитики (business operations &analytics department). Два наших аналитика были абсолютно обескуражены запросами на отчеты. У нас не было возможности делать автоматизированные сводные отчёты (automated dashboards ) или продвинутую аналитику.

Мы пришли к выводу , что многие компании сталкиваются с аналогичными проблемами.
Наши данные показывют что на Линкедин зарегистрированы более чем 5000 компаний , в которых есть отдельные сотрудники занимающиеся аналитикой талантов. Более чем в 70% этих компаний - это всего лишь 1-2 человека.

Перепрыгивая по кривой зрелости (leapfrogging the maturity curve) 


HR данные - беспорядочны. Когда мы начали, запросов от бизнеса на операционные данные было больше, чем мы могли обработать. Каждый отчёт занимал больше времени чем ожидалось из- за очистки данных. Мы пришли к выводу, что неважно как много ресурсов мы вложим, с нашей текущей операционной моделью, мы никогда не продвинемся по кривой зрелости (the maturity curve). В итоге мы пришли к подходу, который внутри называем перепрыгивающий подход(leapfrog approach). Подход заключается в том, что мы не ждали завершения более чем 2 -х летнего путешествия по централизации наших данных перед тем как сфокусироваться на влиянии на бизнес.

Вместо этого мы предприняли ряд действий:

  1. Управление запросами: минимизировали количество  специализированной (ad-hoc) и операционной отчетности 
  2. Построение инфраструктуры постепенно увеличивающей возможности автоматизации сводных отчетов
  3. Фокусировка на влияние: каждый аналитик посвящает 40% своего времени ответам на аналитические вопросы,  которые обращены к  определённым бизнес проблемам.


Наше распределение ресурсов выглядит следующим образом:
Как мы создавали проект по аналитике талантов (Talent Analytics) в Линкедин
На протяжении нашего первого года, управление запросами на операционную отчетность было самой большой проблемой. Так или иначе, благодаря тому, что на нам удалось сделать некоторые открытия для бизнеса на основе фактических данных, спрос со стороны руководства на аналитическую работу вырос. Наш фокус на проблемы бизнеса позволил построить  доверительные отношения с бизнес лидерами. Переход от отчетности к аналитике требовал поддержки вышестоящего руководства,  начиная с Директора по персоналу (Chief Human Resources Officer) Pat Wadors, Вице президента по направлению привлечения талантов (VP of Talent Acquisition) Brendan Browne и остальной команды  HR - лидеров. Их участие позволило нам приоритизировать нашу работу и вкладываться в командные ресурсы.
В результате перепрыгивающей стратегии мы развиваемся  не линейно, а комбинируя ручные отчёты, автоматизированные сводные отчеты и прогнозирование.

Как мы работаем

Согласно нашим наблюдениям,  компании, как правило, распределяют отчётность, сводные отчеты и аналитику между разными командами. Уникальность нашей команды заключается в том, что каждый специалист  работает по всем трём направлениям.  Неважно кто вы, бизнес консультант в области управления, штатный психолог, или помешанный на данных, все в нашей команде учатся делать регрессионный анализ, создавать сводные отчеты, с помощью  онлайн-визуализаторов (Tableau  dashboard) и находить точки соприкосновения с бизнесом.
Несмотря на то, что такой подход иногда выводит людей из их зоны комфорта, он имеет ряд преимуществ, так как наши HR партнёры не всегда различают отчётность, сводные отчеты и аналитические запросы. Наличие единого контактного центра  позволяет нам определить, что необходимо сделать, что бы решить проблему бизнеса. Наш широкопрофильный подход требует от членов нашей команды быть гибкими и развивать навыки, которые они не могли представить, что им могут понадобиться. Видеть как команда развивается и помогать им быть успешными вдохновляет меня каждый день.

Создавать или  покупать 

Каждая команда по аналитике талантов должна принять важное  решение  касаемо того, где хранить данные,  создать собственную или покупать готовую программу.  Для того что бы достичь  нашего видения мы решили создать собственную базу  данных и работать с различными партнерами для визуализации и аналитики. 
Это решение было основано на необходимости объединения данных из нескольких HR и финансовых систем с внутренними данными, которыми мы бы не хотели  делиться с  внешними провайдерами. Как я уже говорил, наш подход требует огромных затрат времени от команды аналитиков. И даже на втором году существования проекта, качество данных все еще наш самый большой вызов и перспектива.

Что  нужно для того, что бы оказывать влияние?


Видение нашей команды - сделать талант конкурентным преимуществом для Линкедин. Мы целенаправленно выбрали подход,  который не предполагает фокусировку только на прогнозировании.  Во многих случаях описательные данные более эффективны для подготовки базы для принятия решений. Наше влияние не ограничивается аналитическими способностями, оно так же обусловлено нашим партнерством с HR в реализации конкретных мероприятий, которые влияют на бизнес решения и поведение.

Расскажите мне, когда вы повлияли на процесс принятия решений данными по аналитике талантов?


Нас часто об этом спрашивают. Это будет предметом наших следующих постов. В  тоже время… мы бы хотели  послушать наших коллег.  Как вы развивали ваши проекты по аналитике талантов? Как вы повлияли на принятие бизнес решений, какое влияние это оказало на бизнес?

Примечания

  1 в различных статьях по HR тематике как аналог термина используется подбор/привлечение, либо управление талантами. Определение из https://en.wikipedia.org/wiki/Acqui-hiring :
Acqui-hiring or Acq-hiring (a portmanteau of "acquisition" and "hiring") or a talent  acquisition, is the process of acquiring a company to recruit its employees, without necessarily showing an interest in its current products and services—or their continued operation. Процесс привлечения сотрудников к проектам, необязательно связанным с  существующими продуктами или сервисами и не предполагающий использование в долгосрочной перспективе.
 2 Центр передового опыта, Центр передовых знаний.
Определение, на мой взгляд, удачно передающее суть термина в данном контексте из https://en.wikipedia.org/wiki/Center_of_excellence:
A center of excellence (CoE) (It may also be known as a competency center or a capability center) is a team, a shared facility or an entity that provides leadership, best practices, research, support and/or training for a focus area. Within an organization, a center of excellence may refer to a group of people, a department or a shared facility. The term may also refer to a network of institutions collaborating with each other to pursue excellence in a particular area.
Учреждение  или структура, которое обеспечивает руководство, лучшие практики, исследования, поддержку и/или обучение по определенному направлению. В организации, данный термин можно применить к группе людей или подразделению. Этот термин может также относиться к сети учреждений, сотрудничающих друг с другом, с целью достижения выдающихся результатов  в конкретной области.
3 - Дашборды, сводки — это отчеты с набором  статистических данных, графиками и различными показателями, собранными в одном месте.
4 - инструмент для создания различных интерактивных графиков, карт и диаграмм и  публикации их в Интернете. Tableau поддерживает импорт из MS Excel, MS Access, текстовых форматов и серверных баз данных.
__________________________________________________________
На этом все, читайте нас в фейсбуке и телеграмме

9 терминов HR аналитики, которые необходимо знать

Очень важная статья, в которой описывается область знаний hr аналитики, которую нужно если не знать для применения, но хотя бы понимать с тем, чтобы общаться с аналитиком.
Это перевод статьи 9 HR Analytics terms you should know. Перевод выполнила студентка Высшей Школы Экономики Венская Диана.

9 терминов HR аналитики, которые необходимо знать


Когда мы говорим про аналитику HR данных, мы используем такие слова как машинное обучение, алгоритмы и интеллектуальный анализ данных. Однако, понимаем ли мы на самом деле значения этих слов? Честно говоря, когда я впервые их услышал, я не понимал… Этот блог расскажет о нескольких наиболее используемых терминах в HR аналитике данных.

1. Интеллектуальный анализ данных

Интеллектуальный анализ данных похож на процесс поиска золота. Золотоискатели просеивают кучу грязи и камней в надежде обнаружить хотя бы кусочек блестящего/сияющего золота. Интеллектуальный анализ данных - это процесс обнаружения каких-либо зависимостей в куче сырых необработанных данных и превращения их в ощутимую информацию, которая, в свою очередь, может использоваться для прогнозирования поведения в реальной жизни или реальных событий. Примечательно, что 99,5% всех данных в мире никогда даже не анализировались.

2. Машинное обучение

Машинное обучение – техника, которая, как правило, используется в процессе интеллектуального анализа данных. С помощью данной техники машина (компьютер) будет изучать ваши данные, анализируя их и распознавая закономерности. Это говорит о том, что машинное обучение можно рассматривать как форму искусственного интеллекта (ИИ), поскольку он обеспечивает компьютеры нужными инструменты, которые необходимы им для сбора и включения новой информации.

3. Дерево решений

Как я объяснял в предыдущем блоге, дерево решений - это модель, которая выглядит как дерево и состоит из решений и их возможных последствий. Это полезный инструмент для прогнозирования (ближайшего) будущего. Дерево решений позволяет предсказывать, что может произойти при изучении существующих данных. Это очень похоже на то, как каждый учится на основе своего прошлого опыта. В дереве решений каждое решение представляет собой толстую ветвь и каждый результат решения – тонкие ответвления.

В своем предыдущем блоге про прогнозирующую аналитику в HR я рассказывал о концепции дерева решений на примере: я попытался предсказать, будут ли дети играть на улице на основе четырнадцатидневного метеорологических прогнозах. Это дерево решений выглядело следующим образом:
9 терминов HR аналитики, которые необходимо знать
Это дерево демонстрирует то, что дети, скорее всего, будут играть на открытом воздухе, когда прогноз говорит о солнечной погоде (да). Когда прогнозируется дождь, то дети вряд ли будут играть на отрытом воздухе (нет). Это дерево решений было создано с использованием Weka, бесплатного приложения для интеллектуального анализа данных, прогнозирующая точность которого равна 71%.

4. R

Многие HR специалисты часто используют Excel.  Однако, большинство специалистов из области прогнозирующей HR аналитики используют R. R, вероятно, самый популярный инструмент для аналитиков. R - (бесплатная) система с открытым исходным кодом для статистических вычислений и визуализации. Он также позволяет работать с массивными наборами данных, которые будут слишком объемными для их обработки в Excel.

5. Структурированные vs. неструктурированные данные  

Мы много говорим о данных. В данных есть два различия. Когда они аккуратно оформлены в электронной таблице или в базе данных, и это называется структурированными данными. Например, HR знает имена своих сотрудников, их возраст, где они живут, в каком отделе они работают, как они работают и т. д. Все эти данные структурированы: просмотрев на имя или идентификатор, можно легко найти информацию о человеке.

Противоположными являются неструктурированные данные. Отсутствие структуры требует определенного количества времени и энергии для приведения данных в порядок. Возьмем, например, электронные письма. Невозможно точно упорядочить электронную почту по теме или содержанию (следовательно, она не структурирована). Эти данные, прежде всего, должны быть структурированы перед тем, как их можно будет проанализировать.

6. Контролируемое vs. неконтролируемое обучение

В контролируемом машинном обучении подразумевается вывод выходных данных, что означает, что у компьютера есть данные, на основе которых он может обучаться. Например, если вы хотите предсказать возможность добровольного ухода, самый простой способ - позволить компьютеру обучаться на прошлом. В контролируемой модели компьютер анализирует данные людей, которые добровольно покинули компанию. Затем он сравнивает эти данные с людьми, которые в тот момент времени остались в компании. Эта информация сообщает компьютеру, кто покинул компанию, а кто – нет, и позволяет ей создать прогностическую модель сотрудников, которые могут уйти. Это пример контролируемого машинного обучения.

В неконтролируемом обучении нет вывода выходных данных. Система все еще может продолжать делать прогнозы на основе этих данных, группируя множество связанных данных. В следующем примере вы увидите, как работает контролируемая кластеризация.

7. Кластеризация

Кластеризация - это вид машинного обучения, который строит прогнозы путем кластеризации данных.

Кластеризация данных подразумевает под собой процесс, при котором компьютер ищет и рассматривает группы, которые имеют некоторое сходство. В следующем примере показаны 1000 аспектов данных, которые разделены на три кластера. Это пример, который наглядно дает представление о том, какие данные принадлежат к какому кластеру.
9 терминов HR аналитики, которые необходимо знать

Машинное обучение позволяет оценивать различные кластеры. Кроме того, когда вводятся новые данные, алгоритм может предугадать, к какому кластеру они больше относится. Данные в правом нижнем углу скорее будут частью 1 кластера, а данные в правом верхнем углу скорее принадлежат 2 кластеру.

Конечно, это относительно простой пример. В реальности обычно все бывает немного сложнее.

8. Данные для обучения vs. тестовые данные

Когда у вас есть набор данных, вы можете построить алгоритм прогнозирования. Но как узнать, насколько точными являются полученные прогнозы? Чтобы это узнать, необходим второй набор данных. Это тестовый набор.

Обычно тестовые данные и данные для обучения создаются путем разделения одного полного набора данных (см. рисунок ниже). Первая часть этого набора – для процесса обучения. Эти данные будут использоваться для создания прогнозирующего алгоритма. Второй набор данных - это тестовые данные. Эти неизвестные данные будут использоваться после того, как алгоритм будет создан, для того, чтобы проверить, насколько точными являются прогнозы алгоритма.
Если эти два набора данных не разделяются, то проверять точность созданных моделей будет необходимо на тех же данных, которые были использованы для создания алгоритма в первую очередь. И это фундаментальная ошибка, которая может привести к тому, что называется «переобучением».

9. Переобучение

Не все модели прогнозирования пригодны.
Машинное обучение - комплексный метод, и он может обеспечить очень подробный анализ. Но именно из-за этого уровня детализации он подвергается риску «переобучения». Это означает, что любой может создать алгоритм, который способен предсказать свои данные с довольно идеальной точностью!
Возьмите пример с данными о 14-дневном метеорологическом прогнозе, который упоминался ранее.
9 терминов HR аналитики, которые необходимо знать
На этом рисунке показано дерево решений, которое может предсказать, хотели ли дети играть на свежем воздухе в течение последних 14 дней со 100-процентной точностью. Эта модель явно очень детализирована, поскольку она адаптирована к нашему конкретному набору данных.
Сравните эту модель с моделью, приведенной ниже. Нижеприведенная модель проста и понятна. Когда ожидается солнечная погода, дети, вероятнее всего, будут на детской площадке. Когда прогноз дождливый, дети вряд ли выйдут на детскую площадку. Эта модель довольно проста и понятна с учетом имеющихся знаний.
Вышеупомянутая же модель нереально сложна. Мы рассматривали данные всех 14 дней (рядов) для построения этой модели. Однако, наша модель имеет 19 (!) возможных исходов событий. Это означает, что возможных исходов событий больше, чем изначально вкладывается в данные. Другими словами, эта модель слишком сложна.
Проблема переобучения заключается в том, полученная модель идеально «подходит» к данным, которые использовались для ее создания. Однако, на практике она по сути не применяется. Если добавить новые данные в эту модель, точность будет тотчас же снижена. Точность гораздо более простой модели, представленной ниже, скорее всего, останется неизменной.
9 терминов HR аналитики, которые необходимо знать
Поэтому не поддавайтесь тому обману, когда люди говорят, что у них есть прогностическая модель, которая может создать очень точные прогнозы! Под «капотом» данная модель, вероятно, не имеет такой ценности.
9 понятий, которые рассмотрены в данной статье, очевидно, не охватывают все, что вам нужно знать касательно HR аналитики. Надеюсь, они помогут вам лучше понять, о чем говорят ваши аналитики или консультанты. Если вы знаете какие-либо аспекты, которые также должны быть в этом списке, не стесняйтесь добавлять их, публикуя комментарий.
__________________________________________________________
На этом все, читайте нас в фейсбуке и телеграмме

Успешная аналитика людей = данные + здравый смысл

Ниже - перевод статьи People analytics success = data + common sense. Статья - очередной анализ того, что было на конференции по HR аналитике в Лондоне 20-21 апреля. Среди имен - уже хорошо известный нам Алек Левенсон и другие) Перевод статьи выполнила студентка Высшей Школы Экономики Терскова Мария в рамках проекта переводы статей по hr-аналитике на английском.
Сложный термин - People analytics)))

Успешный аналитика людей = данные + здравый смысл

Успешная аналитика людей = данные + здравый смысл

Успех в people analytics требует баланса между принятием решений, основанных на интуиции и на данных. Майкл Карти сообщает о прошедшей в прошлом месяце Всемирной конференции Tucana People Analytics в Лондоне. (прим.: people analytics -  это подход, основанных на управлении данными, чтобы управлять людьми на работе).
People analytics - это «50% холодной и жесткой статистики, и 50% здравого смысла». Это слова Росса, Сапркмана, руководителя планирования рабочей силы в Facebook, произнесенные на этой конференции. Ряд других ораторов затронули эту тему, утверждая, что эффективный анализ людей должен быть информирован как данными, так и интуицией.
Здравый смысл ведет к успеху в анализе людей
«Основная проблема, с которой сталкивается HR – это отсутствие релевантности, а не отсутствие данных», - говорит доктор Алек Левенсон из Центра эффективных организаций из Университета Южной Калифорнии.
Он считает, что цель HR – служить бизнесу. Поэтому стратегия управления персоналом должна вытекать из бизнес-стратегии. Приступая к человеческой аналитической деятельности, HR должен сосредоточиться на вопросах, которые важны для бизнеса и на том, как имеющиеся данные могут помочь ответить на эти вопросы.
«Суть в том, что мы не фокусируемся на вопросах, которые важны, и мы слишком много уделяем внимания данным, которые у нас есть», - добавляет Левенсон.
Здравый смысл – недостающий элемент в анализе людей, полагает Питер Хоуз, вице-президент по планированию и анализу рабочей силы в SAP SuccessFactors. По его словам, использование данных и аналитики HR часто не имеет «интеллектуальной строгости».
Самая большая проблема для использования анализа людей в планировании рабочей силы – это не сбор данных, а построение качественных навыков, необходимых для анализа, интерпретации и передачи данных. Он утверждает, что HR часто виноват в «простой публикации данных» таким образом, который оказывается «лишенным возможности рассказать историю».
Это означает, что HR часто переносит бремя понимания данных на аудиторию: «Мы публикуем данные и надеемся, что люди будут понимать, что это значит».

Рассказывание интересных историй с данными

Анализ людей может «заходить на мель», когда HR пытаются сообщить свои выводы и рекомендации другим отделам бизнеса.
«HR не знает как говорить о данных HR», - говорит Николь Норрис, руководитель отдела бизнес-операций и HR в компании Stepstone Pharma. «Не имея возможности говорить о финансовых результатах, они не могут продать бизнес-кейс».
Однако четкие и убедительные данные в сочетании с пониманием основ того, как рассказывать истории с данными, могут пройти долгий путь, говорит эксперт по рассказыванию данных Коул Нуссбаумер.
HR может добиться многого, избавившись от ненужных данных из своих отчетом и заявив, как они представлены. «Мы добавляем тонну когнитивного беспорядка без каких-либо дополнительных преимуществ», - говорит она. «Определите все, что будет похоже на работу для аудитории, и возьмите эту работу для себя, чтобы это было легко для аудитории».
HR не обязательно должен инвестировать в дорогостоящие инструменты для создания высококачественных отчетов. Эффективная публикация аналитических данных возможна с помощью таких инструментов как Excel и PowerPoint, в представлении Нуссбаумер: «Любой инструмент можно использовать хорошо или не очень хорошо».

Успешность аналитики людей на Facebook

Обеспечение того, чтобы решения о распределении ресурсов были одинаково информированы данными и интуицией, имеет решающее значение для стратегического планирования рабочей силы в Facebook, что в свою очередь является критическим для продолжающегося успеха в социальных медиа.
Facebook переживает устойчивый период высокого роста, при этом организация удваивает размер каждые один-два года из последних пяти. Это вывело планирование рабочей силы к вершине (топу) в области HR.
В Facebook «идея успешного планирования не существовала три года назад», - говорит Спаркман. По его словам, в настоящее время это стратегический приоритет, «даже если Марк Цукерберг планирует быть там всегда».
Подход, основанный на данных Facebook, для планирования рабочей силы, направлен на то, чтобы ответить на один простой вопрос: «кто управляет оценкой?». Команда Спаркмана допрашивает и передает данные о людях, производительности и эффективности, чтобы определить «какие роли могут заставить бизнес прекратить зарабатывать деньги, если они перестали появляться».
Они используют свои выводы для информирования стратегий найма и удержания Facebook, устанавливая текущие уровни спроса для критических ролей и прогнозируя, как они могут измениться в ближайшие годы.
Однако Сапркман предупреждает, что «прогнозы не являются совершенными, они только полезны». Скорость роста и изменений в Facebook означает, что стратегическое планирование рабочей силы нужно пересматривать «ежемесячно, ежеквартально», - говорит он. «Это динамично. Это делается на скорости, с которой рынок меняется».
Команда HR также должна постоянно поддерживать связь с финансовыми и другими отделами, чтобы гарантировать, что ее измерение всегда имеет наибольшее значение для бизнеса. Человеческая интуиция и способность анализировать и интерпретировать данные, также важны, как и сами данные.

Скоро: Facebook-университеты?

Заглядывая вперед, Спаркмен говорит, что наибольший риск для Facebook, Google и других цифровых гигантов – это все более ограниченное предложение инженеров-программистов. Он говорит, что в настоящее время существует 6%-ный глобальный дефицит инженеров-программистов, которые к 2020 году прогнозируют рост примерно до 20%. Таким образом, пакеты зарплат и акций для этих ролей стремительно растут. «До тех пор, пока не перейдут на машинное обучение и искусственный интеллект, разработчики программного обеспечения будут новыми звездами», - говорит Спаркман.
Спаркман предлагает радикальное решение для нехватки навыков инженеров в области программного обеспечения Facebook: «Мы должны будем развивать собственные таланты». Он говорит, что в течение следующих трех-пяти лет организация может запустить «Facebook-университеты», разбросанные по трем локациям в США, Европе и Азии, для обеспечения притока кандидатов с критическими навыками.
__________________________________________________________
На этом все, читайте нас в фейсбуке и телеграмме

понедельник, 19 июня 2017 г.

Оценка эффективности тренинга с использованием HR аналитики. Пример

Очень сложная тема - оценка эффективности тренингов. Читайте перевод статьи Evaluating Training Effectiveness Using HR Analytics: An Example, выполненный студенткой Высшей Школы Экономики Субботиной Варварой в рамках нашего проекта переводы статей по hr-аналитике на английском . Автор статьи Jared Valdron is an organizational psychology researcher and people analytics consultant who specializes in training effectiveness evaluation, performance

Оценка эффективности тренинга с использованием HR аналитики. Пример

Проведение оценки эффективности обучения в сфере HR, основанной на анализе данных, довольно часто остается недооцененным. В представленной статье описываются различные способы оценки эффективности обучения. Некоторые из этих способов не были оправданы, в статье также указываются способы их улучшения при использовании программы по снижению неосознаваемых предубеждений. (unconscious bias training programs).
За последние несколько лет значительное количество организаций признали проблему предвзятого отношения при оценке эффективности. Другими словами, это неосознаваемые предубеждения против определенных групп, которые влияют на наше поведение и оценку, что нередко приводит к дискриминации на рабочем месте. В большинстве случаев, подобная дискриминация касается женщин и этнических меньшинств. В связи с этим, многие компании вводят учебные программы, направленные на уменьшение негативных последствий такого рода бессознательных предубеждений.
Особую популярность такие программы получили в сфере IT индустрии. Одними из первых подобные программы ввели такие компании, как Google и Facebook. Однако, несмотря на прекрасно проделанную работу и значительный прогресс остается нерешенным следующий вопрос: «Как организации могут быть действительно эффективны в снижении негативных последствий неосознаваемых предубеждений?»
Организации, которые уже протестировали проведение подобной программы, сообщают о положительных результатах, выражающихся в повышении общей осведомленности и позитивной реакции участников. Другими словами, они сообщают, что участникам:
А) Программа понравилась
Б) Они узнали что-то новое
Несмотря на ценность предоставленной информации, эти сведения не передают в полной мере эффективность этих программ,  то есть нет результата, подтверждающего снижение негативных последствий. Однако подтверждается, что это не столько является проблемой программ по снижению предубеждений, сколько оценкой эффективности обучения в целом. Подобные программы unconscious bias training являются лишь наглядным примером.
Оценка эффективности тренинга с использованием HR аналитики. ПримерКак профессионалы в сфере HR-аналитики, мы всегда должны следить за тем, чтобы данные, которые мы собираем, соответствовали запросу, ответ на который мы ищем. Сбор данных о реакциях и осведомленности сотрудников является удобным способом исследования. Для улучшения наших учебных программ нам необходимо расширить наши данные для отчета.
Я мог бы лично выйти в онлайн-клуб Мерлина и, таким образом, пройти обучение и
стать волшебником. Я смог бы:
А)наслаждаться обучением
Б)изучать магические заклинания
Однако, означает ли это, то что я смогу заклинать, чтобы заставить себя потом летать? К сожалению, ответ отрицательный.
Модель Киркпатрика (Kirkpatrick model), представленная ниже, выделяет два дополнительных, очень важных критерия для оценки эффективности обучения, которые многие организации пропускают:
Оценка эффективности тренинга с использованием HR аналитики. Пример
Критерии оценки эффективности обучения, которые были описаны ранее, относятся к уровням 1 (Реакция) и  2 (Обучение). Реакция означает степень нахождения слушателями  программы приятной и актуальной, тогда как обучение описывает степень, в которой обучаемые получают знания, отношения и приверженность на основе обучения. Что же можно сказать насчет уровней 3 (Поведение) и 4 (Результаты)?

Поведение относится к тому, какое количество стажеров фактически меняет свое поведение на основе того, что они узнали, когда пришли на работу. В бессознательном контексте соответствующее поведение может быть приостановлено, чтобы понять, может ли снижение предубеждения играть роль при принятии решения. Хотя  сбор данных на уровнях 1 и 2  действительно сложнее, это все таки возможно. Вы могли бы:

А) представить слушателей с соответствующим  поведением и спросить, как часто они делали проявляли его на прошлой неделе
Б) включить соответствующие виды поведения в оценки эффективности

Результаты относятся к степени, в которой конкретные результаты происходят в результате обучения. В бессознательной (неосознаваемой) программе обучения, предвзятости это то, что мы искали все это время: снижение неосознаваемого предубеждения. Хотя трудно установить, что данный результат произошел из-за непосредственного обучения, существует вероятность, что данные, которые уже собраны, могли бы указывать результаты в правильном направлении. Например, вы можете посмотреть:

А) различия в числе жалоб, связанных с дискриминацией
Б) производительность труда различных сотрудников

Включив эти два дополнительных критерия, вы можете получить гораздо лучшее представление об эффективности своих учебных программ. На данный момент возникает еще один не маловажный вопрос: кого вы необходимо сравнивать с участниками тренинга, чтобы найти эти различия? Возникают две стратегии действий:

А) сравнение результатов сотрудников, которые приняли программу с теми, кто этого не сделал
Б) сравнение результатов сотрудников перед проведением программы и после

Основная проблема стратегии (А) заключается в том, что даже до прохождения программы сотрудники, которые решают принимать в ней участие  могут принципиально отличаться от тех, кто этого не делает. Например, участники могут быть более мотивированы, чтобы уменьшить их предвзятое отношение, чем не-участники, и могут уже вести себя таким образом, чтобы они соответствовали различным индивидуальностям.


Стратегия (Б) рассматривает проблему в (А) в том, что участники сравниваются с самими собой, устраняя влияние отдельных различий. У этой стратегии есть своя проблема, однако для того, чтобы  что-то помимо программы могло произойти между до и после программных мер, которые изменяют результат, но совершенно не связаны с программой. 

Например, в середине программы генеральный директор может отправить электронное письмо с подтверждением важности уважения к различным людям, что приведет к повышению осведомленности сотрудников о таких проблемах, которые совершенно не связаны с программой.

Хотя и (А), и (Б) имеют свои собственные недостатки, они могут покрывать ограничения друг друга. Если вы сравниваете сотрудников, которые участвуют в программе как перед собой, так и перед теми, кто не прошел обучение, вы можете получить ответы, которые вы ищете, с большей уверенностью! Еще одна рекомендация - собрать те же данные об оценке эффективности обучения через несколько месяцев после окончания обучения в качестве последующей меры. Это происходит, потому что иногда эффекты обучения ухудшаются со временем, и важно узнавать, сохраняются они или нет.

В заключение, я не хочу приуменьшить работу, выполненную такими организациями, как Google и Facebook, или создать впечатление, что вы всегда должны проводить оценку обучения на всех четырех уровнях, до и после, и по сравнению с другой группой. Я понимаю, что HR-аналитики-специалисты ограничены в их время, ресурсах и доступе к данным.
Вместо этого, я просто хочу бросить вам вызов, чтобы найти всего несколько элементов, которые я упомянул выше, которые вы, возможно, включите в свою оценку эффективности. Делая наши оценки более четкими, мы можем улучшить наше бессознательное предубеждение по поводу учебных программ и уменьшить влияние этих погрешностей на нашу работу. Мы все здесь в одной команде, так что давайте и дальше развивать наши обучающие программы и друг друга!
Оценка эффективности тренинга с использованием HR аналитики. Пример
__________________________________________________________
На этом все, читайте нас в фейсбуке и телеграмме

воскресенье, 18 июня 2017 г.

Как HR аналитика улучшает продуктивность и прибыльность

И снова переводы статей по hr-аналитике на английском. Студент Высшей Школы Экономики Сощик Иван выполнил перевод статьи How HR Analytics Boost Productivity and Profitability. Автор статьи: RJ Hacks is a veteran HR professional with more than 8 years of experience mainly in organizational development. She is now exploring the various facets of Analytics so
Как HR аналитика улучшает продуктивность и прибыльность

Как HR аналитика улучшает продуктивность и прибыльность

Аналитика в сфере управления персоналом становится быстро набирающей рост тенденцией в мире корпораций благодаря ее глубокому анализу, который обеспечивает основу для разработки решений по различным вопросам. Согласно докладу компании «Modern Distribution Management», лидеры компаний полагаются на аналитику, чтобы получить более «полезную информацию и данные».

Если вы ищете способы использования HR-аналитики в своей компании, обязательно ознакомьтесь с нашей предыдущей публикацией под названием «Внедрение HR-аналитики: шаг за шагом». Известно, что две из наиболее часто возникающих проблем в корпоративной сфере - производительность сотрудников и прибыльность компании.

Есть много людей, которые считают, что истинная сущность компании - ее сотрудники. Но все люди разные, и бывают случаи, когда определенные факторы влияют на производительность сотрудника. Эти факторы варьируются от внутренних до внешних.

Кроме того, производительность сотрудников прямо пропорциональна прибыльности компании, поэтому, когда что-то из этого страдает, другое также несёт потери. Таким образом, аналитика, которая будет обсуждаться ниже, может применяться к обеим сферам.

Применение HR-аналитики.


В статье Forbes были рассмотрены восемь подмножеств HR аналитики, которые имеют критическое значение для каждой компании. В общем, они образуют группу из шести пунктов: способности, компетентность, мощность, отток, культуру и направление. Остальные два - лидерство и представление.

Способности определяются как все навыки работника, включая нетехнические навыки, такие как поддержание сильных рабочих отношений. После того, как вы хорошо понимаете возможности каждого сотрудника, вы сможете выявить их потенциал, который затем приведет к повышению производительности.

Компетентность в данном случае относится к компании. Основные компетенции организации могут иметь недостатки, которые затем преводят к снижению прибыли. Для лучшего понимания рассмотрите пример, SAB Miller. Хотя он недавно был объединен с Anheuser-Busch InBev, самой крупной в мире пивоваренной компанией в мире, SAB Miller были второй ведущей пивоварней во всем мире до поглощения.

Среди основных компетенций этой компании - стандарты качества (QS). При использовании аналитики компетентности было обнаружено, что значительная часть проблем связана не с формулой(рецептом) и обработкой продуктов. Благодаря аналитике компания расширила сферу своего сбора данных для одной из своих основных компетенций. Вскоре после этого были произведены изменения - компания разработала надлежащие программы трудоустройства для обеспечения высокого класса своих пивоваренных заводов во всем мире.

Мощность относится к эффективности работы сотрудников. Проще говоря, более высокая эффективность за меньшее время.

Отток или отток персонала, зафиксированный на уровне компании. Высокая текучесть кадров может негативно сказаться на бизнесе.

Google - известная фирма, которая делает упор на этот раздел аналитики. После каждого интервью, как внутреннего, так и при оценке кадров, компания оценивает, как интервьюера, так и собеседника. Эта информация используется для создания новых способов проведения интервью, поскольку оно заключается в том, что у человека узнают его обязанности, карьерный рост и окончание работы (интервью для приёма на работу/ интервью с представлением / интервью при уходе). Компания придумывает способы привлечения лучших кандидатов и того, как сохранить сотрудников, которые уже считаются активами для компании.

Культура, а точнее, корпоративная культура, является примером внешнего фактора. Через аналитику вы можете оценить, какая часть культуры компании должна быть сохранена, изменена или отменена.

Направление - это поиск лучших средств для поиска талантов. Собирая команду с талантами, которые дополняют друг друга, общая производительность повышается.

Что касается аналитики лидерства, существуют различные способы сбора данных. Одним из хороших способов является проведение проверок, позволяющих вашим сотрудникам выражать свою личность без необходимости соотносить её со своей идентичностью. Сообщение о Menlo Coaching от Алисы ван Хартен, озаглавленное «Решение вопросов лидерства в вашем приложении MBA» или «Как вы это сделали?» Вы работаете с людьми, которые не были членами вашей команды? «Такие вопросы дадут вам ценную информацию о том, как развиваться. Эффективные лидеры делают компанию преуспевающей, процветающей и, следовательно, прибыльной.

Последнее, но не менее важное - представление. Обратная связь важна, чтобы дать каждому сотруднику взгляд на то, как он / она что-либо делает. Что еще более важно, данные, которые вы получаете благодаря аналитике представления, позволяют оценить, какие тренинги или инструменты необходимы вашей рабочей силе для их максимального использования.
__________________________________________________________
На этом все, читайте нас в фейсбуке и телеграмме

суббота, 17 июня 2017 г.

21 Метрика эффективности сотрудников

И снова переводы статей по hr-аналитике на английском. Студент Высшей Школы Экономики выполнил перевод статьи 21 Employee Performance Metrics. Важная статья для тех, кто определяется с измерением эффективности и оцифровывает эту эффективность. Егору досталось одному очень большая статья:)

21 Метрика эффективности сотрудников 

Метрики эффективности сотрудников являются ключом к отслеживанию динамики их продуктивности. Выбрать правильные – довольно непростое дело. Однако, в случае, когда это было сделано правильно – это приносит пользу не только организации, но и сотруднику. Мы составили список самых важных и распространенных, и включили практические кейсы, иллюстрирующие возможности применения каждой из метрик.
В целом, мы можем выделить 4 основных категории метрик
  1. Качественные производственные метрики
  2. Количественные производственные метрики
  3. Метрики производственной эффективности
  4. Метрики организационной производительности

Качество работы – метрики производительности сотрудника 

Качественные метрики могут помочь в качественной оценке производительности сотрудника. Самая известная метрика – субъективное оценивание непосредственным начальником.

1. Целевое управление 

Один из способов структурировать субъективную оценку менеджеров – использовать целевое управление. Это такая модель, направленная на увеличение продуктивности организации при помощи ретрансляции общих бизнес-целей на личный уровень, в виде личных KPI. Чаще всего цели приобретают такую форму, которая была установлена менеджером и сотрудником совместно.

Сотрудник выстраивает свою деятельности в направлении таких целей и затем докладывает начальству относительно достигнутых результатов.
Цели также могут быть заданы при помощи определенных единиц (количество очков). Успешное достижение поставленных целей награждается. В свою очередь менеджеру такой подход позволит сделать цели более материалистичными и оценивать продуктивность с опорой на статистические данные.

2. Субъективная оценка менеджера 

В подавляющем большинстве компаний производительность измеряется несколько раз за год. Сотрудники оцениваются по нескольким критериям, качество из работы – самый распространенный из них.

Адаптация этой схемы названа 9-и клеточной сеткой. В основе такой логики лежит 3х3 таблица, где по одной оси – производительность, а по 2-й – потенциал. Сотрудники с высокой производительностью, но низким потенциалом – идеальны для их текущей позиции.

Сотрудники, (в верхнем правом углу) – те, кто одновременно имеет высокий показатель по шкале производительности и потенциалу, чаще всего очень быстро движутся по карьерной лестнице и приносят ценности больше, чем требуется на их позиции.

Такая модель позволяет легко оценить настоящую и будущую ценность сотрудников, и является полезным инструментом в целеоринтированном менеджменте.
21 Метрика эффективности сотрудников

3. Дефекты готового продукта 

Очень сложно оценить качество готовой продукции объективно. Такой подход часто можно встретить в реальном секторе, производстве, где рассчитывают количество дефектов продукта. Дефект, или некорректно произведенный товар является своего рода идентификатором низкого качества работы, и должны удерживаться на относительно низком уровне.
Несмотря на то, что усиленная стандартизация производственных процессов сделала эту метрику почти бесполезной, подход к измерению производительности сотрудников может быть применен к другим областям.

4. Количество ошибок

Количество ошибок при “вводе” может служить альтернативой ранее упомянутым дефектам продукта. То же самое касается количества исправлений в письменной работе или количества багов в программном коде. Особенно в компьютерном программировании одна ошибка способна остановить работу всей программы. Это может существенно повлиять на бизнес, особенно для компаний, которые выпускают еженедельные или ежемесячные версии программного обеспечения.

Краткость кода - еще один важный фактор качества. Если десять строк кода могут производить такой же вычислительный результат, как 100 строк кода, первый показатель является лучшим качеством.

5. Чистая оценка промоутера 

Показатель Net Promoter score (NPS) может выступать в качестве индикатора эффективности работы сотрудника. NPS - это число (обычно от 1 до 10), которое показывает готовность клиента рекомендовать услугу компании другим потенциальным клиентам. Клиенты, набравшие 9 или 10 баллов, с большой вероятностью будут удовлетворены и выступят в качестве промоутеров для компании. Этот показатель регулярно используется для оценки работников продаж.  Например, при продаже автомобилей, он включен в окончательную форму, которую должны подписывать клиенты. 
Преимуществом NPS является его простота. Недостатком является то, что сотрудники нередко дают клиенту указание выставить определенный рейтинг (т.е. 9 или 10).

6. Метод 360 градусов

Метод 360 градусов - еще один инструмент для измерения производительности сотрудников. Чтобы оценить сотрудника, его подчиненным, клиентам и менеджерам нужно предоставить отзывы о нем по конкретным темам. Эта обратная связь часто представляет собой точный и многогранный взгляд на производительность, уровень навыков и точки роста.
21 Метрика эффективности сотрудников

7. Метод 180 градусов 

Метод 180 градусов - это более простая версия метода 360 градусов. В методе 180-и градусов только сотрудники и управляющие, напрямую взаимодействующие с субъектом предоставляют обратную связь. Именно поэтому система часто используется рабочими, которые не управляют людьми и/или не имеют прямого контакта с клиентом.

8. Принудительное ранжирование

Принудительное ранжирование (также называемое ”кривой жизни”) - это способ ранжирования сотрудников, когда менеджеров просят ранжировать подчиненных от лучшего к худшему. Таким образом, все сотрудники фирмы сравниваются друг с другом и затем производится оценка их эффективности. Каждое ранжирование нацелено на улучшение производительности. Нижние 10% рейтинга могут быть уволены и заменены топ-претендентами из рынка труда, что, как утверждается, приводит к значительному улучшению продуктивности.

Тем не менее, было много критики к такому подходу, который называли «ранги и янки», и большинство компаний прекратили практику, в том числе General Electric, чей тогдашний генеральный директор Джек Уэлч такой подход популяризовал.

Количественные показатели – метрики производительности сотрудников 

Поскольку количество проще измерять, чем качество, существует множество способов расчета показателя производительности сотрудников.

9. Количество продаж

Количество продаж - это особенно простой способ определить производительность сотрудника отдела продаж. Особенно это работает в случае с «простыми продажами». Это означает, что, например, организованные уличные продавцы управляют только количеством продаж, потому что, когда им дают достаточное количество времени, люди с наилучшими навыками будут продавать больше товара в час в одной и той же локации. Это пример показателя “выходного” результата.

Однако, когда продажи более сложны (т.е. более длительный цикл продаж), метрика количества продаж становится менее надежной, поскольку продажи происходят реже, и случайность или удача будут играть значительную роль в успешном результате. Сложные циклы продаж, такие как продажа программных решений (которые могут иметь цикл продаж до 1,5 лет), лучше всего оцениваются по другим показателям. Это так называемые процессуальные метрики, поскольку они представляют собой действия, которые нужно сделать, чтобы повысить вероятность успешной продажи. Например, человек, который звонит большему количеству клиентов, в конечном итоге получает наивысший шанс совершить успешную продажу. В этом случае количество телефонных звонков будет более надежным показателем долгосрочного успеха продаж. Такие показатели производительности сотрудников чаще всего включают 10. количество (потенциальных) контактов с клиентом, которое он имеет, 11. количество телефонных звонков, которое он совершает, 12. количество посещений компании, 13. количество активных лидов
и т. д.

14. Количество произведенных единиц

Различные отрасли промышленности имеют разные способы выражения своего количественного результата. В традиционном производстве количество произведенных единиц часто являлось подходящей количественной метрикой. В современных (сервисных) организациях все еще используются аналогичные показатели. Например, Bloomberg отслеживает количество символов, которые их 2400 журналистов печатают на клавиатуре за минуту.

Другой способ измерения количественного производства - отслеживать количество строк кода, которые пишут программисты (например, проверить этот вопрос / обсуждение Quora на «сколько строк кода пишут профессиональные программисты в час?»).

Есть некоторые очевидные недостатки в использовании чистой количественной метрики производительности. Как и в предыдущем примере, только тогда, когда производимый продукт очень и очень прост, следует использовать такую метрику. Примером может служить количество кубиков Рубика, которое можно решить за час, так как опытные “решатели” кубика Рубика могут решить более ста в час.

15. Время обработки, решение проблемы с первого вызова, качество контактов и
т. д.

Мы могли бы написать целую статью о метриках колл-центра. Центры обработки вызовов являются одними из наиболее часто встречающихся мест, где необходима оценка производительности сотрудников. Метрики, как среднее время обработки, среднее время, в течение которого клиент находится на телефоне, в том числе, когда они находятся на удержании, решение проблемы с первого вызова, которое представляет собой количество вызывающих абонентов, проблема которых разрешена при первом вызове, качество контакта, рейтинг, который клиент может выставить после звонка, который является мерой количества отвеченных звонков за определенное время (например, на 90% ответов на вызов в течение 25 секунд). Вы можете увидеть все метрики для колл- центра в этом блоге. 

Метрики эффективности

Сложность как качественных, так и количественных показателей производительности сотрудников заключается в том, что они не говорят о себе. Когда программист пишет 40 строк кода в час, он производит много кода, но это ничего не говорит о качестве кода.
Всегда должно быть равновесие между количеством и качеством. Действительно, лучшие сотрудники производят высококачественную производительность.
Этот баланс мы называем 16. Эффективность работы, поскольку она консолидирует ресурсы (например, время и деньги: количество), необходимые для получения определенного результата (качества). Трудно достичь этого баланса, и это является одной из причин, по которым многие компании борются с рейтингованием сотрудников и с самой практикой обзора производительности. По этой причине такие компании, как Deloitte, GE и Adobe, отказались от анализа производительности вообще.
21 Метрика эффективности сотрудников

Организационный уровень оценки производительности сотрудников

Организации могут также использовать показатели производительности сотрудников для оценки собственной конкурентоспособности.

17. Доход на 1 сотрудника

Доход за полный рабочий день = Общий доход / полный рабочий день
Эта функция вычисляет доход за FTE (полный рабочий день). Такая метрика дает общую оценку того, сколько человек приносит прибыли. Низкий доход и большое количество сотрудников дают более низкий рейтинг, чем сочетание высоких доходов и меньшего количества сотрудников. Этот показатель также может использоваться для тестирования компаний. Знаменитый пример - это следующий инфографик на Expert Market:
21 Метрика эффективности сотрудников
В своей книге «Экспоненциальные организации» Салим Исмаил часто ссылается на эту метрику. По его словам, линейные организации имеют линейную функцию между сотрудниками и прибылью, в то время как экспоненциальные организации имеют экспоненциальную функцию между сотрудниками и прибылью. Это одна из причин, почему эти организации растут намного быстрее.

18. Прибыль за FTE

Прибыль за FTE = Общая прибыль / FTE
Прибыль за FTE аналогична показателю предыдущей (11), но фокусируется на прибыли вместо дохода. Прибыль компании - ее общая выручка за вычетом расходов. Высокая прибыль на одного сотрудника является солидной метрикой финансовой чистоты организации.

19. Коэффициент возврата инвестиций в человеческий капитал

ROI человеческого капитала - это метрика, которая оценивает ценность человеческого капитала (т. е. Знания, привычки, социальные и личные качества). При помощи расчета выручки компании (за вычетом операционных расходов, компенсации и стоимости пособия) и последующем делении этого числа на общую компенсационную и льготную стоимость, которую компания платит своим сотрудникам, вы можете вычислить рентабельность человеческого капитала.
Этот подход популяризируется Jac Fitz-enz в его книге «ROI Human Capital». Однако его подход к измерению человеческого капитала далек от надежного и подвержен серьезным изменениям (мы в analyticsinhr.com изучили его книгу и попытались рассчитать показатели ROI для ряда крупных компаний в Нидерландах. Результаты оказались разочаровывающими, поскольку метрики не учитывают важные факторы, такие как увольнения, побочные издержки и другие непредсказуемые события).

20. Процент абсентеизма

Абсентеизм и производительность - это две сильно коррелирующие конструкции. По словам Гэллапа, высокомотивированные и занятые сотрудники меньше болеют (на 37% меньше по мнению Gallup). Кроме того, отсутствующие сотрудники менее продуктивны, а высокий уровень отсутствия по болезни во всей организации является ключевым показателем низкой эффективности работы организации.

21. Сверхурочная работа на одного сотрудника

Сверхурочная работа за FTE = Общее количество часов сверхурочной работы / FTE
Средняя сверхурочная работа за FTE - это итоговые показатели производительности сотрудников. Сотрудники, которые готовы приложить дополнительные усилия, обычно более мотивированы и продуктивны (с точки зрения количества работ).

Заключение

Невозможно зафиксировать продуктивность (читай эффективность) в одном показателе производительности одного сотрудника. В этой статье содержится исчерпывающий обзор, но нет ни одной глобальной метрики, главенствующей над остальными. Почему? Потому что она еще не существует. Лучшие метрики объединяют качественные и количественные показатели. Большинство компаний пытаются практиковать такой подход, обращаясь к менеджерам и коллегам с просьбой проанализировать эффективность людей в рамках метода обратной связи на 180 или 360 градусов.
И я думаю, что это путь. Лучшая метрика – это многогранное сочетание различных качественных и количественных показателей эффективности сотрудников, выполняемых несколькими людьми.
__________________________________________________________
На этом все, читайте нас в фейсбуке и телеграмме

14 примеров HR-метрик

Очередная статья проекта переводы статей по hr-аналитике на английском. Перевод выполнили студентки Высшей Школы Экономики Охременко Елизавета, Петрова Анастасия. Я исправил перевод HR Metrics как HR-метрики. HR-метрики - устоявшееся сочетание в HR.
Сам я негативно отношусь к метрикам (одной фразой: метрики не позволяют прогнозировать будущее), см Как правильно выбирать HR-метрики, но нужно знать всю палитру, поэтому публикуем и этот материал.

14 примеров HR-метрик

В данной статье блога рассматривается 14 важных примеров HR- метрик. HR- метрики являются индикаторами, которые позволяют специалисту по подбору персонала отслеживать и измерять производительность различных характеристик и в конечном итоге предсказать будущее (автор дает ссылку на пост с прогнозами, но как раз про HR-метрики там ничего нет - прим. Э.Б.). Однако не все HR- метрики одинаковы. В этой статье мы предлагаем несколько самых полезных примеров HR-метрик.

Даже при том, что этот список содержит самые основные HR-метрики, вы можете придумать большое количество показателей под номером 15! Предлагайте, пожалуйста, дополнительные HR-метрики в комментариях ниже.

Примеры HR-показателей в рекрутменте

1. Время найма (среднее время одного найма)

Важным показателем для рекрутмента является ‘время найма’. Он показывает эффективность процесса подбора персонала и обеспечивает понимание трудности закрытие конкретной позиции.

2. Стоимость одного найма (общая стоимость найма/количество новых наймов)

Как и время найма, показатель ‘стоимости одного найма’ демонстрирует, сколько стоит для компании наём новых сотрудников. Этот показатель также служит индикатором эффективности процесса подбора персонала.

3. Ранняя текучесть кадров (процент новичков, покидающих компанию на первом году работы)

Это, возможно, самый важный показатель, позволяющий определить успех найма в компании.
Этот показатель тех, кто рано уходит из компании, указывает, есть ли несоответствие между человеком и компанией или между человеком и его/ее должностью. Ранняя текучесть кадров является также очень дорогой. Обычно уходит от 6 до 12 месяцев прежде чем сотрудники полностью обучатся и достигнут своего ‘Оптимального уровня производительности’. Согласно Оксфордскому Экономическому докладу 2014 года стоимость замены одного сотрудника за этот период в среднем составляет 30,000£ (43,700$).

4. Время до продвижения по службе (среднее время в месяцах до внутреннего продвижения)

Этот довольно прямой показатель полезен в объяснении, почему ваши перспективные сотрудники покидают компанию.

Примеры HR- метрик, связанных с доходом

5. Выручка на одного сотрудника (выручка/общее количество сотрудников)

Это метрика демонстрирует эффективность организации в целом. ‘Выручка на одного сотрудника’ является индикатором качества нанятых сотрудников. Посмотрите эту статью на «Business Insider», чтобы узнать, какие результаты по этому показателю у 12 лучших информационно-технологических компаний в мире.

6. Производительность и потенциал (матрица 9-box)

Матрица 9-box составляется при измерении и сопоставлении индивидуальных производительности и потенциала на трех уровнях. Эта модель показывает, какие сотрудники являются отстающими, ценными специалистами, проявляющими потенциал или самыми талантливыми. Эти показатели хороши для понимания различий, например, между желательной и нежелательной текучестью кадров.

Для того, чтобы прочесть больше о показателях производительности, просмотрите этот исчерпывающий список с показателями производительности, включающий индекс потребительской лояльности, управление по результатам, количество ошибок, оценка по методу 360 градусов, метод принудительного ранжирования и т.д.

7. Оплачиваемые часы одного сотрудника

Это самый конкретный пример критерия качества работы, и этот показатель особенно релевантен в фирмах, оказывающих профессиональные услуги (например, в юридических и консалтинговых фирмах). Связь этого вида производительности с вовлечённостью сотрудника или с другими показателями приводит к интересному анализу. Сравнительный анализ этих показателей между разными отделами и менеджерами/партнерами могут также предоставлять ценную аналитическую информацию.

8. Оценка вовлечённости

Вовлечённые сотрудники – продуктивные сотрудники. Вовлечённость может быть самым важным 'софтовым' HR-результатом. Люди, которым нравится своя работа и которые гордятся своей компанией, обычно больше вовлечены, даже если рабочая среда является стрессовой, и давление – высоким. Вовлечённые сотрудники работают лучше и с большей вероятность воспринимают стресс, как захватывающий вызов, а не как бремя. Кроме того, вовлечённость команды является важным показателем для успеха её руководителя.

Другие примеры HR метрик

9. Стоимость одного специалиста по подбору персонала на одного сотрудника (например, 600$)

Эта метрика показывает экономическую эффективность HR, выраженную в долларах.

10. Соотношение специалистов по подбору персонала и сотрудников (например, 1:60)

Еще одна метрика, которая показывает экономическую эффективность HR. В организации с высоко развитой аналитической сферой должно быть меньше специалистов в области HR, которые делают больше.

11. Соотношение HR - партнеров по бизнесу на одного сотрудника (например, 1:80)

Аналогичный предыдущему показатель. Опять же, набор высокоразвитых аналитических возможностей позволит HR более точно оценивать и прогнозировать влияние кадровой политики. Что позволит HR повысить эффективность и сократить количество деловых партнеров.

12. Текучесть кадров (количество выбывших/общее количество сотрудников в организации)

Эта метрика показывает, сколько работников покидает компанию в течение определенного срока. В сочетании с, например, метрикой производительности, показатель «текучесть» может отслеживать разницу в истощении у высокопроизводительных и низких работников. Желательно, чтобы вы хотели, чтобы работники с низким уровнем производительности ушли, а с высоким – остались. Эта метрика также предоставляет HR-партнерам большой объем информации о функциях и департаментах, в которых сотрудники чувствуют себя как дома, и где в организации они не хотят работать. Кроме того, истощение, которое можно выявить с помощью данной HR-метрики, может быть ключевым показателем успеха менеджера.

13. Эффективность программного обеспечения HR

Это более сложный показатель. Эффективность, например, обучения и разработки программного обеспечения измеряются количеством активных пользователей, средним временем на платформе, длительностью сеанса, общим временем на платформе на пользователя в месяц, потоком экрана и сохранением программного обеспечения. Эти показатели позволяют специалисту HR определять, что работает для сотрудников, а что нет.

14. Абсентеизм/ прогул (процент отказа)

Абсентеизм также, как и текучесть, выступает сильным показателем неудовлетворенности сотрудников, в следствии чего является её предиктором. Эта метрика может предоставлять информацию для предотвращения длительного отпуска, поскольку долгосрочное отсутствие может быть очень дорогостоящим для компании. Опять же, различия между отдельными менеджерами и отделами – это очень интересные индикаторы (потенциальных) проблем и спорных мест.

Как вы можете видеть, существует множество различных примеров HR-показателей. Хотя некоторые показатели легче реализовать, чем другие, все они дают представление о трудовых ресурсах и HR. Сочетание этих идей является жизненно важным для принятия обоснованных решений с доказанным воздействием.

Итак, что же такое HR-показатели?

Прежде чем вы начнете работать с HR- метриками, важно убедиться, что вы понимаете то, каким образом показатели могут работать для вас. Что такое HR- метрики?

HR-метрики– это измерения, которые помогут вам отслеживать ключевые направления в данных HR. Ниже перечислены наиболее важные области. В этом списке метрик HR мы включили ключевые HR-метрики, связанные с этими областями

  1. Организационная производительность
    • Процент текучести кадров
    • % потери, вызывающей сожаление
    • Статистика причин ухода персонала
    • Процент прогулов и советующее поведение
    • Подбор персонала (время для заполнения, количества заявителей, затраты)
  2. Управление персоналом
    • Эффективность работы с персоналом (например, время решения кадровых билетов самообслуживания)
    • Эффективность персонала (например, восприятие качества кадровой службы)
  3. Оптимизация процессов

Оптимизация процессов позволяет проанализировать, как мы делаем то, что мы делаем, в области управления человеческими ресурсами. HR метрики и аналитики в этой области сосредоточены на изменении эффективности управления персоналом и эффективности с течением времени. Эти HR-метрики и их аналитика затем используются для реорганизации и повторного использования того, что происходит в HR. Это помогает оптимизировать процесс доставки человеческих ресурсов.

Последний показатель является следующим уровнем для многих организаций, так как эта область почти не распространена в большинстве организаций. Поэтому он представляет самый высокий уровень HR-метрик и аналитики.
__________________________________________________________
На этом все, читайте нас в фейсбуке и телеграмме

пятница, 16 июня 2017 г.

Внедрение HR-аналитики: шаг за шагом

Автор статьи - действующий HR аналитик в компании KLM Royal Dutch Airlines. А перевод статьи выполнили студентки  3 курса Высшей Школы Экономики Кутумова Яна, Николенко Анастасия, Нуруллина Эллина  в рамках нашего проекта переводы статей по hr-аналитике на английском.
Девчата, спасибо, отличный перевод.
Итак,

Внедрение HR-аналитики: шаг за шагом

Очень сложно начинать вводить HR-аналитику в организацию, особенно, если в этой организации в HR структуре не принято руководствоваться фактами. Когда Вы начинаете, очень важно следовать пошаговому подходу. Вопрос, на который я отвечу в этой статье, звучит так: «Какие темы являются самыми важными для Вас, когда Вы начинаете внедрять HR-аналитику в Вашу компанию? И каковы Ваши приоритеты?»
        Основные приоритеты составляют пять групп:

  1. Управление данными
  2. Системы/отчетность/информационные панели
  3. Экспериментальный анализ
  4. Развитие потенциала
  5. Конфиденциальность

В данной статье я буду обсуждать данные группы и давать некоторые рекомендации.

Управление данными

        До того, как Вы начнете HR-аналитику, - на самом деле, если Вы начинаете любого вида аналитику, - Вам необходимо правильно организовать данные. Вот основы:

  1. Управление данными – это практика сбора данных и обеспечения их единой формы, точности, согласованности и полноты. Для этого важно создать программу управления данными (если она еще не существует) для определения политики, которая определяет, кто отвечает за различные элементы данных. Это включает в себя точность данных, их доступность, согласованность и полноту.
  2. Важно согласовать определения (дефиниции) данных. В аналитике задействованы различные заинтересованные стороны, такие как IТ-отдел, финансы и HR. Очень важно согласовывать с IТ-отделом, потому что им поручено устанавливать эти определения в HR-системах.
  3. Облегчите работу HR-отдела, поставив цели и ключевые показатели эффективности, и помогите им измерить эти ключевые показатели эффективности. Как? Лучший способ, который я нашел, - это обеспечить, чтобы три или четыре ключевых HR-процесса (например, рекрутмент, прогулы и / или текучесть кадров) были полностью основаны на фактах. Ваши KPI должны быть сосредоточены на этих областях.

Поскольку ваши данные теперь (намного больше) точны и полны едиными определениями, теперь вы готовы обеспечивать свой бизнес интересными фактами и цифрами, представляя информацию через HR-отчеты и панели управления персоналом.
Внедрение HR-аналитики: шаг за шагом
Это не означает, что эти процессы являются последовательными - наоборот! Я расскажу об этом позже.

Системы / отчетность / информационные панели

Когда Вы основываетесь на базовых знаниях об управлении данными и когда вы создаете важнейшие процессы HR-процессов на основе фактов, предоставляя им KPI, важно показать, как его производительность связана с бизнесом. Самый простой способ сделать это - купить или построить эффективную (автоматизированную) панель управления персоналом.
  1. Осмотритесь в своей организации и спросите себя: какие возможности для сбора данных есть у Вас в HR? Более того, какие из них уже используются в компании? Вы можете многому научиться в отделе финансов и маркетинга в отношении информационных панелей.
  2. Не стесняйтесь смотреть за пределами своей организации. Есть много возможностей и внешних специалистов, которые могут помочь Вам с Вашей панелью управления персоналом. Недостатком является стоимость, поэтому начните с ИТ-отдела. Они могут помочь Вам построить «коннектор» между вашей HR-системой и механизмы панели инструментов. После этого Вы должны выбрать подходящую систему визуализации данных (см. Приведенную ниже модель Гарднера для некоторых полезных советов).
  3. Сделайте выбор о том, кто может работать с Вашей панелью управления персоналом. Эти заинтересованные стороны должны иметь возможность работать с ним. Желательно разрешить им создавать поперечные сечения, чтобы увидеть, какие цифры наиболее важны для их собственной области фокусировки. В идеале Вы начнете с базовой панели мониторинга: цифры о FTE, прогулы, набор персонала, обучение и т. д. Однако в долгосрочной перспективе лучше всего использовать более продвинутое решение для сбора данных, где Вы можете найти ориентир с другими организациями и сделать прогноз некоторых ключевых HR-процессах.
Внедрение HR-аналитики: шаг за шагом
После этого пришло время для активной отчетности / панели мониторинга для Вашего бизнеса. Возрастающие границы отчетности / времени панели заканчиваются! С этого момента Вы сможете дать информацию о своем бизнесе в HR-данных и KPI, в любое время, в любом месте и на любом устройстве.
Теперь поговорим о реальной аналитике!

Пилотный анализ

Конечно, совершенно необязательно работать над основами на протяжении одного, двух или трех лет. “Двусторонний подход” в таком случае более рационален и эффективен. Поэтому работайте над основами, однако не бойтесь начинать работать со стратегической и прогностической аналитикой!
  1. Начинайте с бизнес-вопроса, который имеет приоритет. В идеале, существует много данных и информации, касающихся этого вопроса. И не забудьте удостовериться, что имеется “бизнес-спонсор”, который будет спонсировать аналитику (заметка: HR VP тоже может быть “бизнес-спонсором”)
  2. Убедитесь что вы “не одни”. Оптимально иметь несколько навыков, кроме навыка HR-аналитики. Если это невозможно, необходимо получить другие навыки из других отделов или поискать на внешнем рынке. Какие роли необходимы для анализа данных?
    • Менеджер HR-аналитики (для руководства проектом, распространения (“пиара”)  HR-аналитики, подключения заинтересованных сторон, информировании)
    • Научный сотрудник (для построения статистических моделей и аналитики)
    • IT-Эксперт (для сбора и предоставления данных для анализа)
    • Эксперт предметной области (знание интересующих тем анализа, например, прогулов, вовлеченности, эффективности обучения и т.д.)
    • Бизнес эксперт (Бизнес-менеджер и HR бизнес-партнеры для получения информации о прогулах на практике)
  3. Не забудьте подумать об использовании методологии, которая подойдет для Вашего анализа в проектной форме.  Рекомендуется гибкий способ работы. Используйте различные “спринты” (временные периоды) в две недели, в течение которых будете фокусироваться на определенной сфере. Убедитесь, что ваша проектная команда гибкая и может продумывать каждый момент (как проиллюстрировано ниже)
Внедрение HR-аналитики: шаг за шагом
В конце концов, Вы захотите согласовать свой бизнес и заинтересованные стороны путем формулирования выводов и рекомендаций, основываясь на результатах полученного анализа. Заинтересованные стороны могут указать на некоторые возможные несоответствия и дать советы, которые улучшат ваши итоговые рекомендации.

Развитие потенциала

  1. Начните с разных целевых групп и определите их приоритетность. Хотите ли Вы начать с развития потенциала Ваших HR бизнес-партнеров? Или же хотите начать с бизнес-партнеров центра экспертизы? Я бы порекомендовал начать с ваших HR бизнес-партнеров. Почему? Потому что они находятся в контакте с Вашими клиентом (бизнесом) на еженедельной основе и использование HR-аналитики в качестве “инструмента” им действительно помогает.
  2. Соберите Ваших HR бизнес-партнеров и расскажите им немного об HR-аналитике. Сделайте небольшой перечень вопросов для обсуждения:
    • Углубленное введение в HR-аналитику
    • Определения и положения в HR-аналитике
    • Практические примеры HR-аналитики (с посторонним спикером)
    • Процесс HR-аналитики и роль HR бизнес-партнеров
    • Соответствующие показатели и целевые значения
    • “Мозговой штурм”: разработка доказательств концепций, основанных на стратегических вопросах бизнеса
  3. Третий совет - подумать о коллаборации с внешним поставщиком. Они могут перевести развитие HR бизнес-партнеров на следующий уровень, например, путем разработки семинаров с участием реальных актеров и ролевых игр, чтобы компания стала более ориентированной на данные, или путем предоставления практического материала для развития аналитической проницательности.
Не забудьте развивать целевые группы на основе структуры. Нескольких введений и семинаров недостаточно. Если вы хотите развить фактологическую культуру в своем HR-отделе, Вам необходимо структурно развивать их аналитические способности. Примером может служить непрерывное развитие, необходимое для развития аналитической проницательности HR бизнес-партнеров. Обучение, направленное на их становление более ориентированными на данные, требует бросать им вызов и обучать их на продолжительной основе, а также снабжать их материалами, которые помогут им достигнуть этой цели.
Конфиденциальность 
Конфиденциальность - это, конечно, злободневный вопрос в каждой организации. Очень важно помнить об этом до начала HR-аналитики.
  1. Примите участие в работе Вашего отдела конфиденциальности и работников в этой сфере (или Легальность и Согласованность (соблюдение правовых норм)) и дайте им возможность создать основу оценки с наиболее важными задачами конфиденциальности.
  2. Важно работать в этих рамках и в хорошем партнерстве с вашим отделом конфиденциальности. В этом контексте также важно получить информацию о вашем отделе конфиденциальности, когда Вы начнете Ваш анализ (к примеру, ABN AMRO делает это именно так). Свяжитесь с ними, когда начнете анализировать данные, покажите им переменные, которые Вы хотите проанализировать, и позвольте им дать зеленый свет Вашему проекту.
  3. Обсудите результаты вашего анализа с отделом конфиденциальности и позвольте им установить минимальное количество людей, на которых Вы можете полагаться (для гарантированной анонимности). Когда это будет сделано, Вы уже будете готовы представить его своей организации!

Вывод

HR-аналитика - злободневная тема, это частое явление, которое может быть хорошим дополнением в деятельности компаний. HR-аналитика может обеспечить понимание как для сотрудника, так и для работодателя. Целесообразно начать с хорошего (долгосрочного) плана HR-аналитики. Не так важно, чтобы основы были в порядке до начала. Начните так быстро, как только сможете с помощью двухстороннего подхода, тогда вы можете как можно быстрее показать добавленную стоимость аналитики HR.

Хашер Ахмади

Хашер Ахмади в настоящее время работает в KLM Royal Dutch Airlines в качестве сотрудника HR-аналитики. Он отвечает за разработку и внедрение HR-аналитики.
__________________________________________________________
На этом все, читайте нас в фейсбуке и телеграмме