10 трендов в Workforce Analytics

Перевод статьи 10 Trends in Workforce Analytics в рамках нашего  проекта переводы статей по hr-аналитике на английском. Автор статьи - Tom Haak, этот автор становится популярным, запоминайте это имя, если Вы еще не. Рекомендую следующие статьи Tom Haak в нашем блоге:

1. 8 главных HR-трендов 2018 года
2. Тренды в оценке настроений сотрудников и исследовании вовлеченности - прям пособие по инструментам вовлеченности
3. 8 трендов в управлении талантами на 2018 год

Перевод сделала незаменимая Александра Багинская (по ссылке профиль с Линкедина). Саша родом с Украины, но живет и работает в Голландии. Читайте другие статьи Александры у нас в блоге:

1. 3 типа поведения, которые определяют успешных продавцов
2. Что делает продавцов лучшими
3. Результат через diversity - одна из самых дискутируемых тем, по ссылке результаты исследования McKinsey.
4. Как блокчейн повлияет на HR?
5. People Analytics 3.0
6. Джош Берсин. Переворот рынка HR технологий: 10 топ трендов 2018 - одна из самых популярных статей блога за все время
7. Удержать или отпустить? Данные, на которые следует корректно реагировать, когда сотрудник увольняется
8. Соседство с лучшими сотрудниками может увеличить производительность

итак,

10 трендов в Workforce Analytics

Workforce analytics развивается и взрослеет. 10 трендов в Workforce Analytics на ближайшее будущее:

1. От одноразовых мероприятий до аналитики в реальном времени

Многие усилия workforce analytics начинаются как проект консультантов. Задается вопрос («Какой опыт наших сотрудников на их пути?»), проводиться множество интервью, собираются данные, и с помощью внешних консультантов пишется красивый отчет и определяется много проектов по изменению пути сотрудников.
Одноразовая акция – это хорошо, но собирать отзывы кандидатов, сотрудников и других релевантных групп более регулярно и, возможно, в реальном времени может быть более полезно.
Практика опросов меняется. Мы видим, что организации используют несколько подходов:
- классический годовой или полугодовой опрос сотрудников для глубокого анализа
- недельные, месячные или квартальные пульс опросы для сбора более частого фидбэка. Пару вопросов, обычно варьируемые в цикле. Некоторые более продвинутые решения пульс опросов могут быть адоптированы: больше вопросов задается сотрудникам, если есть ощущение, что существуют проблемы («Как прошла неделя?», при ответе «очень хорошо» опрос завершен, если вы отвечаете «не очень хорошо», то следуют дополнительные вопросы). Пульс опросы также легко связать с «важными моментами» в опыте сотрудников.
- постоянные измерения настроения в реальном времени. Инновационные решения в этой сфере все еще немногочисленны, особенно если вы хотите измерять пассивным, ненавязчивым образом. В пример можно привести Keencorp, они анализируют накопленные  e-мейлы и могут создавать отчеты о настроении (и рисках) в разных частях организации.

В моей статье Employee mood measurement trends вы можете найти обширный обзор провайдеров измерения настроения.

2. От people analytics до workforce analytics

В настоящее время общее мнение, кажется, заключается в том, что people analytics – лучше термин, чем HR analytics.

Все больше и больше рабочая сила состоит из более, чем только людей. Роботы и чатботы входят в рабочую силу. Первое обсуждение в юридических кругах уже началось: кто несет ответственность за действия роботов?

Если мы также анализируем роботов, мы движемся от people analytics к workforce analytics. Благополучие и продуктивность роботов – отличный аспект для HR.

3. Больше прозрачности

Этот обзор трендов workforce analytics не может быть полным без упоминания GDPR (General Data Protection Act/ Общий регламент по защите данных). GDPR заряжает много позитивных начинаний, одно из них – намного больше прозрачности. Относительно того, какие данные собираются, как они используются, и как алгоритмы применяются для принятия решений о людях.

С этим связана проблема владения данными. Ожидается, что сотрудники больше не будут принимать как данность то, что они не могут владеть своими личными данными. Сотрудникам необходимо иметь возможность показать свои данные следующему потенциальному работодателю как доказательство их продуктивности и вовлеченности.

4. Больший фокус на продуктивности

В последние годы фокус на продуктивности был невелик. Мы наблюдаем медленные изменения на этом горизонте.

Традиционно  проблемы мощности решались наймом большего количества людей. Это привело к нескольким проблемам. Я наблюдал это несколько раз в быстрорастущих масштабируемых компаниях.

Так как рост ограничивается возможностью находить новых людей, критерии отбора занижаются (часто несознательно), поскольку нужно нанять много людей в короткие сроки. Эти новые люди не так продуктивны, как существующая команда. Поскольку у вас больше людей, вам нужно больше менеджеров. Наличие людей с более низкой продуктивностью и большего количества менеджеров снижает продуктивность.

При другом подходе больше внимания сфокусировано на увеличении продуктивности существующих сотрудников вместо найма дополнительных работников, а также на улучшении критериев отбора.

Используя workforce analytics, вы можете попробовать найти характеристики топ исполнителей и команд и условия, стимулирующие высокую продуктивность.

Эти результаты могут быть использованы для увеличения продуктивности и отбора кандидатов, обладающих характеристиками топ исполнителей. Когда продуктивность увеличивается, вам нужно меньше людей для достижения тех же результатов.

На эту же тему можно почитать статью 3 reasons to stop counting heads.

5. Что в этом для меня?

Нехватка доверия может повлиять на многие усилия workforce analytics. Если фокус в первую очередь на эффективности и контроле, сотрудники будут сомневаться, если в этом какие-то преимущества для них.

В общем, существует сдвиг в сторону более сотрудникоцентрических организаций, хотя иногда можно усомниться в том, насколько подлинны эти усилия для улучшения опята сотрудников.

Задать вопрос «Какая выгода от этого сотрудникам?» – хорошая отправная точка для большинства проектов workforce analytics. Это так же поможет создать buy-in, который будет все более важным с введением GPDR.

6. От отдельных людей к командам к сетям

Много проектов workforce analytics сегодня все еще сосредоточены на отдельных людях. Какие характеристики присущи лучшим исполнителям? Как можно измерить личный опыт сотрудника? Как уменьшить абсентеизм?

Ранее я приводил oбзор того, насколько современные практики HR сосредоточены на командах.

Перевод таблицы

HR практика	Фокус на командах?
Организационный дизайн	**** Начальный Плоские организации/холократии
Рабочие процессы	******* Часто сосредоточены на командах Гибкие
Рекрутинг и отбор	* Фокус на отдельных людях Командный рекрутинг – редкость, даже относительно команд из двух людей
Дизайн рабочего места	****** Новые дизайны принимают команды во внимание Виртуальный дизайн рабочего места все еще не развит
Развитие талантов	* Большинство программ развития талантов направлены на отдельных людей
Обучение и развитие	**** Улучшение командной производительности однозначно получило внимание, но фокус остается на отдельных людях
Преемственность	* Планирование отдельных должностей. Во внимание принимается состав команд. Управление преемственности очень сосредоточено вокруг СЕО
Управление производительностью	*** Большая часть все еще на уровне отдельных людей, но постепенно сдвигается к командам
Вознаграждение	** В мейнстриме по прежнему индивидуальное вознаграждение. Командный/групповой элемент в бонусах
Внутренние коммуникации	***** Е-мейл все еще доминирует. Медленно продвигаются внутренние соц. сети

Как видно из таблицы, большинство практик все еще очень сосредоточены на отдельных сотрудниках. Workforce analytics может помочь улучшить то, как команды и сети функционируют внутри и за пределами организаций. Подъем Organizational Network Analysis – многообещающий знак.

7. Недостатки подхода сверху вниз (top-down)

Тенденция к внедрению изменений сверху вниз все еще типична.

Мы любим однотипность и стандартизацию. В нашей комнате центрального контроля мы смотрим на панель приборов и знаем, что нужно действовать, когда лампочки переключаются с зеленого на оранжевый.

Для HR тяжело подходить к вопросам другим путем. Хороший пример – управление эффективностью. Изменение в процессе управления эффективностью часто поднимается как вопрос общеорганизационного масштаба, и от HR ожидается найти новое единое решение.

В разрезе тренда, называемого “консюмеризация HR”, от сотрудников ожидается больше инициативности. Сотрудники все больше устают ожидать решений от организации и HR и хотят быть более независимыми в организационных инициативах.

Если вас интересует фидбэк, вы легко можете сами его собрать, например с плагином в Slack Captain Feedback. Простой опрос для измерения настроения в команде легко построить с Polly (см.: “How to measure the mood in your team with Slack and Polly“). Многие сотрудники уже следят за своей формой с помощью фитнес-трекеров типа Fitbit и Apple Watch.

Многие команды изначально используют инструменты общения типа WhatsApp и Slack, избегая официально одобренных каналов коммуникации. HR может последовать за течением и приспособиться к используемым каналам вместо попыток продвинуть стандартизированные и одобренные каналы.

Какую пользу может извлечь workforce analytics из данных, собранных собственными девайсами своих сотрудников? Если с этим все ясно, то для сотрудников выгода делиться данными в том, что они могут помочь обогатить наборы данных и улучшить качество workforce analytics.

8. Игнорируя кривую обучения

В своей книге “Making HR measurement strategic” Wayne Cascio и John Boudreau представили часто-цитируемую картину с названием «Разбиваясь о стену в измерении HR». Стена была стеной между дескриптивной и предикативной аналитикой.

Существует намного больше обзоров уровней зрелости people analytics. В общем, самый высокий уровень – предикативная аналитика.

Patrick Coolen из банка ABN AMRO недавно упомянул следующий уровень – продолжительную аналитику (continuous analytics) – и представил вторую стену, стену между предикативной и продолжительной аналитикой.

Поскольку предикативная аналитика кажется Святым Граалем, многие команды HR хотят немедленно перескочить на этот уровень. Давайте пропусти операционные отчеты, продвинутые отчеты и стратегическую аналитику. Мы можем перескочить, игнорировать кривую обучения и прыгнуть на самый высокий уровень одним шагом.

Для многих команд игнорировать кривую обучения не кажется разумной стратегией. Возможно, лучше все же научиться сперва ходить, а уж потом бегать.

9. Верните наше время!

Недавно я разговаривал с HR специалистами из больших многонациональных компаний, которые были вовлечены в проект “Верните наше время”.

В их организациях задание для всех групп работников было прекратить использовать (в значении «тратить впустую») все больше и больше времени сотрудников и менеджеров, пожалуйста, верните нам некоторое время!

Упомянутый пример касался управлением эффективностью.  Этих организациях посчитали, что вся работа относительно процесса управления эффективностью для одного сотрудника стоила менеджеру и сотруднику около 10 часов (подготовка, две формальных встречи в год, заполнение онлайн форм, встреча с HR для рассмотрения результатов и т.п.).

Упростив процесс (без обязательных встреч, форм, только одна годичная оценка для одного сотрудника поданная менеджером), HR смогли вернуть много рабочих часов организации к облегчению как менеджеров, так и сотрудников.

Большие HR системы, в общем, обещают многое. Но до того, как система сможет соответствовать ожиданиям, необходимо проделать много работы. Поля данных должны быть определены. Всемирные процессы должны быть стандартизированы. Унаследованные системы должны быть демонтированы.

В результате, это – много работы (и агонии) для сотрудников, менеджеров, HR и партнеров по внедрению (которые не против).

Workforce analytics может сильно помочь в проектах по возврату времени, на пример, некоторыми простыми измерениями времени. Измерьте время выборки менеджеров, сотрудников и HR, затраченного на разные виды деятельности и оцените, насколько эта активность оптимизирует основные занятия организации (на пример, работа с клиентами и привлечение новых клиентов).

10. Завышенные ожидания

Ожидания workforce analytics часто слишком высоки. Необходимо учесть два элемента.

Во первых, человеческое поведение предсказать нелегко, даже если у вас есть тонны данных.

Даже в сферах с четко определенным лучшим исполнение и доступом к большому количеству данных, на пример, в футболе, очень сложно предсказать будущий успех молодых игроков.

Во вторых, вопрос в том, насколько рационально ведут себя менеджеры, сотрудники и HR специалисты. Все люди склонны к когнитивным предрассудкам, которые влияют на то, как они интерпретируют результаты проектов workforce analytics. Некоторые интересные статьи на эту тему: почему знания из психологии важны для успеха в people analytics от Morten Kamp Andersen и моя Психология people analytics.

Более общая мысль: что если заменить «Workforce analytics» на «Наука»? Какова роль науки в HR? Загадка в том, что много научных находок доступны долгое время, но они почти не используются организациями.

Пример: неоднократно было доказано, что (неструктурированное) интервью – очень слабый инструмент отбора.

Но организации все еще сильно полагаются на этот инструмент (поскольку люди склонны переоценивать свои возможности). Станут ли организации полагаться на результаты workforce analytics, если они едва ли используют научные исследования относительно персонала?

Интересная презентация на эту тему, которую я могу порекомендовать, принадлежит Rob Briner HR на основе доказательств, что это и происходит ли это на самом деле?

Многое меняется в трудовом мире. Это 10 трендов в workforce analytics, которые я наблюдаю сейчас и которые, пожалуй, повлияют на то, как мы будем работать в будущем.

__________________________________________________________

На этом все, читайте нас в фейсбуке, телеграмме и вконтакте