Share |

вторник, 31 июля 2018 г.

EdCast развивает рынок LXP с акцентом на повышение квалификации в мировом масштабе





Перевод статьи EdCast Expands The LXP Market With Focus On Global Upskilling в рамках нашего  проекта переводы статей по hr-аналитике на английском. Автор статьи Josh Bersin - я затрудняюсь представлять автора,  он настолько известен, что непонятно, что можно говорить - по ссылке с имени автора его статьи в нашем блоге. Но самая популярная его статья на сегодня вот
Джош Берсин. Переворот рынка HR технологий: 10 топ трендов 2018

Перевод этой статьи выполнила Екатерина Соколова, (ссылка на профиль ВКонтакте) - c&b Байкальский банк, ПАО Сбербанк (рекомендую этого специалиста).Это четвертый перевод Екатерины, см. также:


Итак

EdCast развивает рынок LXP с акцентом на повышение квалификации в мировом масштабе

Как я объяснял в нескольких статьях за последние недели, рынок Платформ обучения (Learning Experience Platform - LXP) растет быстро. На данный момент это рынок охватом более 200 миллионов долларов, ежегодно прирастающий на 100%, основные игроки – компании Degreed, EdCast, Fuse, CornerstoneOnDemand, SkillSoft, Valamis.
В этой статье я хочу представить компанию EdCast, одного из первых игроков в этом пространстве, и рассказать, как компания фокусируется на повышении квалификации, путем создания серии «рынков навыков».

О компании EdCast

EdCast была основана в 2014 году разработчиком программного обеспечения Карлом Мехта. Карл открыл компанию, когда был инвестором, изучавшим технологические тренды компаний своего порфтолио. Он увидел потребность в информационном инструменте, который поможет людям учиться и быть в курсе технологических трендов.
Хотя Карл пришел не из HR, он привносит технологическую перспективу в пространство LXP. Он успешный разработчик (он был основателем и генеральным директором PlaySpan Inc., приобретенным Visa Inc.), работал в качестве Президента по инновациям в Белом доме при администрации Обамы, был в консультативном совете Intel Capital, и основал некоммерческую, основанную на технологиях, компанию силиконовой долины CodeforIndia.org. Поэтому он видит мир навыков и образования в глобальном масштабе.
Он позиционирует EdCast как «облако знаний для цифровой экономики» (“the knowledge cloud for digital economy”) и мне нравится первый термин, характеризующий компанию: «Netflix Обучения» (см. статью Netflix как система подбора персонала и создания команд). Он видит LXP технологию как вертикальную платформу поиска и контента, используемую для развития навыков в любой сфере.
EdCast хочет стать платформой обучения и поиска информации для  разноплановой аудитории. Для продвижения этой стратегии EdCast приобрел 2 компании (Sociative – компания с машинным обучением, основанная двумя специалистами по машинному обучению; и Sales University – компания, построенная на решении для продаж на основе искусственного интеллекта). EdCast так же представил GuideMe, инструмент цифровой активации, конкурентный на растущем рынке онлайн-систем поддержки производительности (WalkMe, SAP EnableNow и другие).
Почему такие компании приобрел EdCast? EdCast видит корень проблемы в управлении цифровыми знаниями, поэтому компания строит образовательную платформу, наполненную контентом, опытом и глубоким уровнем машинного обучения.

Стратегия EdCast’s по повышению квалификации и контенту 

Серия последних заявлений раскрывает направление движения компании. Рассмотрим два рынка для развития навыков в бизнесе:


Внутри корпоративное обучение: Внутри компании (зеленый круг слева) LXP имеет инструменты для сбора, публикации, размещения и персональной рекомендации необходимых сотрудникам тренингов, статей, видео и документов. С помощью машинного обучения программа подберет образовательный контент в соответствии с Вашей ролью, желаемыми для обучения навыками и в сравнении с другими экспертами. У каждой компании своя специфика, свой внутри корпоративный контент,  карьерное развитие, поэтому LXP становится внутренней платформой переподготовки и инструментом карьерного развития, уникальным способом работы Вашей компании.
У многих компаний большой пробел в этой области. Один из клиентов EdCast, к примеру, имеет более восьмидесяти платных подписок на разрозненных ресурсах. LXP может собрать эту информацию и сделать доступной для людей, которые даже не подозревали, что это возможно.
Публичное и профессиональное повышение квалификации:
В экономическом мире (голубой круг справа) LXP может представлять одинаковую функцию для профессиональных кругов, сообществ и глобальные программы повышения квалификации, выходящие за рамки компании. EdCast сфокусировался в этой сфере с помощью широкого использования и глубоких экспертных знаний в нескольких профессиональных отраслях.
Пока корпоративные закупщики фокусируются на проблеме с одной стороны, на специфике компании, им необходимо решать проблемы с другой стороны, со стороны помощи каждому сотруднику индивидуально повысить профессиональные навыки. Два этих рынка очень близки.
Поставщики LMS удвоили свое присутствие на рынке, продавая LMS коммерческим организациям, образовательным институтам, некоммерческим организациям и прочим компаниям. Но это было непросто, поскольку SCORM API не совмещает контент и пользовательские данные.
В рынке LXP, где публикуемый и распространяемый контент интегрирован и упрощен машиной, мы можем воспринимать эту проблему как набор вертикальных «рынков навыков» (общие курсы, учетные данные, модели навыков и так далее в определенной профессии). Это то, к чему EdCast стремится.

Небольшой бэкграунд по машинному обучению в обучении

Чтобы понять, как объединяются голубой и зеленый круги, необходимо кратко рассказать о машинном обучении. Поскольку платформа программного обеспечения получает данные (Google, Netflix, Amazon, Facebook и прочие), инженеры могут писать алгоритмы предсказания поведения, улучшения рекомендаций и совершенствования поисковых результатов. Netflix применяет это в киноиндустрии, Amazon – в шоппинге, Google – для глобального поиска. Данные – это двигатель, питающий компании, именно он учит систему поведению пользователей и их желаниям.
Алгоритмы искусственного интеллекта и машинного обучения, что важно заметить, являются больше товаром. Инженеры могут найти алгоритмы машинного обучения как на общедоступных ресурсах, так и могут использовать программный интерфейс Google, IBM Watson и Amazon в качестве инструмента. Чем больше и глубже становится набор данных (более объемный в конкретной области), тем умнее становится система.
В примере с развитием сотрудников проблема предоставления обучения, соответствующего работе, - комплексная. (Я считаю, что эта проблема «вертикального поиска» как Google for Jobs, Google Image Search и тому подобное). Мы должны рассмотреть это направление деятельности, соответствующие ей навыки, уровень подготовки персонала, желаемые навыки и обязанности, и, в заключении, авторитет и навыки ментора у автора или коуча. Необходимо проанализировать много данных.
Как я и предполагал, все данные можно объединить в четыре категории:
EdCast развивает рынок LXP с акцентом на повышение квалификации в мировом масштабе

При таком богатом наборе данных есть множество возможностей машинного обучения, чтобы добавить ценность продукту. Хорошо выполненные могут принимать данные, разносить по категориям и, со временем, учиться – чем больше пользователей и контекста, тем лучше.
Компании, давно специализирующиеся в этой области, к примеру, Netflix, создали «персоны» разных потребителей, поэтому они знают, какой тип фильмов и контента предложить каждой группе пользователей. Facebook сделал аналогичную вещь, и, я предполагаю, Amazon тоже (предлагаю, Amazon создал множество профилей покупателей в своих алгоритмах). Спустя какое-то время мы будем делать то же, что LXP: становиться умнее от обучения IT, тренингов по безопасности, продажам и так далее.
Пока все компании, специализированные на LXP, работают над этим (Cornerstone, Degreed, EdCast, Filtered, Fuse, Skillsoft, Valamis и другие), инженеры предполагают, что лучшим предложением станет то, у которого будут лучшие данные. Он должен быть специфичным и глубоким, чтобы мы могли применять повторяющиеся модели к каждой стратегии обучения (часто это называется узким искусственным интеллектом, потому то сфокусирован на конкретной проблеме).
Предположим, Вы – инженер и вы хотите узнать, как программировать в блокчейне. Если Вы купите книгу по теме, Вам это поможет в начале, погрузит в концепцию, покажет код и даст Вам примеры. В LXP Вы можете получить доступ к сотням книг, курсов, сертификатов и экспертным материалам, а машинное обучение потенциально может подобрать все это в соответствии с индивидуальными потребностями.

Что сейчас делает EdCast’s

Позвольте кратко рассказать о трех анонсированных масштабных направлениях.
Глобальная программа обучения NASSCOM

Первое, о чем я хочу сказать, глобальная программа обучения NASSCOM.

 NASSCOM – одно из  крупнейших сообществ профессионального развития в сфере IT, аутсорсинге и технических навыках. Организация, штаб-квартира которой находится в Индии, поддерживает более 4 миллионов технических специалистов и специалистов по аутсорсингу, предоставляя учебные курсы, карты навыков, карьерные обозреватели и профессиональных программы для некоторых крупнейших мировых компаний. Благодаря тому, что экономика Индии – одна из самых быстро развивающихся, Индия стала глобальным центром технического аутсорсинга. NASSCOM владеет огромной информационной базой данных о навыках будущего.
Прямо сейчас, сотрудничая с EdCast, NASSCOM создала Инициативу будущего обучения, которая определила девять критически важных технологий для IT специалистов всего мира. Это: искусственный интеллект, виртуальная реальность, большие данные и аналитика, интернет вещей, робототехника, 3D печать, социальность и мобильность, облачные вычисления и кибербезопасность.  Все девять охватывают довольно широкую гамму.
Для каждой из девяти областей (для искусственного интеллекта, больших данных и робототехники уже запущены) NASSCOM развивает набор из 55 ролей и ключевых навыков, создавая вводные и продвинутые пути обучения, объединяя сотни часов обучения, контента и профессионального развития. С тех пор, как клиентами NASSCOM стали крупнейшие мировые компании из списка Fortune 100, пользователи смогли собирать, курировать и создавать пути для технических потребностей крупных компаний во всем мире.
NASSCOM планирует использовать EdCast для сортировки контента и вдохновения предметных экспертов на публикацию широко варьирующихся материалов для ИТ-специалистов. Компания сотрудничает с образовательными агентствами Индии и рассчитывает представить «рынок навыков» своим потребителям чуть позже в этом году.
Так же NASSCOM планирует построить центр сертификации и оценки, который поможет техническим специалистам получить уверенность, что они освоили знания, необходимые в конкретной области. Первоначальные партнеры впечатляют: Wipro, Infosys, Genpact, Tech Mahindra, Google, Amazon, Microsoft и другие.

Образовательная программа Всемирного экономического форума

Вторая образовательная программа, поддержанная EdCast, Образовательная программа Всемирного экономического форума (ВЭФ), www.theskillset.org. Хотя цели программы похожи на NASSCOM, подход отличается. ВЭФ разрабатывает общедоступную программу, объединяющую технический и профессиональный развивающий контент от нескольких крупнейших мировых компаний. Компании предоставят самостоятельно разработанные материалы, благодаря которым люди по всему миру будут учиться, получать сертификаты и изучать новые навыки. Компании, вовлеченные в проект, впечатляют: Cisco, PEGA, Salesforce, SAP, HP Enterprise, CA, Cognizant, Tata Consultancy, PWC, Accenture – официально названные партнеры. Каждая из компаний предоставила старшего исполнительного спонсора для работы с ВЭФ, совместно строится общедоступный каталог и система навыков.
Конечно, массивные усилия по сбору такого рода сложны, так как много перекрестных материалов, разных форматов и разных определений компетенций. Используя LXP, однако, можно рассортировать контент относительно навыков, работы и поставщика, а машинное обучение снова сделает это более подходящим спустя какое-то время.

Образовательная программа Норвегии

Третья образовательная программа, подкрепляемая EdCast, – это Nordic Futures project, инициатива по созданию цифровых и социальных навыков для работающего населения Норвегии. Поскольку бренд новый, его цели схожи с программами NASSCOM и ВЭФ, – стимулировать людей делиться знаниями, курировать информацию и создавать новые навыки при максимально низких затратах.

Влияние на рынок LXP и EdCast

Что все это значит для рынка LXP в целом и EdCast в частности? Все просто. Помните, что первоначальной целью Образовательной Экспериментальной платформы было создание обучения, подходящего конкретному человек, а не просто управление образовательными программами. Работая с компаниями этого сегмента, EdCast надеется получить доступ к большому количеству контента и данных и стать умнее в том, какая карьера, контент и навыки нужны людям. Я предполагаю, что среди компаний рынка LXP будет гонка, чтобы пойти дальше этих программ.

Выбор LXP:

Если Вы решили приобрести LXP для Вашей компании, я рекомендую Вам задуматься о вещах, освещенных в статье.
Достаточно ли платформа умна, чтобы рекомендовать правильный контент для Ваших пользователей и необходимых навыков? Способна ли платформа поглощать, отмечать, категорировать, достаточно ли быстро учится адаптироваться к новому контенту и не генерирует мусор, если Вы смотрели что-то не по теме? Есть ли у поставщика персонал с навыками и инструментами очистки данных, устранения дубликатов, которые Вы создаете, и создания новых алгоритмов, чтобы становиться умнее? Есть ли у программы система безопасности для защиты конфиденциальных данных? Достаточно ли система пластична, чтобы отображать все «семейства»  компании, оптимизировать их использование для нужд обучения?
Поскольку рынок растет и машинное обучение становится более зрелым, я обещаю рассказать вам больше о том, чему я научился, и, как всегда, рад вашим история и опыту. 


__________________________________________________________

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



четверг, 26 июля 2018 г.

Анализ тональности текста с использованием word2vec и реализацией в pipeline Python



Анализ тональности текста или сентимент анализ - это метод классификации текста. Самый популярный пример из курсов по машинному обучению - прогноз оценки, которую поставит посетитель ресторана заведению на основе его отзыва. Или, по другому, можем ли мы спрогнозировать на основе отзыва посетителя, будет ли он рекомендовать этот ресторан или нет.
В HR сама собой напрашивается аналогичная задача: можем ли мы спрогнозировать на основе отзыва увольняющегося работника в exit интервью спрогнозировать, будет ли он рекомендовать нашу компанию коллегам / будет ли он отзываться о компании позитивно или негативно. Хотя, безусловно, класс решаемых задач значительно шире. Я бы отослал здесь к статье Raja Sengupta Как NLP может в корне изменить HR. NLP - это Natural language processing или проще - анализ текстов. Моя задача проще - я хочу показать код для решения одной задачи в Python.

word2vec vs "bag of words"

Одним из самых популярных методов анализа текстов (а точнее, этот метод просто хронологически более ранний - и, может быть, более интуитивно понятный) является метод "мешок слов "bag of words". Мы просто получаем столько переменных, сколько у нас слов в тексте (исключая "мусорные" или редкие слова). Т.е. если в отзывах у нас используется 1 485 слов, то у нас будет 1485 новых переменных / колонок. И если в отзыве содержится слово - оно же название переменной - то переменная принимает значение "1", в противном случае "0". Т.е. если респондент написал отзыв "хорошая компания", то из 1485 ячеек напротив данного респондента будет только две "1" - в колонках "хорошая" и "компания".
Этот подход интуитивно понятен, но он имеет ряд недостатков (что делать с "не"? и т.п...), но главное: в этом подходе не отражается смысл слов, фраз.
word2vec
Преодолением такого подхода является метод word2vec (буквально 'word' to 'vector'), который превращает весь текст в N-мерное пространство, и каждое слово это вектор со своими координатами, т.е. буквально можно записать так:

'опрос': array([ 0.05069825, -0.01941545,  0.00567565, -0.0276236 ,  0.01180002,
      .......  0.00385726])
Не показываю весь вектор, потому что он имеет 100 значений. И эти 100 значений - это переменные в нашем уравнении.
"Плюс" этого метода в том, что близкие по значению слова имеют близкие координаты векторов. Например, когда я делал модель для функционала HR, то для слова "компенсации" самые близкие координаты вектора имело слово "c&b". И это замечательно, потому что в подходе "bag of words" слова "c&b" и "компенсации" это разные слова, а в подходе word2vec эти слова хоть и не идентичны, но очень близки.

Данные

У меня свой датасет, которым я с вами не поделюсь, но вы можете опробовать этот код на своих данных. Структура данных достаточно проста:
  1. переменная "текст";
  2. бинарная переменная 1/ 0, +1 / -1 и т.п..

Я свои данные взял из нашего исследования факторов текучести персонала (участвуем в исследовании) . Помимо всего прочего, в нашем опросе есть две переменные:
"Отзыв о компании";
"Готовы ли Вы рекомендовать эту компанию в качестве работодателя своим знакомым, коллегам?"


Реализация в Python


Итак, начинаем  с загрузки данных
import pandas as pd
import numpy as np
df = pd.read_csv('data.csv', sep=',', encoding = 'cp1251')
df.info()
Data columns (total 2 columns):
y 792 non-null int64
Отзыв о компании 792 non-null object
dtypes: int64(1), object(1)
df['y'].value_counts()
1    404
0    388
Name: y, dtype: int64


Да, у нас очень небольшой датасет, лучше иметь несколько тысяч, даже несколько десятков тысяч строк данных. Но моя задача скромнее - показать алгоритм. Выборка у нас достаточно сбалансированная - соотношение тех, кто готов рекомендовать компанию, и тех, кто не готов - почти 50/50.
Первая задача, которую нам надо решить - создать словарь слов. Т.е. присвоить каждому слову координаты вектора. Для этого нам необходимо взять весь текст и обучить его. Но прежде нам необходимо преобразовать наши отзывы из формата pandas в формат, годный для преобразований word2vec.
Преобразуем таким образом

import nltk
import nltk.data
tokenizer = nltk.data.load('tokenizers/punkt/english.pickle')
from nltk.tokenize import sent_tokenize, word_tokenize
import re 
 def preproc(sentence):
    sent_text = re.sub(r'[^\w\s]','', sentence)
    words = sent_text.lower().split()
    return(words)
 def senttxt(sent, tokenizer, remove_stopwords=False ):
        raw_sentences = tokenizer.tokenize(oped.strip())
        sentences = []
        for raw_sentence in raw_sentences:
            
            sentences.append(preproc(raw_sentence))
        
        len(sentences)
        return sentences
txt_snt = df['Отзыв о компании'].tolist()
sentences = []
for i in range(0,len(nyt_opeds)):
    sent = txt_snt[i].replace("/.", '')
    sentences += senttxt(sent, tokenizer)
В итоге мы получаем объект вот такого формата
sentences[0]
['классическая',
 'российская',
 'компания',
 'с',
 'назначениями',
 'не',
 'по',
 'знаниям',
 'а',
 'по',
 'личной',
 'приверженности',
 'не',
 'соблюдающая',
 'свои',
 'же',
 'правила',
 'делающая',
 'глупость',
 'за',
 'глупостью',
 'и',
 'оправдывающая',
 'их',
 'еще',
 'большими',
 'глупостями']
Этот формат уже можно использовать для создания словаря. Что мы и делаем.

Для удержания новых сотрудников, встречайтесь с ними в их первую неделю работы






Перевод статьи To Retain New Hires, Make Sure You Meet with Them in Their First Week в рамках нашего  проекта переводы статей по hr-аналитике на английском. Статья опубликована в Harvard Business Review, и это сама по себе рекомендация. Один из авторов статьи Dawn Klinghoffer, лидер  HR Business Insights компании Microsoft. И статья про результат, полученный в Microsoft. Рекомендую также интервью с Dawn Klinghoffer, Лидеры в HR аналитике: совместный подход к исследованиям в Microsoft.
Перевод выполнила Светлана Дзюбенко (профиль в фейсбуке), HR из Одессы, работает более 15 лет директором по персоналу в коммерческих компаниях, в сферах оптовой торговли В2В,В2С, производства, транспортных услуг. Это третий перевод Светланы, смотрите также

  1. Unilever нанимает сотрудников, используя интеллектуальные игры и искусственный интеллект, - и это стало огромным успехом - самая популярная статья 2018;
  2. Опросы сотрудников - по-прежнему один из лучших инструментов измерения вовлеченности


Итак,
Для удержания новых сотрудников, встречаетесь с ними в их первую неделю работы

Для удержания новых сотрудников, встречайтесь с ними в их первую неделю работы


Dawn Klinghoffer
Candice Young
Xue Liu

Первое впечатление на рабочем месте действительно важно – и не только для работодателя. Новые сотрудники формируют впечатления о компании начиная с самого начала, и это влияет на их решение остаться в компании в долгосрочной перспективе. Негативный опыт в период адаптации может привести их к ненужной и непредотвратимой текучести персонала, стоимость которой может достигать до двух годовых размеров заработных плат работника.
Однако, измерить успешность мероприятий по адаптации сложно. В Microsoft,  где мы нанимаем тысячи людей ежегодно, нам не хватало эффективного способа измерить восприятие нашего процесса адаптации, кроме попытки сделать выводы из количества потерь персонала.
Стремясь лучше понять то, что мы считаем «ранней текучестью», мы обратились к очевидной возможности, которая была упущена.  Мы начали просто спрашивать сотрудников об их опыте.  Мы создали опрос и обратились к ним после их первой рабочей недели, а затем снова через 90 дней, чтобы узнать о новом опыте сотрудников и первых впечатлениях от Microsoft.
Из опроса мы узнали, что мелочи очень важны для новых сотрудников - например, иметь рабочий компьютер и немедленный доступ к зданию, электронной почте и корпоративной компьютерной сети в первый рабочий день.  Исходя из этого, мы привлекли людей из отделов расчета зарплаты, ИТ, иммиграционного, юридического, всеобщей безопасности, обучения, закупки, найма и HR для достижения общей цели: Удостовериться, что новые работники являются продуктивными в первый рабочий день.  Каждый член команды способствовал достижению общей цели, и в результате все организационные барьеры были разрушены.  Теперь мы ежемесячно просматриваем прогресс, обучаем и обмениваемся идеями и отзывами, чтобы гарантировать успех всех новых сотрудников.
Погружаясь глубже, мы хотели понять, как их раннее поведение влияет на вовлеченность примерно 3000 новых сотрудников.  Благодаря партнерству с подразделением Microsoft Workplace Analytics мы сопоставили анонимные метаданные календаря и электронной почты (в той же мере анонимными) с данными о вовлеченности.  Утверждения, которые мы использовали для оценки вовлеченности, были «Я горжусь тем, что работаю в Microsoft» и «Я ожидаю, что буду работать в Microsoft в течение __ лет».
Мы узнали, что для нового сотрудника очень важно встречаться один на один со своим менеджером в течение первой рабочей недели.  Те, кто делал это, видел ранний рост по трем ключевым направлениям.
  1. Во-первых, они, как правило, имели внутреннюю сеть на 12% больше и вдвое больше количество информационных потоков в течение 90 дней.  Это важно, потому что сотрудники, которые развивают свою внутреннюю сеть, чувствуют свою принадлежность к компании и могут оставаться в компании дольше.  Например, величина показателя намерения остаться по нашему опроснику у сотрудников, которые взаимодействуют внутри, на 8% выше нашего прогноза.  Они также сообщают о более сильном чувстве принадлежности к своей команде, сохраняя при этом свое подлинное «Я».
  2. Во-вторых, у них были встречи более высокого качества.  Более качественные встречи имеют меньше отказов от участия, меньше уровней контроля посещаемости, меньше участников, которые отправляют электронные письма во время встреч, и меньше участников в целом, и они, как правило, короче (один час или меньше).
  3. В-третьих, они потратили почти в три раза больше времени на взаимодействие со своей командой, чем те, у кого не было встречи с руководителем один на один.  Это раннее взаимодействие в команде важно: сотрудники, которые проводят больше времени во взаимодействии, имеют более высокие шансы на успех от принадлежности к команде, чем те, кто этого не делает, и они склонны сообщать о более качественных встречах.

Эти и другие идеи помогают нам пролить свет на опыт адаптации сотрудников и дают нам направление для изменений, чтобы еще больше улучшить найм новых сотрудников.  И это только начало для Microsoft.  В настоящее время мы экспериментируем с другими способами улучшения работы по адаптации, уделяя особое внимание рабочим связям новых сотрудников, особенно когда руководитель работает в другом месте.
Но в конце концов, все сводится к следующему: не стоит недооценивать силу встреч с руководителем один на один в первую неделю.  Это звучит очевидно, но для нового сотрудника это может быть самая важная связь, которую необходимо установить.



__________________________________________________________

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


вторник, 24 июля 2018 г.

Лидеры в HR аналитике: непрерывное стремление Capital One к улучшению исследований в области HR



Перевод статьи Leaders in People Analytics: Capital One’s ongoing quest to advance HR research нашего  проекта переводы статей по hr-аналитике на английском. Статья - интервью с Guru Sethupathy, head of People Analytics at Capital One. Интервью взято в рамках проекта Ласло Бока re:work. И это уже третье интервью, см. также


Перевод выполнила Ольга Смирнова (по ссылке профиль на Линкедине - рекомендую френдиться с профи), менеджер по компенсациям и льготам с 6-летним опытом в международных холдингах, г. Москва. Это уже пятый перевод Ольги. Читайте также

  1. Лидеры в HR аналитике: управление практическими исследованиями в Merck & Co
  2. Искусственный интеллект в HR: прорывное приложение
  3. Лидеры в HR аналитике: совместный подход к исследованиям в Microsoft
  4. Как удостовериться, что гибкие команды могут работать вместе

Итак,
Лидеры в HR аналитике: непрерывное стремление  Capital One к улучшению исследований в области HR

Лидеры в HR аналитике: непрерывное стремление  Capital One к улучшению исследований в области HR

Лидер HR Аналитики Capital One объясняет, как его команда предоставляет ключевые идеи и точные решения сложных бизнес-задач, все время оставаясь на вершине новейших исследований в области HR.
Мы встретились с Guru Sethupathy, лидером HR Аналитики в Capital One. Он уже более года работает с Capital One и уже более десяти лет работает в области HR, аналитики и экономики. Ему нравится быть в курсе последних новостей в области социальных наук, исследований и книг, изучая широкий круг социологов в Твиттере и постоянно находясь на связи со своими бывшими академическими коллегами по экономике и другим социальным наукам.

RE:WORK EDITORS: По вашему мнению, какой пример задачи, стоящей перед бизнесом, стоит решать используя  HR аналитику?

SETHUPATHY: Есть сотни вещей, которые мы могли бы делать. Ключевым моментом является оставаться на одной волне с нашими клиентами - нашими HR бизнес-партнерами и бизнес-лидерами - чтобы убедиться, что мы делаем самые эффективные вещи. В настоящее время мы работаем над рядом продуктов, которые могут дать представление о состоянии «здоровья организации» через широкий круг людей и организационных показателей, и планируем внедрять предиктивные и прескриптивные идеи используя машинное обучение.
Одним из примеров того, как мы использовали HR аналитику в Capital One, было проведение внутреннего исследования нашего HR руководства. Как и Google, мы хотели выявить определенные типы поведения среди наших самых высоко оцененных менеджеров. Мы опросили их подчиненных по 13 характеристикам, отобранным из исследования, и остановились на двух ключевых характеристиках менеджеров: высоко оцененные руководители HR  поддерживают своих подчиненных (особенно когда им это нужно больше всего) и демонстрируют согласованность между тем, что они говорят и что делают. Как и следовало ожидать, мы также обнаружили, что развитие наших низко оцененных менеджеров, вероятно, будет иметь высокую отдачу.
Мы включили эти результаты в наши тренинги по менеджменту и недавно создали программу развития основных принципов управления людьми, которую мы будем внедрять в ключевые целевые группы, включая новых HR менеджеров, а также менеджеров с низкими и средними рейтингами.

Какой инструмент  из социальных наук  вы считаете особенно влиятельным на рабочем месте?

SETHUPATHY: Есть несколько составляющих из разных областей социальных наук, которые мы анализируем и включаем в нашу работу. В области промышленно-организационной психологии мы изучаем ту роль, которую могут играть скрытые сети. Новаторская работа Rob Cross в организационных сетях (ONA) оказала влияние на работу моей команды.
Большинство компаний организованы структурами «подчинения» - «кто подчиняется кому». Тем не менее, исследования Rob Cross  и других показывают, что эти структуры не в полной мере раскрывают то, как организована компания или как делается работа. Кросс-функциональные, совместные, гибкие сети обычно «скрыты», что означает, что их трудно наблюдать и документировать, но они могут быть более релевантными для понимания того, как действительно делается работа, а также как в действительности  выглядят производительность, узкие места и трудовые процессы.
Например, положительные или отрицательные новости могут вызвать потрясение в разных подразделениях организации. Взгляд на организационные сети может позволить нам понять, как эти потрясения отражаются во всей организации, чтобы руководители могли управлять и смягчать их соответствующим образом. Когда дело доходит до работы в направлении Diversity & Inclusion (уважение различий и индивидуальности), организационные сети могут предоставить нам больше информации о том, как разные группы сотрудников взаимодействуют друг с другом, насколько вовлеченными они себя ощущают, и как исполняются обязательства D & I в разных областях бизнеса. Мы также рассматриваем организационные сети, чтобы определить, как повысить производительность и поддержку.

Какие особенно полезные сведения вы подчерпнули  в последнее время? Какое влияние это оказало на вашу работу?

SETHUPATHY: Компании часто управляют своим талантом в соответствии с нормальным распределением, но Herman Aguinas и другие высказывают доказательства того, что существует базовая степень распределения полномочий, которая ближе к логарифмическому распределению, в зависимости от типа работы и отрасли. Основное значение этого распределения производительности показывает, что топ-исполнители или «звезды» могут производить 5x, 10x или даже более высокие значения отдачи по сравнению со средними исполнителями, тем самым стимулируя многие компании сосредоточить усилия на поисках звездного таланта.
Но в то время как найти большой талант важно, мы также видим, что это не единственное решение. В книге «Chasing Stars» Boris Groyberg утверждает, что люди, которые являются звездами в одной компании, могут не быть ими в другой, если они лишены правильной поддержки.
Производительность это скорее функция возможностей, контекста и удачи. Компании часто переоценивают способности и недооценивают роль контекста, который может помочь другим добиться успеха. Культура компании, роль и подходящий руководитель, также как и другие факторы, могут существенно повлиять на производительность всех сотрудников, даже тех, чьи способности высоко оцениваются.
Поэтому, хотя на важности привлечения и отбора лучших внешних талантов должна быть и всегда будет сфокусирована Capital One, мы инвестируем в более адресные способы, которыми мы можем развивать сотрудников после найма, чтобы все могли иметь необходимые им возможности для обучения, роста и развития.

Что является самым сложным в управлении практическими исследованиями? Какие стратегии вы и ваша команда используете для преодоления трудностей?

SETHUPATHY: Во многих крупных организациях основной проблемой  исследовательских групп является ограничение их влияния. Хотя такие команды могут выдать ценные идеи, они часто не являются конечными лицами, принимающими решения. Итак, как мы, HR аналитики Capital One, надеемся обеспечить то, что наши идеи приведут к действию?
У нас есть три подхода. Во-первых, мы закрепили понимание описательных и прогностических продуктов и передали их в руки лиц, принимающих решения, чтобы подкрепить принятие ими решений по талантам информацией.  Далее, мы будем продвигать более широкое использование наших продуктов – на сегодняшний момент ранние признаки выглядят многообещающими!
Во-вторых, наша команда работает над продвижением влияния на принятие решений не только в сфере HR (хотя для меня важно оставаться на связи с нашими CHRO), но и выстраивает взаимоотношения с другими лидерами по всему бизнесу. Это позволяет нам оставаться в курсе приоритетов бизнеса, чтобы проактивно предложить  возможные решения, основанные на данных. Мы можем заранее использовать то, что узнаем о проблемах, с которыми сталкивается каждая организация, когда собираем наши данные, результаты и рекомендации. Таким образом, мы можем подключиться раньше и предложить более целостные решения.
В третьих, мы начали создавать и внедрять продукты напрямую для наших сотрудников. В настоящее время эти продукты и панели мониторинга имеют индивидуальные представления для подчиненных (например, их профиль навыков) и служат как для информирования наших подчиненных, так и для стимулирования их поведения (представьте таблицу калорийности в ресторане). Этот путь позволяет нам напрямую помогать подчиненным, а также одновременно влиять на навыки и изменения в культуре.
В этой серии статей мы проводим интервью с лидерами в HR Аналитике  из разных отраслей, чтобы узнать больше о том, как организации применяют исследование данных в своей работе и управлении персоналом.


__________________________________________________________

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




понедельник, 23 июля 2018 г.

Специалистам Comp&Ben: несколько курсов по техническим навыкам






Эти курсы будут полезны не только специалистам, Comp&Ben, а всем, кто интересуется обработкой данных, визуализацией, и и такими инструментами как Excel, Tableau, Power BI, SQL. И все эти курсы можно пройти бесплатно.
Итак



    • Business Metrics for Data-Driven Companies;
    • Mastering Data Analysis in Excel;
    • Data Visualization and Communication with Tableau;
    • Managing Big Data with MySQL;
    • Increasing Real Estate Management Profits: Harnessing Data Analytics.

И не забывайте про курсы по HR аналитике:





__________________________________________________________

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







воскресенье, 22 июля 2018 г.

Лайфхак для тех, кто строит отчеты по стажу и возрасту в динамике (используя Power Pivot для Excel)







Всем привет, дорогие читатели.
С вами снова Денис Костин и сегодня я покажу полезный лайфхак, который пригодится всем тем, кто строит отчеты по персоналу в разрезе возраста или стажа в динамике за период. Несколько раз наблюдал, как коллега испытывает мучения, пытаясь собрать подобную аналитику из нашей не очень дружелюбной HR-системы. Для этого ему приходилось осуществлять следующие шаги:
  1. сформировать настроенный отчет по персоналу на конец каждого месяца необходимого периода;
  2. В каждом отчете за месяц добавить столбцы с расчетом стажа и возраста;
  3. На отдельном листе рассчитать необходимый показатель (например, списочную численность) для каждой группы стажа и возраста за каждый период.
Как думаете, какие сложности приносит такой подход?
На мой взгляд как минимум следующие:
  1. Необходимость формировать большое количество отдельных отчетов из HR системы;
  2. Большое количество формул СУММЕСЛИ и СУММЕСЛИМН делает файл очень медленным;
  3. При необходимости построения отчета в новом разрезе (например, пола или грейда) дополнительные затраты времени на создание новых формул.
  4. Ошибки при расчете, т.к. не учитывается динамика в течение месяца.

Использование предлагаемого мной подхода позволит уйти от этой громоздкой схемы к построению динамического отчета, автоматически вычисляемого на каждую дату и агрегируемого в любом необходимом разрезе и интервале времени.
В результате вы сможете на основе единственного отчета из HR-системы сформировать с помощью Power Pivot подобный расчет:

Для создания примера будем использовать файл из предыдущей статьи 
Предположим, что нам необходимо показать в динамике за определенный промежуток времени расчет среднесписочной численности в разрезе следующих группировок стажа:

Стаж является изменяющейся во времени величиной, поэтому на каждую дату в отчете он должен быть рассчитан отдельно.

Решение будет состоять всего из 6 шагов:
  1. Создание в Excel таблицы с группировками стажа
  2. Импорт таблицы в Power Pivot
  3. Создание вспомогательных мер для расчета среднесписочной численности
  4. Создание вспомогательной меры для расчета стажа
  5. Создание итоговой меры
  6. Создание сводной таблицы с использованием нашей итоговой меры

Для начала создадим таблицу в Excel следующего содержания:
Группа стажа
Стаж MIN
Стаж MAX
1
до 3 мес
0
3
2
03 мес-1 год
3
12
3
1-2 лет
12
24
4
2-3 лет
24
36
5
3-5 лет
36
60
6
5-10 лет
60
120
7
более 10 лет
120
999
В столбце Стаж MIN указано минимальное количество полных месяцев, при которых стаж будет относиться к конкретной группе. Аналогично Стаж MAX будет показывать максимальное количество.

пятница, 20 июля 2018 г.

Лидеры в HR аналитике: управление практическими исследованиями в Merck & Co






Перевод статьи Leaders in People Analytics: Merck & Co. on the research-practice divide нашего  проекта переводы статей по hr-аналитике на английском. Статья - интервью с лидером Geetanjali Gamel, Director of Workforce Analytics and Planning в Merck & Co., Inc. Интервью взято в рамках проекта Ласло Бока re:work. И это уже второе интервью, см. также


Перевод выполнила Ольга Смирнова (по ссылке профиль на Линкедине - рекомендую френдиться с профи), менеджер по компенсациям и льготам с 6-летним опытом в международных холдингах, г. Москва. Это уже четвертый перевод Ольги. Читайте также

  1. Искусственный интеллект в HR: прорывное приложение
  2. Лидеры в HR аналитике: совместный подход к исследованиям в Microsoft
  3. Как удостовериться, что гибкие команды могут работать вместе

Итак,
Лидеры в HR аналитике: управление практическими исследованиями в Merck & Co

Лидеры в HR аналитике: управление практическими исследованиями в Merck & Co

Порой вопрос не столько в том, какие данные у вас есть, а в том, как вы преподносите их бизнесу. Ознакомьтесь с тем, как Geetanjali Gamel, Director of Workforce Analytics and Planning в Merck & Co., Inc. и ее команда используют исследования для влияния на принятие решений.
Geetanjali Gamel возглавляет Workforce Analytics and Planning в Merck & Co., Inc. Команда Gamel позволяет принимать более эффективные бизнес-решения с помощью информации, основанной на данных, используя набор аналитических продуктов и услуг начиная от качественного описания и заканчивая комплексным прогнозом. Она работает в Merck в течение 1,5 лет, а в области аналитики в целом работала 11 лет в различных секторах, включая энергетические и финансовые услуги. Ей нравится быть в курсе последних новостей в области социальных наук, читая блоги и статьи на таких форумах, как Harvard Business Review, The Economist, MIT Sloan Management Review, Singularity Hub и re: Work.

RE:WORK EDITORS: По вашему мнению, какой пример задачи, стоящей перед бизнесом, стоит решать используя  HR аналитику?

GAMEL: Вовлеченность сотрудников является важнейшей составляющей для процветания и успешного развития организации. Тем не менее, многим не удается получить значимые и действенные идеи для руководства  используя всего лишь данные  опросов и оценок вовлеченности сотрудников. В Merck мы столкнулись с подобными проблемами и хотели лучше понять следующие вопросы: как сотрудники восприняли наши стратегические культурные принципы? Насколько энергичными были различные группы сотрудников? Как мы можем измерить уровень инноваций и сотрудничества наших сотрудников? Как руководители могут принимать более эффективные бизнес-решения в компании?
Мы хотели использовать нашу HR аналитику, чтобы результаты исследования вовлеченности были более показательными для нашего руководства. Таким образом, мы перевели фокус  с взаимодействия, основанного на измерении, на взаимодействие, основанное на обучении и влиянии, изучая группы сотрудников с очень инновационным и сплоченным поведением и положительными деловыми результатами, связанными с ними. Чтобы глубже изучить возможности и проблемы, выявленные в ходе первоначального анализа результатов опроса, мы дополнили наш опрос сессиями фокус-групп. Затем мы использовали различные техники анализа контента и эмоционального поведения, чтобы извлечь важную уникальную информацию  и создать эффективные, доступные и реализуемые идеи для нашего руководства.

Какой инструмент  из социальных наук  вы считаете особенно влиятельным на рабочем месте?

GAMEL: Хотя мы признаем важность данных в нашей работе, мы не всегда им доверяем. В организациях иногда существует тенденция сильно полагаться на суждение и опыт человека при принятии решений о людях, особенно в режиме цейтнота. Даже как фармацевтическая компания с большим штатом ученых, работа которых основана на доказательствах, мы не всегда можем полностью положиться на достоверность данных.

В литературных источниках о неприятии алгоритма обнаружено, что люди склонны игнорировать вероятностный характер мира и часто отвергают несовершенные, хотя и более качественные алгоритмы в пользу менее точного человеческого суждения. Даже когда у нас есть данные, бывают ситуации, когда мы действуем наугад - с тем, что мы считаем правильным, или с тем, что мы хотим увидеть.

Исследователи обнаружили, что один из способов предотвратить неприятие алгоритма и повысить вероятность того, что участники будут доверять и использовать данные, - это предоставление людям возможности контролировать, даже незначительно, процесс. Аналитика может показаться «черным ящиком» для других подразделений бизнеса, потому что часто люди не принимают участие в таких обсуждениях до подведения итогов. В Merck мы осознаем, насколько значительно разница в настройке контекста может повлиять на то, как вовлечены и объединены будут наши партнеры и клиенты с нашей работой. Именно поэтому мы собираем обратную связь от наших стейкхолдеров на ранней стадии и включаем ее в нашу исследовательскую модель. Мы хотим выстроить аналитическую вовлеченность и доверие наших партнеров и клиентов, чтобы они чувствовали себя частью процесса принятия решений на каждом шагу - от первоначального мозгового штурма или моделирования до окончательной приемки проекта.

Например, в одном проекте нам было предложено помочь внутреннему клиенту понять ключевые факторы, влияющие на текучесть сотрудников в их бизнес-подразделении. На протяжении всего процесса разработки модели мы проактивно получали их мнения и объясняли наш подход на каждой важной вехе. Культурный контекст, который мы получили от них по всему конкретному региону, движение в нем рабочей силы и ожидания от работы, не только помогли дополнить смоделированные результаты, но и укрепили уверенность наших клиентов в исследовании.

Какие особенно полезные сведения вы почерпнули  в последнее время? Какое влияние это оказало на вашу работу?

GAMEL: Настройка контекста имеет значение не только для стейкхолдеров, работающих с вами, особенно она  важна для ваших сотрудников, ваших конечных пользователей, которые в конечном итоге влияют на ваши результаты. В организации не всегда имеет смысл всем знать детали всех составляющих бизнеса. Однако важно, чтобы люди понимали процессы принятия решений, которые влияют на них. То, чем вы решите делиться или не делиться с сотрудниками, может в конечном итоге повлиять на то, как они отреагируют на ваши программы. В исследовании было обнаружено, что люди с большей вероятностью позволят кому-то пройти без очереди, когда этот кто-то дает обоснование (независимо от того, насколько удовлетворительна причина) по сравнению с тем, когда этого не делают. Этот вывод говорит о том, что немного контекста действительно может оказать влияние, даже когда кажется, что в решении есть минимальный выбор.

Стремление людей понять логику действий может быть эффективно задействовано на рабочем месте, особенно когда запрашивается обратная связь от сотрудника. Когда мы собираем обратную связь от наших сотрудников, мы считаем необходимым обеспечить прозрачность того, почему мы собираем их отзывы и что мы планируем с ними делать. Мы хотим, чтобы у сотрудников был полный контекст, чтобы они могли по-настоящему быть мотивированными к участию и делиться своими перспективами с нами.
Если мы действительно хотим сделать аналитику менее похожей на «черный ящик», нам необходимо убедиться, что наши сотрудники считают, что их обратная связь является частью процесса принятия решений в бизнесе с самого начала. Их обратная связь сама по себе является невероятно важным набором данных, который может запускать и решать многие исследовательские запросы.

Что является самым сложным в управлении практическими исследованиями? Какие стратегии вы и ваша команда используете для преодоления трудностей?


GAMEL: Думаю, нам на рабочем месте нужно постоянно находить баланс между тем, что говорит исследование, и тем, что нужно бизнесу. Важно понимать, какие пробелы существуют, от философских до тактических.
В исследованиях такие факторы, как время и ресурсы, легче контролируются (хотя, возможно, и с трудом) по сравнению с бизнесом, приоритеты которого постоянно прогрессируют. В академии пул участников для выборки  может быть намного шире, чем в рабочем коллективе. Тогда как небольшие n-размеры могут препятствовать выполнению определенных научных исследовательских проектов, организационные исследователи должны быть изобретательны в отношении того, как они используют звуковую аналитику для проектов с высоким приоритетом бизнеса, независимо от таких типов ограничений. Мы также видим другие примеры, в которых рекомендации из исследовании не могут быть применимы на практике - например, исследования поощряют вас вознаграждать за неудачу для продвижения инноваций, но такое поведение может быть сложно стимулировать в определенных корпоративных средах.
И хотя нет никакого отрицания этого разрыва между исследованиями и практикой, существуют возможности, в которых мы можем эффективно использовать и то, и другое. В Merck Workforce Analytics одним из способов, с помощью которого мы решили эту проблему, было создание в нашей команде роли с особо отведенным временем для создания академических партнерств и изучения внешних исследований, которые могут давать информацию и улучшать нашу работу. Кроме того, мы запустили обучение с внешними спикерами, где наша команда получает возможность напрямую слышать от профессионалов в научных кругах о важных областях организационных исследований.
Merck & Co., Inc. (NYSE: MRK) известна как MSD за пределами США и Канады.
В этой серии статей мы проводим интервью с лидерами в HR Аналитике  из разных отраслей, чтобы узнать больше о том, как организации применяют исследование данных в своей работе и управлении персоналом.




__________________________________________________________

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



Услуга Специалисты, похожие на вас

Эта услуга является родственной услугой "Сколько я стою на рынке". В случае услуги "Сколько я стою на рынке" вы получаете отчет, сколько получают в среднем специалисты похожие на вас.

В услуге "Специалисты, похожие на вас" вы получаете файл формата excel, в котором показаны данные специалистов, похожих на вас.
Цель услуги: сравнить себя, и свою зарплату, в первую очередь, со специалистами, похожими на вас.


Пример файла - по ссылке образец файла отчета

Услуга Специалисты, похожие на вас


В этом файле первой строкой идете Вы. Далее данные специалистов, похожих на вас. Схожесть Вас и других специалистов определяется по следующим параметрам:

  1. Размер зарплаты 
  2. Уровень позиции
  3. Функционал
  4. Год Рождения
  5. Пол
  6. Отрасль компании
  7. Размер компании (число работников)
  8. Регион
  9. На какой год указана зарплата
  10. Знание иностранного языка на момент трудоустройства
  11. Образование на момент трудоустройства


Параметры даны в порядке убывания важности сравнения. Последняя колонка в отчете - sim (от английского similarity) - мерая схожести. Напротив Вас будет стоять "1", поскольку вы похожи сами на себя "один в один". А далее расположены специалисты в порядке убывания схожести. Я даю до 15 похожих на вас специалистов.

Для получения отчета вам необходимо корректно заполнить анкету Ключевые факторы текучести и эффективности персонала, после чего подайте заявку на услугу (см. форму ниже).
Кто может воспользоваться услугой:
Россияне, специалисты HR - пока для них настроил форму.

Стоимость услуги: 200 рублей (оплата на банковскую карту)


вторник, 17 июля 2018 г.

Новая парадигма корпоративного образования: обучение в потоке работы



Перевод статьи A New Paradigm For Corporate Training: Learning In The Flow of Work в рамках нашего  проекта переводы статей по hr-аналитике на английском. Автор статьи Josh Bersin - я затрудняюсь представлять автора,  он настолько известен, что непонятно, что можно говорить - по ссылке с имени автора его статьи в нашем блоге. Но самая популярная его статья на сегодня вот
Джош Берсин. Переворот рынка HR технологий: 10 топ трендов 2018
Перевод выполнила Дарья Цирулева, HR-директор группы компаний Корус Консалтинг. Ее профиль в фейсбуке. Это уже четвертый перевод Дарьи, см. также:

  1. Как Atlassian использовала данные для привлечения разных квалифицированных кандидатов-выпускников
  2. Глобальная экономика на подъеме: инструкция для HR - автор тоже Берсин;
  3. Почему именно неформальные сети – следующий этап развития HR и HR-аналитики (революционный!)

Итак,

Новая парадигма корпоративного образования: обучение в потоке работы

Рынок корпоративного обучения составляет более 200 миллиардов долларов. И он переживает революцию. Да, мы все еще думаем об обучении как о «программах и курсах». Но новый подход к обучению, его новая парадигма, которую я называю «обучение в потоке работы», уже здесь.

Как менялось корпоративное обучение: от урока в классе к компьютерному уроку, от компьютера – к электронному обучению и далее – к диджитал

Индустрия корпоративного обучения существует уж точно несколько десятилетий. И на протяжении этих лет она несколько раз существенно менялась под воздействием возникающих технологий. Вот, посмотрите на рисунок ниже: за последние двадцать лет мы как индустрия пережили 4 эволюционных волны, каждая их которых начиналась с технологических и экономических изменений.
Новая парадигма корпоративного образования: обучение в потоке работы
В 70-е и 80-е, когда я только начинал свою карьеру, мы учились в классах. Из технологий – проекторы со слайдами и пленками. Трудно представить, что слайды делали вручную. Можно ли было по ним научиться? Конечно. Но они были ужасно неудобными, порой бесцветными, а уж что-то поменять в них – это было целое дело. 

1980-е: эра персоналок

Но вот изобретен персональный компьютер (1981). Тренеры научились создавать тренинги с использованием видео дисков, CD ROM’ов. О, мы делали дорогущие программы с видео, анимацией, интерактивами и даже тестами. Они стоили в разработке сотни тысяч долларов, но компании покупали их – ведь масштабировать обучение с их помощью получалось существенно лучше, чем клонировать толковых тренеров. Такие вендоры как CBT Systems (теперь Skillsoft) создали огромные библиотеки контента. Умнели компьютеры – умнее и навороченнее становился контент.

Можно ли было научиться с его помощью? Несомненно! Но контент проигрывался на одном компьютере. Поэтому было практически невозможно отследить, действительно ли идет корпоративное обучение, есть ли прогресс. И только тогда, когда появились сети, были созданы стандарты трекинга AICC (Aviation Industry CBT Committee), которое позволили вести историю обучения. 
Все это привело к технологии SCORM, которая позволила отслеживать любой элемент контента в базе данных. определять завершенность курса, сохранять результаты и оценки. В общем, теперь была нужна база данных, чтобы хранить вот это всё … и так родился класс систем управления тренингами (Training Management System - TMS), а позже и класс систем управления обучением (Learning Management System - LMS).

1990-е: рождение E-Learning – рынок LMS переживает бум

В 90-е на рынок ворвались веб-браузеры. Родился термин «E-Learning» (я 1998 году работал на LMS-компанию, так мы называли это явление «обучением по запросу», раскрученный теперь термин еще даже не появился). 
Специалисты вдруг обнаружили, что можно создавать обучающий контент на HTML и Flash (для тех, кто уже не застал последний – это скриптовый язык, который позволял создавать кино и анимацию прямо в браузере). На свет явился огромный рынок, на котором, не покладая рук, трудились разработчики контента, разработчики специальных инструментов и разработчики систем управления обучением. В начале 2000-х и я сделал неплохой бизнес на этом рынке: помогал компаниям выбирать и внедрять такие инструменты. Так, для истории: наш бизнес назывался www.elearningresearch.com.
Мне повезло быть знакомым со многими выдающимися людьми, блестящими умами этого рынка по компании DigitalThink (она была пионером в этой области). Я написал несколько книг по теме (The Blended Learning Book и The Training Measurement Book),  и, конечно,  я помню то замечательное время, когда люди экспериментировали с контентом, оттачивали модели смешенного обучения, ломали головы над тем, как правильно использовать многочисленные данные, возникающие в ходе обучения.

Главенствующей концепцией тогда была концепция "он-лайн университета" или каталога он-лайн курсов. Курсы очень скрупулёзно создавались методистами, содержали множество разделов и были довольно длинными. Доступ к ним осуществлялся через LMS. То, что сейчас называется «опыт пользователя», по факту представляло из себя перелистывание виртуальных страниц курса. На каждой страничке были визуальные, аудиальные и – если повезет – видео материалы. 
Конечно, когда весь этот контент «вышел в люди», то спрос на LMS-системы взлетел. Объем рынка составил порядка 5 миллиардов долларов. Компании жаждали внедрить у себя LMS, обзавестись он-лайн университетами. Количество поставщиков решений этого класса стремительно росло. Технологические пионеры, такие как CornerstoneOnDemand, Centra, Click2Learn, Interwise, NetG, Plateau, Saba, Skillsoft, SumTotal и некоторые другие, вытеснили технологических предшественников, поставщиков систем управления тренингами (training management systems). Такова суровая правда жизни.
Царил ажиотаж, ожидания были огромными. В 2000 году John Chambers, CEO компании Cisco, заявлял, что «системы E-Learning убьют имейлы». Мы свято верили, что новый прекрасный мир он-лайн обучения изменит всё: и то, как мы учимся, и то, чему. Компании вполне серьезно рассматривали возможность закрытия своих реальных университетов. Но были и проблемы, и много. Контент был дорогим в производстве, технологии глючили (видео практически не работало, о мобильных приложениях ничего не было слышно, симуляции получались через раз). Ранними LMS-системами было действительно сложно пользоваться. Но, надо отдать должное, рынок быстро умнел и матерел, и практически каждая компания считала делом чести завести портал он-лайн обучения для своих сотрудников. 

Google меняет правила игры. Но LMS-вендоры не видят потенциала

В 1998 году случилось эпохальное событие – рождение Google. Гугл всего за несколько лет научил пользователей тому, что загружать каталог он-лайн курсов - это медленно и скучно. А главное – зачем? Ведь можно просто найти то, что нужно. Пользователи стали просить разработчиков LMS дополнить системы функциями поиска, и разработчики осознали, что и найти он-лайн курсы довольно сложно, и найти в он-лайн курсах что-то нелегко. Кто помнит, тот поймет: вы вводили поисковый запрос в LMS-системе, и в выдаче возвращалось несколько сотен наименований курсов. И как решить, куда кликать дальше?
Как ответили на такой вызов вендоры LMS? А никак. Пока весь мир осваивал поиск и социальные сети, эти компании решили заняться функциональностью управления талантами. Просто в это время случился экономический бум, весь бизнес ввязался в «войну за таланты» и хотел, чтобы корпоративное обучение было синхронизировано и интегрировано с другими корпоративными системами «про людей». Казалось, LMS – лучшее место свести это всё воедино.
Несколько лет такие вендоры, как Authoria, Cornerstone, Saba, SuccessFactors, SumTotal и другие фокусировались на создании решений, в которых корпоративное обучение интегрировалось с другим HR-практиками, было увязано с должностями, ролями, управлением эффективностью сотрудников и моделями компетенций. Уф. Всё это хозяйство описывалось словами “от pre-hire до retire”. И, конечно, скоро вендоры, производившие чисто LMS-системы, были скуплены.
В то время, как менеджеры по обучению с придыханием говорили о том, что Гугл – это «та самая платформа для обучения», а Apple со своими айфонами стала менять технологии создания контента (они в прямом смысле убили рынок Flash всего за несколько лет), сам рынок обучения и развития все еще мыслил в категориях «курсы», а большинство он-лайн контента все еще составлял традиционный e-learning.
Новая парадигма корпоративного образования: обучение в потоке работы

Рынок решений управления талантами побеждает. Вендоры вкладывают деньги в HR

В следующие пять лет (начиная примерно с 2005) мы наблюдали быстрый рост рынка интегрированных комплексных систем управления талантами. Вендоры, производившие чисто LMS, с трудом продавали свои системы. Поэтому с ними происходило разное: их покупали, с ними сливались, из них делали производителей системы управления эффективностью.
Пользовательские технологии, меж тем, переживали настоящую революцию. В 2005, 2006 и 2007 годах появились YouTube, Twitter и iPhone. Три этих компании, вернее, три этих явления, возникшие на протяжении всего 3 лет, кардинально изменили то, как мы, люди, взаимодействуем с контентом.  
Что сделали сотрудники? Они просто взяли и вышли за периметр корпоративного обучения. Они вышли в интернет, где их ждал новый и прекрасный образовательный опыт. Khan’s Academy, Lynda.com и YouTube стали теми местами, где было возможным научиться практически всему. Не мудрено, что сотрудники сбегали туда миллионами. 
Довольно скоро на рынок вышли такие провайдеры MOOC как Udacity, Coursera, NovoEd и EdX. Они дали вебу новую модель предоставления контента. А в большинстве корпораций в это же самое время все еще использовались (хотя, скорее не использовались, а наличествовали) стародавние LMS, разработанные для первого поколения илёнинга.

Пришествие видео и непрерывного обучения

В самом начале даже идея видео-центричного, короткого по форме обучения была пугающей: разве так можно научиться? Разве такого контента достаточно?
За несколько лет все эти опасения развеялись, пионеры в этой области доказали, что новая парадигма реальна. Например, British Telecom выдала своим сотрудникам небольшие видеокамеры и попросила делать запись самих себя в работе, при решении сложных клиентских проблем. CHRO компании выступал на нашей конференции – аудитория была под огромным впечатлением от его рассказа. В компании Cheesecake Factory занимались примерно тем же. Объем образовательного контента рос взрывными темпами.
Вскоре новые инновативные вендоры Jambok и Wisetail стали создавать платформы для распространения видео (теперь мы называем это шерингом). Это послужило толчком для выхода на рынок контента «простых смертных», ведь теперь каждый мог не только записать свое видео, но и поделиться им со всем миром. 
Если посмотреть на картинку вверху, то можно увидеть, что именно в ходе этой, третьей по счету фазе, появилась модель 70-20-10 (модель, которую лично я никогда не считал инновационной, но все-таки не могу не отметить за то, что она говорит – большая часть обучения происходит на рабочем месте). Мы  начали репозиционировать LMS: теперь это не просто система управления обучением, нет, теперь это – среда для получения опыта. Ясно, что тут же появились и новые вендоры. 

Микрообучение и Платформы образовательного опыта

Где-то в 2009 возник термин «микрообучение», новая парадигма стала набирать обороты. В 2010 была основана компания Grovo, в 2011 Axonify, в 2012 - Degreed и Pathgather, в 2013 – Edcast и еще несколько вышли на рынок. Все они предлагали набор инструментов, который обеспечивал качественно новый образовательный опыт. Теперь он включал/интегрировал видео, статьи, подкасты и другие формы цифрового контента. 
Сегодня мы называем такой формат микрообучением. 

Новая парадигма корпоративного образования: обучение в потоке работы

Несомненно, микрообучение имеет смысл (в среднем, у сотрудника есть всего лишь 24 минуты в неделю на обучение), но нам надо было вписать его в более широкий контекст. Поэтому в новых LMS предлагались разные алгоритмы организации контента, автоматически сформированные рекомендации, группировка контента в разрезе ролей, должностей, компетенций (подробнее – в моей статье The Ten Things I’ve Learned about Digital Learning). Именно такая парадигма, в которой корпоративное обучение по запросу интегрировано с долгосрочным, становится главенствующей.
По мере знакомства компаний и вендоров с микрообучением, возникают новые сегменты этого рынка. Как видно из картинки выше, я постарался категоризировать их, разделив на платформы общего образовательного опыта (они предоставляют контент, инструменты оценки и рекомендации) и адаптивные образовательные инструменты (а эти довольно умно публикуют и продвигают контент). Уверен, что в ближайшие пять лет эти категории каким-то образом объединятся, появится новое поколение LMS.

Новая парадигма корпоративного образования: обучение в потоке работы




Где мы сейчас? Время определить новую парадигму

Я изучаю технологические рынки несколько десятилетий. И я понял, что не всегда препятствия для роста являются технологическими. Препятствия - они в нашей голове. Мы не используем новые технологии полноценно, хорошо, пока не меняем что-то в своей голове.
Многие вендоры начали использовать подходы Netflix или Spotify, упаковывая обучение в набор плейлистов или каналов. Вы публикуете много контента, вы подписываетесь на каналы по интересам, вы получаете рекомендации по контенту в соответствии с должностью и/или деятельностью на основании вашей истории потребления контента и «размышлений» искусственного интеллекта о вас. 
Большинство вендоров идет этим путем. Cornerstone, Oracle, Skillsoft, Workday, и SAP имеют платформы видео-обучения, недавние игроки, такие как Degreed, Design2Learn, Edcast, Fuse и Pathgather летят туда на всех парах.
Однако нельзя забывать, что корпоративное обучение  - это все-таки не шоу-биз и даже не эдьютейнмент. Мы потребляем образовательный контент не для развлечения. Мы смотрим его, чтобы научиться. 
Думаю, стоит развить эту мысль – я говорю об Обучении в потоке работы.

Что стоит за изменениями: Обучение в потоке работы

Позвольте мне поделиться с вами моими наблюдениями.
Одна из большущих проблем у нас, в T&D, это недостаток воображения. Проблема обучения настолько сложна (технологии обучения существенно сложнее е-commerce, впрочем, вообще большинства бизнес-приложений), что нам приходится выстраивать ее решение вокруг какой-то парадигмы. 
  • В 90-е мы говорили о «каталоге курсов и он-лайн университете». Мы копировали то, что делали в офлайне. Так появились электронные образовательные курсы, LMS, каталоги курсов.
  • В 2000-е мы говорили об «интегрированном управлении талантами» (integrated talent management). Поэтому построили технологии для создания образовательных траекторий, обучения на основе компетенций, обучения, привязанного к работе. В результате мы получили интегрированные системы управления талантами.
  • Последние лет пять мы фокусируемся на «непрерывном обучении» (continuous learning), видео и мобильных библиотеках. Выстроилась парадигма, в которой мы говорим о категориях, каналах и рекомендациях применительно к обучению. Отлично! Теперь у нас есть платформы образовательного контента, системы микрообучения, адаптивные системы обучения. Не за горами и новая эра дистрибуции контента  с помощью ИИ. 

Если вы взглянете на Spotify, Netflix, Xfinity, Facebook, the New York Times – любую уважаемую вами контент-платформу – то увидите такие же фичи: каналы, темы, рекомендации, рекомендованный контент. Все это работает легко, легко используется, выглядит нескучно и .. ведет вас от одного к другому-третьему. Вот такую парадигму и используют сейчас многие вендоры. 
Хотя есть и некоторые отличия. Помните, что мир потребления снован на том, чтобы заставить (плохое слово, но именно так) вас потребить как можно больше контента. В центре экономических моделей этого мира  – доходы от рекламы. Поэтому цель платформ – «привязать» вас к себе с тем, чтобы вы проводили на платформе как можно больше времени. Порой «привязать» это почти «сделать зависимым».
В обучении не так. Мы не хотим, чтобы люди зависали на платформе. Мы хотим, чтобы они научились чему-то, попробовали это, а потом вернулись к работе!
Да, в мире потребления мы хотим, чтобы люди проводили все больше и больше времени, потребляя наш контент. В мире корпоративного обучения мы хотим, чтобы они так не поступали.
Конечно, люди уже практически считают своим неотъемлемым правом посёрфить интернет в поисках чего-то интересненького. Но как показывает наше исследование, такое использование интернета в рабочее время составляет лишь малую долю (у нас просто нет времени на бесцельный гуглеж...). А вот получение быстрой, осмысленной помощи образовательных приложений в виде советов, рекомендаций, предложений и инструментов, которое позволяет нам лучше делать работу – это то, что надо. И я верю, что лучшие образовательные платформы движутся в этом направлении.

Этот подход – то, чего хотят люди

LinkedIn только что опубликовал результаты своего последнего исследования, в котором задавал респондентам и такой вопрос: как можно улучшить обучение на вашем конкретном рабочем месте? Попробуйте угадать, каким был ответ номер один. «У меня нет времени». Именно высвобождение времени на обучение в потоке работы – это челлендж #1. При этом 58% хотят учиться в своем режиме, 49% - в момент возникновения потребности, т.е. именно в потоке работы. 
Новая парадигма корпоративного образования: обучение в потоке работы
Результаты этого исследования подтверждают то, о чем говорится в последнем исследовании O’Reilly: порядка 50% всех образовательных взаимодействий, инициированных их техническим сообществом (разработчиками софта, аналитиками, другими профессионалами технических специальностей) происходит, назовем это, в момент потребности. Людьми, которые являются несомненными профессионалами в своем деле, востребованы и точная короткая информация, и технические хаки, и быстрые ответы на вопросы, с которыми они столкнулись именно сейчас. Думаю, мы можем согласиться, что такой способ обучения нужен всем.
В нашем исследовании 2015 года, в котором участвовало более 700 организаций, было показано: сотрудник имеет для формального, выделенного обучения, всего 24 минуты. И это – в неделю! У людей просто нет времени, которое можно потратить на хоть сколько-то продолжительное обучение. Именно поэтому такое неформальное, в потоке работы корпоративное обучение жизненно необходимо. 

Как это будет работать

Представьте приложения «для развития продаж» (в каждой компании есть тренинги по продажам), «для техники безопасности» (каждый производитель или дистрибутор озабочен этой темой), «для развития лидерства» (рынок на 14 миллиардов, между прочим), а также для всего-всего технического. Мы абсолютно точно хотим интегрировать корпоративное обучение в платформу или, вернее, среду, в которой работают люди. Система обучения должна коучить и тренировать их по ходу выполнения работы для того, чтобы работа выполнялась лучше здесь и сейчас. И, похоже, это то направление, куда движется цифровое обучение.
Вот вам работающий сценарий. У крупного дистрибутора более 20 тысяч сейлзов и специалистов по обслуживанию по всему миру. (Это реальная компания). Все они используют Salesforce.com как среду для регулярной деятельности и ее учета. Почему бы системе не предложить обучение, когда сейлз, например, заводит в системе карточку клиента? Почему бы не предложить к просмотру короткие видео о том, как правильно определять цену сделки или закрывать ее? Такие решения уже сегодня на рынке. 
В области обучения безопасности (огромный рынок в большинстве тяжелых индустрий) уже сейчас есть адаптивные образовательные решения, которые показывают 2-3 минутные видео каждое утро, когда сотрудник чекинится на работу. Надо понимать, что это не «абы какие ролики». Конечно, обучение продумано-просчитано-сделано на высочайшем уровне. Это не развлекушка, это способ достижения цели. Сотрудник отвечает на вопросы (в т.ч. на вопрос о том, насколько он уверен в правильности ответов), что дает системе информацию для выбора последующих шагов. Все это уже происходит. 
Теперь о продавцах. Ритейлер доставляет прямо на оборудование – кассы, информационные киоски – обучающий контент для своих сотрудников: инструкции, советы, рекомендации. Работник может ознакомиться с ними в свободную минутку. Еще одна компания примерно в таком же формате обеспечивает корпоративное обучение своих сотрудников новым продуктам. Более того, сотрудники могут даже попрактиковаться в том, чему они научились (такие платформы как Practice and Rehearsal и D2L делают такое). Они помогают в этом друг другу, возникает питательная образовательная среда.
Недавно я встретился с представителями крупной всемирно известной медицинской организации. Несколько лет назад в ней был внедрен инструмент для командной работы (Jive) и спустя годы наконец-то удалось приучить всех сотрудников с ним работать. Теперь они смотрят на рынок образовательных решений и чрезвычайно озабочены тем, что сотрудники вынуждены будут опять привыкать к новому инструменту. А на самом деле будет не так! Сегодня уже можно интегрировать микрообучение в другие информационные системы. Впервые в истории можно практически гарантировать, что знания окажутся у человека тогда, когда они ему действительно нужны. 
Все эти приложения базируются на результатах 20-летнего развития индустрии (поиск, видео, мобильность, рекомендации, быстрый интернет), обогащая его современными подходами прямо на рабочем месте сотрудника. Грамотно разнесенное по времени, с продуманными повторами, с элементами практики, рекомендациями, основанными на анализе компетентности – вот каким становится корпоративное обучение. И оно начинает проникать в те платформы и решения, которые мы используем для выполнения непосредственно рабочих задач. Например, так уже делают Practice and Rehearsal и D2L.
Несколько ведущих мировых финансовых сервисов используют он-лайн книги и подсказки для того, чтобы сотрудник мог быстро получить доступ к информации, в случае, если он столкнулся с проблемой при кодировании. Такие системы, как GitHub, StackOverfow, O’Reilly Safari и еще некоторые другие уже учат своих пользователей в потоке работы. Недавно появившиеся WalkMe, GuideMe и EnableNow представляют собой обучающие инструменты, которые в режиме реального времени наблюдают за вашим поведением в разных приложениях и прямо здесь и сейчас выдают рекомендации и поддержку – и вы об этом не должны даже просить! Всё происходит как бы само. 

Я не утверждаю, что все вышеописанное работает на раз, работает «прямо из коробки», но кейсы уже есть, и всё развивается очень и очень быстро именно в этом направлении. Все больше и больше вендоров предоставляют плагины к Slack, Outlook и Salesforce (у Salesforce, кстати, есть своя образовательная платформа Trailhead) и G-suite. В общем, скоро вы всё увидите своими глазами. Недавно я разговаривал с представителями одной крупной компании, так они внедрили весь G-suite на 5 тысяч сотрудников, которые для обучения используют Google Hangouts и YouTube. Рынок корпоративного обучения – больше 200 миллиардов, он состоит из множества подвидов приложений и сотен самих решений. И пусть подход «Обучение в потоке работы» реализован не в каждом из них, я верю, что он набирает обороты и рекомендую вам выстраивать вашу T&D работу именно в этой парадигме. 



__________________________________________________________

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



Популярные сообщения