Перевод статьи Is It Time To Revisit The Scope and Breadth of People / HR Analytics? нашего проекта переводы статей по hr-аналитике на английском. Автор Lyndon Sundmark - один из немногих авторов, кто сам работает руками в R. ОН автор книги по hr-аналитике, где содержится код для анализа данных.
Перевод выполнила Ольга Смирнова (по ссылке профиль на Линкедине - рекомендую френдиться с профи), у Ольги свое, очень интересно дело, она создатель сайтов и он-лайн школ, рекомендую http://smirnovaolga.tilda.ws/ ! Это уже одиннадцатый (!!!) перевод Ольги. Читайте также
- Познавательно о процентах
- 10 метрик HR, которые вы можете, но, вероятно, еще не используете
- Следующий вызов для Искусственного Интеллекта: понимание нюансов языка
- Лидеры в HR аналитике: непрерывное стремление Capital One к улучшению исследований в области HR
- Лидеры в HR аналитике: управление практическими исследованиями в Merck & Co
- Искусственный интеллект в HR: прорывное приложение
- Лидеры в HR аналитике: совместный подход к исследованиям в Microsoft
- Как удостовериться, что гибкие команды могут работать вместе
- Moneyball для бизнеса: как Искусственный Интеллект меняет управление талантами
- HR в рабочем процессе: появилась новая парадигма
Итак,
Lyndon Sundmark, MBA
People (HR) Analytics Consultant / Data Scientist
Пришло ли время пересмотреть масштаб и широту HR аналитики?
В процессе моего продолжительного внимательного изучения большинства публикаций в интернете «всего, что касается HR аналитики», я вижу, что огромная их часть ориентирована на разговоры о традиционных показателях HR и их взаимосвязи с другими бизнес-метриками. Я думаю, что это «хорошая» и «естественная» отправная точка, как со стороны понимания, так и со стороны внедрения HR аналитики в организациях. И действительно, многие организации стремятся к этому, как к первому доказательству «видимости» того, что они в этом участвуют. При этом они часто впервые представляют картину для организации в виде HR в их организации.Для некоторых, перспектива может заключаться в том, что это предел функционала HR-аналитики и ее возможностей. Их перспектива ограничена тем, как они определили ее для себя. По этой причине, определения в HR аналитике имеют решающее значение. Они устанавливают для нас границы в любой конкретный момент времени в отношении того, какие виды деятельности подразумеваются по HR аналитикой, а какие нет.
Те из вас, кто прочитал мою книгу и мой сборник статей блога Linkedin об HR аналитике, расположенных в моем профиле в LinkedIn, знают, что я рассматриваю эту область в качестве такого определения понятия - управление персоналом и принятие решений на основе данных.
Если вы согласны с этим определением, некоторые вещи могут показаться само собой разумеющиеся в вашем мышлении:
- Вероятно, вы, решите, что HR аналитика не ограничивается только традиционными HR метриками. Это важная часть, но только часть, общей картины.
- Вы можете и, вероятно, должны думать о масштабах «управления на основе данных» как потенциально обо «ВСЕМ» HR, т.к. не обязательно ограничивать его потенциальную применимость.
- Вы должны признать, что это будет означать, НЕ «обычный бизнес» HR. Хотя цели почти всего того, что мы делаем в HR, не меняются, и на самом деле основываются на функциях, обязанностях и ожиданиях, которые ставит перед нами организация и бизнес, то, как мы думаем о работе HR, вероятно, придется скорректировать на «управление на основе данных» - новые методологии, новые инструменты и так далее.
- Вероятно, вы должны сделать вывод о том, что применение анализа и обработки данных для HR, скорее всего, будет причиной большей части изменений в том, «как мы работаем в HR».
Все это говорит о том, что содержание «ВСЕГО» HR все еще может быть несколько туманным и нечетким – потенциально верным, но все же трудным для понимания.
В моей книге я предлагаю три основные сферы применимости этой области «ВСЕГО» HR:
- Традиционные метрики HR - описывающие наших сотрудников в течение времени и то, что с ним происходит. (И понимание их взаимосвязи с другими более общими показателями бизнеса и организации). Как уже упоминалось выше, это часть HR аналитики и это важная часть.
- Наши HR операции - мониторинг, понимание и постоянное совершенствование услуг HR для своих клиентов.
- Внедрение фундаментальных принципов анализа и обработки данных и моделей машинного обучения в части принятия решений по управлению персоналом и непосредственной разработке политик и процессов HR. Это категория в наибольшей степени влияет на то, как мы изменим работу в HR, чтобы «управлять на основе данных».
Большинство из вас могут быть знакомы с основными традиционными HR метриками. Если нет, вы можете просмотреть глоссарий и стандарты по следующей ссылке в качестве примера.
Меньшинство из вас может быть знакомо со сферой применимости операционной деятельности по управлению персоналом. Для некоторых из вас это может выглядеть в виде инициативы «непрерывного совершенствования» в области HR-идентификации того, кто является вашими клиентами, какие продукты и услуги, а также процессы вы им предоставляете.
Третья сфера, вероятно, является «самой туманной» для большинства людей. Как мы это понимаем - в работе, вовлеченности, понимании «полной картины» того, что это может затронуть? Я думаю, что определение «полной картины» еще находится на стадии становления. Возможно, причина этого заключается в том, что все ограничивается только множеством задач HR и воображением HR профессионалов.
Действительно, профессиональному сообществу HR может быть полезно документировать фактическое применение анализа и обработки HR данных, - чтобы другие могли учиться у него – и в корне меняли (со временем) принципы работы HR.
Но даже в этом случае, как мы узнаем, есть ли у какой-либо из областей применения потенциал, чтобы его можно было рассматривать в качестве кандидата на применение анализа и обработки HR данных?
Я думаю, что ответ на этот вопрос можно найти в:
- Сначала поймите, на какие вопросы должны отвечать анализ и обработка данных и модели машинного обучения.
- Затем подумайте, какие из этих типов вопросов будут эквивалентны находящимся в рамках известных функций HR.
Недавно я наткнулся на статью, написанную коллегой из Microsoft - Brandon Rohrer.
Это отличный ответ на первый пункт выше и его очень стоит прочитать.
Резюме:
на какой тип вопросов может дать ответ анализ и обработка данных?
- Является ли это A или B? Двухклассовая классификация
- Является ли это A или B или C или D? Многоклассовая классификация
- Это странно или необычно? Обнаружение аномалий
- Как много / сколько? Регрессия
- Какова вероятность того, что что-то есть A или B или C или D? Многоклассовая классификация в виде регрессии
- Какова вероятность того, что что-то есть A или B? Двухклассовая классификация в виде регрессии
- Как организованы эти данные? Снижение кластеризации или размерности
- Что мне теперь делать? Стимулирование обучения
Это очень сокращенный пересказ статьи, но он очень быстро обостряет внимание и структурирует мышление в отношении применения анализа и обработки данных в HR. Сфера применения огромна, как в отношении принятия решений в области HR для целей кадровой политики, так и для непосредственного внедрения моделей машинного обучения в наши практики и процессы в области управления персоналом.
Каковы эти вопросы в контексте HR?
Давайте проведем быстрый «пример мозгового штурма» в HR-функциях и HR-метриках:
Подбор персонала
- Будет ли этот прием успешным или неудачным в нашей организации? (Двухклассовая классификация)
- Пройдут ли эти кандидаты испытательный срок, если мы примем их? (Двухклассовая классификация)
- Какова вероятность того, что этот кандидат окажется успешным, если мы его примем? (Двухклассовая классификация в виде регрессии)
- Какова вероятность того, что этот кандидат пройдет стажировку? (Двухклассовая классификация в виде регрессии)
- В каких сотрудниках мы будем нуждаться в следующем году, основываясь на увольнениях в прошлом? (Регрессия)
Прогулы
- Являются ли прогулы этого человека чрезмерными по сравнению с другими работниками? (Обнаружение аномалий)
- Каковы прогнозируемые расходы на прогулы в следующем году? (Регрессия)
- Компенсации и управление расходами на оплату труда
- Какова наиболее подходящая группа должностей для позиции, которую я классифицирую? (Многоклассовая классификация).
- Мы пытаемся объединить наши многочисленные классы должностей в меньшее количество категорий. Сколько групп должностей должно быть у нас на самом деле? (Кластеризация)
- Какова правильная зарплатная сетка для этой новой позиции? (Многоклассовая классификация).
- Является ли эта должность профессиональной или управленческой позицией? (Двухклассовая классификация)
- На каком уровне управления эта позиция (Многоклассовая классификация)
Увольнения
- Является ли наш показатель текучести аномально высоким в этом году? (Обнаружение аномалий)
- Каков прогноз текучести в следующем квартале? (Регрессия).
- Кто именно уволится по нашим прогнозам в следующем году? (Двухклассовая классификация)
- Какова вероятность того, что этот конкретный человек уйдет в следующем году? (Двухклассовая классификация в виде регрессии)
Здоровье и безопасность
- Какова будет наша прогнозируемая частота несчастных случаев / травм в следующем году? (Регрессия)
- Является ли появление этого типа аварии необычным? (Обнаружение аномалий)
- Является ли этот тип работы высокорисковым? (Двухклассовая классификация)
- Трудовые отношения
- У нас довольно высокий уровень жалоб в этой области или в этом году. Это необычно? (Обнаружение аномалий)
Вышеизложенное является просто «небольшим» примером HR-вопросов, которые часто задаются. И каждый из них представляет собой специфический «HR контекст», в противном случае это было бы разновидностью вопроса по аналитике данных. Возможно, было бы полезно собирать другие вопросы на каких-либо веб-ресурсах, которые исходят от HR на регулярной основе, с целью определения того, является ли вопрос об управлении персоналом так же и завуалированным вопросом по анализу и обработке данных.
Вся суть вышеприведенных примеров - показать более широкую область применения HR аналитики. «Основанное на данных» действительно означает переосмысление того, как мы делаем «ВСЕ» в HR. Это не добавочная область HR. Это касается самой структуры управления персоналом и принятия HR-решений. Это означает, что мы ищем возможности для совершенствования и улучшения, а также то, что суждение и определение того, что является «усовершенствованным и улучшенным», основано на «фактических данных», а не просто на субъективном суждении.
Действительно ли мы верим, что HR аналитика это «основанное на данных управления HR и принятием решений» или нет? Если это так, то мы должны видеть масштаб и широту ее применения настолько, насколько это подразумевается выше. Иными словами, непреднамеренно не ограничивать вклад, который может сделать HR аналитика для наших организаций.
Я надеюсь, что вышеупомянутые идеи помогут вам, как специалистам в HR аналитике, «дальновидно» понимать HR аналитику, и более четко видеть, каков объем аналитики, которой вы занимаетесь, и сколько еще предстоит сделать.
__________________________________________________________
Комментариев нет:
Отправить комментарий