.

Сделать репост в соц сети!

вторник, 23 октября 2018 г.

Пришло ли время пересмотреть масштаб и широту HR аналитики?






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


  1. Познавательно о процентах
  2. 10 метрик HR, которые вы можете, но, вероятно, еще не используете
  3. Следующий вызов для Искусственного Интеллекта: понимание нюансов языка
  4. Лидеры в HR аналитике: непрерывное стремление Capital One к улучшению исследований в области HR
  5. Лидеры в HR аналитике: управление практическими исследованиями в Merck & Co
  6. Искусственный интеллект в HR: прорывное приложение
  7. Лидеры в HR аналитике: совместный подход к исследованиям в Microsoft
  8. Как удостовериться, что гибкие команды могут работать вместе
  9. Moneyball для бизнеса: как Искусственный Интеллект меняет управление талантами
  10. HR в рабочем процессе: появилась новая парадигма


Итак,
Пришло ли время пересмотреть масштаб и широту HR аналитики?
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.


__________________________________________________________

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




Комментариев нет:

Отправить комментарий