.

Сделать репост в соц сети!

понедельник, 30 сентября 2019 г.

Диаграммы Sankey


Диаграммы Sankey
А Sankey Diagram- это метод визуализации, который позволяет отображать потоки. Несколько объектов (nodes) представлены прямоугольниками или текстом. Их ссылки представлены стрелками или дугами, ширина которых пропорциональна важности потока.
Входные данные должны быть вложенным списком, в котором указываются nodes и данные links сети. Данные такого типа могут храниться в нескольких форматах (у меня они качаются с эксель)
Например, у нас имеется опрос по удовлетворенности персонала, где необходимо визуализировать ответы работников, одновременно на несколько вопросов, либо проверить ответ, например, контрольным вопросом.

Я использовала Sankey для следующего: (все данные придуманы, никакого совпадения с действительностью нет))):
Респондентам были заданы 3 вопроса:
1.     Насколько в данный момент социальные проекты Компании необходимы Вашему городу?
2.     Как часто Вы участвовали в социальных проектах, организованных структурным подразделением за прошедший год?
3.     Оцените, пожалуйста, отношение жителей Вашего города к социальным проектам Компании (от 1 до 3, где 1 – не значимо, 3 – значимо)
Выводы:
«Интересные» моменты: Из респондентов, ответивших что социальные проекты нужны городу - либо вообще не участвовали в них, либо участвовали, но редко. К тому же эти же люди считают, что отношение жителей к социальным проектам – не значимо.
Те, кто участвуют в социальных проектах часто и очень часто оценивают значимость этих проектов для города очень значимо.
Таким образов используя Sankey визуализацию можно оценивать ответы респондентов на несколько вопросов, и делать более емкие выводы.
А вот код:
library(networkD3)
df_nodes <- import("C:\\Users\\Admin\\Desktop\\sankeyplot.xlsx")
df_links <- import("C:\\Users\\Admin\\Desktop\\sankeyplot.xlsx", sheet = 2)
a <- sankeyNetwork(Links = df_links, Nodes = df_nodes, Source = "source",
                   Target = "target", Value = "value", NodeID = "name",
                fontSize = 10, nodeWidth = 15)
a

воскресенье, 29 сентября 2019 г.

Продвинутая аналитика — это хорошо, но что если начать с простой аналитики?


Перевод статьи Advanced analytics is nice, but how about we start with simple analytics? проекта переводы статей по hr-аналитике на английском. 

Продвинутая аналитика! Все её хотят, но лишь немногим она действительно нужна. Предлагаю начать со здоровой дозы простой аналитики.

Я знаю, я понял! Вы воодушевлены своими данными и хотите нанять аналитика, чтобы скорее приступить ко всей расширенной аналитике, которую можно с ними проделать.
Однако, в действительности я не уверен, что эта фраза означает то, что вы думаете, она значит. Остановитесь на секунду и подумайте – есть ли у вас люди, делающие простой анализ ваших данных? Начинаете ли вы реально погружаться в простые метрики, чтобы понять, как функционирует ваш бизнес? Как аналитик, я бы сказал, что более чем в 90% случаев люди, которые слышат термин «продвинутая аналитика» думают, что они должны включиться в это движение. К сожалению, пока вам это действительно не понадобится, для вашей компании это может оказаться потерей времени или ресурсов.


Правило 80/20 продвинутой аналитики


Большинство людей знакомы с правилом 80/20 или Принципом Парето. По сути, вы получаете 80% результата только от 20% усилий. Это относится и к аналитике. Когда вы в первую очередь начинаете с понимания своего бизнеса и работаете над разработкой метода управления на основе данных, вы можете получить 80% необходимой аналитической информации, приложив 20% усилий. Эти 20% усилий могут быть базовыми сводными статистическими данными о количестве пользователей, количестве продаж или валовой прибыли за определенный период времени.
Продвинутая аналитика – это 80% УСИЛИЙ, которые дадут вам 20% РЕЗУЛЬТАТА. Вот почему в самом начале вам определенно не нужна продвинутая аналитика. После того, как вы расширите свои возможности понимания бизнеса и заказчиков с помощью базовых инструментов, только тогда можно перейти к расширенной аналитике.

Почему вам пока не нужна продвинутая аналитика


Мир говорит только о таких сексуальных штуках, как наука о данных и искусственный интеллект. Вы редко прочитаете в Forbes или Business Insider о скучных вещах, таких как простой анализ данных или управление данными. В реальности, пока вам нужно углубиться в сегментирование клиентов, чтобы получить немного больше прибыли, продвинутая аналитика вам не нужна.
Я огромный фанат концепции бережливого производства и главной идеи минимального жизнеспособного продукта - minimum viable products (MVP). MVP в случае аналитики для вашего бизнеса - это простая аналитика. После того, как вы начнёте понимать, что вам необходимо с точки зрения данных, людей и ресурсов, тогда вы можете переходить к расширенной аналитике.

Работа по анализу данных без данных


Если вы еще не уверены, позвольте мне рассказать вам небольшую историю. Я был привлечен в качестве консультанта по анализу данных, чтобы помочь организации устранить некоторые проблемы с бизнесом. Как вы знаете, нанять специалиста по анализу данных – не дешевое удовольствие.
Итак, я захожу в здание, на свое первое совещание по планированию, и спрашиваю, когда я могу получить доступ к данным…удивленные взгляды.
"Мы думали, вы это сделаете. Мы понятия не имеем, как работать с нашими данными."
Именно в этом и заключается моя точка зрения. Перед тем, как нанимать крутого специалиста с учеными степенями и дорогим резюме, вам нужно задать себе и своей компании простые вопросы, например, можем ли мы получить доступ к данным, чтобы работать с продвинутой аналитикой?
В конце концов вы будете работать с профессионалами, работающими с расширенной аналитикой, но, прошу вас, сэкономьте свое время и деньги, начав сперва с простой!
Об авторе: Меня зовут Александр Титус, и я болею путешествиями. Я часто погружаюсь в раздумья, блуждаю в лесах и часто делаю и то и другое одновременно. Моя жизненная миссия – переосмысление карьерного успеха, включая как личные, так и профессиональные стремления.  Вы можете найти меня в LinkedIn, Twitter, и я делюсь некоторыми мыслями в блоге и в Medium.


Откуда растет HR стратегия или зачем оценивать Employee experience?

Добрый день!



Сегодня делюсь практическим примером: Метод визуализации alluvial diagram
На мой взгляд, очень удобный метод для анализа и оценки employee experience

Актуальность: при подготовке к формализации стратегии для HRBP критически важно объективно оценивать контекст. Такой подход позволяет строить hr стратегию синхронно бизнес стратегии. Обнаруживать лучшие возможности и указывать на истинные ограничения для инвестиций в процессы HRM.

Бизнес проблема: подразделение имеет стратегическую важность. Компетенции формируются долго. Сотрудники непосредственно участвуют в создании и развитии продукта. На будущий год руководство ставит задачу повышение эффективности разработки. 

Обстоятельства: руководитель убежден в необходимости привлечь опытных сотрудников из фирм Конкурентов. Между тем последние несколько лет делали упор на найм профильных выпускников. За это время сформировалось устойчивое мнение, что стратегия "инкубатора для конкурентов" себя исчерпала.  

Задача: предложить источники привлечения для роста эффективности

Решение:  оценить эффективность источников привлечения в разрезе эффективности сотрудников.
Рецепт для data frame: 
- взять список уволенных,
- добавить прежнее место работы, 
- прежнее место работы предварительно крупно порезать на категории (мы предпочли группы: Конкуренты, не Конкуренты, ВУЗ),
- методом "ОБС" собрать информацию про новое место работы для нашей группы,
информацию о новых местах работы крупно порезать (размер и форма на ваш вкус).
- тщательно перемешать и поместить в "скороварку"

состав': ..xx.. obs. of  3 variables:
 $ value   : Factor w/ 3 levels "высокая","низкая",..: 2 3 1 1 1 1 2 3 2 3 ...
 $ come_new: Factor w/ 3 levels "ВУЗ","Конкуренты",..: 2 1 1 1 1 1 1 1 1 1 ...
 $ exit_new: Factor w/ 4 levels "Внутренний перевод",..: 4 3 4 2 4 4 3 3 2 1 ...
> summary(df)                       

В результате мы получили кадр с данными, где есть два события Пришли / Ушли и оценка эффективности Ценность  (значения: "высокая", "низкая", "средняя").





Анализ: Действительно выпускники ВУЗов являются единственным источником для наполнения группы Конкуренты. Не смотря на это группа ВУЗ является главным источником для группы Внутренний перевод. Важно будет отметить, что источник Конкуренты не имеет примеров высокой Ценности. Следует отметить, что группа не Конкуренты не имеет примеров низкой Ценности, а также является эффективным источником наполнения группы Внутренний перевод.

Выводы и рекомендации: вы точно сможете сделать это лучше меня... 

Вопросы к обсуждению среди читателей блога:


  1. Актуальность проблемы исследования
  2. Какими методами анализа и визуализации вы оцениваете Employee experience?
  3. Ограничения метода и дальнейшие шаги анализа.




П.С. кто делает лучшую карьеру у вас HiPo или HiPro ?
Появились вопросы? Пиши на korolkovdj@gmail.com
  




Почему сотрудники не делятся знаниями друг с другом

Перевод статьи Why Employees Don’t Share Knowledge with Each Other нашего  проекта переводы статей по hr-аналитике на английском. Очень хорошее обсуждение темы вовлеченности персонала с сайта hrmagazine.co.uk
Перевод выполнила Регина Ибниаминова, начальником отдела кадров некоммерческой организации (профиль в контакте). Читайте другие переводы Регины
  1. 20 работающих идей признания сотрудников (recognition) 
  2. Сравнение уровней вовлеченности персонала по всему миру
  3. Упущенные факторы благополучия сотрудников (employee well-being)
  4. Несколько идей о персонализации в HR
  5. Вовлеченность персонала – факт или фикция? 
  6. Совместное обучение (Collaborative Learning) стало важнее, чем когда-либо 
  7. Работать совместно, но не вместе (working at google) 
  8. Исследование вовлеченности персонала разрушает культуру вашей компании

Почему сотрудники не делятся знаниями друг с другом




Итак,

Почему сотрудники не делятся знаниями друг с другом

Компании хотят, чтобы их сотрудники делились своими знаниями. Ведь по данным исследований, это приводит к росту креативности, нововведениям и большей производительности как отдельно взятого человека, так и команды и организации. Однако, несмотря на попытки поощрять обмен знаниями (вспомните о тех же open-офисах), многие сотрудники предпочитают скрывать их. Это явление известно как накопление или сокрытие знаний. Сотрудники могут притворяться недалекими, делать вид, что ничего не знают, обещать поделиться чем-то, но никогда этого не делать, или говорить людям, что не могут делиться, тогда как на самом деле могли бы.
В чем причина такого расчетливого поведения? Наше исследование, опубликованное в Journal of Organizational Behavior, показало, что способ проектирования рабочих мест может влиять на то, делятся сотрудники знаниями или скрывают их от своих коллег. В частности, мы обнаружили, что более когнитивно сложные виды работ, когда людям нужно обрабатывать немалые объемы информации и решать сложные задачи, как правило, лучше способствуют обмену знаниями, так же как и работы, предполагающие больше автономности. Сосредоточившись на этих аспектах работы, менеджеры могут побудить сотрудников больше делиться информацией и меньше ее скрывать.
Мы получили эти результаты из двух исследований, собрав данные из выборки 394 сотрудников умственного труда в различных организациях Австралии и 195 сотрудников китайской издательской компании. Мы спросили участников о том, насколько когнитивно требовательна их работа, насколько они самостоятельны, и насколько их коллеги полагаются на них в своей работе. Также мы спросили об их мотивации делиться знаниями с другими. Несколько месяцев спустя мы попросили их сообщить, как часто они делились своими знаниями с коллегами, и насколько полезными были эти знания. Мы также спросили их, как часто они скрывают знания от своих коллег.
Наш анализ позволил сделать три основных вывода. Во-первых, люди делятся знаниями и скрывают их по разным причинам. Во-вторых, как упоминалось выше, они более мотивированы делиться, когда работа требует умственных усилий и предполагает больше самостоятельности. В-третьих, сотрудники склонны скрывать знания, когда думают, что коллеги слишком полагаются на них. Давайте пройдемся по каждому пункту.

Что мотивирует людей делиться знаниями или скрывать их?

Когда мы анализировали данные по этой проблеме, то разделили ответы на «независимую мотивацию» (делать что-то, потому что это значимо или приятно) и «контролируемую мотивацию» (делать что-то ради поощрения или избегания наказания). Результаты показали, что обмен знаниями более вероятен, когда сотрудники имеют независимую мотивацию (например, они согласны с утверждением: «Важно делиться с коллегами тем, что я знаю»). Напротив, люди с большей вероятностью скрывают свои знания, когда их мотивация подвергается внешнему давлению («Я не хочу, чтобы меня критиковали» или «Я могу потерять работу»).
Значит, давление на людей с целью заставить их делиться знаниями работает не слишком хорошо по сравнению с тем, чтобы показать им ценность обмена знаниями. Если сотрудники не понимают важность обмена знаниями для достижения целей организации, они будут менее склонны делиться знаниями. А если работников заставлять делиться тем, что они знают, это может привести к неприятным последствиям. Если они боятся потерять конкурентное преимущество, они могут еще более неохотно раскрывать информацию. Интересно, что в китайской выборке контролируемая мотивация была связана с более частым обменом знаниями, но полезность этих знаний была небольшая.

Какой тип работы способствует обмену знаниями или их сокрытию?

Поскольку работа, связанная с умственными затратами, может быть более интересной и вдохновляющей, а также более трудной и напряженной, мы ожидали, что люди будут получать больше удовольствия от обмена информацией и ощущать большую потребность в обмене. Так же как из-за того, что при большей самостоятельности работа становится более значимой, мы ожидали увидеть такую же склонность к обмену. Наши результаты подтвердили ожидания. Когда работа связана с высокими когнитивными требованиями и самостоятельностью, люди чаще делятся полезными знаниями. Так было и у австралийских, и у китайских работников умственного труда.

Что происходит, когда люди зависят от вас?

Работа со знаниями в основном опирается на материальные и нематериальные знания (например, данные и ноу-хау), которыми владеют различные люди в организации. Это создает взаимозависимости между сотрудниками. Так, один человек может нуждаться в информации с различных сторон, чтобы иметь возможность завершить свою работу эффективно. Если вы полагаетесь на знания своих коллег, то более вероятно будете так же делиться своими знаниями с ними.
Кроме вопросов респондентам о том, как они делятся своими знаниями и скрывают их от коллег, мы спросили, зависят ли от них работа коллег. Мы ожидали, что респонденты будут воспринимать своих коллег как зависимых от них, что они будут охотно делиться своими знаниями и менее склонны скрывать их.
К нашему большому удивлению, мы обнаружили обратное. Когда люди понимали, что другие зависят от них, они чувствовали себя вынужденными делиться своими знаниями (контролируемая мотивация), и это, в свою очередь, способствовало сокрытию знаний. Возможно, это связано с тем, что частые обращения коллег требовали больших временных затрат, а это довольно редкий товар в наши дни. Люди часто предпочитают ставить свои собственные задачи выше обмена знаниями, и даже делают вид, что не владеют запрашиваемой информацией.
Как и любое исследование, наше имеет недостатки. Во-первых, мы не рассматривали природу знаний, которыми делятся участники исследований. Можно утверждать, что если сотрудникам нравиться делиться знаниями (независимая мотивация), это может привести к тому, что они будут делиться больше «молчаливыми» знаниями (это инсайдерское ноу-хау, которое сложнее записывать и передавать) вместо явной информации (более четкая информация как из учебника). Во-вторых, наши данные ограничивались самоотчетами сотрудников. Было бы неплохо, если бы будущие исследования могли собрать дополнительные данные, такие как отчеты коллег о том, чем с ними делятся, насколько это полезно, а если они получали отказ, то почему.
Эффективный обмен знаниями имеет важное значение для всех организаций, тем не менее, многие из них увлечены борьбой за привлечение сотрудников. Наши результаты показывают, что если руководители хотят больше поощрять обмен информацией, им нужно выстраивать работу так, чтобы люди хотели обсуждать то, что им известно.

__________________________________________________________
мы в фейсбукетелеграмме и вконтакте


четверг, 26 сентября 2019 г.

HR-аналитика одним словом....

Представляю результаты нашего опроса в телеграм канале. Вопрос звучал так
Какой один термин для Вас более полно описывает HR-аналитику.
Дальше я сравниваю результаты опроса этого года с результатами опроса 2018. Результаты изменились критически. И это изменение я характеризую как регресс....

HR-аналитика 2019 


HR-аналитика одним словом



Всего в опросе приняло участие 125 респондентов, их них

  • 'HR-метрики' - 52;
  • 'Автоматизация' - 6;
  • 'Бенчмарк' - 5;
  • 'Дашборд' - 25;
  • 'Опрос' - 2;
  • 'Ключевой драйвер' - 15;
  • 'Корреляция' - 9;
  • 'Прогноз' - 11

Сравните это с результатами опроса прошлого года

HR-аналитика одним словом 2018 

HR-аналитика одним словом




Всего 120 читателей канала проголосовало.

Интрига опроса

В основе поинтов опроса лежит Стена Будро, см. Стена Будро или почему в России не приживается предиктивная аналитика

И поинты опроса я брал из этой диаграммы. Смысл этой диаграммы в том, что по мнению профессора Будро (и я с этим мнением вполне согласен), все что слева - это отчетность и репортинг, а все что справа и есть собственно HR-аналитика.
Проблема наших опросов была в том, что в прошлом году я термин survey перевел как исследование, а в этом году как опрос (и в контексте опроса считаю этот вариант более верным). В прошлом году исследование набрало почти 50 % голосов.
Я считаю более корректным удалить варианты опрос и исследование, чтобы корректно сравнить результаты.

Главный шок

Если сгруппировать термины на те, что левее стены Будро, и те, что справа - собственно HR-аналитику, то получится, что
две третьих респондентов прошлого года проголосовали за аналитику (без варианта исследование варианты корреляция, прогноз и ключевой драйвер набрали более 66 % голосов респондентов)
в этом году варианты корреляция, прогноз и ключевой драйвер набрали суммарно менее трети голосов!

Гипотезы

Можно сформулировать следующие гипотезы, почему результаты так сильно изменились:

  1. Изменение варианта исследование на опрос привело к изменению распределения других вариантов;
  2. За год аудитория телеграм канала изменилась кардинально (с 5 000 мы выросли до более 9 000), и результат определяется изменением качества аудитории. 
  3. За год изменилась ситуация в России, больше внимания стали уделять именно HR-метрикам, дашбордам и т.п... 

......................
Приглашаю Вас к дискуссии, поделитесь, почему, как Вы считаете, результаты изменились столь кардинально.



понедельник, 23 сентября 2019 г.

Корпоративные опросы вовлеченности: пример визуализации

Итак, у нас с вами есть данные корпоративного опроса, где есть вопрос "Готовы ли Вы рекомендовать компанию в качестве работодателя знакомым и друзьям?", который мы понимаем как вовлеченность, и группа факторов, связь которых с вовлеченностью мы хотим проверить.

Корпоративные опросы вовлеченности: пример визуализации




Картинка выше просто для привлечения вашего внимания. Для красоты, смысл ее покажу ниже

Анализ

Первое, с чего мы начинаем, показываем связь между вовлеченностью - в нашем случае это готовность рекомендовать компанию - с переменными нашего опроса. Я взял только одну часть вопросов - отношения с непосредственным руководителем.
Корпоративные опросы вовлеченности: пример визуализации

На диаграмме показана связь между вовлеченностью и факторами (V Cramer). Высота столбца и цифра означает тесноту связи (напомню, что показатель связи находится в границах от 0 - нет связи - до 1 - детерминация).
В нашем случае самая тесная связь между вовлеченностью и обратной связью и recognition (благодарит за достижения). Еще и забота о развитии, но я упрощу себе задачу, ограничусь двумя факторами.
Мы выяснили силу связи, но встает вопрос: 0, 31 и 0, 3 это вообще много или мало? Что они вообще обозначают эти цифры? Заказчик может спросить, и что мне делать с корреляцией 0, 31? В этом случае я рекомендую как один из вариантов вот такую визуализацию.

SankeyPlot

Обратная связь - вовлеченность

Для того, чтобы показать Заказчику, что из себя предсталяет такая связь, мы можем воспользоваться типом диаграммы SankeyPlot или ее разновидностью Alluvial.

Корпоративные опросы вовлеченности: пример визуализации

На этой диаграмме показана связь вовлеченности (три варианта ответа на вопрос о готовности рекомендовать компанию: да, нет, не знаю) и обратной связи от руководителя (респонденты отвечали на вопрос дает ли руководитель обратную связь с вариантами ответа да или нет).
Соответственно, категории у нас обозначают вопросы, а линии между ними - пересечения в ответах.
Величина кубиков равна частоте ответов на вопрос.
Те, кто выбрал вариант "Да" в обратной связи, также значительно чаще выбирает вариант Да, готов рекомендовать компанию.
Те, кто в обратной связи выбирают "Нет" также чаще выбирают вариант ответа "Нет"
Забавно, что вариант "Не знаю" практически пополам состоит из "Да" и "Нет" обратной связи.

Благодарности - вовлеченность 

Корпоративные опросы вовлеченности: пример визуализации

Тоже самое в отношении связи ответов на вопросы "Благодарит за достижения" (руководитель) и вовлеченность.
Заметно, что почти все, кто выбрал вариант "Всегда благодарит" выбирают вариант "Да, готов рекомендовать компанию". И согласитесь, хорошо бы это показать руководителям, верно?
Ну и т.д....

Финал

Корпоративные опросы вовлеченности: пример визуализации


Понятно, что здесь уже три переменные связаны между собой.
Те, кто выбирают "Да" в recognition и "Да" в обратной связи с очень высокой степенью вероятности будут рекомендовать компанию.
Ну и так далее......



Статьи по HR-аналитике на английском- 46

Предыдущий, 45 -й выпуск, статей на английском по HR-аналитике вы найдете по ссылке Статьи по hr-аналитике на английском 45 (по ссылкам можно перейти до самой первой статьи).
И даже если вы не владеете английским языком, рекомендую почитать анонсы статей, это позволит держаться вам в курсе трендов аналитики.
Если вы хотели бы перевести статью, пишите edvb()yandex.ru
Статьи по HR-аналитике на английском- 46





Итак,

  1. 21st Century HR - The three big shifts needed for the future - пафосная и глобальная статья от Keith McNulty. Думаю, из названия понятно, что речь не о практических вещах, а о методологии и трендах. (взято в перевод) 
  2. 9 HR Concepts and Terms You Should Know - Erik van Vulpen в своем репертуаре:) Можно назвать статью спорной, можно простой, но она интересная. 
  3. How VW and Others Are Connecting Customer and Employee Experience - VW - Фольксваген. Для анонса дам первую фразу из статьи: For the Volkswagen Group Australia, the numbers spoke volumes, a 100% employee turnover rate for certain job roles/positions. 
  4. An agile HR leads to happier employees - короткая, но информативная статья от Mckinsey
  5. Advanced analytics is nice, but how about we start with simple analytics? - статья в стиле Плач Ярославны, но надо капать на мозги бизнесу, да. (взято в перевод)  
  6. How Microsoft Builds a Sense of Community Among 144,000 Employees - Microsoft сейчас активно выходит на лидирующие роли в HR-аналитике. Читаем статью из Гарвард Бизнес Ревью 
  7. The Future of Work Means Managing Through Disruption - статья от Гэллапа. Я там особо дистапшин не заметил, но имя обязывает. 
  8. The Top 5 No-cost Sourcing Approaches — And Each Is Guaranteed to Work - небольшая (что удивительно) статья Джона Салливана - но как лайфхак можно рассматривать. 
  9. Walmart announces predictive scheduling for all US stores - Юлмарт лидер в использовании HR - аналитики в Мире, очередная тема - управление графиком работы. (взято в перевод) 
  10. This is one way Uber and Lyft want to get around making drivers employees - про то, как Убер создает третью категорию работников вместо независимых водителей. The ride-hailing companies want to create a third category of workers. That’s had mixed results in other countries.
  11. Microsoft's LinkedIn loses appeal over access to user profiles - Мир становится более открытым, теперь данные из Линкедина будут качать все, кому угодно 
  12. Who’s quitting today? The Tale of Flight Risk through the eyes of Pandas, Seaborn, and Machine Learning - статья не для перевода, а для тех, кто занимается HR аналитикой с использованием Python 
  13. To build the workforce of the future, we need to revolutionize how we learn - помимо статьи есть видео Tedx - как видеоподкаст (взято в перевод) 



воскресенье, 22 сентября 2019 г.

Есть ли взаимосвязь между данными человеческого капитала и финансовыми результатами?





Перевод статьи Is there a Relationship Between Human Capital Data and Financial Outcomes? в рамках нашего проекта переводы статей по hr-аналитике на английском. Автор Ben Zweig, CEO компании Revelio Labs, которая занимается HR-аналитикой, и он впервые в нашем блоге.
Перевод сделала Анастасия Шишкина (ссылка на профиль ВКонтакте - присоединяйтесь). Это второй перевод Анастасии в нашем блоге, см также
Гибкий график работы может ухудшить баланс между работой и жизнью, считают немецкие ученые
Итак,

Есть ли взаимосвязь между данными человеческого капитала и финансовыми результатами?

Данные о человеческом капитале

Компания состоит из частей, определяющих её ценность. Понимание компонентов организации является важной частью, которая определяет стоимость компании и является сутью деятельности финансовых аналитиков и инвесторов. В течение многих лет, финансовые исследователи строили все более сложные модели оценки. Наметившаяся в последнее время тенденция к анализу нетрадиционных или “альтернативных” данных, касающихся компаний, лишь способствовала улучшению понимания эффективности деятельности компаний. Хотя все это представляет собой положительные достижения в финансовой сложности, самая большая и самая важная часть каждого бизнеса почти полностью игнорируется. И эта часть – человеческий капитал. Человеческий капитал это талантливые люди внутри организации, работники компании, которые делают всё - от построения технологии до распределения ресурсов на продажу продукции и создания источников дохода. Совокупная доля расходов на человеческий капитал составляет две трети. Это поразительная цифра! Для средней компании люди составляют две трети ее расходов и две трети созданной стоимости. В современных компаниях, эта доля намного выше и обещает увеличиться, поскольку экономика продолжает расти все более непостижимо.
Из-за объединенной природы сотрудников внутри компании, осмысление динамики развития сотрудников может привести инвесторов к лучшему пониманию всей динамики развития компании. Нет такой части компании, стратегии или технологии, которая не могла бы быть лучше представлена через сотрудников. Способность судить организацию по имеющимся в ней талантам хорошо подходит для понимания сути затрат в экономике Уолл-Стрит. Даже в дискурсе для менеджеров, работающих в сфере государственного сектора, звучит «Персонал - это основа политики»: выражение, означающее, что организация настолько хороша, насколько хороши люди, которые ею управляют – это истинно как для компаний, так и для правительств.
Если человеческий капитал включает в себя львиную долю ценности организации, то неудивительно, что он не был по-настоящему проанализирован инвестиционным сообществом. Основная причина, почему это продолжалось долго в том, что информация о работниках были труднодоступна в течение длительного времени. У компаний никогда не было бухгалтерского предписания на опубликования данных о человеческом капитале, как они были необходимы для основного капитала. Благодаря возможности сбора крупномасштабных веб-данных это больше не имеет значения. Альтернативными данными разработчиков, таких как Thinknum, сбор большой суммы человеческого капитала которая позволила инвесторами проводить анализ динамики рабочей силы тысячи компаний. Из-за этой способности, инвесторы в краткое время смогут получить  полное представление о том, что происходит внутри компании. 

Объявления о работе

Первый и ведущий индикатор человеческого капитала это, безусловно, объявления о работе. Форматы вакансий могут предсказывать доходы, расходы и рыночную стоимость компании. По мере того как данные о вакансиях анализируются на более тонком и более глубоком уровнях, выявляются структуры рабочей силы компании, которые могут указывать на изменения в стратегии.
Цель этого изучения это использование данных о размещении объявления о работе, предоставленное Thinknum, открывает связи между размещения объявлений и производительностью компании. Это исследование по замыслу является предварительным. Есть множество способов анализа этих данных, и я надеюсь, этот доклад может послужить точкой отсчета для других, чтобы провести более тщательный анализ. Компания производит данные приходящие из Compustat, который объединяет с данными Thinknum использующим любой Stock Ticker или CUSIP.
Последний массив данных содержит описание 1957 госкомпаний по каждому кварталу 2016, 2017 и 2018 гг.
Проанализированы четыре переменные публикации вакансий: объем, расходы, доходы и рыночная капитализация. В ходе анализа используются производные этих переменных.

Тренды и Связи

Основное исследование - это поиск простых связей между количеством размещения вакансий и финансовыми результатами. Однако и ему требуется тщательная корректировка. Поскольку данные являются панельными/продольными по своему характеру и отслеживают многие компании в течение нескольких периодов времени, необходимо изолировать взаимосвязи поперечного сечения с взаимосвязями временных рядов. Поперечные взаимосвязи, как правило, неинформативны – компании с большим количеством вакансий это крупнейшие компании с большими расходами, доходами и большей рыночной стоимостью.
Для охвата связей временных рядов необходимо использовать модель фиксированных эффектов (полное название - модель панельных данных с фиксированными эффектами). Таким образом, мы можем видеть, как объемы вакансий внутри компании с течением времени отслеживаются с фундаментальными результатами внутри компании с течением времени. Чтобы не придавать излишнего веса крупным компаниям с высокой дисперсией в объеме размещения вакансий, важно учитывать процентные изменения, а не номинальные изменения. По этой причине эластичность измеряется между объявлениями о работе и тремя фундаментальными переменным.

Есть ли взаимосвязь между данными человеческого капитала и финансовыми результатами?

Диаграмма 1: Эластичность объема вакансий внутри компаний по трем фундаментальным переменным

Как показано в Диаграмме 1, вся эластичность имеет положительный характер и сильную статистическую значимость. Взаимосвязь с расходами является самой наглядной. После публикации вакансий количество нанятых сотрудников возрастет, а значит, и увеличатся расходы на персонал. Взаимосвязь с доходом отображается приблизительно так же, как взаимосвязь с расходом, которая показывает, что нанятые сотрудники внесут свой вклад в бизнес,который можно узнать отследив изменения рыночной стоимости. Взаимосвязь же с рыночной стоимостью крепче всего, потому что найм сотрудников означает рост компании. Возможно, что найм является своеобразным сигналом о росте компании или что рост компании допускает и делает необходимым найм сотрудников - в любом случае, предсказательная сила очень велика.

Ведущий показатель

Хотя ясно, что объем размещения вакансий коррелирует с фундаментальными переменными, остается вопрос о том, какую предсказательную силу изменения объемов будет означать для основ компании. Отношения между сотрудниками, расходами и доходами осложняются тем фактом, что затраты на сотрудников возникают сразу, а сами сотрудники принесут прибыль компании только после длительного времени.
Для этого анализа мы рассмотрим связь между изменением объема публикации вакансий с изменением расходов и доходов в последующих кварталах.

Есть ли взаимосвязь между данными человеческого капитала и финансовыми результатами?
Диаграмма 2: Эластичность роста размещения вакансий и будущий рост расходов и доходов

На Диаграмме 2 мы видим динамику влияния роста публикации вакансий. Если есть скачок в объеме публикации вакансий, он, вероятно, займет некоторое время для вакансий, которые были размещены для заполнения. Это приведет к росту расходов в следующем квартале. Однако влияние на расходы быстро ослабевает со временем, поскольку существует постоянный поток отсева, который уменьшает базу сотрудников. Воздействие на доходы является более сложным. Влияние сильнее всего в первом квартале после публикации, статистически неотличимо от нуля во втором квартале и снова усиливается в третьем квартале. Для этого может быть несколько причин, но как я понимаю, влияние в первом квартале связано с доходом, который ожидался на момент публикации – именно этот ожидаемый доход компании планировали выплатить новым сотрудникам. В третьем квартале, скорее всего фактически нанятые сотрудники оказали положительное влияние на доход.

Дополнения

До сих пор мы изучали только общее размещение объявлений как переменную, с которой мы имеем дело. Однако рабочие места являются многогранными, с различными ролями, уровнями старшинства, навыками, происхождением, местоположением и т. д. В этом разделе я урежу данные по уровням старшинства и ролям, чтобы увидеть, различаются ли связи расходов, доходов и рынка для разных типов публикации.
Есть ли взаимосвязь между данными человеческого капитала и финансовыми результатами?

Диаграмма 3 Эластичность объема размещения вакансий к трём основным переменным

На Диаграмме 3, мы можем увидеть, что более сильные взаимосвязи были в тех случаях, когда нанимали старших сотрудников. Чтобы сегментировать данные таким образом, я отобрал по названиям со словами, связанными со старшими, в их названиях и без них. 
Есть ли взаимосвязь между данными человеческого капитала и финансовыми результатами?


Диаграмма 4: Эластичность объема публикации вакансий к 3м фунтаментальным переменным, по отношению к специализации

На Диаграмме 4 показано, что роль продукта и инжиниринга в наибольшей степени связана с финансовыми результатами, в то время как роль продаж и маркетинга не оказывает столь позитивного влияния. Чтобы сегментировать данные таким образом, я фильтровал по названиям со словами "продукт/проектирование", "продажи/маркетинг" и "другие".

Рассмотрение

Эти анализы призваны побудить других найти интересные взаимосвязи между показателями человеческого капитала и финансовыми результатами. Маловероятно, что такая огромная часть того, что составляет компанию, не может дать большого представления о том, куда компания направляется и как она, вероятно, будет работать. Действительно, некоторые интересные взаимосвязи были также обнаружены другими между коэффициентами выбытия и финансовыми показателями.
Те данные, что предоставляют Thinknum и другие, являются основой для более полного понимания компаний, чем когда-либо прежде. Самой крупной и самой важной областью, которую необходимо тщательно проанализировать, является человеческий капитал. Из-за простой величины расходов и доходов, обусловленных талантом, скорее всего, именно область оценки скрывает наиболее непокрытую альфу (альфа - это один из экономических коэффициентов). Те, кто не проводит подробного анализа динамики в области талантов, не могут тщательно анализировать компанию.
Предстоит еще многое сделать для разработки строгих и научных методов анализа человеческого капитала. Почти бесконечный потенциал представляет собой возможность не только для финансовых исследователей, но и для более широкого спектра экономики. Если рынки акций реагируют на динамику рабочей силы, эта реакция давит на руководителей компаний, заставляя их разрабатывать четкие и последовательные стратегии в области талантов, которые в конечном итоге приведут к улучшению распределения рабочей силы в экономике, улучшению информации о предложения и спроса на навыки и профессии, большей подотчетности менеджеров и большей вовлеченности рабочей силы.


__________________________________________________________
На этом все, читайте нас в фейсбуке и телеграмме




четверг, 19 сентября 2019 г.

Актуальность методов / инструментов оценки персонала


Представляю результаты одноименного опроса Актуальность методов / инструментов оценки персонала - по ссылке вы можете пройти и поучаствовать в опросе (он не закончен, будет представлять из себя форму мониторинга рынка оценки персонала).
Данный отчет содержит только описательные статистики, без выводов. Если Вы хотели бы увидеть какие-то срезы / проверить какую-либо гипотезу - пишите мне, сделаем.
В опросе были следующие вопросы

  1. Какие методы / инструменты оценки компетенций применяются в вашей компании
  2. На какие позиции проводится эта оценка
  3. В какой ситуации проводится оценка
  4. Разработана ли в компании модель компетенций
  5. Какие типы компетенций присутствуют в вашей модели (моделях) компетенций
  6. Отрасль Вашей компании
  7. Страна компании
  8. Федеральный округ (только для РФ)
  9. Размер компании (число работников)

Всего на 19 сентября в опросе приняли участие 187 респондентов.

Результаты 

Какие методы / инструменты оценки компетенций применяются в вашей компании

Актуальность методов / инструментов оценки персонала


На какие позиции проводится эта оценка

Актуальность методов / инструментов оценки персонала



В какой ситуации проводится оценка

Актуальность методов / инструментов оценки персонала


Разработана ли в компании модель компетенц Актуальность методов / инструментов оценки персонала ий


Я надеюсь, никто не принимает этот результат за "чистую монету". Очевидно, что в опросе чаще участвовали респонденты, которые больше заинтересованы в результатах и имеют у модель компетенций.

Какие типы компетенций присутствуют в вашей модели (моделях) компетенций


Здесь нет большого разброса.

Отрасль Вашей компании

Актуальность методов / инструментов оценки персонала


Страна компании

Актуальность методов / инструментов оценки персонала


Федеральный округ (только для РФ)

Актуальность методов / инструментов оценки персонала

Размер компании (число работников)

Актуальность методов / инструментов оценки персонала



Читается просто:

  • По оси X размер компании (в тысячах работников)
  • Ось Y - количество компаний. которые попали в тот или иной диапазон. 

Заметно, что преобладают компании размером до 1 000 работников.

И снова напоминаю: поучаствуйте в опросе Актуальность методов / инструментов оценки персонала