Оптимизация HR-метрик и эксперимент

Это все в продолжение и развитие темы управления HR-метриками. Содержание предыдущих серий: 

Самый популярный запрос к HR-аналитику в России – дайте нам самые лучшие метрики. В лучшем случае метрики делятся на более и менее важные. «Продвинутые hr-аналитики» говорят об иерархии метрик или даже о связи. Но при этом сам характер связи остается сакральным (недостаток знаний всегда компенсирует вера). В предыдущих постах я показывал, что 

1. связь HR-метрик может быть основана на статистике, см. 6 KPI, которые сделают гибридную работу успешной. Анализ показал, что уровень коллаборации (количество связей) связан с рисками текучести, чем ниже тем выше, поэтому уровень коллаборации должен отслеживаться и даже управляться. У меня, кстати, возникла идея – может быть уровень вовлеченности измерять как уровень вовлеченности в разные проекты: формальные рабочие, так и не формальные (кадровый резерв, волонтерские проекты – чем больше участие в таких проектах – тусовках, тем выше вовлеченность) – как вам такая идея?
2. Метрики могут быть в отношениях, см. Стратегия компания и отношения HR-метрик. Любой нормальный процесс имеет показатели количества, качества, стоимости и скорости протекания. Эти показатели могут принимать только определенный набор значений и при изменения других показателей могут изменяться только в определенном диапазоне. Самый тупой пример: если увеличить финансирование рекрутинга, то можно ожидать повышение количества кандидатов, но это повышение может идти только до определенного уровня. После которого, сколько не вкладывай денег, число кандидатов не будет расти. И задача HR-аналитики – выйти на оптимальные показатели: т.е. если задан план найма сотрудников (количество вакансий), мы должны рассчитать оптимальное соотношение метрик скорости найма, стоимости, качества кандидатов. 

Сегодняшний кейс прям как-то вовремя появился на горизонте. What Do Employee Referral Programs Do? Measuring the Direct and Overall Effects of a Management Practice – это PDF файл и даже не вздумайте его открывать, это многостраничное академическое исследование одного германского вуза. Но к счастью вполне себе практическое. Исследователи разбили все филиалы розничной сети на пять групп: контрольная и четыре экспериментальные. В экспериментальных группах они меняли величину реферального вознаграждения (сколько платить сотруднику за то, что тот приведет друга в компанию). Для практиков сообщаю, что платили в случае, если реферал работал более 5 месяцев. 

Выяснилась, казалось бы, очевидная вещь: чем выше размер реферальных выплат, тем больше количество рефералов в компании, НО тем хуже качество кандидатов, измеряемое через текучесть. Смотрим выше и понимаем, что это классическая задачка на оптимизацию метрик:

• Размер реферальных выплат (показатель стоимости);

• Количество кандидатов через реферальную программу (показатель количества);

• Текучесть этих кандидатов (показатель качества). Но справедливости ради надо сказать, они измеряли не текучесть, а средний срок работы кандидата (см. расчет среднего срока жизни в Excel и Анализ дожития / Survival analysis (в HR)) 

Результат эксперимента – оптимальное сочетание этих показателей. Т.е. нужно определить такой размер реферальных выплат, чтобы суммарное снижение текучести персонала по компании было максимальным.