.

Сделать репост в соц сети!

Показаны сообщения с ярлыком Анализ причин текучести персонала. Показать все сообщения
Показаны сообщения с ярлыком Анализ причин текучести персонала. Показать все сообщения

понедельник, 28 января 2019 г.

People Analytics не так сложна, как вы думаете - Nielsen доказывает, почему

Перевод заметки "People Analytics Isn’t as Hard as You Think—Nielsen Proves Why"  журналиста Кинана Штайнера, основанной на выступлении команды Nielsen на LinkedIn Talent Connect 2016 с темой  “People Analytics: Breaking Myths with Agility and Passion”. Кроме, собственно, инсайтов, полученных командой Nielsen, статья, на мой взгляд, затрагивает тему "искусства маленьких шагов" в HR-аналитике - нет необходимости сразу браться за глобальные проекты: возьмите доступные данные, постройте простую модель, вдохновенно доведите выводы, поучаствуйте во внедрении, оцените результат - убедитесь, что простые вещи тоже могут быть полезными. 

В 2015 году лидер одной из крупнейших компаний холдинга Nielsen обратился к одному из HR-руководителей компании с важным вопросом: знаете ли вы, почему люди покидают мою команду? “Текучесть очень высокая - что-то происходит. Я чувствую это, я вижу, что теряю своих сотрудников”, сказал он Пиюшу Матуру, руководителю новой корпоративной программы “People analytics”. 

В то же самое время, Матур и его команда пытались положить в основу этой проблемы точные данные, после того как выяснили, что рост текучести персонала охватил всю компанию. Они намеревались построить базовую модель, чтобы понять причины этого явления. 

Ирония заключалась в том, что несмотря на известность Nielsen как эксперта в области Big Data, до 2015 года она не ставила себе задачу по анализу поведения своих собственных сотрудников. И результаты всего несколько ключевых инициатив, которыми Матур и технолог Nielsen Дуг Шагам поделились на конференции Talent Connect 2016 - оказались впечатляющими. 

В течение нескольких месяцев у команды получилось выявить ключевые драйверы добровольной убыли персонала. С тех пор Nielsen сократила прискорбную текучесть сотрудников почти вполовину - что сохранило компании миллионы долларов. 

Для HR и команд по поиску талантов, которые хотят начать свою собственную программу по развитию people analytics, Матур и Шагам предлагают простую дорожную карту. Познакомьтесь с их рекомендациями. 


Сосредоточьтесь на том, что действительно важно для вашего бизнеса

Размышляя о том, какие данные вы хотите получить, легко запутаться. Матур и Шагам столкнулись с такой дилеммой, осмысливая, должны ли они провести сетевой анализ и выявить авторитеты в компании, или построить крутой дэшборд с множеством интересных метрик. 

Но вскоре они пришли к принципу, который станет ключевым в их практике: “Если вы не отвечаете на критически важный вопрос бизнеса - это не то, чем стоит заниматься,” говорит Шагам. 

Их главной целью стало предотвращение текучести. Прежде всего, пришлось найти относительно простую модель для её измерения и прогнозирования; после чего зашла речь о внедрении программ по устранению оттока; и наконец, они оценили последствия воздействия и убедительно представили результаты руководству. 

Процесс построения модели проще, чем вы думаете - и не требует подсчета каждой копеечки. Оценивая финансовые последствия оттока персонала, Шагам говорит: “Мы хотим получить качественную приблизительную оценку масштаба. Что-то, что могло бы вызвать интерес. То, что покажет: это действительно важно, это значимо”. 

Они использовали следующую формулу: 



Вместо того, чтобы полгода выявлять идеальные данные, чтобы предсказать потенциальный отток персонала, Nielsen построили модель с двадцатью простыми пунктами данных о сотрудниках, таких как возраст, пол, стаж работы и рейтинг менеджера. Со временем они усовершенствовали модель, включив в нее такие параметры, как время в пути и участие в программах по КСО (корпоративной социальной ответственности).


Результатами построения модели следующие инсайты, которые разрушили мифы о профилактике оттока персонала из Nielsen: 
1. Первый год самый важный. Если сотрудники еще не доработали до первой годовой оценки эффективности, вероятность их увольнения многократно выше. 
2. Пол и этническая принадлежность не оказывают большого влияния на срок работы сотрудника, что противоречило изначальной гипотезе и явилось особым поводом для гордости. 
3. По словам Шагама, хотя повышение в должности способствует закреплению сотрудника, аналогичным - “довольно значительным” - образом действует и продвижение по горизонтали. 


Преобразуйте инсайты в действие 

HR-специалисты часто грешат тем, что после доведения выводов до других департаментов говорят “на этом наша часть завершена”, признается Матур. Но он довольно скоро осознал, что выводы бесполезны без действия. 

“Нам пришлось продолжить этот путь, оказаться вовлеченными в реализацию...И было необходимо измерить результаты”, добавляет Матур. Его команда помогла запустить несколько программ по снижению уровня текучести. После выявления признаков сотрудников с наиболее высокой вероятностью увольнения, лидеры компании наладили коммуникации с работниками, показывающими высокий риск ухода. Результат? 40% из этой группы были переведены на новые должности. 

Nielsen также инициировали программу “Золотой год”, которая детально отслеживает первый год сотрудника, наиболее опасное для потенциального увольнения время, и “Готов к ротации”, группу, стимулирующую работников искать новые роли в Nielsen, c тех пор, как команда Матура выяснила, что горизонтальные передвижения повышают шанс закрепления сотрудника в компании на 48%. 



Команда занимается также несколькими другими аналитическими проектами. Один направлен на повышение доли женщин на лидерских ролях в компании с текущих 34% до 50%. Другой - Стратегическое Кадровое Планирование, призван обеспечить Nielsen сотрудниками с ключевыми навыками, необходимыми для работы сегодня и завтра. Еще один проект анализирует, нанимают ли они выпускников “правильных” университетов и какие колледжи успешно выпускают талантливых в определенных бизнес-сферах кандидатов. 


То, что вам действительно нужно - это увлеченность, не деньги 

В Nielsen более 40 тысяч сотрудников, и Матур - единственный отвечающий за People Analytics. В условиях конкурентной борьбы за время и ресурсы он нашел экономичные пути заставить это все работать. Вначале он опросил других сотрудников нескольких компаний Nielsen, хотят ли они «усовершенствовать свои аналитические навыки», таким образом образовалась группу из 12 сотрудников, страстно желающих руководить проектами в своих отделах. Через год группа выросла до 67 человек, пришедших не только из HR, но и экономических, IT, торговых, административных подразделений. 


Расскажите убедительную историю, чтобы вовлечь руководителей 

Наконец, чтобы выстроить результативную программу People Analytics. вам придется рассказать воодушевляющую историю вашим боссам. “Передача этой информации максимально просто, определенной аудитории, и предоставление доступа к данным очень, очень полезно при доведении этого сообщения”, говорит Шагам. 

Матур рекомендует найти аллегорию. Ему нравится метафора о сапожнике. Когда его команда начала свой аналитический путь, “мы действительно почувствовали себя как сапожники без сапог”. 

Nielsen был занят анализом для многих клиентов, но не для себя. Конечно, сейчас его данные демонстрируют успех проектов, включая рост горизонтальных перемещений на 80% в первой половине 2016 года. Но он видит гораздо больший потенциал в работе своей команды. “Теперь. у нас есть сапоги, но в них все еще есть дырки”, говорит Матур, “но мы думаем, мы довольно скоро заполним эти пробелы. и разрушим гораздо больше мифов, чем мы можем себе представить”.

пятница, 16 сентября 2016 г.

Анализ причин текучести персонала: открытые вопросы exit интервью



Продолжаю тему анализа текстов. Сегодня покажу набросок на тему анализа открытых вопросов exit интервью.
Выражаю благодарность Людмиле Роговой и Ивану Безуглову за помощь в работе над постом. К сожалению, становится все сложнее делать посты одному: сложность возрастает.
Проблема у нас в прежнем: мы можем собирать кучу информации при увольнении, в т.ч. задавать открытые вопросы в exit интервью, но
  • кто эти все анкеты будет читать? 
  • как из этого извлечь пользу? Как понять, что конкретная анкета говорит о тенденции, а не о личной проблеме конкретного работника? 
Для это применяется математика. Единственное требование - все эти ответы должны быть в электронном виде, а не на бумаге или в ушах кадровика.
У меня на сегодня нет данных exit интервью конкретной компании, не снабдил меня никто этим. Поэтому я пользуюсь результатами своего исследования факторов текучести персонала (ссылка дана с тем, чтобы вы поучаствовали в опросе). Последний вопрос исследования - открытый, дословно звучит так
Напишите (по желанию) в нескольких предложениях отзыв о работодателе (конфиденциальность гарантируем): особенности работодателя, особенности корпоративной культуры, менеджмента и коллектива, причины, по которым вы уволились или работаете в компании и т.п.
Я этот вопрос, уж простите, решил принять как открытый вопрос exit интервью.

Цель

А цель очень проста: выяснить, какого типа отзывы о компании связаны с высоким риском ухода из компании. Если совсем тупо, то какая причина увольнения заставляет работников покидать компанию быстрей.

Результат

Ну давайте посмотрим, что получилось. Чтобы получить ответ на заданный вопрос, нам нужно сгруппировать все ответы вокруг нескольких тем. Эту задачу выполняют несколько методов, в идеале стоило бы попробовать Латентное размещение Дирихле, см. пост Обратная связь сотрудников как инструмент диагностики корпоративной культуры. Я использовал Kmeans. Отличие в том, что Kmeans относит каждый отзыв о компании или каждую анкету exit интервью к одной теме / топику, а Латентное размещение Дирихле может каждую анкету exit интервью отнести к нескольким темам. Это, наверное, будет более корректным, поскольку респондент может писать о нескольких причинах увольнения, о нескольких особенностях компании. Но я сегодня делаю первый заход, мне хотелось просто потрогать инструмент, попытаться выделить ключевые темы.
Итак, я взял инструмент кластеризации Kmeans и выделил четыре кластера (я оставлю за скобками, почему именно четыре, но просто скажу, что игрался достаточно долго с разными параметрами, эта лучшая комбинация).
Анализ причин текучести персонала: открытые вопросы exit интервью

Невооруженным глазом заметно, что машинка разделяет не очень хорошо, не считая черный кластер - но там всего три точки, которые не оказывают влияния на общую картинку текучести. Но открою страшную тайну, у нас в этом исследовании всего 103 респондента, которые оставили отзыв о компании, я нетерпеливый, не смог дождаться, стал делать, со временем мы сможем получить более устойчивые кластеры.
Но и тем не менее, нас интересует не сами по себе кластеры. Нас интересует текучесть персонала, и как эти кластеры связаны с текучестью.
Используем полюбившийся вам анализ дожития. Я убираю из анализа "черный" кластер, как малочисленный, и смотрю на уровень текучести по каждому кластеру: в каком кластере работники убегают быстрее из компании.
Анализ причин текучести персонала: открытые вопросы exit интервью
Как читать такой тип диаграммы - Анализ и визуализация дожития: чем HR похож на медиков.
  • По оси Y - вероятность, что работник доработает до этого момента стажа в компании.
  • По оси X - число месяцев стажа
И вот у нас "синий" (или четвертый) кластер выбивается в лидеры текучести персонала. Смотрим регрессию Кокса
Call:
coxph(formula = Surv(months, as.numeric(event)) ~ cl, data = q1)

  n= 100, number of events= 63

      coef exp(coef) se(coef)     z Pr(>|z|)
cl3 0.1766    1.1932   0.4566 0.387   0.6988
cl4 0.5573    1.7459   0.2675 2.083   0.0373 *
И приз наш: мы зафиксировали значимые различия между вторым и четвертым кластером! Правда, значимость всего 0, 037, но не забывайте, что наша выборка будет увеличиваться.

Самое вкусное

Я в конце скажу о главном: что кластеры обозначают. У нас четвертый кластер оказался значимо "текучей", чем второй, давайте посмотрим на них.
  • Четвертый кластер включает наиболее "тяжелые" слова: "директор" "директора" "компания" "причина" "руководитель" "руководство" "стороны"    "увольнения"   
  • Второй кластер: "внимания" "возможность" "з/п" "заработная" "корпоративная" "культура" "профессионального" "развиваться" "руководитель"  
Вы заметили, что кластеры очень неточно делят топики? И это главная проблема на сегодня. Тем не менее, четвертый кластер у нас имеет достаточно четко очерченный смысл. И этот смысл повышает риски увольнения в компании. Сейчас найдется куча офигенно продвинутых "аналитиков", которые скажут: ну это же очевидно, что фактор отношений с руководителем играет первостепенную роль. А мне вот лично это не очевидно, поэтому я кручу проблему с разных сторон.
Ждите постов дальше на эту тему. и принимаем участие в исследовании факторов текучести

Понравился пост?

если Вы захотите выразить мне благодарность за интересный пост, вы можете перевести небольшую сумму мне на Яндекс кошелек (кликните по кнопке Перевести) 
или сделать перевод на карту Сбербанка,
Номер карты 676 280 38 921 538 46 57 
Или просто покликайте на директ рекламу ниже на странице - у вас это отнимет несколько секунд, а мне принесет немного денег. 
спасибо!