Перевод статьи What Is Performance Management? The Complete Guide

Гайд от команды Эрика ван Вулпен

ПРИГЛАШАЮ ОТСЛЕЖИВАТЬ НАС В ТЕЛЕГРАМ

Что такое управление эффективностью (Performance Management)? Полное руководство

Организации с эффективными методами управления эффективностью не только превосходят своих конкурентов, но и видят более высокую вовлеченность и удержание сотрудников, а также улучшение корпоративной культуры. Вот почему ваш бизнес не должен идти на компромисс в управлении эффективностью.

Эффективное управление эффективностью помогает организациям гарантировать, что сотрудники понимают свои роли, получают конструктивную обратную связь и поддержку, необходимую для достижения своих целей и бизнес-задач. Давайте рассмотрим, что такое управление эффективностью, как выглядит процесс управления эффективностью и некоторые примеры.

Содержание

• Что такое управление эффективностью?
• Цели управления эффективностью
• Почему важно управление эффективностью?
• Каковы этапы управления эффективностью?
• Процесс управления эффективностью: передовой опыт
• Примеры управления эффективностью

Перевод статьи 3 ways to turn your good performers into high performers

Статья от компании Culture Amp - по ссылке все статья от данной компании, очень рекомендую посмотреть, дли примера только две статьи 

Stay интервью (интервью на удержание): ваш ключ к удержанию лучших исполнителей

20 вопросов опроса вовлеченности сотрудников, которые вы должны задать

3 способа превратить ваших хороших исполнителей в высокоэффективных

Каждая организация хочет увеличить долю высокоэффективных сотрудников в своей рабочей силе, но это легче сказать, чем сделать. В конце концов, не существует безотказного, предписанного метода создания высокоэффективного исполнителя.

Все сотрудники могут улучшить свою работу при правильной поддержке, так же как производительность каждого сотрудника может снизиться без нее. Хотя вы не можете контролировать каждый фактор (например, личную ситуацию сотрудника), есть области организации, на которые вы можете повлиять, чтобы помочь вашим сотрудникам работать на более высоком уровне.

Наиболее очевидной группой сотрудников, на которых следует сосредоточиться, являются ваши хорошие исполнители, которые уже часто превосходят ожидания и могут нуждаться лишь в небольшом толчке, чтобы стать действительно исключительными. В этой заключительной части серии исследований Culture Amp наши специалисты по людям рассказывают о трех способах помочь превратить ваших уже хороших сотрудников в высокоэффективных.

Перевод статьи Performance Management Shouldn’t Kill Collaboration с сайта ГарвардБизнесревью.

Авторы:

• Heidi K. Gardner is a distinguished fellow at Harvard Law School and a faculty chair in the school’s executive education programs. She is also a cofounder of Gardner & Collaborators.
• Ivan Matviak is an executive vice president at Clearwater Analytics.

Управление эффективностью не должно убивать сотрудничество

Сегодня компаниям необходимо сотрудничество между подразделениями, чтобы выжить в нестабильной конкурентной среде и увеличить доход. Но часто их системы управления эффективностью препятствуют этому. Действительно, в исследовании, в котором приняли участие более 8000 старших менеджеров из биотехнологий, банковского дела, потребительских товаров, энергетики, права и других секторов, авторы обнаружили, что разрозненный подход к целевым показателям является огромным препятствием для сотрудничества. Слишком многие компании поощряют сотрудников к чрезмерно узкому и краткосрочному взгляду, из-за чего они изо всех сил стараются достичь своих целей и упускают из виду более крупные цели своей организации.

Прогноз рисков текучести работника на основе его эффективности

Задача достаточно простая и очевидная. Очевидно в том смысле, что те, кто хуже работают, уходят быстрее (или их уходят).
Математически эта задача выглядит так.

	KPI 2016	KPI 2017	KPI 2018	KPI 2019
Иванов	0.9	1	1.1	1.1
Петров	1	1.1	1.2	1.3
Сидоров	1.1	1	0.9	0.85

Вопрос: кто из указанных здесь сотрудников уволится быстрее? И вообще, зависит ли скорость увольнения от того, как оценивается эффективность работника?
Если у вас есть такие данные в своей компании, присылайте, готов посмотреть. Только к указанным переменным надо добавить дату приема работника и дату увольнения (если работник не уволился, поле даты увольнения остается пустым).
Но у меня есть набор данных, и я хочу поделиться результатами.
ВАЖНО: можно настроить аналитику в другую сторону: вместо увольнения заложить карьерный рост и показывать "созревание" работников на повышение.

Эффективность

• По оси X - стаж работника в месяцах$
• Ось Y - эффективность (думаю, не нужно объяснять, что значат цифры)
• Синяя линия - усредненная линия эффективности. 
• Заметно, что на "плато" эффективности работники выходят примерно через 2,5 года. Забавно, что через 7 лет эффективность опять начинает расти. А совсем не падает. 

Мне думается, что срок выхода на "плато" эффективности можно скорректировать, если понять, что эту линию тянет вниз.
Коэффициент корреляции Спирмена между стажем и эффективностью 0.2445141

Текучесть

Диаграмма дожития работников в указанной компании. Средний срок жизни в компании 40, 24 месяца или примерно 3, 33 года.

Прогноз индивидуальных рисков увольнения

Вот в этом месте мне особенно нечего сказать содержательно.

Вот так могла бы выглядеть картина рисков увольнения на вашем дашборде.
Иванов и Петров - вымышленные фамилии, но данные на работников реальные.

• Иванов в компании отработал на данные момент 35, 67 месяцев (обратите внимание, желтая линия как раз упирается в примерно три года), продолжает работать, его годовые оценки эффективности: 0, 98, 0, 96, 1, 05.
• Петров в компании отработал ровно год и уволился. Его годовая оценка эффективности 0, 49
• Медиану стажа машина для Петрова отметила в 5.420945 месяца, почти в полгода. Но Петров отработал год до увольнения, в момент увольнения его риск увольнения составлял примерно 0, 7 ( Мы от единицы отнимаем 0, 3 - на диаграмме кончик синей линии упирается в 0, 3. 0, 7 означает 70 % за то, что он уволится). 
• А у Иванова накопленный риск увольнения составляет примерно 25 %. При его темпах критичная зона (50 % вероятность увольнения) наступит примерно еще только через три года работы. 

Параметры модели 

Показатель точности модели - конкорданс - 0, 58 (это только если на показателях эффективности, если добавить позицию, отдел, возраст, то точность возрастает до 0, 8). Для тех, кто не понимает: 0, 5 - модель случайна, т.е. не имеет смысла, 1, 0 - точность попадания 100 %. Правда, данные не полные, по части работников есть вопросы, части данных по эффективности нет. Но это обычный спутник создания моделей.
 Увеличение эффективности на 0, 1 пункта снижает риски текучести примерно на 12 %
В качестве результата можно было бы построить дашборд, на котором руководители могли бы прогнозировать риски увольнения работников: у них есть диаграмма накопленных рисков на сегодня, руководитель может смотреть, что будет с рисками увольнения работника, если он поставит работнику такую-то оценку...

КПЭ должны стабильно определять место человека в рейтинге компании?

Фраза из названия - цитата статьи Г. Финкельштейна Нулевая эффективность: почему КПЭ не работают.
Кстати говоря, именно после "обсуждения" этой статьи генеральный директор Экопси Павел Безручко отдал приказ по компании не вступать в дискуссию с Бабушкиным. Поэтому я нисколько не ожидаю ответа от компании Экопси, я обращаюсь к рынку с двумя поинтами:

1. оцените качество доказательной базы Экопси;
2. помогите мне с данными - пришлите свои данные для проверки гипотезы

Так вот, фраза КПЭ должны стабильно определять место человека в рейтинге вызывает у меня большие сомнения. Почему должны? Г. Финкельштейн не приводит ни одного доказательства, следовательно, он считает это аксиомой, не требующей доказательства. Вы согласны с ним?
Но главное даже не в этом. Он потом на основе этой "аксиомы" начинает воздвигать доказательства. Цитирую

КПЭ должны стабильно определять место человека в рейтинге, то есть результаты сотрудников должны коррелировать из года в год. Но на практике картина часто иная. Мы видели данные нескольких десятков компаний, и только в одной из них корреляция была на довольно высоком уровне – 0,6-0,7, в остальных же показатель не превышал 0,1-0,2. Это означает, что в текущем году сотрудник мог стать лучшим, в следующем – оказаться в числе середнячков, а еще через год – скатиться в группу отстающих. Например, в одной торговой компании мы изучили результативность сотрудников за четыре года, и оказалось, что за это время позиции каждого человека в рейтинге менялись на 80-90%. Если КПЭ зависят от сотрудника, такой разброс маловероятен – эффективность работы людей не меняется так кардинально, скорее здесь явный просчет с выбором КПЭ и планированием. Основной вклад в выполнение плана вносили удача, случайность, а не талант или эффективность сотрудника.

Итак, Г. Финкельштейн приводит данные нескольких десятков компаний, из которых только в одной корреляция была на уровне 0, 6 - 0, 7, в остальных на уровне 01, - 0, 2.
Вот эти фразы - Если КПЭ зависят от сотрудника, такой разброс маловероятен – эффективность работы людей не меняется так кардинально, скорее здесь явный просчет с выбором КПЭ и планированием. Основной вклад в выполнение плана вносили удача, случайность, а не талант или эффективность сотрудника - это просто сплошной вымысел автора. И спорить здесь просто не о чем, поскольку нет ни одной цифры, а одни измышления.

Наши результаты

В отличие от безликих компаний, упоминаемых Г. Финкельштейном я указываю даже название компании: данные мне предоставил Дмитрий Корольков, компания СВЭЛ (читай "Мы продолжаем врезаться в стены, но пересели на велосипеды и самокаты" интервью с Дмитрием Корольковым). Взяты данные по эффективности за 4 года: с 2016 по 2019.

Здесь в колонка эффективность за 2016, 2017, 2018, 2019;

1. По диагонали показано распределение данных, которое отличается от нормального, поэтому мы применяем коэффициент корреляции Спирмена, и этот коэффициент, кстати, выглядит более логично, поскольку в нашем случае речь идет о рейтинге работников;
2. В ячейках коэффициенты корреляции между эффективностью по годам. Посмотрите, как логично изменятся корреляция 2016 года: 2016 - 2017 год корреляция 0, 872, 2016 - 2018 - 0, 776, 2016 - 2019 - 0, 762. Т.е. корреляция убывает, чем дольше времени разрыв по времени между результатами;
3. Но эти результаты сильно отличаются от того, что нм представил Г. Финкельшейн (только в одной корреляция была на уровне 0, 6 - 0, 7). В нашем случае корреляция 0, 872 (!). 

В этом месте я обращаюсь к вам с просьбой: пришлите мне свои данные по KPI за 2 года, лучше больше (мой е майл edvb@yandex.ru). Формат простой: в строках работники (ФИО не нужны), в колонках KPI (по годам). И мы проверим, есть ли там корреляция.
Вопросы, тем не менее, остались. И я задаю их вам:

• КПЭ должны стабильно определять место человека в рейтинге компании?

Почему этот вопрос важен? Потому что если KPI должен стабильно определять место работника в рейтинге компании, то это приговор. И если это так, то те, кто в начале пути показали плохие результаты, потом уже не могут рассчитывать на профессиональный / карьерный рост потому, что их эффективность предопределена?
Поделитесь своими рассуждениями на эту тему?
Я продолжу публикацию постов на эту тему, следите за нами в телеграм канале 

Инструмент отсева неэффективных работников на этапе подбора: дерево решения

Решил показать новый для нашего рынка инструмент принятия решения на основе данных кейса Кейс: отсев неэффективных работников на этапе подбора.

Напомню, мы протестировали кандидатов на входе, они в дальнейшем показали определенные результаты, что позволило разделить их на 1 - неэффективных (или тех, кого не стоило бы брать в компанию) и 2) всех остальных или тех, кого можно принимать.

В предыдущем посте я показал возможности логистической регрессии. Мы выявили две шкалы - Sp и Do, которые позволяют отличать неэффективных от всех остальных.

Главный недостаток логистической регрессии - интуитивно непонятные результаты, диаграмму ROC не предъявишь совету директоров. 

Требуется более наглядный инструмент. Таким инструментом является технология Trees - или дерево принятия решения.

Итак, 

Напоминаю, что мы выявили две шкалы, которые значимо различают неэффективных и остальных:

• Sp
• Do

(про то, как выявили, что такое значимость различий, читай 

• Кейс: отсев неэффективных работников на этапе подбора
• Прогноз эффективности продавцов на основе теста CPI)

Визуализируем взаимосвязь тестов и показателей эффективности. 

На этой диаграмме

• шкала X - показатели кандидатов по шкале Sp теста CPI, 
• шкала Y - данные шкалы Do теста CPI; 
• зеленые пирамидки - неэффективные работники, 
• красные точки - работники, качество работы, которое устраивает работодателя.

График сам подсказывает решение, верно? Прям так и просится провести границу по линии 50 Sp. 

Посмотрим, что нам скажет инструмент Trees

Обращаю ваше внимание, что это не человек рисует данное дерево, а машинка (программа R или она же Rstudio). Для спецов в области статистики сообщаю, что я здесь не рассматриваю проблемы оверфитинга и т.п., моя задача - показать инструмент. Инструмент нам предлагает следующую инструкцию принятия решения по кандидату:

1. если показатели кандидата по шкале Sp больше или равно 50, значит берем на работу
2. если меньше 50, смотрим шкалу Do.
3. если Do больше или равно 54, берем кандидата, если меньше, отклоняем кандидатуру.

Красиво?

Управление эффективностью.Распределение зависимой переменной. Примеры

Для понимания данного поста рекомендую прочитать пост Управление эффективностью. Распределение зависимой переменной (кейс по hr-аналитике).
Мы смотрим возможный характер распределения переменной эффективности работников. Спасибо за присланные гистограммы одному знакомому, он пожелал остаться неизвестным, поэтому я даю только сами гистограммы.
Напоминаю только, что Джош Берзин эффективность представляет в виде распределения степенной функции.
Итак,

Управление эффективностью.Распределение зависимой переменной (кейс по hr-аналитике)

Джош Берзин недавно выложил презентацию

The Datafication of HR: People Science is Here from Josh Bersin

Датификация в HR. Очень полезная презентация. Я из одного слайда презентации вебинара Джоша сделал кейс по hr-аналитике

На слайде с вебинара Джоша Берзина показано два распределения:

1. нормальное, то как в представлении Берзина HR-ы представляют себе распределение показателей эффективности персонала 
2. то, как на самом деле по Берзину показатель эффективности распределен в компании. Правый хвост на графике - таланты. По Берзину распределение носит закон степенной функции.

По поводу нормального распределения хотел бы прокомментировать. Внедрял в свое время автоматизацию управления эффективностью на базе системы Webtutor в компании, где результирующая процесса управления эффективностью должна была соответствовать картинке слева.
Знакомо вам?
Это некое обобщенное представление о HiPo - эффективных работниках с высоким потенциалом. По одной оси у нас измеряется выполнение / достижение целей / KPI, а по другой - компетенции работников.
На пересечении получаем несколько квадрантов, которые соответствуют категории работника: ог "лузера" до "звезды".
Наверняка, вы встречали нечто подобное в своей практике.
И главное в этой картинке - распределение категорий близко или равно нормальному распределению.
Мой вопрос HR-директору, почему распределение именно такое, встретил взгляд а - ля: "Я думала, ты профессионал, а оно вон оно что....".
Поэтому на сегодня я не встречал ни одного исследования, подтверждающего нормальность распределения HiPo и/или эффективности.
Если у вас есть ссылки на обоснование этой схемы, прошу мне прислать (контакты ниже). Только пожалуйста, присылайте ссылки именно на исследования, а не на мнения экспертов по типу: а вот Х сказал, что эта схема ля ля ля...

Собственно задание

Вопросы на засыпку:

1. Согласны ли вы с Берзиным в том, что распределение управляемой переменной не носит характер нормального распределения, а характер степенной функции. ("Power Law" - степенная функция). И если не не согласны, то какое распределение должен носить показатель эффективности персонала. Обоснуйте
2. Самое главное. Чтобы не обсуждать голословно, сделайте домашнее задание (в обоснование своего мнения о распределении): выгрузите из CRM показатели эффективности и постройте график распределения. Или пришлите мне файл с показателями, в котором будет одна колонка - показатель эффективности (в строках будут работники, ФИО. должности указывать не надо, а в ячейках будут их показатели эффективности; период выбирайте любой). Напишите, как считается этот показатель (продажи это, % выполнения плана, сложно составной показатель KPI и т.п..).
3. И совсем уж философский вопрос: зачем нам нужно знать распределение управляемой переменной. 

Для участников семинара Аналитика для HR задание обязательно к выполнению. Мой е майл edvb()yandex.ru

Задание

Если у вас нет своих данных, перейдите в пост Кейс "Связь оценки по компетенциям и результатов деятельности", скопируйте данные в excel или любую другую программу анализа данных и постройте распределение переменной KPI

Кейс: отсев неэффективных работников на этапе подбора

Обращаюсь к уже имеющимся данным Прогноз эффективности на основе теста CPI
При приеме на работу кандидаты в продажники проходили тестирование по тесту CPI, в дальнейшем замеряли их эффективность. Оценка эффективности состояла из оценки экспертов и состояла из трехбальной шкалы:

1. высокоэффективные, 
2. средне эффективные, 
3. низкоэффективные 

Принимаю все замечания, но часто у нас нет количественных мер оценки деятельности, поэтому мы можем воспользоваться оценкой экспертов (разработчики моделей компетенций: разве не тот же метод вы используете?)

Итак

наша задача - отсеять неэффективных. Для этого мы делим группу на 1 - неэффективные ("3" группа) и 0 - остальные ("1" и "2" группа)
Я опущу некоторые шаги (подробнее Прогноз эффективности на основе теста CPI), сразу скажу, что значимо делит неэффективных и остальных шкалы Sp и Do.

• Социальное присутствие (Sp)
• Доминирование (Do)

Диаграмма распределения неэффективных и остальных работников по шкале Sp

Зеленая линия показывает распределение показателей шкалы Do неэффективных, красным - остальных. Серая область - неопределенность прогноза.
Т.е. если кандидат покажет при приеме на работу результат 45 баллов по шкале Sp, это не гарантирует нам, что он обязательно будет неэффективным. Сохраняется вероятность, что он может быть нормальным работником. Те, кто показывают результаты между 50 и 55 баллами, находятся в еще бОльшей зоне неопределенности.

Эволюция performance management

Эволюция performance management

Пост: два слайда и повод к размышлению

Первый слайд – результаты опроса компании Josh Bersin

Управление деятельностью (или, другой вариант перевода, управление эффективностью) в вашей компании:

• PM (performance management) играет критическую роль в выполнении бизнес стратегии компании
• PM помогает менеджерам принимать стратегические оперативные решения (я не понимаю, честно, что значит strategic operational decisions, потому что стратегические и оперативные решения это вообще то про разное: Strategic decisions are fundamental and directional, and over-arching. Operational decisions, on the other hand, primarily affect the day-to-day implementation of strategic decisions. While strategic decisions usually have longer-term implications, operational decisions usually have immediate (less than one year) implications)
• PM помогает работникам согласовывать свои цели с бизнес стратегией