.

Сделать репост в соц сети!

Показаны сообщения с ярлыком BigData HR. Показать все сообщения
Показаны сообщения с ярлыком BigData HR. Показать все сообщения

четверг, 25 августа 2016 г.

Мифы текучести персонала

Продолжаю серию мифов управлении персоналом. Первые мифы смотри здесь
Сегодня обсудим мифы текучести персонала. В данной статье What Drives Employee Turnover? Part 2 автор помимо прочего показывает драйверы текучести персонала. Среди этих драйверов два почти не вызывают сомнения:
  • семейный статус
  • наличие детей.
Любой скажет, что женатые / замужние работники  реже покидают работодателя, а наличие детей еще больше влияет на удержание работника. Логично же.
Однако мои исследования показывают
что ни семейный статус, ни наличие детей не влияют на текучесть персонала

на картинке показан анализ текучести персонала мужчин старше 35 лет с детьми и без детей.
Проблема в моих исследованиях? Выборка нерепрезентативна? У меня в данном исследовании приняло участие чуть более 800 мужчин старше 35, а американское исследование представляет собой мета анализ по данным более 60 000 работников ("In 2000, three scientists combined all existing literature on employee turnover. This resulted in a meta-analysis of over 60.000 employees! "). И данные исследования вызывают больше доверия.
И в предыдущих статьях у нас получалась забавная штука: мета анализ показывает, что ассессмент центр имеет высокую валидность, а мои исследования показывают, что валидность нулевая, нет ее.
Я не хочу ничего утверждать и доказывать, что я прав. Просто у меня возникают вопросы к мета анализу: а все-таки, что обозначает валидность по мета анализу? Было бы здорово услышать человеческую версию мета анализа.
Свою позицию я хочу выразить словами американского HR аналитика Richard Rosenow (из Сити Банка):
It's both shocking and fantastic that the Meta-Analysis that forms the basis of this article comes from the year 2000. The gap between ivory tower and practitioners is huge when it comes to predicting employee turnover.
Хочу вас просто предупредить: если вы видите результаты мета-анализа, будьте осторожны, проверяйте эти результаты на своей компании!

четверг, 30 июня 2016 г.

Несколько статей по hr-аналитике 2

Часто попадаются интересные статьи по hr-аналитике в интернете, переводить некогда, но поделиться хочется. Это уже вторая подборка, первую смотри Несколько статей по hr аналитике на английском.
Начну с совершенно шедевральной статьи - Recent HR Analytics Themes - состояние и перспективы HR-аналитики на Западе. Приведу просто несколько цитат из статьи:

  • How do you put 72 metrics on a dashboard?
  • Building an HR Analytics capability takes 2 – 3 years, is a sizable investment, and requires discipline
  • Separate your Analytics team and make them “untouchable” so they can focus solely on analytics

Отзывается сердце?)
Вторая статья - 9 HR Analytics terms you should know - просто супер класс. Просто тупо буду использовать как часть своего семинара BigData для HR директоров.
И немного статей на русском:




понедельник, 24 марта 2014 г.

Про возражения против BigData HR и Talent Analytics .

Недавно услышал утверждение, что BigData HR и Talent Analytics не есть вся hr-аналитика, что BigData HR и Talent Analytics сводится к голой статистике, а есть еще много других подходов в аналитике:
Скажу прямо: люди, которые так утверждают, на мой взгляд, ничего не соображают в аналитике.
Все эти метрики, бенчмаркинги, модели киркпатрика - убогость, костыли и слабое понимание процессов..

Вот вам простая задачка:

В компании провели тренинг эффективных продаж. 18 человек поучаствовали, 26 нет.
как вы оцените значимость эффекта без статистики?
У этих 18 продажи выросли в среднем на 15 рублей, а у тех 26 - на 13.
как вы посчитаете эффективность? 18 Х 15? 18 Х 2? - минус затраты на тренинг?
Ха ха....
И заметьте, это самый простенький случай!

Далее

Как вы сможете оценить свои усилия по сниженнию текучести персонала без статистики? У вас текучесть упала на 3 % - на основании чего вы будете говорить, что она упала вследствие ваших именно действий? И кто вам вообще сказал, что это изменение значимо, а не носит случайны характер? Если вы в принципе понимаете про значимость различий!
Как вы оцените любое изменение в уровне метрик без статистики? И самое главное: вас интересует причина, которая стоит за изменением метрик, не так ли?

Бенчмаркинг

Что вам дает понимание, например, того, что у вас уровень текучести ниже, чем у конкурента? Это вам дает пинок под попу для того, чтобы понять, что у вас хуже, чем у конкурента, верно?
Вы начинаете рыть сведения про зарплату о конкурента, про прочие вещи типа соцпакета, корпоративной культуры и т.п.. И фактически займетесь анализом причинно следственных связей. Вопрос в том, что без BigData HR и Talent Analytics такой анализ - как гадание на кофейной гуще. Иногда, если ситуация слишком очевидна, решения принимаются верно, но в этой ситуации тогда и бенчмаркинг не нужен. Следовательно, бенчмаркинг всего лишь выстрел стартового пистолета для начала BigData HR и Talent Analytics

Резюме

Так какие тогда могут быть еще подходы в аналитике кроме этого? Я не очень глубоко разбираюсь в статистике, но могу смело утверждать: BigData HR и TalentAnalytics начинается с понимания значимости различий. Остальное приходит. Не надо уметь считать логистическую регрессию, чтобы понимать суть БигДаты, понимайте суть "значимости различий", и все остальное придет.
И не тратьте время на всякую ерунду типа модели киркпартика. У вас изучение статистики потребует массы ваших времени и усилий. Удачи в изучении

суббота, 28 декабря 2013 г.

BigData HR: важный методологический принцип

Я про этот принцип говорил неоднократно, но одно дело - я, а другое дело - большой авторитет. И решил процитировать отрывок из книги издательства "Манн, Иванов и Фербер" Big Data. Большие данные. Революция, которая изменит то, как мы живем, работаем и мыслим авторов Виктор Майер-Шенбергер, Кеннет Кукьер (рекомендую, кстати, для прочтения).
"Люди привыкли во всем искать причины, даже если установить их не так просто или малополезно. С другой стороны, в мире больших данных мы больше не обязаны цепляться за причинность. Вместо этого мы можем находить корреляции между данными, которые открывают перед нами новые неоценимые знания. Корреляции не могут сказать нам точно, почему происходит то или иное событие, зато предупреждают о том, какого оно рода. И в большинстве случаев этого вполне достаточно.

суббота, 16 ноября 2013 г.

Большие Данные в HR: Мир имущих и неимущих

Очередная статья Джоша Берзина с сайта forbes.com.
У меня двойственные чувства к статье: сколько не говори слово "халва", слаще не становится. Или я не прав? Хочется уже чего-то гораздо больше, чем просто рассказ, что вот где-то все хорошо, а у нас все плохо..... А если Bigdata так хорошо, то почему (согласно данным исследования) это внедрено только у 14 % компаний? Или дело только в том, что старые менеджеры сопротивляются научным подходам? А если не только в старых менеджерах, то в чем еще? Очень хотелось бы получать не банальные цифры - 14 %, а каузальный анализ ситуации на рынке. Т.е. примените, Джош Берзин, BigData в исследовании BigData.
Если не пропало желание читать после такого вступления, то

Большие Данные в HR: Мир имущих и неимущих

Я уже писал много раз о датификации (от англ. Datafication) в HR и Больших данных в HR, где показывал огромные возможности компаний в использовании данных управления персоналом для улучшения операционных показателей деятельности.
На этой неделе мы представили наше исследование в этой сфере за последние два года: более чем 60 % инвестируют в BigData и инструменты аналитики, чтобы сделать принятие решений в HR департаменте основанными на цифрах. Сегодня существует пропасть между «имущими» и «не имущими».

воскресенье, 27 октября 2013 г.

И все-таки: какой город самый HR-ый в России?

Пост про то, что сами вычисления в исследованиях занимают крайне мало место в сравнении с поиском данных. И это как не смешно, не только российская специфика. Если вы все – таки купите или попросите у меня почитать книгу MoneyBall. Как математика изменила самую популярную спортивную лигу в мире, то увидите, что в истоках феноменального результата лежал не успех гения выскочки, а долгая работа целой прослойки людей по созданию необходимой базы цифр. И также было непонимание специалистов, и сопротивление. Но если мы с вами захотим свернуть планету под названием HR на нужную нам траекторию, то в первую очередь задача не в построении «правильного» уравнения, а в постановке сбора статистик, а это задача менеджерская, а не исследовательская. Хотя изначально, безусловно, нужно хотя бы в общих чертах понимать, что ищем. И путь к логическому завершению в бейсболе составил больше 20 лет. Я надеюсь, что мне не придется столько долго ждать решений в HR сфере. Хотел бы пафосно назвать пост: хронология BigData HR в России.

Возвращаясь к теме поста

Помните мой пост HR-рейтинг городов России? Там Краснодар занял первое место в рейтинге городов России. Тему развил в посте Кейс по измерению HR-активности. Показал на диаграмме три города: Краснодар, Екатеринбург и Ханты-Мансийск, которые явно выбивались из тренда.