Big Data в HR: Talent Analytics достигает совершеннолетия

Очередная статья Джоша Берзина в блоге на forbes.
Как ни удивительно, но в России есть аналогичные кейсы. И 18-19 апреля я провел первый мастер - класс "Аналитика для HR", где рассказывал про методы, указанные в статье Джоша.
Я специально не перевожу термин «talent analytics». Его перевод очевиден, но он для рынка новый, поэтому не наберусь пока смелости дать свое определение. У меня есть мой термин – «Аналитика для HR», но было бы слишком ангажированно давать его в качестве перевода для «talent analytics». Будут интересны ваши комментарии к статье, прошу ответить на вопрос, насколько подобная аналитика развита в Вашей компании и на рынке. Итак,

Big Data в HR: Talent Analytics достигает совершеннолетия

Gartner (американская компания в сфере IT - технологий) ожидает, что рынок BigData и аналитики сгенерит $ 3,7 трлн в продуктах и услугах и создаст 4400000 новых рабочих мест к 2015 году. В то время как большинство разговоров идет о применении BigData в маркетинге и продажах, есть еще большая возможность применить BigData в управлении персоналом (Мы называем это Talent Analytics)

Что означает BigData в HR?

В США на сегодня около 160 миллионов работников, для большинства компаний самая дорогая статья расходов – заработная плата. На самом деле зарплата составляет от 40 и выше % общих расходов компании, что означает многие миллиарды долларов в целом по США.
Насколько хорошо организации действительно понимает, что управляет производительностью и продуктивностью работников? Ответ: не очень хорошо! Знаем ли мы, почему одни продавцы продают лучше других? Понимаем ли мы, почему одни руководители процветают, а другие – выгорают? Можем ли мы точно предсказать, насколько кандидат будет успешен в нашей компании?
Ответ на большинство из поставленных вопросов – «нет». В большинстве случаев в рекрутинге, менеджменте, карьерном планировании, системах вознаграждения и другом решения принимаются на основе шестого чувства, личном опыте, на корпоративной системе верований, установок и убеждений.

Кейс: подбор лучших продавцов

Позвольте привести пример из нашей практики.
Один из наших клиентов, большая финансовая компания, работает в системе установок, что лучшие работники – выпускники определенных топовых институтов, имеющие высокие оценки. Поэтому процесс рекрутинга, отбора кандидатов строился на данной системе убеждений.
Несколько лет назад один из их аналитиков провел статистический анализ успешности и текучести среди продавцов. Они смотрели динамику продаж первых двух лет работы в компании нового сотрудника и создавали корреляционную матрицу уровня продаж, текучести и демографических факторов.
То, что они обнаружили, было поразительным. Результаты показаны ниже.



Рис 1: Что действительно имеет значение в эффективности продаж (финансовой компании)
Что действительно управляет продажами:

• Точное, грамматически правильное резюме;
• Отсутствие случаев бросания обучения в учебном заведении (прохождение полного цикла обучения);
• Успешный опыт продаж дорогостоящих товаров;
• Заметные успехи на прежних местах работы;
• Способность работать в условиях неопределенности (unstructured conditions).

Что не имело значения:

• Какой институт закончил кандидат;
• Какой уровень образования имел кандидат (высшее, среднее и т.п…)
• Качеством их рекомендаций.

Данные рассказывают нам истории

Если вы «пашете, не разгибаясь» в рекрутинге, то вам должно быть известно, насколько сложно предсказать успешность конкретного кандидата в предстоящей деятельности в компании.
И поэтому, несмотря на тридцать лет работы в системе убеждений, которые, кстати, сделали компанию успешной, данные рассказали менеджерам другую историю. После внедрения новой методологии в систему рекрутинга компании, данные показали улучшение финансового результата на более чем четыре миллиона долларов.
BigData рассказывает историю, но мы должны слушать
Компании так или иначе собирают данные о работниках, HR, данные о производительности и рабочих процессах. За последние тридцать лет мы собрали кучу данных о демографических характеристиках работников, данные о результатах деятельности, образовании и обучении, карьерных перемещениях и многое, многое другое….. Используем ли мы эти данные для принятия решений о людях в компании? Пока нет.
На мой взгляд, это самая большая возможность BigData в бизнесе. Если мы сможем использовать научные подходы в улучшении процессов рекрутинга, менеджмента, производительности работников, отдача может быть громадной.
Как использовать BigData в области управления талантами.
Как мы можем использовать эту потрясающую возможность в нашей компании? Чаще всего мы уже имеем необходимые данные, но нам не хватаем опыта аналитики и аналитических способностей для проведения корректной аналитики. И мы всегда должны начинать с правильных вопросов.
Большинство компаний имеют много-много-много HR-данных (демографические данные работников, данные исполнения ключевых показателей деятельности, информация о карьерных и служебных перемещениях, информация о прохождении обучения и учебной успеваемости, возрасте, образовании и т.п., и т.д..), но они пока не в состоянии использовать ее под конкретные задачи. Наши последние исследования показывают, что в среднем компании имеют десять различных HR программ- приложений, и средний срок работе в таких системах составляет более шести лет. Следовательно, требуется ресурсы, чья-то энергетика и воля «привести эти данные к единому знаменателю».
Самое главное, что есть дисциплина – «анализ данных». Это требует специальных аналитических навыков, «очистки» данных, статистических рассчетов, визуализации данных и, конечно же, решения проблем. Большинство HR еще не имеют этих навыков, поэтому первоочередная задача компаний – находить таких людей, объединять их в команды для работы над HR данными.
Рисунок 2: Bersin by Deloitte Talent Analytics модель
Модель показывает эволюцию развития аналитик в компании: от реактивной (пост свершившегося события) до предиктивной или предсказательной, когда HR может предсказывать события, тренды и т.п.. По аналогии с маркетингом, где маркетологи предсказывают поведение потребителей на, например, выход нового продукта.

Время настало

Наступает время сделать фокус на talent analytics. Наши клиенты работают во многим высокоэффективных HR-программах, которые применимы практически для любого бизнеса:

• Удержание сотрудников (Employee retention) – что создает высокий уровень вовлечения и удержания?
• Показатели продаж (Sales performance) – какие факторы лежат в основе успешности продавцов?
• Аварийные ситуации (Accident claims) – какие факторы и какие характристики людей приводят к аварийным ситуациям?
• Анализ трафика руководителей (Leadership pipeline) – кто будет наиболее успешным руководителем, и почему одни могут развивать свои способности, а другие – нет?
• Анализ причин воровства (Loss analysis) – почему в некоторых филиалах более высокий уровень воровства, и чем он вызывается?
• Удержание клиентов (Customer retention) – какие факторы влияют на высокий уровень удовлетворенности и удержания клиентов?
• Пробелы в планировании персонала (Expected leadership and talent gaps) – где пробелы в наличии необходимого уровня руководителей на определенных должностях, и какие проблемы мы можем предсказать на ближайшие годы?
• Анализ трафика кандидатов – каково качество трафика кандидатов, каковы  факторы привлечения и удержания наиболее успешных работников нашей компании?

Последние десять лет мы изучаем инструменты в HR, призванные производить измерения, и отмечаем, что тема измерений в HR становится все более и более актуальной. Когда мы спрашиваем руководителей HR-служб о том, что для них является возможностью создать и показать бизнесу свою ценность, то «измерение и предсказание в сфере управления талантами» всегда попадает в топ три ответа.
Это и есть BigData в HR.
Big Data в HR: Talent Analytics достигает совершеннолетия