Читать книгу: «В погоне за кадрами. Маркетинговые инструменты для привлечения сотрудников», страница 4

5. Определение целевого портрета кандидатов на основании транзакционных данных существующих сотрудников

В рамках разработки платформы бренда работодателя для международной розничной компании нас попросили ответить на вопрос: «Существуют ли устойчивые характеристики сотрудников, которые предопределяют их успех в компании, т. е. карьерный рост и средний стаж более 10 лет?» Предполагалось, что мы сможем найти такие социально-демографические характеристики, которые позволят точнее предсказывать вероятность долгосрочной работы человека в компании.

Для анализа мы использовали данные ERP-системы компании по самым успешным сотрудникам розницы. В результате наша гипотеза не сработала – никаких корреляций с социально-демографическими характеристиками обнаружить не удалось. Однако оказалось, что успеха достигают те сотрудники, которые пришли на определенные стартовые позиции и перемещались вверх по карьерной лестнице в определенные сроки (медиана – 184 дня, т. е. примерно полгода). Эту информацию мы использовали для формирования позиционирования розничной сети как компании, которая успешно управляет карьерой сотрудника через набор четко определенных по времени и повестке мероприятий с определением индивидуальных планов развития (ИПР).

6. Выявление критических факторов, влияющих на лояльность сотрудников

Для крупной региональной компании мы проводили исследование лояльности сотрудников и факторов выбора работодателя. В процессе анализа были выявлены ключевые параметры, влияющие на eNPS.

7. Анализ причин увольнения

В рамках одного из проектов мы анализировали причины увольнения сотрудников в сравнении со средним стажем, чтобы определить, какие программы удержания наиболее эффективны на разных этапах взаимодействия с сотрудниками.

На графике ниже мы видим, что на ранних стадиях самой частой причиной оттока является рабочий график, а с ростом стажа преобладающим фактором становится отсутствие карьерных возможностей.

Риски, которые стоит учитывать

Развитие продвинутой аналитики дает компаниям огромные преимущества при принятии кадровых и HR-маркетинговых решений. Однако использование расширенной аналитики, как и любого другого инструмента, в HR сопряжено с определенными рисками.

Одним из основных рисков использования расширенной аналитики в отделе кадров является потенциальная возможность вульгарного (ненаучного) использования данных при принятии решений об увольнении. Аналитика может помочь отделу кадров выявить неэффективных сотрудников, но если данные не будут проанализированы тщательно и с опорой на физический смысл цифр, это может привести к принятию решений об увольнении сотрудников без уважительной причины. Хорошо известен пример, когда генеральный директор одной ИТ-компании принял решение уволить значительное количество сотрудников, основываясь на статистике использования ими корпоративной базы знаний на основе Atlassian Confluence (система для совместной работы с информацией), поскольку руководствовался предубеждением, что чем больше сотрудники пользуются базой знаний, тем они эффективнее.

Другим риском является потенциальная перегрузка данными, которая может привести к усталости от принятия решений – так называемый паралич принятия решений. Продвинутая аналитика может предоставить специалистам по персоналу огромный объем данных, и в результате ему становится сложно понять, какая информация релевантна, а какая нет.

Наконец, внедрение передовой аналитики в отделе кадров требует тщательного планирования, инвестиций и обучения. Без надлежащих инвестиций в технологии и необходимого обучения персонала внедрение аналитики может оказаться неудачным, что приведет к напрасной трате ресурсов и нулевому возврату на инвестиции.

Тем не менее мы уверены в том, что преимущества, которые дает продвинутая аналитика, несопоставимо выше, чем риски, и факт необходимости внедрения таких подходов в компании, конкурирующей в современной бизнес-среде, неопровержим.

Четвертый уровень. «Можем предсказывать будущее»

На данном этапе возникают прогностические методы, цель которых – прогнозирование того, что может произойти с персоналом компании и как изменится ситуация, если ничего не предпринимать.

* * *

Ключевой способ рассуждений о бизнесе: «Я не только знаю о причинах проблем в моем бизнесе, но и могу предвидеть, что случится дальше, а потому могу это изменить».

Какие виды учета применяются: добавляются прогнозные метрики, такие как вероятность оттока, вероятность выгорания и др.

Какие показатели обычно доступны: в системе показателей компании появляются ранние индикаторы будущих проблем, позволяющие заранее нейтрализовать их.

На что обращают внимание: на то, как сделать систему более стабильной и эффективной за счет ИТ-решений и аналитики.

Уровень автоматизации процессов: очень высокий, охватывает все бизнес-процессы компании.

Качество принятия управленческих решений: очень высокое, опирается не только на корректировку бизнес-процессов, но и на их заблаговременное совершенствование.

Основные сложности при внедрении предиктивной аналитики

В конце концов любая компания, получившая положительный эффект от внедрения HR-аналитики, захочет перейти к уровню предиктивной аналитики. Способность прогнозировать отток сотрудников, эмоциональное выгорание, рост будущих лидеров и другие важные результаты изменила бы правила игры для любого HR-департамента. Однако переход от расширенной аналитики к прогностической – непростой процесс, и есть несколько проблем, которые компании должны преодолеть, чтобы сделать его успешным. Зачастую они оказываются нерешаемыми на текущем этапе развития компании. Кроме того, инструменты предиктивной аналитики подходят не всем просто ввиду высокой стоимости внедрения. Основные сложности при переходе к предиктивной аналитике:

• Качество и доступность данных. Для составления точных прогнозов предиктивная аналитика в значительной степени опирается на исторические данные. Если данные неполны, неточны или недоступны, это может привести к неправильным прогнозам. Компании должны инвестировать в качество данных и инструменты управления ими, чтобы гарантировать, что их данные являются чистыми, точными и полными. Проще говоря, если рекрутеры в компании работают с HRM-платформой не системно, а спорадически, а сотрудники, например, общаются не в рамках цифрового рабочего места (Digital Workplace), а при помощи Telegram или WhatsApp, то прогностические возможности модели катастрофически снижаются.

• Разработка прогностической модели. Прогностические модели – это сложные алгоритмы, которые требуют глубокого понимания статистических методов и методов обработки данных. Компании должны инвестировать в специалистов по обработке данных, инженеров по машинному обучению и других квалифицированных специалистов для разработки точных математических моделей.

• Интеграция с бизнес-процессами. Прогнозная аналитика полезна только в том случае, если ее можно интегрировать с бизнес-процессами. Компании должны гарантировать, что их прогностические модели могут использоваться в повседневных операциях, таких как наем, обучение и удержание персонала. Это требует тесного и регулярного сотрудничества между отделом кадров и командой, занимающейся научной обработкой данных. Эта проблематика выходит за рамки данной книги.

• Управление организационными изменениями. Компании должны убедиться, что их HR-департамент оснащен инструментарием для использования прогностической аналитики и обучен эффективному использованию новых инструментов. Культура компаний должна поддерживать принятие решений на основе данных, высшее руководство должно соответствовать новому подходу.

Основные тенденции в области прогнозной аналитики для решения HR-задач

Закономерно, что прогностическая аналитика, использующая «большие данные» и методы машинного обучения для решения бизнес-задач, внедряется преимущественно крупными компаниями. Вот некоторые из основных тенденций ее использования для прогнозирования различных событий, связанных с персоналом:

1. Использование инструментария перфоманс-маркетинга для рекрутмент-кампаний

В последние годы компании начали применять подходы перфоманс-маркетинга (performance marketing – концепция интернет-маркетинга, цель которой – достижение конкретных, финансово измеримых бизнес-результатов в максимально короткие сроки) в своих кампаниях по подбору персонала. Это подразумевает использование инструментов цифрового маркетинга для отслеживания эффективности различных каналов подбора персонала, таких как доски объявлений (сайты вакансий – http://hh.ru/, «Авито. Работа» и др.), социальные сети и реферальные программы. Анализируя данные, генерируемые этими каналами, компании могут оптимизировать свои кампании по подбору персонала, ориентируясь на своих «идеальных кандидатов». Может использоваться такой аналитический инструментарий, как модели атрибуции в рамках сквозной аналитики, оптимизация коэффициента конверсий, автоматическое распределение ставок в рекламных кабинетах.

2. Прогнозирование оттока

Использование деревьев решений и анализа выживаемости для анализа транзакционных данных (собираемых внутри цифровых рабочих мест и ERP) и данных сотрудников (собираемых пульс-опросами) позволяет компаниям предсказывать, какие события и параметры оказывают большее влияние на вероятность оттока, выявить коренные причины текучести кадров, чтобы целенаправленно совершенствовать кадровую политику. Например, в крупной российской телеком-компании прогнозная аналитика позволяет выявить, как влияют на вероятность ухода такие параметры, как количество детей сотрудника, количество дней в отпуске, количество входов и выходов из офиса в течение дня и др.

3. Прогнозирование эмоционального выгорания

Эмоциональное выгорание является серьезной проблемой во многих отраслях, и оно может привести к снижению производительности, увеличению числа невыходов на работу и повышению текучести кадров. Прогнозная аналитика может использоваться для выявления сотрудников, подверженных высокому риску эмоционального выгорания, что позволяет компаниям предпринимать упреждающие шаги по его предотвращению. Анализируя данные о сотрудниках, такие как отгулы, рабочая нагрузка и показатели производительности, аналитика (обнаружение аномалий, анализ временных рядов, кластеризация, SHAP-анализ) помогает выявить ключевые закономерности, указывающие на риск эмоционального выгорания. Например, в одной ИТ-компании выявили, что снижение активности сотрудника в корпоративных чатах является более ранним предиктором выгорания, чем снижение его оценок вовлеченности в рамках пульс-опросов.

4. Социальная аналитика для выявления лидеров общественного мнения

Социальная аналитика включает в себя анализ данных (сетевой анализ, анализ настроений, тематическое моделирование) о сотрудниках из корпоративных социальных сетей, интрасетей, электронной почты и других цифровых каналов на рабочем месте для выявления лидеров общественного мнения внутри организации. Эти лидеры общественного мнения могут быть ценным активом для компаний, поскольку могут помочь распространять позитивные сообщения о корпоративной культуре и ценностях. Выявляя этих лидеров общественного мнения и взаимодействуя с ними, компании могут повысить вовлеченность и удержание сотрудников.

Пример: отделу внутренних коммуникации крупной российской производственной компании (более 30 000 сотрудников) мы предложили использовать данные сквозной аналитики для развития института бренд-амбассадорства.

5. Оценка кадрового потенциала

Оценка кадрового потенциала подразумевает использование прогностической аналитики (регрессионный анализ, кластеризация K-средних, факторный анализ) для оценки потенциала сотрудников для будущей работы на руководящих ролях. Анализируя данные о сотрудниках, такие как показатели эффективности, карьерная траектория и образование, прогностическая аналитика может выявить сотрудников, которые могут стать будущими лидерами. Эта информация может быть использована для разработки целевых программ обучения и повышения квалификации, которые помогут этим сотрудникам полностью раскрыть свой потенциал.

Прогнозная аналитика – это мощный инструмент, который может помочь компаниям получить представление о будущем. Используя большие данные и методы машинного обучения, компании могут выявлять тенденции и прогнозировать события. Мы привели некоторые примеры применения прогностической аналитики в отделах кадров, но в действительности существует множество способов ее использования. Чем больше компаний внедряют эти методы, тем больше вероятность того, что кадровый ландшафт будет продолжать развиваться.

* * *

После того как мы постарались емко и с примерами рассказать об уровнях аналитической культуры HR в организации, сделаем выводы:

• Ключевая задача маркетинга – поддержка управленческих решений. Эти решения надо принимать на основе данных.

• Определение уровней зрелости организации позволяет понять состояние компании, определить зоны роста и дальнейшие шаги.

• Основной риск для тех компаний, которые не занимаются аналитикой, – невозможность воспроизвести успех при масштабировании активностей.

• Формула HR – по аналогии с Формулой прибыли – важный инструмент для измерения эффективности кадровой деятельности и затрат на нее. Собирая и анализируя ключевые параметры, такие как количество кандидатов, конверсия, средняя производительность, стаж и операционные издержки на HR, организации могут оптимизировать свои процессы и выбирать лучшие инициативы.

• Для работы с Формулой HR предлагается пять подходов: проведение совещаний, установление ключевых показателей эффективности, 20/20/20/20, поиск узких мест («бутылочных горлышек») и управление отклонениями. Эти подходы могут помочь организациям выявлять и устранять проблемы в своих процессах взаимодействия с сотрудниками.

• При переходе от базовой аналитики к продвинутой многие компании сталкиваются с проблемами. Эти проблемы включают качество данных, технологии и экспертные знания. Однако преимущества расширенной аналитики в HR значительны и могут позволить организациям понимать причины тех или иных явлений и принимать более эффективные решения.

• Организациям важно избегать соблазна внедрять самые передовые инструменты без учета соответствия их конкретным потребностям («феномен инструментальной зрелости»). Сосредоточиться следует на поиске того, что наилучшим образом подходит для их организации и процессов («лучшее соответствие» вместо «бенчмарк»).

• Используя такие методы, как деревья решений, сетевой анализ, кластеризация и анализ временных рядов, организации могут создавать прогнозирующие модели для оптимизации рекламных кампаний по набору персонала, оттока, выгорания и кадрового потенциала. Внедрение прогностической аналитики – сложный процесс, но его преимущества для крупных компаний, ориентированных на будущее, могут быть значительными.

Как использовать данные в рамках аналитического этапа разработки HR-маркетинговой стратегии

Следующий вопрос, который мы затронем, – это исследование аналитической культуры компании и определение ключевых инициатив на первом этапе разработки HR-маркетинговой стратегии на основе существующих данных.

В целом смысл работы заключается в поиске ответов на два ключевых вопроса:

1. Как нам выстроить работу с данными?

2. Что нам делать со стратегией – с учетом тех данных, которые мы уже можем обработать и интерпретировать?

1. Целевая модель данных и план роста зрелости аналитической культуры

Ранее мы уже писали о том, что среди ключевых проблем организаций при переходе к продвинутой аналитике на одно из первых мест выходят изолированность данных и несовершенство используемых ИТ-систем. Для того чтобы преодолеть эти ограничения, в рамках проектов по разработке HR-маркетинговой стратегии мы проводим анализ и формируем план внедрения. Эта работа состоит из основных шагов, перечисленных ниже.

Шаг 1. Анализ собираемых данных

На этом шаге необходимо понять, какие данные доступны, где они хранятся и как с этими данными работают сотрудники. Это требует всестороннего аудита всех источников кадровых данных, включая системы управления персоналом, инструменты подбора персонала, системы управления производительностью и инструменты вовлечения сотрудников. Команда проекта должна оценить качество данных и их соответствие существующим бизнес-процессам. Для этого мы просим доступ к системам и выгрузкам данных из этих платформ.

В процессе аудита нас интересуют:

• Полнота данных. Мы проверяем, имеется ли вся необходимая информация о кандидатах, включая их должность, предыдущий опыт, социально-демографические параметры и любые другие важные детали, которые могут помочь в процессе найма. В некоторых компаниях не доверяют HRM-платформе и записывают важные детали на листочках, забывая заполнять карточки кандидатов.

• Точность данных. Мы убеждаемся в том, что нет каких-либо расхождений или неточностей, которые могут негативно повлиять на дальнейший процесс обработки, визуализации и интерпретации данных. Если они есть, их необходимо устранить.

• Согласованность данных. Мы проверяем, являются ли данные согласованными во всех используемых системах. Несоответствие данных может привести к путанице и затруднить принятие обоснованных решений. К сожалению, многие компании все еще не могут соотнести данные о сотруднике с данными о том же человеке как о кандидате.

• Хранение данных и управление ими. Мы должны убедиться в том, что хранение данных и управление ими должным образом организованы и доступны уполномоченному персоналу. Хранение рукописных анкет в картонных папках или хранение электронных данных «у кого-то из рекрутеров в Excel» в наше время неприемлемо.

• Эффективность воронки. Мы оцениваем эффективность воронки подбора персонала, включая актуальность статуса кандидата, присвоенного рекрутерами, и корректность поставленных задач внутри HRMсистемы. Это может помочь в выявлении узких мест, которые можно устранить, и неэффективности процессов, которые можно улучшить.

• Показатели подбора персонала. Мы анализируем ключевые показатели, такие как время на наем, затраты на наем и соотношение кандидатов к найму. Это может помочь в выявлении областей, которые нуждаются в улучшении.

• Системная интеграция. Мы оцениваем интеграцию различных систем управления персоналом, чтобы убедиться, что они должным образом подключены и что данные могут беспрепятственно передаваться между ними. Это может помочь обеспечить согласованность и актуальность данных во всех системах.

• Контроль качества данных. Мы описываем процесс внедрения системы контроля качества данных, гарантирующей, что собранные данные являются точными, полными и непротиворечивыми. Это может включать использование автоматизированных или ручных средств проверки данных.

• Несоответствие между воронкой подбора персонала и фактическим процессом найма. Это распространенная проблема, которая может привести к искаженному представлению о процессе найма, поскольку затрудняет точное отслеживание эффективности кампании по набору персонала. Например, компания может получить большое количество заявок на вакансию, но если многие из них обрабатываются без использования HRM-системы, то число квалифицированных кандидатов будет занижено. Другой пример, актуальный для многих крупных компаний, – проверка кандидатов, прошедших финальное собеседование, корпоративной службой безопасности, которая может существенно затянуть и даже остановить процесс перехода к предложению работы.

Шаг 2. Описание ключевых изменений

Основываясь на анализе качества собираемых данных и бизнес-процессов, мы описываем ключевые изменения, необходимые для внедрения расширенной HR-аналитики. Они включают:

• изменение бизнес-процессов сбора данных;

• целевое состояние полей внутри систем (все данные, которые необходимо указывать);

• список необходимых параметров;

• список необходимых интеграций;

• основные блоки отчетности.

Шаг 3. Разработка целевой модели данных

Следующим шагом является отображение целевой модели данных, которая описывает потоки данных между системами, необходимые для поддержки бизнес-процессов, включая интеграцию нескольких источников данных, если это необходимо. Для этого требуется создать модель данных, которая включает объекты данных, атрибуты и взаимосвязи.

Шаг 4. Подготовка технического задания для внедрения изменений

Основываясь на модели данных и плане проекта, необходимо подготовить техническое задание для внедрения изменений. В нем должны быть описаны изменения, необходимые для систем управления персоналом и бизнес-процессов, которые их поддерживают. Оно также должно включать подробную спецификацию ИТ-систем, необходимых для поддержки новых потоков данных и аналитики.

Шаг 5. Определение ИТ-систем на основе целевых параметров

Как только техническое задание подготовлено, необходимо выбрать варианты ИТ-систем, которые поддерживают все необходимые требования – включая выбор новой системы управления персоналом, хранилища данных или инструмента бизнес-аналитики, если это необходимо. Команда должна также оценить пригодность выбранных систем для нужд организации, включая масштабируемость, надежность и безопасность. Среди основных критериев можно выделить следующие:

• Возможности интеграции данных. ИТ-система должна быть способна интегрировать данные из нескольких источников и предоставлять централизованное хранилище данных для анализа.

• Масштабируемость. ИТ-система должна быть способна масштабироваться по мере роста организации и увеличения ее потребностей в данных.

• Настраиваемость. ИТ-система должна настраиваться в соответствии с конкретными потребностями организации.

• Удобство для пользователя. ИТ-система должна быть простой в использовании и не требовать глубокой подготовки со стороны сотрудников HR-департамента и других бизнес-пользователей.

• Безопасность. ИТ-система должна обладать надежными функциями безопасности для обеспечения конфиденциальности и целостности данных.

• Совместимость. ИТ-система должна быть совместима с существующим ПО и системами, используемыми в организации.

• Стоимость внедрения и обслуживания. Стоимость ИТ-системы должна быть разумной и обеспечивать необходимое соотношение цены и качества.

• Техническая поддержка. ИТ-система должна иметь надежную команду технической поддержки для решения любых проблем, которые могут возникнуть.

• Аналитические возможности. ИТ-система должна обладать расширенными аналитическими возможностями, включая возможности прогнозной аналитики, машинного обучения и ИИ.

• Возможности отчетности. ИТ-система должна обладать надежными возможностями отчетности, включая возможность создания пользовательских отчетов и информационных панелей для различных заинтересованных сторон в организации.

• Доступность. Современная ИТ-система должна быть доступна из офиса или дистанционно, с любого устройства, включая настольные компьютеры, ноутбуки, планшеты и смартфоны.

• Интеграция с другими бизнес-функциями. ИТ-система должна быть способна интегрироваться с другими бизнес-функциями, такими как финансы, маркетинг и операции, чтобы обеспечить целостное представление об организации (и обеспечить в дальнейшим переход к управлению Total Experience).

Шаг 6. Расчет ожидаемых экономических эффектов и ключевых показателей эффективности внедрения

Перед внедрением новой HR-аналитики команда должна рассчитать ожидаемые экономические эффекты и KPI проекта, включая оценку стоимости внедрения, ИТ-инфраструктуры, привлечения персонала и его обучение. Команда также должна оценить потенциальные выгоды проекта, такие как улучшение результатов найма, снижение текучести кадров и повышение вовлеченности сотрудников.

Шаг 7. Разработка дорожной и ресурсной карт

Наконец, мы готовим дорожную карту и карту ресурсов для внедрения новой HR-аналитики. Дорожная карта должна включать график внедрения (диаграмма Ганта), основные этапы и конечные результаты. В карте ресурсов должны быть указаны персонал и навыки, необходимые для реализации проекта, а также бюджет, необходимый для его поддержки.