В области управления персоналом все чаще используется data-driven подход – когда решения принимают на основе данных. HR аналитика – это набор знаний и методов, позволяющих решать задачи бизнеса посредством обработки данных о персонале. При метрики HR аналитики являются важной начальной точкой последующего анализа.
Данные и HR стратегия
HR стратегия, основанная на данных, позволяет снизить ошибки в принятии решений, повышая их скорость и точность. Такие решения повышают безопасность, способствуют оптимизации затрат, повышению эффективности обучения. На основании данных прошлых периодов можно выстраивать тренды, оценивать реальные причины увольнений, моделировать последствия организационных изменений и многое другое. Более того, с помощью искусственного интеллекта и машинного обучения становится возможным анализировать настроения сотрудников, оценивать истинные мотивирующие факторы, разрабатывать прогнозы.
В общих чертах разработка data-driven HR стратегии состоит из следующих шагов:
- Определение целей. HR стратегия должна согласовываться с общей стратегией компании и разрабатываться совместными усилиями всего руководства.
- Выбор метрик. Определение HR метрик позволяет идентифицировать все связанные рабочие процессы.
- Автоматизация сбора данных. Система автоматизации обеспечит сбор чистых данных, которые можно легко использовать для отчетов, дашбордов и аналитических моделей.
- Внедрение культуры работы с данными. Любое решение и рекомендации HR команды должны быть основаны на четких гипотезах, проверенных на основе данных.
- Организация коммуникаций. HR команда должна быть готова предоставить руководству четкие визуализации, связывая бизнес-задачи и результаты анализа данных.
Далее мы поговорим о начальном звене HR стратегии – выборе метрик.
Метрики HR аналитики
Метрики позволяют следить за текущим состоянием в области управления персоналом, а также задавать бенчмарки, разрабатывать дизайн опросов, находить взаимосвязи и строить прогнозы. Базовые метрики, на которых строится HR аналитика, характеризуют четыре области работы с персоналом: рекрутинг, производительность, удовлетворенность, развитие. Ниже приведены примеры некоторых наиболее распространенных метрик.
Метрики подбора и адаптации:
— стоимость заполнения вакансии
— среднее время поиска сотрудника
— коэффициент текучести на испытательном сроке по инициативе работника
— коэффициент текучести в первые полгода (год) по инициативе работника
— стоимость адаптации
Примером того, как метрики адаптации меняют кадровую политику, может служить история компании Johnson&Johnson. Аналитики компании решили проверить, насколько предыдущий опыт работы в отрасли влияет на удержание новых сотрудников. В результате анализа они не смогли подтвердить гипотезу о том, что опытные сотрудники дольше остаются в компании и быстрее начинают приносить ценность, чем выпускники колледжей. Данные, напротив, показали, что вчерашние выпускники остаются в компании на больший срок, а их вклад в производительность ничем не отличается от коллег с отраслевым стажем.*
* Здесь и далее примеры из книги Bernard Marr “Data-driven HR: How to use AI, analytics and data to drive performance”
Метрики производительности:
— эффективность работы сотрудника (оценивается на основе проверок и ревью)
— соотношение производительности и потенциала
— трэкинг целей
— доход на одного сотрудника
Как количество персонала влияло на эффективность производственных участков – на примере добывающей компании из Зимбабве. Руководство компании отметило, что количество рабочих на участке сильно влияло на производительность и попыталось выяснить оптимальную численность. Для этого провели сравнение производительности и численности по всем участкам за последние 17 кварталов. В результате было вычислено оптимальное количество персонала. Нехватку на одних участках компенсировали кадрами из других, и через три месяца компания заметно снизила издержки.
Метрики обучения и развития:
— расходы на обучение одного сотрудника
— время прохождения обучения
— индекс потребительской лояльности тренингов
— окупаемость инвестиций в обучение (ROI)
Метрики оценки обучения и развития позволяют понять уровень вовлеченности и пользы от обучения, идентифицировать области для улучшения, а также эпизоды неэффективного использования средств компании и времени сотрудников. Например, использование таких метрик помогает сформировать индивидуальные траектории развития сотрудников и обеспечить соответствие момента и характера обучения.
Метрики HR аналитики, которые характеризуют вовлеченность и лояльность:
— коэффициент вовлеченности
— удовлетворенность компенсационным пакетом
— индекс безразличия
— отток кадров
Помимо непосредственно вопросов рекрутинга, оценки и обучения, HR аналитика позволяет повышать качество взаимодействия с сотрудниками. Например, улучшать процессы найма и адаптации, готовить более востребованные социальные пакеты и пр. Использование метрик вовлеченности позволяет идентифицировать тренды, прогнозировать производительность и разрабатывать стратегии удержания кадров.
Например, компания Clarks провела анализ 450 точек продаж и выявила, что рост вовлеченности на 1% приводит к росту производительности бизнеса на 0,4%. Более того, продолжительность работы менеджера магазина является значимым фактором эффективности точки продаж, что легло в основу политики удержания сотрудников.
HR метрики и типы аналитики
По аналогии с видами бизнес аналитики в целом, HR аналитика бывает:
- Дескриптивная – описывает, что случилось.
- Диагностическая – когда анализ помогает выявить, почему это случилось.
- Предиктивная – прогнозирует, что случится.
- Прогнозная – анализ того, что можно сделать, чтобы произошло или не произошло рассматриваемое явление.
Чаще всего метрики используются в описательных (дескриптивных) HR отчетах, которые иллюстрируют состояние и стоимость найма, демографию рабочей силы, данные об оттоке кадров. Статистический анализ если и используется, то в основном для расчета средних величин (средняя заработная плата, средняя производительность и т.п.), в крайнем случае — трендов. Но такие отчеты не приводят к полному пониманию процессов, происходящих в организации (диагностическая HR аналитика) и, тем более, не предлагают достоверных прогнозов и оптимальных активностей для улучшения показателей.
Для перехода на новый уровень анализа, требуются не только более продвинутые методы и инструменты, но и более широкий диапазон показателей. Например, прогнозируя эффективность, мы используем не только метрику эффективности, но и показатели, которые могут быть предикторами этой метрики. Так, например, если мы анализируем эффективность работы кадров через лояльность пользователей, то для анализа нам могут понадобиться и оценка компетентности руководителя, и вовлеченность сотрудника, и др. Другие примеры приведены в таблице 1:
Таблица 1. Анализ HR показателей: уровни
| Уровень оценки | Примеры метрик для измерения эффективности | Примеры показателей, которые могут влиять на метрику эффективности |
| Командный | Лояльность клиентов, отток кадров, индекс командной вовлеченности, отзывы клиентов и пр. | Оценка компетентности руководителя, оценка командных функций, комплексные показатели на основе опросов и пр. |
| Индивидуальный | Объем продаж, объем звонков, отзывы клиентов, результаты аттестации и пр. | Пол, возраст, количество больничных, удовлетворенность, уровень зарплаты, данные пульс-опроса |
Таким образом, для анализа эффективности работы (особенно в отрасли услуг) мы будем смотреть не на отдельные метрики HR аналитики, а на взаимосвязи и предикторы. В этом могут помочь следующие вопросы:
Каковы характеристики высокоэффективной команды или индивидуумов?
Куда мы будет инвестировать деньги, чтобы повысить лояльность клиентов?
Каковы ключевые профессиональные и личностные черты сотрудников, необходимые для высокой эффективности?
Среди методов определения взаимосвязей в показателях в основном используется множественная линейная регрессия. В следующей статье показан подробный алгоритм оценки эффективности с использованием этого метода в программе SPSS.
