People analytics. Если долго мучить данные, они признаются в чем угодно

Один известный американский экономист и лауреат нобелевской премии Рональд Коуз в свое время заявил, что если долго мучить данные, они признаются [в чем угодно]. Хорошо собранная и проанализированная статистика действительно может дать ответы на самые разные вопросы – в том числе и в сфере HR. «Не переплачиваем ли мы сотрудникам?» «Почему у нас высокая текучка кадров в подразделении продажников?» «Какими качествами должен обладать кандидат на определенную вакансию?»

Чтобы ответить на эти вопросы, в принципе, достаточно аккуратно вести стандартную кадровую статистику и делать на ее основе выводы, доступные любому здравомыслящему человеку. Однако сегодня, когда человеческие ресурсы (и плоды их интеллектуальной деятельности) являются главным достоянием компании, этого явно не достаточно. Собственник не ждет ответа на каждое конкретное «почему». Ему необходимо понять – и понять быстро – какие усилия необходимы для того, чтобы его сотрудники были довольны, работали на него как на себя и вообще напоминали всех положительных героев повести «Понедельник начинается в субботу» разом. Дать такой совет на основе кадровой ведомости уже невозможно. И на смену репортингу приходит новая дисциплина в HR-менеджменте — people analytics.

Что такое people analytics?

По определению специалистов Bersin by Deloitte, это дисциплина, которая сочетает в себе традиционный сбор и анализ данных с новыми информационными потоками – это данные из мобильных приложений по обучению и повышению вовлеченности сотрудников, обратная связь в виде анкет и опросов, анализ коммуникаций между сотрудниками, их поведения и досуга. Благодаря развитию технологий, базу, собранную в собственной компании, можно дополнять открытыми данными – опытом других компаний. На основе этой огромной базы данных можно отвечать не только на вопрос «Почему?», но и выдавать гипотезы, основанные на точных данных. Почему-то финансовый прогноз без толстенных отчетов с цифрами, диаграммами и графиками вам никто не сделает, а в сфере HR решения до сих пор представляют собой интуитивные озарения конкретных специалистов. И не важно, что в структуре расходов компании затраты на персонал могут достигать 50-60%.

Звучит, конечно, красиво. А можно пример?

Самый яркий пример HR-стратегии, выстроенной на основе people analytics – это компания Google. Фишки компании, лежащие на поверхности, воспеты в сотнях статей и репортажей – это бесплатные кафетерии, комнаты отдыха, прачечные, техобслуживание для автомобиля. Понятно, что жесткая бизнес-структура, которой нужно наращивать прибыль, не будет делать это «просто так». В компании есть собственная HR-лаборатория, которая ищет наиболее эффективные методы управления людьми и создания продуктивной рабочей среды. В компании эффективно рассчитывают потери от уходов сотрудников (и если это слишком дорого – находят способы удержать), исповедуют прогнозное моделирование, предсказывая появление проблем, эффективно подбирают персонал и рассчитывают ценность сотрудников. Собственно, во многом поэтому Google сегодня стоит больше 830 млрд долларов.

Честно говоря, напоминает худший вариант антиутопии.
А как же человеческое отношение?

Давайте будем разделять два важных понятия. Каждый человек по отдельности — личность. Но в общей массе сотрудники — это важнейший ресурс компании, и его свойства и характеристики полезно анализировать всем без исключения – в том числе малому и среднему бизнесу. Безусловно, HR-менеджеру для того, чтобы быть успешным, нужно любить людей и быть тонким психологом, но при этом в масштабе он должен мыслить как инженер.

Окей, убедили. Но как собирать эти данные – вручную?

Не обязательно. На рынке уже есть сервисы, которые позволяют безболезненно собирать статистику и анализировать ее. Мы бы хотели представить пару интересных и показательных, на наш взгляд, примера:

CRUNChr – платформа, которая сводит воедино данные из шести разных структурных «приложений». Первое из них – organization – собирает количественную статистику по сотрудникам. Программа workforce на основе данных вашей компании, бизнес-сценариев и рыночной ситуации расскажет, каких специалистов не хватает в вашей компании, и какие компетенции остаются не закрытыми. Succession отвечает за преемственность функций и передачу данных внутри компании, Talent отвечает за поиск и управление талантами, а preference – за привлекательный с точки зрения сотрудников бренд компании-работодателя. И, наконец, next объединяет полученную информацию, анализирует ее на базе технологии ИИ, и выдает прогнозы для руководства.

One Model – это как раз тот самый сервис, который на основе анализа HR-данных может дать ответ на вопросы развития бизнеса. Как обещают разработчики платформы, искусственный интеллект позволяет обрабатывать огромные объёмы самых разных данных из разных источников, которые отражаются на управленческих дашбордах. С помощью наглядной статистики и анализа упрощается любой процесс – от принятия решения о приеме на работу данного кандидата до целесообразности удержания топа, внедрения того или иного обучения или изменения какого-либо бизнес-процесса.

Для нас это крутовато, мы же все-таки не Google. А нам точно нужна эта аналитика?

Абсолютно точно. Аналитика – это образ мышления, который делает последствия принятия любого решения более предсказуемым. А это необходимо для бизнеса любого уровня. Если у вас пока нет единой базы, просто начните собирать статистику по вашим сотрудникам в одну табличку: личное дело, соц-дем, история зарплат и премий, увлечения, психологический портрет. Вы сами удивитесь, какой простор для размышления и более взвешенного прогнозирования дают эти цифры.