Существует ли Big Data в управлении персоналом?
29.12.2017
О жизненном цикле кандидата
29.12.2017
В идеальном мире собираемые HR-данные измеряются объективно, подчиняются нормальному распределению и хранятся в единой системе. На практике данные представляют собой хаос: предвзятость и субъективизм отражаются в решениях и оценке, рейтинги результативности распределяются принудительно и данные хранятся в разных системах и эксель-файлах. Так как же выделить главные характеристики сотрудников, которые двигают компанию вперед и развивают ее?
К сожалению, не существует единого набора метрик, который бы описал сотрудников в каждой организации одинаково хорошо.
Давайте рассмотрим сегодня самую распространенную HR-метрику – текучесть персонала. Речь пойдет о текучести сотрудников, уволившихся по собственному желанию.
Оценим показатель с точки зрения трех характеристик: наличие данных, влияние на бизнес и особенности измерения.
- ️Большинство компаний могут достать информацию о дате начала работы и дате увольнения сотрудников, что делает эту HR-метрику валидной для измерения.
- Для компании это может быть одной из важных метрик: по статистике затраты на замену сотрудника, включая упущенную выгоду от отсутствия сотрудника и снижение индекса вовлеченности коллег уволенного сотрудника, составляет от 100 до 200% от годовой зарплаты уволенного сотрудника.
- Необходимо не просто измерять коэффициент текучести, но и делать различные срезы по периоду/подразделению/стажу работы сотрудников/уровню должности/реальной причине увольнения. Также обязательно необходимо анализировать, приведет ли увольнение сотрудника к потере нужных и дефицитных квалификации, знаний и опыта для компании? Или увольнение сотрудника принесло компании облегчение, так как иначе пришлось бы этого сотрудника увольнять? Лишь небольшое количество компаний анализирует эту метрику в данном ключе.
Далее мы можем сопоставить коэффициент текучести и бизнес-показатели за несколько лет и увидеть, как связаны эти показатели друг с другом. Найденная корреляция позволит перейти к следующему этапу – регрессионному анализу. Если мы хотим строить прогнозы и проанализировать будущие показатели, мы должны взять данные за несколько лет (желательно года три) и на основании имеющихся данных построить модель прогнозирования будущих показателей. Если мы добавим прочие данные по сотрудникам, мы можем использовать машинное обучение и статистические подходы, такие как анализ дожития, с целью предсказания возможности увольнения текущих сотрудников, а также предсказать срок работы еще не принятых кандидатов. Качество этих моделей напрямую зависят от качества имеющихся данных для подготовки обучающей выборки. Основной задачей компании, если перед ней стоит задача внедрения HR-аналитики, является повышение качества и надежности данных в системах.
Комментарии: