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.
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.