people analytics что это такое
Гики пришли в HR: People-аналитика
Джош Берсин: «Сегодня эта новая бизнес-функция называется “People Analytics”. И со временем, я считаю, она даже не будет относиться к HR. Пока все это так или иначе связано с HR, но с течением времени эта команда возьмёт на себя ответственность за анализ продуктивности продаж, текучести, удержания, несчастных случаев, мошенничества и даже те “человеческие” факторы, которые приводят к удержанию клиентов и удовлетворенности клиентов.»
Дедушкиным методам в HR пришёл конец. В HR пришли гики
Сегодня, впервые за те пятнадцать лет, что за я занимаюсь аналитикой, HR-подразделения серьезно относятся к аналитике. Я имею в виду, серьезно.
Несколько недель назад в Сан-Франциско я был на встрече с восемью учеными — статистиками, инженерами и компьютерщиками, которые работают над человеческой аналитикой для своих компаний. Это серьёзные математики и ученые в сфере данных, пытающиеся применить науку о данных к человеческой стороне своего бизнеса.
На прошлой неделе у меня была другая аналогичная встреча: три ведущие страховые компании в мире, два крупных ритейлера, три компании из сферы здравоохранения и две производственные компании, и у всех — серьёзные математики и ученые, назначенные HR-ами.
Что происходит?
Как я недавно писал в статье «Почему «менеджмент людей» должен прийти на смену менеджменту талантов?» на рынке заметно значительное изменение. После долгих лет разговоров о возможности применить данные к решениям о людях, компании наконец-то начали наращивать темпы и делать инвестиции в это. И, что ещё больше впечатляет, серьезные математики и специалисты по данным стекаются в HR.
Давайте по порядку. People-аналитика: немного истории
Область HR-аналитики, аналитики талантов или, как ее сейчас называют “People-аналитики”, существует уже давно. Как аналитик (и бывший менеджер по аналитическим продуктам) я говорил с компаниями о том, как измерять обучение и HR на протяжении десятилетия. Еще в 2005 году, после нескольких разочаровывающих лет в попытках выяснить, как измерять обучение, я написал книгу под названием “The Training Measurement Book”, которая заставляет команды L&D выйти за рамки традиционной модели измерения Киркпатрика. Сегодня учебные организации продолжают пытаться проанализировать влияние и эффективность обучения, но больше они не в одиночестве.
Если вы оглянетесь, десять лет назад компании пытались создать системы “HR Analytics” (обычно под названием “хранилища HR-данных”), чтобы следить за простыми показателями, такими как “общая численность персонала”, “время найма” и “стоимость удержания” и привести в порядок беспорядочные, часто неточные данные, которые они имели о людях. Многие компании создали эти базы данных, но в первую очередь они использовались как единая система записи и хранения среди многих других используемых HR-платформ.
В 1990-х годах такие производители, как PeopleSoft, Oracle и NCR/Teradata, создали аналитические продукты для поддержки этого рынка. Они не очень хорошо продавались, прежде всего потому, что у компаний были такие сложные системы управления персоналом, что у них не было бюджета или IT-поддержки для создания ещё и хранилища HR-данных. (Некоторые компании все таки это делали, и на протяжении многих лет извлекали из этого решения выгоду).
Потом вышла книга “Moneyball”, и мы увидели зарождение глобального рынка под названием “Big Data”. Hadoop, R и другие инструменты управления данными вдруг стали продуктами, и такие отрасли, как маркетинг, реклама и финансы, начали анализировать огромные объемы данных. Большая часть этого движения началась в Facebook, Google, LinkedIn и других интернет-компаниях, которым просто пришлось анализировать огромные объемы данных для ведения своего бизнеса.
По пути был изобретен термин “наука о данных”, и сегодня существуют сотни рабочих мест для “ученых по данным” (как правило, это люди, которые понимают управление информацией, Big Datа-инструменты, статистику и моделирование — редкая порода).
В течение последних десяти лет мы смотрели, как обсуждения этого всего в HR остаются очень тактическими, ориентированными на оперативную отчетность и простое “подлатывание” беспорядка в несовместимых HR-системах, которые у нас есть. Было много презентаций по аналитике персонала и обучения, а также несколько конференций, но основное внимание уделялось тому, чтобы технические специалисты улучшали свои системы отчетности. Идея прогностической аналитики не шла дальше изучения ROI, чтобы посмотреть, работает ли учебная программа.
Внезапно в 2011 году мы ощутили сдвиг на рынке. Чтобы понять, насколько сильно прогностическая аналитика укрепила свои позиции, мы провели исследование “Большие данные в HR” и разработали модель зрелости (она была опубликована осенью 2012 года). Мы узнали, что небольшое число компаний вкладывают значительные средства в интеллектуальную People-аналитику, но большинство едва начало работать.
Вся идея нашего внимания к “Большим данным в HR” заключалась в том, чтобы помочь HR-организациям понять, что они тоже могут поучаствовать в волне интереса к Moneyball и BigData. HR, может, и не такая интересная тема, как государственная безопасность или кибервойны, но это большая отрасль (более 4 триллионов долларов расходуется на заработную плату по всему миру), поэтому в этом огромном наборе данных лежит много возможностей. И появился мир “People Analytics”.
Существует длительная история анализа данных в профессии HR, начиная с конца 1800-х годов и Фредерика Тейлора. В статье «Datafication of HR» описывается эта эволюция, и я думаю, что все в нашем пространстве должны прочитать эту статью и познакомиться с историей. Мы сегодня стоим на плечах гигантов и новаторских мыслителей — у них просто не было компьютеров, которые могли бы помочь.
Теперь, когда тема стала горячей, HR-команды только начинают серьёзно разбираться в аналитике. Проблема была не в концепции, а в фокусе. Мы потратили слишком много времени, пытаясь измерить расходы на персонал и обучение, а также выяснить, какие HR-программы повышают ценность бизнеса. Хотя это кажется интересным менеджерам по персоналу, обычно людям бизнеса просто все равно. Чего они хотят, так это информации, которая помогает им лучше управлять компанией: “Приведите мне нужных людей в бизнес, сделайте их продуктивными и счастливыми, сделайте так, чтобы они могли привлечь к нам больше клиентов и больше доходов. Меня не волнует, имеет ли ваша учебная программа ROI 200% или нет».
Теперь мы видим это как огромную тенденцию, поэтому мы целенаправленно начали отдельную область исследований по этой теме. С помощью моего партнера Карена О’Леонарда и других членов нашей команды мы запустили серию отраслевых исследований о том, что мы назвали “Аналитикой талантов”. Наш самый большой отчет под названием “High-Impact Talent Analytics” представил первую в истории исследовательскую модель зрелости для аналитики. Исследование показало, что существует небольшой набор компаний (менее 5% рынка), которые опередили кривую. Эти передовые компании смотрели на данные, связанные с людьми, очень стратегически, и в результате они принимали гораздо лучшие решения о том, кого нанимать, кого продвигать, сколько платить людям и многое другое.
Несколько недель назад у меня была встреча с пятью крупными компаниями Силиконовой долины и Нью-Йорка, которые сосредоточены на этой области, и комната была заполнена докторами наук по статистике, психологии и инженерами (как и я). Вот почему название этой статьи:
Гики пришли в HR
На данный момент я считаю, что гики действительно уже здесь. Статистики, математики и инженеры вошли в пространство аналитики людей.
На этом собрании, которое я посетил, были практики, лидеры в своей сфере, с опытом сбора данных, их обработки и анализа всех видов. Конечно, у их компаний есть различные проблемы с качеством данных, системами и инфраструктурой, но они, как группа, работают. Они понимают потенциал, они понимают проблему, и у них есть навыки для выполнения работы. И они не просто анализируют проблемы с персоналом, они анализируют бизнес.
Сегодня эта новая бизнес-функция называется “People-аналитика”. И со временем, я считаю, она даже не будет относиться к HR. Пока все это так или иначе связано с HR, но с течением времени эта команда возьмёт на себя ответственность за анализ продуктивности продаж, текучести, удержания, несчастных случаев, мошенничества и даже те “человеческие” факторы, которые приводят к удержанию клиентов и удовлетворенности клиентов.
Все это реальные бизнес-проблемы, а не проблемы HR. Данные, которые поддерживают эти решения, включают опыт, демографические данные, возраст, семейный статус, а также обучение, личность, интеллект и десятки других факторов. Все больше и больше будут подключаться данные о email-связях и настроениях сотрудников.
Многие факторы, способствующие мошенничеству или текучке, не имеют ничего общего с людьми — они средовые. Где физически находится менеджер? Кто еще был нанят в это место? Поэтому People-аналитика требует просмотра внешних данных, а не только внутренних.
Вот почему эта функция в конечном итоге принадлежит не HR, она действительно является частью более крупного подразделения бизнес-аналитики.
Ради интереса я сделал поиск по Google Trends для определений “HR Analytics”, “Talent Analytics” и “People Analytics” и посмотрел, что нашлось. “People Analytics” выигрывает.
Как мы говорим в наших исследованиях, это огромная рыночная возможность для бизнеса — и это только начало. Продавцы технических решений всех форм и размеров начинают расти, и большинство крупных поставщиков платформ теперь включают интеллектуальные аналитические инструменты в своё основное программное HR-обеспечение. (Показатели риска — хороший пример — пока не очень точные, но идея правильная.)
И новые серьёзные компании присоединяются к рынку. Не только крупные игроки ERP, но и крутые разработчики программного обеспечения участвуют в происходящем.
В то время как большинство HR-организаций по-прежнему пытаются обрабатывать свои данные и строить свои аналитические команды, импульс набирает силу. И технические таланты теперь поняли, что старомодный отдел персонала может быть одним из самых интересных мест для работы.
Мы будем делать гораздо больше исследований по этой теме в ближайшие годы, а сейчас позвольте мне просто четко заявить: “Гики пришли: People-аналитика уже тут”.
People Analytics: проводим опросы сотрудников. Советы Google
В 2004г. Ларри Пейдж и Сергей Брин попросили Стейси Салливан (бывшую главу отдела по работе с персоналом и действующего директора по культуре взаимоотношений) выяснить мнение сотрудников компании (или гуглеров) о процессе проведения собеседований и сдачи отчетов. На тот момент штат компании составлял несколько тысяч человек, и Стейси поняла, что принятый метод опроса (личные беседы) перестал быть самым точным и эффективным. Так Google запустила первую версию своего соцопроса.
«Для проведения хорошего опроса придется приложить массу усилий. Плохой опрос не стоит проводить вовсе».
Перед тем, как проводить опрос, задайте конкретные цели
Подумайте о том, что вы хотите получить в конечном итоге. Какие действия вы планируете предпринять по окончанию процедуры сбора информации? Какие решения вы готовы изменить? Что останется без изменений, вне зависимости от результатов? Перед тем, как составить первый вопрос, подумайте:
Для решения каких организационных проблем предназначено это исследование?
Можете ли вы гарантировать, что по окончанию опроса будут предприняты необходимые действия?
Различия между открытыми и структурированными вопросами
В опросах Google присутствует два типа вопросов:
1.) Структурированные вопросы с заданными вариантами ответов. Эти варианты позволяют определить закономерности для отдельно взятого коллектива, превратить утверждения в численные данные и провести статистический анализ, а также отследить динамику развития отдельных сотрудников или групп. Варианты ответа на структурированный вопрос могут быть различными. Как правило, они представляют собой:
2.) Открытые вопросы, предполагающие ответ без каких-либо дополнительных ограничений. Открытые вопросы добавляют контекст структурированным вопросам. Их можно использовать в том случае, если вы не уверены в необходимости ограничений или не хотите их накладывать. Примеры открытых вопросов: «Почему вам нравится работать здесь?» или «Приведите 1-2 аргумента, согласно которым руководители должны предоставить сотрудникам большую свободу действий» или «Сколько месяцев в году вы можете работать удаленно?»
Составьте качественные вопросы
На первый взгляд, в организации опроса нет ничего сложного. Тем не менее, необходимо помнить, что респонденты не смогут задать вам уточняющие вопросы, поэтому ваши формулировки должны быть максимально точными и четкими. Специалисты Coursera при содействии ученых из Университета штата Мичиган создали краткий онлайн-курс о проведении опросов. Говоря вкратце, они советуют:
Использовать простой понятный язык.
Не умничать.
Сократить список вопросов до минимума.
Будьте уверены, что опрос и без того покажется респондентам очень долгим.
Подумать об ожиданиях, которые могут создать ваши вопросы.
Если вы спрашиваете о потенциальном сокращении штата или возможной прибавке, респонденты могут испугаться увольнения или понадеяться на повышение зарплаты. В конечном итоге, эти эмоции создадут нереалистичные ожидания и повлияют на ответы. Внимательно прочтите вопросы и спросите себя, какие намерения могут крыться за каждым из них.
Не задавать вопросы, на которые нельзя ответить.
Не полагаться на открытые вопросы слишком сильно.
Открытые вопросы подразумевают длительные размышления и анализ. Зачастую на них не так-то просто ответить. Если вы хотите задать много открытых вопросов, скорее всего, вам придется обратиться к другим способам сбора информации (личным беседам или фокус-группам). Многие считают, что опрос как нельзя лучше подходит для сбора идей, однако необходимо помнить, что качество этих идей напрямую зависит от количества времени, потраченного на обдумывание. Короткие открытые вопросы редко приводят к настоящим прорывам и открытиям.
Избегать распространенных ошибок
Существует масса руководств по составлению хороших вопросов для исследований подобного рода (например, полный курс от специалистов Coursera и Университета штата Мичиган). Команда кадровой аналитики Google выделила несколько распространенных ошибок, которых необходимо избегать:
1: Двусмысленность
Не пытайтесь объединить два вопроса в один. Старайтесь реже использовать соединительные союзы («и», «или» и т.д.)
Плохой вариант: «Вице-президент и члены совета директоров поддерживают внедрение инноваций».
Исправленный вариант: «Вице-президент поддерживает внедрение инноваций».
2: Провокация
Провокационные вопросы подразумевают однотипные ответы. В этом случае респонденту, как правило, проще выразить свое согласие с утверждением, а не опровергнуть его. В результате полученные данные будут неточными.
Плохой вариант: «Как вы думаете, следует ли компании тратить больше времени на сбор отзывов о продуктах?»
Исправленный вариант: «Более тщательный сбор отзывов о продуктах мог бы улучшить процесс их ввода на рынок».
3: Неточность
Расплывчатые и неточные формулировки сбивают респондентов с толку и заставляют их давать ненадежные ответы. Ваша цель заключается в том, чтобы каждый респондент понял вопрос именно так, как вы и задумывали.
Плохой вариант: «Что вы думаете о ежегодных отчетах?»
О чем этот вопрос? О содержании отчетов? О нагрузке, вызванной необходимостью их составлять? Об их назначении?
Исправленный вариант: «Согласны ли вы с требованиями, которые предъявлялись к отчетам в прошедшем году?»
4: Пространность
В некоторых случаях составители не хотят конкретизировать вопросы, чтобы не ограничивать ответы респондентов. Не стоит чрезмерно увлекаться этим приемом, т.к. непонятные вопросы приводят респондентов в недоумение.
Плохой вариант: «Знаете ли вы этого сотрудника?»
Что значит «знаете»? Подумайте о том, какую информацию вы хотите получить, и задайте вопрос, который позволит это сделать. Помните, что с точки зрения опросов точность всегда превосходит общность.
Исправленный вариант: «Сколько раз вы контактировали с этим сотрудником за прошедший квартал? (учитываются электронные письма, телефонные звонки и личные встречи)»
5: Пропуск вариантов ответа
При использовании структурированных вопросов список вариантов ответа должен быть исчерпывающим. Внесите в него все возможные варианты, которые только можно придумать. Пропущенные варианты часто всплывают при дополнительной проверке. Обязательно включите такие пункты, как «Другое», «Неизвестно» и т.д.
6: Варианты, дублирующие друг друга
Варианты ответа должны быть не только исчерпывающими, но и взаимоисключающими. Если вы просите респондентов выбрать только один ответ, варианты не должны совпадать даже частично.
Плохой вариант: Как долго вы работаете в этой компании? а.) менее года б.) 1-2 года в.) 2-3 года г.) 3-4 года д.) более 5 лет
Если бы вы работали в компании 3 года, какой вариант вы бы выбрали?
Исправленный вариант: Как долго вы работаете в этой компании? а.) менее года б.) год и более, но менее двух лет в.) два года и более, но менее трех лет г.) три года и более, но менее четырех лет д.) четыре года и более
7: Обязательные вопросы
Отказавшись от обязательных вопросов, вы позволяете респонденту самостоятельно принимать решение о степени откровенности. В результате вы избавитесь от уклончивых и незначительных ответов, которые появляются по принуждению. Кроме того, вы можете включить в список вариантов формулировку «Затрудняюсь ответить» или «Предпочту промолчать». Если вы не можете обойтись без обязательных вопросов, объясните респондентам, почему они так важны.
Проверка опроса
Существует масса причин для проведения проверки. Вот лишь некоторые из них:
Поначалу проверка может быть неформальной. Обсудите список вопросов с ответственными лицами, чтобы заручиться их поддержкой, выслушать идеи и предложения. Сформировав полный пакет материалов, пригласите несколько человек поучаствовать в тестовом опросе. Понаблюдайте за ними в процессе заполнения опросного листа, и вы узнаете много нового.
Анонимные, конфиденциальные и открытые опросы
Перед тем, как приступить к созданию материалов для опроса, необходимо решить, будет ли он анонимным, открытым или конфиденциальным.
В анонимном опросе ответы респондента не связываются с его личными данными, т.е. наблюдатель не может опознать отвечавшего.
В конфиденциальном опросе каждый респондент указывает о себе некие данные, доступ к которым имеет только специалист, анализирующий результаты, и эти данные помогают ему сделать более качественные выводы.
Участники открытого опроса указывают всю необходимую информацию о себе, и эти данные используются при анализе ответов. Такие опросы обычно применяются в простейших исследованиях, а также при необходимости сообщить каждому респонденту результаты анализа его ответов.
Отбор респондентов
Специалисты из отдела кадровой аналитики Google понимают, что люди, принимающие участие в опросах, рано или поздно устают. Стоит ли приглашать для участия в опросе всех членов исследуемой группы? В некоторых случаях это имеет смысл (например, когда группа невелика или вы заинтересованы в максимальном проценте участников), однако зачастую нужную и достоверную информацию можно получить по выборке среднего размера.
Для определения респондентов мы часто делаем простую случайную выборку. Этот метод не требует особых усилий и предоставляет всем сотрудникам равные возможности поучаствовать в опросе. Выборка производится по следующему алгоритму:
Основным недостатком этого подхода является потенциально низкая разнородность участников, ответы которых не дадут представления о целевой аудитории. Именно поэтому для более масштабных опросов используется более сложная стратифицированная случайная выборка, т.е. к участию в опросе по-прежнему приглашаются случайные сотрудники, однако выбираются они из отдельных групп, входящих в целевую аудиторию (например, 10% представителей отделов продаж из Северной Америки, 10% представителей отделов продаж из Европы и т.д.) Организаторам опросов приходится не только подыскивать подходящие группы, но и тратить больше времени на отбор, однако этот способ гарантирует наличие представителей всех важных групп, входящих в целевую аудиторию.
Подробности о методиках отбора респондентов можно прочесть в обзорном исследовании Гарвардского университета.
Как составить эффективное приглашение к участию в опросе
Подготовив все материалы для проведения опроса, необходимо убедиться в том, что респонденты захотят в нем участвовать. Для повышения доли ответивших следует помнить, что:
Люди охотнее реагируют на приглашения от знакомых. Привлеките к процессу руководителей и попросите их разослать приглашения своим подчиненным.
Приглашение должно быть уместным. Убедитесь, что цель исследования соответствует интересам целевой аудитории. Люди охотнее отвечают на вопросы о том, что представляет для них ценность.
Оглашение результатов
Закончив сбор данных, проанализируйте их и обнародуйте результаты. Для этого:
Свяжитесь с руководителями, передайте им сообщение и попросите донести его до участников опроса. Убедитесь в том, что руководитель видит картину в целом и может передать информацию, не искажая ее. Обнародуйте результаты исследования, не отрываясь от контекста.
Позвольте общественности сравнить результаты. Некоторым командам будет полезно сравнить свои результаты со средними показателями всей компании или прошлогодними показателями. Сравнение помогает выявить и устранить организационные проблемы или разделить общий успех.
Будьте объективны. При обнародовании результатов не стоит скрывать неприглядные моменты вне зависимости от того, как будет воспринято ваше сообщение. Частичное сокрытие информации породит недоверие, и в следующий раз вам вряд ли удастся получить честные ответы.
Спланируйте действия и расскажите об этом плане. Если план действий будет изложен одновременно с результатами исследования, общественность согласует полученные данные и указания и не преминет ими воспользоваться.
Блог про HR-аналитику
Сделать репост в соц сети!
пятница, 6 августа 2021 г.
Что такое People Analytics? Базовое руководство
Следите за статьями в нашем телеграм канале HR-аналитики. Не забывайте про Он-лайн курсы по HR-аналитике
Что такое People Analytics? Базовое руководство
Не так давно упоминание словосочетания «People Analytics» на рабочем месте вызывало много пустых разговоров. Перенесемся через несколько лет, и People Analytics? окажется в центре человеческих ресурсов. Принятие решений о людях в организации сейчас более чем когда-либо основано на анализе и данных, как и в любой другой управленческой дисциплине.
People Analytics также продвинулась в последнее время, перейдя от отчетов систем управления персоналом, численности персонала, отпусков и данных по болезни к более продвинутым возможностям, таким как управление талантами и планирование персонала. Для высокоэффективных организаций наличие и использование хорошо функционирующей people analytics имеет решающее значение для победы в войне за таланты.
Вот ваше основное руководство по HR-аналитике с определениями, примерами, инструментами и многим другим.
Содержание
Что такое people analytics?
Термины people analytics и HR-аналитика часто используются как синонимы. Однако есть разница. HR-аналитика подразумевает, что данные принадлежат исключительно отделу кадров. С другой стороны, people analytics выходит за рамки HR и включает в себя финансы, клиентов, маркетинг и другие источники данных. Кроме того, HR-аналитикой часто злоупотребляют, и поставщики услуг часто сосредотачиваются только на HR-решениях, а не на комплексных решениях для HR-аналитики.
Ниже приведены распространенные источники данных для people analytics:
Как показано на приведенной выше диаграмме, не все источники people analytics происходят из традиционных источников HR, таких как демографические данные, данные по найму и управлению эффективностью. Вам также необходимо просмотреть свои данные CRM, финансовые данные, данные о продажах и связать их с вашим HRIS и другими данными HR. People analytics работает не изолированно, а скорее как неотъемлемая часть более крупной системы обработки данных.
Преимущества People analytics
People analytics не только дает организациям конкурентное преимущество, но и дает множество преимуществ, в том числе: