Inimressursi hindamiseks ja mõõtmiseks ettevõttes on palju objektiivseid näitajaid. Millised neist võimaldavad teil "näppu pulsil hoida" ja mida saab aeg-ajalt vaadata, proovime sellest artiklist aru saada?

Kvantitatiivsed näitajad

Nende abiga mõõdame kvantitatiivsed omadused ettevõtte või ettevõtte töötajad. Põhiküsimus on "kui palju?"

Töötajate arv– teatud kuupäeval tööle võetud töötajate arv. Pöörake sellele tähelepanu, kuna seda indikaatorit aetakse sageli segi teisega, mida arutatakse allpool.

Keskmine töötajate arv (ASH)– keskmine töötajate arv teatud aja jooksul. Tavaliselt arvutatakse vähemalt ühe kuu jooksul.

Indikaatori arvutamiseks on kaks võimalust:

1. Perioodi alguse palganumber summeeritakse selle väärtusega perioodi lõpus ja jagatakse kahega.
2. Tööajaarvestuse andmetest valitakse info kõigi töötajate ilmumiste ja puudumiste arvu kohta valitud perioodil ning jagatakse planeeritud töötundide jäägiga.

Teine meetod on täpsem, kuid nõuab rohkem tööjõudu. Siiski kasutatakse seda enamikus ettevõtetes ja ka ametiasutustele aruandmiseks riigi statistika. Olukorra kiireks analüüsimiseks võite kasutada esimest arvutusvalikut.

Valimisaktiivsuse arv– kõigi hetkel tööl olevate töötajate arv. Arvesse lähevad ka töölähetuses olevad töötajad.

Meeskonna sotsiaaldemograafilised omadused

Keskmine vanusKõik personalijuhid mõõdavad, kuid ei oska alati seda näitajat kasutada. Seda tuleb kasutada värbamispüüdluste prognoosimiseks piisavalt kitsaste personalirühmade analüüsimisel, samuti sotsiaalpoliitika väljatöötamisel või kohandamisel.

Näiteks informatsioon 3000 töötajaga ettevõtte keskmise vanuse kohta ei sobi juhtimisotsuste tegemiseks. Kui vaadata näiteks kaupluste juhtide keskmist vanust, siis saab teha järeldusi tasustamis- ja hüvitispoliitika muutmise vajadusest (on tõestatud, et eri vanuses on prioriteedid erinevad).

Töötajate arv haridustaseme järgi– näitab ettevõtte või teatud töötajate kategooriate teatud üldist haridustaset. Näiteks peetakse vajalikuks, et juhil oleks kõrgharidus. Kuid mitte kõik neist ei õppinud ülikoolides.

Sooline koosseisKollektiivi iseloomustab meeste ja naiste arv ning nende suhe. Huvitav on vaadata neid numbreid elukutse või juhtimistaseme järgi. Teatud "naiste" või "meeste" elukutsed on ilmsed.

Tuleb märkida, et viimastel aastatel on maailma praktikas olnud tavaks mõõtamitmekesisuse näitajadettevõtte personal. See tähendab, et jälgida meeste ja naiste, noorte ja vanemate töötajate, kohalike töötajate ja külastajate suhet. Uuringud kinnitavad, et meeskondade kõrge mitmekesisuse taseme säilitamine toob kaasa parema jõudluse. Muidugi kõrge juhtimistasemega, mis seda mitmekesisust arvestab.

Muud sotsiaaldemograafiliste tunnuste näitajad on järgmised:

• Perekondlik staatus;
• töötajate laste arv ja vanus;
• mittetöötavate pereliikmete (ülalpeetavate) arv töötaja kohta;
• töötajate arv elukoha järgi ja muud näitajad.

HR kvaliteediomadused

Sellesse näitajate rühma kuuluvad need, mis annavad teavet ettevõttes olemasoleva „inimressursi“ kvaliteedi kohta.

Väljundkeskmise töötaja kohta. Näitab teatud aja jooksul toodetud ühikute arvu. See on kõige universaalsem näitaja kulutatud tööjõu mõõtmiseks.

Väljundit saab mõõta looduslikes, tinglikult loomulikes (tööjõumahukuse näitajad) ja kulu mõõtühikutes.

Personali lojaalsus– töötaja soodne suhtumine ettevõttesse või tööandjasse. Seda on üsna raske mõõta, kuigi meetodeid on mitu. Reeglina hindab enamik meetodeid potentsiaalseid tõenäosusi, kas töötaja lahkub tööandja juurest või mitte, kui nad saavad samaväärset või veidi vähem paremad tingimused teise tööandjaga.

Töötajate kaasamine- töötaja seisund, mis aitab tal oma tööd võimalikult hästi täita.Lisateavet kaasamise mõõtmise kohta leiate meie veebisaidi selleteemalisest materjalist..

Personali liikumise näitajad

Personali voolavus– ehk kõige tuntum personali liikumise näitaja. Arvutatakse koondatud töötajate protsendina vastava perioodi keskmisest töötajate arvust.

Sel juhul kasutatakse arvutuses töötajate voolavuse tõttu vallandatud töötajate arvu. Loetleme need:

• vabatahtlik vallandamine (teise töökoha leidmine, pensionile jäämine, elukohavahetus jne);
• vallandamine tööandja algatusel distsiplinaarkaristusena (töölt puudumise, korduva jämeda töödistsipliini rikkumise eest, joobeseisundis tööle ilmumise eest)

Ausalt öeldes väärib märkimist, et pensionile jäämine ei tähenda alati personali “käivet”. Näiteks kui tööandja algatas konkreetselt pensionäri vallandamise (ergutusmakse või muud meetodid), siis on parem selline vallandamine arvestusest välja jätta.

Käive vastuvõtu järgi– arvutatakse palgatud töötajate koguarvu ja töötajate koguarvu suhtena. Jällegi, ärge unustage arveldusperioodi.

Käive vallandamisel– täpselt vastupidine vastuvõtukäibele.

Sisemiste ülekannete arv– näitab ettevõtte personali sisemist mobiilsust.

Tööjõu asendusmäär– arvutatakse palgatud töötajate arvu ja vallandatud töötajate arvu suhtena. Kui see koefitsient on väiksem kui üks, siis väheneb ettevõttes töökohtade arv. Tavaliselt kasutavad seda näitajat tööturuasutused tööturu olukorra hindamiseks.

Ettevõtte personalireserviga tööd iseloomustavad näitajad

Personalireservi olemasolu– näitaja protsentides, arvutatuna järgmiselt. Esiteks määratakse kindlaks ametikohtade arv, mille jaoks on vaja valmistuda. personalireserv. Seejärel märgitakse nende hulgas ametikohtade arv, mille jaoks on juba ettevalmistatud personalireserv. Ja arvutame reservkatte:

Reservi kasutamine kokkuleppel– tähendus selgub nimest. See arvutatakse järgmiselt:

Arvutamiseks tuleks kasutada ainult neid ametikohti, mis on kantud personali reservnimekirja.

Majandusnäitajad

Oluline blokk HR-analüütikas. Levinud on arusaam, et personalijuhtidel on majandusest halb arusaam. Proovime seda parandada.

Vene Föderatsioonis vastu võetud tava kohaselt jagunevad kõik töötajatele tehtavad maksed kolme tüüpi:

1. Palgafond
2. Tööjõukulud, mis ei ole seotud töötasu ja sotsiaaltoetustega

Seda jaotust kasutatakse statistikaagentuurides ning mõningate muudatustega saab seda kasutada ka juhtimisarvestuses ja kuluanalüüsis.

Tuleks öelda, et eesmärkidel maksuarvestus Kasutatakse veidi teistsugust lähenemist, mida on üksikasjalikumalt kirjeldatud Vene Föderatsiooni maksuseadustiku artiklis 255.

Palgafond- Kõik sularaha tööandja eesmärk oli maksta töötajatele nende töö eest tasu. See sisaldab:

• tasu töötatud aja eest (palk, lisatasud ja hüvitised vastavalt tööseadustikule jne)
• tasu tegemata aja eest (puhkusetasu, seisaku palk jne)
• ühekordsed ergutusmaksed
• maksed toidu, eluaseme ja kütuse eest

Sotsiaalmaksed– sellesse kulukategooriasse kuuluvad ettevõtte kulud ravile, puhkusele, reisile, toidule, vallandamise hüvitisele jne. See tähendab kõiki ettevõtte sotsiaalpoliitika elluviimise kulusid.

Muud personalikulud– sõiduraha, vahetustega töötamise hüvitis, õppemaks, kultuuriürituste korraldamine ja muud kulud.

Seda kulude jaotust on vaja arvestada statistiliste aruannete koostamisel ja valitsusasutuste esindajatega suhtlemisel. Juhtimisarvestuse ja personalikulude analüüsi jaoks on aga mugavam kasutada teistsugust kulustruktuuri:

1. Palgaarvestus koos mahaarvamistega
2. Sotsiaalkulude eelarve (kulud ettevõttekultuuri hoidmiseks ja arendamiseks)
3. Personali arendamise eelarve (tasu igat tüüpi ja vormis koolituse eest, sh tasud õpetajatele töötajate hulgast)
4. Administratiivkulude eelarve (lähetuskulud, töökohtade ja kontorite sisseseade ja hooldus, kontor, post jne)

Lisaks üldistele suurtele kulugruppidele on mitmeid olulisi majandusnäitajaid. Need on olulised olukorra analüüsimiseks ja otsuste langetamiseks.

keskmine palk– kõik tööjõukulud (ilma mahaarvamisteta) jagatakse ettevõtte keskmise töötajate arvuga. Soovitatav on kaaluda SWP-d järgmistes "kärbetes":

• osakonna järgi
• elukutse järgi
• juhtimistasandite järgi
• piirkonna või ettevõtte osakondade (ettevõtete) asukoha järgi

Sotsiaalse õigluse ning võrdsete õiguste ja võimaluste tagamise seisukohalt tuleks võrrelda meeste ja naiste SWP-d.

Toodete palga intensiivsus– näitab, kui palju raha on vaja kulutada tööjõule, et toota teatud hulk tooteid. Näiteks võib palga intensiivsust näidata kuirubla/tonn või rubla / rubla.

Mõned kasutusprobleemid

Algajate juhtide ja personalijuhtide jaoks tekib mõnikord küsimusi teatud indikaatorite kasutamise sageduse ja asjakohasuse kohta otsuste tegemisel. Anname mõned soovitused:

• iganädalaselt vaadata üle personali liikumise näitajad: kui palju inimesi võetakse tööle ja vallandatakse, millistel ametialadel toimub personali liikumine; kontrollida ka töötajatele kehtestatud lisatasude ja hüvitiste arvu (ületunnid, teeninduspiirkonna laiendamine jne)
• igakuiselt arvestama palga ja teatud tüüpi sotsiaaltoetuste (finantsabi, ettevõtte poolt väljastatud laenud, reisihüvitis jne), kaadri voolavuse, töötajate arvu näitajate, keskmise palga, toodangu, palgaintensiivsuse ja muude majandusnäitajate näitajaid.

HR analüütika sisaldab erinevaid meetodeid teenuste efektiivsuse tõstmiseks vajalike andmete analüüs ja töötlemine. Lisateavet selle teema kohta leiate artiklist.

Artiklist saate teada:

Mis on personalianalüüs

HR-analüütika on protsess, mille käigus personaliandmete hindamiseks kasutatakse infotöötluse ja ärianalüütika (BA) tehnikaid. Seda nimetatakse sageli talendianalüütikaks. Andmekaevandamine viitab andmebaaside loomise praktikale uut teavet. Peamisi eesmärke on mitu: ülevaadete andmine ja põhiparameetrite tuvastamine.

Eesmärgi omadused:

1. Esimene eesmärk on anda teavet ettevõtte enda tegevuse kohta, mis aitab töötajaid juhtida. Teadmised võivad tagada eesmärkide tõhusa saavutamise.
2. Teine põhifunktsioon: aitab tuvastada teavet, määrata personaliteenuse optimaalsed tulemusnäitajad, mida ettevõte peaks säilitama. See pakub mudeleid, kuidas ennustada, kuidas ettevõte suudab saavutada inimkapitali kõrge investeeringutasuvuse (ROI).

HR-analüütika eesmärk on võimalikult tõhusalt kasutada andmemahtusid inimressursid, mida koguvad enamik ettevõtteid. Ettevõtetel on sageli selliseid andmeid nagu töötajate demograafia, haridusandmed jne. Üksikasjalik analüüs võimaldab neil ammutada olulisi teadmisi, mis aitavad edasisel tööl.

Laadige alla teemakohased dokumendid:

IN Hiljuti mitmed ettevõtted kasutavad personalivaldkonnas suurandmeid, kui suur hulk teavet on struktureeritud ja paigutatud tabelitesse. Sel juhul on vaja kasutada spetsiaalseid programme, mis võimaldavad arvutusi ja analüüsi. Meetodeid on ratsionaalne rakendada juhul, kui organisatsioonis töötab üle 1000 inimese.

Miks määrata HR näitajaid

Personaliotsused põhinevad sageli professionaalsel instinktil, aga ka intuitsioonil, mida tuleb personalinäitajate määramisel arvestada. Tööle võtmine sõltub sageli kontaktist, mis värbajal sellele ametikohale kandideerijaga õnnestus või ebaõnnestus. Instinktide ja intuitsiooni probleem seisneb selles, et halvad tavad võivad võimust võtta. Näiteks võib ebaõiglus jääda märkamatuks. Ilmekas näide on naiste ja meeste palgalõhe. Juhid võivad arvata, et maksavad sama palju, kui nad ei vaata täpseid andmeid.

HR-analüütika aitab parandada tööviljakus, ennustada edukaid mudeleid. See kõrvaldab mõned vead otsuste tegemisel. Näiteks on töökoormuse juhtimine tõhusam, kui andmeid kasutatakse selleks, et näidata, millised osakonnad või rühmad kannavad juba liigset töökoormust ja millised lasevad endale ainult rohkem kohustusi võtta.

Eksperdid on tõestanud, et analüütika aitab kaasa organisatsiooni kiirele kasvule. MIT-i ja IBM-i läbiviidud uuringud on näidanud, et personalianalüüsi kõrge kasutamise tase võib kaasa tuua: müügi, puhaskasumi ja müügikäive töötaja kohta.

HR-analüütika peamised rakendusvaldkonnad

Analüütika valdkonnad on tohutud ning näitajad, millele organisatsioon peab keskenduma, sõltuvad otseselt tööstusest ja ettevõtte olemusest.

Siin on mõned näited peamistest HR näitajatest:

1. vallandamise määr organisatsioonis;
2. aeg töötajate palkamiseks;
3. personali voolavuse määrad erinevate rühmade lõikes;
4. sissetulek spetsialisti kohta.

Parandamiseks kasutatakse etteantud näitajaid ja muid sarnaseid andmeid äritegevuse tõhusus. Peamised valdkonnad, kus teave võib aidata, on järgmised:

Värbamine- analüütika annab vastused küsimustele ideaalsete kandidaatide leidmise kohta vabadele töökohtadele. Näiteks kasutatakse teavet selleks, et tuvastada parimaid tulemusi andvate kandidaatide omadused. Lisaks saate võrrelda organisatsiooni jäävate taotlejate andmeid ja leida nende hulgast samad nimetajad.

Tervis ja ohutus- HR-analüütika võimaldab tuvastada probleemsed valdkonnad. Andmed osutavad rollidele, töökohtadele ja muudele sarnastele teguritele, kus on suur õnnetusjuhtumite määr.

Töötajate hoidmine- tänu teabele saate rohkem teada organisatsiooni jaoks väärtuslike spetsialistide hoidmise kohta. HR-analüütika abil saate tuvastada seotust suurendavaid aspekte personal.

Talendilüngad- info aitab tuvastada lünki ettevõttes. Näiteks mõnes osakonnas on rohkem kvalifitseeritud töötajaid kui teistes ja see võib olla väga häiriv üldine töö organisatsioonid.

Müügi efektiivsus- see HR-analüütika valdkond aitab mõista üksikasju, kuidas jõudlust parandada. Näete, et teatud anded aitavad teil paremini esineda ja programmid annavad kohe tulemusi.

Personalitöö tulemuslikkuse näitajate analüüs

Iga organisatsioon peaks aeg-ajalt läbi viima personalitegevuse tulemuslikkuse näitajate analüüsi, et olemasolevad probleemid kiiresti tuvastada. Eriti sageli tuleb seda teha kriisi ajal, kui on vaja kärpida kulusid minimaalse mõjuga meeskonnale või pigem selle lojaalsusele ja motivatsioonile.

Näitaja nr 1.

Näitaja nr 1. Töötajate eelarve säilitamine

Personali analüütikud kasutavad seda näitajat alati organisatsioonides, kus tööd hinnatakse KPI. See arvutatakse järgmiselt:

Laup = Zf: palk × 100%, kus:

• Laup - peamine eelarvest kinnipidamise määr;
• Zf - ettevõtte töötajate tegelikud kulud;
• Palk - planeeritud kulud spetsialistidele.

Kui märgitakse, et eelarve on ületatud, vähenda ikka viimasena tööjõukulusid. Aga näiteks sotsiaalpaketi kulusid vähenda julgemalt. Läheneda personalikoolituse kuludele diferentseeritult, kasutades personalianalüüsi meetodeid. Tõstke esile need, mida pole soovitav lõigata, ja need, mida saab ohverdada. Oletame, et peate planeerima raha "oma kutsekvalifikatsiooni taseme tõstmiseks". Ja teoreetilised seminarid üldplaneering rahastada, kui sellist koolitust tõesti vaja on.

Näitaja nr 2.

Jooksev rahaline tootlus töötajate kuludelt

Ei = Op: Zf, kus:

• Ei on töötajatesse tehtud investeeringute tulemuslikkuse näitaja;
• Op - tootmismaht, arvutatuna rahas;
• Zf – tegelik finantskulud töötajate kohta.

Näete täpselt, kui palju tooteid ettevõte toodab iga personalile kulutatud rubla kohta. Valemit on lihtne kohandada, võttes arvesse ettevõtte valdkonna eripära. Kui ettevõttes mõjutab personalijuhtimine nii tootmiskulusid kui ka müüki, on parem määrata KPI, mis on seotud brutokasumiga. Sel juhul seotakse personalianalüüs lihtsate arvutustega. Arvutusvalem on järgmine:

Ei = (Pv - Zf) : Zf, kus:

• Ei on töötajatesse tehtud investeeringute tulemuslikkuse põhinäitaja;
• Pv - brutokasum;
• Zf - töötajate tegelikud kulud.

Näitaja nr 3.

Tööviljakus

See parameeter näitab täpselt, kui palju toodangut töötaja kohta toodetakse. Mida kõrgem on skoor, seda parem. See arvutatakse järgmiselt:

Pt = Op: Tz, kus:

• Pt - töötajate tööviljakus;
• Op - tootmismaht;
• TK - tööjõukulud

Arvutamise hõlbustamiseks asendage tööjõukulud keskmine töötajate arv, eeldades, et nad kõik töötasid teatud perioodil sama palju päevi. Personalianalüütik peab arvestama kõigi nüanssidega, sisestama andmed aruandlusdokumentidesse, et hiljem parameetreid arvutada.

Näitaja nr 4.

Personali voolavus

Personali voolavus võimaldab hinnata kogu talituse ja eelkõige personalidirektori tööd. Sujuvuse arvutamise valem näeb välja selline:

Tk = Su: Co × 100%, kus:

• Tk - täpne näitaja käive;
• Su - koondatud töötajate arv;
• Co - töötajate keskmine arv kokku.

Jälgige, kas asenduskulud ületavad spetsialist hind, mida maksate tema hoidmise eest. Kui need ületavad, võib käive ainulaadsete spetsialistide seas kaasa tuua ettevõtte värbamiskulude suurenemise. Kuidas seda vältida? Määrake töötajate seas riskirühm. Reeglina on need ettevõtte võtmejuhid. Nüüd muuda kontrollimatu käive juhitavaks käibeks.

Määrake riskirühmas kõige ebalojaalsemad inimesed, kes võivad ettevõttest lahkuda. Leidke neile eelnevalt asendus. Analüüsige tööturgu ja kutsuge vestlustele sarnase oskustasemega spetsialiste. Lõpuks küsige, kas kandidaat on valmis sellele ametikohale asuma, kui see vabaneb.

Näitaja nr 5.

Töölt puudumise määr

Töölt puudumine on kohalike spetsialistide puudumine tööaeg. Pole tähtis, kas see on mõjuval põhjusel või töölt puudumise tõttu, aga analüütik peab need kokku lugema. Kui näitaja on kõrge, ei püüa töötajad oma tööülesandeid tõhusalt täita. See arvutatakse järgmiselt:

Ap = Dor: üles × 100%, kus:

• Ap - näitaja personali hulgas;
• Dor - puudumise päevade arv;
• Enne - koguarv päeva jooksul perioodil.

Näitaja nr 6.

Inimeste tööga rahulolu

Mõõtke uuringuga rahulolu. Valem on:

Lp = Cl: Co × 100%, kus:

• Lp on töötajate lojaalsuse näitaja;
• Sl - lojaalsete spetsialistide arv;
• Co – vastajate koguarv.

Nad kirjutavad ja räägivad HR-analüütikast palju rohkem, kui mõistavad, mis see tegelikult on ja milliste probleemide lahendamiseks see mõeldud on.

See artikkel räägib sellest, millised on peamised rakenduse raskused ja kust saate alustada analüüsimist.

Seni tähendab HR-analüütika avalikus ruumis kas mõõdikuid ja numbritega töötamist, HR-is statistikat, mis on näitajad kohalikud protsessid või osakondi või jagada juhtumeid, kuidas kaasata IT-osakond personaliandmete arhiivide loomisesse. Tegelikult lahendab HR-analüütika ettevõtte strateegilise arengu probleeme ja määrab peamised prognoositavad trendid.

Niisiis, mis on personalianalüüs?

HR-analüütika on protsess, mille käigus personaliandmete töötlemisel rakendatakse andmeteaduse ja ärianalüütika (BA) tehnikaid. Mõnikord nimetatakse seda ka talendianalüütikaks. Lisaks viitab andmekaeve selles kontekstis andmebaaside kaevandamise praktikale uue teabe loomiseks.

Miks on see majanduse, ettevõtluse ja inimeste globaalse digitaliseerimise valguses praegu nii aktuaalne? Andmed, sõbrad! Suured andmed on kõikjal!

Ja siis saabus neuroteadus, mis näitas meile, kuidas inimeste otsused on ratsionaalse lähenemise asemel subjektiivsed ja täis emotsioone.

Kuidas sellega nüüd edasi elada?

Loomulikult on meil vaja teistsugust otsuste langetamise viisi – et kõik oleks loogiline, mõistlik, andmetele tuginev ja garanteeritud tulemus. Kes seda ei taha? Kõik tahavad! Miks nad seda ei tee?

HR-analüütika valmisolek on endiselt suur väljakutse. 2017. aasta Deloitte'i aruande kohaselt teatas pärast aastaid kestnud teema arutamist vaid 8% vastanutest, et neil on kasulikke andmeid; vaid 9% usub, et neil on hea arusaam sellest, millised töötaja omadused viivad nende organisatsioonis eduni; ja kokku on vaid 15% kasutanud otsejuhtide personali- ja talentide tulemuslikkuse süsteeme.

«See on olnud pikka aega mõistatus. eelmisel kümnendil– miks, arvestades ilmset tähtsust inimkapitali Kas organisatsioonid ei investeeri sellesse ega nõua juhtidelt, et nad teeksid oma otsuseid inimeste kohta tõenduspõhise analüüsi abil? ("")

Mis asi siis on? Miks räägitakse ja kirjutatakse analüütika kasutamise eelistest ja vajalikkusest palju rohkem, kui reaalses töös?

Vaatame seda nähtust erinevate nurkade alt.

Mis on raskus?

Kõigepealt tasub kaaluda sügavaid, põhimõttelisi põhjusi sellise ettevõtte juhtide “pidurdamiseks”. Kirjeldan seda mudelina, mida Pete Ramstad ja John Boudreau esitlesid raamatus Beyond HR (Boudreau ja Ramstad, 2007), mida nimetasid LAMP-mudeliks, analüütikaks, meetmeteks ja protsessiks.

Selles mudelis kirjeldatu lihtsustamiseks on analüütika kasutamise takistamise põhjused järgmised:

• Loogika: me ei suuda selgitada, miks suure jõudlusega töösüsteemid töötavad. See on ikkagi must kast. Mõistame, et nüansside vahel on teatud seos, kuid kindlasti ei saa me öelda, mis millest otseselt sõltub ja mida tuleb X-ga teha, et Y saada.

• Analytics: analüütilistes mudelites on traditsiooniliselt puudu olnud sügavusest ja rangusest. Google'i ja teiste juhtivate ettevõtete juhid pöörduvad selliste tööstusharude poole nagu raketitööstus, kus on mudeleid, mis võtavad arvesse paljusid tegureid. Lihtsamalt öeldes pole see metoodiliselt mõistlik.

• Mõõdikud: Enamasti on andmekogumid seotud praeguse hõiveseisundi, töötajate kulude ja personaliprogrammidega. Parimal juhul esindavad need andmed operatiivset või täiustatud aruandlust, mitte strateegilist või ennustavat analüütikat, mis hõlmab analüüsi, töötajate segmenteerimist ja mis on tihedalt integreeritud strateegilise planeerimisega.

• Protsess: see on analüütika esitlemine otsustajatele. Siin on peamised edutegurid esitatud andmete õigeaegsus ja visuaalne atraktiivsus. See on umbes andmete hankimise kohta reaalajas juurdepääsetavas ja arusaadavas vormis otsuste tegemiseks ning selliste vahendite kasutamise kohta tehisintellekt on alles väljatöötamisel. Näiteks pole enamikul juhtidel aimugi, kuidas töötajate voolavust tõlgendada, sest nad teavad tavaliselt, et madalast voolavusest ei ole alati kasu, ja vastupidi, nad ei tea, kuidas teha kindlaks, mis on olukorras, millega nad silmitsi seisavad, parim. Sellest vaatenurgast oleme personalitööriistade ülevaatamise etapis.

Ma arvan, et ülalkirjeldatu põhjal tundub probleemi keerukus ja sügavus veidi selgem. Seega on objektiivsed põhjused, miks analüütikasse investeerimine tundub üsna riskantne. Jämedalt öeldes, Meil puuduvad selged, usaldusväärsed ja üheselt mõistetavad tööriistad analüütikapõhiste otsuste tegemiseks. Täpsemalt, väga lihtsate kohalike piirkondade jaoks on olemas, kuid need pole oma hinda väärt. Selle taseme kulutamine on mõttekas, kui saame usaldusväärseid ennustavaid trende, mis on äriedu võtmeks. Kuid analüütika üksi ei saa seda tagada.

Me ei taha lihtsalt andmeid töödelda. Soovime omada usaldusväärseid tööriistu enam-vähem garanteeritud tulemusega äriotsuste tegemiseks. Ja selles mõttes jääb peamine ikkagi inimesele:

• oskus esitada strateegiliselt olulisi küsimusi ja neid esitada loogiline struktuur, mis näitab seost personaliinvesteeringute ja kriitiliste organisatsiooniliste tulemuste vahel;

• omad põhjalikke teadmisi oma ettevõttest;

• analüütiliste mudelite loogika mõistmine nende rakendatavuse mõttes organisatsiooni elutähtsate protsesside selgitamiseks ja palju muud.

Kui üldse lihtsate sõnadega Kokkuvõtteks võib öelda, et analüütika kui andmetega töötamise viisi peamine raskus seisneb selles, et kõigepealt peame kindlaks määrama, milliseid tulemusi tahame saada. Ja selleks peame küsima väga õigeid küsimusi, mis nõuavad ettevõtte sügavat mõistmist, seejärel määrama, millise analüütilise mudeli abil saame need tulemused, vastavalt sellele määrama, milliseid andmeid ja millises mahus vajame. , ja alles siis mõtle välja, kuidas saame need täpselt sellisel kujul, nagu vajame?

Kompleksne lähenemine

Lähenemise keerukuse illustreerimiseks vaadake pilti, mis näitab personalianalüüsi meeskonna koosseisu:

See pole veel kõik. Väga oluline on meeles pidada, et üldiselt on fraas “HR-analüütika” tänapäeval teadlaste ja autorite töödes äärmiselt haruldane. See on nii tuttav venekeelne termin. Inglise keeles on nüüd kasutusel People Analyticsi mõiste – people analytics. See ei ole lihtne sünonüüm. Vastupidi. Kohalikest piirkondadest, mis on seotud eranditult HR-iga – käive, värbamismõõdikud, tööhõive staatus jne, on lääs liikunud globaalse “inimeste analüüsi” või “inimanalüütika” poole. Kõik andmed inimeste kohta loevad – nende liikumine, tervislik seisund, aktiivsus sotsiaalvõrgustikes jne. Ainult kogu andmemahtu kasutades saame rääkida prognooside ja strateegiliste otsuste vastuvõetavast usaldusväärsusest. Selliste andmete kogumiseks peavad ettevõtted rakendama uusi tööriistu, mis põhinevad mobiilirakendused ja rohkem ning meelitada ligi spetsialiste, kes võiksid sellega töötada.

Kuid see pole kaugeltki probleemide lõpp, see on alles nende algus.

Kontekst. Suurte ja tihedate andmete ühendamine

Kontekst on kriitiline. Mida see tähendab? See tähendab, et lisaks suurandmetele vajame nn. tihedad andmed: see on kõik väärtuslik teave inimestelt – lood, emotsioonid, suhtlus –, mida ei saa kvantifitseerida, kuid millel on uskumatu sügavus. Sügavaks teeb nad inimeste öeldu õige tajumise kogemus – just see aitab ära tunda lüngad ja augud ennustavates mudelites. Tihedad andmed uputavad äriprobleemid inimeste probleemidesse – pakkudes konteksti. Seetõttu annab suurte ja tihedate andmete kombineerimine sügavama pildi. Töötate nii kogutud kui ka kogumata andmetega: see annab teile võimaluse esitada õigeid küsimusi "miks?" Miks see juhtub?

Konteksti tähtsuse illustreerimiseks toon kaks näidet: negatiivse ja positiivse.

Negatiivne näide- see on lugu Nokiast, millest on saanud juba kurb näide, kuidas oma vormi tipus võib turult välja lennata. Peamise strateegilise valearvestuse olemus seisnes selles, et ettevõtte juhid eirasid tihedaid andmeid, mida ei saanud massiliselt võrrelda suurandmetega, kuid ennustasid absoluutselt täpselt tohutut huvi nutitelefonide vastu isegi kõige vaesemate elanikkonnarühmade seas.

A positiivne näide ka silmapiiril. See on Netflixi jaoks fantastiline kasv. Seal, vastupidi, nägid nad analüütilistes mudelites auke ja kutsusid tehnoloogilise etnograafi (selline eriala juba on) tihedate andmetega töötama. Ja ta mõtles välja midagi, mida suurandmetes näha polnud. Etnograaf märkas, et inimestele meeldib televiisori ette “kinni jääda”, nad ei tunne end selles süüdi, vaid naudivad seda. Ja kombineerides suurandmeid tihedate andmetega, tegid nad midagi lihtsat, kuid tõhusat: erinevate žanrite sarjade näitamise asemel hakkasid nad näitama samu, et inimestel oleks lihtsam jänni jääda. Kuid see polnud veel kõik, nad muutsid vastavalt nendele järeldustele ringhäälingu tava. Suured ja tihedad andmed koondades ei parandanud nad mitte ainult oma äri, vaid muutsid ka viisi, kuidas inimesed meediateavet tarbivad. Nende aktsiad peaksid lähiaastatel kahekordistuma.

Andmed pole midagi. Kontekst on kõik!

Vahendid

Liigume tasapisi oma probleemi läbimõtlemisega edasi ja kui olete ikka veel meiega, on ees viimane bastion.

Need on ressursid. Nagu kõigest ülalkirjeldatust näha, nõuab tõsine töö andmetega “rasket” ja kallist tarkvara, kõrgelt kvalifitseeritud spetsialiste ja palju aega. Kõik see teeb kokku kulud, mis on enamiku organisatsioonide jaoks praktiliselt taskukohased. Kui te seda teemat jälgite, olete ehk märganud, et enamik avaldatud juhtumeid on juhtumid, kus suured ettevõtted kirjeldavad ülemaailmseid uuringuid. Sel juhul tuleb meeles pidada nn. ellujääja viga.

Avaldatud juhtumid on enamasti need, mille puhul see toimis. Ja kui paljud neist, kus see sama kuluga ei õnnestunud? Kuigi odav ja suhteliselt lihtsad tööriistad ja mudeleid pole. Kuid turg on turg ja tõenäoliselt ilmuvad nad mõne aja pärast kogunenud kogemuste tulemusena. Seetõttu püüavad nüüd suured ettevõtted ja kõik teised ootavad, et esimeste tegevuse tulemusena tekiks midagi kättesaadavamat.

Need on tegelikult peamised põhjused, miks ainult 8% vastanutest teatas, et neil on kasulikke andmeid; vaid 9% usub, et neil on hea arusaam sellest, millised töötaja omadused viivad nende organisatsioonis eduni; ja kokku on vaid 15% kasutanud otsejuhtide personali- ja talentide tulemuslikkuse süsteeme.

Kuid andmetega töötamise vajadus ja eelised on ilmsed ja sellest ei saa rääkida. Mida siis teha?

Kust saavad ettevõtted alustada?

Inimeste analüütika on lahendatavate ülesannete globaalsuse tõttu mastaapne suund ja üsna uus. Analüütiliste käsitluste hulgas on aga juba pikka aega hästi arendatud lõike. Need pakuvad võimsaid, kuid juurdepääsetavaid tööriistu ja pakuvad ettevõttele olulist teavet. Üks selline lähenemine on organisatsiooni võrgustiku analüüs(ONA, Organisatsioonivõrgustiku analüüs). Mis see on?

ONA eesmärk on mõõta ja kuvada inimeste, rühmade või organisatsioonide vahelisi suhteid ja voogusid. ONA teeb ainulaadseks see, et ei ole muud võimalust näha organisatsiooni inimeste vahelisi tegelikke seoseid. See on sisuliselt röntgenülesvõte teie organisatsioonist või teie organisatsiooni suhetest välisturuga või teie tööjõust või teie kandidaatide hulgast. Lühidalt, neid suhteid, mida vajate, saab analüüsida.

ONA tekkis sotsiomeetria ja võrguanalüüsi ristumiskohas ning näib olevat äärmiselt kasulik tööriist.

Selle lähenemisviisi suur eelis on selle visuaalsus.

Näiteks: suure naftafirma uurimis- ja tootmisdivisjoni juhtide analüüs näitas järgmise erinevuse ametliku ja tegeliku organisatsioonilise struktuuri vahel (joonis Rob Crossi ajaveeb):

Parempoolselt pildilt on näha, et ettevõttes on üks keskastme juhtidest, teatud Cole (vt vasakpoolne pilt), kes on ametlikus hierarhias peaaegu nähtamatu, kuid tegelikult on just tema kaudu kõik infovood ja tegelik tööjaotus minna. Ta on peamine teabekeskus ja ta otsustab, kes millist teavet saab. Asepresident asub väga kauges perifeerias ja tegelikult ei mõjuta ta operatiivjuhtimist.

Arvan, et olete juba aimama hakanud, millist rolli võib selline skeem mängida näiteks muudatuste juhtimises.

Järgmine suur rakendus ONA jaoks on loomulikult teadmusjuhtimine. Kui sisendis esitate selliseid küsimusi nagu: "Kes on tööl kõige lahedam ekspert?", siis väljundis oleval pildil on näha organisatsiooni peamised asjatundlikkuse kandjad.

Kuidas me ei saa rääkida ülesandest luua ettevõttes infovälja? Igal kommunikatsioonijuhil peab lihtsalt olema selline analüüs, kui ta ei taha pimesi edasi liikuda. Selline analüüs võib näidata nii suhteid kui ka infovoogusid osakondade vahel, ettevõtte ja teiste huvigruppide vahel ning inimeste vahel. Oma koolitusel “HR Unvarnished” puudutame seda teemat lähemalt.

Näiteks kuidas rahanduse ja turunduse koostoime teie ettevõttes tegelikult toimub? Kelle kaudu kogu teave läheb (joonis Rob Crossi ajaveeb)?

Sama kehtib igasuguse innovatsiooni, juhtimise, talentide arendamise jms kohta.

Vaatasime ONA kasutamise väljavaateid organisatsiooni sees, kuid sama edukalt saab seda tööriista kasutada välissuhete analüüsimiseks – konkurentide, tarnijate ja töövõtjatega jne.

ONA peamised rakendused

ONA on kasulike tulemuste saamise kunst: saate kaarte ja indikaatoreid, mis viivad teid tõeliseni head küsimused. See tähendab, et ONA, nagu iga analüütiline tööriist, ei vasta küsimusele "Miks?" Selle vastuse saab anda ainult inimene. Kuid kaardid teevad kahte asja:

• Need annavad näitajaid selle kohta, kus võib olla midagi huvitavat uurida.

• Need pakuvad huvitavaid visuaalseid tulemusi, et toetada tulemuste lugusid.

Muidugi pole see tegelikult nii lihtne, kui esmapilgul tundub. Kogu selle inspireeriva ilu ja näilise lihtsuse taga on tõsine matemaatiline aparaat ja alusuuringud, kuid see on palju lihtsam kui see, mis meil täna "suure analüüsi" puhul on. ONA annab teile kohe väga kasulikke tulemusi ja säästab ressursse.

Victoria Buznik Ja Lilija Grabovskaja, ressursi Talent Management.com.ua ja koolituskursuse “HR ilma kaunistusteta” autorid

Kirjeldav (kirjeldav) analüütika. Kasutades saadaolevat teavet moodustab eesmärgi ja maksimumi täpne kirjeldus uuritav objekt/olukord. Vastab küsimusele: "Mis praegu toimub?". See on igasuguse personalianalüüsi aluseks. Töötab selliste andmetega nagu personali struktuur, tööstandardid, töötajate arvu standardid, palkade ülevaated, protsesside tõhususe mõõdikud, sisemised ja välised võrdlusnäitajad.

Ennustav analüüs. Põhineb ilmsed sõltuvused ja kinnitatud statistilised hüpoteesid võimaldavad personali arvu prognoosides ja töökoormust planeerides “vaadata” lähitulevikku. See võimaldab luua edukate spetsialistide profiili, töötada välja tegevuskava nende kaasamise suurendamiseks ja määrata testide läbimise standardid.

Ennustav analüüs. Kasutab ebaselged sõltuvused, andmeid kirjeldavast analüüsist, ennustavast analüüsist ja suurandmetest, et "mõjutada sündmusi kauges tulevikus". Automatiseeritud tehisintellekti (AI) abil. Neid kasutatakse selleks, et ennetada/ennustada/välja selgitada töötajate vallandamise põhjused juba enne selle toimumist, ennustada nende võimalikku edu/fiaskot konkreetsel ametikohal.

Ennustav modelleerimine kasutab nii traditsioonilisi kui ka uuenduslikke analüüsimeetodeid:

Teoreetiliselt on HR-i ennustav analüütika koos tehisintellektiga loodud selleks, et:

• saavutada ettevõtte pikaajalisi tulemusi (kasumi teenimine);
• tuvastada kaadri voolavuse probleemid ja teha ettepanekuid nende lahendamiseks;
• jälgida uute spetsialistide kaasamise ja olemasolevate spetsialistide hoidmise kulusid, vähendades sellega tegevuskulusid.

Praktikas aga kõik nii libedalt ei lähe.

Ennustav analüüs personalis ja mustas luiges

Ennustavate mudelite vastased usuvad, et analüüs ei ole definitsiooni järgi "ennustav". Põhjenduseks toovad nad idee, mille populariseeris Nassim Nicholas Taleb oma teoses „Must luik. Ettearvamatuse märgi all." Kõik märkimisväärsete tagajärgedega juhtumid on autori sõnul mustad luiged ehk haruldased ja raskesti ennustatavad.

Viitamiseks. Esimene eurooplane, kes musta luike nägi, oli Hollandi rändur Willem de Vlaminck. See juhtus 1697. aastal Lääne-Austraalias. Enne seda olid Vana Maailma esindajad täiesti kindlad, et luiged on eranditult valged. Ja nüüd viimane küsimus: kui tõenäoline on, et üks Euroopa elanik võis ennustada nende lindude ilmumist musta värviga?

Kui Talebi teooria on õige, siis seoses HR-iga ei suuda ennustav analüütika ennustada sündmusi, mis võivad personaliprobleemide lahendamist oluliselt mõjutada.

Kuid teisest küljest paljud suured ettevõtted jätkab suuri investeeringuid tehisintellekti arendamisse, tuues personaliosakondade töösse ennustava modelleerimise tehnoloogiad. Miks nad seda teevad? Proovime välja selgitada.

Ettearvamatu ennustamine: 5 näidet ennustava analüüsi kasutamisest personalitöös

USA eriväed. Võite olla üllatunud, kuid USA erivägede HR kasutab ennustavaid analüütilisi tööriistu, et ennustada, millisest kandidaadist saab eliitüksuse edukas võitleja. Nõuded on karmid. Peame valima parima. Ja nii, et olla kindel. Arvake, ennustage, mis on karmile eriüksuse sõdurile omane: 1) kõrge IQ tase; 2) oskus teha 80 kätekõverdust; 3) julgus, vastupidavus, iseloomu tugevus?... Analüüs viitas punktile 3.

Google. Oma raamatus „Tööreeglid! Miks enamik inimesi maailmas tahab Google'is töötada" kirjutab personaliosakonna (HRM) vanemasepresident Laszlo Bock, et Google'i kõige olulisem personalitööriist on statistika. Esialgne vestlus taotlejaga on täielikult automatiseeritud, viiakse läbi arvutis ja konfigureeritakse parima kandidaadi valimiseks. Otsinguhiiglane hindab ennustava analüüsi abil ka tõenäosust, et inimesed ettevõttest lahkuvad. Üks järeldusi: uued müügitöötajad, keda 4 aasta jooksul ei eduta, lahkuvad suurema tõenäosusega ettevõttest.

Hewlett Packard. HP poisid on tõelised HR-i ennustava analüütika fännid. Ettevõte hakkas ennustavaid tehnoloogiaid usaldama juba 2011. aastal. Seejärel ühendasid ettevõttesisesed teadlased eelmise kahe aasta personaliandmed ja kasutasid ennustavat mudelit, et püüda ennustada 300 000 töötaja lahkumise tõenäosust. Selle tulemusena tekkis nn lennuriski indikaator, mille abil said juhid õigeaegselt reageerida koondamiste hoiatussignaalidele. Tänu sellele säästis HP kuni 300 000 000 dollarit. Mida me veel teada saime: erinevalt Google'ist on Hewlett-Packardi töötajate jaoks oluline mitte ainult edutamine, vaid ka palgatõus. vastasel juhul vallandatakse nad 5 aasta jooksul.

Parim ost. See jaemüüja Koduelektroonika— üks ennustava personaliuuringute eestvedajaid, mille käigus ettevõtte juhtkond tegi kindlaks, et töötajate kaasamise suurenemine 0,1% võrra toob kaasa aastase sissetuleku kasvu 100 000 dollari võrra. Sellised tulemused ajendasid üle vaatama sisemiste töövõtuauditite sagedust: on nüüd tehakse kord kvartalis, mitte kord aastas.

IBM. Sinise hiiglase käsutuses on IBMi superarvuti Watson, mis hindab mitmeid kriteeriume, mis arvatavasti mõjutavad personali voolavust. Nende hulgas: haridustase ja -valdkond, tunnitasu, kirg ja rahulolu tööga, töölähetuste sagedus/puudumine, perekonnaseis, vanus ja isegi kaugus kodust töökohani. Veerg, mis sisaldab märge töötaja läbipõlemise kohta (jah/ei), on esile tõstetud rohelisega (vt allpool olevat ekraanipilti).

Seda infot analüüsides saab personalijuht ära hoida spetsialisti lahkumise ja tuvastada vallandamise põhjuse.

Märge. Tabelis on näidatud struktureeritud andmed, st ennustav analüütika algab ja lõpeb peaaegu alati kirjeldava analüütikaga. Seetõttu ärge unustage traditsiooniliste statistiliste andmete kogumist. Need tulevad kindlasti kasuks, kui otsustate ennustusmudeleid välja töötada.

5 sammu ennustava mudeli väljatöötamiseks

IN üldine vaade töö edenemine on järgmine (kasutades kvalifitseeritud spetsialistide soovil vallandamise prognoosi näidet):

1. Eelduste ettevalmistamine, miks kõrgelt kvalifitseeritud töötajad omal soovil töölt lahkuvad. Uuring:
   • Välised tegurid: nõudlus kompetentside järele, palgamuutuste dünaamika, tööandja positsioon tööturul.
   • Sisemised tegurid: tööaeg (graafik, ületunnid), töölähetuste olemasolu/puudumine; mugavuse tase kontoris; palgatase; karjäärikasv, arenguväljavaated; sõiduaeg tööle.
   • Individuaalsed omadused: sugu, vanus, perekonnaseis, laste olemasolu; psühholoogiline profiil; võõrkeelte oskus.
2. Saadaolevate andmete määramine. Nad otsustavad, kust leida eelmises etapis püstitatud hüpoteeside kontrollimiseks vajalikku teavet. Võimalikud allikad:
   1. Välised andmed värbamislehtedelt, palkade ülevaated.
   2. Läbipääsukontrolli ja haldussüsteemi siseinfo (hilinemine, pausid, varajased lahkumised, muutused väljakujunenud käitumises); andmed külastatud saitide kohta; kaasamisuuringute ja tulemuslikkuse hindamiste tulemused; personali andmed (palga- ja karjäärimuutused)
   3. Psühhodiagnostika tulemused.
3. Teabe kogumine, kontrollimine ja struktureerimine. Reeglina pikim etapp.
4. Mudeli väljatöötamine: 1) loomine, 2) testimine, 3) visualiseerimine. Nad loovad ja testivad reaalsetel andmetel põhinevat prototüüpmudelit, arendavad kasutajaliidest ja koolitavad personalijuhte süsteemiga suhtlema.
5. Mudeli rakendamine. Ideaalis mitte ainult prognoosimine, vaid ka töötajate vallandamise riski näitajate (ka kaugjuhtimise) jälgimine.

Teeme kokkuvõtte ja mõtleme, kuidas artikli materjali kodumaises personalireaalsuses rakendada.

Vaba töökoha täitmise maksumus

See on arv, mis sisaldab vaba töökoha töökohtadele avaldamise, värbajatega kontaktide, sõeluuringu, intervjuude maksumust – kõigel, mis kandidaatide otsimise käigus toimub, on oma hind inim- ja ajaressursi näol. Vastavalt Supertöö uurimine,ühe vaba töökoha täitmise maksumus Venemaal 2015. aastal oli 10 000. Moskvas on see näitaja pisut erinev - 17% kõrgem kui riigis. Viimase aasta jooksul on ühe vaba töökoha täitmise maksumus vähenenud, samuti on oluliselt vähenenud personalikulud.

Aeg täita vaba töökoht

Ühe vaba töökoha täitmiseks kuluv aeg on peaaegu sama oluline kui protsessi maksumus. Kahjuks leidke mõned keskmine väärtus me ebaõnnestusime. Me teame seda USA-s vaja umbes 25 päevaühe vaba koha täitmiseks.

Valem on lihtne: # päeva on ametikoht avatud / # palgatud kandidaatide arv

Kandidaatide allikad

Teades allikaid, mis toovad teieni kõige rohkem häid kandidaate, muudab värbamisprotsessi palju lihtsamaks. Siin tasub enne pakkumise vastuvõtmist läbi mõelda kõik, vaba töökoha spetsiifika ja kõik vastamiseks saadaval olevad platvormid - arendaja vastas Facebookis ja läks karjäärilehele ning raamatupidaja vastas kohe töökohal. On vahe. Tänu seda tüüpi analüütikale saate vähendada vaba töökoha täitmise kulusid.

Värbamisprotsessi tõhusus

Igas valikuetapis eemaldate kellegi välja, keegi langeb ise välja - põhjuste analüüs, miks see just selles etapis juhtus, võimaldab teil värbamisprotsessi tõhusamalt üles ehitada. Esitage neid küsimusi, mis rookivad välja sobimatud kandidaadid, rääkige ettevõtte tööpõhimõtetest, mis ei pruugi kellelegi sobida, andke testülesanded varem, nii et need kandidaadid, kes neid täita ei soovi, eemaldatakse kohe valikuprotsessist.

Valem on järgmine: (järgmisse etappi pääsenud kandidaatide arv / valitud kandidaatide koguarv) X 100

Pakkumise vastuvõtmine

See on lihtne – kui suur protsent kandidaatidest, kes läbisid kõik valikuetapid, sai lõpuks pakkumise (ja võtsid selle vastu)? Oluline on arvesse võtta mitte ainult teavet selle kohta, miks valisite just need kandidaadid, vaid ka seda, miks teised keeldusid või ei jõudnud mingil põhjusel valiku lõppfaasi.

Analüütika vaja valikuprotsessi parandamiseks: kuidas demonstreerite ettevõtte kultuuri? Mis ajab inimesi intervjuude ajal eemale? Kuidas kandidaadid reageerivad teabele palgad ja kontori asukoht?

Personali voolavus

Käivet tuleks jälgida regulaarselt – analüüsida iga paari kuu, kuue kuu või aasta tagant. See võimaldab teil selgelt mõista, miks töötajad ettevõttest lahkuvad ja mida tuleb teha, et seda ei juhtuks - me räägime jällegi palkamise säästmisest ja ka stabiilse vundamendiga ettevõttekultuuri loomisest heade spetsialistide näol. .

Valem: # aasta jooksul lahkunud töötajate arv / kokku # töötajate arv

Käibekulu

Alahinnatud tegur on see, et iga töötaja, kes ettevõttest lahkub, maksab ka raha. Kõlab küüniliselt, aga see on fakt ja veel üks põhjus mõelda, miks kontor tühi on ja mida sa valesti teed. Lisaks, kui töötajad lahkuvad, mõjutab see ka üldist meeleolu meeskonnas - teda hakkavad järgima teised, kes lihtsalt kardavad muutusi või, vastupidi, võtsid ootamatult julguse lahkuda. Ja veel – sa pead teadma, kui palju töötaja kaotus sulle maksma läheb.

Valem (võib olla valikuvõimalusi): vahendid, mis makstakse pärast töötaja lahkumist + vaba töökoha maksumus + töötaja asendamise kulu + algkoolituse ja kohanemise maksed

Keskmine ametiaeg

Analüüsige, kui kaua töötajad keskmiselt teatud ametikohal töötavad. Nii saad aru, millal on töötaja lahkumine lähedal ja millisel hetkel on parem personalimuudatusi teha.

Kanali efektiivsus

Kas teie puhul on õige FB-s vabade töökohtade avaldamine? Kui palju tõeliselt häid kandidaate tuli ametikohale töökohalt? Kanalite efektiivsuse analüüsimine võimaldab kasutada ainult neid platvorme, mis võimaldavad regulaarselt kandideerida sobivatel kandidaatidel.

Avatud positsioonid vs. Suletud vabad töökohad

See on suurettevõtete jaoks asjakohane analüütikaartikkel – tuleb võrrelda äsja täidetud ja tekkinud vabade töökohtade arvu, et värbamisprotsessi tulemuslikkust ümber hinnata. Kui ettevõttes on vähe vabu töökohti, tähendab see, et teete kõike õigesti ja kõik on ettevõttes üsna harmooniline.

Ettevõtte töötajate keskmine vanus

Teades, mis vanuses teie töötajad peavad olema, võib värbamine olla tõhusam ja ettevõttekultuuri kujundamine lihtsam. Põlvkondade erinevus annab endiselt tunda töökohal - kuigi Venemaal pole Y ja Z põlvkonna teooria nii aktuaalne, on palju rohkem olulised omadused, mida peaksite oma töös tähele panema ja regulaarselt analüüsima.

Kaasamine ja rahulolu

Kaks näitajat, mida kõige sagedamini mõõdetakse uuringute abil. Nende tõhususe küsimus personalitehnoloogiate maailmas on terav. Sinu ülesandeks on leida oma ettevõtte jaoks optimaalne töötajate kaasamise ja rahulolu analüüsi tööriist. See, kas teete anonüümseid küsitlusi või lihtsalt vestlete oma meeskonnaga, pole nii oluline, peaasi, et vastused oleksid tõelähedased.