Qu'est-ce qu'un « graphique » ?

Toutes les industries génèrent des données. Grâce aux données, nous pouvons mieux comprendre le client interne, optimiser les processus et regarder différemment l'interaction des employés. Ces processus peuvent être décrits en utilisant la théorie des graphes.

Un graphe est un objet mathématique abstrait qui se compose de sommets (points) et d'arêtes (lignes) qui les relient. Prenons l'exemple d'Internet - de nombreux sites sont liés par des liens. Le cœur du métier de Yandex est de contourner rapidement le graphe Internet, d'analyser le contenu et de donner une réponse pertinente à l'utilisateur. Un autre exemple est Yandex.Taxi : en trouvant la distance la plus courte entre les points sur la carte, le service aide le passager à atteindre sa destination.

Graphique Yandex : points - employés, lignes - interaction entre eux

Une représentation abstraite des objets sous forme de graphes a été proposée par le mathématicien Leonard Euler, qui a résolu un problème populaire au XVIIIe siècle : comment traverser tous les ponts de la ville de Königsberg sans marcher deux fois sur l'un d'eux ?

Sources et exigences pour les données

Pour construire un graphique, vous avez besoin de données. Une organisation peut utiliser comme sources de données :

courrier d'entreprise

calendrier des réunions du personnel

tâches dans le tracker

appels PBX internes

Les trackers sont particulièrement populaires auprès des entreprises informatiques. Ils permettent de définir des tâches, d'affecter des personnes responsables de leur exécution, de joindre des fichiers. Les trackers facilitent grandement le travail d'équipe. Dans Yandex, cet outil est utilisé non seulement par les développeurs, mais également par d'autres départements.

Les services RH utilisent le tracker pour :

approbation des postes vacants

embauche

adaptations

apprentissage

L'analyse RH est construite sur la base de cet outil.

Exigences en matière de données:

Qualité. Les données doivent être exemptes d'erreurs et d'omissions. Les indicateurs doivent être portés à une vue d'ensemble.

L'exhaustivité. Désormais, travailler dans plusieurs systèmes d'information en même temps est devenu la norme. Les données provenant d'un seul système ne seront pas complètes.

Analyse des interactions

Les points et les lignes sur le graphique représentent les employés et leurs interactions. Plus le diamètre de la pointe est grand, plus l'interaction entre l'employé et ses collègues est intense. Plus la ligne reliant deux employés est épaisse, plus l'interaction est intense dans cette paire.

Interactions avec les employés Yandex

Il est important de prendre en compte et d'interpréter correctement toutes les données. L'intensité des interactions entre les employés dépend directement de leur poste et des tâches qui leur sont assignées.

Quelles conclusions peut-on tirer et qu'est-ce qui peut être appliqué dans les changements organisationnels :

Efficacité des interactions. Si les groupes diffèrent par l'intensité des interactions et qu'ils ont un indicateur objectif tel que des KPI ou qu'une évaluation des performances est en cours, vous pouvez alors comparer les facteurs du graphique (intensité des interactions) et prédire quelles actions conduisent aux meilleurs indicateurs . Par exemple, une quantité excessive de communication peut submerger les managers et affecter leur épuisement professionnel.

Style de gestion des dirigeants. Les données vous diront si le gestionnaire utilise la microgestion ou le contrôle total. À l'aide des données du graphique, vous pouvez dire au gestionnaire si son style de gestion est adapté à chaque tâche spécifique et quelles actions peuvent améliorer l'efficacité des employés.

Communication au sein de l'équipe. Par exemple, les membres de l'équipe interagissent bien les uns avec les autres, mais interagissent à peine avec les autres collègues. Une telle équipe peut créer un projet qui a déjà été dans l'entreprise, les données le concernant sont stockées, mais l'équipe ne le sait pas. En conséquence, les ressources de l'entreprise seront gaspillées en raison d'une interaction insuffisante avec les autres départements. Ou vice versa, lorsque les communications internes à l'équipe sont boiteuses, cela entraîne un retard dans la préparation du projet.

Image complète interactions avec les employés vous permet de créer automatiquement une liste de collègues pour une enquête à 360 degrés. Dans ce cas, les données que le gestionnaire recevra sur la base des résultats de l'enquête seront complètes.

Interaction entre les équipes

Métrique

Certaines métriques de la théorie des graphes peuvent être utilisées avec succès dans les organisations :

Densité / rareté. Un graphe est dit complet lorsque tous ses sommets sont reliés par des arêtes. Dans le monde réel, un exemple de graphe complet peut être une petite startup : une petite équipe sympathique dans laquelle tout le monde se connaît et interagit efficacement. Le départ d'un employé n'entraîne pas la perte d'informations essentielles, l'interaction n'est pas perturbée.
Avec la croissance de l'entreprise, la densité est perturbée. Il est difficile d'imaginer une entreprise avec des milliers d'employés dans laquelle tous les employés se connaissent. Une telle entreprise se caractérise par le risque de perdre des communications importantes au sein de l'équipe lors du départ d'un employé.

Distance. Cette métrique rappelle la théorie bien connue des six poignées de main. Plus la distance entre les employés est courte, plus la cohésion est grande, plus les gens se connaissent.

Centralité. Cette métrique est bien illustrée par le graphe des personnages de « Game of Thrones » : après la mort inattendue d'un des personnages centraux de l'œuvre, les scénaristes ont des difficultés à scénario personnages secondaires.

Pont. On peut l'illustrer par l'exemple de la Belgique - un pays à deux langues officielles, où un petit pont de personnes parlant deux langues relie des concitoyens « unilingues ». Dans l'entreprise, les personnes sur ce pont sont porteuses de connexions très importantes. Leur départ est un gros problème pour l'entreprise.

Application

Dans les entreprises avec une structure de projet, les projets sont lancés et clôturés sur une base hebdomadaire, il est important de garder une trace des coûts. Il est nécessaire de collecter et de transmettre correctement les données pour les calculs économiques. Ce processus peut être amélioré grâce à l'automatisation. Yandex a effectué les opérations suivantes :

Construit un graphique de l'entreprise.

En analysant le comportement d'un employé au cours de chaque mois spécifique, les analystes RH peuvent voir dans quel projet ils se trouvent actuellement. Le besoin de correspondance avec les chefs de service a disparu. Cela fait gagner du temps aux entreprises et aux analystes.

Jusqu'à présent, il s'agit d'un projet pilote qui montre des résultats intéressants. De nombreux projets de recherche dans Yandex sont ensuite déployés en production.

Ainsi, la méthode classique de l'analyse

Données. Source, exhaustivité et qualité.

Visualisation. Comment regarder ces données, comment les utiliser. Des idées sur les métriques, qui, dans le cas de l'analyse RH, peuvent être tirées de la théorie des graphes ou être proposées par vous-même.

Rapports, qui montre mensuellement ce qui se passe dans l'entreprise. Par exemple, l'intensité de l'interaction entre les gestionnaires.

Métrique, qui servent aux conclusions.

Analyses prédictives- lancer un processus automatisé qui fait gagner du temps.

Ce que vous devez savoir d'autre sur l'analyse RH

Kevin Wheeler, président et fondateur de Global Learning Resources, Inc., dans un article"Le revers de l'analytique RH : 8 faits méconnus" met en évidence plusieurs facteurs importants concernant les données RH :

L'analytique n'est pas une pilule magique. L'analyse n'est pas une solution miracle. Les données aident à comprendre le problème et éventuellement à choisir plus méthode efficace ses solutions, mais les données ne remplacent pas l'empathie et le raisonnement humain.

Comprendre exactement ce que vous voulez savoir. Vous avez besoin de la plus grande clarté sur ce que vous voulez analyser ou mesurer. Et assurez-vous que c'est même possible.

En utilisant la méthode appropriée. La méthode de collecte des données peut également être une tâche ardue... Un cas d'utilisation de l'analyse consiste à clarifier un problème ou à trouver des causes possibles.

Les données passives peuvent être meilleures que les données demandées. Il est beaucoup plus facile de collecter soi-même des données passives que de demander des données fiables à d'autres. Il est relativement facile de recueillir des informations factuelles sur les actions et les décisions.

Le soutien est important. L'utilisation efficace des données nécessite un soutien de la direction et une culture d'entreprise appropriée dans laquelle les données sont valorisées.

Le but contrôle la situation. La tentation est grande de tout mesurer, surtout au début, lorsqu'un outil d'analyse vient d'être mis en œuvre dans une entreprise. Mais il vaut mieux se concentrer sur deux ou trois questions clés auxquelles vous voulez une réponse. Vous disposez alors de suffisamment de temps pour une collecte de données plus précise et une analyse complète.

Les données sont erronées. V Ces derniers temps il est devenu habituel de mettre les données sur un piédestal et de les percevoir comme de l'information pure, dans laquelle il n'y a ni politique ni opinions. Mais, malheureusement, les opinions influencent l'analyse des données au même titre que tout le reste.

Plus c'est simple, mieux c'est. Prenez le temps de dresser une liste : ce que vous aimeriez vraiment savoir pour améliorer votre processus de recrutement ; quelles données vous aideront à améliorer l'efficacité de la plupart des sources ou à répondre à des questions de gestion d'actualité.

Récemment, les problèmes d'interprétation correcte des données ont également étéparlé par Nassim Taleb : « Si vous savez travailler avec Big Data, c'est bien, mais il faut être capable de l'interpréter, de filtrer les bêtises et les bruits inutiles qui embrouillent tout. Fait intéressant, les seuls qui savent travailler avec les données sont les services antiterroristes. Ils sont capables de ne pas trouver de fausses corrélations et de restreindre l'échantillon à des suspects spécifiques ; ils recherchent des connexions.L'ordinateur peut simplement être trompé avec des données, la discipline statistique est très importante. Les mégadonnées ne peuvent pas nous dire ce qui est juste, seulement ce qui ne l'est PAS. »

Source de l'image - Environnement RH

Cas RH pertinents et intéressants dans notre Telegram. Abonnez-vous à la chaîne !

La copie et tout traitement des éléments du site du site sont interdits

Ils écrivent et parlent de l'analyse RH bien plus qu'ils ne comprennent ce que c'est vraiment et quelles tâches il est conçu pour résoudre.

Cet article porte sur les principales difficultés d'application et par où commencer l'analyse.

Dans l'espace public, l'analyse RH signifie soit des métriques et fonctionne avec des chiffres, des statistiques en RH, qui sont des indicateurs processus locaux départements, ou partager des cas sur la façon de connecter le service informatique à la création d'archives de données RH. En effet, l'analyse RH résout les problèmes de développement stratégique de l'entreprise, détermine les principales tendances prévisionnelles.

Alors, qu'est-ce que l'analyse RH ?

L'analyse RH est le processus dans lequel les techniques de traitement des données et de business intelligence (BA) sont appliquées au traitement des données RH. Elle est parfois aussi appelée analyse des talents. De plus, l'exploration de données dans ce contexte fait référence à la pratique d'examiner des bases de données pour créer de nouvelles informations.

Pourquoi est-ce si pertinent maintenant, à la lumière de la numérisation mondiale de l'économie, des entreprises et des personnes ? Données, les amis ! Le big data est partout !

Et puis les neurosciences sont arrivées à temps, nous montrant à quel point les décisions humaines subjectives et émotionnelles sont au lieu d'une approche rationnelle.

Comment vivre avec maintenant ?

Bien sûr, une façon différente de prendre des décisions est nécessaire - pour que tout soit logique, raisonnable, basé sur des données et avec résultat garanti... Qui ne veut pas ça ? Tout le monde veut! Pourquoi pas ?

La préparation à l'analyse des ressources humaines reste un défi majeur. Selon le rapport Deloitte 2017, après plusieurs années de discussion sur cette question, seuls 8 % des répondants déclarent disposer de données utiles ; seulement 9 % pensent avoir une bonne compréhension des caractéristiques des employés qui mènent au succès dans leur organisation ; et seulement 15 % en général ont déployé des systèmes de mesure des ressources humaines et des talents pour les responsables hiérarchiques.

«Cela a été un mystère tout au long la dernière décennie- pourquoi, étant donné l'importance évidente du capital humain, les organisations n'y investissent-elles pas et demandent-elles aux dirigeants de prendre leurs décisions sur les personnes en utilisant des analyses factuelles ? » (").

Alors, quel est le problème ? Pourquoi parlent-ils et écrivent-ils sur les avantages et la nécessité d'utiliser l'analytique beaucoup plus qu'ils n'en utilisent dans le travail réel ?

Regardons ce phénomène sous différents angles.

Quelle est la difficulté ?

Tout d'abord, il convient de s'interroger sur les raisons profondes et fondamentales de ce « ralentissement » de la part des dirigeants des entreprises. Je décrirai cela dans le cadre du modèle que Pete Ramstad et John Boudreau ont présenté dans Beyond HR (Boudreau et Ramstad, 2007), qui s'appelle le modèle LAMP (logique, analytique, mesures et processus).

Pour simplifier ce qui est décrit dans ce modèle, les raisons pour lesquelles l'utilisation de l'analytique est ralentie sont les suivantes :

• Logiques : nous ne pouvons pas expliquer pourquoi les systèmes de production performants fonctionnent. C'est encore une boîte noire. Nous comprenons qu'il existe une certaine relation entre les nuances, mais nous ne pouvons certainement pas dire ce qui dépend directement de quoi et de ce qui doit être fait avec X pour obtenir Y.

• Analytique: il y a toujours eu un manque de profondeur et de rigueur dans les modèles analytiques. Les dirigeants de Google et d'autres entreprises de premier plan se tournent vers des secteurs comme les fusées, où il existe des modèles qui prennent en compte une grande variété de facteurs. En termes simples, ce n'est pas méthodologiquement solide.

• Métrique: le plus souvent, les ensembles de données se rapportent au statut d'emploi actuel, aux coûts des employés et aux programmes de RH. Au mieux, ces données sont des rapports opérationnels ou avancés, plutôt que des analyses stratégiques ou prédictives, qui incluent des analyses, une segmentation des employés et sont étroitement intégrées à la planification stratégique.

• Traiter: c'est une présentation de l'analytique aux décideurs. Ici, les principaux facteurs de succès sont l'actualité et le degré d'attrait visuel des données présentées. Il est sur l'obtention de données en temps réel sous une forme accessible et compréhensible pour la prise de décision, et de tels outils utilisant intelligence artificielle juste en cours de développement. Par exemple, la plupart des cadres n'ont aucune idée de la façon d'interpréter les taux de roulement des employés car ils savent généralement qu'un faible taux de roulement n'est pas toujours bénéfique et, à l'inverse, ils ne savent pas comment déterminer ce qui convient le mieux à la situation à laquelle ils sont confrontés. De ce point de vue, nous sommes au stade de la révision des outils RH.

Je pense que d'après ce qui précède, la complexité et la profondeur du problème semblent un peu plus claires. Il y a donc des raisons objectives pour lesquelles investir dans l'analytique semble être une entreprise assez risquée. Grosso modo, nous ne disposons pas d'outils clairs, fiables et sans ambiguïté pour prendre des décisions basées sur des analyses. Plus précisément, pour des zones locales très simples, il y en a, mais elles ne valent pas le coût. Les coûts à ce niveau ont du sens si nous pouvons obtenir des tendances prédictives fiables qui sont la clé du succès de l'entreprise. Et l'analyste seul ne peut le garantir.

Nous ne voulons pas simplement traiter les données. Nous voulons disposer d'outils fiables pour prendre des décisions commerciales avec des résultats plus ou moins garantis. Et en ce sens, l'essentiel reste toujours avec la personne :

• la capacité de poser des questions stratégiquement pertinentes et de les présenter structure logique montrer la relation entre l'investissement dans les ressources humaines et les résultats organisationnels critiques ;

• posséder une connaissance approfondie de leur entreprise;

• comprendre la logique des modèles analytiques dans le sens de leur applicabilité pour expliquer les processus vitaux dans l'organisation et bien plus encore.

Si du tout en mots simples Pour résumer, la principale difficulté de l'analytique en tant que façon de travailler avec les données est qu'il faut d'abord déterminer les résultats que l'on veut obtenir. Et pour cela, vous devez poser des questions très correctes qui nécessitent une compréhension approfondie de l'entreprise, puis déterminer à l'aide de quel modèle analytique nous pouvons atteindre ces résultats, en fonction de cela, déterminer de quel type de données et dans quel volume nous avons besoin , et alors seulement, comment pouvons-nous les obtenir exactement sous la forme requise.

Une approche complexe

Pour illustrer la complexité de l'approche, jetez un œil à l'image montrant la composition de l'équipe d'analyse RH :

Ce n'est pas tout. Il est très important de rappeler que, de manière générale, l'expression « HR analytics » est aujourd'hui extrêmement rare dans les travaux des chercheurs et des auteurs. C'est un terme si familier en russe. En anglais, le concept de People Analytics est maintenant utilisé - people analytics. Ce n'est pas un simple synonyme. Vice versa. Des domaines locaux liés exclusivement aux RH - chiffre d'affaires, indicateurs de recrutement, statut d'emploi, etc., en Occident, ils sont passés à l'« analytique des personnes » ou « l'analytique humaine ». Toutes les données sur les personnes sont importantes - leurs déplacements, leur état de santé, leur activité sur les réseaux sociaux, etc. Ce n'est qu'en utilisant l'intégralité des données que l'on peut parler d'un degré de fiabilité acceptable des prévisions et des décisions stratégiques. Pour collecter de telles données, les entreprises doivent mettre en place de nouveaux outils basés sur Applications mobiles et pas seulement, et attirer des spécialistes qui pourraient travailler avec cela.

Mais c'est loin d'être la fin des problèmes, ce n'est que le début d'eux.

Le contexte. Combiner des données volumineuses et denses

Le contexte est critique. Qu'est-ce que ça veut dire? Cela signifie qu'en plus des mégadonnées, nous avons besoin de soi-disant. données denses : ce sont toutes ces informations précieuses provenant des personnes - histoires, émotions, communication - qui ne peuvent pas être quantifiées, mais elles portent en elles le sens d'une profondeur incroyable. Ce qui les rend profonds, c'est l'expérience de percevoir correctement ce que les gens disent - c'est ce qui aide à reconnaître les lacunes et les lacunes des modèles prédictifs. Les données denses plongent les problèmes commerciaux dans les problèmes humains - clarifie le contexte. Par conséquent, la combinaison de données volumineuses et denses fournit une image plus profonde. Vous travaillez à la fois avec des données collectées et non collectées : cela permet de poser les bonnes questions « pourquoi ? Pourquoi ça arrive ?

Pour illustrer l'importance du contexte, je vais donner deux exemples : négatif et positif.

Exemple négatif- c'est l'histoire de Nokia, qui est déjà devenu un triste exemple de la façon dont vous pouvez voler hors du marché à son apogée. L'essence de la principale erreur de calcul stratégique était que les dirigeants de l'entreprise ignoraient les données denses, qui ne pouvaient pas correspondre à la matrice avec les mégadonnées, mais prédisaient avec précision l'énorme intérêt pour les smartphones, même parmi les segments les plus pauvres de la population.

UNE exemple positif aussi bien en vue. C'est la croissance fantastique de Netflix. Là, au contraire, ils ont vu des lacunes dans les modèles analytiques et ont invité un ethnographe technologique (il existe déjà une telle spécialisation) à travailler avec des données denses. Et il a découvert quelque chose qui n'était pas visible dans les mégadonnées. L'ethnographe a remarqué que les gens aiment "se coller" devant la télévision, ils ne se sentent pas coupables, mais en profitent simplement. Et en combinant des données massives avec des données denses, ils ont fait quelque chose de simple mais efficace : au lieu de diffuser des émissions de télévision multi-genres, ils ont commencé à jouer les mêmes pour permettre aux gens de « coller » plus facilement. Mais ce n'était pas tout, ils ont changé la pratique même de la diffusion conformément à ces constatations. En rassemblant des données volumineuses et denses, ils ont non seulement amélioré leur activité, mais ont également changé la façon dont les gens consomment les médias. Leurs parts devraient doubler dans les prochaines années.

Les données ne sont rien. Le contexte est tout !

Ressources

Nous avançons progressivement dans la réflexion sur notre problème, et si vous êtes toujours avec nous, le dernier bastion est devant nous.

Ce sont des ressources. Comme vous pouvez le voir ci-dessus, un travail sérieux avec des données nécessite des logiciels "lourds" et coûteux, des spécialistes hautement qualifiés et beaucoup de temps. Tout cela s'ajoute à des coûts qui sont pratiquement inabordables pour la plupart des organisations. Si vous suivez le sujet, vous avez peut-être remarqué que la plupart des cas publiés sont des cas de grandes entreprises décrivant la recherche mondiale. Dans ce cas, vous devez vous rappeler le soi-disant. erreur du survivant.

Les cas publiés sont principalement ceux dans lesquels ils ont travaillé. Et combien de ceux qui n'ont pas fonctionné aux mêmes coûts ? Bien que peu coûteux et relativement outils simples et pas de modèles. Mais le marché est le marché et, très probablement, après un certain temps, ils apparaîtront à la suite de l'expérience accumulée. Par conséquent, les grandes entreprises essaient maintenant, et tout le monde attend que quelque chose de plus abordable apparaisse à la suite des activités des premières.

Ce sont en fait les principales raisons pour lesquelles seulement 8 % des personnes interrogées déclarent disposer de données utiles ; seulement 9 % pensent avoir une bonne compréhension des caractéristiques des employés qui mènent au succès dans leur organisation ; et seulement 15 % en général ont déployé des systèmes de mesure des ressources humaines et des talents pour les responsables hiérarchiques.

Mais la nécessité et l'avantage de travailler avec des données sont évidents et non négociables. Donc que fais-tu?

Par où les entreprises peuvent-elles commencer ?

L'analyse des personnes est une direction à grande échelle en raison de la nature globale des tâches à résoudre et est assez nouvelle. Cependant, parmi les approches analytiques, il existe déjà des sections bien développées depuis longtemps. Ils fournissent une boîte à outils puissante mais abordable et peuvent fournir des informations importantes à l'entreprise. Une telle approche est analyse du réseau organisationnel(ONA, Analyse des réseaux organisationnels). Ce que c'est?

Le but de l'ONA est de mesurer et d'afficher les relations et les flux entre les personnes, les groupes ou les organisations. L'unicité de l'ONA réside dans le fait qu'il n'est en aucun cas impossible de voir les liens réels entre les personnes de l'organisation. En fait, il s'agit d'une radiographie de votre organisation ou de la relation de votre organisation avec le marché externe, ou votre personnel, ou un bassin de candidats. En bref, les relations dont vous avez besoin peuvent être analysées.

ONA est né à l'intersection de la sociométrie et de l'analyse de réseau et semble être un outil extrêmement utile.

Un énorme plus de cette approche est sa visibilité.

Par exemple : Une analyse des cadres d'une division d'exploration et de production d'une grande compagnie pétrolière a donné la différence suivante entre la structure organisationnelle formelle et réelle (Fig. De Le blog de Rob Cross):

On voit sur la figure de droite que l'entreprise compte un des cadres intermédiaires, un certain Cole (voir la figure de gauche), qui est quasiment invisible dans la hiérarchie officielle, mais en fait c'est à travers lui que circulent toutes les informations et les répartition réelle du travail aller. Il est le principal centre d'information et il décide à qui transférer quelles informations. Le vice-président se trouve dans une périphérie très éloignée et, en fait, n'a aucune influence sur la gestion opérationnelle.

Je pense que vous avez déjà commencé à deviner quel rôle un tel schéma peut jouer, par exemple, dans la gestion du changement.

La prochaine grande industrie pour l'ONA est, bien sûr, la gestion des connaissances. Si vous posez des questions comme : « Qui est l'expert le plus cool au travail ? »

Comment ne pas parler de la tâche de créer un champ d'information dans l'entreprise ? Tout responsable de communication doit avoir ce genre d'analyse s'il ne veut pas y aller à l'aveuglette. Une telle analyse peut montrer à la fois les relations et les flux d'informations entre les services, entre l'entreprise et les autres parties prenantes, et entre les personnes. Dans notre cours de formation RH sans fard, nous examinons ce sujet de plus près.

Par exemple, comment se déroule réellement l'interaction entre finance et marketing dans votre entreprise ? Par qui toutes les informations circulent (fig. De blog de Rob Cross)?

Il en va de même pour toute innovation, leadership, développement des talents, etc.

Nous avons envisagé les perspectives d'utilisation de l'ONA au sein d'une organisation, mais cet outil peut tout aussi bien être utilisé pour analyser les relations externes - avec les concurrents, les fournisseurs et les sous-traitants, etc.

Principaux domaines d'application de l'ONA

ONA est l'art d'obtenir des résultats significatifs : vous obtenez des cartes et des métriques qui vous conduisent à vraiment bonnes questions... C'est-à-dire que l'ONA, comme tout outil d'analyse, ne donne pas de réponse à la question « Pourquoi ? », Seule une personne peut donner cette réponse. Mais les cartes font deux choses :

• Ils fournissent des indicateurs d'où il pourrait y avoir quelque chose d'intéressant à explorer.

• Ils fournissent des résultats visuels intéressants pour soutenir les histoires de résultats.

Bien sûr, en réalité, ce n'est pas aussi simple qu'il y paraît à première vue. Derrière toute cette beauté inspirante et cette apparente simplicité se cache un appareil mathématique sérieux et Recherche basique mais c'est beaucoup plus simple que ce qui se fait aujourd'hui dans les « grandes analyses ». ONA vous donnera immédiatement des résultats extrêmement utiles et économisera des ressources.

Victoria Buznik et Lilia Grabovskaïa, auteurs de la ressource Talent Management.com.ua et de la formation "RH sans fioritures"

Frais de fermeture de poste

Il s'agit d'un chiffre qui comprend le coût de publication d'une offre d'emploi sur les sites d'emploi, les contacts avec les recruteurs, la sélection, les entretiens - tout ce qui se passe dans le processus de recherche de candidats a son propre coût en termes de ressources humaines et de temps. Selon recherche Supejob, le coût pour pourvoir un poste vacant en Russie en 2015 était de 10 000. A Moscou, le chiffre est quelque peu différent - 17% plus élevé que dans le pays. Par L'année dernière le coût pour pourvoir un poste vacant a diminué, et le coût des ressources humaines a également considérablement diminué.

Il est temps de fermer un poste

Le temps passé à remplir un poste est presque aussi important que le coût du processus. Malheureusement, pour trouver quelques moyenne nous avons échoué. On sait qu'aux USA environ 25 jours cela prend pour fermer un poste vacant.

La formule est simple : # jours pendant lesquels le poste est ouvert / # nombre de candidats embauchés

Sources des candidats

Connaître les sources qui vous apportent les meilleurs candidats facilite grandement le processus de recrutement. Ici, il convient de tout considérer jusqu'au moment où l'offre est acceptée, les spécificités du poste vacant et toutes les plateformes disponibles pour une réponse - le développeur a répondu à Facebook et est allé sur le site de carrière, et le comptable a immédiatement répondu au site de travail . Il y a une différence. Avec ce type d'analyse, vous pouvez réduire vos frais de clôture.

Efficacité du processus de recrutement

A chaque étape de sélection, vous filtrez quelqu'un, quelqu'un disparaît de lui-même - l'analyse des raisons de ce qui s'est exactement passé à cette étape permettra de construire plus efficacement le processus de recrutement. Poser ces questions qui filtrent les candidats inappropriés, parler des principes de l'entreprise qui peuvent ne pas convenir à quelqu'un, donner tâches de test plus tôt, de sorte que les candidats qui ne souhaitent pas les remplir sont immédiatement retirés du processus de sélection.

La formule est : (# candidats qui passent à l'étape suivante / nombre total de candidats qui ont réussi la sélection) X 100

Acceptation de l'offre

C'est facile - quel pourcentage de candidats qui sont passés par toutes les étapes de sélection ont fini par recevoir une offre (et l'accepter) ? Il est important de prendre en compte non seulement les informations sur les raisons pour lesquelles vous avez choisi ces candidats en particulier, mais également les raisons pour lesquelles d'autres ont refusé ou pour une raison quelconque n'ont pas atteint l'étape finale de la sélection.

Analytique avoir besoin pour améliorer le processus de sélection : comment mettez-vous en valeur votre culture d'entreprise ? Qu'est-ce qui perturbe les gens lors d'un entretien ? Comment les candidats réagissent-ils aux informations sur les salaires et l'emplacement du bureau ?

Roulement de personnel

La fluidité doit être surveillée régulièrement - analyser tous les quelques mois, tous les six mois ou tous les ans. Cela vous permettra de comprendre clairement pourquoi les employés quittent l'entreprise et ce qui doit être fait pour éviter que cela ne se produise - nous parlons à nouveau d'économiser sur l'embauche, mais aussi de construire une culture d'entreprise avec une base stable sous la forme de bons spécialistes .

Formule : # nombre d'employés qui ont démissionné en un an / nombre total d'employés

Coût du chiffre d'affaires

Un facteur sous-estimé - chaque employé qui quitte l'entreprise coûte également de l'argent. Cela semble cynique, mais c'est un fait et une autre raison de se demander pourquoi le bureau est vide et ce que vous faites mal. De plus, si les employés démissionnent, cela affecte également l'humeur générale de l'équipe - d'autres qui ont simplement peur du changement ou, au contraire, ont soudainement le courage de partir, commenceront à le suivre. Et pourtant, vous devez savoir combien vous coûtera la perte d'un employé.

Formule (il peut y avoir des options) : fonds versés après le départ du salarié + le coût de la vacance + le coût de remplacement du salarié + le paiement de la formation initiale et de l'adaptation

Ancienneté moyenne

Analysez depuis combien de temps, en moyenne, les employés ont occupé un poste donné. Ainsi, vous pouvez comprendre à quel moment un employé sera proche du licenciement et à quel moment il est préférable de faire face aux changements de personnel.

Efficacité des canaux

Dans quelle mesure est-il correct de publier des offres d'emploi sur FB dans votre cas ? Combien de très bons candidats sont venus au poste depuis le site d'emploi ? L'analyse des performances des canaux vous permettra uniquement d'utiliser des sites qui permettent régulièrement aux candidats appropriés de répondre.

Postes ouverts vs. Postes fermés

Il s'agit d'un article analytique pertinent pour les grandes entreprises - vous devez comparer le nombre de postes vacants qui viennent d'être pourvus et ceux qui sont apparus afin de réévaluer l'efficacité du processus de recrutement. Si un petit nombre de postes vacants sont ouverts dans une entreprise, cela signifie que vous faites tout correctement et que tout est assez harmonieux dans l'entreprise.

Âge moyen des employés de l'entreprise

Sachez quel âge doivent avoir vos employés pour rendre le recrutement plus efficace et créer une culture d'entreprise plus facilement. La différence entre les générations se fait encore sentir sur le lieu de travail - bien qu'en Russie la théorie des générations Y et Z ne soit pas si pertinente, mais il y a beaucoup plus caractéristiques importantes que vous devriez célébrer et revoir régulièrement dans votre travail.

Engagement et satisfaction

Deux indicateurs qui sont le plus souvent mesurés à l'aide d'enquêtes. La question de leur efficacité dans le monde des technologies RH est aiguë. Votre tâche est de trouver le meilleur outil d'analyse de l'engagement et de la satisfaction des employés pour votre entreprise. Que vous meniez des sondages anonymes ou que vous parliez simplement avec votre équipe n'est pas si important, l'essentiel est que les réponses soient proches de la vérité.