O seminaru

HR analitika (ili analitika ljudi) je analiza velike količine podataka koji opisuju osoblje iz različitih kutova. Općenito, HR analitika ima dva glavna cilja: pružanje uvida (prethodno nepoznatih podataka) i identificiranje ključnih podataka. Prvi je cilj pružiti organizaciji informacije o vlastitom poslovanju koje joj mogu pomoći da učinkovito upravlja svojim zaposlenicima. To su uvidi koji mogu osigurati učinkovito postizanje poslovnih ciljeva tvrtke. Druga ključna funkcija HR analitike je pomoć u identificiranju podataka koje organizacija treba pohraniti. Uz to, nudi modele za predviđanje različitih načina na koje organizacija može postići optimalan povrat ulaganja (ROI) u svoj ljudski kapital.

Za razliku od drugih pristupa koji se koriste u upravljanju ljudskim resursima, HR analitika temelji se na stvarnim događajima u prošlosti, koji se odražavaju u podacima, a ne na idejama menadžmenta ili stručnjaka o tome kako vide ili žele vidjeti organizaciju. Na primjer, model kompetencija stvoren tradicionalnim pristupom temelji se na konsenzusu ključnih dionika koji opisuju "idealnog" zaposlenika i koji će, prema njihovom mišljenju, biti uspješni u poslu. Osobe usredotočene koriste svo svoje iskustvo i duboko razumijevanje posla u svojim prosudbama, ali teško je isključiti element subjektivnosti, želje ili drugih nesvjesnih ili skrivenih motiva.

HR analitičar, koristeći različite metode, uključujući strojno učenje, traži korelacije i izolira čimbenike koji su značajni za opis fenomena koji se proučava. A često nakon što su dobili rezultate ove analize, kupci i savjetnici moraju uložiti puno napora kako bi ostvarili ponekad radikalno neočekivane rezultate, pronašli im objašnjenje i protumačili naizgled potpuno nevidljive veze između različitih parametara koji stvarno utječu na ciljni pokazatelj pomoću ljudska logika. Ali upravo u tom "čišćenju subjektivnosti" postoji vrijednost i predviđajuća snaga analitičkog pristupa.

Trajanje treninga

Kratki program seminara

• Što je HR analitika i zašto je važna za donošenje informiranih HR odluka
• Identificiranje prediktora koji su važni za predviđanje uspjeha pomoću korelacijske analize i analize srednjih vrijednosti
• Istraživačka analiza podataka radi identificiranja karakteristika zaposlenika
• Analiza korelacijskih podataka. Određivanje veličine korelacija. Korelacijska analiza u Excelu
• Osnove statističkog zaključivanja. Usporedba sredstava i Studentov t-test. Ispravno tumačenje rezultata statističkih istraživanja. Statistički izlaz u Excelu

• Stvorite složene profile položaja koristeći višestruku linearnu regresiju:
• Jednostavna linearna regresija s jednim prediktorom. Izravna prognoza uspjeha, pogreška prognoze
• Višestruka linearna regresija. Interpretacija rezultata istraživanja i kontrola kvalitete rezultata
• Predviđanje uspjeha zaposlenika na temelju rezultata regresijske analize

Analitički model "HR Analytics", implementiran na BI platformi, otkriva dodatne mogućnosti na polju upravljanja osobljem i omogućuje vam novi uvid u procese upravljanja poduzećem. Zahvaljujući upotrebi novih tehnologija na polju obrade podataka i podršci suvremenih korisničkih sučelja za interaktivnu interakciju s informacijama, HR Analytics:

• Jednostavan za upotrebu za sve kategorije korisnika.
• Dostupno na mobilnim uređajima.
• Brzo radi na punim podacima.
• Proširuje upotrebu podataka o zaposlenicima na područje povezano s upravljanjem poslovnim učinkom (CPM).

HR Analytics ne pruža priliku analizirati širok raspon ključnih pokazatelja koji se odnose na osoblje tvrtke, u okviru jednog višenamjenskog rješenja, pružajući prezentaciju informacija na tri razine detalja:

• Glavna nadzorna ploča prikazuje ključne KPI-je i dinamiku promjena ključnih pokazatelja na jednom zaslonu.
• Skup nadzornih ploča za svako predmetno područje koji odražavaju detaljne, sveobuhvatne informacije.
• Skup izvješća koji otkrivaju detaljne informacije o istraživanom predmetu: kartice zaposlenika, opisi poslova, profili kandidata itd.

HR Analytica uzima u obzir zahtjeve dinamičnog i modernog poslovanja:

• Kompaktno rješenje - jedna platforma, integrirana pohrana, zajednički analitički portal.
• Ugradnja interaktivnog BI sadržaja u slajdove MS PowerPoint s mogućnošću ažuriranja podataka. S ovom vrstom analitike uvijek ste spremni za prezentacije i redovite sastanke s upravom.
• Mogućnost ažuriranja podataka putem interneta.

Ključni pokazatelji modela HR Analytics

Sve su ključne metrike prikazane na glavnoj nadzornoj ploči namijenjenoj prvenstveno višim rukovoditeljima.

• Broj zaposlenih
  • Trenutna i prosječna plaća za proizvoljno razdoblje
  • Prema odjelima, funkcijama i kvalifikacijama
• Plaća. Ukupne isplate i prosječne plaće
• Angažiranje i otpuštanje zaposlenika
• Struktura obračuna plaća
• Lijevak za zapošljavanje zaposlenika
  • Po kategoriji stručnjaka
  • U kontekstu HR menadžera
• Kvantitativni i kvalitativni KPI za obuku osoblja
• Zadovoljstvo zaposlenika. Kvantitativni ili kvalitativni pokazatelj dobiven kao rezultat ankete zaposlenika prema nizu kriterija
• KPI-ji koji karakteriziraju produktivnost rada u poduzeću

Sve su informacije predstavljene na jednom zaslonu pomoću modernih infografika i prikladnih alata za definiranje vremenskih intervala i filtara. Zahvaljujući inovativnoj arhitekturi BI platforme, sve promjene u brojevima i grafikama događaju se odmah nakon bilo koje radnje korisnika.

Većina pokazatelja može se analizirati u smislu zemljopisa prisutnosti (uredi, proizvodni pogoni, itd.) S vizualizacijom na kartografskoj osnovi.

Razvoj osoblja

Nadzorna ploča za razvoj osoblja omogućuje vam praćenje pokazatelja koji odražavaju dinamiku osposobljavanja zaposlenika i brzinu profesionalnog razvoja, a osmišljena je za analizu učinkovitosti troškova osposobljavanja.
HR menadžer ima pristup filtrima koji vam omogućuju nadzor nad provedbom ključnih pokazatelja učinka u kontekstu područja rada zaposlenika, njihovih kvalifikacija i regionalnih odjela.

Demografija

Analitika prema spolu i dobnoj kategoriji osoblja tvrtke. Ovisno o području djelatnosti, dobni rasponi koji su značajni za tvrtku mogu se pojedinačno konfigurirati u modelu HR Analytics.

Ključne metrike i vizualizacije:

• Prosječna dob zaposlenika u kontekstu zemljopisa i dinamike tvrtke tijekom vremena
• Raspodjela zaposlenih prema spolnom i dobnom sastavu u regijama, područjima zaposlenosti i kvalifikacijama

Fond plaća

Glavna svrha ovog odjeljka je analizirati sažete informacije o razini plaća za cijelu tvrtku, područjima djelovanja, uredima i kategorijama zaposlenika.

Kartica zaposlenika

Nadzorna ploča omogućuje pristup detaljnim informacijama o svakom zaposleniku: dob, iskustvo, položaj, kvalifikacije, iznos plaćanja za to razdoblje. Moguće je pretraživati \u200b\u200bpo predlošku i odabrati zapise po atributima.

HR je prešao dugačak put od tradicionalnog prikupljanja i praćenja podataka o zaposlenicima do modernog pristupa: korištenjem podataka za dobivanje pronicljivih uvida u cijelo poslovanje.

Što je HR Analytics?

HR analitika je postupak u kojem se tehnike obrade podataka i poslovne inteligencije (BA) primjenjuju na obradu HR podataka. Ponekad se naziva i analitikom nadarenosti. Uz to, istraživanje podataka u ovom se kontekstu odnosi na praksu ispitivanja baza podataka radi stvaranja novih informacija.

HR analitičari imaju dva glavna cilja: pružanje uvida (prethodno nepoznatih podataka) i identificiranje ključnih podataka.

Prvi je cilj pružiti organizaciji informacije o vlastitom poslovanju koje joj mogu pomoći da učinkovito upravlja svojim zaposlenicima. To su uvidi koji mogu osigurati učinkovito postizanje poslovnih ciljeva tvrtke.

Druga ključna funkcija HR analitike je pomoć u identificiranju podataka koje organizacija treba pohraniti. Uz to, pruža modele za predviđanje različitih načina na koje organizacija može postići optimalan povrat ulaganja (ROI) u svoj ljudski kapital.

Sve u svemu, HR analitika usredotočena je na maksimalno iskorištavanje ogromnih količina podataka o ljudskim resursima koje prikuplja većina organizacija. Tvrtke često imaju obilje podataka, poput demografskih podataka o zaposlenicima, evidencija o osposobljavanju itd., A analiza iz njih može izvući važne uvide.

Ispod su detaljnije informacije o HR analitici:

Zašto bi vaša organizacija trebala raditi s HR analitikom?

Odluke o ljudskim resursima često se temelje na profesionalnim instinktima i intuiciji. Primjerice, zapošljavanje često ovisi o osobnom kontaktu koji je regrut uspostavio ili nije uspio uspostaviti s kandidatom. Problem s "instinktima" i intuicijom je taj što mogu normalizirati loše prakse.

Dakle, nepravda na poslu može proći nezapaženo. Razlika u plaćama između muškaraca i žena glavni je primjer za to. Organizacije mogu pomisliti da plaćaju isto ako ne prouče dokaze.

HR analitika može vam pomoći poboljšati izvedbu i predvidjeti najuspješnije modele. Ovo eliminira većinu ljudskih pogrešaka u donošenju odluka. Primjerice, poboljšanje upravljanja radnim opterećenjem može biti učinkovitije kada se podaci koriste kako bi se pokazalo koji su odjeli ili skupine već preopterećeni i koji mogu priuštiti preuzimanje više odgovornosti.

Još važnije, pokazalo se da HR analitika potiče rast tvrtke. Trening zona izvještava o povećanju produktivnosti za jednu tvrtku koja koristi HR analitiku kako bi poboljšala svoj proces zapošljavanja. Analizom podataka tvrtka je primijetila da tradicionalne ključne metrike - obrazovanje i preporuke - nisu imale puno utjecaja na uspješnost prodaje kandidata. Zapravo su ključne metrike poput iskustva s prodajom visoke vrijednosti i sposobnosti rada u nestrukturiranim okolnostima zapravo pridonijele poboljšanju prodajnih performansi. Kad je tvrtka ovu analitiku talenta uključila u zapošljavanje, prodaja je porasla za 4 milijuna dolara sljedeće godine.

I druge su studije donijele slične zaključke u pogledu važnosti HR analitike za cjelokupni učinak tvrtke. Studija MIT-a i IBM-a otkrila je da bi veća upotreba HR analitike mogla rezultirati:

• Povećanje prodaje za 8%;
• Povećanje neto operativnog prihoda za 24%;
• 58% veća prodaja po zaposleniku.

Ključni načini korištenja HR analitike

Područja primjene HR analize su ogromna, a mjerni podaci na koje se organizacija treba usredotočiti ovisit će o industriji, kao i o prirodi posla.

Evo nekoliko primjera mogućih KPI-a:

• stopa otpuštanja,
• vrijeme zapošljavanja,
• stopa prometa za različite skupine osoblja (prva godina, pet godina itd.),
• dohodak po zaposlenom.

Gore navedeni mjerni podaci i drugi slični podaci mogu se koristiti za poboljšanje poslovne uspješnosti. Ključna područja u kojima podaci mogu pomoći su:

Vrbovanje - HR analitika može pružiti odgovore na pitanja o pronalaženju idealnih kandidata za ovaj posao. Na primjer, kao što je prikazano u gornjem primjeru tvrtke, podaci se mogu koristiti za utvrđivanje kvaliteta onih kandidata koji daju najbolje rezultate. Možete usporediti podatke kandidata koji su na kraju ostali u tvrtki i među njima pronaći zajedničke nazivnike.

Zdravlje i sigurnost - HR analitika može bolje identificirati problematična područja povezana sa zdravljem i sigurnošću. Podaci mogu ukazivati \u200b\u200bna uloge, mjesta rada i druge slične čimbenike koji imaju najveću stopu nesreća.

Zadržavanje zaposlenika - S podacima također možete saznati više o zadržavanju zaposlenika. HR analitiku možete koristiti za prepoznavanje aspekata koji povećavaju angažman zaposlenika.

Propusti u talentima- podaci mogu otkriti postojanje praznina u organizaciji. Na primjer, neki odjeli mogu imati više kvalificiranih radnika od drugih, a to može ometati cjelokupno poslovanje tvrtke.

Stopa otpuštanja- koliko zaposlenika odlazi tijekom određenog razdoblja u odnosu na ukupan broj zaposlenih? Izvedba prodaje - HR analitika može vam pomoći da otkrijete detalje kako povećati prodaju. Možda ćete otkriti da određeni talent pomaže zaposlenicima da rade bolje ili da određeni programi obuke pružaju trenutni povrat prodaje.

Pet izazova za HR analitiku

Prije nego što prijeđemo na početne faze uvođenja HR analitike, vrijedi razmotriti neke od glavnih izazova koji se pojavljuju. Kada postavljate HR analitiku u svoju organizaciju, važno je pronaći načine za rješavanje sljedećih pet izazova.

Zadatak 1: protok podataka

Što više podataka vaša organizacija prikupi, to ih je teže koristiti ako je potrebno. Velika količina podataka ne dovodi automatski do dobrih rezultata. Da biste bili uspješni, morate imati sposobnost primjene pravih analitičkih tehnika.

Ako vaš odjel za ljudske resurse prikupi puno podataka bez korištenja pravih analitičkih pristupa, na kraju ćete dobiti puno podataka. Što ih je više, teže su vrijedna nagađanja.

Na primjer, mjerni podaci za sve prikupljene mjerne podatke moraju biti pravilno definirani i kategorizirani. Morate identificirati probleme koje želite riješiti svojim podacima, a ne samo prikupljati ih.

Izazov 2: kvaliteta podataka

Uz prikupljanje prave količine podataka, također morate paziti da dovoljno pažnje obratite na njihovu kvalitetu. Tok podataka može brzo dovesti do podataka loše kvalitete jer ne stvarate smislene veze između različitih skupova podataka.

Važno je osigurati kvalitetu podataka usredotočujući se na osiguravanje njihove cjelovitosti i sigurnosti. Problem mnogih organizacija jest taj što podaci koji se koriste u HR analitici mogu dolaziti iz različitih dijelova organizacije i stoga biti previše različiti, što dovodi do problema. Neki se podaci mogu zanemariti, odbaciti, izgubiti ili se skupovi podataka ne mogu kombinirati, što će dovesti do neadekvatne analize.

Izazov 3: niske analitičke vještine u većini odjela za ljudske resurse

Da bi HR analitika uspjela, tim koji stoji iza nje mora imati stručnost u ljudskim resursima i analizi podataka. Ali pronaći HR lidere koji su također kompetentni za analizu podataka može biti teško.

Prema Elizabeth Craig, istraživačici s Instituta za visoke performanse Accenture, teško da postoji netko tko je dovoljno obučen za HR analitiku. Uz to, Craig je za data-informed.com rekao da neki alati za analizu podataka zahtijevaju specijalizirane informatičke vještine, dodajući pritisak na pronalaženje pravih ljudi.

Problem izgleda još veći jer se samo 6% globalnih HR timova osjeća sigurno u svoje analitičke vještine. Također, samo 20% smatra da je uporaba podataka njihove organizacije bila vjerodostojna i dovoljno pouzdana za donošenje odluka.

Izazov 4: česti nedostatak menadžerske podrške za HR analitiku

HR analitika još uvijek nije postala ključni proces za mnoge tvrtke, a podrška menadžmenta često nedostaje. No, da bi proces funkcionirao, odjeli za ljudske resurse moraju uvjeriti čelnike tvrtki u prednosti upotrebe analitike.

Ova je podrška važna jer pruža pristup resursima, jer primjena pravog sustava HR analitike nije jeftina. Također može pružiti bolji pristup podacima među odjelima. Da bi uvjerili rukovoditelje, timovi za upravljanje ljudskim resursima moraju se usredotočiti na prepoznavanje prilika za maksimiziranje ROI-a, čak i u početku.

Izazov 5: HR analitika je skupa, a povrat ulaganja često nije vidljiv

Konačno, organizacije moraju biti svjesne troškova. Raspon cijena analitičkih instrumenata raznolik je kao i dostupnost instrumenata. Prema članku na data-informed.com, troškovi platforme mogu se kretati od "400 000 do 1,5 milijuna USD za tvrtku s 5.000 stalno zaposlenih".

Uz to, procjena ne uključuje povećanje troškova s \u200b\u200bkojima se organizacije mogu suočiti prilikom zapošljavanja novih zaposlenika za provedbu programa ili osposobljavanje postojećih zaposlenika za analitičke vještine.

Također, povrat ulaganja u HR analitiku nije vrlo opipljiv. To je zato što koristi od primjene rezultata analitike mogu biti iz različitih odjela i tijekom dužih razdoblja. Primjerice, poboljšanja u zadržavanju zaposlenika neće biti odmah vidljiva.

Izazov je shvatiti da potraga za jeftinijom platformom za analitiku HR-a ne znači uvijek velike uštede. Nedostatak softvera i alata može dovesti do neučinkovitih i nepotpunih rezultata, što kao rezultat ne stvara dovoljno visok ROI da opravdava ulaganje.

Pet prvih koraka za primjenu HR analize

Ako vaša organizacija želi primijeniti HR analitiku, koji je pravi put? Ispod je pet koraka koji mogu pomoći vašoj organizaciji da započne s postupkom.

Korak 1: Identificiranje poslovnih problema koje želite riješiti

Prvo i najvažnije je prepoznati poslovne probleme koje želite riješiti. Ne možete započeti prikupljanje podataka, a zatim ih jednostavno pogledajte kako biste pronašli veze.

Utvrdite probleme koje biste željeli poboljšati u sektoru ljudskih resursa. Primjerice, to mogu biti pitanja koja se odnose na raznolikost posla, poboljšanje zadržavanja zaposlenika, mjerenje količine novca utrošenog na obuku ili bolje razumijevanje razloga izostanka s posla. Postoji nekoliko jednostavnih pitanja s kojima biste trebali započeti prije nego što krenete dalje.

Na primjer, recimo da želite razumjeti kako HR utječe na stvari poput dna vaše tvrtke.

Nakon što prikupite opće informacije vezane za osoblje koje biste željeli detaljnije proučiti, za početak morate odrediti potrebne mjerne podatke za rješavanje ovih problema. Evo nekoliko HR mjernih podataka koji pokazuju učinak HR odjela:

• Vrijeme zapošljavanja - Koliko treba popunjavanja slobodnog mjesta i koliko vremena treba kandidatu da prihvati ponudu i postane zaposlenik?
• Stopa fluktuacije osoblja - koliko zaposlenika odlazi nakon prve godine, pet godina i tako dalje?
• Raznolikost radne snage - koliki je postotak kada su u pitanju žene, muškarci, vjerske i etničke skupine?
• Prihod po zaposleniku, među zaposlenima s punim radnim vremenom - koliki je prihod ostvaren na puno radno vrijeme?
• Prekovremena plaća - koliko je visoka plaća za prekovremeni rad i koliko se često to radi?
• Odnos stalnih i privremenih radnika - Koliko je zaposlenih nepuno radno vrijeme u odnosu na puno radno vrijeme?

Korak 2: Identificirajte podatke koji odgovaraju na gornja pitanja

Kada imate pitanja i probleme, možete početi identificirati podatke potrebne za odgovor ili njihovo rješavanje.

Prvo, vaš fokus trebao bi biti na HR podacima koji su već pohranjeni u vašem odjelu. To uključuje informacije o zapošljavanju, radu i nasljeđivanju. Vaš bi odjel već trebao nadgledati ove skupove podataka.

Drugo, morate početi prikupljati podatke o stvarima poput zaruka, anketa i intervjua. Ovisno o razini prikupljanja podataka u vašoj organizaciji, možda već imate mehanizme za prikupljanje tih podataka.

Konačno, morate proširiti prikupljanje podataka na druge poslovne sustave i odjele. Trebali biste početi prikupljati važne financijske metrike i istraživanje tržišta. To uključuje stvari poput prometa, uspješnosti prodaje, novca utrošenog na istraživanje tržišta i obuku.

Korak 3. Primjena ETL-a: ekstrakcija, transformacija i utovar

Kao što je gore rečeno, odjel za ljudske resurse mora usko surađivati \u200b\u200bs odjelom za informatiku, jer određeni softver i rudarenje podataka mogu zahtijevati specijalizirane analitičke vještine. Stoga je dobra ideja započeti izgradnju bližih veza između ova dva odjela.

Dio ovog postupka je provedba ETL-a: ekstrakcija, obrada i utovar. Postoje alati koji se mogu koristiti za automatsko provođenje ovog postupka. Na primjer, IMB WebsphereDataStage i Cognos Data Manager ili Microsoft SQL Server Integration Services neke su od najpopularnijih opcija. Iako netehničko osoblje može koristiti ove platforme, korisno je zatražiti pomoć od IT odjela.

Ovaj vam postupak u osnovi omogućuje izvlačenje podataka koji su vam potrebni iz izvora koje definirate, pretvaranje u ispravan čist i dosljedan format i prijenos na vašu analitičku platformu koja će se koristiti za analizu.

Korak 4. Integracija rezultata u poslovne transakcije

Nakon što analiza podataka počne generirati rezultate, morate započeti s promjenama. Na primjer, ako ste se usredotočili na istraživanje raznolikosti radne snage, a vaši podaci pokazuju da ne primate dovoljno aplikacija od etničkih manjina, možda ćete početi mijenjati strategiju zapošljavanja.

Uz to, morate uspostaviti veze između podataka o ljudskim resursima i ostalih poslovnih mjernih podataka. Primjerice, smanjenje prekovremenog osoblja može se izravno povezati s produktivnošću i profitabilnošću. KPMG-ovo izvješće "Ljudi su stvarni brojevi" naglašava važnost ovih veza putem izostanka radne snage i isplativosti.

"Iako je korisno pratiti izostajanje s posla u različitim regijama ili u usporedbi s prethodnim godinama, ako HR također može pokazati da je smanjenje izostanka s posla pozitivno povezano s operativnom učinkovitošću, tada će uprava vidjeti stvarnu vrijednost HR-a", kaže se u izvješću.

Korak 5. Izvođenje redovite analize

Napokon, HR analitika se mora redovito raditi, inače će u većini slučajeva biti irelevantna. Da bi se iskoristile njegove prednosti, mora se uspostaviti redoviti postupak.

Na primjer, prepoznali ste problem s kojim se želite baviti podacima, izvršili ste analizu i pronašli odgovor. Nakon što implementirate rješenja za svoj problem, trebate mu se redovito vraćati kako biste provjerili što se događa s promjenom i ima li novih problema.

Zaključak

HR analitika sastavni je dio upravljanja podacima, a njezina primjena može donijeti pozitivne nagrade za svaku organizaciju. No, kao što je gore spomenuto, upravljanje, analiza i tumačenje podataka nije lako, a organizacije moraju pristupiti "ljudskoj" analitici jedan po jedan korak.

Ključ uspješne HR analitike temelji se na shvaćanju da nije veličina izmjerenih podataka ta koja vodi ishod, već utjecaj podataka na donošenje odluka u organizaciji. HR analitiku ne treba promatrati kao ključnu za odjel za ljudske resurse, već kao nešto što može stvoriti vrijednost za cijelu organizaciju.

• Korporativna kultura

Ključne riječi:

1 -1

Molim te, reci mi kamo odavde?
- Gdje želiš ići? - odgovori Mačak.
- Nije me briga ... - rekla je Alice.
- Tada nije važno kamo idete - rekao je Mačak.
- ... samo da nekamo odem, - objasnila je Alice.
- Sigurno ćete negdje stići - rekao je Mačak. - Samo trebaš dovoljno dugo hodati.
Lewis Carroll, Aliceine pustolovine u zemlji čudesa. Alisa u zemlji čudesa "

Jeste li naišli na beskorisne povijesne HR mjerne podatke? Odbacimo sve nepotrebno, provjerimo vitalno: web mjesto je portalu reklo najvažnije pokazatelje HR analitike Dmitrij Supronenko , Voditelj odjela za ljudske resurse, tvrtka Metal Profile.

Analitika na području upravljanja osobljem kao neovisni i prilično važan blok - s jedne strane, tema za domaće tvrtke je sasvim nova. Za sebe njezino formiranje povezujem s onim razdobljem formiranja HR funkcije u modernom obliku iz kadrovskog odjela, izravno podređenog izvršnom direktoru tvrtke, te O&Z kao dijelu financijskog i ekonomskog bloka.

S druge strane, pokazalo se da je ovo razdoblje bilo više nego dovoljno da neke tvrtke ne naprave samo korak, već čitav skok naprijed, dok su druge nastavile biti u stanju suspendirane animacije. Kao rezultat toga, čak i unutar iste industrije, možemo uočiti tako značajnu razliku u pristupima i razini razvoja HR analitike da u digitalno doba možemo samo slegnuti ramenima.

No budući da se ništa ne događa samo tako (i radnja i nerad), hajde da se dosljedno bavimo razlozima različitih pristupa. Za sebe ih dijelim na objektivne (postoje neovisno o tvrtki HRD) i subjektivne.

Krenimo od onih objektivnih. Prvo, od najvažnijeg čimbenika koji, po mom osobnom mišljenju, najviše utječe izravno na HR analitiku tvrtke, a neizravno na druge čimbenike, razina konkurencije u industriji.

Objasnit ću da je za mene, kao ekonomistu s osnovnom naobrazbom, visoko konkurentno tržište tržište na kojem su proizvod / usluga, tehnologija proizvodnje, logistika, dostupnost sirovina itd. Što je više moguće jedinstveni, a kupac praktički ne zanima od koga se kupuje ovaj proizvod / usluga. U tim je uvjetima razina usluge na prvom mjestu, zbog čega su mnogi strateški gurui gospodarstvo 21. stoljeća već nazvali ekonomijom iskustava. I ključna je u tim uvjetima strateška prednost osoblja, točnije, njegove kvalitete. Logično je da je značajna i konkurencija jakih radnika na tako visoko konkurentnim tržištima.

HR stručnjaci jednostavno nemaju drugog izlaza, ali u tim uvjetima koristiti sve moguće analitičke uređaje kako bi što brže pronašli / namamili najbolje stručnjake s tržišta i zadržali ih na traženoj razini što je dulje moguće.

Stoga sve započinje analitikom na „lijevku za zapošljavanje“, završava analitikom iz razloga fluktuacije osoblja, a između njih postoji čitav svijet pokazatelja o prilagodbi, motivaciji, osposobljavanju i razvoju, angažmanu, korporativnoj kulturi itd. primjer IT tržišta stručnjaka. Unatoč činjenici da su stvarne plaće u mnogim industrijama posljednjih godina padale, ovdje vidimo stabilan i stabilan rast.

Vrijeme pronalaska novog posla za IT stručnjaka je minimalno, razina njihovih zahtjeva u takvim uvjetima neprestano raste. A kako tvrtke reagiraju? Individualni pristup. Počevši od posvećenog jednog ili nekoliko (ovisno o ljestvici) regrutera, i završavajući činjenicom da HRD dobro poznaje visokokvalitetne stručnjake (čak i ako je broj same tvrtke 10 000+), jer u smislu obujma i učestalosti promjena u standardnim uvjetima i pristupima osoblju, oni izlaze na istu razinu s najvišim menadžmentom tvrtke. Ali ovo je za visoko konkurentne industrije. Ako industrija ima monopolski / oligopolni karakter, tada sve to "podešavanje" nije potrebno.

Ne kažem da ne koriste HR analitiku, ne. Ali njegov će sadržaj biti oskudniji ili će (češće prema mom iskustvu) njegova upotreba u radu za donošenje odluka biti formalna. I sam je radio u tvrtki u kojoj je Moskva redovito tražila značajan popis mjernih podataka koji je razvila poznata strana konzultantska tvrtka. Shema komunikacije uvijek je bila tipična: zatražena - osigurana - zaboravljena.

Drugo, pripadnost industriji (specifičnost)... Dopustite mi da objasnim na primjeru. Prije nekoliko godina bio sam intervjuiran za poziciju HRD-a jednog od najvećih proizvođača poljoprivrednih strojeva u Rusiji. Izvršni direktor pristupio je tom pitanju više nego odgovorno (posudio sam njegovo iskustvo na poslu), ne ograničavajući se na rezultate ocjenjivanja i nekoliko intervjua, već je pružio besplatan pristup objektima tvrtke, kao i svim HR informacijama i zatražio akcijski plan tijekom 2 godine. I premda sam na kraju svega prihvatio poziv drugog poslodavca, iskustvo ove tvrtke i dalje mi je zanimljivo.

Ključna značajka u području odgovornosti HR-a je izražena sezonalnost u odnosu na poljoprivrednu godinu. Teško da ćete nekoga iznenaditi sezonalnošću, samo ovdje morate uzeti u obzir ljestvicu (godišnje je potrebno regrutirati, obučiti, a zatim smanjiti više od tisuću proizvodnih radnika), visoku razinu zahtjeva za kvalifikacijama radnika (ovo nije za najam radnika u skladištu), mjesto (sve proizvodne jedinice nalaze se u jednom teritorijalnom području grada), učestalost ponavljanja ciklusa (u to je vrijeme to već bio 5. ciklus zapošljavanja / smanjenja) i sve posljedice koje su uslijedile za marku HR (prvi taksist na putu od zračne luke ispričao mi je cijelu priču o pogonu od promjene vlasništva tvrtke i da ovdje morate raditi na zadnjem mjestu slučaj).

Jasno je da ključni odjel za ljudske resurse u poduzeću nije bio O&H (kao i obično), već odjel za odabir osoblja, koji je trebao osigurati odabir takvog broja zaposlenika u roku od mjesec dana. Iznenadile su me dvije činjenice: svi zaposlenici ovog odjela bili su muškarci (što apsolutno nije tipično za HR funkciju općenito, a posebno za zapošljavanje) i kvalitetu HR analitike.

Čini mi se da su sve pratili kontinuirano. Ne govorim ni o "odabirnom lijevku", on je sastavljen za svaku radionicu u kontekstu pozicija, uspoređena je učinkovitost privlačenja kandidata kroz sve meni poznate vanjske i unutarnje kanale, za analizu je dodijeljeno posebno mjesto regija prebivališta kandidata, a cijelo je razdoblje prilagodbe podijeljeno na blokove interne statistike fluktuacije osoblja u prva tri mjeseca, a duž cijelog lanca prilagodbe isti lijevak s fluktuacijom osoblja u probnom razdoblju.

Treće, stupanj razvoja tvrtke... Ovdje je potrebno podsjetiti na poznati model životnog ciklusa organizacije L. Greinera. Ne vidim smisla to detaljno proširivati \u200b\u200bu članku - materijal o toj temi lako je dostupan na Internetu.

Zadržat ću se na činjenici da vrlo često pristaše i protivnici uvođenja KPI / BSC sustava u tvrtku (a analitika u HR element je KPI sustava, jer bez planiranja, kontrole, motivacije, sama po sebi to čini ne donose vrijednost tvrtki) ne mogu se međusobno dogovoriti, jer su temelj njihova spora organizacije koje su u različitim fazama razvoja prema Graineru. I ako će u fazi "Kreativnost" analitičar biti rijetka iznimka od pravila, u fazi "Vodstvo direktivom" HR analitika je pojednostavljena (2-3 opća pokazatelja), tada u fazi "Delegacija" postoji značajan kvantitativni i kvalitativni razvoj pokazatelja, a u fazi "Koordinacije" analitika počinje postajati suvišna (kada transakcijski troškovi provođenja HR analitike premašuju njezin ekonomski učinak na organizaciju). I tu se protivnici KPI-a podižu na pobjedničko postolje i počinju kritizirati.

I oni su djelomično u pravu, ali samo trebate odmah pojasniti da većina domaćih tvrtki nije "prerasla" u fazu 4 i da vjerojatno neće ikad narasti. I samo nekoliko sretnika (nositelji popisa RBC 500) ozbiljno razmišljaju, suočeni s krizom povjerenja, o potrebi prelaska na petu fazu: "Suradnja".

Prema L. Greineru, u ovoj se fazi posebna pažnja posvećuje izgradnji tima i međuljudskoj suradnji, a formalni sustavi kontrole postupno se zamjenjuju socijalnom kontrolom i samodisciplinom. Svaka faza razvoja organizacije ima svoj pristup metričkom sustavu HR-a, a neprihvatljivo je pojednostaviti pristup, svodeći ga na ujednačene zahtjeve, kao što je i neprofesionalno uspoređivati \u200b\u200bHR analitiku organizacija u različitim fazama razvoja.

Četvrti, stupanj automatizacije u poduzeću... Ovdje je, po mom mišljenju, sve vrlo jednostavno: ne možete izvesti ofenzivu velikih razmjera ako vaši konvoji s municijom i odorama zaostaju. HR analitika koja se ručno sastavlja siguran je način da se ocrni izvrstan alat. Stoga smo prijatelji s IT odjelom, idealno bi bilo da imate posvećenog analitičara u ERP sustavu u kojem se vode vaše statistike.

Ovisno o veličini tvrtke, može se dodati blok zadataka za integriranje podataka iz nekoliko HR sustava. Iz vlastitog iskustva mogu reći da je za postavljanje integracije potrebno najviše napora, što je rezultiralo time da su neke tvrtke donijele logičnu (ali ne i jeftinu) odluku da sve HR funkcije prebace na jednu platformu.

Sada malo o subjektivnim čimbenicima.

Isprva, dostupnost kupca: HR ne mora postojati samostalno. Svaki zadatak / projekt uvijek mora imati korisnika: vlasnika, upravni odbor, upravni odbor, izvršni direktor, direktor poslovne jedinice, voditelj funkcionalne jedinice ili netko drugi, bez obzira na ime položaj / tijelo je. Ako zadatak / projekt nema ovog korisnika (a to se, nažalost, događa), tada će se za HR menadžera naglo povećati šanse da bude poznat kao „izazivač sreće“ u tvrtki. To ne znači da ako niste dobili zadatak, onda se ne trebate njime baviti. Neophodno je ako razumijete zašto to može zanimati korisnika, ali prvo što treba učiniti je dobiti njegov pristanak.

Dopustite mi da objasnim u praksi. Na primjer, uzmimo vođu koji je vodio odjel za ljudske resurse u nekoliko velikih tvrtki, gdje je jedan od ključnih pokazatelja u području pažnje HRD-a zapošljavanje, i kao konačnu vrijednost za tvrtku i u raznim analitičkim odjeljcima ( poslovne jedinice, prema funkcionalnim blokovima i ostalo).

Prvo, cjelokupni proračun (i maksimalan udio u njemu je platni spisak) u području odgovornosti HRD-a izravno ovisi o planiranoj veličini osoblja u određenom razdoblju (u pravilu je ovo četvrtina, za tvrtke s izrazito izraženim sezonalnost prodaje / proizvodnje - mjesec dana). Drugo, ostale ključne metrike (npr. Razina osoblja, zaostala radna mjesta) uvelike ovise o broju zaposlenih.

Premještamo ovog menadžera u jednako veliku tvrtku. Kako će početi raditi? Najvjerojatnije će jedna od prvih točaka biti revizija trenutnih HR procesa (uključujući prikupljanje analitike u uobičajenom koordinatnom sustavu za njega). I ovdje se ispostavlja da udio slobodnih radnih mjesta u tvrtki iznosi, recimo, 30% od ukupnog broja osoblja, a prijave za zapošljavanje nisu veće od 10% od broja slobodnih radnih mjesta. Što to znači?

Najvjerojatnije, problem nije u odabiru, ali stolovi osoblja preopterećeni su "mrtvim" radnim mjestima. Ako je rok ovih slobodnih mjesta također značajan, uzimajući u obzir trenutne mjere za optimizaciju broja osoblja, refleksna odluka (odgođena na razini potkorteksa) smanjit će zaostala radna mjesta ili će barem očistiti ona za koja postoji čak ni prijava za odabir, prijeđite na osnovnu razinu radnika u smislu broja i tamo već razmišljate što učiniti sa svime tim. Odlučio - učinio. I samo nekoliko mjeseci kasnije, s početkom sezone, poslovne jedinice podižu frku: trebaju brzo zaposliti dovoljno velik broj zaposlenika, ali to ne mogu učiniti, jer takvih radnih mjesta nema u kadrovskom stolu.

Ispostavilo se da je broj osoblja tehnički pokazatelj, slobodna radna mjesta potrebna su samo za registraciju zaposlenika od strane kadrovskog odjela, a planiranje resursa gradi se isključivo na temelju pokazatelja plaća, koji vodi direktor podružnice kada se odlučuje hoće li se zaposlenika zaposliti ili ne, jer je on generalno odgovoran za troškove podružnice. U ovoj fazi nije mi važno je li proces pravilno izgrađen ili nije, važno je još nešto: analitika HR odjela ne može postojati samostalno, odvojeno od posla. Uvijek je sekundarni, formiran za određene zadatke. Tada to neće biti suvišno.

Drugo, faktor koji za sebe nazivam: „to se dogodilo povijesno“ ima značajan utjecaj na domaću analitiku na polju upravljanja osobljem. Često naiđete na situaciju kada vaše pitanje "za što?" (da se ne brka s "zašto?") ako redovito prikupljate ovu HR analitiku, dobit ćete iskren odgovor: "Tako smo navikli", "uvijek smo to radili", "tako nam je prikladno" ili nešto slično.

Jednom davno je netko iz uprave tvrtke, da bi riješio određeni problem, zatražio nadzor nad zasebnim pokazateljima. Od tada se situacija mogla znatno promijeniti, zadatak je mogao potpuno nestati kao nepotreban, ali budući da nitko nije na vrijeme dao naredbu "spusti slušalicu", HR služba nastavlja prikupljati podatke po inerciji i slati ih prema odobrenom popisu primatelja.

U svojoj praksi vidio sam kada su, nakon nekoliko godina (godina!) Takvih izvješća, ti primatelji jedni od drugih saznali tko je bio inicijator i zašto im trebaju ove informacije. I što je veći status osobe koja je u početku postavila zadatak i razina autoritarnosti njezina vodstva, to je vjerojatnije da će dobiti liniju HR metrike iz kategorije „povijesno oblikovane”.

Sada, nakon što je teorija donesena i svi su obaviješteni o mogućim posljedicama i nijansama, možete prijeći na vožnju, odnosno popis pokazatelja HR analitike. Odmah napominjem da je ovaj popis formiran samo od onih pokazatelja s kojima sam radio, a za uvjete u kojima sam u to vrijeme radio, štoviše, ovaj popis nije korišten ni 80% ni u jednoj tvrtki (koja ne razumije zašto, predlažem ponovno čitanje članka).

I. financije:

Udio troškova osoblja u prihodu (sve stavke u području odgovornosti HRD-a uzimaju se u obzir u troškovima);

Odnos stope rasta prihoda / marže / neto dobiti po zaposleniku prema stopi rasta plaće / troškova osoblja u istom razdoblju (u principu je ne uspoređujem sa stopom rasta prosječne plaće, budući da je njezina dinamika značajno utječe na broj zaposlenih, što može dovesti do narušavanja ekonomske suštine pokazatelja);

Razina financijskih rizika za HR funkciju (može se mjeriti kao broj rizičnih događaja, što se podrazumijeva kao bilo koji neuspjeh u HR procesu, koji je za posljedicu imao štetu u organizaciji koja prelazi određeni iznos, pa ukupan iznos šteta za sve rizične događaje);

Troškovi tvrtke za 1% fluktuacije osoblja (uzimaju se u obzir svi izravni troškovi: odabir, osposobljavanje, prilagodba osoblja (distrakcija mentora i menadžera), plaća sve dok zaposlenik ne dosegne ciljanu razinu produktivnosti i izgubljeni dohodak tijekom odsutnosti zaposlenika i dok zaposlenik ne postigne ciljanu razinu uspješnosti);

Prosječna plaća zaposlenika (u kontekstu pozicija / funkcija / lokacija) u odnosu na medijan plaće na temelju istraživanja tržišta rada u sličnoj analitici.

II. Klijenti (interni):

Razina zadovoljstva internih klijenata HR uslugama (mjerena i kao ponderirani prosječni pokazatelj i odvojeno u kontekstu funkcija. U pravilu je većina svih podizvođača zainteresirana za odabir, motivaciju, upravljanje brojem zaposlenih, procjenu i razvoj);

Udio slobodnih radnih mjesta zatvorenih unutar standardnog vremenskog okvira (standardni vremenski okvir razlikuje se ovisno o razini radnog mjesta, funkcionalnom bloku, mjestu itd.);

Razina osoblja u% osoblja (pokazatelj je alternativa prethodnom pokazatelju, korišten je u uvjetima masovnog zapošljavanja, za razliku od prethodnog je trenutačni, a ne intervalni, stoga je posebno nezgodan za zapošljavanje kad se ponderirano prosječno osoblje smatra analogno SSC-u);

Prosječni učinak zaposlenika u fazi ulaska na radno mjesto (često se koristi za menadžere prodaje, vremenski interval postavlja se različito za radno mjesto, u pravilu je vezan uz razdoblje osposobljavanja početnika i primanje na samostalan rad, može se mjeriti kao postotak, uvjetni proizvodi itd.).

III. Procesi:

Troškovi zapošljavanja 1 zaposlenika (za mene je podijeljen u 4 kategorije, ovisno o razini radnog mjesta / profesije);

- "lijevci" za zapošljavanje u raznim analitičkim odjelima (položaji, mjesta, funkcije, kanali za privlačenje kandidata itd.);

Probni rad zaposlenika (izuzetno koristan pokazatelj za izgradnju odnosa s internim klijentom, posebno u kontekstu funkcije i mjesta, zato ga je potrebno podijeliti u dvije komponente: na inicijativu zaposlenika i na inicijativu zaposlenika menadžer);

Odlazak u mirovinu / fluktuacija osoblja (podjela između pokazatelja je uvjetna, pod mirovinom mislim na pokazatelj kada svi otpušteni zaposlenici, bez obzira na razlog otkaza, odu u „offset“, ako bilo koji razlozi nisu uključeni u izračun pokazatelja , onda je za mene to promet. u drugom slučaju, provedite anketu na izlazu, osigurajte prikupljanje telefonskih brojeva umirovljenih zaposlenika i uputite revizijske pozive za otpuštene zaposlenike;

Tradicionalna analitika iz razloga umirovljenja / fluktuacije osoblja;

Odlazak u mirovinu / fluktuacija ključnog osoblja (smatra se za zaposlenike koji su na prošlom kadrovskom povjerenstvu dobili ocjenu A (visoki potencijal) i B (visoko produktivnost), kao i uključeni u kadrovsku rezervu za višu poziciju prema odobrenim putovima u karijeri s razinom spremnosti RN (spremno sada));

Analitika o razlozima umirovljenja / fluktuacije ključnog osoblja (vidi prethodni odlomak);

Prosječni postotak odsutnosti zaposlenika u odnosu na FRV prema tablici kadrova (uključuje sve vrste izostanaka);

Udio zaposlenika u komercijalnim uslugama koji su uspješno završili obuku prodaje / proizvoda prema mjestu / funkciji;

Razina (postotak) usklađenosti s prodajnim standardom tvrtke prema odobrenim kontrolnim listama (analitika se prikuplja na temelju rezultata i unutarnje i vanjske revizije - pozivanje kupaca, revizija poziva itd.)

Prosječni postotak izvršenja zadataka prava intelektualnog vlasništva u standardnom vremenskom okviru;

Prosječna ocjena zadovoljstva studijama licem u lice na temelju upitnika s povratnim informacijama

IV. Razvoj osoblja:

Udio ključnih pozicija u tvrtki (određuje se pojedinačno), zatvorenih rezultatima posljednje kadrovske komisije od strane nasljednika s razinom spremnosti RN (spremno sada) i RN + 1 (spremno za godinu dana);

Postoji mišljenje da se HR odnosi na visoke stvari, koje se, čini se, ne mogu ugurati u okvir brojeva. Ali ako se nešto ne može izmjeriti, onda se ne može kontrolirati? Ispada da rad s ljudima može biti točna znanost ako imate prave alate. Na primjer, svladajte HR analitiku.

Gdje početi? Pitali smo Evgeny Bondarenko, direktor DTEK akademije, deset pitanja, čiji će vam odgovori pomoći da se snađete kako započeti ovaj težak, ali zanimljiv put.

Što je HR Analytics?

Nemoguće je jednostavno govoriti o HR analitici. Tema pruža znanje koje se većini nas u školi i na sveučilištu činilo najtežim - posebno iz matematike i statistike. Štoviše, prilično često su nam se svi ti koeficijenti, modusi i medijani činili potpuno nepotrebnima. I samo s iskustvom dolazi do razumijevanja koliko je to korisno, a ako pravilno izgradite proces učenja, onda je to uzbudljivo.

U časopisu HR zasnovan na dokazima: Pod mikroskopom autorica Ketty Jacobs daje ilustrativan primjer. Kao dio programa promjena u velikoj organizaciji, trojica čelnika koji su bili zaduženi za promjenu izrazili su različita gledišta o tome što učiniti. To je kao da tri liječnika drugačije liječe jednog pacijenta. U medicini je uobičajeno da se za liječenje oslanjaju na činjenice. U upravljanju ljudima, većina se odluka, kako se ispostavilo, temelji na osobnom iskustvu i tuđim istraživanjima koja su negdje pročitana.

Dakle, postoje mnoge definicije HR analitike. Možda najcjelovitiji zvuči ovako: to je stalni proces traženja uvida, pokretača u procesima upravljanja ljudima koji donose koristi poslu, koristeći znanstveni pristup.

Dva su glavna pristupa HR analitici.

Pristup prvom: "Vidim cilj." Koja je njegova suština?

Ovaj pristup pretpostavlja određeni cilj. Na primjer, tvrtka razvija hipotezu na temelju iskustva ili pretpostavki. Ta je hipoteza da previše perspektivnih mladih stručnjaka napušta posao: zapošljavaju se svake godine, ali ih je još uvijek malo. Tada tvrtka prikuplja podatke, bira metodologiju, izračunava taj kriterij i tako ili potvrđuje hipotezu ili je opovrgava.

Zahtjev može biti drugačiji - na primjer, trebate izgraditi prediktivni model koji će vam omogućiti da proučavate procese ljudi koji napuštaju tvrtku. Prikupljanjem dostupnih podataka i njihovom analizom, tvrtka može vidjeti "crvene zone" - one zaposlenike koji bi mogli napustiti u bliskoj budućnosti. Ovaj zadatak je u mogućnosti, na primjer, logističke regresije.

Pristup dva: "Idem istražiti." Što je?

Ovdje nema svrhe analizirati bilo koji određeni kriterij. Ali postoji niz podataka i želja da se pronađu neki korisni uvidi koji nisu očigledni, ne leže na površini. To je bliže tzv. strojno učenje - istražuju se podaci, pronalaze zanimljivi odnosi, donose se zaključci. Vrsta inteligencije koja će naknadno pomoći u formuliranju hipoteza, postavljanju ciljeva i donošenju konkretnih poslovnih zaključaka.

Za početak možete pročitati publikacije na ovu temu - "HR zasnovan na dokazima: pod mikroskopom", kao i "HR metrika i analitika: upotreba i utjecaj. Planiranje ljudskih resursa "(u kojem su autori prvi puta upotrijebili izraz" HR analitika ").

Tada morate početi proučavati statistiku - za to možete uzeti bilo koji osnovni udžbenik. Primjerice, knjiga „Statistika. Tečaj osposobljavanja za sociologe i menadžere ”O. Ivanova: u njemu je sve opisano jednostavno i jasno, koristeći stvarne primjere. Ostale korisne knjige su "Metode matematičke obrade u psihologiji" E. Sidorenka (različiti statistički kriteriji opisani su strukturirano). Zanimljivo je i pročitati "Pravila rada!" (sjajna knjiga o Googleu Laszla Bocka), Gola statistika (Charles Whelan), Upravljanje podacima (Tim Phillips), Veliki podaci (Victor Mayer-Schoenberger).

Još uvijek nema knjiga o HR analitici, posebno na ruskom jeziku. Ali to uopće ne znači da ne biste trebali ni pokušati razumjeti ovu temu, jer je ovdje metoda analogija savršeno primjenjiva. Možete promatrati kako iste analitičke zadatke rješavaju, recimo, trgovci - na primjer, proučavanje kupaca. I primijenite ovo u svom području - proučavanjem zaposlenika. Možete naučiti kako poslovni analitičari, psiholozi i sociolozi rješavaju svoje probleme. Na primjer, Studijski tečaj za sociologe i menadžere daje primjer kako usporediti uspjeh dviju skupina studenata. Lako je to prenijeti u HR praksu za usporedbu dviju skupina zaposlenika koje obučavaju različiti treneri i za mjerenje učinkovitosti aktivnosti obuke.

Inače, znanje engleskog jezika bit će velika prednost u proučavanju HR analitike: gotovo svi visokokvalitetni izvori znanja su na engleskom jeziku.

Koje programe trebate svladati?

Kamen temeljac HR analize je set alata. Nažalost, u ukrajinskim tvrtkama zaposlenici, čak i financijeri, svugdje koriste Excel. A ovo je totalni problem. Na pitanje zašto ne isprobati učinkovitije alate - na primjer, Pytnon ili R, zbunjeno "Dakle, ovo su programski jezici!" Čini se, kakve veze s tim imaju analitika, financijska i posebno HR? Zapravo su ti alati prilično primjenjivi. Excel vam omogućuje rješavanje osnovnih problema i dobar je u početnoj fazi kada naučite ručno izračunavati osnovne pokazatelje kako biste razumjeli kako to radi. Ali kada u svom arsenalu imate složenije alate, izračuni se izrađuju brže i lakše: ne trebate slikati formule, trebate samo napisati redak koda, unijeti potrebne podatke i dati funkciji zadatak - recimo, da izgraditi regresiju. A onda - uzmite grafikon, formulu i ostale važne parametre. To se radi za nekoliko sekundi. Osim toga, ako se skup podataka promijenio, Excel će najvjerojatnije morati prepisati sve formule. U Pytnonu ili R-u, ako postoji napisana skripta, program ne zanima s kojim skupom podataka treba raditi.

Ako se osoba nikada nije bavila programskim jezicima, može se činiti da je njihovo svladavanje nešto iz područja fantazije. U stvari, jezik R, na primjer, je intuitivan, pa čak i netko tko ga nije proučio može ga savladati na samopouzdanoj osnovnoj razini za otprilike šest mjeseci (naravno, uz dužni trud). Ako danas postoje knjige za djecu o tome kako naučiti programirati, tada se odrasla osoba još uvijek može nositi s takvim zadatkom. Jezik R je besplatan, dostupan za preuzimanje, a izmislili su ga znanstvenici koji su željeli da se znanstveno istraživanje i znanje mogu slobodno dijeliti. Osim toga, na Internetu postoji mnogo knjižnica za R koje možete povezati kako biste preuzeli nove funkcije za potrebne kriterije ako osnovna funkcionalnost nije dovoljna (recimo, za izgradnju složenih modela, 3D vizualizaciju itd.).

Na koje internetske resurse trebate obratiti pažnju?

Postoje posebne web stranice na kojima ljudi dijele svoje skupove podataka, a drugi korisnici pomažu u rješavanju međusobnih problema. Na primjer, stackoverflow.com i kaggle.com također imaju odjeljak HR analitike. Općenito, razmjena znanja je vrlo dobrodošla u analitici: budući da zasad ima malo podataka, ovo je praktički jedini način učenja.

Dobar resurs s e-tečajevima je stepik.org: ovdje možete pohađati tečajeve o osnovama statistike (osnovne ili naprednije, s primjerima i zadacima), o analizi podataka u R (s primjerima kako se primijeniti na stvarne probleme) , o osnovama programiranja na R-u (poznavanje funkcionalnosti R-a i razvojnog okruženja za R - Rstudio).

Također možete pohađati tečajeve na coursera.org iz znanosti o podacima i HR analitike. Ali ima smisla ako slušatelj već poznaje osnovne pojmove u statistici. Jer kad predavač kaže: "Sad ćemo izgraditi regresijski model", trebali biste znati što je to.

Dakle, da biste ovladali HR analitikom, možete čitati i učiti na tečajevima. Ali to nije dovoljno: morate pokušati. Uzmite najjednostavnije podatke - koliko tvrtka plaća zaposlenicima, koliko često ljudi odlaze na bolovanje ili odsustvo i pokušajte napraviti prve izračune. Morate prijeći s jednostavnog na složeno: ako razumijete kako funkcioniraju jednostavne tehnike, izračunavaju se modeli i koeficijenti, tada možete svladati složenije.

Kojih se "zamki" bojati?

HR menadžeri često nastoje osigurati da rezultat istraživanja potvrdi hipotezu i ispostavi se onako kako bi oni željeli. Treba razumjeti da u HR analitici nema dobrih i loših odgovora - samo stvarne činjenice. Ponekad ćete možda doći u napast da "manipulirate" nečim. Vrlo je važno prilagoditi se sljedećem: istražili ste, izvršili sve potrebne proračune, prihvatili ili odbacili nultu hipotezu. Nova je hipoteza - potrebno je provesti novo istraživanje.

Kada HR analitika nema smisla?

Ako se bavite HR analitikom, morate biti spremni donijeti upravljačke odluke na temelju nalaza. Inače nema smisla. Ono što će HR analitika pokazati često će biti u suprotnosti s očekivanjima. Stoga morate unaprijed iskreno odgovoriti na pitanje: "Imamo li dovoljno volje za promjenama na temelju rezultata istraživanja?"

Primjerice, tvrtka provodi treninge za zaposlenike - poziva dobro poznatog trenera koji se svima sviđa. I odlučuje izmjeriti učinkovitost treninga. Nakon treninga polaznici su sretni i nadahnuti, ispunjavaju upitnike za povratne informacije oduševljenim odgovorima o osjećajima i korisnosti, a zatim ... Od 20 ljudi koji su prisustvovali treningu, nitko stečeno znanje ne primjenjuje u praksi. Niti jedan instrument. Naravno, možda će vam se svidjeti trening - ali HR analitika odgovorit će na pitanje što se promijenilo u ponašanju zaposlenika, kakve je koristi donijelo poslu. Na primjer, ako je ovo komunikacijski trening, možete pratiti koliko je argumenata u obranu svog položaja zaposlenik dao ranije i kako se ta vještina poboljšala nakon treninga. Nema promjena? Tada se ispostavlja da se trening koji se smatrao najučinkovitijim po mišljenju ljudi, zapravo, pokazuje beskorisnim. Nitko ovo nije očekivao, ali s brojkama se ne možete svađati. Nakon studija ispada da trening nije obuhvaćao vježbe koje pomažu u razvijanju potrebnih vještina.

U ovom slučaju, nulta hipoteza može zvučati, na primjer, ovako: "Ovaj trening ni na koji način ne utječe na ponašanje sudionika." Alternativna hipoteza - "Trening utječe na ponašanje sudionika, pomaže povećati razinu upotrebe argumenata." Ako istraživanje potvrdi ništetnu hipotezu, tvrtka je suočena s teškim izborom: postoji izvrstan trener kojeg svi vole. Ali njegovi treninzi nisu dobri za posao. Što trebam učiniti - napustiti trenera, ponoviti program koji zahtijeva vrijeme i resurse ili pozvati nekoga drugog? ..

Kako razviti podatkovnu kulturu u svojoj tvrtki?

HR analitika nije samo hrpa brojeva. To je cijela kultura rada s podacima. Ako HR, bez obzira na to koliko je napredan, temeljito prouči temu, a poslovni čovjek ili vlasnik ne shvate o čemu se radi, ništa neće uspjeti. HR menadžer koji želi raditi s analitikom morat će naučiti prevladati otpor. Zamislite situaciju kada HR dođe vlasniku i kaže: “Imamo hi-kvadrat - četrdeset osam ...” To mu neće ništa značiti.

Ovdje se često pojavljuje problem, jer HR služba ne uspijeva uvijek prodati jednostavnija rješenja. Dobra je strana što se HR analitika temelji na podacima. A vođe jednostavno vole brojeve i poslovne metrike, a ako ih uključite u HR analitiku, povežete ih s HR metricama, šanse za uspjeh inicijative rastu. Postoji čak i koncept "tvrtke vođene podacima" - to jest organizacije u kojoj se odluke donose na temelju određenih podataka.

Dobra je praksa usvojena na DTEK akademiji da s kolegama podijelite znanje koje steknete iz različitih izvora. Ako je netko naučio nešto zanimljivo (na primjer, na seminaru ili ga je čak i sam proučio), zaposlenik šalje mailing listu i poziva sve na sastanak. Nije potrebno, ali korisno i zanimljivo, stoga je popularno. Redovito održavamo takve sastanke na temu HR analitike i uvjereni smo da je bez obzira s čime surađivali - bilo da se radi o obuci, pričuvi osoblja, zapošljavanju, ovaj alat savršeno primjenjiv.

Ponekad HR analitika pomaže u rješavanju vitalnih problema. Na primjer, ako proizvodna tvrtka provodi istraživanje sigurnosti. Analitički pristup omogućuje vam analiziranje ponašanja zaposlenika koji su skloni kršenju sigurnosnih postupaka i onima koji to nikada ne čine ili čine vrlo rijetko. I na temelju podataka, izradite neke portrete tih skupina, analizirajte okolnosti. Primjerice, ako tvrtka dođe do zaključka da se kršenja najčešće događaju navečer i praznicima, kada u proizvodnji postoji minimum rukovodstva, to nam omogućuje zaključiti da je tijekom tih sati potrebno pojačati kontrolu nad poštivanjem sigurnosnih mjera i tako utjecati na sigurnost zdravlja ljudi. Ali, opet, ako poduzeće nije spremno donositi upravljačke odluke, nema smisla provoditi istraživanje.

Koja je glavna vrijednost HR analitike?

HR analitika pomaže pobjeći od stereotipa. I to je njegova prednost: ne treba se oslanjati na tuđe špekulacije. Trendovi i mišljenja su sjajni, ali pitanje je koliko se prikladno oslanjati u svakom slučaju? Na primjer, globalni trendovi u određenom području uvijek su zanimljivi, ali jesu li stvarno primjenjivi na svaku konkretnu tvrtku? Najvjerojatnije će vam trebati vlastito istraživanje. A zahvaljujući HR analitici mogu se obaviti dovoljno brzo.