"그래프"란 무엇입니까?

모든 산업은 데이터를 생성합니다. 데이터 덕분에 내부 클라이언트를 더 잘 이해하고 프로세스를 최적화하며 직원의 상호 작용을 다르게 볼 수 있습니다. 이러한 과정은 그래프 이론을 사용하여 설명할 수 있습니다.

그래프는 정점(점)과 이들을 연결하는 모서리(선)로 구성된 추상 수학적 개체입니다. 인터넷을 예로 들어 보겠습니다. 많은 사이트가 링크로 연결되어 있습니다. Yandex 비즈니스의 핵심은 인터넷 그래프를 빠르게 우회하고 콘텐츠를 분석하여 사용자에게 적절한 답변을 제공하는 것입니다. 또 다른 예는 Yandex.Taxi입니다. 이 서비스는 지도에서 지점 간의 최단 거리를 찾아 승객이 목적지에 도달할 수 있도록 도와줍니다.

Yandex 그래프: 점 - 직원, 선 - 상호 작용

그래프 형태의 객체에 대한 추상적인 표현은 18세기에 유행했던 문제를 해결한 수학자 Leonard Euler에 의해 제안되었습니다.

데이터 소스 및 요구 사항

그래프를 작성하려면 데이터가 필요합니다. 조직은 다음을 데이터 소스로 사용할 수 있습니다.

회사 메일

직원 회의 일정

추적기의 작업

내부 PBX 통화

트래커는 특히 IT 회사에서 인기가 있습니다. 작업을 설정하고, 실행을 담당하는 사람을 지정하고, 파일을 첨부할 수 있습니다. 추적기는 팀워크를 훨씬 쉽게 만듭니다. Yandex에서 이 도구는 개발자뿐만 아니라 다른 부서에서도 사용됩니다.

HR 부서는 추적기를 사용하여 다음을 수행합니다.

공석 승인

고용

적응

학습

HR 분석은 이 도구를 기반으로 구축되었습니다.

데이터 요구 사항:

품질. 데이터에는 오류 및 누락이 없어야 합니다. 지표는 일반적인 관점으로 가져와야 합니다.

완전성. 이제 동시에 여러 정보 시스템에서 작업하는 것이 표준이 되었습니다. 한 시스템에서만 가져온 데이터는 완전하지 않습니다.

상호작용 분석

그래프의 점과 선은 직원과 직원의 상호 작용을 나타냅니다. 지점에서 직경이 클수록 직원과 동료 간의 상호 작용이 더 강렬해집니다. 두 직원을 연결하는 선이 두꺼울수록 이 쌍에서 더 강렬한 상호 작용이 발생합니다.

Yandex 직원 상호 작용

모든 데이터를 고려하고 올바르게 해석하는 것이 중요합니다. 직원 간의 상호 작용 강도는 직위와 할당된 작업에 직접적으로 의존합니다.

어떤 결론을 내릴 수 있으며 조직 변화에 적용할 수 있는 것은 무엇입니까?

상호 작용의 효율성.그룹이 상호 작용의 강도가 다르고 KPI와 같은 객관적인 지표가 있거나 성과 검토가 수행되고 있는 경우 그래프에서 요인(상호작용의 강도)을 비교하고 최상의 지표로 이어지는 조치를 예측할 수 있습니다. . 예를 들어, 과도한 양의 의사 소통은 관리자를 압도하고 소진에 영향을 줄 수 있습니다.

리더십 관리 스타일.데이터는 관리자가 미세 관리를 사용하는지 전체 제어를 사용하는지 알려줍니다. 그래프의 데이터를 사용하여 관리자에게 자신의 관리 스타일이 각 특정 작업에 적합한지, 어떤 조치가 직원의 효율성을 향상시킬 수 있는지 알 수 있습니다.

팀 내 커뮤니케이션.예를 들어, 팀 구성원은 서로 잘 상호 작용하지만 다른 동료와 거의 상호 작용하지 않습니다. 이러한 팀은 이미 회사에 있었던 프로젝트를 만들 수 있으며 이에 대한 데이터는 저장되지만 팀은 이에 대해 알지 못합니다. 결과적으로 다른 부서와의 상호 작용이 충분하지 않아 회사 리소스가 낭비됩니다. 또는 그 반대의 경우, 팀 내부 커뮤니케이션이 원활하지 않으면 프로젝트 준비가 지연됩니다.

직원 상호 작용에 대한 완전한 그림 360도 설문조사를 위한 동료 목록을 자동으로 생성할 수 있습니다. 이 경우 설문조사 결과에 따라 관리자가 받게 될 데이터가 완성됩니다.

팀 간의 상호 작용

측정항목

그래프 이론의 일부 메트릭은 조직에서 성공적으로 사용할 수 있습니다.

밀도 / 희소성.그래프의 모든 정점이 간선으로 연결되면 그래프가 완성이라고 합니다. 실제 세계에서 완전한 그래프의 예는 소규모 스타트업이 될 수 있습니다. 모든 사람이 서로를 알고 효과적으로 상호 작용하는 소규모의 친근한 팀입니다. 한 직원이 떠나도 필수 정보가 손실되지 않으며 상호 작용이 중단되지 않습니다.
회사의 성장과 함께 밀도가 흐트러집니다. 수천 명의 직원이 있는 회사에서 모든 직원이 서로를 아는 것은 상상하기 어렵습니다. 그러한 회사는 한 직원이 떠날 때 팀 내에서 중요한 의사 소통을 잃을 위험이 있는 것이 특징입니다.

거리.이 측정법은 잘 알려진 6가지 악수 이론을 연상시킵니다. 직원 사이의 거리가 짧을수록 응집력이 높아지고 더 많은 사람들이 서로를 알 수 있습니다.

중심성.이 측정 기준은 Game of Thrones의 캐릭터 그래프에 잘 설명되어 있습니다. 작품의 중심 캐릭터 중 한 명이 예기치 않게 사망한 후, 각본가는 부 캐릭터의 스토리 라인에 어려움을 겪습니다.

다리.두 가지 언어를 사용하는 사람들의 작은 다리가 "단일 언어를 구사하는" 동료 시민들을 연결하는 두 개의 공식 언어를 사용하는 벨기에의 예에서 설명할 수 있습니다. 회사에서 이 다리에 있는 사람들은 매우 중요한 연결의 전달자입니다. 그들의 퇴사는 회사에 큰 문제입니다.

애플리케이션

프로젝트 구조가 있는 회사에서는 프로젝트가 매주 시작되고 닫히므로 비용을 추적하는 것이 중요합니다. 경제적 계산을 위해 데이터를 올바르게 수집하고 전송하는 것이 필요합니다. 이 프로세스는 자동화로 개선할 수 있습니다. Yandex는 다음을 수행했습니다.

회사의 그래프를 구성했습니다.

HR 분석가는 특정 월에 직원의 행동을 분석하여 현재 어떤 프로젝트에 참여하고 있는지 확인할 수 있습니다. 서비스 관리자와 통신할 필요가 사라졌습니다. 이를 통해 비즈니스 및 분석가의 시간을 절약할 수 있습니다.

지금까지 흥미로운 결과를 보여주는 파일럿 프로젝트입니다. Yandex의 많은 연구 프로젝트가 이후에 프로덕션으로 출시됩니다.

따라서 분석의 고전적인 방법은

데이터.소스, 완전성 및 품질.

심상.이 데이터를 보는 방법, 사용 방법. HR 분석의 경우 그래프 이론에서 가져오거나 독자적으로 제시할 수 있는 메트릭에 대한 아이디어.

보고,회사에서 무슨 일이 일어나고 있는지 매월 보여줍니다. 예를 들어, 관리자 간의 상호 작용 강도.

측정항목,결론에 사용되는 것입니다.

예측 분석- 시간을 절약하는 자동화된 프로세스를 시작합니다.

HR 분석에 대해 알아야 할 기타 사항

Global Learning Resources, Inc.의 사장 겸 설립자인 Kevin Wheeler는 기사에서"HR 분석의 단점: 잘 알려지지 않은 8가지 사실" HR 데이터와 관련된 몇 가지 중요한 요소를 강조합니다.

분석은 마법의 약이 아닙니다.분석은 마법의 총알이 아닙니다. 데이터는 문제를 이해하고 문제를 해결하는 더 효과적인 방법을 선택하는 데 도움이 될 수 있지만 데이터는 공감과 인간의 추론을 대체하지 않습니다.

알고 싶은 내용을 정확히 이해합니다.분석하거나 측정하려는 대상에 대한 최대한의 명확성이 필요합니다. 그리고 그것이 가능한지 확인하십시오.

적절한 방법을 사용합니다.데이터 수집 방법도 까다로울 수 있습니다. 분석의 한 가지 사용 사례는 문제를 명확히 하거나 가능한 원인을 찾는 것입니다.

수동 데이터가 요청된 데이터보다 나을 수 있습니다.다른 사람에게 신뢰할 수 있는 데이터를 요청하는 것보다 수동적인 데이터를 직접 수집하는 것이 훨씬 쉽습니다. 모든 행동과 결정의 결과에 대한 사실 정보를 수집하는 것은 비교적 쉽습니다.

지원이 중요합니다.데이터를 효과적으로 사용하려면 경영진의 지원과 데이터를 소중히 여기는 적절한 기업 문화가 필요합니다.

목표는 상황을 통제합니다.특히 분석 도구가 회사에서 막 구현되는 초기 단계에서 모든 것을 측정하고 싶은 유혹이 큽니다. 그러나 대답하고 싶은 두세 가지 핵심 질문에 집중하는 것이 가장 좋습니다. 그러면 더 정확한 데이터 수집과 완전한 분석을 위한 충분한 시간이 있습니다.

데이터에 결함이 있습니다.최근에는 데이터를 받침대에 올려놓고 정치나 의견이 없는 순수한 정보로 인식하는 것이 관례가 되었습니다. 그러나 불행히도 의견은 다른 모든 것과 같은 방식으로 데이터 분석에 영향을 미칩니다.

단순할수록 좋습니다.시간을 내어 목록을 작성하십시오. 채용 프로세스를 개선하기 위해 정말로 알고 싶은 것; 어떤 데이터가 대부분의 출처의 효율성을 개선하거나 최고 경영진의 질문에 답하는 데 도움이 될 수 있습니까?

최근에는 데이터의 정확한 해석의 문제도 대두되고 있다.나심 탈렙의 말 : “빅데이터로 작업하는 방법을 안다면 그것도 좋지만 해석할 수 있어야 하고, 모든 것을 혼란스럽게 하는 말도 안되는 소리와 불필요한 잡음을 걸러낼 수 있어야 합니다. 흥미롭게도 데이터 작업 방법을 알고 있는 유일한 사람은 테러 방지 서비스입니다. 그들은 잘못된 상관 관계를 찾지 못하고 샘플을 특정 용의자로 좁힐 수 없으며 연관성을 찾고 있습니다.컴퓨터는 단순히 데이터로 속일 수 있으므로 통계 원칙은 매우 중요합니다. 빅데이터는 무엇이 옳고 그른지를 말해줄 수 없다”고 말했다.

이미지 출처 - HR 환경

Telegram의 관련성 있고 흥미로운 HR 사례. 채널을 구독하십시오!

사이트 사이트의 자료를 복사 및 가공하는 것을 금지합니다.

그들은 HR 분석이 실제로 무엇이며 해결하기 위해 설계된 작업을 이해하는 것보다 훨씬 더 HR 분석에 대해 쓰고 이야기합니다.

이 기사는 적용의 주요 어려움과 분석을 시작하는 위치에 관한 것입니다.

공공 공간에서 HR 분석은 메트릭 및 숫자 작업, 로컬 프로세스 또는 부서의 지표인 HR의 통계를 의미하거나 IT 부서를 HR 데이터 아카이브 생성에 연결하는 방법에 대한 사례를 공유합니다. 실제로 HR 분석은 회사의 전략적 개발 문제를 해결하고 주요 예측 동향을 결정합니다.

그렇다면 HR 분석이란 무엇입니까?

HR 분석은 데이터 처리 및 비즈니스 인텔리전스(BA) 기술을 HR 데이터 처리에 적용하는 프로세스입니다. 인재 분석이라고도 합니다. 또한 이 컨텍스트에서 데이터 마이닝은 데이터베이스를 검사하여 새로운 정보를 생성하는 관행을 의미합니다.

경제, 비즈니스 및 사람의 글로벌 디지털화에 비추어 볼 때 이것이 왜 지금 중요한가요? 데이터, 친구! 빅데이터는 어디에나 있다!

그리고 신경과학이 등장하여 인간의 결정이 합리적이 아닌 주관적이고 감정적인 것임을 보여줍니다.

이제 어떻게 살아야 할까요?

물론 모든 것이 논리적이고 합리적이며 데이터를 기반으로 보장된 결과를 얻으려면 다른 방식의 결정이 필요합니다. 누가 그것을 원하지 않습니까? 모두가 원하는! 왜 안 됩니까?

HR 분석 준비는 여전히 주요 과제입니다. Deloitte 2017 보고서에 따르면 이 문제에 대해 몇 년 동안 논의한 후 응답자의 8%만이 유용한 데이터를 가지고 있다고 말했습니다. 9%만이 직원의 어떤 특성이 조직의 성공으로 이어지는지 잘 이해하고 있다고 생각합니다. 그리고 일반적으로 15%만이 라인 관리자를 위한 HR 및 인재 측정 시스템을 배포했습니다.

"지난 10년 동안 미스터리였습니다. 인적 자본의 명백한 중요성을 감안할 때 조직은 왜 인적 자본에 투자하지 않고 리더가 사실 기반 분석을 사용하여 사람에 대한 결정을 내리도록 요구합니까?" (").

그래서 무슨 거래? 실제 업무에서 사용하는 것보다 분석을 훨씬 더 많이 사용할 때의 이점과 필요성에 대해 이야기하고 글을 쓰는 이유는 무엇입니까?

이 현상을 다른 각도에서 살펴보자.

어려움은 무엇입니까?

우선, 회사 리더 측에서 이러한 "둔화"에 대한 깊고 근본적인 이유를 고려할 가치가 있습니다. Pete Ramstad와 John Boudreau가 Beyond HR(Boudreau and Ramstad, 2007)에서 제시한 모델의 틀 안에서 설명하겠습니다. 이를 LAMP 모델(논리, 분석, 측정 및 프로세스)이라고 합니다.

이 모델에서 설명하는 것을 단순화하기 위해 분석 사용이 느려지는 이유는 다음과 같습니다.

• 논리:고성능 생산 시스템이 작동하는 이유를 설명할 수 없습니다. 이것은 여전히 ​​블랙 박스입니다. 우리는 뉘앙스 사이에 특정 관계가 있다는 것을 이해하지만, Y를 얻기 위해 X로 수행해야 하는 작업과 수행해야 하는 작업에 직접적으로 의존하는 것이 무엇인지 확실히 말할 수는 없습니다.

• 해석학:전통적으로 분석 모델에는 깊이와 철저함이 부족했습니다. Google 및 기타 주요 기업의 리더는 수많은 요인을 고려하는 모델이 존재하는 로켓과 같은 산업으로 눈을 돌리고 있습니다. 간단히 말해서, 그것은 방법론적으로 건전하지 않습니다.

• 측정항목:대부분의 경우 데이터 세트는 현재 고용 상태, 직원 비용 및 HR 프로그램과 관련됩니다. 기껏해야 이 데이터는 분석, 직원 세분화를 포함하고 전략적 계획과 긴밀하게 통합되는 전략적 또는 예측적 분석이 아니라 운영 또는 고급 보고입니다.

• 프로세스:의사 결정권자에게 분석을 제공하는 것입니다. 여기에서 주요 성공 요인은 적시성과 제시된 데이터의 시각적 매력 정도입니다. 우리는 의사 결정을 위해 접근 가능하고 이해할 수 있는 형태로 실시간으로 데이터를 얻는 것에 대해 이야기하고 있으며 인공 지능을 사용하는 이러한 도구는 이제 막 개발되고 있습니다. 예를 들어, 대부분의 경영진은 일반적으로 낮은 이직률이 항상 유익한 것은 아니며, 반대로 그들이 직면한 상황에 가장 적합한 것이 무엇인지 결정하는 방법을 모르기 때문에 직원 이직률을 해석하는 방법을 모릅니다. 이러한 관점에서 우리는 HR 도구를 수정하는 단계에 있습니다.

위에서 보면 문제의 복잡성과 깊이가 조금 더 명확해 보인다고 생각합니다. 따라서 분석에 대한 투자가 매우 위험한 비즈니스로 보이는 객관적인 이유가 있습니다. 대충 말하자면, 분석을 기반으로 의사 결정을 내리기 위한 명확하고 신뢰할 수 있으며 명확한 도구가 없습니다.더 정확하게 말하면, 매우 단순한 지역의 경우 비용이 들지 않습니다. 이 수준의 비용은 비즈니스 성공의 핵심이 되는 신뢰할 수 있는 예측 추세를 얻을 수 있다면 의미가 있습니다. 그리고 분석가만으로는 이것을 보장할 수 없습니다.

우리는 단순히 데이터를 처리하고 싶지 않습니다. 우리는 어느 정도 보장된 결과로 비즈니스 결정을 내릴 수 있는 신뢰할 수 있는 도구를 원합니다. 그리고 이런 의미에서 가장 중요한 것은 여전히 ​​그 사람에게 남아 있습니다.

• 전략적으로 관련된 질문을 하고 인적 자원에 대한 투자와 중요한 조직 결과 사이의 관계를 보여주는 논리적 프레임워크로 제시하는 능력;

• 자신의 사업에 대한 심층 지식을 보유하고 있습니다.

• 조직의 중요한 프로세스 등을 설명하기 위한 적용 가능성의 의미에서 분석 모델의 논리를 이해합니다.

매우 간단한 용어로 요약하면 데이터 작업 방식으로서 분석의 주요 어려움은 먼저 얻고자 하는 결과를 결정해야 한다는 것입니다. 그리고 이를 위해서는 비즈니스에 대한 깊은 이해가 필요한 매우 정확한 질문을 하고 어떤 분석 모델의 도움으로 이러한 결과에 도달할 수 있는지 결정하고 이에 따라 어떤 종류의 데이터와 어떤 양을 결정해야 합니다. 필요한 형식으로 정확히 얻을 수 있는 방법을 생각해 내야 합니다.

복잡한 접근

접근 방식의 복잡성을 설명하기 위해 HR 분석 팀의 구성을 보여주는 그림을 살펴보십시오.

그게 다가 아니다. 일반적으로 "HR 분석"이라는 문구는 오늘날 연구자와 저자의 작업에서 극히 드물다는 것을 기억하는 것이 매우 중요합니다. 이것은 너무나 친숙한 러시아어 용어입니다. 영어에서는 이제 People Analytics의 개념인 People Analytics가 사용됩니다. 이것은 단순한 동의어가 아닙니다. 반대의 경우도 마찬가지입니다. 이직률, 채용 지표, 고용 상태 등 HR과 독점적으로 관련된 지역에서 서구에서는 글로벌 "사람 분석" 또는 "인간 분석"으로 이동했습니다. 움직임, 건강 상태, 소셜 네트워크 활동 등 사람에 대한 모든 데이터가 중요합니다. 전체 양의 데이터를 사용해야만 예측 및 전략적 결정의 허용 가능한 정도의 신뢰성에 대해 이야기할 수 있습니다. 이러한 데이터를 수집하기 위해 기업은 모바일 애플리케이션을 기반으로 하는 새로운 도구를 구현해야 할 뿐만 아니라 이를 사용할 수 있는 전문가를 유치해야 합니다.

그러나 이것은 문제의 끝이 아니라 시작에 불과합니다.

문맥. 크고 조밀한 데이터 결합

컨텍스트가 중요합니다. 무슨 뜻이에요? 이는 빅 데이터 외에도 소위 말하는 것이 필요하다는 것을 의미합니다. 고밀도 데이터: 이야기, 감정, 의사소통 등 사람의 소중한 정보는 모두 정량화할 수 없지만 놀라운 깊이의 의미를 담고 있습니다. 그것들을 깊이 있게 만드는 것은 사람들이 말하는 것을 올바르게 인식하는 경험입니다. 이것은 예측 모델의 격차와 격차를 인식하는 데 도움이 됩니다. 조밀한 데이터는 비즈니스 문제를 인간의 문제로 몰아넣고 컨텍스트를 명확하게 합니다. 따라서 크고 조밀한 데이터를 결합하면 더 깊은 그림을 얻을 수 있습니다. 수집된 데이터와 수집되지 않은 데이터를 모두 사용하여 "왜?"라는 올바른 질문을 할 수 있습니다. 왜 그런 일이 발생합니까?

문맥의 중요성을 설명하기 위해 부정과 긍정의 두 가지 예를 들겠습니다.

부정적인 예- 이것은 이미 시장에서 절정에 달할 수 있는 방법의 슬픈 예가 된 Nokia의 역사입니다. 주요 전략적 오산의 본질은 회사의 리더가 어레이와 빅 데이터를 일치시킬 수없는 고밀도 데이터를 무시했지만 인구의 가장 가난한 부분에서도 스마트 폰에 대한 큰 관심을 정확하게 예측했다는 것입니다.

NS 긍정적인 예그것도 한눈에. 이것이 넷플릭스의 놀라운 성장이다. 반대로 그들은 분석 모델의 격차를 보았고 기술 민족지학자(이미 그러한 전문 분야가 있음)를 초대하여 고밀도 데이터로 작업했습니다. 그리고 그는 빅 데이터에서 볼 수 없는 것을 알아냈습니다. 민족 학자는 사람들이 TV 앞에 "붙어있는"것을 좋아하고 그것에 대해 죄책감을 느끼지 않고 단순히 즐긴다는 것을 알아 차렸습니다. 그리고 빅 데이터와 고밀도 데이터를 결합하여 간단하면서도 효과적인 작업을 수행했습니다. 즉, 다양한 장르의 TV 프로그램을 보여주는 대신 사람들이 더 쉽게 "붙잡"도록 동일한 프로그램을 재생하기 시작했습니다. 그러나 그것이 전부가 아니라 이러한 발견에 따라 방송의 관행 자체를 변경했습니다. 크고 조밀한 데이터를 결합하여 비즈니스를 개선했을 뿐만 아니라 사람들이 미디어를 소비하는 방식도 바꿨습니다. 그들의 몫은 앞으로 몇 년 안에 두 배가 될 것으로 예상됩니다.

데이터는 아무것도 아닙니다. 컨텍스트가 모든 것입니다!

자원

우리는 우리의 문제를 고려하면서 점차 나아가고 있으며, 당신이 여전히 우리와 함께라면 최후의 보루가 앞서 있습니다.

이것들은 자원입니다. 위에서 볼 수 있듯이 데이터에 대한 진지한 작업에는 "무거운" 값비싼 소프트웨어, 우수한 자격을 갖춘 전문가 및 많은 시간이 필요합니다. 이 모든 것은 대부분의 조직에서 사실상 감당할 수 없는 비용에 추가됩니다. 주제를 따라가다 보면 발표된 사례의 대부분이 글로벌 연구를 설명하는 거대 기업의 사례임을 눈치 챘을 것입니다. 이 경우 소위에 대해 기억해야합니다. 생존자의 실수.

공개된 사례는 대부분 작업한 사례입니다. 그리고 같은 비용으로 효과를 보지 못한 사람은 몇 명입니까? 지금까지 저렴하고 비교적 간단한 도구와 모델은 없습니다. 그러나 시장은 시장이고, 아마도 시간이 지나면 축적된 경험의 결과로 나타날 것입니다. 따라서 대기업은 현재 노력하고 있으며 다른 모든 사람들은 전자의 활동 결과 더 저렴한 것을 기다리고 있습니다.

실제로 응답자의 8%만이 유용한 데이터를 가지고 있다고 보고한 주된 이유입니다. 직원의 어떤 특성이 조직의 성공으로 이어지는지 잘 이해하고 있다고 믿는 사람은 9%에 불과했습니다. 그리고 전체적으로 15%만이 라인 관리자를 위한 HR 및 인재 지표를 배포했습니다.

그러나 데이터 작업의 필요성과 이점은 분명하고 타협할 수 없습니다. 그래서 당신은 무엇을합니까?

기업은 어디에서 시작할 수 있습니까?

사람 분석은 해결되는 작업의 글로벌 특성으로 인해 대규모 방향이며 상당히 새롭습니다. 그러나 분석적 접근 방식 중에는 이미 오래전부터 잘 발달된 구간이 있다. 강력하면서도 저렴한 툴킷을 제공하며 회사에 중요한 통찰력을 제공할 수 있습니다. 그러한 접근법 중 하나는 조직 네트워크 분석(ONA, 조직 네트워크 분석). 그것은 무엇입니까?

ONA의 목적은 사람, 그룹 또는 조직 간의 관계와 흐름을 측정하고 매핑하는 것입니다. ONA의 독창성은 조직 내 사람들 간의 실제 연결을 다른 방법으로는 볼 수 없다는 사실에 있습니다. 사실, 그것은 조직이나 외부 시장, 직원 또는 후보자 풀과의 조직의 관계에 대한 X-선입니다. 요컨대, 필요한 관계를 분석할 수 있습니다.

ONA는 사회 측정과 네트워크 분석의 교차점에서 시작되었으며 매우 유용한 도구로 보입니다.

이 접근 방식의 큰 장점은 가시성입니다.

예: 대형 석유 회사의 탐사 및 생산 부서 임원에 대한 분석은 공식 조직 구조와 실제 조직 구조 사이에 다음과 같은 차이점을 보여주었습니다(그림 1에서 롭 크로스의 블로그):

오른쪽 그림에서 볼 수 있듯이 회사에는 공식 계층에서 거의 보이지 않는 중간 관리자 중 한 명인 특정 Cole(왼쪽 그림 참조)이 있는 것을 알 수 있지만 실제로는 그를 통해 모든 정보가 흐르고 실제 작업 분배 이동. 그는 주요 정보 허브이며 누구에게 어떤 정보를 전송할지 결정합니다. 부사장은 매우 먼 변방에 있으며 실제로 운영 관리에 영향을 미치지 않습니다.

예를 들어 변경 관리에서 그러한 계획이 어떤 역할을 할 수 있는지 이미 추측하기 시작했다고 생각합니다.

ONA의 다음 큰 산업은 물론 지식 관리입니다. "직장에서 가장 멋진 전문가는 누구입니까?"와 같은 질문을 하는 경우

회사에서 정보 필드를 만드는 작업에 대해 이야기하지 않는 방법은 무엇입니까? 어떤 커뮤니케이션 관리자라도 맹목적으로 가고 싶지 않다면 이런 종류의 분석이 있어야 합니다. 이러한 분석은 부서 간, 회사와 다른 이해 관계자 간, 사람 간의 관계와 정보 흐름을 모두 보여줄 수 있습니다. HR Unadorned 교육 과정에서 이 주제를 자세히 살펴봅니다.

예를 들어 회사에서 재무와 마케팅 간의 상호 작용이 실제로 어떻게 발생합니까? 누구를 통해 모든 정보가 흐르는지(그림. Rob Cross의 블로그)?

모든 혁신, 리더십, 인재 개발 등에 대해서도 마찬가지입니다.

우리는 조직 내에서 ONA를 사용할 가능성을 고려했지만 이 도구는 경쟁업체, 공급업체 및 계약업체 등과의 외부 관계를 분석하는 데에도 잘 사용될 수 있습니다.

ONA의 주요 적용 분야

ONA는 유용한 결과를 얻는 기술입니다. 정말 좋은 질문으로 이끄는 지도와 메트릭을 얻을 수 있습니다. 즉, ONA는 모든 분석 도구와 마찬가지로 "왜?"라는 질문에 대한 답변을 제공하지 않으며 오직 한 사람만이 답변을 제공할 수 있습니다. 그러나 카드는 두 가지 역할을 합니다.

• 그들은 탐험할 흥미로운 것이 있는 곳의 지표를 제공합니다.

• 결과 스토리를 뒷받침하는 흥미로운 시각적 결과를 제공합니다.

물론, 실제로 이것은 언뜻 보이는 것처럼 간단하지 않습니다. 이 모든 영감을 주는 아름다움과 명백한 단순성 뒤에는 진지한 수학적 장치와 기초 연구가 있지만 오늘날의 "대형 분석"에 있는 것보다 훨씬 간단합니다. ONA는 즉시 매우 유용한 결과를 제공하고 자원을 절약할 것입니다.

빅토리아 부즈닉그리고 릴리아 그라보브스카야, Talent Management.com.ua 리소스의 저자 및 교육 과정 "장식 없는 HR"

공실 마감 비용

이것은 채용 사이트에 공석을 게시하는 비용, 채용 담당자와의 접촉, 선별, 인터뷰를 포함하는 수치입니다. 후보자를 찾는 과정에서 발생하는 모든 것은 인적 및 시간 자원의 형태로 자체 비용이 있습니다. 에 따르면 연구 슈퍼 잡, 2015년 러시아에서 한 공석을 채우는 데 드는 비용은 10,000이었습니다. 모스크바에서는 수치가 약간 다릅니다. 국가보다 17% 높습니다. 지난 1년 동안 한 공석을 채우는 비용이 감소했고 HR 비용도 크게 감소했습니다.

공석 마감 시간

하나의 작업을 채우는 데 소요되는 시간은 프로세스 비용만큼 중요합니다. 불행히도 평균값을 찾지 못했습니다. 우리는 미국에서 알고 약 25일 소요하나의 공석을 닫습니다.

공식은 간단합니다. 공석이 열려 있는 동안 #일 / # 고용된 후보자 수

후보자 출처

가장 좋은 후보자를 제공하는 출처를 알면 채용 프로세스가 훨씬 쉬워집니다. 여기에서 제안이 수락되는 순간까지의 모든 것, 공석의 세부 사항 및 응답 가능한 모든 플랫폼을 고려할 가치가 있습니다. 개발자는 Facebook에 응답하고 경력 사이트로 이동했으며 회계사는 즉시 작업 사이트에 응답했습니다. . 차이가 있습니다. 이러한 유형의 분석을 통해 마감 비용을 줄일 수 있습니다.

채용 프로세스의 효율성

선택의 각 단계에서 누군가를 걸러내고 누군가가 저절로 사라집니다. 이 단계에서 이러한 일이 발생한 이유를 분석하면 모집 프로세스를 보다 효과적으로 구축할 수 있습니다. 부적절한 후보자를 걸러내는 질문을하고, 누군가에게 적합하지 않을 수 있는 회사의 원칙에 대해 이야기하고, 테스트 과제를 더 일찍 제공하여 충족하기를 원하지 않는 후보자가 선발 과정에서 즉시 제거되도록하십시오.

공식은 다음과 같습니다. (다음 단계에 통과한 후보자 수 / 선택에 통과한 총 후보자 수) X 100

제안 수락

쉽습니다. 모든 선택 단계를 거친 후보자 중 몇 퍼센트가 제안을 받고 수락하게 되었습니까? 이러한 특정 후보자를 선택한 이유에 대한 정보뿐만 아니라 다른 사람들이 거부하거나 어떤 이유로 최종 선택 단계에 도달하지 못한 이유에 대한 정보를 고려하는 것이 중요합니다.

해석학 필요선택 프로세스를 개선하기 위해: 기업 문화를 어떻게 선보입니까? 인터뷰할 때 사람들을 혼란스럽게 하는 것은 무엇입니까? 후보자는 급여 및 사무실 위치 정보에 어떻게 대응합니까?

직원 회전율

유동성은 정기적으로 모니터링해야 합니다. 몇 개월, 6개월 또는 매년 분석해야 합니다. 이를 통해 직원이 회사를 떠나는 이유와 이를 방지하기 위해 수행해야 하는 작업을 명확하게 이해할 수 있습니다. 다시 고용 절약에 대해 이야기하고 우수한 전문가의 형태로 안정적인 기반을 갖춘 기업 문화 구축에 대해 이야기합니다. .

공식: # 연도에 퇴직한 직원 수 / 총 직원 수

회전율

과소평가된 요소 - 회사를 떠나는 모든 직원에게도 비용이 듭니다. 냉소적으로 들리지만 이것은 사무실이 비어 있는 이유와 자신이 무엇을 잘못하고 있는지에 대해 생각해야 하는 사실이자 또 다른 이유입니다. 또한 직원이 그만두면 팀의 전반적인 분위기에도 영향을 미칩니다. 단순히 변화를 두려워하거나 반대로 갑자기 떠날 용기가있는 다른 사람들은 그를 따르기 시작할 것입니다. 그럼에도 불구하고 직원을 잃으면 비용이 얼마나 드는지 알아야합니다.

공식(옵션이 있을 수 있음): 직원 퇴사 후 지불한 자금 + 공석 비용 + 직원 교체 비용 + 초기 교육 및 적응 비용

평균 근속 기간

직원의 평균 수가 주어진 직책에 있는 기간을 분석합니다. 따라서 직원이 해고에 가까워지는 시점과 인사 변경에 대처하는 것이 더 나은 시점을 이해할 수 있습니다.

채널 효율성

귀하의 경우 FB에 공석을 게시하는 것이 얼마나 정확합니까? 얼마나 많은 훌륭한 후보자들이 현장에서 그 자리에 올랐습니까? 채널 성과 분석을 통해 정기적으로 적합한 후보자가 응답할 수 있는 사이트만 사용할 수 있습니다.

오픈 포지션 vs. 마감된 공석

이것은 대기업과 관련된 분석 기사입니다. 채용 프로세스의 효율성을 재평가하려면 방금 채워진 공석의 수와 나타난 공석의 수를 비교해야 합니다. 회사에 적은 수의 공석이 열리면 모든 일을 올바르게 수행하고 있으며 회사에서 모든 것이 매우 조화롭게 이루어짐을 의미합니다.

회사 직원의 평균 연령

직원을 더 효율적으로 채용하고 기업 문화를 더 쉽게 구축하려면 직원의 나이를 알아야 합니다. 러시아에서는 Y 세대와 Z 세대에 대한 이론이 그다지 관련이 없지만 작업에서 주목하고 정기적으로 분석해야 하는 훨씬 더 중요한 기능이 있지만 세대 간의 차이는 여전히 직장에서 느껴집니다.

참여 및 만족

설문 조사를 사용하여 가장 자주 측정되는 두 가지 지표. hr-technologies의 세계에서 효율성에 대한 질문은 심각합니다. 귀하의 임무는 귀하의 회사에 가장 적합한 직원 참여 및 만족도 분석 도구를 찾는 것입니다. 익명의 설문조사를 하든 팀과 이야기만 하든 그렇게 중요하지 않습니다. 가장 중요한 것은 답변이 진실에 가깝다는 것입니다.