Tungkol sa seminar

Ang HR analytics (o people analytics) ay ang pagsusuri ng malaking halaga ng data na naglalarawan ng mga tauhan mula sa iba't ibang aspeto. Sa pangkalahatan, ang HR analytics ay may dalawang pangunahing layunin: pagbibigay ng mga insight (dating hindi alam na impormasyon), at pagtukoy ng pangunahing data. Ang unang layunin ay upang bigyan ang organisasyon ng impormasyon tungkol sa sarili nitong mga operasyon na maaaring tumulong epektibong pamamahala mga empleyado. Ito ay mga insight na maaaring matiyak ang epektibong pagkamit ng mga layunin sa negosyo ng isang kumpanya. Ang pangalawang pangunahing function ng HR analytics ay ang tumulong na matukoy ang data na dapat panatilihin ng isang organisasyon. Bilang karagdagan, nagbibigay ito ng mga modelo upang mahulaan ang iba't ibang paraan kung saan makakamit ng isang organisasyon ang pinakamainam na return on investment (ROI) sa human capital nito.

Hindi tulad ng iba pang mga diskarte na ginagamit sa pamamahala ng mga tauhan, ang HR analytics ay batay sa kung ano ang aktwal na nangyari sa nakaraan, na makikita sa data, at hindi sa mga ideya ng pamamahala o mga eksperto tungkol sa kung paano nila nakikita o gustong makita ang organisasyon. Halimbawa, ang modelo ng kakayahan na nilikha ng tradisyonal na diskarte ay batay sa isang pinagkasunduan ng mga pangunahing kalahok na naglalarawan sa "ideal" na empleyado na pinaniniwalaan nilang magtatagumpay sa isang trabaho. Ginagamit ng mga taong nakatuon ang lahat ng kanilang karanasan at malalim na pag-unawa sa negosyo sa kanilang mga paghuhusga, ngunit mahirap na ibukod ang isang elemento ng pagiging subjectivity, pagnanasa, o iba pang walang malay o nakatagong mga motibo.

Paggamit ng HR analytics iba't ibang pamamaraan, kabilang ang machine learning, ay naghahanap ng mga ugnayan at kinikilala ang mga salik na makabuluhan para sa paglalarawan ng hindi pangkaraniwang bagay na pinag-aaralan. At madalas, nang matanggap ang mga resulta ng pagsusuri na ito, ang mga customer at consultant ay kailangang gumawa ng maraming pagsisikap upang maunawaan kung minsan ang mga hindi inaasahang resulta, maghanap ng paliwanag para sa kanila, at bigyang-kahulugan ang tila ganap na hindi halatang mga koneksyon sa pagitan ng iba't ibang mga parameter na aktwal na nakakaapekto sa target na tagapagpahiwatig gamit ang lohika ng tao. Ngunit tiyak sa "paglilinis ng subjectivity" na ito ang halaga at predictive na kapangyarihan ng analytical na diskarte.

Tagal ng pagsasanay

Maikling programa seminar

• Ano ang HR analytics at bakit mahalaga para sa paggawa ng matalinong mga desisyon sa HR?
• Ang pagkilala sa mga predictor na mahalaga para sa paghula ng tagumpay gamit ang mga pamamaraan ng pagsusuri ng ugnayan at average na pagsusuri
• Exploratory data analysis upang matukoy ang mga katangian ng empleyado
• Pagsusuri ng data ng ugnayan. Pagtukoy sa laki ng mga ugnayan. Pagsusuri ng Correlation sa Excel
• Mga Batayan ng istatistikal na hinuha. Paghahambing ng paraan at t-test ng Mag-aaral. Tamang interpretasyon ng mga resulta ng istatistikal na pananaliksik. Statistical Inference sa Excel

• Paglikha ng mga kumplikadong profile ng posisyon gamit ang maramihang linear regression:
• Simpleng linear regression na may isang predictor. Direktang paghula ng tagumpay, pagkakamali ng hula
• Maramihang linear regression. Interpretasyon ng mga resulta ng pag-aaral at kontrol sa kalidad ng mga resulta
• Pagtataya ng tagumpay ng empleyado batay sa mga resulta ng pagsusuri ng regression

Ang modelong analytical ng HR Analytics, na ipinatupad sa platform ng BI, ay nagpapakita ng mga karagdagang pagkakataon sa larangan ng pamamahala ng mga tauhan at nagbibigay-daan sa iyong muling tingnan ang mga proseso ng pamamahala ng enterprise. Salamat sa paggamit ng mga bagong teknolohiya sa larangan ng pagproseso ng data at suporta para sa mga modernong user interface para sa interactive na pakikipag-ugnayan sa impormasyon, HR Analytics:

• Madaling gamitin para sa lahat ng kategorya ng mga user.
• Available sa mga mobile device.
• Mabilis na gumagana sa buong dami ng data.
• Pinapalawak ang paggamit ng impormasyon ng empleyado sa mga lugar na nauugnay sa pamamahala ng pagganap ng negosyo (CPM).

Ang HR Analytics ay hindi nagbibigay ng pagkakataon na suriin ang isang malawak na hanay ng mga pangunahing tagapagpahiwatig na nauugnay sa mga tauhan ng kumpanya sa loob ng isang solong multifunctional na solusyon, na nagbibigay ng impormasyon sa tatlong antas ng detalye:

• Ang pangunahing panel ng impormasyon na nagpapakita ng mga pangunahing KPI at ang dinamika ng mga pagbabago sa mga pangunahing tagapagpahiwatig sa isang screen.
• Isang hanay ng mga panel ng impormasyon para sa bawat isa lugar ng paksa, na sumasalamin sa detalyado at komprehensibong impormasyon.
• Isang hanay ng mga ulat na nagpapakita ng detalyadong impormasyon tungkol sa bagay ng pag-aaral: mga kard ng empleyado, mga paglalarawan sa trabaho, mga profile ng kandidato, atbp.

Isinasaalang-alang ng HR Analytics ang mga kinakailangan ng dynamic at modernong negosyo:

• Compact na solusyon - isang solong platform, pinagsamang imbakan, karaniwang analytical portal.
• Pag-embed ng interactive na nilalaman ng BI sa mga slide ng MS PowerPoint na may kakayahang mag-update ng data. Sa ganoong analytics, palagi kang handa para sa mga presentasyon at regular na pagpupulong sa pamamahala.
• Posibilidad ng pag-update ng data online.

Mga pangunahing tagapagpahiwatig ng modelo ng HR Analytics

Ang lahat ng mga pangunahing tagapagpahiwatig ay ipinakita sa pangunahing panel ng impormasyon, na pangunahing inilaan para sa mga senior manager.

• Ang dami ng empleyado
  • Kasalukuyan at karaniwan para sa anumang panahon
  • Ayon sa departamento, tungkulin at kwalipikasyon
• Sahod. Kabuuang mga pagbabayad at karaniwang suweldo
• Pagkuha at pagpapaalis ng mga empleyado
• Istraktura ng payroll
• Recruitment funnel
  • Sa pamamagitan ng kategorya ng mga espesyalista
  • Sa pamamagitan ng HR Managers
• Mga quantitative at qualitative na KPI para sa pagsasanay ng mga tauhan
• Antas ng kasiyahan ng empleyado. Isang quantitative o qualitative indicator na nakuha bilang resulta ng isang survey ng mga empleyado ayon sa isang bilang ng mga pamantayan
• Mga KPI na nagpapakilala sa produktibidad ng paggawa sa negosyo

Ang lahat ng impormasyon ay ipinakita sa isang screen gamit ang mga modernong infographics at maginhawang kasangkapan upang tukuyin ang mga agwat ng oras at mga filter. Salamat sa makabagong arkitektura ng platform ng BI, lahat ng pagbabago sa mga numero at graphics ay nangyayari kaagad pagkatapos ng anumang pagkilos ng user.

Karamihan sa mga indicator ay maaaring masuri sa mga tuntunin ng heograpikong presensya (mga opisina, mga site ng produksyon, atbp.) na may visualization sa isang cartographic na batayan.

Pag-unlad ng kawani

Ang dashboard ng "Pagpapaunlad ng Tauhan" ay nagbibigay-daan sa iyo na subaybayan ang mga tagapagpahiwatig na sumasalamin sa dinamika ng pagsasanay ng empleyado at ang rate ng propesyonal na pag-unlad, at nilayon upang suriin ang pagiging epektibo ng mga gastos sa pagsasanay.
Ang HR manager ay may access sa mga filter na nagbibigay-daan sa kanya na subaybayan ang pagpapatupad ng mga KPI sa konteksto ng mga lugar ng trabaho ng empleyado, ang kanilang mga kwalipikasyon at mga rehiyonal na dibisyon.

Demograpiko

Analytics batay sa kategorya ng kasarian at edad ng mga tauhan ng kumpanya. Depende sa larangan ng aktibidad, ang mga hanay ng edad na mahalaga para sa kumpanya ay maaaring isa-isang i-configure sa modelo ng HR Analytics.

Mga pangunahing tagapagpahiwatig at visualization:

• Average na edad ng isang empleyado ayon sa heograpiya at dynamics ng kumpanya sa paglipas ng panahon
• Pamamahagi ng mga empleyado ayon sa komposisyon ng kasarian at edad sa mga rehiyon, mga lugar ng trabaho at mga kwalipikasyon

Pondo sa payroll

Ang pangunahing layunin ng seksyon ay pag-aralan ang buod ng impormasyon tungkol sa antas ng payroll para sa kumpanya sa kabuuan, mga lugar ng aktibidad, mga opisina at mga kategorya ng mga empleyado.

Kard ng empleyado

Ang panel ng impormasyon ay nagbibigay ng access sa detalyadong impormasyon tungkol sa bawat empleyado: edad, haba ng serbisyo, posisyon, kwalipikasyon, halaga ng mga pagbabayad para sa panahon. Posibleng maghanap ayon sa template at pumili ng mga tala ayon sa mga katangian.

Malayo na ang narating ng HR mula sa tradisyunal na pagkolekta at pagsubaybay ng impormasyon ng empleyado hanggang sa modernong diskarte sa paggamit ng data upang makagawa ng malalim na mga insight sa buong negosyo.

Ano ang HR analytics?

Ang HR analytics ay isang proseso kung saan inilalapat ang mga diskarte sa data science at business analytics (BA) sa pagproseso ng data ng HR. Minsan tinatawag din itong talent analytics. Bilang karagdagan, ang data mining sa kontekstong ito ay tumutukoy sa pagsasanay ng mga database ng pagmimina upang lumikha ng bagong impormasyon.

Ang HR analytics ay may dalawang pangunahing layunin: pagbibigay ng mga insight (dating hindi alam na impormasyon) at pagtukoy ng pangunahing data.

Ang unang layunin ay upang bigyan ang organisasyon ng impormasyon tungkol sa sarili nitong mga operasyon na maaaring makatulong sa epektibong pamamahala ng mga empleyado. Ito ay mga insight na maaaring matiyak ang epektibong pagkamit ng mga layunin sa negosyo ng isang kumpanya.

Ang pangalawang pangunahing function ng HR analytics ay ang tumulong na matukoy ang data na dapat panatilihin ng isang organisasyon. Bilang karagdagan, nagbibigay ito ng mga modelo upang mahulaan ang iba't ibang paraan kung saan makakamit ng isang organisasyon ang pinakamainam na return on investment (ROI) sa human capital nito.

Sa pangkalahatan, nakatuon ang HR analytics sa pagsulit sa napakaraming data ng human resource na kinokolekta ng karamihan sa mga organisasyon. Ang mga kumpanya ay kadalasang mayroong maraming data, tulad ng mga demograpiko ng empleyado, mga talaan ng pagsasanay, atbp., at ang pagsusuri ay maaaring makakuha ng mahahalagang insight mula sa kanila.

Nasa ibaba ang higit pang impormasyon tungkol sa HR analytics:

Bakit dapat gumamit ng HR analytics ang iyong organisasyon?

Ang mga desisyon ng tauhan ay kadalasang nakabatay sa propesyonal na instinct at intuition. Ang pag-hire, halimbawa, ay kadalasang nakadepende sa personal na pakikipag-ugnayan na nagtagumpay o nabigong itatag ng recruiter sa kandidato. Ang problema sa "instincts" at intuition ay maaari nilang gawing normal ang masasamang gawi.

Kaya, ang kawalan ng katarungan sa trabaho ay maaaring hindi napapansin. Ang isang malinaw na halimbawa nito ay ang agwat ng suweldo sa pagitan ng kalalakihan at kababaihan. Maaaring isipin ng mga organisasyon na pareho silang nagbabayad kung hindi nila titingnan ang aktwal na data.

Makakatulong ang HR analytics na mapabuti ang pagiging produktibo at mahulaan ang pinakamatagumpay na pattern. Tinatanggal nito ang karamihan sa pagkakamali ng tao sa paggawa ng desisyon. Halimbawa, ang pagpapabuti ng pamamahala ng workload ay maaaring maging mas epektibo kapag ang data ay ginagamit upang ipakita kung aling mga departamento o koponan ang nabigatan na at kung alin ang kayang tumanggap ng higit pang mga responsibilidad.

Higit sa lahat, napatunayan ng HR analytics na humimok ng paglago ng kumpanya. Ang Training Zone ay nag-uulat sa mga resulta ng pagiging produktibo ng isang kumpanya na gumagamit ng HR analytics upang mapabuti ang proseso ng pagkuha nito. Sa pamamagitan ng pagsusuri ng data, napansin ng kumpanya ang tradisyonal na iyon mga pangunahing tagapagpahiwatig- edukasyon at mga rekomendasyon - hindi ibinigay malaking impluwensya sa pagganap ng benta ng isang kandidato. Sa katunayan, ito ay mga pangunahing sukatan tulad ng karanasan sa mataas na halaga ng mga benta at ang kakayahang magtrabaho sa hindi nakaayos na mga pangyayari na tunay na nag-ambag sa pinabuting pagganap ng mga benta. Noong isinama ng kumpanya ang analytics ng mga taong ito sa proseso ng pagkuha nito, tumaas ang benta ng kumpanya ng $4 milyon sa sumunod na taon.

Ang iba pang mga pag-aaral ay umabot sa mga katulad na konklusyon tungkol sa kahalagahan ng HR analytics sa pangkalahatang pagganap ng kumpanya. Nalaman ng isang pag-aaral na isinagawa ng MIT at IBM na higit pa mataas na lebel ang paggamit ng HR analytics ay maaaring magbigay ng:

• Pagtaas ng benta ng 8%;
• Pagtaas ng netong kita sa pagpapatakbo ng 24%;
• 58% mas mataas na benta bawat empleyado.

Mga pangunahing gamit ng HR analytics

Ang mga lugar ng aplikasyon ng analytics ng mga tao ay malawak, at ang mga sukatan na pagtutuunan ng pansin para sa isang organisasyon ay nag-iiba ayon sa industriya pati na rin ang likas na katangian ng negosyo.

Narito ang ilang halimbawa ng mga posibleng pangunahing tagapagpahiwatig:

• rate ng layoff,
• oras ng pag-hire,
• rate ng turnover para sa iba't ibang grupo ng mga tauhan (unang taon, limang taon, atbp.),
• kita ng bawat empleyado.

Ang mga sukatan sa itaas at iba pang katulad na data ay maaaring gamitin upang mapabuti ang pagganap ng negosyo. Ang mga pangunahing lugar kung saan makakatulong ang data ay:

Nang-recruit- Ang HR analytics ay maaaring magbigay ng mga sagot sa mga tanong tungkol sa paghahanap ng mga mainam na kandidato para sa negosyong ito. Halimbawa, tulad ng ipinakita ng halimbawa ng kumpanya sa itaas, maaaring gamitin ang data upang matukoy ang mga katangian ng mga kandidatong iyon na gumagawa ng pinakamahusay na mga resulta. Maaari mong i-cross-reference ang mga kandidato na natapos na manatili sa kumpanya at maghanap ng mga karaniwang denominator sa kanila.

Kalusugan at kaligtasan- Mas mahusay na matukoy ng HR analytics ang mga lugar ng problema na nauugnay sa kalusugan at kaligtasan. Maaaring isaad ng data ang mga tungkulin, lokasyon ng trabaho, at iba pang katulad na salik na may pinakamataas na rate ng aksidente.

Pagpapanatili ng Empleyado- salamat sa data, maaari ka ring matuto nang higit pa tungkol sa pagpapanatili ng empleyado. Maaari mong gamitin ang analytics ng mga tao upang matukoy ang mga aspeto na nagpapataas ng pakikipag-ugnayan ng empleyado.

Talent Gaps- Maaaring ipakita ng data ang mga puwang sa organisasyon. Halimbawa, ang ilang mga departamento ay maaaring may mas mataas na kasanayang mga manggagawa kaysa sa iba, at ito ay maaaring makagambala pangkalahatang gawain mga kumpanya.

Layoff rate- ilang empleyado ang umalis sa isang tiyak na panahon na may kaugnayan sa kabuuang bilang ng mga empleyado? Pagiging epektibo sa pagbebenta - Matutulungan ka ng HR analytics na maunawaan ang mga detalye kung paano pahusayin ang performance ng iyong mga benta. Maaari mong mapansin na ang isang partikular na talento ay tumutulong sa mga empleyado na gumanap nang mas mahusay o ang ilang mga programa sa pagsasanay ay nagbibigay ng agarang pagbabalik sa mga tuntunin ng mga benta.

Limang hamon sa HR analytics

Bago lumipat sa mga unang yugto ng pagpapatupad ng HR analytics, ito ay nagkakahalaga ng pagsasaalang-alang sa ilan sa mga pangunahing problema na lumitaw. Kapag nagde-deploy ng analytics ng mga tao sa iyong organisasyon, mahalagang humanap ng mga paraan upang matugunan ang sumusunod na limang hamon.

Gawain 1: Daloy ng Datos

Kung mas maraming impormasyon ang kinokolekta ng iyong organisasyon, mas mahirap itong gamitin kapag kinakailangan. Ang isang malaking halaga ng data ay hindi awtomatikong humahantong sa magagandang resulta. Upang maging matagumpay, dapat kang magkaroon ng kakayahang mag-aplay tamang pamamaraan mga analyst.

Kung ang iyong departamento ng HR ay nangongolekta ng maraming data nang hindi inilalapat ang mga tamang diskarte sa analytics, magkakaroon ka lang ng maraming data. Kung mas marami, mas mahirap gumawa ng mahahalagang pagpapalagay.

Halimbawa, ang lahat ng sukatan na iyong kinokolekta ay dapat na wastong tinukoy at nakategorya. Dapat mong tukuyin ang mga tanong na gusto mong lutasin gamit ang iyong data, at hindi lamang kolektahin ito upang ito ay naroroon.

Hamon 2: Kalidad ng Data

Bilang karagdagan sa pagkolekta ng tamang dami ng data, kailangan mo ring tiyakin na binibigyan mo ng sapat na pansin ang kalidad nito. Ang isang baha ng data ay maaaring mabilis na humantong sa mababang kalidad ng data dahil hindi ka gumagawa ng makabuluhang koneksyon sa pagitan ng iba't ibang set ng data.

Mahalagang tiyakin ang kalidad ng data sa pamamagitan ng pagtutok sa pagtiyak ng integridad at kaligtasan nito. Ang problema para sa maraming organisasyon ay ang data na ginagamit sa analytics ng mga tao ay maaaring nagmula sa iba't ibang bahagi ng organisasyon at samakatuwid ay masyadong naiiba, na humahantong sa mga problema. Maaaring balewalain, itapon, mawala, o hindi maaaring pagsamahin ang ilang data, na magreresulta sa hindi sapat na pagsusuri.

Hamon 3: Mababang kasanayan sa pagsusuri sa karamihan ng mga departamento ng HR

Para magtagumpay ang analytics ng mga tao, dapat na may kadalubhasaan ang team sa likod nito sa parehong human resources at data analytics. Ngunit ang paghahanap ng mga pinuno ng HR na may kakayahan din sa data analytics ay maaaring maging mahirap.

Ayon kay Elizabeth Craig, isang research fellow sa Accenture Institute para sa High Performance, malamang na hindi sapat ang isang empleyadong sinanay sa HR analytics. Bukod pa rito, sinabi ni Craig sa data-informed.com na ang ilang mga tool sa analytics ng data ay nangangailangan ng mga espesyal na kasanayan sa IT, na nagdaragdag ng presyon upang mahanap ang mga tamang tao.

Ang problema ay mas pinalaki ng katotohanan na 6% lamang ng mga pandaigdigang HR team ang nakakaramdam ng tiwala sa kanilang mga kasanayan sa analytics. Bukod pa rito, 20% lang ang naniniwala na ang paggamit ng data ng kanilang organisasyon ay wasto at sapat na maaasahan upang makagawa ng mga desisyon.

Hamon 4: Madalas na kakulangan ng suporta sa pamamahala para sa HR analytics

Ang HR analytics ay hindi pa naging pangunahing proseso para sa maraming kumpanya, at madalas ay may kakulangan ng suporta mula sa pamamahala. Ngunit para gumana ang proseso, dapat kumbinsihin ng mga departamento ng HR ang mga pinuno ng kumpanya sa mga benepisyo ng paggamit ng analytics.

Mahalaga ang suportang ito dahil nagbibigay ito ng access sa mga mapagkukunan bilang pagpapatupad tamang sistema Ang mga HR analyst ay hindi mura. Maaari rin itong magbigay ng mas mahusay na access sa data sa mga departamento. Upang kumbinsihin ang mga executive, ang mga departamento ng HR ay dapat tumuon sa pagtukoy ng mga pagkakataon upang i-maximize ang ROI kahit na sa paunang yugto.

Hamon 5: Ang HR analytics ay mahal at ang ROI ay madalas na hindi nakikita

Sa wakas, kailangang malaman ng mga organisasyon ang mga gastos. Ang hanay ng presyo ng mga tool sa pagsusuri ay iba-iba gaya ng pagkakaroon ng mga tool. Ayon sa isang artikulo sa data-informed.com, ang halaga ng platform ay maaaring mula sa "$400,000 hanggang $1.5 milyon para sa isang kumpanyang may 5,000 full-time na empleyado."

Bukod pa rito, hindi isinasaalang-alang ng pagtatantya ang mga tumaas na gastos na maaaring kaharapin ng mga organisasyon kapag kumukuha ng mga bagong empleyado para ipatupad ang mga programa o pagsasanay sa mga kasalukuyang empleyado na gumamit ng analytics.

Bilang karagdagan, ang ROI ng HR analytics ay hindi masyadong nakikita. Ito ay dahil ang mga benepisyo mula sa pagpapatupad ng mga resulta ng analytics ay maaaring maipon sa iba't ibang departamento at sa mahabang panahon. Halimbawa, ang mga pagpapabuti sa pagpapanatili ng empleyado ay maaaring hindi agad na makita.

Ang hamon ay ang pagkilala na ang paghahangad ng isang mas mababang gastos na HR analytics platform ay hindi palaging isinasalin sa mas malaking pagtitipid. kapintasan software at mga tool ay maaaring humantong sa hindi epektibo at hindi kumpletong mga resulta, na nagreresulta sa isang ROI na hindi sapat na mataas upang bigyang-katwiran ang pamumuhunan.

Limang unang hakbang kapag nagpapatupad ng HR analytics

Kung gusto ng iyong organisasyon na ipatupad ang analytics ng mga tao, ano ang tamang landas? Nasa ibaba ang limang hakbang na makakatulong sa iyong organisasyon na simulan ang proseso.

Hakbang 1: Tukuyin ang mga isyu sa negosyo na gusto mong lutasin

Ang una at pinakamahalagang bagay ay tukuyin ang mga isyu sa negosyo na gusto mong lutasin. Hindi ka maaaring magsimulang mangolekta ng data at pagkatapos ay tingnan lamang ito upang makahanap ng mga relasyon.

Tukuyin ang mga isyu na gusto mong pagbutihin sa sektor ng HR. Halimbawa, ang mga ito ay maaaring mga isyung nauugnay sa pagkakaiba-iba sa lugar ng trabaho, pagpapabuti ng pagpapanatili ng empleyado, pagsukat sa halaga ng perang ginastos sa pagsasanay, o mas mahusay na pag-unawa sa mga sanhi ng pagliban. Mayroong ilang mga simpleng tanong na dapat mong simulan bago sumulong.

Halimbawa, sabihin nating gusto mong maunawaan kung paano nakakaapekto ang HR sa mga bagay tulad ng bottom line ng iyong kumpanya.

Kapag nakolekta mo na ang pangkalahatang impormasyon ng HR na gusto mong tuklasin pa, gugustuhin mong magsimula sa pamamagitan ng pagtukoy sa mga sukatan na kailangan mo upang matugunan ang mga isyung iyon. Narito ang ilang mga tagapagpahiwatig ng HR na nagpapakita ng pagiging epektibo ng departamento ng HR:

• Oras ng Pag-hire - Gaano katagal bago mapunan ang isang posisyon, pati na rin ang oras na kinakailangan para sa isang kandidato para tanggapin ang alok at maging isang empleyado?
• Rate ng turnover ng empleyado - ilang empleyado ang umalis pagkatapos ng unang taon, limang taon, at iba pa?
• Pagkakaiba-iba ng mga manggagawa - ano ang mga porsyento pagdating sa kababaihan, kalalakihan, relihiyon at etnikong grupo?
• Kita ng bawat empleyado, sa mga full-time na empleyado - ano ang natanggap na kita sa bawat full-time na empleyado?
• Halaga ng Overtime Pay - Gaano kataas ang overtime pay at gaano kadalas ito binabayaran?
• Ratio sa pagitan ng permanenteng at pansamantalang manggagawa - ilang empleyado ang part-time kumpara sa full-time?

Hakbang 2: Tukuyin ang data na sumasagot sa mga tanong sa itaas

Kapag mayroon kang mga tanong at problema, maaari mong simulan ang pagtukoy ng data na kailangan upang masagot o malutas ang mga ito.

Una, ang iyong pagtuon ay dapat sa data na nauugnay sa HR na nakaimbak na sa iyong departamento. Kabilang dito ang impormasyon tungkol sa recruitment, performance at succession. Dapat ay mayroon nang kontrol ang iyong departamento sa mga set ng data na ito.

Pangalawa, kailangan mong simulan ang pagkolekta ng data sa mga bagay tulad ng pakikipag-ugnayan, mga survey, at mga panayam. Depende sa antas ng pangongolekta ng data sa iyong organisasyon, maaaring mayroon ka nang mga mekanismo para kolektahin ang data na ito.

Panghuli, kailangan mong palawakin ang iyong pangongolekta ng data sa iba pang mga sistema at departamento ng negosyo. Dapat kang magsimulang mangolekta ng mahahalagang tagapagpahiwatig ng pananalapi at pananaliksik sa merkado. Kabilang dito ang mga bagay tulad ng turnover, performance ng mga benta, perang ginastos sa pananaliksik sa merkado at pagsasanay.

Hakbang 3. Pagpapatupad ng ETL: pagkuha, pagbabago at paglo-load

Tulad ng nabanggit sa itaas, ang departamento ng HR ay dapat makipagtulungan nang malapit sa departamento ng IT dahil ang ilang software at pagkuha ng data ay maaaring mangailangan ng mga espesyal na kasanayan sa pagsusuri. Samakatuwid, magandang ideya na simulan ang pagpapatupad ng mas malapit na koneksyon sa pagitan ng dalawang departamentong ito.

Bahagi ng prosesong ito ang pagpapatupad ng ETL: extract, process at load. May mga tool na maaaring magamit upang awtomatikong maisagawa ang prosesong ito. Halimbawa, ang IMB WebsphereDataStage at Cognos Data Manager, o Microsoft SQL Server Integration Services ay ilan sa mga pinakasikat na opsyon. Bagama't maaaring gamitin ng mga hindi teknikal na empleyado ang mga platform na ito, maaaring makatulong na humingi ng tulong sa departamento ng IT.

Sa katunayan, binibigyang-daan ka ng prosesong ito na kunin ang kinakailangang data mula sa mga pinagmulang tinukoy mo, i-convert ito sa tamang malinis at pare-parehong format, at i-load ito sa iyong platform ng analytics upang magamit para sa pagsusuri.

Hakbang 4: Isama ang Mga Resulta sa Mga Operasyon ng Negosyo

Kapag nagsimula nang bumuo ng mga resulta ang iyong pagsusuri sa data, kailangan mong simulan ang paggawa ng mga pagbabago. Halimbawa, kung nakatuon ka sa pag-explore ng pagkakaiba-iba ng workforce at ipinapakita ng iyong data na hindi ka nakakakuha ng sapat na mga aplikasyon mula sa mga etnikong minorya, maaaring gusto mong simulan ang pagbabago ng iyong diskarte sa pagre-recruit.

Bukod pa rito, kailangan mong magtatag ng mga koneksyon sa pagitan ng data ng HR at iba pang sukatan ng negosyo. Halimbawa, ang pagbabawas ng mga kawani ng overtime ay maaaring direktang nauugnay sa pagiging produktibo at kakayahang kumita. Ang ulat ng People are the Real Numbers ng KPMG ay nagbibigay-diin sa kahalagahan ng mga koneksyong ito sa pamamagitan ng halimbawa ng pagliban at kahusayan sa gastos.

"Bagama't kapaki-pakinabang na subaybayan ang pagliban sa mga rehiyon o kumpara sa mga nakaraang taon, kung maipapakita rin ng HR na ang pagbabawas ng pagliban ay positibong nauugnay sa pagganap ng pagpapatakbo, makikita ng pamamahala ang tunay na halaga ng HR," sabi ng ulat.

Hakbang 5: Magsagawa ng regular na pagsusuri

Panghuli, ang HR analytics ay dapat na regular na gumanap, kung hindi, ito ay magiging walang kaugnayan sa karamihan ng mga kaso. Upang makamit ang mga benepisyo nito, isang regular na proseso ang dapat ipatupad.

Halimbawa, natukoy mo ang isang problemang gusto mong lutasin gamit ang data, nagsagawa ng pagsusuri, at natagpuan ang sagot. Pagkatapos mong ipatupad ang mga solusyon sa iyong problema, kailangan mong bumalik dito nang regular upang suriin kung ano ang nangyayari sa mga pagbabago at kung may mga bagong problema na lumitaw.

Konklusyon

Ang analytics ng mga tao ay isang mahalagang bahagi ng pamamahala ng data at ang pagpapatupad nito ay maaaring magbigay ng mga positibong pagbabalik para sa anumang organisasyon. Ngunit tulad ng ipinakita sa itaas, ang pamamahala, pagsusuri at pagbibigay-kahulugan sa data ay hindi madali, at kailangan ng mga organisasyon na lapitan ang mga tao sa analytics nang paisa-isa.

Ang susi sa matagumpay na analytics ng mga tao ay nakabatay sa pag-unawa na hindi ang laki ng sinusukat na data ang nagtutulak sa resulta, kundi ang epekto ng data sa paggawa ng desisyon sa organisasyon. Ang analytics ng mga tao ay hindi dapat makita bilang isang bagay na kailangan lamang para sa departamento ng HR, ngunit bilang isang bagay na maaaring lumikha ng halaga para sa buong organisasyon.

• Kultura ng korporasyon

Mga keyword:

1 -1

Mangyaring sabihin sa akin kung saan ako dapat pumunta mula dito?
-Saan mo gustong pumunta? - sagot ng Pusa.
"Wala akong pakialam..." sabi ni Alice.
"Kung gayon hindi mahalaga kung saan ka pumunta," sabi ng Pusa.
“...para makapunta lang,” paliwanag ni Alice.
"Tiyak na mapupunta ka sa isang lugar," sabi ng Pusa. - Kailangan mo lang maglakad ng mahaba.
Lewis Carroll "Mga Pakikipagsapalaran ni Alice sa Wonderland. Alice sa Wonderland"

Nakatagpo ka na ba ng mga walang kwentang sukatan ng HR mula sa kategoryang "makasaysayang"? Itapon natin ang lahat ng hindi kailangan at suriin kung ano ang mahalaga: tungkol sa pinaka mahahalagang tagapagpahiwatig Sinabi ng mga HR analyst sa portal site Dmitry Supronenko , Pinuno ng HR Department sa Metal Profile Company.

Analytics sa larangan ng pamamahala ng tauhan bilang isang independiyente at medyo mahalagang bloke - sa isang banda, ang paksa ay medyo bago para sa mga domestic na kumpanya. Para sa aking sarili, iniuugnay ko ang pagbuo nito sa panahon ng pagbuo ng pagpapaandar ng HR sa modernong anyo nito mula sa departamento ng HR, na direktang nasasakupan ng CEO ng kumpanya, at O&P bilang bahagi ng pinansiyal at pang-ekonomiyang bloke.

Sa kabilang banda, ang panahong ito ay naging higit pa sa sapat para sa ilang mga kumpanya na gumawa ng hindi lamang isang hakbang, ngunit isang buong paglukso pasulong, habang ang iba ay patuloy na nananatili sa isang estado ng nasuspinde na animation. Bilang isang resulta, kahit na sa loob ng parehong industriya ay maaari nating obserbahan ang isang makabuluhang pagkakaiba sa mga diskarte at antas ng pag-unlad ng HR analytics na sa digital age ay maaari lamang tayong magkibit-balikat.

Ngunit dahil walang nangyayari nang walang kabuluhan (kapwa aksyon at hindi pagkilos), patuloy nating unawain ang mga dahilan para sa iba't ibang mga diskarte. Hinahati ko sila para sa aking sarili sa layunin (umiiral sila nang independyente sa kumpanya ng HRD) at subjective.

Magsimula tayo sa mga layunin. Una, mula sa pinakamahalagang kadahilanan, na, sa aking personal na opinyon, ang pinaka direktang nakakaapekto sa HR analytics ng kumpanya at hindi direktang nakakaimpluwensya sa iba pang mga kadahilanan, ito ay antas ng kompetisyon sa industriya.

Hayaan akong ipaliwanag, para sa akin, bilang isang ekonomista na may pangunahing edukasyon, ang isang mataas na mapagkumpitensyang merkado ay isang merkado kung saan ang isang produkto/serbisyo, teknolohiya ng produksyon, logistik, pagkakaroon ng mga hilaw na materyales, atbp. ay lubos na pinag-isa, at ang bumibili ay halos walang pagkakaiba kung kanino bibilhin ang produkto/serbisyong ito. Sa mga kundisyong ito, nauuna ang antas ng serbisyo, kaya naman tinawag na ng maraming strategic guru ang ekonomiya ng ika-21 siglo bilang ekonomiya ng mga impression. At ang pangunahing estratehikong bentahe sa mga kundisyong ito ay ang mga tauhan, o sa halip, ang kanilang kalidad. Makatwiran na ang kumpetisyon para sa malalakas na empleyado sa gayong mataas na mapagkumpitensyang mga merkado ay makabuluhan din.

Ang mga HR specialist ay walang ibang mapagpipilian kundi gamitin ang lahat ng posibleng analytics apparatus sa mga kundisyong ito upang mabilis na mahanap/maakit ang pinakamahusay na mga espesyalista mula sa merkado at mapanatili ang mga ito sa kinakailangang antas ng paglahok sa pinakamahabang posibleng panahon.

Samakatuwid, ang lahat ay nagsisimula sa analytics sa "recruitment funnel", nagtatapos sa analytics sa mga dahilan para sa paglilipat ng mga tauhan, at sa pagitan nila ay mayroong isang buong mundo ng mga tagapagpahiwatig sa pagbagay, pagganyak, pagsasanay at pag-unlad, paglahok, kultura ng korporasyon, atbp. Para sa halimbawa, maaari nating kunin ang merkado para sa mga espesyalista sa IT. Sa kabila ng katotohanan na ang tunay na sahod sa maraming industriya ay bumababa nitong mga nakaraang taon, dito nakikita natin ang matatag at matatag na paglago.

Ang oras na kinakailangan upang makahanap ng isang bagong trabaho para sa isang espesyalista sa IT ay kaunti lamang ang antas ng kanilang mga hangarin sa mga ganitong kondisyon ay patuloy na lumalaki. At ano ang reaksyon ng mga kumpanya? Indibidwal na diskarte. Simula sa isang nakatuong isa o ilang (depende sa sukat) na mga recruiter, at nagtatapos sa katotohanan na alam ng HRD ang mataas na kwalipikadong mga espesyalista sa pamamagitan ng paningin (kahit na ang bilang ng kumpanya mismo ay 10,000+), dahil sa mga tuntunin ng dami at dalas ng mga pagbabago sa mga karaniwang kondisyon at diskarte sa mga tauhan, lumalabas sila sa parehong antas ng nangungunang pamamahala ng kumpanya. Ngunit ito ay para sa mataas na mapagkumpitensyang industriya. Kung ang industriya ay monopolistic/oligopolistic sa kalikasan, kung gayon ang lahat ng "tuning" na ito ay hindi kinakailangan.

Hindi ko sinasabi na hindi sila gumagamit ng HR analytics, hindi. Ngunit ang nilalaman nito ay magiging mas maliit, o (na sa aking karanasan ay mas karaniwan) ang paggamit nito sa trabaho para sa paggawa ng desisyon ay magiging pormal. Ako mismo ay nagtrabaho sa isang kumpanya kung saan ang Moscow ay regular na humiling ng isang makabuluhang listahan ng mga sukatan na binuo ng isang kilalang kumpanya ng pagkonsulta sa ibang bansa. Ang pamamaraan ng komunikasyon ay palaging tipikal: hiniling - ibinigay - nakalimutan.

Pangalawa, kaakibat sa industriya (mga partikular). Hayaan akong ipaliwanag sa isang halimbawa. Ilang taon na ang nakalilipas nainterbyu ako para sa posisyon ng HRD ng isa sa pinakamalaking tagagawa ng kagamitan sa agrikultura sa Russia. CEO Nilapitan ko ang bagay nang higit pa sa responsable (hiniram ko ang kanyang karanasan sa aking trabaho), hindi nililimitahan ang aking sarili sa mga resulta ng mga pagtatasa at ilang mga panayam, ngunit nagbigay ng libreng pag-access sa mga pasilidad ng kumpanya, pati na rin sa lahat ng impormasyon ng HR at humiling ng isang programa ng aksyon para sa 2 taon. At kahit na sa dulo ng lahat ay tinanggap ko ang isang imbitasyon mula sa ibang employer, ang karanasan ng kumpanyang ito ay kawili-wili pa rin para sa akin hanggang ngayon.

Ang isang pangunahing tampok sa lugar ng responsibilidad ng HR ay binibigkas na seasonality na may kaugnayan sa taon ng agrikultura. Ang seasonality ay sorpresa sa ilang mga tao, ngunit dito kailangan mong isaalang-alang ang sukat (bawat taon kailangan mong mag-recruit, magsanay, at pagkatapos ay tanggalin ang higit sa isang libong manggagawa sa produksyon), ang mataas na antas ng mga kinakailangan para sa mga kwalipikasyon ng mga manggagawa (ito ay hindi kumukuha ng mga manggagawa sa bodega), lokasyon (lahat ng mga dibisyon ng produksyon ay matatagpuan sa parehong teritoryal na lugar ng lungsod), dalas ng pag-uulit ng cycle (sa oras na iyon ito ay ang ika-5 hiring/downsizing cycle) at lahat ng kasunod mga kahihinatnan para sa tatak ng HR (ang unang taxi driver na nasa daan mula sa paliparan ay nagsabi sa akin ng buong kasaysayan ng planta mula noong pagbabago ng pagmamay-ari ng kumpanya, at na dapat kang pumunta dito upang magtrabaho bilang isang huling paraan).

Malinaw na ang pangunahing departamento ng HR sa negosyo ay hindi ang departamento ng kalusugan at kaligtasan sa trabaho (gaya ng dati), ngunit ang departamento ng pagpili ng mga tauhan, na dapat tiyakin ang pagpili ng ganoong bilang ng mga empleyado sa loob ng isang buwan. Nagulat ako sa 2 katotohanan: lahat ng empleyado sa departamentong ito ay mga lalaki (na talagang hindi tipikal para sa HR function sa pangkalahatan, at para sa partikular na pagpili), at ang kalidad ng HR analytics.

Sa tingin ko ay sinusubaybayan nila Permanenteng basehan Lahat. Hindi ko rin pinag-uusapan ang tungkol sa "funnel ng pagpili", ito ay pinagsama-sama para sa bawat workshop ayon sa posisyon, ang pagiging epektibo ng pag-akit ng mga kandidato sa lahat ng panlabas at panloob na mga channel na kilala sa akin ay inihambing, isang hiwalay na lugar ay nakatuon sa pagsusuri ng mga kandidato ' mga lugar ng paninirahan, at ang buong panahon ng pag-aangkop ay nahahati sa mga bloke, ayon sa mga panloob na istatistika ng paglilipat ng mga tauhan sa unang tatlong buwan, at sa buong kadena ng adaptasyon ang parehong funnel na may paglilipat ng mga tauhan sa panahon ng pagsubok.

pangatlo, yugto ng pag-unlad ng kumpanya. Dito kailangan nating tandaan sikat na modelo ikot ng buhay mga organisasyon ng L. Greiner. Wala akong nakikitang punto sa pagsisiwalat nito nang detalyado sa artikulo - ang materyal sa paksa ay madaling makuha sa Internet.

Ako ay tumutok sa ang katunayan na napakadalas supporters at opponents ng pagpapatupad sa mga kumpanya Mga sistema ng KPI/BSC (at ang analytics sa HR ay isang elemento ng sistema ng KPI, dahil walang pagpaplano, kontrol, pagganyak, sa sarili nitong hindi nagdudulot ng halaga sa kumpanya) ay hindi maaaring magkasundo sa kanilang mga sarili, dahil ang batayan para sa kanilang pagtatalo ay mga organisasyon na matatagpuan sa iba't ibang yugto pag-unlad ayon kay Greiner. At kung sa yugto ng "Creativity" ang analytics ay, sa halip, isang bihirang pagbubukod sa panuntunan sa yugto ng "Directive Management", ang HR analytics ay pinasimple (2-3 pangkalahatang tagapagpahiwatig), pagkatapos ay sa yugto ng "Delegasyon" ay mayroong; isang makabuluhang dami at husay na pag-unlad ng mga tagapagpahiwatig , at sa yugto ng "Koordinasyon", ang analytics ay nagsisimulang maging kalabisan (kapag ang mga gastos sa transaksyon sa pagsasagawa ng HR analytics ay lumampas sa pang-ekonomiyang epekto nito para sa organisasyon). At dito ang mga kalaban ng KPI ay umakyat sa podium at nagsimulang pumuna.

At ang mga ito ay bahagyang tama, ngunit dapat nating agad na linawin na ang karamihan sa mga domestic na kumpanya ay hindi "lumago" sa ika-4 na yugto at malamang na hindi lumaki. At iilan lamang (mga pinuno ng listahan ng RBC 500) ang seryosong nag-iisip, kapag nahaharap sa isang krisis ng kumpiyansa, tungkol sa pangangailangang lumipat sa ikalimang yugto: "Pagtutulungan."

Espesyal na atensyon ayon kay L. Greiner sa sa puntong ito binibigyang-diin ang pagbuo ng pangkat at kooperasyong interpersonal, at ang mga pormal na sistema ng kontrol ay unti-unting pinapalitan ng kontrol sa lipunan at disiplina sa sarili. Ang bawat yugto ng pag-unlad ng isang organisasyon ay may sariling diskarte sa sistema ng mga sukatan ng HR, at hindi katanggap-tanggap na gawing simple ang diskarte sa pamamagitan ng pagbawas nito sa mga pare-parehong kinakailangan, tulad ng hindi propesyonal na paghambingin ang HR analytics ng mga organisasyon sa iba't ibang yugto ng pag-unlad.

Pang-apat, antas ng automation sa kumpanya. Dito, sa palagay ko, ang lahat ay medyo simple: hindi ka maaaring magsagawa ng malawakang opensiba kung ang iyong mga convoy na may mga bala at uniporme ay malayo sa likod. Ang HR analytics na kinokolekta nang "manu-mano" ay isang tiyak na paraan upang siraan ang isang mahusay na tool. Samakatuwid, kaibigan namin ang departamento ng IT, kailangan mong magkaroon ng dedikadong espesyalista para sa analytics sa sistema ng ERP kung saan pinananatili ang iyong mga istatistika.

Depende sa laki ng kumpanya, maaaring magdagdag ng isang bloke ng mga gawain upang pagsamahin ang data mula sa ilang sistema ng HR. Mula sa aking sariling karanasan, masasabi kong nasa pag-set up ng integrasyon ang pinakamaraming pagsisikap, bilang resulta kung saan ang ilang mga kumpanya ay gumawa ng lohikal (ngunit hindi mura) na desisyon na ilipat ang lahat ng pag-andar ng HR sa isang solong platform.

Ngayon para sa ilang mga subjective na kadahilanan.

Una, presensya ng isang customer: Ang departamento ng HR ay hindi dapat umiral nang mag-isa. Ang bawat gawain/proyekto ay dapat palaging may benepisyaryo: ang may-ari, ang Lupon ng mga Direktor, ang Lupon ng Pamamahala, ang CEO, ang direktor ng isang yunit ng negosyo, ang pinuno ng isang functional unit, o ibang tao, anuman ang pangalan ng posisyon/katawan ay. Kung ang gawain/proyekto ay walang ganitong benepisyaryo (at ito, sa kasamaang-palad, ay nangyayari), kung gayon ang mga pagkakataon ng HR manager na kilalanin bilang "ang sanhi ng kaligayahan" sa kumpanya ay tumaas nang husto. Hindi ito nangangahulugan na kung hindi ka pa naatasan ng isang gawain, hindi mo na kailangang gawin ito. Ito ay kinakailangan kung naiintindihan mo kung bakit ito ay maaaring maging interesado sa benepisyaryo, ngunit ang unang bagay na kailangan mong gawin ay makuha ang kanyang pahintulot.

Hayaan akong ipaliwanag sa pagsasanay. Kunin natin, halimbawa, ang isang tagapamahala na namuno sa departamento ng HR sa maraming malalaking kumpanya, kung saan ang isa sa mga pangunahing tagapagpahiwatig sa lugar ng atensyon ng HRD ay ang mga tauhan, kapwa bilang kabuuang halaga para sa kumpanya at sa iba't ibang mga seksyon ng analitikal (sa pamamagitan ng mga yunit ng negosyo, sa pamamagitan ng mga functional block at iba pa).

Una, ang buong badyet (at ang pinakamataas na bahagi dito ay ang payroll) sa lugar ng responsibilidad ng HRD ay direktang nakasalalay sa nakaplanong bilang ng mga tauhan sa isang tiyak na panahon (karaniwan ay isang quarter, para sa mga kumpanyang may mataas na pana-panahong benta/produksyon - isang buwan). Pangalawa, ang ibang mga pangunahing tagapagpahiwatig (halimbawa, mga antas ng staffing, ang proporsyon ng mga overdue na bakante) ay nakadepende nang malaki sa mga antas ng staffing.

Inilipat namin ang manager na ito sa isang parehong malaking kumpanya. Saan siya magsisimula? Malamang, ang isa sa mga unang punto ay isang pag-audit ng mga kasalukuyang proseso ng HR (kabilang ang pagkolekta ng analytics sa isang pamilyar na sistema ng coordinate). At dito lumalabas na ang bahagi ng kumpanya sa mga bakante ay, sabihin, 30% ng kabuuang kawani, at ang mga aplikasyon para sa pagpili ng mga tauhan ay hindi hihigit sa 10% ng bilang ng mga bakante. Ano ang ibig sabihin nito?

Malamang, ang problema ay wala sa pagpili, ngunit ang talahanayan ng mga tauhan ay overloaded na may "patay" na mga bakante. Kung ang tagal ng mga bakanteng ito ay makabuluhan, pagkatapos ay isinasaalang-alang ang patuloy na isinasagawang mga hakbang upang ma-optimize ang bilang ng mga tauhan, isang reflexive na desisyon (na ipinagpaliban sa antas ng subcortical) ay upang bawasan ang mga overdue na bakante o, sa pinakamababa, alisin ang mga iyon. kung saan walang kahit isang aplikasyon para sa pagpili, pumunta sa pangunahing antas ng manggagawa sa mga tuntunin ng mga numero, at pagkatapos ay isipin kung ano ang gagawin sa lahat ng ito. Nagpasya - tapos na. At makalipas lamang ang ilang buwan, sa pagsisimula ng season, nagkakagulo ang mga unit ng negosyo: kailangan nilang mabilis na kumuha ng sapat na malaking bilang ng mga manggagawa, ngunit hindi nila ito magagawa, dahil walang masyadong bakante sa talahanayan ng mga tauhan.

At lumalabas na ang antas ng kawani ay isang teknikal na tagapagpahiwatig, ang mga bakante ay kailangan lamang para sa pagpaparehistro ng mga manggagawa ng departamento ng mga tauhan, at ang pagpaplano ng mapagkukunan ay itinayo lamang batay sa tagapagpahiwatig ng payroll, na ginagabayan ng direktor ng sangay kapag nagpapasya. kung kukuha ng empleyado o hindi, dahil siya ang karaniwang may pananagutan sa mga gastos ng sangay. Sa yugtong ito, hindi mahalaga sa akin kung ang proseso ay ginawa nang tama o hindi, iba ang mahalaga: Ang HR department analytics ay hindi maaaring umiral nang mag-isa, hiwalay sa negosyo. Ito ay palaging pangalawa, na nabuo para sa mga partikular na gawain. Pagkatapos ay hindi ito magiging kalabisan.

Pangalawa, ang isang makabuluhang impluwensya sa domestic analytics sa larangan ng pamamahala ng mga tauhan ay nilalaro ng isang kadahilanan na tinatawag ko para sa aking sarili: "sa kasaysayan." Madalas kang makatagpo ng isang sitwasyon kung saan ang iyong tanong na "bakit?" (hindi dapat malito sa "bakit?") regular mong kinokolekta ang HR analytics na ito, nakakakuha ka ng tapat na sagot: "Nasanay na kami," "lagi naming ginagawa ito sa paraang ito," "napakaginhawa para sa amin" o isang bagay na katulad.

Noong unang panahon, ang isang tao mula sa pamamahala ng kumpanya, upang malutas ang isang partikular na problema, ay humiling ng pagsubaybay sa isang hiwalay na tagapagpahiwatig para sa kontrol. Simula noon, ang sitwasyon ay maaaring nagbago nang malaki, ang gawain ay maaaring nawala nang buo bilang hindi kailangan, ngunit dahil walang sinuman ang nagbigay ng "hang up" na utos sa isang napapanahong paraan, ang serbisyo ng HR ay nagpapatuloy, sa pamamagitan ng pagkawalang-kilos, upang mangolekta ng impormasyon at magpadala ayon sa aprubadong listahan mga tatanggap.

Sa aking pagsasanay, nakita ko kung kailan, pagkatapos ng ilang taon (taon!) ng mga naturang ulat, nalaman ng mga tatanggap na ito sa isa't isa kung sino ang nagpasimula at kung bakit kailangan nila ang impormasyong ito. At kung mas mataas ang katayuan ng taong orihinal na nagtakda ng gawain at ang antas ng awtoritaryanismo ng kanyang pamumuno, mas malaki ang posibilidad na makatanggap ng isang linya ng mga sukatan ng HR mula sa kategoryang "historikal na itinatag".

Ngayon, pagkatapos makumpleto ang teorya, at ang lahat ay naabisuhan tungkol sa mga posibleng kahihinatnan at mga nuances, maaari kang magpatuloy sa pagmamaneho, lalo na ang listahan ng mga tagapagpahiwatig ng HR analytics. Gusto kong ituro kaagad iyon listahang ito nabuo lamang mula sa mga tagapagpahiwatig kung saan ako nagtrabaho, at para sa mga kondisyon kung saan ako nagtrabaho sa oras na iyon, ang listahang ito ay hindi kahit na 80% na ginamit sa alinman sa mga kumpanya (na hindi naiintindihan kung bakit, iminumungkahi kong basahin muli ang artikulo) .

I. Pananalapi:

Bahagi ng mga gastos ng tauhan sa kita (sinasaalang-alang ng mga gastos ang lahat ng mga item sa lugar ng responsibilidad ng HRD);

Ang ratio ng rate ng paglago ng kita/margin/net profit bawat empleyado sa rate ng paglago ng payroll/mga gastos sa tauhan para sa parehong panahon (sa pangkalahatan ay hindi ko ikinukumpara sa rate ng paglago ng average na suweldo, dahil ang dynamics nito ay lubos na naiimpluwensyahan ng ang bilang ng mga tauhan, na maaaring humantong sa isang pagbaluktot ng pang-ekonomiyang kakanyahan ng tagapagpahiwatig);

Ang antas ng mga panganib sa pananalapi para sa pagpapaandar ng HR (maaaring masukat bilang ang bilang ng mga kaganapan sa peligro, na nangangahulugang anumang pagkabigo sa proseso ng HR, na nagresulta sa pinsala sa organisasyon na lumampas sa isang tiyak na halaga, o ang kabuuang halaga ng pinsala para sa lahat ng panganib mga kaganapan);

Mga gastos ng kumpanya para sa 1% turnover ng kawani (lahat ng direktang gastos ay isinasaalang-alang: pagpili, pagsasanay, pagbagay ng mga tauhan (pagkagambala ng tagapagturo at tagapamahala), suweldo hanggang sa maabot ng empleyado ang target na antas ng pagiging produktibo at nawalan ng kita sa panahon ng kawalan ng empleyado at hanggang sa maabot ng empleyado ang target na antas ng pagiging produktibo);

Average na sahod ng mga empleyado (ayon sa posisyon/function/lokasyon) na may kaugnayan sa median na suweldo batay sa pagsusuri ng labor market sa katulad na analytics.

II. Mga kliyente (panloob):

Ang antas ng kasiyahan ng mga panloob na kliyente sa mga serbisyo ng HR (sinusukat pareho bilang isang timbang na average at hiwalay ayon sa pag-andar. Bilang panuntunan, ang mga subcontractor ay pinaka-interesado sa pagpili, pagganyak, pamamahala ng headcount, pagtatasa at pag-unlad);

Ang bahagi ng mga bakante na napunan sa loob ng karaniwang panahon (mga karaniwang termino ay pinag-iiba depende sa antas ng posisyon, functional block, lokasyon, atbp.);

Ang staffing bilang isang porsyento ng antas ng staffing (ang indicator ay isang kahalili sa nakaraang indicator, ay ginamit sa mga kondisyon ng mass selection, hindi tulad ng nauna, ito ay panandalian at hindi interval, samakatuwid ito ay lalong hindi maginhawa para sa pagpili kapag ang weighted average ang staffing ay kinakalkula sa pamamagitan ng pagkakatulad sa SSC);

Ang average na pagganap ng mga empleyado sa yugto ng pagpasok sa isang posisyon (madalas na ginagamit para sa mga tagapamahala ng mga benta, ang agwat ng oras ay itinakda na naiiba para sa posisyon, bilang panuntunan, na naka-link sa panahon ng pagsasanay ng bagong dating at pagpasok sa pansariling gawain, ay maaaring masukat sa mga porsyento, mga produktong may kondisyon, atbp.).

III. Mga proseso:

Ang halaga ng pagre-recruit ng 1 empleyado (para sa akin ay hinati ito depende sa antas ng posisyon/propesyon sa 4 na kategorya);

- pag-recruit ng mga "funnel" sa iba't ibang mga seksyon ng analytical (mga posisyon, lokasyon, function, channel para sa pag-akit ng mga kandidato, atbp.);

Turnover ng mga empleyado sa panahon ng pagsubok (isang lubhang kapaki-pakinabang na tagapagpahiwatig para sa pagbuo ng mga relasyon sa isang panloob na kliyente, lalo na sa mga tuntunin ng pag-andar at lokasyon, para dito kinakailangan na hatiin ito sa dalawang bahagi: sa inisyatiba ng empleyado at sa inisyatiba ng manager);

Attrition/staff turnover (ang dibisyon sa pagitan ng mga indicator ay may kondisyon; sa pamamagitan ng attrition ang ibig kong sabihin ay isang indicator kapag ang lahat ng mga na-dismiss na empleyado, anuman ang dahilan ng pagpapaalis, ay isinasaalang-alang; kung ang anumang mga kadahilanan ay hindi kasama sa pagkalkula ng indicator, pagkatapos ay para sa sa akin ito ay turnover na pangunahing mahalaga sa pangalawang kaso, magsagawa ng mga exit survey, mangolekta ng mga numero ng telepono ng mga na-dismiss na empleyado at gumawa ng mga tawag sa pag-audit sa mga na-dismiss na empleyado;

Tradisyunal na analytics para sa mga dahilan ng pag-alis/paglipat ng kawani;

Pagreretiro/turnover pangunahing tauhan(binibilang batay sa mga empleyadong nakatanggap ng mga grado A (mataas na potensyal) at B (mataas na pagganap) sa huling komisyon ng tauhan, at kasama rin sa reserbang tauhan sa mas mataas na posisyon ayon sa mga naaprubahang ruta ng karera na may antas ng kahandaan ng RN (ready now));

Analytics sa mga dahilan ng pag-alis/paglipat ng mga pangunahing tauhan (tingnan ang nakaraang talata);

Ang average na porsyento ng pagliban ng empleyado na may kaugnayan sa FRF ayon sa talahanayan ng mga tauhan (kabilang ang lahat ng uri ng pagliban);

Ang bahagi ng mga empleyado ng komersyal na serbisyo na matagumpay na nakatapos ng pagsasanay sa pagbebenta/produkto ayon sa lokasyon/function;

Antas (porsiyento) ng pagsunod sa Pamantayan sa Pagbebenta ng kumpanya ayon sa mga inaprubahang checklist (kinokolekta ang mga analytics batay sa mga resulta ng parehong panloob at panlabas na pag-audit - pagtawag sa mga kliyente, pag-audit ng mga tawag, atbp.)

Average na porsyento ng pagkumpleto ng mga gawain para sa IPR sa loob ng kinakailangang takdang panahon;

Average na marka ng kasiyahan sa pagsasanay nang harapan batay sa mga feedback questionnaires.

IV. Pag-unlad ng kawani:

Ang bahagi ng mga pangunahing posisyon sa kumpanya (natukoy nang paisa-isa) na napunan batay sa mga resulta ng huling komisyon ng tauhan ng mga kahalili na may antas ng pagiging handa na RN (handa na ngayon) at RN+1 (handa sa isang taon);

Mayroong isang opinyon na ang HR ay tungkol sa matayog na mga bagay na, tila, ay hindi maaaring ilagay sa balangkas ng mga numero. Ngunit kung ang isang bagay ay hindi masusukat, kung gayon hindi ito mapapamahalaan? Lumalabas na ang pakikipagtulungan sa mga tao ay maaaring maging isang eksaktong agham kung mayroon kang mga tamang tool. Halimbawa, master HR analytics.

Saan magsisimula? tanong namin Evgeniy Bondarenko, Direktor ng DTEK Academy, sampung tanong, ang mga sagot na makakatulong sa iyo na malaman kung paano sisimulan ang mahirap ngunit kawili-wiling landas na ito.

Ano ang HR analytics?

Imposibleng pag-usapan lang ang tungkol sa HR analytics. Ang paksa ay nagbibigay ng kaalaman na karamihan sa atin sa paaralan at unibersidad ay pinakamahirap - ito ay, sa partikular, sa matematika at istatistika. Bukod dito, kadalasan ang lahat ng mga coefficient, mode at median na ito ay tila ganap na hindi kailangan sa amin. At sa pamamagitan lamang ng karanasan ay magkakaroon ng pag-unawa sa kung gaano ito kapaki-pakinabang, at kung ibubuo mo nang tama ang proseso ng pag-aaral, gaano ito kapana-panabik.

Sa artikulong "Evidence-based HR: Under the microscope," ang may-akda, si Katie Jacobs, ay nagbibigay ng isang magandang halimbawa. Bilang bahagi ng isang programa ng pagbabago sa isang malaking organisasyon, ang tatlong pinuno na responsable para dito ay nagpahayag ng magkakaibang pananaw tungkol sa kung ano ang eksaktong kailangang gawin. Parang iba ang pagtrato ng tatlong doktor sa isang pasyente. Sa medisina, kaugalian na umasa sa mga katotohanan upang mag-alok ng paggamot. Sa pamamahala ng mga tao, karamihan sa mga desisyon, tulad ng lumalabas, ay batay sa Personal na karanasan at ang mga pag-aaral ng ibang tao ay nagbabasa sa isang lugar.

Kaya, maraming mga kahulugan ng analytics ng mga tao. Marahil ang pinakakumpleto ay ganito ang tunog: ito ay isang patuloy na proseso ng paghahanap ng mga insight, mga driver sa mga proseso ng pamamahala ng mga tao na nagdudulot ng mga benepisyo sa negosyo, gamit ang isang siyentipikong diskarte.

Mayroong dalawang pangunahing diskarte sa HR analytics.

Paglapit sa isa: "Nakikita ko ang layunin." Ano ang kakanyahan nito?

Ipinagpapalagay ng diskarteng ito ang isang tiyak na layunin. Halimbawa, ang isang kumpanya ay bumuo ng isang hypothesis na batay sa karanasan o mga pagpapalagay. Ang hypothesis na ito ay napakaraming promising na mga batang espesyalista ang umaalis sa negosyo: ang recruitment ay isinasagawa taun-taon, ngunit kakaunti pa rin sila. Pagkatapos ay kinokolekta ng kumpanya ang data, pumili ng isang pamamaraan, kinakalkula ang pamantayang ito, at sa gayon ay kinukumpirma ang hypothesis o tinatanggihan ito.

Maaaring iba ang kahilingan - halimbawa, kailangan mong bumuo ng predictive na modelo na magbibigay-daan sa iyong pag-aralan ang mga proseso ng pagpapaalis ng mga tao sa kumpanya. Sa pamamagitan ng pagkolekta ng magagamit na data at pagsusuri nito, makikita ng kumpanya ang "mga pulang sona" - ang mga empleyadong maaaring umalis sa malapit na hinaharap. Ang gawaing ito ay nasa loob ng mga kakayahan ng, halimbawa, logistic regression.

Paglapit sa dalawa: "Magsasagawa ako ng reconnaissance." Ano ito?

Walang layunin dito na pag-aralan ang anumang partikular na pamantayan. Ngunit mayroong isang set ng data at isang pagnanais na makahanap ng ilang mga kapaki-pakinabang na insight na hindi halata at hindi kasinungalingan sa ibabaw. Ito ay mas malapit sa tinatawag na. machine learning - ang data ay sinusuri, ang mga kagiliw-giliw na relasyon ay natagpuan, ang mga konklusyon ay nakuha. Isang uri ng katalinuhan na kasunod na makakatulong sa pagbuo ng mga hypotheses, magtakda ng mga layunin at makakuha ng mga tiyak na konklusyon sa negosyo.

Upang makapagsimula, maaari mong basahin ang mga publikasyon sa paksang ito - "HR na nakabatay sa ebidensya: Sa ilalim ng mikroskopyo", pati na rin ang "Mga sukatan at analytics ng HR: Paggamit at Epekto. Pagpaplano ng Human Resource" (kung saan unang ginamit ng mga may-akda ang terminong "HR analytics").

Pagkatapos ay kailangan mong simulan ang pag-aaral ng mga istatistika - para dito maaari kang kumuha ng anumang pangunahing aklat-aralin. Halimbawa, ang aklat na “Statistics. Kurso sa pagsasanay para sa mga sosyologo at tagapamahala" ni O. Ivanova: ang lahat ay inilarawan dito nang simple at malinaw, gamit ang mga tunay na halimbawa. Ang iba pang mga kapaki-pakinabang na libro ay "Mga pamamaraan ng pagproseso ng matematika sa sikolohiya" ni E. Sidorenko (iba't ibang mga pamantayan sa istatistika ay inilarawan sa isang nakabalangkas na paraan). Nakakatuwang basahin ang "Mga Panuntunan sa Trabaho!" (isang napakagandang libro tungkol sa Google, may-akda – Laszlo Bock), “Naked Statistics” (Charles Whelan), “Data-Driven Management” (Tim Phillips), “Big Data” (Victor Mayer-Schoenberger).

Wala pang mga libro sa HR analytics, lalo na sa Russian. Ngunit hindi ito nangangahulugan na hindi mo dapat subukang maunawaan ang paksang ito, dahil ang pamamaraan ng pagkakatulad ay ganap na naaangkop dito. Maaari mong obserbahan kung paano nalulutas ng mga marketer, halimbawa, ang parehong mga analytical na problema—halimbawa, pag-aaral ng mga customer. At ilapat ito sa iyong larangan - sa pamamagitan ng pag-aaral ng mga empleyado. Maaari mong malaman kung paano niresolba ng mga business analyst, psychologist at sosyologo ang kanilang mga problema. Halimbawa, sa " Kursong pagsasanay para sa mga sosyologo at tagapamahala" ay nagbibigay ng isang halimbawa kung paano ihambing ang tagumpay ng dalawang grupo ng mga mag-aaral. Madali itong mailipat sa pagsasanay sa HR upang ihambing ang dalawang grupo ng mga empleyado na sinanay ng magkakaibang tagapagsanay at sukatin ang pagiging epektibo ng mga aktibidad sa pagsasanay.

Sa pamamagitan ng paraan, isang malaking bentahe sa pag-aaral ng HR analytics ay kaalaman sa Ingles: Halos lahat ng mataas na kalidad na mapagkukunan ng kaalaman ay Ingles.

Anong mga programa ang kailangan mong makabisado?

Ang pundasyon ng HR analytics ay tooling. Sa kasamaang palad, sa mga kumpanya ng Ukrainian, ang mga empleyado - kahit na mga financier - ay gumagamit ng Excel sa lahat ng dako. At ito ay isang kabuuang problema. Kapag tinanong kung bakit hindi subukan ang mas mahusay na mga tool - halimbawa, Pytnon o R, ang isa ay karaniwang nakakarinig ng isang nalilitong "Kaya ito ay mga programming language!" Mukhang, ano ang kinalaman ng analytics, pinansyal at lalo na ang HR? Sa katunayan, ang mga tool na ito ay lubos na naaangkop. Binibigyang-daan ka ng Excel na lutasin ang mga pangunahing problema at mahusay sa paunang yugto kapag natutunan mong kalkulahin nang manu-mano ang mga pangunahing tagapagpahiwatig upang maunawaan kung paano ito gumagana. Ngunit kapag mayroon kang mas kumplikadong mga tool sa iyong arsenal, ang mga kalkulasyon ay nagiging mas mabilis at mas madali: hindi mo kailangang magsulat ng mga formula, kailangan mo lamang magsulat ng isang linya ng code, ipasok ang kinakailangang data at bigyan ang function ng isang gawain - sabihin, bumuo ng regression. At pagkatapos ay kunin ang graph, formula at ang iba pa mahalagang mga parameter. Ginagawa ito sa ilang segundo. Dagdag pa, kung nagbago ang set ng data, malamang na kailangang muling isulat muli ng Excel ang lahat ng mga formula. Sa Python o R, hangga't may nakasulat na script, walang pakialam ang program kung anong data set ang gagana.

Kung ang isang tao ay hindi kailanman nakikitungo sa mga programming language, maaaring mukhang ang pag-master sa mga ito ay isang bagay na wala sa science fiction. Sa katunayan, ang wikang R, halimbawa, ay madaling maunawaan, at kahit na ang isang hindi nag-aral nito ay maaaring makabisado ito sa isang kumpiyansa na pangunahing antas sa loob ng halos anim na buwan (na may wastong pagsisikap, siyempre). Kung ngayon ay may mga libro para sa mga bata tungkol sa kung paano matutong mag-program, kung gayon ang isang may sapat na gulang ay malamang na makayanan ang gayong gawain. Ang wikang R ay libre, magagamit para sa pag-download, at naimbento ng mga siyentipiko na gustong malayang ibahagi ang siyentipikong pananaliksik at kaalaman. Dagdag pa, para sa R ​​mayroong maraming mga aklatan sa Internet na maaaring konektado upang kumuha ng mga bagong pag-andar para sa kinakailangang pamantayan kung ang pangunahing pag-andar ay nawawala (sabihin, upang bumuo ng mga kumplikadong modelo, gumawa ng 3D visualization, atbp.).

Anong mga mapagkukunan sa Internet ang dapat kong bigyang pansin?

May mga espesyal na site kung saan ibinabahagi ng mga tao ang kanilang mga set ng data at tumutulong ang ibang mga user na malutas ang mga problema ng isa't isa. Halimbawa, ang stackoverflow.com, at ang website ng kaggle.com ay mayroon ding seksyon ng HR analytics. Sa pangkalahatan, malugod na tinatanggap ang pagbabahagi ng kaalaman sa analytics: dahil kaunti pa ang data, halos ito lang ang paraan para matuto.

Ang isang mahusay na mapagkukunan na may mga elektronikong kurso ay ang stepik.org: dito maaari kang kumuha ng mga kurso sa mga pangunahing kaalaman sa istatistika (basic o mas advanced, na may mga halimbawa at takdang-aralin), sa pagsusuri ng data sa R ​​(na may mga halimbawa kung paano mag-aplay sa mga totoong problema), sa mga pangunahing kaalaman ng programming sa R ​​(pamilyar sa functionality ng R at ang development environment para sa R ​​– Rstudio).

Bilang karagdagan, maaari kang kumuha ng mga kurso sa coursera.org sa data science at HR analytics. Ngunit makatuwiran ito kung alam na ng tagapakinig ang mga pangunahing konsepto sa istatistika. Dahil kapag sinabi ng lecturer, "Ngayon ay bubuo kami ng isang modelo ng pagbabalik," dapat mong malaman kung ano ito.

Kaya, upang makabisado ang HR analytics, maaari kang magbasa at mag-aral sa mga kurso. Ngunit hindi ito sapat: kailangan mong subukan. Kunin ang pinakasimpleng data - kung magkano ang binabayaran ng kumpanya sa mga empleyado, kung gaano kadalas napupunta ang mga tao sa sick leave o huminto, at subukang gawin ang mga unang kalkulasyon. Kailangan mong lumipat mula sa simple hanggang sa kumplikado: kung naiintindihan mo kung paano gumagana ang mga simpleng pamamaraan, kung paano kinakalkula ang mga modelo at koepisyent, pagkatapos ay maaari mong makabisado ang mga mas kumplikado.

Anong mga pitfalls ang dapat mong pag-ingatan?

Ang mga tagapamahala ng HR ay madalas na nagsisikap na matiyak na ang resulta ng pananaliksik ay nagpapatunay sa hypothesis at lumalabas na ito ang paraan na gusto nila. Dapat itong maunawaan na sa HR analytics walang mabuti o masamang sagot - mga tunay na katotohanan lamang. Kung minsan ay maaaring may tukso na "fudge" ang isang bagay. Napakahalaga na magkaroon ng sumusunod na pag-iisip: nagawa mo na ang iyong pananaliksik, nagawa mo na ang lahat mga kinakailangang kalkulasyon, tinanggap o tinanggihan ang null hypothesis. May bagong hypothesis - kailangang magsagawa ng bagong pananaliksik.

Kailan walang saysay ang analytics ng mga tao?

Kung ikaw ay nakikibahagi sa HR analytics, kailangan mong maging handa na gumawa ng mga desisyon sa pamamahala batay sa mga natuklasan. Kung hindi, hindi ito makatuwiran. Ang ipinapakita ng HR analytics ay madalas na magkakaiba sa mga inaasahan. Kaya kailangan nating tapat na sagutin ang tanong sa harap: "Mayroon ba tayong kalooban na gumawa ng mga pagbabago batay sa pananaliksik?"

Halimbawa, ang isang kumpanya ay nagsasagawa ng pagsasanay para sa mga empleyado - nag-iimbita ito ng isang sikat na tagapagsanay na gusto ng lahat. At nagpasya na sukatin ang pagiging epektibo ng kaganapan sa pagsasanay. Pagkatapos ng pagsasanay, ang mga kalahok ay masaya at inspirasyon, punan ang mga talatanungan ng feedback na may masigasig na mga pagsusuri ng mga damdamin at pagiging kapaki-pakinabang, at pagkatapos... Sa 20 katao na dumalo sa pagsasanay, walang sinuman ang naglalapat ng nakuhang kaalaman sa pagsasanay. Hindi isang solong kasangkapan. Siyempre, magustuhan mo ang pagsasanay, ngunit sasagutin ng HR analytics ang tanong kung ano ang nagbago sa pag-uugali ng empleyado at kung anong benepisyo ang naidulot nito sa negosyo. Sabihin nating, kung ito ay isang pagsasanay sa komunikasyon, maaari mong subaybayan kung gaano karaming mga argumento ang ibinigay ng empleyado sa pagtatanggol sa kanyang posisyon bago at kung paano bumuti ang kasanayang ito pagkatapos ng pagsasanay. Walang pagbabago? Pagkatapos ay lumalabas na ang pagsasanay, na itinuturing na pinaka-epektibo ayon sa mga pagsusuri ng mga tao, ay talagang walang silbi. Walang sinuman ang inaasahan nito, ngunit hindi ka maaaring makipagtalo sa mga numero. Sa pagsusuri, lumalabas na ang pagsasanay ay hindi kasama ang mga pagsasanay na makakatulong sa pagbuo ng mga kinakailangang kasanayan.

Sa kasong ito, ang null hypothesis ay maaaring tunog, halimbawa, tulad nito: "Ang pagsasanay na ito ay hindi nakakaapekto sa pag-uugali ng mga kalahok sa anumang paraan." Alternatibong hypothesis - "Ang pagsasanay ay nakakaimpluwensya sa pag-uugali ng mga kalahok at nakakatulong upang mapataas ang antas ng paggamit ng mga argumento." Kung kinukumpirma ng pag-aaral ang null hypothesis, ang kumpanya ay nahaharap sa isang mahirap na pagpipilian: mayroong isang mahusay na coach na mahal ng lahat. Ngunit ang kanyang mga pagsasanay ay hindi nakikinabang sa negosyo. Ano ang gagawin - iwanan ang coach, gawing muli ang programa, na nangangailangan ng oras at mapagkukunan, o mag-imbita ng ibang tao?..

Paano bumuo ng kultura ng data sa isang kumpanya?

Ang HR analytics ay hindi lamang isang hanay ng mga numero. Ito ay isang buong kultura ng pagtatrabaho sa data. Kung ang HR, gaano man ka-advance, ay pinag-aaralang mabuti ang paksa, at hindi nauunawaan ng manager o may-ari ng negosyo kung tungkol saan ito, walang mangyayari. Ang isang HR manager na gustong magtrabaho kasama ang analytics ay kailangang matutunang malampasan ang paglaban. Isipin ang isang sitwasyon kapag ang HR ay lumapit sa may-ari at nagsabing: "Ang aming chi-square ay apatnapu't walo..." Hindi ito magsasabi sa kanya ng anuman.

Ang isang problema ay madalas na lumitaw dito, dahil ang serbisyo ng HR ay hindi palaging namamahala upang magbenta ng higit sa mga simpleng solusyon. Ang baligtad ay ang HR analytics ay batay sa data. At gustung-gusto lang ng mga manager ang mga numero at tagapagpahiwatig ng negosyo, at kung isasama mo ang mga ito sa HR analytics at ikonekta ang mga ito sa mga HR indicator, tataas ang pagkakataon ng tagumpay ng inisyatiba. Mayroong kahit na ang konsepto ng isang "data-driven na kumpanya" - iyon ay, isang organisasyon kung saan kaugalian na gumawa ng mga desisyon batay sa partikular na data.

Ang isang epektibong kasanayan na pinagtibay sa DTEK Academy ay ang ibahagi sa mga kasamahan ang kaalaman na iyong natatanggap iba't ibang mga mapagkukunan. Kung ang isang tao ay natutunan ang isang bagay na kawili-wili (halimbawa, sa isang seminar o kahit na natutunan ito mismo), ang empleyado ay nagpapadala ng isang newsletter at iniimbitahan ang lahat sa isang pulong. Ito ay hindi kinakailangan, ngunit ito ay kapaki-pakinabang at kawili-wili, kaya ito ay popular. Regular kaming nagdaraos ng mga ganoong pagpupulong sa paksa ng HR analytics, at kumbinsido kami na anuman ang pinagtatrabahuhan mo - maging pagsasanay man ito, reserba ng tauhan, pagre-recruit, ang tool na ito ay ganap na naaangkop.

Minsan nakakatulong ang HR analytics na malutas ang mga isyu na napakahalaga. Halimbawa, kung ang isang kumpanya ng pagmamanupaktura ay nagsasagawa ng pananaliksik sa mga paglabag sa kaligtasan. Binibigyang-daan ka ng analytical na diskarte na pag-aralan ang pag-uugali ng mga empleyado na may posibilidad na lumabag sa mga regulasyon sa kaligtasan, at ang mga hindi kailanman gumagawa nito o napakadalang gawin ito. At batay sa data, gumuhit ng ilang larawan ng mga pangkat na ito at suriin ang mga pangyayari. Halimbawa, kung ang isang kumpanya ay nagpasiya na ang karamihan sa mga paglabag ay nangyayari sa gabi at sa holidays, kapag may minimum na pamamahala sa produksyon, ito ay nagpapahintulot sa amin na magkaroon ng konklusyon na sa mga oras na ito kinakailangan na palakasin ang kontrol sa pagsunod sa mga regulasyon sa kaligtasan at sa gayon ay maimpluwensyahan ang kaligtasan ng kalusugan ng mga tao. Ngunit, muli, kung ang isang negosyo ay hindi handa na gumawa ng mga desisyon sa pamamahala, walang punto sa pagsasagawa ng pananaliksik.

Ano ang pangunahing halaga ng HR analytics?

Tinutulungan ka ng HR analytics na lumayo sa mga stereotype. At ito ang bentahe nito: hindi mo kailangang batay sa haka-haka ng isang tao. Ang mga uso at opinyon ay mahusay, ngunit ang tanong ay kung gaano angkop na umasa sa mga ito sa bawat kaso? Halimbawa, palaging kawili-wili ang mga pandaigdigang uso sa isang partikular na lugar, ngunit eksaktong naaangkop ba ang mga ito sa bawat partikular na kumpanya? Malamang na kakailanganin mo sariling pananaliksik. At salamat sa HR analytics, maaari silang maisagawa nang mabilis.