Maraming mga layunin na tagapagpahiwatig para sa pagtatasa at pagsukat ng mga mapagkukunan ng tao sa isang kumpanya. Alin sa mga ito ang nagpapahintulot sa iyo na "panatilihin ang iyong daliri sa pulso", at alin ang maaaring matingnan paminsan-minsan - sinubukan naming malaman ito sa artikulong ito.

Mga tagapagpahiwatig ng dami

Sa kanilang tulong, sinusukat namin ang dami ng mga katangian ng mga kawani ng isang kumpanya o negosyo. Ang pangunahing tanong ay "magkano?"

Payroll- ang bilang ng mga empleyado na tinanggap sa isang tukoy na petsa. Bigyang pansin ito, dahil ang tagapagpahiwatig na ito ay madalas na nalilito sa isa pa, na nasa ibaba.

Average na headcount (SSH)- ang average na bilang ng mga tauhan para sa isang tiyak na tagal ng panahon. Kadalasang kinakalkula sa loob ng isang panahon ng hindi bababa sa isang buwan.

Mayroong dalawang mga pagpipilian para sa pagkalkula ng tagapagpahiwatig:

1. Ang payroll sa simula ng panahon ay na-buod kasama ang halaga nito sa pagtatapos ng panahon at hinati sa dalawa.
2. Ang impormasyon sa bilang ng lahat ng pagdalo at pagkawala ng mga tauhan para sa napiling panahon ay napili mula sa data na nagpapanatili ng oras at nahahati sa nakaplanong balanse ng mga oras ng pagtatrabaho.

Ang pangalawang pamamaraan ay mas tumpak, ngunit nangangailangan ng mas maraming paggawa. Gayunpaman, ginagamit ito sa karamihan ng mga kumpanya, pati na rin para sa pagbuo ng mga ulat sa mga estado ng istatistika ng estado. Para sa isang mabilis na pagtatasa ng sitwasyon, maaari mong gamitin ang unang pagpipilian sa pagkalkula.

Tahasang numero- ang bilang ng lahat ng mga empleyado na nagtatrabaho sa isang naibigay na oras. Ang mga empleyado sa mga paglalakbay sa negosyo ay isinasaalang-alang din.

Mga katangiang sosyo-demograpiko ng pangkat

Average na edadsumusukat ang lahat ng mga tagapamahala ng HR, ngunit hindi palaging alam kung paano gamitin ang sukatang ito. Dapat itong mailapat kapag pinag-aaralan ang sapat na makitid na mga pangkat ng tauhan upang mahulaan ang trabaho sa pagrekrut, pati na rin kapag bumubuo o nagsasaayos ng patakarang panlipunan.

Halimbawa, ang impormasyon sa average na edad ng isang negosyo ng 3000 katao ay hindi angkop para sa paggawa ng mga desisyon sa pamamahala. Kung titingnan natin ang average na edad, halimbawa, ng mga tagapamahala ng shop, makakagawa kami ng mga konklusyon tungkol sa pangangailangang baguhin ang patakaran ng remuneration at kabayaran (napatunayan na sa iba't ibang edad mayroong iba't ibang mga priyoridad).

Bilang ng mga empleyado ayon sa antas ng edukasyon- nagpapakita ng isang tiyak na pangkalahatang antas ng edukasyon para sa negosyo o ilang mga kategorya ng mga tauhan. Halimbawa, itinuturing na kinakailangan para sa isang namumuno na magkaroon ng degree sa unibersidad. Gayunpaman, hindi lahat sa kanila ay nag-aral sa mga unibersidad.

Komposisyon ng kasarianang koponan ay nailalarawan sa bilang ng mga kalalakihan at kababaihan, pati na rin ang kanilang ratio. Nakatutuwang panoorin ang mga numerong ito ayon sa antas ng propesyon o pamamahala. Ang ilang mga propesyon na "babae" o "lalaki" ay maliwanag.

Dapat pansinin na sa mga nagdaang taon sa pagsasanay sa mundo kaugalian na magsukatmga tagapagpahiwatig ng pagkakaiba-iba tauhan ng kumpanya Iyon ay, upang subaybayan ang ratio ng kalalakihan at kababaihan, mga empleyado ng kabataan at edad, lokal na kawani at mga bisita. Kinukumpirma ng pananaliksik na ang pagpapanatili ng mataas na rate ng pagkakaiba-iba sa mga koponan ay humahantong sa pinabuting pagganap. Siyempre, na may mataas na antas ng pamamahala, isinasaalang-alang ang pagkakaiba-iba na ito.

Ang iba pang mga tagapagpahiwatig ng mga katangiang sosyo-demograpiko ay kasama ang tulad ng:

• katayuan sa pag-aasawa;
• bilang at edad ng mga anak ng mga empleyado;
• bilang ng mga hindi gumaganang miyembro ng pamilya (dependents) bawat empleyado;
• ang bilang ng mga empleyado ayon sa lokasyon at iba pang mga tagapagpahiwatig.

Mga katangian ng kalidad ng HR

Ang pangkat ng mga tagapagpahiwatig na ito ay nagsasama ng mga nagbibigay ng impormasyon sa kalidad ng “human resource” ng kumpanya.

Paggawapara sa isang average na empleyado. Ipinapakita ang bilang ng mga yunit na ginawa sa loob ng isang tagal ng panahon. Ito ang pinaka unibersal na tagapagpahiwatig para sa pagsukat ng ginugol na paggawa.

Masusukat ang produksyon sa natural, may kondisyon na natural (mga tagapagpahiwatig ng lakas ng paggawa) at mga yunit ng halaga.

Katapatan ng mga tauhan- ang mabait na pag-uugali ng empleyado sa kumpanya o employer. Ito ay sa halip mahirap sukatin, kahit na maraming mga pamamaraan. Bilang isang patakaran, karamihan sa mga pamamaraan ay tinatasa ang mga potensyal na probabilidad ng kung o iiwan ng mga empleyado ang employer kapag nakatanggap sila ng katulad o medyo mas mahusay na mga kondisyon mula sa ibang employer.

Paglahok ng tauhan- tulad ng isang estado ng empleyado na tumutulong sa kanya upang gawin ang kanyang trabaho hangga't maaari.Para sa karagdagang detalye sa pagsukat ng pakikipag-ugnayan, tingnan ang artikulo sa paksang ito sa aming website..

Mga tagapagpahiwatig ng paggalaw ng tauhan

Paglilipat ng tungkulin ng tauhanMarahil ang pinakatanyag na tagapagpahiwatig ng paggalaw ng tauhan. Kinakalkula ito bilang isang% ng mga naalis na empleyado na nauugnay sa average na headcount para sa kaukulang panahon.

Sa parehong oras, ang bilang ng mga empleyado na naalis dahil sa mga kadahilanang nauugnay sa paglilipat ng mga kawani ay ginagamit para sa pagkalkula. Ilista natin ang mga ito:

• pagpapaalis sa kanilang sariling kasunduan (nakahanap ng ibang trabaho, pagreretiro, pagbabago ng tirahan, atbp.);
• pagpapaalis sa pagkukusa ng employer bilang isang parusa sa disiplina (para sa absenteeism, paulit-ulit na labis na paglabag sa disiplina sa paggawa, para sa pagpapakita sa trabaho sa isang estado ng pagkalasing)

Alang-alang sa pagkamakatarungan, dapat pansinin na ang pagreretiro ay hindi palaging isang "paglilipat ng tungkulin" ng mga kawani. Halimbawa, kung partikular na pinasimulan ng employer ang pagpapaalis sa isang pensiyonado (pagbabayad ng insentibo o iba pang mga pamamaraan), mas mahusay na alisin ang naturang pagpapaalis mula sa pagkalkula.

Tumatanggap ng paglilipat ng tungkulin- ay kinakalkula bilang ang ratio ng kabuuang bilang ng mga tauhan na na-rekrut sa MSC. Muli, huwag kalimutan ang tungkol sa panahon ng pagsingil.

Pag-alis ng paglilipat ng tungkulin- eksaktong kabaligtaran mula sa paglilipat ng tungkulin sa pamamagitan ng pagtanggap.

Bilang ng mga panloob na paglilipat- Ipinapakita ang panloob na kadaliang kumilos ng mga tauhan ng enterprise.

Ang rate ng kapalit ng lakas ng paggawa- ay kinakalkula bilang ang ratio ng bilang ng mga tinanggap sa bilang ng mga naalis na empleyado. Kung ang koepisyent na ito ay mas mababa sa isa, pagkatapos ay may pagbawas sa bilang ng mga trabaho sa negosyo. Ang tagapagpahiwatig na ito ay karaniwang ginagamit ng mga serbisyo sa pagtatrabaho upang masuri ang sitwasyon sa labor market.

Mga tagapagpahiwatig na nagpapakilala sa trabaho sa reserba ng tauhan ng negosyo

Pagkakaroon ng reserba ng tauhan- tagapagpahiwatig sa porsyento, kinakalkula bilang mga sumusunod. Una, ang bilang ng mga posisyon kung saan kinakailangan upang maghanda ng isang reserba ng tauhan ay natutukoy. Pagkatapos, bukod sa kanila, ang bilang ng mga posisyon kung saan mayroon nang isang handa na reserba ng mga tauhan ay nabanggit. At kinakalkula namin ang pagkakaloob sa isang reserba:

Paggamit ng reserba sa appointment- ang kahulugan ay malinaw mula sa pangalan. Kinakalkula ito tulad nito:

Ang mga posisyon lamang na kasama sa listahan ng reserba ng tauhan ang dapat gamitin para sa pagkalkula.

Mga tagapagpahiwatig ng ekonomiya

Isang mahalagang bloke sa HR analytics. Kadalasan mayroong isang pang-unawa na ang mga tagapamahala ng HR ay hindi bihasa sa ekonomiya. Subukan nating ayusin ito.

Ayon sa kasanayan na pinagtibay sa Russian Federation, ang lahat ng mga pagbabayad sa mga tauhan ay nahahati sa tatlong uri:

1. Pondo ng suweldo
2. Ang mga gastos sa tauhan na hindi nauugnay sa PPF at mga benepisyo sa lipunan

Ang nasabing pamamahagi ay ginagamit sa mga katawang istatistika; maaari rin itong magamit sa ilang pagbabago para sa pamamahala ng accounting at pagtatasa ng gastos.

Dapat sabihin na para sa mga layunin ng accounting sa buwis, isang maliit na kakaibang diskarte ang ginagamit, na inilarawan nang mas detalyado sa Artikulo 255 ng Tax Code ng Russian Federation.

Pondo ng sahod- lahat ng mga pondo ng employer na naglalayong magbayad sa mga kawani bilang bayad sa kanilang trabaho. Kabilang dito ang:

• bayad para sa oras na nagtrabaho (suweldo, surcharge at allowance para sa TC, atbp.)
• pagbabayad para sa hindi gumana na oras (bakasyon sa bakasyon, pagbabayad ng downtime, atbp.)
• isang beses na pagbabayad ng insentibo
• bayad para sa pagkain, tirahan at gasolina

Mga pagbabayad sa lipunan- ang kategoryang ito ng mga gastos ay nagsasama ng mga gastos ng kumpanya para sa paggamot, pahinga, paglalakbay, pagkain, bayad sa pagtanggal sa trabaho, atbp Iyon ay, lahat ng gastos para sa pagpapatupad ng patakaran sa lipunan ng kumpanya

Iba pang mga gastos ng tauhan- mga allowance sa paglalakbay, isang allowance para sa isang paraan ng pag-ikot, bayad sa pagtuturo, pag-oorganisa ng mga kaganapang pangkultura at iba pang mga gastos.

Kinakailangan na isaalang-alang ang naturang pamamahagi ng mga gastos kapag nag-iipon ng mga ulat sa istatistika at nakikipag-usap sa mga kinatawan ng mga ahensya ng gobyerno. Gayunpaman, para sa pagtatasa ng gastos sa pamamahala ng accounting at tauhan, mas maginhawa ang paggamit ng ibang istraktura ng gastos:

1. Payroll na may mga pagbabawas
2. Badyet sa paggastos sa lipunan (mga gastos para sa pagpapanatili at pagbubuo ng kultura ng korporasyon)
3. Badyet sa pagpapaunlad ng tauhan (pagbabayad para sa pagsasanay sa lahat ng mga uri at form nito, kabilang ang - pagbabayad sa mga guro mula sa mga empleyado)
4. Badyet ng mga gastos sa pamamahala (gastos sa paglalakbay, kagamitan at pagpapanatili ng mga lugar ng trabaho at tanggapan, kagamitan sa opisina, koreo, atbp.)

Bilang karagdagan sa pangkalahatang malalaking grupo ng mga gastos, maraming mga pangunahing tagapagpahiwatig ng ekonomiya. Mahalaga ang mga ito para sa pagsusuri ng sitwasyon at paggawa ng mga desisyon.

average na sahod- lahat ng mga gastos sa paggawa (walang pagbabawas) ay nahahati sa average na bilang ng mga tauhan ng kumpanya. Maipapayo na isaalang-alang ang SZP sa mga sumusunod na "seksyon":

• sa pamamagitan ng paghahati
• sa pamamagitan ng propesyon
• sa mga antas ng pamamahala
• sa pamamagitan ng mga rehiyon o lokasyon ng mga dibisyon (negosyo) ng kumpanya

Mula sa pananaw ng hustisya sa lipunan at pagtiyak sa pantay na mga karapatan at pagkakataon, dapat gawin ang paghahambing sa LWP ng kalalakihan at kababaihan.

Lakas ng suweldo ng mga produkto- Ipinapakita kung magkano ang kailangan mong gastusin sa sahod upang makabuo ng isang tiyak na dami ng mga produkto. Halimbawa, ang lakas ng suweldo ay maaaring ipakita bilangrubles / toneladao rubles / rubles.

Ang ilang mga isyu sa paggamit

Para sa mga naghahangad na executive at HR manager, kung minsan ay lumilitaw ang mga katanungan tungkol sa dalas at pagiging naaangkop ng paggamit ng ilang mga tagapagpahiwatig para sa paggawa ng desisyon. Magbigay tayo ng ilang mga rekomendasyon:

• sa isang lingguhang batayan, tingnan ang mga tagapagpahiwatig ng paggalaw ng tauhan: kung gaano karaming mga tao ang tinanggap at pinaputok, kung saan ang mga propesyon ay gumagalaw ang mga tauhan; kontrolin din ang bilang ng mga itinatag na karagdagang bayad at allowance para sa mga tauhan (obertaym, pagpapalawak ng lugar ng serbisyo, atbp.)
• sa buwanang batayan, isaalang-alang ang mga tagapagpahiwatig para sa sahod at ilang uri ng mga benepisyo sa lipunan (materyal na tulong, pautang na ipinalabas ng enterprise, bayad sa paglalakbay, atbp.), paglilipat ng tauhan ng mga tauhan, mga tagapagpahiwatig ng headcount, average na sahod, output, sahod at iba pang mga pang-ekonomiyang tagapagpahiwatig

Kasama sa HR analytics ang iba't ibang mga pamamaraan ng pag-aaral at pagproseso ng data na kinakailangan upang madagdagan ang kahusayan ng mga serbisyo. Higit pang mga detalye sa paksa - sa materyal na artikulo.

Mula sa artikulong matututunan mo:

Ano ang HR analytics

Ang HR analytics ay isang proseso kung saan ginagamit ang mga diskarte sa pagpoproseso ng impormasyon at intelligence ng negosyo (BA) upang suriin ang data ng HR. Ito ay madalas na tinatawag na talent analytics. Ang pagmimina ng data ay tumutukoy sa kasanayan sa pagsusuri ng mga database upang lumikha ng bagong impormasyon. Gayunpaman, maraming mga pangunahing layunin: pagbibigay ng mga pananaw at pagtukoy ng mga pangunahing parameter.

Mga tampok sa layunin:

1. Ang unang layunin ay upang magbigay ng impormasyon tungkol sa sariling operasyon ng kumpanya, na makakatulong upang pamahalaan ang mga empleyado. Maaaring matiyak ng mga pananaw ang mabisang tagumpay ng mga layunin.
2. Ang pangalawang pangunahing pagpapaandar: tumutulong upang makilala ang impormasyon, upang matukoy ang pinakamainam na mga tagapagpahiwatig ng pagganap ng departamento ng HR, na dapat panatilihin ng firm. Nagbibigay ito ng mga modelo para sa paghula ng mga paraan kung paano makakakuha ang isang kumpanya ng mataas na return on investment (ROI) sa kapital ng tao.

Ang hamon para sa HR analytics ay upang masulit ang dami ng data mapagkukunan ng taonakolekta ng karamihan sa mga kumpanya. Ang mga kumpanya ay madalas na may data tulad ng demograpiko ng empleyado, mga tala ng pag-aaral, atbp. Pinapayagan ka ng isang detalyadong pag-aaral na kumuha ka ng mahalagang kaalaman mula sa kanila, na makakatulong sa karagdagang trabaho.

Mag-download ng mga kaugnay na dokumento:

Kamakailan lamang, isang bilang ng mga kumpanya ang gumagamit ng malaking data sa HR, kung saan ang isang malaking halaga ng impormasyon ay nakabalangkas at inilalagay sa mga talahanayan. Sa kasong ito, kailangan mong gumamit ng mga espesyal na programa na nagbibigay-daan sa iyo upang magsagawa ng mga kalkulasyon at magsagawa ng pagsusuri. Makatuwiran na ilapat ang mga pamamaraan kung ang organisasyon ay gumagamit ng higit sa 1000 mga tao.

Bakit tumutukoy sa mga sukatan ng HR

Ang mga desisyon ng HR ay madalas na batay sa mga propesyonal na likas na hilig, pati na rin ang intuwisyon, na dapat isaalang-alang kapag tinutukoy ang mga sukatan ng HR. Ang pagkuha ay madalas na nakasalalay sa pakikipag-ugnay sa recruiter ay mayroon o nabigo upang maitaguyod sa kandidato para sa posisyon. Ang problema sa mga likas na ugali at pag-uugali ay ang mga hindi magagandang kasanayan na maaaring mag-ugat. Halimbawa, ang kawalan ng katarungan ay maaaring mapansin. Ang agwat ng sahod sa pagitan ng mga kababaihan at kalalakihan ay itinuturing na isang pangunahing halimbawa. Maaaring isipin ng mga pinuno na pareho silang nababayaran kung hindi nila pinag-aaralan ang eksaktong data.

Tumutulong ang HR analytics upang madagdagan pagiging produktibo ng paggawa, hulaan ang mga matagumpay na modelo. Tinatanggal nito ang ilan sa mga pagkakamali sa paggawa ng desisyon. Halimbawa, ang pamamahala ng workload ay magiging mas epektibo kapag ginamit ang data na nagpapakita kung aling mga yunit o grupo ang na-overload na, at kung saan pinapayagan lamang ang kanilang sarili na kumuha ng mas maraming responsibilidad.

Napatunayan ng mga dalubhasa ang katotohanang nag-aambag ang analytics sa mabilis na paglaki ng isang samahan. Ang pananaliksik na isinagawa ng MIT at IBM ay ipinakita na ang isang mataas na antas ng paggamit ng HR analytics ay maaaring magresulta sa: pagtaas ng benta, net operating kita, benta bawat empleyado.

Pangunahing mga lugar ng aplikasyon para sa HR analytics

Malawak ang mga lugar ng analytics, at ang mga sukatan na kailangang pagtuunan ng isang organisasyon ay direktang nakasalalay sa industriya, ang likas na katangian ng negosyo.

Narito ang ilang mga halimbawa ng mga pangunahing sukatan ng HR:

1. ang rate ng pagtanggal sa organisasyon;
2. oras ng pagkuha ng mga empleyado;
3. rate ng paglilipat ng tauhan para sa iba`t ibang mga pangkat;
4. kita bawat espesyalista.

Ang mga tagapagpahiwatig na ito at iba pang katulad na data ay ginagamit upang madagdagan kahusayan sa negosyo... Sinabi na, ang mga pangunahing lugar kung saan makakatulong ang impormasyon na isama:

Pagrekrut - Nagbibigay ang Analytics ng mga sagot sa mga katanungan tungkol sa paghahanap ng mga perpektong kandidato para sa bukas na posisyon. Halimbawa, ang impormasyon ay ginagamit upang makilala ang mga katangian ng mga kandidato na nagdadala ng pinakamahusay na mga resulta. Bilang karagdagan, maaari mong ihambing ang data ng mga aplikante na nanatili sa samahan, hanapin ang parehong mga denominator sa kanila.

Kalusugan at kaligtasan - Pinapayagan ka ng HR analytics na makilala ang mga lugar ng problema. Ipinapahiwatig ng data ang mga tungkulin pati na rin ang mga lugar ng trabaho at mga katulad na kadahilanan na may mataas na rate ng mga aksidente.

Pagpapanatili ng empleyado - Matuto nang higit pa tungkol sa pagpapanatili ng mga taong may halaga sa samahan sa pamamagitan ng impormasyon. Maaari mong gamitin ang HR analytics upang makilala ang mga aspeto na nagdaragdag ng pakikipag-ugnayan tauhan.

Mga puwang ng talento - Nakakatulong ang impormasyon upang makilala ang mga puwang sa kumpanya. Halimbawa, ang ilang mga kagawaran ay may higit na kwalipikadong empleyado kaysa sa iba, at maaari itong makagambala sa pangkalahatang pagpapatakbo ng samahan.

Kahusayan sa pagbebenta - ang direksyon ng HR analytics na ito ay makakatulong upang maunawaan ang mga detalye kung paano mapagbuti ang pagganap. Mapapansin mo na ang isang tiyak na talento ay makakatulong sa iyong magganap nang mas mahusay, at ang mga programa ay nagbibigay ng agarang pagbabalik.

Pagsusuri ng mga tagapagpahiwatig ng pagganap ng HR

Ang bawat samahan ay dapat magsagawa ng pagsusuri sa pagganap ng HR pana-panahon upang makilala ang mga problema sa isang napapanahong paraan. Lalo na madalas na kailangan itong isagawa sa isang krisis, kung kinakailangan na i-cut ang mga gastos na may kaunting epekto sa koponan, o sa halip ang katapatan at pagganyak nito.

Tagapahiwatig Blg. 1.

Tagapahiwatig Blg. 1. Pagsunod sa badyet ng empleyado

Ang sukatang ito ay laging ginagamit ng mga HR analista sa mga samahan kung saan sinusukat ang trabaho gamit KPI... Kinakalkula ito tulad ng sumusunod:

Sat \u003d Zf: Zp × 100%, kung saan:

• Sat - pangunahing rate ng pagsunod sa badyet;
• --Ф - aktwal na mga gastos para sa mga empleyado ng kumpanya;
• Зп - nakaplanong mga gastos para sa mga dalubhasa.

Kung nabanggit na ang badyet ay lumampas, ang gastos ng mga gastos sa paggawa ay dapat pa ring wakasan. Ngunit, halimbawa, bawasan ang mga gastos ng social package nang mas matapang. Gumawa ng magkakaibang diskarte sa mga gastos sa pagsasanay ng tauhan gamit ang mga pamamaraan ng HR analytics. I-highlight ang mga hindi mo nais na i-trim at ang mga maaari mong ibigay. Halimbawa, ang mga pondo ay kailangang planuhin para sa "Pagpapabuti ng antas ng propesyonal at kwalipikasyon". Pagpopondo ng pangkalahatang mga teoretikal na seminar kung talagang kailangan ang naturang pagsasanay.

Tagapahiwatig numero 2.

Kasalukuyang pagbabalik sa pananalapi sa paggastos ng empleyado

Ei \u003d Op: Zf, kung saan:

• Ang Ei ay isang tagapagpahiwatig ng pagiging epektibo ng pamumuhunan sa mga empleyado;
• Op - ang dami ng produksyon, kinakalkula sa mga tuntunin sa pera;
• Ang Zf ay ang aktwal na mga gastos sa pananalapi ng mga empleyado.

Makikita mo nang eksakto kung gaano karaming mga produkto ang gumagawa ng kumpanya para sa bawat ruble na ginugol sa mga tauhan. Madaling ayusin ang formula, isinasaalang-alang ang mga detalye ng industriya ng kumpanya. Kung nakakaapekto ang HR sa mga gastos sa paggawa pati na rin ang mga benta sa isang kumpanya, mas mahusay na magtakda ng isang KPI na nakatali sa kabuuang kita. Sa kasong ito, ang HR analytics ay maiuugnay sa simpleng mga kalkulasyon. Ang formula sa pagkalkula ay ang mga sumusunod:

Ei \u003d (Pv - Zf): Zf, kung saan:

• Ang Ei ay ang pangunahing tagapagpahiwatig ng pagiging epektibo ng pamumuhunan sa mga empleyado;
• Pv - kabuuang kita;
• Ang Zf ay ang tunay na gastos ng mga empleyado.

Tagapahiwatig numero 3.

Pagiging produktibo ng paggawa

Ipinapakita mismo ng parameter na ito kung gaano karaming mga produkto ang bawat manggagawa. Kung mas mataas ang iskor, mas mabuti. Kinakalkula ito tulad ng sumusunod:

Fri \u003d Op: Tz, kung saan:

• Fri - pagiging produktibo ng paggawa ng mga empleyado;
• Op - dami ng produksyon;
• Tz - mga gastos sa paggawa

Para sa pagiging simple ng mga kalkulasyon, palitan gastos sa paggawa ang average na bilang ng mga empleyado, sa pag-aakalang lahat sila ay nagtrabaho ng parehong bilang ng mga araw sa isang partikular na panahon. Dapat isaalang-alang ng isang HR analyst ang lahat ng mga nuances, maglagay ng data sa mga dokumento sa pag-uulat upang magkakasunod na kalkulahin ang mga parameter.

Tagapahiwatig Blg. 4.

Paglilipat ng tungkulin ng tauhan

Pinapayagan kami ng paglilipat ng tungkulin ng staff na suriin ang gawain ng buong serbisyo at partikular na ang direktor ng HR. Ang formula para sa pagkalkula ng pagkalikido ay ganito:

Tk \u003d Su: Co × 100%, kung saan:

• Tk - isang tumpak na tagapagpahiwatig likido;
• Ang Su ay ang bilang ng mga naalis na manggagawa;
• Ang Co ay ang kabuuang average na bilang ng mga empleyado.

Panoorin ang mga gastos sa kapalit dalubhasa ang presyong binabayaran mo upang mapanatili ito. Kung gagawin nila ito, kung gayon ang paglilipat ng tungkulin sa mga natatanging dalubhasa ay maaaring magresulta sa isang pagtaas sa mga gastos sa pangangalap para sa kumpanya. Paano mo maiiwasan ito? I-highlight ang isang pangkat ng peligro sa mga empleyado. Bilang isang patakaran, ito ang mga pangunahing tagapamahala ng kumpanya. Ngayon gawing isa na hindi mapigil ang likido.

Sa peligro, kilalanin ang pinaka-hindi tapat na mga tao na maaaring iwanan ang kumpanya. Maghanap ng kapalit nang maaga. Pag-aralan ang labor market at mag-imbita ng mga espesyalista ng isang katulad na antas ng kasanayan para sa isang pakikipanayam. Panghuli, tanungin kung handa ang kandidato na kunin ang posisyon kapag naging bakante ito.

Tagapahiwatig Blg 5.

Ang rate ng absenteeism

Absenteeism - ang kawalan ng mga dalubhasa sa larangan sa oras ng pagtatrabaho. Hindi mahalaga para sa isang mabuting dahilan o para sa pagliban, ngunit dapat bilangin sila ng analista. Kung ang tagapagpahiwatig ay mataas, ang tauhan ay hindi nagsusumikap upang maisagawa nang maayos ang kanilang mga tungkulin. Kinakalkula ito tulad ng sumusunod:

Ap \u003d Dor: Hanggang sa × 100%, kung saan:

• Ang Ap ay isang tagapagpahiwatig sa mga tauhan;
• Dor - ang bilang ng mga araw ng kawalan;
• Hanggang - ang kabuuang bilang ng mga araw sa panahon.

Tagapahiwatig numero 6.

Ang kasiyahan ng mga tao sa trabaho

Sukatin ang kasiyahan sa isang survey. Ang pormula ay:

Lp \u003d Sl: Co × 100%, kung saan:

• --П - isang tagapagpahiwatig ng katapatan ng empleyado;
• Сл - ang bilang ng mga tapat na espesyalista;
• Ang Co ay ang kabuuang bilang ng mga nainterbyu na tao.

Nagsusulat sila at pinag-uusapan ang tungkol sa HR analytics higit pa sa naiintindihan nila kung ano talaga ito at kung anong mga gawain ang idinisenyo upang malutas.

Ang artikulong ito ay tungkol sa kung ano ang pangunahing mga paghihirap sa aplikasyon at kung saan magsisimulang pag-aralan.

Habang nasa puwang ng publiko, ang HR analytics ay nangangahulugang alinman sa mga sukatan at gumagana sa mga numero, istatistika sa HR, na mga tagapagpahiwatig ng mga lokal na proseso o kagawaran, o pagbabahagi ng mga kaso tungkol sa kung paano ikonekta ang departamento ng IT sa paglikha ng mga archive ng data ng HR. Sa katunayan, nalulutas ng HR analytics ang mga problema sa madiskarteng pag-unlad ng kumpanya, tinutukoy ang pangunahing mga trend ng forecasting.

Kaya ano ang HR analytics?

Ang HR analytics ay ang proseso kung saan inilalapat ang mga diskarte sa pagpoproseso ng data at intelligence ng negosyo (BA) sa pagproseso ng data ng HR. Tinutukoy din ito minsan bilang analytics ng talento. Bilang karagdagan, ang pagmimina ng data sa kontekstong ito ay tumutukoy sa kasanayan sa pagsusuri ng mga database upang lumikha ng bagong impormasyon.

Bakit ito nauugnay ngayon, sa ilaw ng pandaigdigang digitalisasyon ng ekonomiya, negosyo, at mga tao? Data, mga kaibigan! Malaking data ay saanman!

At pagkatapos ay dumating ang neuroscience, ipinapakita sa amin kung gaano ang paksa at emosyonal na mga desisyon ng tao sa halip na maging makatuwiran.

Paano mamuhay kasama nito ngayon?

Siyempre, kailangan ng ibang paraan ng paggawa ng mga desisyon - upang ang lahat ay lohikal, makatuwiran, batay sa data at may garantisadong resulta. Sino ang ayaw niyan? Lahat ay may gusto! Bakit ayaw nila

Ang kahandaan sa HR analytics ay nananatiling isang pangunahing hamon. Ayon sa ulat ng Deloitte 2017, pagkatapos ng maraming taon ng pagtalakay sa isyung ito, 8% lamang ng mga respondente ang nagsabing mayroon silang kapaki-pakinabang na data; 9% lamang ang naniniwala na mayroon silang mahusay na pag-unawa sa kung anong mga katangian ng mga empleyado ang humahantong sa tagumpay sa kanilang mga samahan; at 15% lamang sa kabuuan ang nag-deploy ng mga sukatan ng HR at talento para sa mga tagapamahala ng linya.

"Ito ay isang misteryo sa nakaraang dekada - bakit, dahil sa halatang kahalagahan ng kapital ng tao, ang mga organisasyon ay hindi namumuhunan dito at hinihiling ang mga pinuno na magpasya tungkol sa mga taong gumagamit ng batay sa katotohanan na analytics?" (").

Kaya kung ano ang deal? Bakit pinag-uusapan at sinusulat nila ang tungkol sa mga benepisyo at pangangailangan ng paggamit ng analytics na higit pa sa ginagamit nila sa totoong gawain?

Tingnan natin ang hindi pangkaraniwang bagay na ito mula sa iba't ibang mga anggulo.

Ano ang hirap?

Una sa lahat, sulit na isaalang-alang ang malalim, pangunahing mga kadahilanan para sa "paghina" na ito sa bahagi ng mga pinuno ng kumpanya. Ilalarawan ko ito sa mga tuntunin ng modelo na ipinakita nina Pete Ramstad at John Boudreau sa Beyond HR (Boudreau at Ramstad, 2007), na tinatawag na modelo ng LAMP (LAMP - lohika, analytics, mga panukala at proseso).

Upang gawing simple kung ano ang inilarawan sa modelong ito, ang mga kadahilanan kung bakit pinabagal ang paggamit ng analytics ay ang mga sumusunod:

• Mga Lohika: hindi namin maipaliwanag kung bakit gumagana ang mga system ng produksyon na may mahusay na pagganap. Ito ay isang itim na kahon pa rin. Nauunawaan namin na mayroong isang tiyak na ugnayan sa pagitan ng mga nuances, ngunit tiyak na hindi namin masasabi kung ano ang direktang nakasalalay sa kung ano at kung ano ang kailangang gawin sa X upang makuha ang Y.

• Analytics: ayon sa kaugalian ay nagkaroon ng isang kakulangan ng lalim at pagiging kumpleto sa mga modelo ng analytical. Ang mga namumuno sa Google at iba pang mga nangungunang kumpanya ay lumilipat sa mga industriya tulad ng rocketry, kung saan may mga modelo na isinasaalang-alang ang iba't ibang mga kadahilanan. Sa madaling salita, hindi ito tunog ayon sa pamamaraan.

• Mga sukatan: madalas, ang mga dataset ay nauugnay sa kasalukuyang katayuan sa trabaho, mga gastos sa empleyado, at mga programa ng HR. Pinakamahusay, ang data na ito ay pagpapatakbo o advanced na pag-uulat, sa halip na madiskarteng o mahuhulaan na analytics, na kasama ang mga pagsusuri, paghihiwalay ng empleyado, at mahigpit na isinama sa istratehikong pagpaplano.

• Proseso: ito ay isang pagtatanghal ng analytics sa mga gumagawa ng desisyon. Dito, ang pangunahing mga kadahilanan ng tagumpay ay ang pagiging maagap at ang antas ng visual na apela ng ipinakitang data. Pinag-uusapan natin ang tungkol sa pagkuha ng data sa real time sa isang naa-access at naiintindihan na form para sa paggawa ng desisyon, at ang mga nasabing tool na gumagamit ng artipisyal na intelihensiya ay binuo pa lamang. Halimbawa, ang karamihan sa mga executive ay walang ideya kung paano bigyang kahulugan ang mga rate ng turnover ng empleyado dahil karaniwang alam nila na ang mababang turnover ay hindi palaging kapaki-pakinabang, at sa kabaligtaran, hindi nila alam kung paano matukoy kung alin ang pinakamahusay para sa sitwasyong kinakaharap nila. Mula sa puntong ito ng pananaw, nasa yugto kami ng pagbabago ng mga tool sa HR.

Sa palagay ko mula sa itaas, ang pagiging kumplikado at lalim ng problema ay tila mas malinaw. Kaya, may mga layunin na dahilan kung bakit ang pamumuhunan sa analytics ay tila medyo mapanganib na negosyo. Mahusay na pagsasalita, wala kaming malinaw, maaasahan, hindi malinaw na mga tool para sa paggawa ng mga desisyon batay sa analytics.Mas tiyak, para sa napaka-simpleng mga lokal na lugar na may, ngunit hindi sila nagkakahalaga ng gastos. Ang isang gastos sa antas na ito ay may katuturan kung makakakuha tayo ng maaasahang mga hula na hula na susi sa tagumpay sa negosyo. At ang tagapag-aralan lamang ay hindi magagarantiyahan ito.

Hindi namin nais na iproseso lamang ang data. Nais naming magkaroon ng maaasahang mga tool para sa paggawa ng mga desisyon sa negosyo na may higit o mas kaunting mga garantisadong resulta. At sa puntong ito - ang pangunahing bagay ay nananatili pa rin sa tao:

• ang kakayahang magtanong ng mga may kaugnayang may kinalaman sa diskarte at ipakita ang mga ito sa isang lohikal na balangkas na nagpapakita ng ugnayan sa pagitan ng pamumuhunan sa mga mapagkukunan ng tao at kritikal na mga resulta sa organisasyon;

• nagtataglay ng malalim na kaalaman sa kanilang negosyo;

• pag-unawa sa lohika ng mga modelo ng analytical sa kahulugan ng kanilang kakayahang magamit upang ipaliwanag ang mahahalagang proseso sa samahan at marami pa.

Upang ibuod sa napaka-simpleng mga termino, ang pangunahing paghihirap ng analytics bilang isang paraan ng pagtatrabaho sa data ay kailangan mo munang matukoy kung anong mga resulta ang nais nating makuha. At para dito, kailangan mong magtanong ng napaka tamang mga katanungan na nangangailangan ng malalim na pag-unawa sa negosyo, pagkatapos ay tukuyin sa tulong ng aling modelo ng mapanuri ang maaari nating maabot ang mga resulta, alinsunod dito, tukuyin kung anong uri ng data at kung anong dami ng kailangan natin, at pagkatapos lamang magkaroon ng, paano natin makukuha ang mga ito nang eksakto sa form na kung saan kinakailangan ito.

Isang komplikadong diskarte

Upang ilarawan ang pagiging kumplikado ng diskarte, tingnan ang larawan na nagpapakita ng komposisyon ng koponan ng HR analytics:

Hindi lamang yan. Napakahalagang alalahanin na sa pangkalahatan ang pariralang "HR analytics" ay napakabihirang ngayon sa mga gawa ng mga mananaliksik at may-akda. Ito ay tulad ng isang pamilyar na katagang Russian-wika. Sa English, ang konsepto ng People Analytics ay ginagamit na ngayon - people analytics. Hindi ito isang simpleng kasingkahulugan. Bagkos. Mula sa mga lokal na lugar na eksklusibong nauugnay sa HR - paglilipat ng tungkulin, pag-rekrut ng mga sukatan, katayuan sa trabaho, atbp., Sa Kanluran ay lumipat sila sa pandaigdigang "people analytics" o "human analytics". Lahat ng data tungkol sa mga tao ay mahalaga - ang kanilang mga paggalaw, katayuan sa kalusugan, aktibidad sa mga social network, atbp. Gamit lamang ang buong halaga ng data maaari naming pag-usapan ang tungkol sa isang katanggap-tanggap na antas ng pagiging maaasahan ng mga pagtataya at madiskarteng mga desisyon. Upang makolekta ang naturang data, dapat magpatupad ang mga kumpanya ng mga bagong tool batay sa mga mobile application at hindi lamang, at akitin ang mga espesyalista na maaaring gumana dito.

Ngunit malayo ito sa katapusan ng mga problema, ito lamang ang kanilang simula.

Context. Pinagsasama ang malaki at siksik na data

Kritikal ang konteksto. Ano ang ibig sabihin nito Nangangahulugan ito na bilang karagdagan sa malaking data, kailangan namin ng tinatawag. siksik na data: ito ang lahat ng mahalagang impormasyon mula sa mga tao - mga kwento, emosyon, komunikasyon - na hindi mabibilang, ngunit nagdadala ito ng isang kahulugan ng hindi kapani-paniwalang lalim. Ang nagpapalalim sa kanila ay ang karanasan ng tamang pagtuklas sa sinasabi ng mga tao - ito ang makakatulong na makilala ang mga puwang at puwang sa mga hinuhulang modelo. Ang siksik na data ay naglalagay ng mga isyu sa negosyo sa mga problema ng tao - nililinaw ang konteksto. Samakatuwid, ang pagsasama-sama ng malaki at siksik na data ay nagbibigay ng isang mas malalim na larawan. Nagtatrabaho ka sa parehong nakolekta at hindi nakolektang data: ginagawang posible na magtanong ng mga tamang tanong na "bakit?" Bakit nangyari ito?

Upang ilarawan ang kahalagahan ng konteksto, bibigyan kita ng dalawang halimbawa: negatibo at positibo.

Negatibong halimbawa - ito ang kasaysayan ng Nokia, na naging isang malungkot na halimbawa ng kung paano ka makakalipad palabas ng merkado sa rurok nito. Ang kakanyahan ng pangunahing estratehikong maling pagkalkula ay ang mga pinuno ng kumpanya ay hindi pinansin ang siksik na data, na hindi maitugma ang array sa malaking data, ngunit tumpak na hinulaan ang malaking interes sa mga smartphone kahit sa mga pinakamahihirap na segment ng populasyon.

A positibong halimbawa din sa simpleng paningin. Ito ang kamangha-manghang paglago ng Netflix. Sa kabaligtaran, nakita nila ang mga puwang sa mga modelo ng analytical at inanyayahan ang isang teknolohikal na etnographer (mayroon nang gayong pagdadalubhasa) upang gumana sa siksik na data. At naisip niya ang isang bagay na hindi nakikita sa malaking data. Napansin ng etnographer na ang mga tao ay nais na "manatili" sa TV, hindi nila ito nasisiyahan, ngunit simpleng nasisiyahan ito. At sa pamamagitan ng pagsasama-sama ng malaking data sa siksik na data, gumawa sila ng isang simple ngunit epektibo: sa halip na magpakita ng mga multi-genre na palabas sa TV, nagsimula silang maglaro ng pareho upang mas madali para sa mga tao na "dumikit". Ngunit hindi lamang iyon, binago nila ang mismong kasanayan sa pag-broadcast alinsunod sa mga natuklasan na ito. Sa pamamagitan ng pagsasama-sama ng malaki at siksik na data, hindi lamang nila napabuti ang kanilang negosyo, ngunit binago rin ang paraan ng pag-ubos ng mga tao ng media. Ang kanilang pagbabahagi ay inaasahang magdoble sa mga susunod na taon.

Ang data ay wala. Context ang lahat!

Mga mapagkukunan

Unti-unti kaming sumusulong sa isinasaalang-alang ang aming problema, at kung kasama mo pa rin kami, ang huling bastion ay nasa unahan.

Ito ang mga mapagkukunan. Tulad ng nakikita mo mula sa itaas, ang seryosong trabaho sa data ay nangangailangan ng "mabibigat" at mamahaling software, mga kwalipikadong dalubhasa at maraming oras. Ang lahat ng ito ay nagdaragdag ng hanggang sa mga gastos na halos hindi kayang bayaran para sa karamihan ng mga samahan. Kung susundin mo ang paksa, maaaring napansin mo na ang karamihan sa mga na-publish na kaso ay mga kaso ng malalaking kumpanya na naglalarawan sa pandaigdigang pagsasaliksik. Sa kasong ito, kailangan mong tandaan ang tungkol sa tinatawag na. pagkakamali ng nakaligtas.

Ang mga na-publish na kaso ay karamihan sa kung saan sila nagtrabaho. At ilan sa mga hindi gumana sa parehong gastos? Sa ngayon ay walang mababang gastos at medyo simpleng mga tool at modelo. Ngunit ang merkado ay ang merkado at malamang, pagkatapos ng ilang oras, lilitaw ang mga ito bilang isang resulta ng naipon na karanasan. Samakatuwid, sinusubukan na ngayon ng malalaking kumpanya, at ang lahat ay naghihintay para sa isang bagay na mas madaling ma-access bilang resulta ng mga aktibidad ng dating.

Ito ang, sa katunayan, ang pangunahing mga dahilan kung bakit 8% lamang ng mga respondente ang nag-ulat na mayroon silang kapaki-pakinabang na data; 9% lamang ang naniniwala na mayroon silang mahusay na pag-unawa sa kung anong mga katangian ng mga empleyado ang humahantong sa tagumpay sa kanilang mga samahan; at 15% lamang sa pangkalahatan ang nag-deploy ng mga sistema ng sukatan ng HR at talento para sa mga tagapamahala ng linya.

Ngunit ang pangangailangan at benepisyo ng pagtatrabaho sa data ay halata at hindi maaaring makipag-ayos. Kaya ano ang gagawin mo?

Saan maaaring magsimula ang mga kumpanya?

Ang tao analytics ay isang malawak na lugar dahil sa pandaigdigang likas ng mga gawain na nalulutas at medyo bago. Gayunpaman, kabilang sa mga pamamaraang mapanuri, mayroon nang mga seksyon na mahaba at mahusay na binuo. Nagbibigay ang mga ito ng malakas ngunit abot-kayang mga tool at maaaring magbigay ng mga makabuluhang pananaw sa kumpanya. Isa sa ganoong diskarte ay pagtatasa ng network ng organisasyon (ONA, Pagsusuri sa Organisasyong Network). Ano ito

Ang layunin ng ONA ay upang masukat at mapa ang mga ugnayan at daloy sa pagitan ng mga tao, grupo o samahan. Ang pagiging natatangi ng ONA ay nakasalalay sa katotohanan na walang ibang paraan ang makakakita ng totoong mga koneksyon sa pagitan ng mga tao sa samahan. Ito ay mabisang isang X-ray ng iyong samahan o relasyon ng iyong samahan sa panlabas na merkado, o iyong tauhan, o isang pool ng mga kandidato. Sa madaling sabi, maaaring masuri ang mga ugnayan na kailangan mo.

Ang ONA ay nagmula sa intersection ng sociometry at pag-aaral ng network at lilitaw na isang lubhang kapaki-pakinabang na tool.

Ang isang malaking plus ng diskarte na ito ay ang kakayahang makita.

Halimbawa: Ang isang pagsusuri ng mga ehekutibo sa isang paggalugad at dibisyon ng produksyon ng isang malaking kumpanya ng langis ay nagbigay ng sumusunod na pagkakaiba sa pagitan ng pormal at aktwal na istrakturang pang-organisasyon (Larawan. Mula sa blog ni Rob Cross):

Maaari itong makita mula sa tamang pigura na ang kumpanya ay may isa sa mga gitnang tagapamahala, isang tiyak na Cole (tingnan ang kaliwang pigura), na halos hindi nakikita sa opisyal na hierarchy, ngunit sa katunayan sa pamamagitan niya ay dumadaloy ang lahat ng impormasyon at ang tunay na pamamahagi ng trabaho. Siya ang pangunahing node ng impormasyon at nagpasya siya kung kanino ililipat kung anong impormasyon. Ang bise presidente ay nasa isang napakalayong paligid at, sa katunayan, ay walang impluwensya sa pamamahala ng pagpapatakbo.

Sa palagay ko sinimulan mo nang hulaan kung anong papel ang maaaring gampanan ng isang pamamaraan, halimbawa, sa pamamahala ng pagbabago.

Ang susunod na malaking industriya para sa ONA ay, syempre, pamamahala sa kaalaman. Kung sa pasukan ay nagtanong ka ng mga katanungan tulad ng: "Sino ang pinaka-cool na dalubhasa sa trabaho?", Kung gayon ang larawan sa output ay magpapakita ng pangunahing mga tagadala ng kadalubhasaan sa samahan.

Paano hindi pag-usapan ang gawain ng paglikha ng isang patlang ng impormasyon sa kumpanya? Ang sinumang tagapamahala ng komunikasyon ay dapat magkaroon ng ganitong uri ng pagtatasa kung hindi niya nais na magbulag-bulagan. Ang nasabing pagsusuri ay maaaring ipakita ang parehong mga ugnayan at daloy ng impormasyon sa pagitan ng mga kagawaran, sa pagitan ng kumpanya at iba pang mga stakeholder, at sa pagitan ng mga tao. Sa aming kurso sa pagsasanay na HR Unadorned, masusing pagtingin namin sa paksang ito.

Halimbawa, paano talaga nagaganap ang pakikipag-ugnayan sa pagitan ng pananalapi at marketing sa iyong kumpanya? Sa pamamagitan kanino dumadaloy ang lahat ng impormasyon (fig. Mula sa blog ni Rob Cross)?

Ganun din sa anumang pagbabago, pamumuno, pag-unlad ng talento, atbp.

Isinasaalang-alang namin ang mga prospect para sa paggamit ng ONA sa loob ng isang samahan, ngunit ang tool na ito ay maaaring magamit din upang pag-aralan ang panlabas na relasyon - sa mga kakumpitensya, supplier at kontratista, atbp.

Pangunahing mga lugar ng aplikasyon ng ONA

Ang ONA ay ang sining ng pagkuha ng mga kapaki-pakinabang na resulta: nakakakuha ka ng mga mapa at sukatan na hahantong sa mga magagandang katanungan. Iyon ay, ang ONA, tulad ng anumang kasangkapan sa pagtatasa, ay hindi nagbibigay ng isang sagot sa tanong na "Bakit?", Ang isang tao lamang ang maaaring magbigay ng sagot na ito. Ngunit ang mga kard ay gumagawa ng dalawang bagay:

• Nagbibigay ang mga ito ng mga tagapagpahiwatig kung saan maaaring may isang bagay na kawili-wili upang galugarin.

• Nagbibigay ang mga ito ng mga nakawiwiling visual na resulta upang suportahan ang mga kwento ng mga resulta.

Siyempre, sa totoo lang, ito ay hindi kasing simple ng tila sa unang tingin. Sa likod ng lahat ng ito nakapagpapasiglang kagandahan at maliwanag na pagiging simple ay nakasalalay sa isang seryosong kagamitan sa matematika at pangunahing pananaliksik, ngunit ito ay mas simple kaysa sa kung ano ang nasa "malaking analytics" ngayon. Bibigyan ka agad ng ONA ng labis na kapaki-pakinabang na mga resulta at makatipid ng mga mapagkukunan.

Victoria Buznik at Lilia Grabovskaya, mga may-akda ng mapagkukunang Talent Management.com.ua at ang kursong pagsasanay na "HR nang walang pagpapaganda"

Naglarawang (mapaglarawang) analytics. Sa tulong ng magagamit na impormasyon, bumubuo ng isang layunin at pinaka tumpak na paglalarawan ng bagay / sitwasyon sa ilalim ng pag-aaral. Sinasagot ang tanong: "Ano ang nangyayari ngayon?"... Ito ang pundasyon ng anumang analytics sa HR. Nagpapatakbo ng data tulad ng istraktura ng tauhan, pamantayan sa paggawa, pamantayan ng headcount, pagsusuri sa suweldo, sukatan ng pagganap ng proseso, panloob at panlabas na mga benchmark.

Mahuhulaan na analytics. Batay halatang mga dependency at nakumpirma na mga istatistika na hipotesis ay nagbibigay-daan sa iyo upang "tumingin" sa malapit na hinaharap sa pamamagitan ng paghula ng bilang at pagpaplano ng workload. Ginagawa nitong posible na bumuo ng isang profile ng matagumpay na mga dalubhasa, bumuo ng isang plano sa pagkilos upang madagdagan ang kanilang pagkakasangkot, at matukoy ang mga pamantayan para sa pagpasa sa mga pagsubok.

Mapanghulang (nahuhulaan) na analytics... Gumagamit walang kamalayan na pagtitiwala, data ng mapaglarawang pagtatasa, mahuhulaan na analytics at Malaking Data upang "maimpluwensyahan ang mga kaganapan sa malayong hinaharap." Awtomatiko ng artipisyal na katalinuhan (AI). Ginagamit ang mga ito upang maiwasan / mahulaan / makilala ang mga dahilan sa pagtanggal sa mga empleyado bago pa man ito nangyari, upang mahulaan ang kanilang posibleng tagumpay / fiasco sa isang tukoy na posisyon.

Gumagamit ang panghuhulaang pagmomodelo sa parehong tradisyonal at makabagong mga pamamaraan sa pagtatasa:

Sa teorya, ang nahuhulaan na analytics sa HR, kasama ang AI, ay idinisenyo upang:

• makamit ang pangmatagalang mga resulta ng kumpanya (kumita);
• kilalanin ang mga problema sa paglilipat ng tungkod ng kawani at magmungkahi ng mga paraan upang malutas ang mga ito;
• subaybayan ang mga gastos sa pag-akit ng bago at pagpapanatili ng mga mayroon nang mga dalubhasa, sa gayon binabawasan ang mga gastos sa pagpapatakbo.

Gayunpaman, sa pagsasagawa, hindi lahat ay maayos na tumatakbo.

Mahuhulaan na analytics sa HR at sa Black Swan

Ang mga kalaban ng mahuhulaan na mga modelo ay naniniwala na ang analytics, sa pamamagitan ng kahulugan, ay hindi kailanman "mahuhulaan". Bilang katuwiran, binanggit nila ang ideyang pinasikat ni Nassim Nicholas Taleb sa kanyang akdang "The Black Swan. Sa ilalim ng palatandaan ng hindi mahuhulaan ”. Ayon sa may-akda, ang lahat ng mga insidente na may makabuluhang mga kahihinatnan ay mga itim na swan, iyon ay, bihirang at mahirap hulaan.

Para sa sanggunian. Ang unang European na nakakita ng isang itim na sisne ay ang manlalakbay na Dutch na si Willem de Vlaminck. Nangyari ito noong 1697 sa Western Australia. Bago iyon, ang mga kinatawan ng Lumang Daigdig ay ganap na sigurado na ang mga swan ay eksklusibo puti. At ngayon isang katanungan para sa pagpuno: gaano ka posibilidad na mahulaan ng isang tao mula sa Europa ang hitsura ng mga ibong ito na may itim na kulay?

Kung ang teorya ni Taleb ay tama, kung gayon kaugnay sa HR, hindi mahuhulaan ng predikadong analytics ang mga kaganapan na maaaring makaapekto nang malaki sa solusyon ng mga isyu sa tauhan.

Ngunit, sa kabilang banda, maraming malalaking kumpanya ang patuloy na namumuhunan nang malaki sa pagbuo ng artipisyal na intelektuwal, na nagpapakilala ng mga mahuhulaan na teknolohiya ng pagmomodelo sa gawain ng mga kagawaran ng HR. Bakit nila ginagawa ito? Subukan nating alamin.

Nahuhulaan ang Hindi Mahuhulaan: 5 Gumagamit ng Mga Kaso ng Hulaan ang Analytics sa HR

Espesyal na Lakas ng US. Maaari kang magulat na malaman na ang Mga Espesyal na Lakas ng HR ng US ay gumagamit ng mga tool na mahuhulaan ng analytics upang mahulaan kung aling kandidato ang magiging matagumpay na manlalaban sa isang piling yunit. Ang mga kinakailangan ay matigas. Kinakailangan na pumili ng pinakamahusay. At sa gayon ay sigurado. Hulaan kung ano ang likas sa isang matigas na mga espesyal na pwersa: 1) mataas na IQ; 2) ang kakayahang itulak mula sa sahig ng 80 beses; 3) tapang, pagtitiis, katatagan ng pagkatao? ... Ang pagtatasa ay tumuturo sa punto 3.

Google Sa kanyang librong “Work rules! Bakit ang karamihan sa mga tao sa mundo ay nais na magtrabaho sa Google ”Si Laszlo Bock, ang senior vice president ng human resource (HRM), ay nagsulat na ang pinakamahalagang tool para sa pamamahala ng mga mapagkukunan ng tao sa Google ay ang mga istatistika. Ang paunang pakikipanayam sa aplikante ay ganap na awtomatiko, isinasagawa sa isang computer, na-configure upang piliin ang pinakamahusay na kandidato. Tinantya din ng higante ng paghahanap ang posibilidad ng mga taong umaalis sa kumpanya gamit ang mahuhulaan na pagtatasa. Isang takeaway: Ang mga bagong salespeople na hindi nakatanggap ng isang promosyon sa loob ng 4 na taon ay mas malamang na umalis sa kumpanya.

Hewlett-Packard... Ang mga lalaki sa HP ay totoong tagahanga ng mahuhulaan na analytics sa HR. Ang kumpanya ay nagtaglay ng kumpiyansa sa mahuhulaan na mga teknolohiya noong 2011. Ang mga siyentipikong tauhan ay nagtipon ng data ng HR mula sa nakaraang 2 taon at gumamit ng isang hulang modelo upang mahulaan ang posibilidad na ang bawat isa sa 300,000 na empleyado ay matanggal. Bilang isang resulta, ang tinaguriang tagapagpahiwatig na "Panganib sa Paglipad" (ang panganib na umalis) ay nabuo, na ginagamit kung aling mga tagapamahala ang maaaring tumugon sa isang napapanahong paraan sa mga signal-precursors ng pagtanggal. Salamat dito, ang HP ay nag-save ng hanggang $ 300 milyon. Ano pa ang nalaman namin: hindi tulad ng Google, para sa mga empleyado ng Hewlett-Packard hindi lamang ito ang promosyon, kundi pati na rin ang pagtaas ng suweldo na mahalaga; kung hindi man, sila ay natapos sa loob ng 5 taon.

Pinakamahusay na Pagbili... Ang retailer ng electronics ng mamimili na ito ay isa sa mga nangunguna sa mahuhulaan na pagsasaliksik ng HR, kung saan tinukoy ng pamamahala na ang isang 0.1% na pagtaas sa mga empleyado ng pakikipag-ugnayan ay nagresulta sa isang pagtaas sa taunang kita na $ 100,000. Ang mga resulta na ito ay nag-udyok sa isang rebisyon ng dalas ng mga panloob na pag-audit sa pakikipag-ugnayan. : Ngayon gaganapin ito sa bawat buwan, hindi minsan sa isang taon.

IBM. Ang Blue Giant ay mayroong supercomputer ng Watson IBM na magagamit nito, na sinusuri ang isang saklaw ng mga pamantayan na pinaniniwalaang nakakaapekto sa paglilipat ng mga kawani. Kabilang sa mga ito: ang antas at larangan ng edukasyon, ang laki ng oras-oras na rate, pagkahilig at kasiyahan sa trabaho, dalas / kawalan ng paglalakbay sa negosyo, katayuan sa pag-aasawa, edad at kahit distansya mula sa bahay patungo sa trabaho. Ang isang haligi na naglalaman ng isang pahiwatig ng pagkasunog ng empleyado (oo / hindi) ay naka-highlight sa berde (tingnan ang screenshot sa ibaba).

Sa pamamagitan ng pag-aaral ng impormasyong ito, mapipigilan ng manager ng HR ang espesyalista na umalis at kilalanin ang dahilan ng pagtanggal sa trabaho.

Tandaan Ipinapakita ng talahanayan ang nakabalangkas na data, iyon ay, ang hula ng analytics na halos palaging nagsisimula at nagtatapos sa naglalarawang (naglalarawang) analytics. Samakatuwid, huwag pabayaan ang koleksyon ng mga tradisyunal na istatistika. Tiyak na magagamit nila ito kung magpapasya kang bumuo ng mga hulang modelo.

5 mga hakbang upang makabuo ng isang modelo ng mahuhulaan

Sa pangkalahatang mga termino, ang kurso ng trabaho ay ang mga sumusunod (gamit ang halimbawa ng pagtataya ng mga pagpapaalis sa nais ng mga dalubhasa sa klase):

1. Paghahanda ng mga palagaykung bakit ang mga may kakayahang manggagawa ay umalis ng kanilang sariling kasunduan. Pag-aaral:
   • Panlabas na mga kadahilanan: ang pangangailangan para sa mga kakayahan, ang dynamics ng mga pagbabago sa sahod, ang posisyon ng employer sa labor market.
   • Panloob na mga kadahilanan: oras ng pagtatrabaho (iskedyul, obertaym), pagkakaroon / kawalan ng mga paglalakbay sa negosyo; ang antas ng ginhawa sa opisina; antas ng suweldo; paglago ng karera, pag-unlad na prospect; oras ng paglalakbay sa trabaho.
   • Indibidwal na mga katangian: kasarian, edad, katayuan sa pag-aasawa, pagkakaroon ng mga bata; sikolohikal na profile; kaalaman sa mga banyagang wika.
2. Pagtukoy ng magagamit na data. Magpasya kung saan hahanapin ang impormasyong kinakailangan upang subukan ang mga hipotesis na nabuo sa nakaraang hakbang. Mga posibleng mapagkukunan:
   1. Panlabas na data mula sa mga recruiting site, pagsusuri sa suweldo.
   2. Panloob na impormasyon ng control control at system ng pamamahala (mga pagkaantala, pahinga, maagang pag-alis, mga pagbabago sa itinatag na pag-uugali); data tungkol sa mga binisitang site; mga resulta mula sa mga survey sa pakikipag-ugnayan at mga pagtatasa sa pagganap; Mga tala ng HR (pagbabago sa suweldo at karera)
   3. Mga resulta sa Psychodiagnostic.
3. Pagkolekta, pagsusuri at pagbubuo ng impormasyon... Bilang isang patakaran, ang pinakamahabang yugto.
4. Pag-unlad ng modelo: 1) paglikha, 2) pagsubok, 3) visualization. Lumilikha at sumusubok sila ng isang prototype ng modelo na isinasaalang-alang ang totoong data, bumuo ng isang interface ng gumagamit, sanayin ang mga HR manager na makipag-ugnay sa system.
5. Paglalapat ng modelo. Perpekto - hindi lamang pagtataya, ngunit ang pagsubaybay (kasama ang remote) na mga tagapagpahiwatig ng peligro na matanggal ang mga empleyado.

Magbuod tayo, pag-isipan kung paano ilapat ang materyal na artikulo sa mga realidad ng domestic HR.

Gastos sa pagsasara ng bakante

Ito ay isang pigura na nagsasama ng gastos sa pag-post ng isang bakante sa mga site ng trabaho, pakikipag-ugnay sa mga recruiter, pag-screen, pakikipanayam - lahat ng nangyayari sa proseso ng paghahanap ng mga kandidato ay may sariling gastos sa anyo ng mga mapagkukunan ng tao at oras. Ayon kay pananaliksik Supejob, ang gastos sa pagpuno ng isang bakante sa Russia noong 2015 ay 10,000. Sa Moscow, ang pigura ay bahagyang naiiba - 17% mas mataas kaysa sa bansa. Sa nakaraang taon, ang gastos sa pagpuno ng isang bakante ay nabawasan, at ang gastos ng HR ay makabuluhang nabawasan din.

Oras upang isara ang isang bakante

Ang oras na ginugol sa pagpuno sa isang trabaho ay halos kasing halaga ng gastos sa proseso. Sa kasamaang palad, hindi namin makita ang anumang average na halaga. Alam natin yan sa USA mga 25 araw ang kinakailangan upang isara ang isang bakante.

Ang formula ay simple: # araw habang bukas ang bakante / # bilang ng mga kandidato na tinanggap

Pinagmulan ng mga kandidato

Ang pag-alam sa mga mapagkukunan na magdadala sa iyo ng pinaka mahusay na mga kandidato ay ginagawang mas madali ang proseso ng pagrekrut. Narito ito ay nagkakahalaga ng isasaalang-alang ang lahat hanggang sa sandali ng pagtanggap ng alok, ang mga tampok ng bakante at lahat ng mga platform na magagamit para sa pagtugon - ang developer ay tumugon sa Facebook at nagpunta sa site ng karera, at agad na tumugon ang accountant sa site ng trabaho. Mayroong pinagkaiba. Sa ganitong uri ng analytics, maaari mong bawasan ang iyong mga gastos sa pagsasara.

Ang pagiging epektibo ng proseso ng pagrekrut

Sa bawat yugto ng pagpili, sinala mo ang isang tao, may isang nawala sa kanyang sarili - ang pagsusuri ng mga kadahilanan kung bakit ito nangyari sa yugtong ito ay magbibigay-daan sa iyo upang mas mabisa ang pagbuo ng proseso ng pagrekrut. Tanungin ang mga katanungang iyon na nag-filter ng mga hindi naaangkop na kandidato, pinag-uusapan ang tungkol sa mga prinsipyo ng kumpanya na maaaring hindi akma sa isang tao, magbigay ng mga gawain sa pagsubok nang mas maaga upang ang mga kandidato na ayaw gampanan ang mga ito ay agad na tinanggal mula sa proseso ng pagpili.

Ang pormula ay: (# mga kandidato na pumasa sa susunod na yugto / kabuuang bilang ng mga kandidato na pumasa sa pagpipilian) X 100

Pagtanggap ng alok

Madali - ilang porsyento ng mga kandidato na dumaan sa lahat ng mga yugto ng pagpili ang natapos na makatanggap ng isang alok (at tinatanggap ito)? Mahalagang isaalang-alang hindi lamang ang impormasyon tungkol sa kung bakit mo pinili ang mga partikular na kandidato, ngunit kung bakit ang iba ay tumanggi o sa ilang kadahilanan ay hindi nakarating sa huling yugto ng pagpili.

Analytics kailangan upang mapabuti ang proseso ng pagpili: paano mo maipapakita ang kultura ng korporasyon? Ano ang nakalilito sa mga tao kapag nakikipanayam? Paano tumugon ang mga kandidato sa impormasyon sa lokasyon ng suweldo at opisina?

Paglilipat ng tungkulin ng tauhan

Ang likido ay dapat na subaybayan nang regular - pag-aralan ang bawat ilang buwan, bawat anim na buwan, o bawat taon. Papayagan ka nitong malinaw na maunawaan kung bakit ang mga empleyado ay aalis sa kumpanya at kung ano ang kailangang gawin upang maiwasan na mangyari ito - pinag-uusapan muli namin ang tungkol sa pag-save sa pagkuha, at tungkol din sa pagbuo ng isang kultura ng korporasyon na may matatag na pundasyon sa anyo ng mabubuting dalubhasa.

Formula: # bilang ng mga empleyado na huminto sa isang taon / kabuuang # bilang ng mga empleyado

Gastos sa likido

Isang minamaliit na kadahilanan - ang bawat empleyado na umalis sa kumpanya ay nagkakahalaga din ng pera. Mukhang mapang-akit ito, ngunit ito ay isang katotohanan at isa pang dahilan upang isipin kung bakit walang laman ang opisina at kung ano ang ginagawa mong mali. Bilang karagdagan, kung ang mga empleyado ay umalis, nakakaapekto rin ito sa pangkalahatang kalagayan sa koponan - ang iba na natatakot lamang sa mga pagbabago o, sa kabaligtaran, biglang may lakas ng loob na umalis, ay magsisimulang sundin siya. At gayon pa man - kailangan mong malaman kung magkano ang gastos sa iyo ng pagkawala ng isang empleyado.

Formula (maaaring may mga pagpipilian): ang mga pondong nabayaran pagkatapos iwanan ng isang empleyado + ang gastos ng isang bakante + ang gastos ng pagpapalit ng isang empleyado + bayad para sa paunang pagsasanay at pagbagay

Average na panunungkulan

Pag-aralan kung gaano katagal ang average na empleyado sa isang naibigay na posisyon. Kaya maaari mong maunawaan kung kailan ang isang empleyado ay malapit nang maalis sa trabaho at sa anong oras mas mahusay na harapin ang mga pagbabago sa tauhan.

Kahusayan sa channel

Gaano katuwid ang pag-publish ng mga bakante sa FB sa iyong kaso? Ilan talaga ang magagaling na kandidato na nagmula sa isang site ng trabaho? Papayagan ka lamang ng pagsusuri sa pagganap ng Channel na gumamit ng mga site na regular na nagpapahintulot sa mga angkop na kandidato na tumugon.

Buksan ang posisyon vs. Sarado na bakante

Ito ay isang artikulo sa analytics na nauugnay para sa mga malalaking kumpanya - kailangan mong ihambing ang bilang ng mga bakanteng posisyon na napunan lamang at ang mga lumitaw upang muling suriin ang bisa ng proseso ng pagrekrut. Kung ang isang maliit na bilang ng mga bakanteng posisyon ay binuksan sa kumpanya, nangangahulugan ito na ginagawa mo ang lahat ng tama at ang lahat ay lubos na maayos sa kumpanya.

Average na edad ng mga empleyado ng kumpanya

Alamin kung gaano katanda ang kailangan ng iyong mga empleyado upang gawing mas epektibo ang pagrekluta at gawing mas madali ang pagbuo ng isang kultura. Ang pagkakaiba sa pagitan ng mga henerasyon ay pinaparamdam pa rin sa lugar ng trabaho - bagaman sa Russia ang teorya ng mga henerasyon na Y at Z ay hindi gaanong nauugnay, ngunit may mas mahahalagang mga tampok na dapat mong tandaan at regular na pag-aralan ang iyong trabaho.

Pakikipag-ugnay at kasiyahan

Dalawang tagapagpahiwatig na madalas na sinusukat gamit ang mga survey. Ang tanong ng kanilang pagiging epektibo sa mundo ng mga hr-technology ay talamak. Ang iyong gawain ay upang makahanap ng pinakamahusay na tool sa pagtatasa ng pakikipag-ugnayan ng empleyado at kasiyahan para sa iyong kumpanya. Kung magsasagawa ka ba ng hindi nagpapakilalang mga botohan o makipag-usap lamang sa iyong koponan ay hindi gaanong mahalaga, ang pangunahing bagay ay ang mga sagot ay malapit sa katotohanan.