"Grafik" nedir?

Tüm endüstriler veri üretir. Veriler sayesinde iç müşteriyi daha iyi anlayabilir, süreçleri optimize edebilir ve çalışanların etkileşimine farklı bakabiliriz. Bu süreçler çizge teorisi kullanılarak açıklanabilir.

Grafik, onları birbirine bağlayan köşelerden (noktalar) ve kenarlardan (çizgiler) oluşan soyut bir matematiksel nesnedir. Örnek olarak İnternet'i alın - birçok site bağlantılarla birbirine bağlanır. Yandex'in işinin özü, İnternet grafiğini hızlı bir şekilde atlamak, içeriği analiz etmek ve kullanıcıya uygun bir cevap vermektir. Diğer bir örnek ise Yandex.Taxi'dir: Servis, haritadaki noktalar arasındaki en kısa mesafeyi bularak yolcunun gideceği yere ulaşmasına yardımcı olur.

Yandex grafiği: noktalar - çalışanlar, çizgiler - aralarındaki etkileşim

18. yüzyılda popüler olan bir problemi çözen matematikçi Leonard Euler, nesnelerin grafikler biçiminde soyut bir temsilini önermişti: Königsberg'in tüm şehir köprülerinden hiçbirinden iki kez geçmeden nasıl geçilir?

Veri kaynakları ve gereksinimleri

Bir grafik oluşturmak için verilere ihtiyacınız var. Bir kuruluş veri kaynakları olarak şunları kullanabilir:

kurumsal posta

personel toplantı takvimi

izleyicideki görevler

dahili PBX aramaları

İzleyiciler özellikle BT şirketleri arasında popülerdir. Görevler belirlemenize, yürütülmesinden sorumlu kişileri atamanıza, dosya eklemenize izin verir. İzleyiciler ekip çalışmasını çok daha kolay hale getirir. Yandex'de bu araç yalnızca geliştiriciler tarafından değil, diğer departmanlar tarafından da kullanılır.

İK departmanları izleyiciyi şu amaçlarla kullanır:

boş pozisyonların onaylanması

işe alıyor

uyarlamalar

öğrenme

İK analitiği bu araç temelinde oluşturulmuştur.

Veri gereksinimleri:

Kalite. Veriler hata ve eksiklik içermemelidir. Göstergeler genel bir görüşe getirilmelidir.

eksiksizlik. Artık birkaç bilgi sisteminde aynı anda çalışmak norm haline geldi. Sadece bir sistemden alınan veriler tamamlanmayacaktır.

Etkileşim analizi

Grafikteki noktalar ve çizgiler çalışanları ve onların etkileşimlerini temsil eder. Noktadaki çap ne kadar büyük olursa, çalışan ve iş arkadaşları arasındaki etkileşim o kadar yoğun olur. İki çalışanı birbirine bağlayan çizgi ne kadar kalınsa, bu çiftte o kadar yoğun etkileşim oluşur.

Yandex çalışan etkileşimleri

Tüm verileri dikkate almak ve doğru bir şekilde yorumlamak önemlidir. Çalışanlar arasındaki etkileşimlerin yoğunluğu doğrudan pozisyonlarına ve verilen görevlere bağlıdır.

Hangi sonuçlar çıkarılabilir ve organizasyonel değişikliklerde neler uygulanabilir:

Etkileşimlerin etkinliği. Gruplar etkileşimlerin yoğunluğu açısından farklılık gösteriyorsa ve KPI'lar gibi nesnel bir göstergeleri varsa veya bir performans incelemesi yapılıyorsa, grafikten faktörleri (etkileşimlerin yoğunluğu) karşılaştırabilir ve hangi eylemlerin en iyi göstergelere yol açtığını tahmin edebilirsiniz. . Örneğin, aşırı miktarda iletişim yöneticileri bunaltabilir ve tükenmişliklerini etkileyebilir.

Liderlik yönetim tarzı. Veriler, yöneticinin mikro yönetim mi yoksa tam kontrol mü kullandığını size söyleyecektir. Grafikteki verileri kullanarak yöneticiye yönetim tarzının her biri için uygun olup olmadığını söyleyebilirsiniz. Özel görev ve hangi eylemlerin çalışanların verimliliğini artırabileceği.

Ekip içi iletişim.Örneğin, ekip üyeleri birbirleriyle iyi etkileşim kurar, ancak diğer meslektaşlarla pek etkileşime girmez. Böyle bir ekip, daha önce şirkette bulunan bir proje oluşturabilir, bununla ilgili veriler depolanır, ancak ekibin bundan haberi yoktur. Sonuç olarak, diğer departmanlarla yetersiz etkileşim nedeniyle şirket kaynakları boşa harcanacaktır. Veya tam tersi, ekip içindeki iç iletişim yetersiz olduğunda, bu projenin hazırlanmasında gecikmeye yol açar.

Tam resimçalışan etkileşimleri 360 derecelik bir anket için otomatik olarak bir iş arkadaşları listesi oluşturmanıza olanak tanır. Bu durumda yöneticinin anket sonuçlarına göre alacağı veriler tamamlanmış olacaktır.

Takımlar arası etkileşim

Metrikler

Grafik teorisinden bazı metrikler kuruluşlarda başarıyla kullanılabilir:

Yoğunluk / Seyreklik. Tüm köşeleri kenarlarla birbirine bağlandığında bir graf tam olarak adlandırılır. Gerçek dünyada, eksiksiz bir grafiğin bir örneği, küçük bir başlangıç ​​olabilir: herkesin birbirini tanıdığı ve etkili bir şekilde etkileşime girdiği küçük, arkadaş canlısı bir ekip. Bir çalışanın ayrılması, önemli bilgilerin kaybına yol açmaz, etkileşim kesintiye uğramaz.
Şirketin büyümesiyle yoğunluk bozuluyor. Binlerce çalışanı olan ve tüm çalışanların birbirini tanıdığı bir şirket hayal etmek zor. Böyle bir şirket, bir çalışan ayrıldığında ekip içindeki önemli iletişimi kaybetme riskiyle karakterize edilir.

Mesafe. Bu ölçü, iyi bilinen altı el sıkışma teorisini andırıyor. Çalışanlar arasındaki mesafe ne kadar kısa olursa, uyum o kadar fazla olur, daha fazla insan birbirini tanır.

Merkezilik. Bu ölçü, "Game of Thrones"un karakter grafiğiyle iyi bir şekilde gösterilmiştir: eserin ana karakterlerinden birinin beklenmedik ölümünden sonra, senaristler onunla ilgili zorluklar yaşarlar. hikaye konusu küçük karakterler.

Köprü. Bu, iki dil konuşan küçük bir insan köprüsünün "tek dilli" vatandaşları birbirine bağladığı iki resmi dili olan bir ülke olan Belçika örneği ile gösterilebilir. Şirkette bu köprüdeki insanlar çok önemli bağlantıların taşıyıcılarıdır. Ayrılmaları şirket için büyük bir sorun.

Başvuru

Proje yapısına sahip firmalarda haftalık olarak projeler başlatılır ve kapatılır, maliyetlerin takip edilmesi önemlidir. Ekonomik hesaplamalar için verilerin doğru bir şekilde toplanması ve iletilmesi gerekmektedir. Bu süreç otomasyonla iyileştirilebilir. Yandex şunları yaptı:

Şirketin bir grafiğini oluşturdu.

İK analistleri, bir çalışanın belirli bir ayda davranışını analiz ederek, şu anda hangi projede olduklarını görebilirler. Servis yöneticileri ile yazışma ihtiyacı ortadan kalktı. Bu, iş ve analistler için zaman kazandırır.

Şimdiye kadar, bu ilginç sonuçlar gösteren bir pilot projedir. Birçok Araştırma projeleri Yandex'de daha sonra üretime alındı.

Yani, klasik analiz yöntemi

Veri. Kaynak, eksiksizlik ve kalite.

Görselleştirme. Bu verilere nasıl bakılır, nasıl kullanılır. İK analitiği durumunda, grafik teorisinden alınabilecek veya kendi başınıza ortaya çıkabilecek metrikler hakkında fikirler.

Raporlama, bu, şirkette neler olduğunu aylık olarak gösterir. Örneğin, yöneticiler arasındaki etkileşimin yoğunluğu.

metrikler, hangi sonuçlar için kullanılır.

Tahmine dayalı analitik- zaman kazandıran otomatik bir süreç başlatmak.

İK analitiği hakkında bilmeniz gereken başka ne var?

Global Learning Resources, Inc.'in Başkanı ve Kurucusu Kevin Wheeler, bir makalede"İK analitiğinin dezavantajı: Az bilinen 8 gerçek" birkaç vurgular önemli faktörlerİK verileriyle ilgili olarak:

Analytics sihirli bir hap değildir. Analytics sihirli bir kurşun değildir. Veriler sorunu anlamaya ve muhtemelen daha fazlasını seçmeye yardımcı olur. etkili yöntemçözümleri, ancak veriler empatinin ve insan akıl yürütmesinin yerini almaz.

Tam olarak ne bilmek istediğinizi anlamak. Neyi analiz etmek veya ölçmek istediğiniz konusunda en üst düzeyde netliğe ihtiyacınız var. Ve bunun mümkün olduğundan emin olun.

Uygun yöntemi kullanmak. Veri toplama yöntemi de olabilir göz korkutucu bir görev... Analitik için bir kullanım durumu, bir sorunu netleştirmek veya olası nedenleri bulmaktır.

Pasif veriler, istenen verilerden daha iyi olabilir. Pasif verileri kendiniz toplamak, başkalarından güvenilir veriler istemekten çok daha kolaydır. Eylemler ve kararlar hakkında olgusal bilgi toplamak nispeten kolaydır.

Destek önemlidir. Verilerin etkin kullanımı, yönetim desteği ve verilere değer verilen uygun bir kurumsal kültür gerektirir.

Amaç durumu kontrol eder.Özellikle bir şirkette bir analitik aracı henüz uygulanmaya başladığında, ilk aşamalarda her şeyi ölçmek için büyük bir cazibe vardır. Ancak yanıtını almak istediğiniz iki veya üç temel soruya odaklanmak daha iyidir. O zaman daha doğru veri toplama ve eksiksiz analiz için yeterli zamanınız olur.

Veriler kusurlu. V son zamanlar verileri bir kaide üzerine koymak ve içinde siyaset veya görüş olmayan saf bilgi olarak algılamak geleneksel hale geldi. Ancak ne yazık ki fikirler, diğer her şey gibi verilerin analizini de etkiler.

Ne kadar basitse o kadar iyi. Bir liste hazırlamak için zaman ayırın: işe alım sürecinizi geliştirmek için gerçekten bilmek istedikleriniz; hangi verilerin çoğu kaynağın etkinliğini artırmanıza veya güncel yönetim sorularını yanıtlamanıza yardımcı olacağı.

Son zamanlarda, verilerin doğru yorumlanması sorunları da ortaya çıkmıştır.Nassim Taleb'in konuşması : “Nasıl çalışacağınızı biliyorsanız Büyük veri, bu iyi, ancak onu yorumlayabilmeniz, her şeyi karıştıran saçmalıkları ve gereksiz gürültüleri filtreleyebilmeniz gerekir. İlginç bir şekilde, verilerle nasıl çalışılacağını bilenler sadece terörle mücadele hizmetleridir. Yanlış korelasyonlar bulamıyorlar ve örneği belirli şüphelilere kadar daraltıyorlar; bağlantılar arıyorlar.Bilgisayar basitçe verilerle kandırılabilir, istatistiksel disiplin çok önemlidir. Büyük veri bize neyin doğru olduğunu söyleyemez, sadece neyin doğru OLMADIĞINI söyler."

Görüntü kaynağı - İK ortamı

Telegram'ımızdaki ilgili ve ilginç İK vakaları. Kanala abone olun!

Site sitesindeki materyallerin kopyalanması ve herhangi bir şekilde işlenmesi yasaktır.

İK analitiği hakkında gerçekte ne olduğunu ve hangi görevleri çözmek için tasarlandığını anlamaktan çok daha fazla yazıyor ve konuşuyorlar.

Bu makale, uygulamadaki ana zorlukların neler olduğu ve analize nereden başlayacağınız hakkındadır.

Kamusal alandayken, İK analitiği ya metrikler anlamına gelir ve sayılarla çalışır, İK'da göstergeler olan istatistikler yerel süreçler ya departmanlar ya da BT departmanını İK veri arşivlerinin oluşturulmasına nasıl bağlayacağınıza dair vakaları paylaşın. Aslında, İK analitiği şirketin stratejik gelişiminin sorunlarını çözer, ana tahmin eğilimlerini belirler.

Peki İK analitiği nedir?

İK analitiği, İK verilerinin işlenmesine veri işleme ve iş zekası (BA) tekniklerinin uygulandığı süreçtir. Bazen yetenek analizi olarak da adlandırılır. Ayrıca bu bağlamda veri madenciliği, yeni bilgiler oluşturmak için veritabanlarını inceleme pratiğini ifade eder.

Ekonominin, iş dünyasının ve insanların küresel dijitalleşmesi ışığında neden şimdi bu kadar alakalı? Veriler arkadaşlar! Büyük veri her yerde!

Ve sonra sinirbilimleri zamanında geldi ve bize insan kararlarının rasyonel bir yaklaşım yerine ne kadar öznel ve duygusal olduğunu gösterdi.

Şimdi onunla nasıl yaşanır?

Tabii ki, farklı bir karar verme yöntemine ihtiyaç var - böylece her şey mantıklı, makul, verilere dayalı ve garantili sonuç... Bunu kim istemez? Herkes ister! Neden yapmıyorlar?

İK analitiği hazırlığı büyük bir zorluk olmaya devam ediyor. Deloitte 2017 raporuna göre, bu konuyla ilgili birkaç yıl süren tartışmalardan sonra, katılımcıların yalnızca %8'i faydalı verilere sahip olduklarını söyledi; sadece %9'u, çalışanların hangi özelliklerinin kuruluşlarında başarıya yol açtığına dair iyi bir anlayışa sahip olduklarına inanıyor; ve genel olarak sadece %15'i bölüm yöneticileri için İK ve yetenek ölçüm sistemlerini devreye sokmuştur.

"Bu baştan sona bir gizemdi geçen on yıl- neden insan sermayesinin bariz önemi göz önüne alındığında, kuruluşlar buna yatırım yapmıyor ve liderlerin insanlar hakkında kanıta dayalı analitik kullanarak karar vermelerini şart koşuyor?" (").

Anlaşma nedir? Neden analitiği gerçek işte kullandıklarından çok daha fazla kullanmanın yararları ve gerekliliği hakkında konuşuyorlar ve yazıyorlar?

Bu fenomene farklı açılardan bakalım.

Zorluk nedir?

Her şeyden önce, şirketlerin liderlerinin bu "yavaşlamasının" derin, temel nedenlerini düşünmeye değer. Bunu, Pete Ramstad ve John Boudreau'nun Beyond HR'de sundukları model çerçevesinde anlatacağım (Boudreau ve Ramstad, 2007).

Bu modelde anlatılanları basitleştirmek için analitik kullanımının yavaşlatılmasının nedenleri aşağıdaki gibidir:

• mantık: yüksek performanslı üretim sistemlerinin neden çalıştığını açıklayamıyoruz. Bu hala bir kara kutu. Nüanslar arasında belirli bir ilişki olduğunu anlıyoruz, ancak kesin olarak Y'yi elde etmek için X ile ne yapılması ve ne yapılması gerektiğine doğrudan neyin bağlı olduğunu söyleyemeyiz.

• Analitik: analitik modellerde geleneksel olarak bir derinlik ve bütünlük eksikliği olmuştur. Google ve diğer önde gelen şirketlerdeki liderler, çok çeşitli faktörleri hesaba katan modellerin bulunduğu roket gibi sektörlere yöneliyor. Basitçe söylemek gerekirse, metodolojik olarak sağlam değil.

• Metrikler:çoğu zaman veri kümeleri mevcut istihdam durumu, çalışan maliyetleri ve İK programları ile ilgilidir. En iyi ihtimalle bu veriler, analizleri, çalışan segmentasyonunu içeren ve stratejik planlama ile sıkı bir şekilde entegre olan stratejik veya tahmine dayalı analitikten ziyade operasyonel veya gelişmiş raporlamadır.

• İşlem: karar vericilere bir analitik sunumudur. Burada ana başarı faktörleri, sunulan verilerin güncelliği ve görsel çekicilik derecesidir. Bu karar verme için erişilebilir ve anlaşılır bir biçimde gerçek zamanlı olarak veri elde etme ve bu tür araçları kullanan yapay zeka sadece geliştiriliyor. Örneğin, çoğu yönetici, çalışan devir hızı oranlarını nasıl yorumlayacakları konusunda hiçbir fikre sahip değildir çünkü genellikle düşük devir hızının her zaman faydalı olmadığını bilirler ve tersine, karşı karşıya oldukları durum için hangisinin en iyi olduğunu nasıl belirleyeceklerini bilmezler. Bu noktadan hareketle İK araçlarını revize etme aşamasındayız.

Sanırım yukarıdan, sorunun karmaşıklığı ve derinliği biraz daha net görünüyor. Dolayısıyla, analitiklere yatırım yapmanın oldukça riskli bir iş gibi görünmesinin nesnel nedenleri var. Kabaca konuşma, Analitiklere dayalı kararlar almak için açık, güvenilir, açık araçlarımız yok. Daha doğrusu, çok basit yerel alanlar için vardır, ancak bunlar maliyete değmez. İş başarısının anahtarı olan güvenilir tahmine dayalı trendler elde edebilirsek, bu düzeydeki maliyetler anlamlıdır. Ve analist tek başına bunu garanti edemez.

Sadece verileri işlemek istemiyoruz. Az ya da çok garantili sonuçlarla iş kararları vermek için güvenilir araçlara sahip olmak istiyoruz. Ve bu anlamda, asıl şey hala kişide kalıyor:

• Stratejik olarak ilgili sorular sorma ve bunları sunumda sunma becerisi mantıksal yapı insan kaynakları yatırımı ile kritik organizasyonel sonuçlar arasındaki ilişkiyi gösteren;

• işleri hakkında derinlemesine bilgi sahibi olmak;

• Organizasyondaki hayati süreçleri açıklamak için uygulanabilirlikleri anlamında analitik modellerin mantığını anlamak ve çok daha fazlası.

Hiç değilse basit kelimelerleÖzetlemek gerekirse, verilerle çalışmanın bir yolu olarak analitiğin temel zorluğu, önce hangi sonuçları elde etmek istediğimizi belirlemeniz gerektiğidir. Bunun için de işi derinlemesine anlamayı gerektiren çok doğru sorular sormanız, ardından hangi analitik model yardımıyla bu sonuçlara ulaşabileceğimizi belirlemeli, buna uygun olarak ne tür verilere ve hangi hacimde ihtiyacımız olduğunu belirlemelisiniz. ve ancak o zaman, onları tam olarak gerekli olan biçimde nasıl elde edebiliriz?

Karmaşık bir yaklaşım

Yaklaşımın karmaşıklığını göstermek için İK analitik ekibinin bileşimini gösteren resme bakın:

Hepsi bu değil. Genel olarak, “İK analitiği” ifadesinin bugün araştırmacıların ve yazarların eserlerinde oldukça nadir olduğunu hatırlamak çok önemlidir. Bu çok tanıdık bir Rus dili terimidir. İngilizce'de artık İnsan Analitiği kavramı kullanılmaktadır - insan analitiği. Basit bir eş anlamlı değildir. Tersine. Batı'da yalnızca İK ile ilgili yerel alanlardan - ciro, işe alım metrikleri, istihdam durumu vb., küresel "insan analitiği" veya "insan analitiği"ne geçtiler. İnsanlarla ilgili tüm veriler önemlidir - hareketleri, sağlık durumları, sosyal ağlardaki faaliyetleri vb. Yalnızca tam veri miktarını kullanarak, tahminlerin ve stratejik kararların kabul edilebilir bir güvenilirlik derecesinden bahsedebiliriz. Bu tür verileri toplamak için şirketler, aşağıdakilere dayalı yeni araçlar uygulamalıdır: mobil uygulamalar ve sadece ve bununla çalışabilecek uzmanları cezbetmekle kalmaz.

Ancak bu, sorunların sonundan çok uzak, bu onların sadece başlangıcı.

Bağlam. Büyük ve yoğun verileri birleştirme

Bağlam kritiktir. Bunun anlamı ne? Bu, büyük verilere ek olarak sözde ihtiyacımız olduğu anlamına gelir. yoğun veri: Bu, insanlardan gelen tüm o değerli bilgilerdir - hikayeler, duygular, iletişim - niceliklendirilemez, ancak inanılmaz bir derinliğin anlamını birlikte taşır. Onları derin yapan şey, insanların söylediklerini doğru bir şekilde algılama deneyimidir - bu, tahmine dayalı modellerdeki boşlukları ve boşlukları tanımaya yardımcı olan şeydir. Yoğun veriler, iş konularını insan sorunlarına sokar - bağlamı netleştirir. Bu nedenle, büyük ve yoğun verilerin birleştirilmesi daha derin bir resim sağlar. Hem toplanmış hem de toplanmamış verilerle çalışıyorsunuz: bu, "neden?" sorusunun doğru sorulmasını mümkün kılıyor. Neden oluyor?

Bağlamın önemini göstermek için iki örnek vereceğim: olumsuz ve olumlu.

olumsuz örnek- bu, pazarın zirvesinde nasıl uçabileceğinizin üzücü bir örneği haline gelen Nokia'nın tarihidir. Ana stratejik yanlış hesaplamanın özü, şirket liderlerinin, diziyi büyük verilerle eşleştiremeyen yoğun verileri görmezden gelmesi, ancak nüfusun en yoksul kesimleri arasında bile akıllı telefonlara olan büyük ilgiyi doğru bir şekilde tahmin etmesiydi.

A olumlu örnek ayrıca göz önünde. Bu Netflix'in muhteşem büyümesi. Orada, tam tersine, analitik modellerde boşluklar gördüler ve yoğun verilerle çalışmak üzere bir teknolojik etnografı (zaten böyle bir uzmanlık var) davet ettiler. Ve büyük veride görünmeyen bir şey buldu. Etnograf, insanların televizyonun önüne "yapışmayı" sevdiklerini, bunun için suçluluk duymadıklarını, sadece zevk aldıklarını fark etti. Ve büyük verileri yoğun verilerle birleştirerek basit ama etkili bir şey yaptılar: çok türde TV şovları göstermek yerine, insanların "yapışmasını" kolaylaştırmak için aynı olanları oynatmaya başladılar. Ama hepsi bu kadar değildi, bu bulgulara göre yayıncılık pratiğini değiştirdiler. Büyük ve yoğun verileri bir araya getirerek sadece işlerini geliştirmekle kalmadılar, aynı zamanda insanların medyayı kullanma şeklini de değiştirdiler. Hisselerinin önümüzdeki birkaç yıl içinde ikiye katlanması bekleniyor.

Veri hiçbir şeydir. Bağlam her şeydir!

Kaynaklar

Sorunumuzu düşünerek yavaş yavaş ilerliyoruz ve eğer hala bizimleyseniz, son kale ileridedir.

Bunlar kaynaklardır. Yukarıdan da görebileceğiniz gibi, verilerle ciddi bir çalışma "ağır" ve pahalı yazılımlar, yüksek nitelikli uzmanlar ve çok zaman gerektirir. Tüm bunlar, çoğu kuruluş için neredeyse karşılanamayan maliyetlere neden olur. Konuyu takip ederseniz, yayınlanan vakaların çoğunun küresel araştırmaları anlatan büyük şirketlerin vakaları olduğunu fark etmiş olabilirsiniz. Bu durumda, sözde hakkında hatırlamanız gerekir. hayatta kalanın hatası.

Yayımlanan vakalar çoğunlukla çalıştıkları vakalardır. Ve kaç tanesi aynı maliyetle işe yaramadı? Düşük maliyetli ve nispeten basit araçlar ve model yok. Ancak pazar pazardır ve büyük olasılıkla bir süre sonra birikmiş deneyimin bir sonucu olarak ortaya çıkacaktır. Bu nedenle, şimdi büyük şirketler deniyor ve herkes eskisinin faaliyetleri sonucunda daha uygun fiyatlı bir şeyin ortaya çıkmasını bekliyor.

Aslında bunlar, ankete katılanların yalnızca %8'inin faydalı verilere sahip olduklarını bildirmelerinin ana nedenleridir; sadece %9'u, çalışanların hangi özelliklerinin kuruluşlarında başarıya yol açtığına dair iyi bir anlayışa sahip olduklarına inanıyor; ve genel olarak sadece %15'i bölüm yöneticileri için İK ve yetenek ölçüm sistemlerini devreye sokmuştur.

Ancak verilerle çalışmanın gerekliliği ve faydası açıktır ve tartışılamaz. Ee ne yapıyorsun?

Şirketler nereden başlayabilir?

İnsan analitiği, çözülmekte olan görevlerin küresel doğası nedeniyle büyük ölçekli bir yöndür ve oldukça yenidir. Bununla birlikte, analitik yaklaşımlar arasında zaten uzun süredir iyi geliştirilmiş bölümler bulunmaktadır. Güçlü ancak uygun fiyatlı bir araç seti sağlarlar ve şirkete önemli bilgiler sağlayabilirler. Böyle bir yaklaşım organizasyonel ağ analizi(ONA, Örgütsel Ağ Analizi). Ne olduğunu?

ONA'nın amacı, insanlar, gruplar veya kuruluşlar arasındaki ilişkileri ve akışları ölçmek ve görüntülemektir. ONA'nın benzersizliği, organizasyondaki insanlar arasındaki gerçek bağlantıları başka hiçbir şekilde görmenin imkansız olmaması gerçeğinde yatmaktadır. Aslında, kuruluşunuzun veya kuruluşunuzun dış pazarla veya personelinizle veya bir aday havuzuyla ilişkisinin bir röntgenidir. Kısacası, ihtiyacınız olan ilişkiler analiz edilebilir.

ONA, sosyometri ve ağ analizinin kesiştiği noktada ortaya çıktı ve son derece kullanışlı bir araç gibi görünüyor.

Bu yaklaşımın büyük bir artısı görünürlüğüdür.

Örneğin: Büyük bir petrol şirketinin arama ve üretim bölümündeki yöneticilerin analizi, resmi ve gerçek organizasyon yapısı arasında aşağıdaki farkı verdi (Şekil. Rob Cross'un günlüğü):

Sağdaki şekilde şirketin orta düzey yöneticilerinden birine, resmi hiyerarşide neredeyse görünmez olan belirli bir Cole'a (soldaki şekle bakınız) sahip olduğu görülebilir, ancak aslında tüm bilgi akışı ve onun aracılığıyladır. gerçek iş dağılımı git. Ana bilgi merkezidir ve kime hangi bilgiyi aktaracağına karar verir. Başkan yardımcısı çok uzak bir çevrededir ve aslında operasyonel yönetim üzerinde hiçbir etkisi yoktur.

Böyle bir planın, örneğin değişim yönetiminde nasıl bir rol oynayabileceğini şimdiden tahmin etmeye başladığınızı düşünüyorum.

ONA için bir sonraki büyük endüstri elbette bilgi yönetimidir. "İş yerindeki en havalı uzman kim?" gibi sorular sorarsanız.

Şirkette bir bilgi alanı oluşturma görevi hakkında nasıl konuşulmaz? Herhangi bir iletişim yöneticisi, körü körüne gitmek istemiyorsa, bu tür bir analize sahip olmalıdır. Bu tür analizler, departmanlar arasındaki, şirket ile diğer paydaşlar arasındaki ve insanlar arasındaki hem ilişkileri hem de bilgi akışını gösterebilir. Boyanmamış İK eğitim kursumuzda bu konuyu daha yakından inceliyoruz.

Örneğin, finans ve pazarlama arasındaki etkileşim gerçekten şirketinizde nasıl gerçekleşiyor? Tüm bilgilerin kimin aracılığıyla aktığı (şek. Rob Cross'un blogu)?

Aynı şey herhangi bir yenilik, liderlik, yetenek geliştirme vb. için de geçerlidir.

ONA'yı bir kuruluş içinde kullanma olasılıklarını düşündük, ancak bu araç, rakipler, tedarikçiler ve yükleniciler vb. ile dış ilişkileri analiz etmek için de kullanılabilir.

ONA'nın ana uygulama alanları

ONA, anlamlı sonuçlar elde etme sanatıdır: sizi gerçek sonuçlara götüren haritalar ve ölçümler elde edersiniz. güzel sorular... Yani ONA, herhangi bir analitik araç gibi, “Neden?” Sorusuna cevap vermez, Bu cevabı sadece bir kişi verebilir. Ancak kartlar iki şey yapar:

• Keşfedilecek ilginç bir şeyin nerede olabileceğine dair göstergeler sağlarlar.

• Sonuç hikayelerini desteklemek için ilginç görsel sonuçlar sağlarlar.

Tabii ki, gerçekte bu ilk bakışta göründüğü kadar basit değil. Tüm bu ilham verici güzelliğin ve görünen sadeliğin arkasında ciddi bir matematiksel aygıt ve basit Araştırma ancak bugün “büyük analitik”te olandan çok daha basittir. ONA size anında son derece faydalı sonuçlar verecek ve kaynakları koruyacaktır.

Victoria Buznik ve Lilia Grabovskaya, Talent Management.com.ua kaynağının ve "süslemesiz İK" eğitim kursunun yazarları

Açık pozisyon kapatma maliyeti

Bu, şantiyelerde bir boş pozisyon ilan etmenin maliyetini, işe alım görevlileriyle temasları, taramayı, görüşmeyi içeren bir rakamdır - aday arama sürecinde olan her şeyin insan ve zaman kaynakları şeklinde kendi maliyeti vardır. Buna göre araştırma Supejob, 2015 yılında Rusya'da bir boşluğu doldurmanın maliyeti 10.000 idi. Moskova'da, rakam biraz farklı - ülkeden% 17 daha yüksek. Başına Geçen yıl bir boşluğu doldurma maliyeti azaldı ve İK maliyeti de önemli ölçüde azaldı.

Bir boşluğu kapatma zamanı

Bir işi doldurmak için harcanan zaman neredeyse sürecin maliyeti kadar önemlidir. Ne yazık ki, bazı bulmak için ortalama başaramadık. ABD'de biliyoruz yaklaşık 25 gün sürer bir boşluğu kapatmak için.

Formül basit: Boş kontenjan açıkken # gün / işe alınan # aday sayısı

Adayların kaynakları

Size en iyi adayları getiren kaynakları bilmek, işe alım sürecini çok daha kolay hale getirir. Burada, teklifin kabul edildiği ana kadar her şeyi, boşluğun özelliklerini ve yanıt için uygun olan tüm platformları düşünmeye değer - geliştirici Facebook'a yanıt verdi ve kariyer sitesine gitti ve muhasebeci hemen çalışma sitesine yanıt verdi . Bir fark var. Bu tür analizlerle kapanış maliyetlerinizi azaltabilirsiniz.

İşe alma sürecinin etkinliği

Seçimin her aşamasında, birini filtrelersiniz, biri kendiliğinden kaybolur - bu aşamada tam olarak olanların nedenlerinin analizi, işe alma sürecini daha verimli bir şekilde oluşturmayı mümkün kılacaktır. Uygun olmayan adayları eleyen soruları sormak, şirketin ilkelerinden kimseye uymayabilecek konuşmak, test görevleri Daha önce, böylece bunları yerine getirmek istemeyen adaylar seçim sürecinden derhal geri çekildiler.

Formül: (bir sonraki aşamaya geçen # aday / seçimi geçen toplam aday sayısı) X 100

Teklif kabulü

Kolay - tüm seçim aşamalarından geçen adayların yüzde kaçı bir teklif aldı (ve kabul etti)? Yalnızca bu belirli adayları neden seçtiğinizle ilgili bilgileri değil, aynı zamanda diğerlerinin neden reddettiğini veya herhangi bir nedenle seçimin son aşamasına ulaşmadığını da dikkate almak önemlidir.

Analitik ihtiyaç seçim sürecini iyileştirmek için: kurum kültürünüzü nasıl sergiliyorsunuz? Mülakat sırasında insanların kafasını karıştıran nedir? Adaylar hakkında bilgilere nasıl tepki veriyorlar? ücretler ve ofis konumu?

Personel devir hızı

Akışkanlık düzenli olarak izlenmelidir - birkaç ayda bir, altı ayda bir veya her yıl analiz edin. Bu, çalışanların şirketten neden ayrıldığını ve bunun olmasını önlemek için ne yapılması gerektiğini net bir şekilde anlamanıza olanak tanır - yine işe alımdan tasarruf etmekten ve ayrıca iyi uzmanlar şeklinde istikrarlı bir temele sahip bir şirket kültürü oluşturmaktan bahsediyoruz. .

Formül: # yılda ayrılan çalışan sayısı / toplam # çalışan sayısı

ciro maliyeti

Hafife alınan bir faktör - şirketten ayrılan her çalışanın ayrıca maliyeti vardır. Kulağa alaycı geliyor, ancak bu bir gerçek ve ofisin neden boş olduğunu ve neyi yanlış yaptığınızı düşünmek için başka bir neden. Ek olarak, çalışanlar istifa ederse, bu aynı zamanda ekipteki genel ruh halini de etkiler - sadece değişimden korkan veya tam tersine aniden ayrılma cesareti olan diğerleri onu takip etmeye başlar. Ve yine de - bir çalışanın kaybının size ne kadara mal olacağını bilmeniz gerekir.

Formül (seçenekler olabilir): çalışan ayrıldıktan sonra ödenen fonlar + boş yerin maliyeti + çalışanın değiştirilmesinin maliyeti + ilk eğitim ve uyum için ödeme

Ortalama görev süresi

Çalışanların ortalama olarak belirli bir pozisyonda ne kadar süredir bulunduğunu analiz edin. Böylece bir çalışanın ne zaman işten çıkarılmaya yakın olacağını ve hangi noktada personel değişiklikleri ile uğraşmanın daha iyi olduğunu anlayabilirsiniz.

Kanal verimliliği

Sizin durumunuzda FB'de boş pozisyonlar yayınlamak ne kadar doğru? İş sahasından pozisyona gerçekten iyi kaç aday geldi? Kanal performans analizi, yalnızca uygun adayların yanıt vermesine düzenli olarak izin veren siteleri kullanmanıza izin verir.

Açık pozisyonlar vs. kapalı pozisyonlar

Bu, büyük şirketlerle ilgili analitik bir makaledir - işe alım sürecinin etkinliğini yeniden değerlendirmek için yeni doldurulan ve ortaya çıkan boş pozisyonların sayısını karşılaştırmanız gerekir. Bir şirkette az sayıda açık pozisyon açılmışsa, her şeyi doğru yapıyorsunuz ve şirkette her şey oldukça uyumlu demektir.

Şirket çalışanlarının ortalama yaşı

İşe alım sürecini daha verimli hale getirmek ve bir kurum kültürü oluşturmayı kolaylaştırmak için çalışanlarınızın kaç yaşında olması gerektiğini bilin. Kuşaklar arasındaki fark, işyerinde hala kendini hissettiriyor - Rusya'da Y ve Z kuşakları teorisi o kadar alakalı olmasa da, çok daha fazlası var Önemli özelliklerÇalışmanızda düzenli olarak kutlamalı ve gözden geçirmelisiniz.

Katılım ve memnuniyet

Anketler kullanılarak en sık ölçülen iki gösterge. İnsan kaynakları teknolojileri dünyasındaki etkinlikleri sorusu akut. Göreviniz, şirketiniz için en iyi çalışan bağlılığı ve memnuniyet analiz aracını bulmaktır. Anonim anketler yapacaksınız veya sadece ekibinizle konuşacaksınız, o kadar önemli değil, asıl mesele cevapların gerçeğe yakın olmasıdır.