Как использовать данные о сотрудниках с пользой для бизнеса

Многие компании уже давно собирают большие данные о сотрудниках, но не все научились их правильно использовать в сфере управления персонала.

Недавно KPMG провела опрос, чтобы выяснить приоритеты компаний в отношении HR-аналитики как одного из инструментов удержания и повышения лояльности персонала. Согласно результатам опроса, 65% компаний автоматизируют процесс работы с персоналом, в частности, внедряют платформы для автоматизации процесса поиска и найма персонала, управления талантами, сервисы для корпоративного обучения с использованием технологий машинного обучения и искусственного интеллекта. 85% из опрошенных компаний начинают использовать HR-аналитику в кадровом менеджменте, но только 4% используют ее как предиктивный и наиболее эффективный инструмент в борьбе с текучестью кадров.

Какие задачи может решить HR-аналитика?

HR-аналитика может применяться к большому перечню задач, стоящих перед компанией: от поиска и найма персонала и измерения производительности труда — до управления талантами, планирования развития карьеры и удержания сотрудников. В реальности, большинство руководителей бизнеса по-прежнему чаще всего анализируют исключительно текучесть кадров, используя результаты такой аналитики.

Что такое HR-аналитика и как собирать данные?

HR-аналитика — это сбор, обработка, нормализация и анализ данных с помощью математических моделей, поиск скрытых зависимостей и корреляций. Сбор данных о сотрудниках может осуществляться из различных источников, доступных департаменту по управлению персоналом. Из очевидных — это персональные данные, полученные при приеме новых членов команды на работу, данные об уровне зарплаты, фиксация времени прихода сотрудника в офис и его ухода, количество опозданий и переработок, дней отпуска, больничных, командировок. Существует также ряд неочевидных данных, которые помогают построить более точные алгоритмы для анализа полученной информации — Динамика использования рабочей почты и Интернета, данные проведенной оценки (уровни развития компетенций), количество проектов и оценка интервьюера на собеседовании при приеме на работу.

После того как эти данные собраны из разнородных источников в одной системе, машинные алгоритмы анализируют информацию о сотрудниках, пытаясь понять, как протекает их жизнь на рабочем месте. В результате анализа таких данных компания получает усредненный портрет работника, который включает его модели поведения на разных этапах работы. К примеру, при высокой текучести персонала, в руках HR департамента появляются некие общие модели портрета сотрудников перед их увольнением.

Эти данные могут учитываться при приеме на работу новых сотрудников, а также корреляции отношений компании с сотрудником, если он начинает демонстрировать признаки своих коллег, покинувших компанию ранее. Скажем, при настраивании непрерывного процесса обработки потока информации о текущих сотрудниках можно проводить сравнение их индивидуального цифрового профиля, а также сравнивать с найденными ранее моделями уволившихся сотрудников. Чем больше цифровой профиль сотрудника похож на них, тем выше вероятность, что он скоро уволится.

Если на этапе изменения модели поведения руководитель обсудит ситуацию с подчиненным, выявит причины и проблемы, договорится о дальнейшем плане сотрудничества, а при необходимости предложит ценному работнику более выгодные условия работы — речь идет о материальной или нематериальной мотивации, — то сможет его удержать. В результате это сэкономит денежные и человеческие ресурсы бизнеса, необходимые на поиск и адаптацию нового работника.

Реализация результатов анализа

HR-аналитика помогает определить наиболее перспективные возможности позитивного влияния на эффективность бизнеса через HR-данные. Если ее правильно использовать, то этот инструмент может стать важным фактором при принятии правильных решений в области HR вне зависимости от размеров компании или отрасли, в которой она работает.

Правильно построенные аналитические модели больших данных помогут выбрать лучших руководителей, повысить показатели продавцов и предотвратить мошенничество, аварийные ситуации и нарушения техники безопасности. Для компаний, испытывающих массовый отток сотрудников, такая система может стать ценным источником информации о причинах такого поведения и коррекции системы мотивации персонала. По итогам месяца или иного периода вы можете формировать сводный рейтинг, отражающий настроения всего персонала в компании.

Важно понимать, что любой машинный анализ использует алгоритмы и дает усредненный математический анализ. По этой причине при интерпретации его результатов важно, чтобы HR-департамент учитывал так называемый "человеческий фактор", который не может учесть никакой автоматизированный процесс.

К примеру, сотрудник, который находился в активе наиболее ценных кадров компании, вдруг начинает демонстрировать признаки, которые характерны для уволившихся сотрудников. Но причиной для такого поведения могут быть временные проблемы в семье, коллективе или появление ребенка, из-за чего работник не спит по ночам и на работе менее продуктивен.

Наиболее оптимальной выглядит система, при которой уникальные знания и интуиция HR-специалистов интегрируются с анализом данных. В этом случае компания получает эффективный инструмент для управления отношениями с сотрудниками и их удержания в компании.

Предиктивная HR-аналитика вряд ли будет полезна для компаний, имеющих небольшой штат с постоянными сотрудниками на протяжении десятилетий. Наиболее эффективна эта система для бизнесов, в которых работает более 50-ти работников, а коэффициент текучести кадров превышает 20%.