«Эволюция hr-метрик: от учета к аналитике»

Источник: [15]

Рис. 3. Пример информационной панели HR в HOFF

Источник: [15]
Далее третий уровень аналитической зрелости HR – продвинутая аналитика включает в себя статистический анализ данных для решения бизнес-задач. На этом уровне сначала определяется потребность и имеющиеся ресурсы для решения конкретной бизнес- задачи – речь идёт именно о желании компании принимать лучшие решения, касающиеся сотрудников, а не об улучшении HR-решений как таковых³⁶. Далее следует сбор и подготовка данных, полученных из различных источников в различных форматах, сам этап построения статистических моделей и поиск инсайтов. Заключительный шаг - превращение результатов и инсайтов в практические рекомендации и решения для бизнеса. Последний шаг самый сложный и требует от HR-специалистов высокой аналитической грамотности, а также участия в интерпретации полученных результатов всех стейкхолдеров (лиц, которые заинтересованы в использовании HR-аналитики). Говоря непосредственно о метриках, стоит отметить, что «на входе» в анализ включены все имеющиеся в компании метрики – о сотрудниках, об их должностях, об организации в целом, о бизнес-результатах³⁷, однако «на выходе» остаются только те, что показали причинно-следственную связь с конечной точкой. Самыми распространёнными методами анализа можно назвать корреляции, линейную регрессию, кластеризацию и моделирование структурных уравнений³⁸.
Примером продвинутой аналитики может послужить распространённый в ритейле кейс взаимосвязи между вовлеченностью и финансовыми показателями³⁹: в случае с Clarks, повышение уровня вовлеченности на 1 п.п. приводит к повышению эффективности бизнеса на 0,4 п.п. Чтобы превратить полученный результат в действенное бизнес-решение, команда аналитиков также проанализировала характеристики 100 лучших магазинов. Они обнаружили, что для этих магазинов существовал оптимальный размер команды и что срок службы менеджера магазина - это значимый предиктор производительности: частая смена менеджеров магазина приводила к снижению производительности. С этими инсайтами команда смогла создать план работы высокопроизводительных магазинов и составить инструкцию по работе с вовлеченностью для менеджеров. Всё это позволило розничному бизнесу Clarks систематически перевыполнять планы развития, а также увеличить долю рынка.
Переходя далее, на самый последний, четвёртый уровень зрелости компании вместе с статистическими методами анализа данных начинают использовать более продвинутые алгоритмы машинного обучения и искусственного интеллекта. В данном контексте



³⁶ Marler J. H., Boudreau J. W. An evidence-based review of HR Analytics // The International Journal of Human Resource Management. – 2017. – Т. 28. – №. 1. – С. 3-26.
³⁷ HR аналитика: основные тенденции, вызовы и практика [Электронный ресурс]. – PwC, 2017; HR-аналитика и управление HR-данными [Электронный ресурс]. – IBS, 2018.
³⁸ Там же; 15 HR Analytics Case Studies with Business Impact [Electronic resource]. – AIHR Analytics.
³⁹ 15 HR Analytics Case Studies with Business Impact [Electronic resource]. – AIHR Analytics.
предиктивная аналитика отвечает за построение прогнозов, а не упомянутый раньше вид прексриптивной аналитики – за сценарное планирование и, исходя из перевода термина, за
«предписывание» определенного решения проблемы. На этом уровне функция УЧР приобретает полностью стратегическое значение для бизнеса, фактически определяя то, куда он может двигаться и как. Наиболее популярный кейс для демонстрации – прогнозирование увольнения сотрудников⁴⁰. Так, для крупной IT-компании для предсказания увольнения по собственному желанию сотрудника в горизонте 3-6 месяцев, модель классификации с точностью 80% выявила к качестве предикторов 14 показателей, связанных с должностью и организационной эффективностью, а также факторы количества рабочих часов, количества проектов, количества командировок, продолжительности отпуска и количества постов на внутреннем портале в качестве поведенческих сигналов от сотрудника о намерении покинуть компанию. В данном случае социально- демографические характеристики сотрудника, метрики обучения и развития карьеры не оказали никакого влияния, что, вероятно, объясняется спецификой отрасли. В результате такой аналитики компания получила регулярно обновляемую модель, оценивающую риск ухода сотрудника, и список наиболее сильных метрик текучести, что позволит ей заранее выявить «беглеца» и принять проактивные меры по предотвращению.
Таким образом, обобщив накопленный опыт ведущих теоретиков и практиков в области HR-метрик и HR-аналитики, можно составить расширенную версию модели зрелости с учётом видов аналитики и используемых метрик (рис. 4). Исходя из практических примеров, на зрелость HR-аналитики в большей степени влияют такие факторы, как сильная команда аналитиков и наличие навыков работы с данными у всех HR- специалистов, согласованность с целями бизнеса и вовлеченность стейкхолдеров, без участия которых ключевых решений не принять.





⁴⁰ HR-аналитика и управление HR-данными [Электронный ресурс]. – IBS, 2018.

Рис. 4. Расширенная версия модели зрелости HR-аналитики
Источник: составлено автором на основе [8, 9, 10, 11, 12, 13, 22, 24]