Компания Google известна тем, что не делает ни шагу без анализа данных. Даже такие тривиальные вопросы, как выбор определённого оттенка для элементов интерфейса, как правило, там решают экспериментальным путём: создают множество чуть-чуть различающихся версий интерфейса, тестируют их на пользователях и выбирают тот, который показал наилучшие результаты. Стоит ли удивляться тому, что подобный подход применяется и для подбора сотрудников?
Только кажется, что оценивать людей — не та задача, которую можно перепоручить компьютеру. В действительности всё наоборот: машины справляются с ней куда лучше. Это уже продемонстрировали такие кредитные сервисы, как ZestFinance или AvantCredit. Чтобы определить, стоит ли доверять клиенту, они учитывают гораздо больше факторов, чем банки. В результате им удаётся снизить риск и помочь даже тем, кому отказывают обычные финансовые организации.
Тот же принцип можно использовать и при найме на работу. «Мы должны обладать возможность проводить измерения и определять, что срабатывает, а что не срабатывает в Google, а не просто следовать общепринятой практике», — говорит Ласло Бок, вице-президент Google по кадровым операциям.
«Измерения» — ключевое слово. Отдел кадров слишком часто представляет собой заповедное место, сотрудникам которого не приходится доказывать, что они работают действительно эффективно. Это ведь не отдел продаж, результаты деятельности которого легко пересчитать в доллары и изобразить в виде понятного графика. Эффект решений, принимаемых кадровиками, скорее всего, не меньше, но его трудно учесть.
Чтобы исправить ситуацию, в Google проанализировали резюме, результаты интервью и историю работы десятков тысяч сотрудников. Оказалось, что некоторые факторы, которые можно заметить ещё на стадии трудоустройства, позволяют с приемлемой точностью предсказывать, выйдет ли из кандидата на рабочее место хороший работник и приживётся ли он в компании.
Попутно были сделаны и другие ценные находки. Например, выяснилось, что перед приёмом на работу нет смысла проводить более четырёх интервью. Дополнительные интервью не оказывают статистически значимого влияния на качество сотрудников. Поскольку компания каждый год рассматривает два миллиона кандидатов, сокращение числа интервью означает значительную экономию.
Ещё один алгоритм, разработанный отделом Ласло Бока, перепроверяет кандидатов, которые были отсеяны на более ранней стадии. Он отыскивает тех, кто, несмотря на полученный отказ, всё же удовлетворяет требованиям Google и заслуживает ещё один шанс.
В Google оценивают показатели не только потенциальных, но и существующих сотрудников. Анализ данных помогает подметить первые признаки того, что ценные кадры склоняются к мысли покинуть компанию. Получив сигнал, менеджер может немедленно принять меры для того, чтобы удержать человека.
Google — далеко не единственная компания, экспериментирующая в этой области. Не так давно сообщалось об успехах американского кадрового агентства Riviera Partners. Более года назад оно внедрило проприетарную компьютерную систему для подбора кадров, основанную на анализе данных. В результате время поиска подходящих кандидатов сократилось на треть, а доход, приносимый каждым из них, взлетел на 52%.
Существуют организации, которые анализируют данные о сотрудниках для других компаний. И вот что интересно: их выводы то и дело вступают в противоречие с оценками, которые были бы вынесены в том случае, если бы применялся не анализ данных, а более традиционные методы.
Иными словами, многие общепринятые представления о том, из кого получится хороший сотрудник, не имеют ни малейшего отношения к реальности. Это предрассудки и стереотипы, не подкреплённые данными, — только и всего.
Например, принято считать, что лучшие сейлз-менеджеры получаются из экстравертов — общительных людей, которые с лёгкостью заводят новые знакомства. В этом есть логика, но факты её не подтверждают. Крупномасштабное исследование, которое провела компания Kenexa, входящая в состав IBM, показало, что общительность — вовсе не залог успеха. Общая черта наиболее успешных специалистов в этой области — это упрямство и эмоциональная храбрость, помогающая не раздумывать, когда наступает верный момент.
Впрочем, этот миф ещё относительно безобиден. В отличие от него, многочисленные предрассудки, замеченные компанией Evolv, вероятно, многим испортили кровь. Когда она автоматизировала набор персонала в колл-центры Xerox, обнаружилось, что лишь одна эвристика, которую используют кадровики Xerox, соответствует действительности на все сто процентов: чем ближе к офису обитает сотрудник, тем меньше вероятность того, что он уйдёт. Остальное не выдержало столкновения с цифрами.
Прошлые достижения или провалы, вопреки распространённому заблуждению, вовсе не являются показателем того, что из кандидата что-то получится — или наоборот. В прошлом в Xerox стремились нанимать в колл-центры людей с опытом работы, но анализ Evolv не выявил зависимости между качеством работы и опытом. Новички справлялись с поставленной перед ними задачей ничуть не хуже ветеранов.
Кадровики предпочитают не иметь дела с людьми, которые слишком часто меняют рабочие места. То же самое относится к тем, кто долгое время не мог найти работу. В Evolv изучили показатели более чем 100 тысяч кандидатов и пришли к выводу, что это предрассудок, не имеющий под собой основания. Ни склонность к перемене рабочих мест, ни продолжительная безработица не оказывают статистически значимого влияния на успехи сотрудника.
С судимостями получилось ещё забавнее. Из данных Evolv следует, что наличие у сотрудника судимостей и качество его работы по некоторым специальностям никак не связаны между собой. А сотрудники, которые отвечают на телефонные звонки клиентов, работают даже немного лучше, если у них имеется криминальное прошлое.
Некоторые корреляции, которые нашли специалисты Evolv, было бы невозможно подметить иным способом. Например, оказалось, что кандидаты, заполняющие заявку на сайте компании при помощи стандартного Internet Explorer, склонны подолгу работать в одной компании, но хуже разбираются в компьютерах. Другой факт: пользователи социальных сетей в среднем реже меняют рабочие места, но лишь в том случае, если они зарегистрированы в одной, двух, максимум трёх сетях.
Всё это не просто интересные наблюдения. Успехи Evolv, достигнутые при реализации заказа Xerox, не оставляют в этом сомнений.
Компания начала с пилотного проекта — шесть месяцев, 2 000 рабочих мест в колл-центрах Xerox. Как и в Google, в Evolv принимали во внимание не только резюме, но и показатели после приёма на работу — например, время, которое требуется сотруднику для того, чтобы отвечать на телефонные звонки. Затем специалисты компании сверяли накопленную информацию о качестве работы со сведениями, которые были доступны в момент приёма на работу, и пытались определить, чем хорошие кандидаты отличаются от плохих.
Спустя полгода подбора персонала на основании анализа данных текучка кадров снизилась на одну пятую. Поскольку обучение каждого сотрудника колл-центра обходится Xerox в пять тысяч долларов, сокращение текучки — это сокращение убытков. Нетрудно понять, почему после такого итога Xerox расширила сотрудничество с Evolv и поручила компании заполнять уже не две, а 20 тысяч рабочих мест.
Хотя анализ данных при найме сотрудников делает первые шаги, он уже доказал свою эффективность. Разумеется, это не панацея, и решения, принятые с его помощью, не всегда верны, но это всё же лучше, чем альтернатива — чутьё кадровиков, базирующееся на предрассудках.