В ходе переговоров с одним из потенциальных заказчиков нашу компанию попросили проанализировать самые успешные международные кейсы в сфере HR. На основании этой аналитики решили сделать материал для Computerra.ru о самых различных сценариях использования анализа больших данных в сфере работы с персоналом.
Мы создаем данные ежедневно, посылая письма, пользуясь интернетом просматривая социальные сети, работая совместно онлайн. Большие данные показывают, как мы живем, как общаемся с другими, и отражают многие аспекты человеческого капитала. Это сравнимо с анализом данных в спорте, где изучение взаимодействия игроков вносит ощутимый вклад в достижение общей цели.
Специалистам в сфере HR стоит обратить на это внимание, ведь при правильном применении анализа данных организация может повысить производительность труда сотрудников и их вовлеченность в работу компании в целом, снизить затраты и повысить доходы.
По информации консалтинговой фирмы Towers Watson, 92% компаний рассматривают внедрение технологии анализа больших данных для HR, поскольку анализ данных о сотруднике и паттернах его поведения может больше сказать о его профессиональной жизни, чем формальные показатели KPI.
Как может быть использован анализ данных в HR
1. Мотивация и производительность
Анализируя данные о взаимодействии сотрудников, работодатель и HR-специалист получают не только глубокое понимание, как выполняется работа, но и возможность повышения общей и индивидуальной мотивации сотрудника.
Например, сеть магазинов для охоты, рыбалки и активного отдыха Cabela’s Incorporated вместо устаревших раций, «оснастила» своих сотрудников крошечными носимыми IoT-датчиками Theatro с голосовым управлением. Внедрение этого решения позволило улучшить коммуникацию с клиентами — сотрудники могли получить мгновенный доступ к информации о наличии продукции на полках и складах или к экспертам по конкретным товарам, а менеджмент сети мог лучше оценить производительность сотрудников.
Инвестиции в программное обеспечение по управлению кадрами могут помочь HR-специалистам собирать и анализировать данные, чтобы оценить индивидуальные уровни производительности: кто хорошо исполняет свои обязанности и достаточно мотивирован, а кто находится на грани увольнения.
Руководство Bank of America Corp в 2013 году, решило провести эксперимент. Они попросили около 90 сотрудников своего колл-центра носить значки, внутрь которых были встроены датчики для записи информации о разговорах и передвижениях в режиме реального времени. Эти данные показали, что наиболее продуктивные сотрудники больше общаются в коллективе. На основе полученных данных с целью повысить производительность руководство компании ввело групповые перерывы на обед. Такое решение увеличило социальное взаимодействие сотрудников и повысило эффективность труда на 10%. Вывод: довольные сотрудники лучше выполняют свою работу. В данный момент компания по-прежнему использует носимые технологии, для оптимизации рабочего процесса.
2. Стереотипы при найме сотрудников
Один из всемирно известных банков сделал предположение, что лучшие для них сотрудники — это выпускники престижных университетов Америки, членов “Лиги Плюща” (Ivy League). Если раньше кадровая служба полагалась на резюме и шестое чувство, то благодаря онлайн-тестированию кандидатов смогла получить более полную оценку способностей выпускника. Оказалось, что кандидаты из менее престижных университетов превзошли своих коллег из топ-университетов. Инвестиции в сложное программное обеспечение открывают компаниям возможность нанимать более успешных кандидатов, значительно экономя средства.
3. Обучение и удержание персонала
Платформа Cornerstone помогает различным компаниям, больницам, правительственным и образовательным учреждениям нанимать, обучать и управлять своими сотрудниками. С помощью неструктурированных данных о работнике (посты в социальных сетях, информация с рекрутинговых сайтов, профессиональные достижения, черты характера и др.) можно прогнозировать, кто вероятнее преуспеет в компании, кто станет более приверженным корпоративной культуре, а кому из соискателей стоит пройти дополнительное обучение.
В медицинском центре университета штата Пенсильвания кадровая служба предложила пройти своим медсестрам обучение на платформе Cornerstone, ведь они работают 24 часа в сутки, и различные выездные тренинги могли плохо сказаться на производительности их труда. Медицинскому центру необходимо обеспечить медсестре возможность пройти обучение в любое время, например, перед началом смены. А обучение в режиме реального времени позволило уменьшить риски снижения эффективности работы. Результат получился весьма успешным: по итогам эксперимента были улучшены навыки взаимодействия с пациентами, медсестры стали более уверенно проводить процедуры.
Сотрудники почувствовали себя более вовлеченными в работу, поэтому медицинский центр начал регулярно инвестировать в их профессиональное и личностное развитие. Полученные выводы после использования программного обеспечения Cornerstone указали на то, что целесообразнее предложить обучение 44% персонала, чем заменить их новыми специалистами.
Компания Gate Gourmet, организующая поставки продуктов питания в авиационной отрасли, начала изучать данные о тысячах своих сотрудников из аэропорта Чикаго после того как увольнения выросли на 50%. Компания предположила, что рост «текучести» кадров связан со временем, затрачиваемым сотрудниками на дорогу до места работы. Чтобы проверить эту информацию, были собраны данные из внутренних и внешних систем компании: данные от рекрутеров, социально-демографические данные работников, данные о пробках в Чикаго, общественном транспорте, релевантные посты в социальных сетях. С помощью этих данных компании удалось обнаружить, что причина ключевой фактов увольнений связан с тем, как далеко сотрудник живет от работы и насколько хорошо в его округе развит общественный транспорт. Большие данные помогли компании пересмотреть свою стратегию набора сотрудников — им удалось укомплектовать штат и снизить «текучесть» почти вдвое.
Большой брат следит за тобой
Конечно, есть и свои минусы в использовании анализа данных. У сотрудника может сложиться впечатление, что начальник непрерывно следит за каждым его шагом. Проблема “большого брата” может серьезно повлиять на производительность труда. Чтобы ее избежать, работодатель должен быть максимально прозрачен в отношениях со своими сотрудниками, раскрывать информацию о том, какие именно данные анализируются, для чего это делается, на какие решения влияет и как может помочь в работе. Вспомним, что карты с датчиками для доступа к рабочему месту используются уже не одно десятилетие, и никто не задумывается о том, что это может принести какой-либо вред.
Вывод
Распространение технологий анализа данных — главный вектор для многих сфер, в том числе и для HR. Но важно не забыть, что данные сами по себе без правильных вопросов ничего собой не представляют кроме набора цифр и записей. Для оценки компетенции человека по-прежнему нужен другой человек.
Впрочем, по моему мнению, и с учетом направления развития индустрии в будущем с эволюцией алгоритмов будет возможно оценить и креативность сотрудников.
Если же говорить о настоящем, то уже сейчас HR-специалисты могут эффективно использовать анализ данных для выявления лучших качеств сотрудников, следить за их профессиональным ростом, подбирать подходящих кандидатов, определять, кто в компании является носителем уникальных знаний.
Но самое главное, HR в силах определить степень удовлетворенности сотрудником своей работы и как удовлетворенность работой влияет на результаты компании.