Предиктивная аналитика в HR: сферы применения

«Преимущества HR-аналитики очевидны. Когда вы понимаете, в каком направлении будут происходить изменения в вашей компании, вы всегда сможете подготовиться к ним заранее. Это как прогноз погоды: вероятность дождя высокая – вы взяли с собой зонтик и не промокли», – говорит Марат Исмагулов, директор по персоналу Альфа-банк1.

Постепенно аналитика становится базовым инструментом в управлении человеческим капиталом, основой для стратегических решений. Уже трудно представить, как выстроить эффективную работу по вовлечению, мотивации и удержанию талантливых специалистов без сбора и обработки данных.

Предиктивная аналитика открывает возможности для развития бизнеса. Как определить, кто из новичков станет ценным сотрудником в будущем? Кто из работников решит уволиться в следующем году? Как понять, кого из сотрудников давно пора отправить в отпуск, а кому предложить долгожданное повышение? HR решает легче и быстрее такие задачи, опираясь на прогнозы аналитических исследований.

Подробнее о применении предиктивной аналитики в управлении персоналом и преимуществах для бизнеса и HR, читайте в новом материале.

Как отсутствие прогнозов ведёт к упущенным возможностям для бизнеса

Сервис Rabota.ru в 2019 году провёл исследование. Оно показало, что 56 % отечественных компаний применяют HR-аналитику. Из них лишь 24 % организаций обращаются к большим данным регулярно, а 32 % используют их периодически2. Эти организации упускают возможность глобально влиять на развитие и прибыль компании, не используя потенциал Big Data в полной мере.

В июле 2020 года эксперты оценивали мировой рынок предиктивной аналитики в $ 6,6 млрд. А к 2027 году, по прогнозам, он достигнет $ 22,2 млрд3.

Аналитика делает прогнозы на долгосрочную перспективу. Бизнес может вовремя «подстелить соломку» – получить возможность управлять рисками, обладая такой информацией.

Предсказательный бум в HR связан с внедрением технологий на основе искусственного интеллекта, в частности, машинного обучения. Метод изучает и анализирует исторические данные. Он выявляет неочевидные закономерности в прошлом и с помощью AI предугадывает трансформации в будущем.

Это помогает выстроить кадровую политику, организовать системную профилактику потерь.

Два условия, от которых зависит точность предсказательной HR-аналитики

Предиктивная аналитика не гарантирует стопроцентный прогноз. Она помогает увидеть потенциальные HR-риски компании в будущем.

Такие предсказания должны стимулировать качественные изменения в корпоративной культуре, программе мотивации, обучении и развитии персонала. Для эффективной предсказательной аналитики потребуется наличие двух условий.

Большие данные. В большинстве компаний их уже накоплено много с помощью активных и пассивных источников информации. Активные источники включают обратную связь от сотрудников посредством анкет, пульс-опросов; пассивные – сбор данных из CRM, электронной почты, мессенджеров, соцсетей и т.д.

Инструмент анализа. Обработать вручную гигантский массив сведений – задача фантастическая и неподъёмная для человека. Чтобы выявить закономерности и рассчитать влияние факторов на конкретное явление потребуются месяцы.

На помощь HR приходят «умные» цифровые программы. За пару кликов мыши они структурируют данные, создают логические модели и на базе этого делают прогноз.

Сферы применения предиктивной аналитики в HR

«По моему опыту предиктивную аналитику используют обычно большие компании, прежде всего из розничной торговли и банковской сферы», – рассказывает Борис Вольфсон, директор по развитию HeadHunter4.

Действительно, создание и содержание аналитического отдела в компании дорогое удовольствие. Однако, развитие облачных решений и аналитических сервисов, сделало прогнозную аналитику доступной для предприятий SMB сегмента.

С помощью предиктивной аналитики HR-ам удаётся закрыть ряд управленческих «болей» – выгорание сотрудников, медленное закрытие вакансий, высокая текучесть кадров, нерациональные траты на персонал и мн. др.

Эффективный рекрутинг

«Прогнозная аналитика позволяет оценивать вероятность прохождения кандидатом интервью, вероятность принятия им предложения и будущую эффективность его позиции»5, – пишет в своём блоге консалтинговая компании Loyp.

Лучшие прогностические модели для рекрутинга анализируют различные данные по кандидатам – результаты личностных тестов, структурированного и ситуационного интервью, IQ-тестов, информацию из социальных сетей. На выходе остаются самые перспективные сотрудники.

Предсказательная аналитика прогнозирует время закрытия вакансии, помогая оптимизировать воронку HR. Как следствие, менеджер быстрее находит сотрудника на должность и расходы на персонал сокращаются6.

Это подтверждает руководитель рекрутинга языковой школы Skyeng Яна Герасимович: «Сейчас мы стоим в среднем в 11 раз дешевле внешнего кадрового агентства, которое работает под 16 % от годового дохода сотрудника. А ещё мы закрываем вакансии на 28 дней быстрее агентства при найме разработчиков и на 34 дня быстрее – при найме директора по маркетингу»7.

Компания Skyeng воспользовалась возможностями AI-технологий, успешно внедрив аналитику в работу HR-отдела.

Анализ перегруженности и вероятность увольнений помогает предсказывать и своевременно покрывать качественную и количественную потребность в персонале.

Развитие персонала

Предиктивная аналитика выявит компетенции сотрудников, которые необходимо развивать и подскажет, у кого есть способности, чтобы построить успешную карьеру в компании.

С помощью прогностических моделей можно предсказать насколько эффективно сотрудник будет справляться с обязанностями. Руководство сможет принимать взвешенные решения о приёме, повышении и переводе работника на другую должность.

Примером служит компания Cisco. С помощью предиктивной аналитики они предсказали, кто из новых сотрудников станет наиболее эффективным в будущем.

Обладая такими данными, HR выстраивает график обучения персонала, разрабатывает план индивидуального развития перспективных сотрудников, корректирует программу материальной и нематериальной мотивации.

С помощью нейронной сети HR-специалисты могут эффективно предотвращать выгорание и планировать отпуска сотрудников.

Инструментом для предсказания выгорания в предиктивной аналитике служит – модель выгорания.

Умная система анализирует коммуникативную нагрузку сотрудника, интенсивность рабочего дня, историю отпусков, накопленный овертайм и другую информацию. HR-менеджер и сотрудник заранее узнают о возможном выгорании8.

Удержание и вовлечение персонала

Компания Google с помощью предсказательной аналитики удерживает таланты. Если искусственный интеллект сигнализирует, что ключевой сотрудник подумывает об уходе, его повышают или предлагают сменить локацию и попробовать себя в другом бизнес-направлении9.

Регулярные исследования помогли вывести формулу сохранения команды в sales-подразделении. Менеджеры по продажам, не получившие повышение за 4 года, чаще сидят на работных сайтах и ищут нового работодателя, чем трудятся над увеличением продуктивности.

Для прогнозирования текучести персонала в предиктивной аналитике существует ряд методов. Логистическая регрессия – самый распространенный из них. Она предсказывает вероятность ухода сотрудника, раскрывает причины увольнения и даёт рекомендации по снижению уровня текучести.

Индийская компания HBSC – пример успешного применения этого метода. HBSС разработала аналитическую модель, которая предсказывает вероятность потери сотрудника. В качестве вводных использовали демографические данные, полученные в результате исследований. Это позволило организации решить проблемы с текучестью кадров10.

Анализ выживаемости или дожития – ещё один популярный метод исследования оттока персонала. Он создаёт аналитическую модель на основе статистических данных о факторах, которые влияют на «время жизни» сотрудника в организации11. Метод позволяет HR-специалисту определить риск увольнения в текущий момент времени.

Прогнозная аналитика (ПА) может сказать, какие риски ждут организацию при увольнении сотрудника. Зная о возможных потерях, у руководства есть шанс предотвратить увольнение или развивать аналогичные компетенции у других специалистов12.

Предиктивная аналитика рассчитает сколько сотрудников воспользуются услугами добровольного медицинского страхования, спортзалом, курсами иностранного языка и т. д. Исходя из этого, компания может корректировать мотивационный пакет под потребности персонала и не платить за ненужные опции.

Также предсказательная аналитика способна рекомендовать размер заработной платы новым сотрудникам в соответствии с занимаемой должностью13.

Очевидно, что предиктивная аналитика применяется во всех ключевых сферах HR и даёт ряд преимуществ для компании. Она не только помогает эффективнее подбирать, оценивать, развивать и удерживать персонал, но и позволяет HR-у разговаривать с руководством на языке бизнеса.

Как грамотно выстроить циклы предиктивной HR-аналитики

Чтобы построить прогноз, нужно пройти 7 этапов. Рассмотрим этот процесс пошагово.

Шаг #1 Определение цели

Руководство и HR должны поставить чёткий вопрос, на который хотят получить ответ в конце анализа. Ориентиром служат бизнес-цели и задачи компании. От цели ПА зависят параметры сбора данных.

Шаг #2 Подготовка гипотезы

Составьте список предположений, которые, на ваш взгляд, могут объяснить определённые явления.

Шаг #3 Подбор источников данных

Определите базы данных, которые будут подвергаться тщательному изучению. Обычно используют комплексный подход, состоящий из анализа внешних и внутренних данных, а также психодиагностики.

Внешние источники данных – сведения джоб-сайтов, рейтинги зарплат и т. д. Внутренние – информация с систем контроля и управления, данные об опозданиях или задержках в офисе, «перекуры» и ранние уходы с работы.

Также учитываются сведения о посещаемых персоналом интернет-ресурсах, частоте «залипания» в соцсетях и мессенджерах по личным вопросам.

Отдельно изучают данные кадрового учёта – изменение уровня заработной платы и карьерной траектории. Рассматривают итоги опросов по вовлечённости и оценке продуктивности.

Блок психодиагностики, исследует уровень IQ, степень соответствия профиля работы требованиям, тесты достижений, оценку личностного роста и т .д.

Шаг #4 Подготовка данных

Чтобы получить максимально достоверные результаты руководствуйтесь параметрами цикличности и однообразия. В процессе могут быть введены некорректные значения или произойти технические сбои, поэтому аналитики должны преобразовать их в подходящий вид.

Основными требованиями к данным – достоверность, корректность, полнота, единый формат, возможность сопоставлять информацию, обновляемость и доступность.

Больший объём данных позволяет глубже изучить процессы и точнее составить прогноз. Важно сохранить конфиденциальность собранных и обработанных данных и обеспечить информационную безопасность в процессе предиктивной HR-аналитики.

Подготовка данных занимает немало времени – около 25 % от всего ПА. Ускорить этот процесс помогает хранилище данных (ХД)14. Хранилище аккумулирует в себе необходимую информацию из множества операционных систем. Эта информация особым образом упаковывается, чтобы ее можно было анализировать и выполнять запросы.

Шаг #5 Аналитика данных

IT-специалисты разработали программные инструменты, помогающие аналитикам создавать и тестировать различные гипотезы. Среди них отлично зарекомендовали себя Phyton, R, Visier, SPSS, оптимизатор CPLEX, Power BI , Tableau15.

Существуют системы для создания предиктивных моделей и те, что занимаются толкованием данных. Есть и такие, которые успешно совмещают в себе эти функции.

Современные аналитики совмещают традиционные и инновационные методы анализа – дескриптивную (описательную) и прогнозную (предиктивную) аналитики.

Шаг #6 Разработка и внедрение модели

Этот этап состоит из трёх задач: создание, тестирование и визуализация. Он включает в себя проверку на соответствие целям проекта. На финишной прямой HR получают диджитал-решение, которое делает предсказания. Оно основано на машинном обучении и элементах искусственного интеллекта.

Важно понимать, что предиктивная аналитика может ошибаться. И это естественно – на любой экономический показатель влияет множество факторов. Но модель предиктивной аналитики способна обучаться и повышать точность прогнозов.

Шаг #7 Модернизация управленческих процессов

По результатам прогноза HR заранее принимает меры, чтобы предотвратить производственные и интеллектуальные потери.

Например, компания МТС на базе Big Data создала и успешно внедрила проект Work Force Management. Это проект по управлению рабочим временем персонала.

В розничной торговле есть сезоны активных продаж, например, Новый год или подготовка к 1 сентября. В это время на работу выводится почти весь персонал. В ритейле такое практикуется часто, но не всегда это обосновано.

Система МТС прогнозирует, сколько сотрудников потребуется в конкретный день, чтобы удовлетворить клиентский поток, дать возможность продавцам-консультантам заработать и успеть отдохнуть16.

Методы предиктивной аналитики успешно используют компании «Черкизово», «Балтика», «Технониколь», торговые сети «Верный» и «О’Кей», «КАМАЗ» и т.д.17 Очевидно, что в ближайшем будущем поклонников предсказательного анализа станет ещё больше.

Если вы пока не готовы внедрять предиктивную аналитику в HR-процессы, но всерьёз озабочены проблемой текучести кадров, предлагаем начать с поведенческой аналитики. Она поможет предотвратить потерю ключевых сотрудников, решить вопросы вовлечения и продуктивности персонала. Вы заранее узнаете, когда сотрудник выгорит, захочет уволиться или будет готов к повышению.

  1. Предиктивная аналитка в HR: модно или просто-напросто необходимо // RBC Pro.
  2. 56% российских компаний используют HR-аналитику // Rabota.ru. 2019.
  3. Global Predictive Analytics Industry // 2020.
  4. Предиктивная аналитика в HR: кто не успел, тот опоздал // Vc.ru. 2019.
  5. Инновационное будущее рекрутинга // Loyp. 2017.
  6. Аналитика в рекрутменте: она вам не бигдата // Хабр. 2017.
  7. Аналитика в рекрутинге: как внедрить её и нанимать на 30 дней быстрее, чем кадровое агентство // HR-portal. 2019.
  8. «Это магия, которая строится на основе гипотез». Зачем компаниям предиктивный HR // Rb.ru. Алексей Некраха. 2020.
  9. Google Searches for Staffing Answers // The Wall Street Journal. 2009.
  10. Анализ текучести персонала – методы прогнозирования // Блог про HR-аналитику. 2017.
  11. Анализ дожития: как предсказывать увольнения сотрудников и на что это влияет // Блог про HR-аналитику. 2017.
  12. Предиктивная аналитика: как собрать и поддержать эффективную команду // Mk.ru. 2019.
  13. 3 вопроса об HR-аналитике, на которые HR-бизнес-партнёр должен знать ответ // Hh.ru. 2019.
  14. Этапы реализации прогнозной аналитики. Роль Хранилищ данных // Business Intelligence. 2006.
  15. Лучшие 9 инструментов HR аналитики // АСУ-аналитика
  16. МТС для персонала // Официальный сайт компании.
  17. Россия демонстрирует достижения в предиктивной аналитике // Эксперт. 2020.

yva.ai

Рубрика: 
Ключевые слова: 

Поделиться

Авторизуйтесь или зарегистрируйтесь, чтобы оставить комментарий