Мы привыкли думать, что Искусственный интеллект еще не скоро сможет установить истинные мотивы наших поступков и как следствие предсказать их. Однако уже сегодня технологии Big Data (различные инструменты, подходы и методы обработки структурированных и неструктурированных данных огромных объемов и значительного многообразия) позволяют достаточно точно определить реальные причины текучести персонала (в конкретной организации), спрогнозировать ее уровень на последующие периоды, а также предложить наиболее эффективные способы борьбы с ней.
Так, например, в 2017 году с помощью технологии Big Data специалистами американского Научно-исследовательского института ADP Research Institute® (ADP RI) была описана общая структура оборота рабочей силы (в США), установлены контрольные показатели текучести персонала по отраслям и разработана аналитическая (множественная регрессионная) модель добровольной текучести персонала.
Пара слов о самом институте:
ADP RI является одним из крупнейших в мире поставщиков кадровых услуг (обслуживает более чем 700 000 клиентов в 113 странах мира); осуществляет анализ текущих и прогноз будущих тенденций в сфере управления человеческим капиталом и занятости населения; формирует подходы, обеспечивающие рост эффективности бизнеса.
Специалисты ADP RI проанализировали ежемесячные анонимные данные по заработной плате компаний с численностью сотрудников более 25 человек за период с января 2015 года по декабрь 2016 года (за 2 года). Получилась выборка, состоящая из 41 000 компаний и 12,5 млн. сотрудников. Впоследствии из этой выборки были отобраны 1 900 компаний с общим числом сотрудников (по всем компаниям) около 7 миллионов.
Результаты исследования показали, что среднемесячный оборот рабочей силы (по всем отраслям) находится на уровне примерно 5%, при этом его значение меняется в зависимости от месяца: самый низкий уровень наблюдается в марте, самый высокий в сентябре. Кроме того, в процессе исследования было установлено, что от 60 до 70% оборота рабочей силы в каждой отрасли обусловлено добровольным уходом сотрудников из организаций (увольнение по собственному желанию) и определены примерно 40 факторов, побуждающих работников к увольнению (факторы добровольной текучести). Эти факторы были сгруппированы по четырем категориям текучести. Категории представлены ниже на рис. 1.
Категории текучести, рис. 1
В целом полученные факторы добровольной текучести не вызвали особого удивления. Как и ожидалось наиболее важными из них (для всех отраслей), стали: уровень вознаграждения и продвижение по службе, объем сверхурочной работы и ее оплата, время на поездку на работу и с работы, а также опыт и стаж работы (рис. 2).
Основные факторы добровольной текучести персонала, рис. 2
Что интересно выяснилось: демография сотрудников также может влиять на их поведение. Так, например, сотрудники - миллениалы (родившиеся между 1980-м (1985-м в России) и 2000 годом) не только более склонны к перемене рабочих мест, но и более озабочены вопросом достижения баланса между работой и личной жизнью. В связи с этим изменение режима рабочего времени и/или обременительная сверхурочная работа могут повлиять на поведение этих сотрудников гораздо значительнее, чем на поведение их более старших коллег.
Кроме того, было установлено, что межличностные конфликты сотрудников с руководством и/или коллегами, а также несоответствие сотрудников корпоративной культуре организации могут выступать в качестве факторов текучести. Здесь уместно вспомнить, что по данным Forbes следствием именно этих факторов является высокая добровольная текучесть персонала в течение первых 30-90 дней работы.
Другой распространенный фактор добровольной текучести, как показало исследование, связан с изменением жизненных обстоятельств работников. Например, увольнение в течение первых лет после рождения детей.
Принципиально важно понимать, что все факторы, выявленные по итогам исследования, носят динамический характер: их относительное взвешивание меняется от отрасли к отрасли, от организации к организации и от сотрудника к сотруднику. Они варьируются от таких вполне ожидаемых признаков, как уровень должности и опыт работы до таких менее ожидаемых и трудно поддающихся количественной оценке, как время на поездку на работу и с работы.
Как результат аналитическая модель добровольной текучести персонала позволяет в 5-6 раз точнее выявлять сотрудников “из группы риска” (сотрудников с высокой вероятностью добровольного ухода из организации), чем с помощью традиционного показателя текучести персонала (за предыдущие периоды деятельности организации). Более того полученная модель предоставляет возможность управлять процессом добровольного оборота персонала, в том числе посредством разработки соответствующих стратегий удержания сотрудников. Для примера в таблице 1 представлены возможные варианты базовых составляющих (элементов) таких стратегий.
Вид фактора добровольной текучести персонала и способ его нейтрализации, таблица 1
Таким образом, применение технологий Big Data в HR-сфере, в частности при разработке прогнозов текучести персонала, позволяет руководителям компаний сработать на опережение и получить невероятное конкурентное преимущество. Ведь, как известно: бизнес-процессы и продукты можно довольно легко скопировать, а вот воспроизвести навыки сотрудников конкуренту никогда не бывает легко.
Поделиться
