Большие данные в управлении персоналом: что это такое и зачем это нужно

Разговоры о больших данных становятся громче с каждым днем. По мере того, как компании перемещают свои базовые системы в облака, объемы информации увеличиваются. В сочетании с особым вниманием, которое уделяется большим данным в технологическом секторе, это создает особый акцент на управляемом данными процессе принятия решений.

Почему аналитика входит в сферу управления человеческими ресурсами

Если поразмыслить об истории аналитики в других отраслях бизнеса, ее эволюцию можно представить в виде диаграммы (см. ниже). Когда компании начали индустриализировать процесс производства, они стали со временем закупать ERP-системы, развивать логистические цепочки и разрабатывать методы финансовой аналитики.

В 1970-1980-х гг. компании стали индустриализировать потребительский маркетинг и исследования, сосредоточившись на "рынке одного". Это привело к ускоренному развитию CRM-систем и систем анализа продаж, которые в настоящее время активно используются в сегментации потребительского рынка и маркетинговой аналитике.

В условиях современного глобального кризиса и мирового дисбаланса талантов компании стремятся заменить устаревшие HR-системы, чтобы использовать аналитические приемы при подборе кадров. Как видно из диаграммы, каждый этап эволюции начинается с предоставления отчетов и формирования ключевых понятий, а затем используется предсказательная аналитика. Это то, что в данный момент происходит в сфере управления человеческими ресурсами.

Рынок инструментов

По большей части рассматриваемый сдвиг связан с быстрым развитием новых инструментов. В настоящее время все разработчики программных продуктов для работы с кадрами (например, Oracle, SAP, ADP, Ceridian, Workday) и другие специализированные компании (например, SumTotal, Cornerstone, Lumesse, Silkroad, Ultimate и сотни других) создают и покупают комплексные наборы HR-инструментов, по аналогии с эволюцией маркетинга клиентских отношений. Очевидно, следующим шагом для них станет запуск инструментов, позволяющих анализировать и сегментировать полученные данные.

На сегодняшний день Oracle (OBIA), SAP (Workforce Intelligence), Workday (BigdataAnalytics) и SumTotal уже запустили свои крупные интегрированные системы HR-аналитики. Кроме того, свое решение есть и у Mercer, а ряд мелких разработчиков (к примеру, Visier) предоставляет доступ к удивительно эффективным аналитическим системам.

Fusion HCM от Oracle даже обладает отдельной подсистемой предсказательной аналитики, которая пытается решить потенциальные проблемы с талантами, не требуя дополнительной настройки. Предложение от SAP, основанная на многолетнем опыте InfoHrm, обладает сходным функционалом.

Эти инструменты, призванные удовлетворить потребности HR-специалистов и руководства, работают с огромными объемами данных. Они анализируют сотни стандартных отчетов, необходимых HR-менеджерам, а также собирают данные, не относящиеся к подборе персонала, чтобы оценить производственные показатели. (Все эти показатели рассматриваются в нашем новом отчете.)

Отделы информационных технологий в настоящее время рассматривают разнообразные аналитические инструменты (к примеру, решения от Platfora, Splunk и других компаний), которые позволяют использовать открытые параллельные системы вроде Hadoop и MapReduce и сопоставлять внутренние бизнес-данные с данными из социальных, локальных и других источников.

Рынок консалтинга

Поскольку анализ данных - это междисциплинарная задача, на этом рынке отмечается рост предложений в сфере консалтинга. К примеру, компания Mercer запустила платформу iknow, включающую в себя набор инструментов на основе MicroStrategy, Deloitte накопила большой опыт в анализе данных по всем аспектам ведения бизнеса, а IBM собрала воедино огромный набор аналитических сервисов (так, в настоящее время она продает Cognos и SPSS). Благодаря столь стремительному росту можно предположить, что и другие консалтинговые компании будут двигаться в этом направлении.

Лично мне кажется, что большие данные и аналитика талантов будут стимулировать развитие консалтингового рынка на протяжении нескольких лет. Несмотря на разнообразие доступных инструментов, основная проблема кроется в самом процессе анализа и наработке опыта. Некоторые крупные IT-проекты по хранению данных разваливаются лишь потому, что не справляются с процессом. Каждому, кто хочет попробовать свои силы в этой отрасли, я рекомендовал бы для начала поработать с опытным консультантом. Многие компании нарабатывают опыт с использованием внутренних ресурсов, однако серьезные проблемы требуют экспертного вмешательства.

Мне нравится сравнивать этот процесс со строительством дома или офиса. Инструменты для строительства доступны каждому, но успех отдельного проекта зависит от знаний и опыта архитектора, главного исполнителя и рабочих. То же самое касается хранения данных. Вам нужен тот, кто обладает опытом создания хранилищ.

Подводя итоги скажу, что время приложений, работающих с большими данными (иными словами, приложений для HR-аналитики или анализа талантов), настанет в ближайшие несколько лет.

(Если вы действительно хотите стать частью рынка больших данных, посетите конференцию O'Reilly Strata. Ожидается, что мероприятие посетят лидеры мировой технологической и реализационной мысли. Ознакомившись с их идеями, вы сможете эффективно применять большие данные во всех областях бизнеса.)

Статус HR-служб

С учетом вышесказанного, большинство HR-команд в настоящее время не готовы к грядущим изменениям. Наше исследование доказывает, что лишь 6% из них "превосходно" владеют аналитическими методами, и более 60% признаются, что не обладают достаточными знаниями. Ожидается, что в течение нескольких ближайших лет все крупные компании будут инвестировать в эту область, надеясь на большую отдачу.

Мы только знакомимся с принципиально новой областью исследования, однако уже успели узнать о новых инструментах и методах отчетности, которыми хотели бы с вами поделиться. (Если вы хотите стать членом команды Bersin, присоединяйтесь к группе по исследованию больших данных.)

Позвольте мне рассказать о некоторых ключевых моментах, которые были обнаружены при исследовании рынка больших данных в 2013г. По итогам анализа и многочисленных интервью мы выяснили, что компании, стремящиеся заполнить этот сегмент, используют три основных подхода:

1. Начинайте с проблемы, а не с данных

Мы все погрязли в огромных объемах социальных и локальных данных, информации о сотрудниках и их заработной плате. Запуская большой аналитический проект и собирая все доступные данные, вы рискуете тем, что этот процесс может и не закончиться вовсе.

Вместо этого мы рекомендуем вам тщательно обдумать проблему. Какие крупные решения вам нужно принять? Какую проблему вы хотите решить?

Одной из распространенных проблем, связанных с талантами, является увеличение объема продаж. Какие факторы позволяют предсказать высокую производительность труда специалиста по продажам? Каждая компания хотела бы понять это лучше. Определив нужные характеристики, вы сможете отыскать, привлечь и нанять подходящих специалистов. Еще одна популярная проблема - высокий уровень текучести кадров. Какие факторы влияют на уровень текучести в отдельных группах и компании в целом?

Ответы на эти вопросы стоят миллионы долларов. Недавно мне довелось поработать с компанией, разработавшей предсказательную аналитическую модель по текучести кадров в ресторанах. Они не использовали Hadoop и параллельные базы данных, ограничившись Excel. Зато у них был толковый статистик, который всегда мог обратиться к руководителю высокого уровня со своей гипотезой. Вместе они исследуют все доступные элементы данных и находят нужные ответы.

Не начинайте исследование, имея в распоряжении одни лишь данные. Вы потратите много денег и создадите систему, которая не будет работать.

Со временем ваша аналитическая платформа будет расти, и модель зрелости для больших данных описывает, как этого можно достигнуть. Но для начала необходимо сосредоточиться на одной или двух ключевых проблемах, чтобы добиться нужного уровня объективности и выработать навыки для измерений.

2. Фильтрация данных и создание словаря могут сделать за вас до 80% всей работы

Ди Джей Патил, бывший специалист по обработке данных из Google, в своей книге "Информационное джиу-джитсу" отметил, что 80% работы при исследовании данных составляет обычная чистка. В нашем бизнесе мы удаляем очень много данных, и хотел бы отметить, что это очень полезно. Если данные не будут тщательно отобраны, результаты исследования могут ввести вас в заблуждение.

Большая часть HR-данных - это мусор. Одни поля неправильно заполнены, другие повторяются, а третьи содержат устаревшую или противоречивую информацию. Одной из самых сложных задач является четкое определение значения того или иного элемента данных. Этот процесс называется созданием словаря данных.

Как, к примеру, определить уровень текучести кадров? Стоит ли рассматривать сотрудников, пришедших в компанию за последние полгода? А как учитывать сотрудников с неполной занятостью? А что насчет тех, кто уволился в последний день календарного года?

Эти подробности могут значительно изменить результаты анализа. Таким образом, большая часть аналитической программы заключается в отборе данных и сведении воедино определений из различных областей деятельности HR-специалиста.

Кстати говоря, согласно нашему исследованию, создание словаря данных также является междисциплинарной задачей. Вам нужно получить доступ к ключевым HR-данным (таким, как дата найма, возраст, опыт и образование), информации о процессе найма (результатах оценки соискателя до и после собеседования), производительности труда (должностных обязанностях и результатах оценки качества работы), обучении (результатах выполнения образовательных и сертификационных программ), а также лидерских качествах отдельно взятого сотрудника. Некоторые комплексные анализы включают в себя и другие данные.

Как утверждает Ди Джей Патил (и некоторые другие опытные аналитики), вы не сможете провести достоверный анализ без чистых и целостных данных. Существуют различные традиционные инструменты для чистки, однако в конечном счете этот процесс все равно проводится вручную.

(Все это находится на 2 уровне Модели зрелости для анализа талантов.)

3. HR-аналитики не обязаны хорошо разбираться в информационных технологиях

Венчурным капиталистам и технической общественности нравятся новые инструменты (например, Hadoop, Mapreduce и другие крупномасштабные проекты с открытым кодом). Для использования этих мощных средств требуются специфические знания в области компьютерных наук. Но при этом все постоянно говорят о том, что в мире наблюдается нехватка подобных специалистов.

С точки зрения HR-аналитики этой проблемы не существует. Для решения большей части задач вполне можно использовать традиционную реляционную базу данных или Excel. Если у вас есть чистые и структурированные данные, скорее всего, их объем вовсе не так велик, как кажется. Иными словами, в основном компаниям требуются толковые статистики и аналитики. Если же вам действительно требуется инфраструктура для работы с большими данными, вы можете привлечь сторонних специалистов, которые будут трудиться вместе с вашим IT-отделом.

За последние несколько месяцев я неоднократно повторял, что для этой работы неплохо подходят организационные психологи, обладающие знаниями в области статистики и умеющие критически мыслить. К примеру, психологам из нашей компании так нравится заниматься анализом, что они каждый раз с нетерпением ждут новой порции данных.

Главное качество, которым должны обладать такие специалисты, это природная любознательность.

Лучшие аналитики всегда любознательны

В увлекательной презентации "Как взрастить специалистов по анализу и обработке данных", представленной на конференции Strata, компания Nokia говорит о том, что самым главным качеством аналитика является любознательность. Это верно и для нашего бизнеса. Разумеется, вам нужны люди, знающие математику и статистику. Но лучшими аналитиками становятся те, кто обладает природной любознательностью и практикует подход "посмотрю-ка еще разок".

Любознательность порождает великие решения и идеи. Анализ данных - это итерационный процесс. За каждым вопросом следует ответ, который порождает новый вопрос. Человек с неисчерпаемым запасом любознательности и желанием копать как можно глубже достигнет нужных результатов вне зависимости от того, насколько хорошо он знает математику.

Большие данные и аналитика изменят принципы управления человеческими ресурсами

Вне всякого сомнения, в ближайшее время аналитика станет неотъемлемой частью HR-процессов. Подобно маркетингу, финансам и логистике, эта отрасль будет во многом полагаться на анализ данных.

Наше исследование показывает, что крупные проекты, связанные с большими данными из области HR, не являются системами для HR-аналитики. Они предназначены для ведения бизнеса и основаны на развивающейся инфраструктуре, которая разрастается со временем.

Не позволяйте этим инструментам диктовать вам свои условия. Самую сложную работу всегда выполняют люди, и они же достигают самых ценных результатов, задавая вопросы, нанимая других людей и запуская значимые процессы.

Если вы работаете над увлекательным проектом в области HR-аналитики, мы будем рады вашим комментариям.  

Первая публикация: 2015-11-16

Рубрика: 
Ключевые слова: 
Источник: 
  • bersin.com
Автор перевода: 
  • Айрапетова Ольга
+1
0
-1