Действенная предиктивная аналитика и внедрение - следующая большая вещь в управлении талантами

Каждый руководитель хочет знать, что является "следующей большой вещью" в управлении талантами? В моей книге это перспективный подход к управлению талантами, известный как предиктивная аналитика. Если вы не знакомы с этим термином, то предиктивная аналитика - это просто набор показателей или статистических данных для принятия решений, которые предупреждают или предупреждают лиц, принимающих решения, о предстоящих проблемах и возможностях в таких областях талантов, как рекрутинг и удержание. Предиктивная аналитика явно превосходит традиционные HR-метрики, которые просто говорят о том, что произошло в прошлом году.

То, что произошло в прошлом году, вряд ли будет точным показателем того, что, скорее всего, произойдет в этом или следующем году. Например, в прошлом году при высоком уровне безработицы и слабой экономике показатели текучести кадров были низкими. Но было бы ошибочным предположить, что низкие показатели текучести кадров сохранятся и в условиях улучшения экономики.

Без действий большие данные - большая трата

Но даже у предиктивной аналитики есть свои ограничения, поскольку оказывается, что предоставление лицам, принимающим решения, больших объемов данных и информации не приводит к автоматическому принятию более эффективных решений по управлению талантами. Даже предиктивная аналитика может быть названа "так себе метрикой", поскольку она не вызывает восторга или тревоги у читателя. Рассмотрим "действенную предиктивную аналитику", которая добавляет несколько факторов (например, стоимость и факторы рекомендуемых действий), повышающих вероятность того, что лица, принимающие решения, предпримут определенные действия после изучения аналитических данных. Помните, что это и есть цель - повысить скорость и качество принятия решений по управлению талантами в результате предоставления нужного количества информации в нужном формате в нужное время. Возможно, будет уместен пример, иллюстрирующий разницу между тремя различными категориями метрик:

Топ-10 преимуществ использования "Actionable Predictive Analytics" в HR

Традиционные HR-метрики слишком упрощены, поскольку они просто сообщают о том, что произошло в прошлом году. Подобно тому, как если сказать вам, кто выиграл Суперкубок в прошлом году, исторические метрики не добавляют столько ценности, сколько если сказать вам на шесть месяцев вперед, кто, скорее всего, выиграет Суперкубок в этом году. Аналитика превосходит все остальные показатели, поскольку она анализирует прошлые и текущие данные и выявляет закономерности и тенденции. Если вы пытаетесь убедить руководство перейти на аналитику, ниже вы найдете список из 10 факторов, которые делают "Actionable Predictive Analytics" превосходной.

• Время на подготовку - предиктивная аналитика сообщает вам, что должно произойти, чтобы у вас было время подготовить план по смягчению ущерба или даже полностью избежать предстоящей проблемы. Положительным моментом является то, что они также могут предупредить лиц, принимающих решения, о предстоящих возможностях для привлечения талантов, например, о предстоящем периоде снижения конкуренции на рынке рекрутинга.
• Возможность быть стратегическим - часть самого определения понятия "стратегический" заключается в том, чтобы быть ориентированным на будущее, поэтому внедрение предиктивной аналитики может продемонстрировать руководителям, что вы действуете стратегически, прогнозируя, оценивая риски и готовясь к будущему. А поскольку другие бизнес-функции используют их уже давно, то, присоединившись к ним, вы будете выглядеть более деловым человеком, а налаживание внутренних партнерских отношений с уже успешными пользователями может значительно облегчить внедрение.
• Узнать об изменениях в исторических закономерностях - предиктивная аналитика позволяет узнать, какие из прошлых исторических закономерностей останутся устойчивыми или перестанут быть верными в будущем. Эта информация позволяет лицам, принимающим решения, переключить внимание на эти меняющиеся модели.
• Понимание причин этих изменений - лучшие предиктивные аналитики определяют не только то, какие факторы меняются, но и почему они меняются, поэтому лица, принимающие решения, могут реализовать решения, которые лучше всего соответствуют первопричине проблемы.
• Осознание новых взаимосвязей в управлении талантами - предиктивная аналитика может выявить новые взаимосвязи между факторами талантов, которых не существовало в прошлом. Например, изменение политики, требующее от совместителей работать менее 30 часов в неделю, может иметь непредвиденные последствия, поскольку теперь это может значительно затруднить набор персонала и увеличить текучесть кадров на тех рабочих местах, где в прошлом не было проблем с набором или удержанием персонала.
• Увеличение вероятности того, что лица, принимающие решения, будут действовать - поскольку действенная предиктивная аналитика "консультирует" лиц, принимающих решения, о предполагаемых затратах на предстоящие проблемы и о том, какие действия имеют наибольшую вероятность решения прогнозируемых проблем, лица, принимающие решения, с большей вероятностью действительно примут меры, когда узнают о предстоящей проблеме.
• "Время до ответа" может быть сокращено - быстрое принятие решений также играет центральную роль. Поскольку большинство подходов предиктивного анализа являются более интегрированными и всеобъемлющими, чем традиционные HR-метрики, время, необходимое для получения ответа на запрос лица, принимающего решение, может значительно сократиться.
• Они могут позволить вам моделировать - передовые процессы анализа позволяют лицам, принимающим решения, разработать модель, которая позволяет им опробовать различные альтернативы и варьировать ограничения и допущения, чтобы увидеть, как изменятся результаты. Такие модели или сценарии "если - то" могут воодушевить лиц, принимающих решения, и в то же время помочь избежать серьезных ошибок благодаря предварительному тестированию.
• Предоставление конкурентного преимущества - если ваши талантливые конкуренты не развивают предиктивную аналитику, прогнозы, предоставляемые вашим лицам, принимающим решения, могут обеспечить вашей фирме значительные преимущества в области талантов и бизнеса.
• Они могут охватывать все критически важные области талантов - предиктивные метрики могут предупреждать обо всех важных областях талантов, включая рекрутинг, удержание, лидерство, управление эффективностью и внутренние перемещения.

Предиктивная аналитика более распространена за пределами управления талантами

Предиктивная аналитика может оказаться для вас новой, поскольку в управлении талантами она встречается относительно редко, но в мире бизнеса она существует уже несколько десятилетий.

Самый распространенный пример - прогнозирование погоды. Предиктивная аналитика позволяет предприятиям и фермам, подверженным влиянию погоды, подготовиться к предстоящим погодным явлениям. Например, прогнозы ураганов стали удивительно точными в результате использования "больших данных" и статистических подходов, которые предсказывают предстоящие штормы. Все большее распространение получает предиктивная полицейская деятельность, когда аналитика помогает полицейским департаментам заранее знать, где и когда в их городе наиболее вероятны преступления. Предиктивная аналитика в последнее время стала чрезвычайно популярной в области потребительского поведения, где она используется для прогнозирования будущего поведения покупателей и изменения моделей поведения. Страховая индустрия получила приз за самую долгую историю использования предиктивной аналитики, которую они применяли для выявления моделей заболеваний и несчастных случаев.

В области управления талантами Google преуспела, создав предиктивную аналитику в области найма, лидерства и удержания персонала. В области удержания Google научилась использовать комбинацию из семи различных факторов, чтобы предсказать, какие сотрудники с наибольшей вероятностью уйдут (в некоторых случаях еще до того, как сотрудник сам это осознал). В других случаях компания Sprint использовала аналитику, чтобы предсказать, кто из новых сотрудников скорее всего уволится, а компания Cisco однажды использовала предиктивные метрики, чтобы определить, какие новые сотрудники, испытывающие трудности, скорее всего, добьются успеха в долгосрочной перспективе.

Примечание: На следующей неделе в продолжении статьи на ERE.net "Implementing Actionable Predictive Analytics In Talent Management", я опишу компоненты высокоэффективной "actionable predictive analytics", которая побуждает менеджеров действовать для решения предстоящих проблем управления талантами, и опишу функциональные области управления талантами, которые может охватить предиктивная аналитика.

Implementing Actionable Predictive Analytics in Talent Management

Я уже более 20 лет отстаиваю необходимость предиктивной метрики в HR, поэтому я рад, что все больше руководителей кадровых служб начинают осознавать ее ценность. К сожалению, большая часть того, что написано на эту тему, имеет тенденцию быть очень общей, и вместо этого действительно необходимы некоторые "как" и некоторые советы по внедрению.

В своей первой статье на эту тему я рассказал о преимуществах предиктивных метрик и о необходимости добавления компонентов, пригодных для действий, чтобы предиктивные метрики побуждали к действиям и действительно улучшали решения по управлению людьми. В этой статье я расскажу об этих действенных компонентах и выделю конкретные области, в которых вам могут понадобиться предиктивные метрики.

Первый важный шаг - включение элементов, которые делают предиктивную аналитику действенной

По моему опыту, большинство существующих предиктивных аналитических систем в области управления талантами (включая те, которые поставляются поставщиками программного обеспечения) не работают, поскольку они не побуждают лиц, принимающих решения, к реальным действиям в результате ваших прогнозов.

Чтобы оказать воздействие, предиктивная аналитика должна повлиять на "предупрежденного" человека, чтобы он предпринял соответствующие действия. И если аналитика не разработана правильно, вероятность того, что она побудит к действию, к сожалению, может быть довольно низкой. Вместо этого я рекомендую "действенную прогностическую аналитику", которая призвана предоставить дополнительную информацию, побуждающую менеджеров к реальным действиям, чтобы минимизировать предстоящую проблему. Иногда я называю такую аналитику или метрику OMG, поскольку она призвана привлечь внимание менеджеров (Oh My God) и побудить их к действию.

Ключевые элементы "Actionable Predictive Analytics"

Actionable predictive analytics должна включать большинство из этих 14 основных элементов. К ним относятся:

1. Индикатор красного, желтого или зеленого света - предоставление менеджеру легко различимого визуального символа красного, желтого или зеленого света позволяет ему сразу понять, требует ли данная метрика его немедленного внимания или действий. В качестве альтернативы проблемы, выделенные метрикой, могут иметь приоритет от A+ до C.
2. Название проблемы или возможности, выявленной метрикой - если дать проблеме или возможности узнаваемое название, лицо, принимающее решение, сможет сразу понять, к какой категории относится проблема. Например, рекрутинг, удержание, внутреннее перемещение или управление производительностью.
3. Экономический эффект в долларах - возможно, самым важным элементом является потенциальный долларовый эффект проблемы или возможности. Поскольку язык бизнеса - это деньги, предупреждение руководителей о влиянии на бизнес или доходы предстоящей проблемы или возможности очень важно для привлечения их внимания. Например, предстоящее увеличение текучести кадров, вероятно, повлияет на 4% дохода или 2,5 миллиона долларов. Стоимость отложенных действий или стоимость бездействия также должна быть определена количественно.
4. Сравнительные показатели бенчмарка - после того, как вы определите количественные показатели проблемы (например. например, коэффициент текучести кадров увеличится с 6 до 12 процентов), вы также должны предоставить сравнительные данные, чтобы лицо, принимающее решение, могло знать, насколько серьезной является его проблема по сравнению с эталонными показателями, такими как прошлый год, сегодняшний день, лучшие и худшие показатели в отрасли и фирме.
5. Когда это может произойти - общие предупреждения о предстоящих проблемах обычно приводят к незначительным действиям или вообще бездействию. Что подстегнет к действию, так это привязка проблемы к определенному временному периоду. Например, уровень текучести кадров начнет расти в первом квартале следующего года и достигнет своего пика к июню. В дополнение к прогностическим показателям сообщайте показатели в реальном времени, чтобы лица, принимающие решения, знали, что происходит сегодня (а также в ближайшем будущем).
6. Где это произойдет - общее предупреждение, охватывающее всех менеджеров, бизнес-подразделения или регионы, как правило, не создает ощущения срочности. Однако если вы укажете, на кого больше всего повлияет проблема, вы увеличите шансы привлечь внимание менеджеров, на которых она повлияет.
7. Вероятность того, что это произойдет - включение вероятности того, что прогнозируемая проблема или возможность действительно произойдет, позволит руководителям оценить вероятность того, что это действительно произойдет.
8. Корпоративная цель, на которую она влияет - большинство руководителей будут уделять больше внимания любой проблеме, если эта проблема напрямую влияет на одну из заявленных корпоративных целей, таких как доход, продажи, удовлетворенность клиентов, доля рынка и т.д.
9. Включите линию тренда - во многих случаях включение линейной линии тренда может быстро привлечь внимание лица, принимающего решение. Поэтому рассмотрите также возможность включения простого графика "хоккейной клюшки", чтобы наглядно показать предстоящие темпы роста проблемы.
10. Стоимость бездействия или промедления - если проблема, вероятно, станет экспоненциально хуже, если действия будут отложены, включение долларовой стоимости этой задержки или бездействия, вероятно, подстегнет действия со стороны менеджера.
11. Включите первопричину - менеджеры с большей вероятностью примут меры, если будут знать причину возникновения проблемы. Демонстрация того, что вы знаете "первопричину" проблемы, поможет побудить менеджеров к действию. Знание основных причин также повысит вероятность того, что лицо, принимающее решение, выберет правильное решение.
12. Выделите рекомендуемые действия - простое ознакомление менеджеров с проблемой не решит ее, если они не знают, какие действия предпринять, чтобы избежать или минимизировать ее. Перечислите основные рекомендуемые действия с указанием вероятности их успеха и времени, через которое они дадут результат. Например, персонализированные планы удержания имеют 78-процентную вероятность успеха в нашей фирме и могут оказать влияние в течение 30 дней. Следуя модели предотвращения пожаров, менеджеров также следует ознакомить с "спринклерными действиями", которые необходимо предпринять для минимизации ущерба сразу после возникновения серьезной проблемы.
13. Ответственное лицо - поскольку лицу, принимающему решение, может потребоваться дополнительная информация или помощь, перечислите внутреннего эксперта, ответственного за проблему, и укажите, где он может получить дополнительную информацию.
14. Оповещение "точно в срок" - в некоторых случаях лица, принимающие решения, по разным причинам не могут принять меры заранее, до того как возникнет проблема. Отправьте им "своевременное оповещение", которое даст им "предупреждающее напоминание" непосредственно перед возникновением проблемы или возможности.

Второй важный шаг - обеспечение возможности сканирования прогнозных показателей в формате "моментального снимка"

Также может потребоваться визуальное отображение. Иногда легко сканируемое визуальное "моментальное отображение" облегчает менеджерам восприятие проблемы. Пример отображения моментального снимка приведен в верхней части этого сообщения.

Третий важный шаг - где и как вы представляете аналитику, также влияет на то, будет ли она прочитана

Если вы ожидаете, что лица, принимающие решения, изменят свое поведение и предпримут немедленные успешные действия, ваша прогностическая аналитика должна быть представлена в формате, который увеличивает шансы на то, что ее увидят и прочитают лица, принимающие решения. Если вы хотите обеспечить принятие мер, убедитесь, что они:

• Включены в стандартные отчеты - почти никто из сторонних специалистов по управлению талантами не хочет читать отдельный отчет по HR-метрикам. Поэтому если вы хотите, чтобы ваши метрики читали, боритесь за их включение в стандартные ежемесячные и ежеквартальные отчеты.
• Простота сканирования - определите, сколько времени требуется для сканирования и чтения каждой отдельной метрики и всего набора метрик, чтобы убедиться, что это соответствует доступному времени читателя.
• Приоритизация - каждый раз меняйте порядок, чтобы метрики, требующие немедленных действий, появлялись первыми.
• Представлено только несколько метрик - поскольку внимание руководителей ограничено, необходимо провести опрос руководителей, чтобы определить, сколько и какие метрики они действительно хотят видеть. Часто пять показателей являются пределом для стратегических показателей.
• Доступная информация - когда читатель хочет ее получить, более подробная информация, такая как определения и формулы, должна быть легко доступна.

Четвертый важный шаг - не забывайте о причине и следствии

Хотя это и сложнее, поскольку должно быть заранее подготовлено, окончательным доказательством того, что что-то работает, является причина и следствие, которые можно продемонстрировать с помощью разделенной выборки с контрольной группой. Да, это тот же метод, который используется для доказательства эффективности лекарств. Его можно адаптировать к управлению талантами. Например, вы можете разделить команду случайным образом, а затем обучить часть команды (при этом сдерживая обучение контрольной группы), чтобы увидеть, есть ли эффект от обучения на производительность. Многие считают, что такой подход обходится дороже, но все может быть наоборот, если использование этого подхода удерживает вас от использования талантливых подходов, которые кажутся работающими (с помощью корреляций), но которые не работают при тестировании причинно-следственных связей.

Пятый важный шаг - выберите области, в которых вам нужна действенная предиктивная аналитика

Когда вы осознаете ценность предиктивной аналитики, самый очевидный последний вопрос - в каких областях вам следует разработать отдельные метрики? Не существует стандартного набора рекомендуемых показателей предиктивной аналитики, поскольку у каждой компании свои потребности и проблемы, а также свои наборы данных, которые можно использовать для прогнозирования предстоящих проблем и возможностей. Чтобы дать вам представление о возможностях, я включил список областей таланта, в которых предиктивные метрики могут оказать значительное влияние. В мире предиктивной аналитики их часто называют "запросами". Наиболее мощные из них перечислены вначале в каждой области управления талантами.

Предсказательные метрики, связанные с рекрутингом

• Открытия вакансий - какие вакансии (и когда) необходимо будет заполнить в результате роста компании.
• Потребности в навыках - когда и как изменятся будущие требования к навыкам и опыту фирмы.
• Необходимый уровень производительности - каков средний уровень производительности, который будет необходим новым сотрудникам для каждой основной группы должностей.
• Идентификация элементов успеха найма - алгоритм найма, который может успешно предсказать характеристики кандидатов и интервьюируемых, которые будут успешно работать. Также может потребоваться отдельный алгоритм для успешного найма инноваторов и студентов колледжей.
• Общая доступность талантов - прогнозирование предстоящей нехватки и избытка талантов на рынке. Сюда можно отнести уровень безработицы в регионе, поскольку он влияет на доступность талантов.
• Когда усилится прямая конкуренция - прогнозирование того, когда усиление найма со стороны конкурирующих фирм затруднит вашей компании последовательный найм лучших кандидатов.
• Возможности для талантов - прогнозирование того, когда конкурирующие фирмы, скорее всего, сократят или заморозят конкурентный найм и когда они, вероятно, уволят лучших желаемых талантов. Кроме того, когда целевые лица могут вновь выйти на рынок труда.
• Изменение ожиданий кандидатов - когда и как изменятся ожидания наших целевых кандидатов.
• Изменение источников - прогнозирование того, где и когда изменится эффективность источников, так что использование новых источников позволит нам более эффективно привлекать "ненаглядных" перспективных и активных кандидатов.
• Бумеранги - прогнозирование того, какие бывшие высокоэффективные сотрудники, скорее всего, захотят вернуться в вашу компанию.
• Рефералы - определение того, какие сотрудники с наибольшей вероятностью могут стать качественными рефералами.
• Acqui-hire цели - определение того, какие "богатые талантами" фирмы будут доступны для покупки или слияния.
• Сила бренда работодателя - прогнозирование того, когда и почему сила нашего бренда работодателя возрастет или снизится по сравнению с другими.
• Переменные работники - когда и где потребуется больше заёмных работников.

Предиктивная аналитика, связанная с удержанием

• Предстоящая текучесть кадров по рабочим местам - на каких рабочих местах и когда, вероятно, произойдет предстоящая текучесть кадров.
• Предстоящая текучесть кадров по отдельным сотрудникам - какие конкретные сотрудники, скорее всего, уйдут и когда. Кроме того, кто из наших сотрудников, скорее всего, станет объектом переманивания со стороны конкурирующих фирм.
• Изменяющиеся причины текучести и действия - каковы будут будущие причины текучести и эффективные контрдействия для каждой из них.
• Предстоящие выходы на пенсию - прогнозирование того, на каких рабочих местах произойдет предстоящий выход на пенсию.

Внутреннее движение, связанное с аналитикой привыкания

• Необходимость перераспределения - где и когда внутри фирмы возникнет нехватка/избыток талантливых сотрудников, которых необходимо переместить внутрь. Также следует определить сотрудников, которые скоро "просрочат" внутреннее перемещение.
• Готовность к продвижению - определение того, кто и когда из сотрудников будет готов к продвижению.

Предиктивная аналитика, связанная с лидерством

• Идентификация элементов успеха лидерства./strong>- необходим алгоритм, успешно предсказывающий характеристики и навыки высокопотенциальных и реальных лидеров, которые позволят им успешно руководить. Также необходим алгоритм для определения характеристик лиц, которые должны быть включены в план преемственности.
• Доступность лидерства - прогнозирование того, где и когда возникнет дефицит или избыток лидеров. Прогнозирование того, когда потребуется замена ключевых лидеров.
• Готовность к лидерству - определение сотрудников, готовых к развитию лидерства или к реальным лидерским позициям.

Продуктивность, связанная с предиктивной аналитикой

• Проблемы продуктивности - прогнозирование того, где и когда индивидуальная и командная производительность, продуктивность и/или инновации начнут снижаться. Также выявление барьеров на пути производительности и инноваций.
• Проблемы с производительностью - прогнозирование того, в каких областях могут возникнуть чрезмерные прогулы, чрезмерное использование больничных листов, сексуальные домогательства, вовлеченность, безопасность, низкий моральный дух, количество ошибок или другие дисциплинарные проблемы.
• Эффективность новых сотрудников - прогнозирование того, какие новые сотрудники окажутся неудачниками и успешными после шести месяцев работы.
• Прогнозирование выгорания - выявление людей, которые приближаются к выгоранию на работе.
• Вероятность увольнения - определение того, какие сотрудники могут быть уволены из-за проблем с производительностью и когда, чтобы можно было начать подбор замены.
• Необходимые увольнения - прогнозирование областей, где высокие затраты на рабочую силу или избыток талантов, вероятно, потребуют увольнения.
  

Предварительная аналитика, связанная с обучением./strong>

• Новые наборы навыков - когда текущие навыки и обучение устареют. Какие новые рабочие места потребуют совершенно новых программ обучения.
• Скорость обучения - когда скорость обучения в организации снизится.
• Лидеры обучения - определение того, кто в организации учится, создает знания и делится ими.

Прогнозная аналитика, связанная с компенсациями и льготами

• Кто недоплачивает - какие группы сотрудников достигнут статуса недоплачиваемых по сравнению с рыночными ставками (и когда). Каковы будут будущие затраты на рабочую силу для каждого основного семейства должностей.
• Excess OT - где в организации будет происходить чрезмерное использование сверхурочных.
• Benefits - когда текущие льготы перестанут помогать привлекать и удерживать сотрудников.

Предсказательная аналитика, связанная с трудовыми отношениями

• Трудовые вопросы - предсказание места и времени предстоящей деятельности профсоюза, жалоб и забастовок.

Прочее

• Действия конкурентов - прогнозирование действий конкурентов в области управления талантами, а также их реакции на наши собственные действия по управлению талантами.
• Организационный дизайн - когда и где текущий организационный дизайн и дизайн помещений устареет.
• Замена технологий - прогнозирование областей, где технологии следует рассматривать в качестве замены труда.
• Проблемы скорости - когда и в каких областях организационная скорость должна быть увеличена.
• SWOT - прогнозирование сильных и слабых сторон, возможностей и угроз, с которыми столкнется фирма в области управления талантами.

Последние мысли

Основная цель предиктивной аналитики - заставить всех сотрудников отдела управления талантами выработать "перспективный образ мышления", когда все сосредоточены на выявлении и действиях по решению предстоящих потенциальных проблем. Рассматривайте предиктивные метрики как своего рода радар, который сканирует горизонт на предмет предстоящих проблем и возможностей в области управления талантами. Очевидно, что точный взгляд в будущее требует прогнозов, основанных на данных, а не на личных догадках или предположениях. Но для успеха также необходимо, чтобы любые используемые аналитические данные и метрики были разработаны таким образом, чтобы они побуждали к действиям, а эти действия приводили к принятию более эффективных решений по управлению людьми.

.