People Analytics стала зрелой - перевод статьи Джоша Берсина

Я почти 20 лет занимаюсь People Analytics и измерениями в обучении персонала (написал книгу в 2008 The Training Measurement Book) и свидетельствую, что Мир реально изменился. В этой статье я поделюсь несколькими инсайтами, что нас ждет в 2018.

1. People Analytics прошла период становления - теперь это признанное направление в бизнесе

Долгие годы people analytics, hr-аналитика, аналитика в обучении считались пятым колесом в HR. В вашей компании это мог быть организационный психолог, анализирующий вовлеченность персонала, или дата аналитик, оценивающий эффективность обучения или эффективность рекламных компаний.

Каждый из этих проектов чаще всего был инициирован самим работником, был сделан в свободное от работы время, в excel или в специализированной программе на личном ноутбуке работника.

Эти проекты в большинстве своем реализовывались в идеологии экономического обоснования инвестиций в HR ("cost-justify HR investments"). Как Roi тренинговых программ или других HR программ - все то, что помогало оценить необходимость HR-программ и улучшать эти программы. За эти годы я был в курсе десятков таких проектов, спецы проделывали фантастическую работу, но почти все эти проекты имели две проблемы:

  

1. 1) недостаток ресурсов масштабировать этот проект
   

   
   

2. 2) отсутствие ресурсов, денег, IT поддержки создать полноценное хранилище данных (теперь это называется озеро данных "data lake")
   

Сегодня я рад сообщить, что акценты сместились в направлении измерении разнообразия (diversity), гендерного равенства в оплате труда (gender pay equity), пробелов в навыках (skills gaps), использования трудовых ресурсов, текучести персонала, обратной связи в режиме реального времени, организационной структуры (organizational network analysis). Руководители компании и HR признают People Analytics важной частью работы компании.

Наше исследование High-Impact People Analytics (см. рис. 1) показывает: 69 % организаций занимаются консолидацией источников данных и интеграцией баз данных. В прошлые годы только 10-15 % компаний занимались этим.

Я недавно вернулся из поездки в Азию, где встречался с HR командами крупных финансовых структур. Я был в восторге от того, что эти люди тратят много усилий, чтобы донести ценность данных о персонале до владельцев бизнеса. И эти усилия видны по всему миру.

2. Решаются проблемы качества, интеграции и целостности данных

Во всех наших исследованиях проблемы качества, интеграции и целостности данных указывались как самые важные. В 2017 году в исследовании Deloitte Human Capital Trends мы обнаружили, что 39% респондентов считают, что их компания имеет «очень хорошие» или «хорошие» с т.ч. зрения качества данных для принятия решений, связанных с людьми, и 31% понимают, что такое «лучшая в своем классе» People Analytics. Это поразительно большое число, и я полагаю, что данные 2018 года покажут еще больший прогресс.

В нашей новой модели зрелости High-Impact People Analytics мы обнаружили, что 90% компаний на четвертом уровне полагают, что у них есть качественные данные о персонале, 95% считают, что у них есть корректная практика обеспечения конфиденциальности и безопасности данных. Хотя это все еще небольшое количество компаний, мы можем определить "Премьер лигу" People Analytics.

(Кроме того, к слову, эти компании четвертого уровня в два раза чаще имеют официальный орган, ответственный за управление данными, что является критическим фактором успеха).

Есть две причины, почему это происходит:

  

1. 1) потребность в данных крайне актуальна, руководство требует отчетность практически он-лайн
   

   
   

2. 2) появилось поколение интегрированных облачных HCM систем (примерно 40% компаний теперь имеют облачную систему HCM ), которые требуют от компании внедрения более последовательной системы сбора данных.
   

Я не говорю, что это просто. Согласно последнему опросу Sierra-Cedar по системам HR, средняя компания теперь имеет более 7 систем сбора данных, связанных с людьми (начисление заработной платы, обучение, рекрутинг и другие). Но стало проще интегрировать эти данные - теперь доступен широкий набор новых инструментов, которые помогут более эффективно интегрировать данные, чем когда-либо прежде, и большинство крупных компаний теперь имеют кластеры Hadoop и озер данных (data lakes).

3. Компании значительно расширяют тип, характер и уровень данных для анализа

Сейчас мы живем в Мире, где данные, связанные с сотрудниками, повсюду, и эти данные растут с каждым днем. В большинстве компаний есть данные о зарплате, производительности, обучении, кандидатах на работу, найме, мобильности талантов и организационной структуре. Но теперь у них есть данные о взаимодействии сотрудников в режиме реального времени (исходя из пульс опросов или инструментов непрерывного управления эффективностью "continuous performance management tools"), признание сотрудников "employee recognition" (из систем социального признания "social recognition systems"), коммуникаций и команд сотрудников (посредством анализа организационных сетей и систем анализа метаданных электронной почты) (через гаджеты, считыватели эмодзи-статуса сотрудников или данные о местонахождении телефона), здоровья сотрудников (через приложения мониторинга здоровья и добровольные данные, связанные с физическими упражнениями и фитнесом), и даже настроение сотрудников (посредством «анализа настроения» ответов в опросах и электронных писем).

Я знаю, это звучит немного не этично, но несколько продавцов теперь продают программное обеспечение, которое читает электронную почту и идентифицирует «настроение» или «изменения настроения» в командной или организационной коммуникации.

Один из этих провайдеров показал мне данные, которые могут выявить «стресс» в организации и доказали, что его алгоритмы могут точно определять области потенциальных мошеннических или провальных клиентских проектов. Теперь у нас есть доступ ко многим инструментам, которые измеряют стресс в нашем тембре голоса: я бы не удивился, увидев системы в HR в 2018 году, которые анализируют голос во время встреч. (Обратите внимание, что Amazon только что объявила Alexa for Business - инструмент, который можно научить слушать собрания и применять алгоритмы искусственного интеллекта для анализа разговоров).

Наши новые исследования показывают, что зрелые компании теперь используют 7 различных «методов» для сбора данных, в том числе для просмотра внутренних и внешних социальных сетей, систем ERP, опросов и анализа информации в деловом общении. Большинство новых систем электронной почты, предлагаемые сейчас, позволяют анализировать "организационные сети" (ONA) для просмотра метаданных электронной почты, поэтому эти данные легче и легче собирать.

Один из наших клиентов рассказал мне о проекте, который они сделали для анализа работы своих инженерных команд. Они попросили множество инженеров носить умные значки ("smart badges") и присоединиться к проекту, чтобы понять «что делает инженеров счастливыми и продуктивными на работе». После нескольких месяцев анализа они обнаружили, что самыми «счастливыми» инженерами были те, кто больше всего передвигался - они имели больше физической активности, больше отношений и больше времени встречались с другими. Это были важные данные, используемые для реорганизации объектов, изменения порядка проведения совещаний и совершенствования методов управления, чтобы побудить инженеров проводить больше времени со своими сверстниками. Почти каждая компания теперь имеет возможность проводить этот тип анализа.

В нашем новейшем исследовании мы подчеркиваем, как JetBlue использует множество источников данных для понимания моделей текучести персонала, драйверов вовлеченности, причин задержки рейсов и низкой производительности. Они объединяют данные обратной связи, жалобы членов экипажей и клиентов, данные HRIS, данные обучения и данные о полетах сотрудников в интегрированную систему, что дает компании общую картину удовлетворенности сотрудников, участия и обслуживания клиентов. Intuit делает то же самое.

4. Знание аналитики стала императивом для HR-специалистов

Я помню встречу с HR-директором несколько лет назад, где он сказал мне: «Я устал нанимать HR, которые не знают разницы между медианой и средним. Я подумываю попросить всех моих HR пройти курс аналитики».

Эта мечта HR-директора начинает становиться реальностью. Наши новые исследования показывают, что одним из самых больших факторов, которые предсказывают успех в People Analytics, является не только навыки анализа аналитической команды, но и аналитические навыки и знания всех HR. Фактически мы обнаружили, что компании четвертого уровня имеют более высокий уровень развития аналитических навыков среди сотрудников, чем у компаний с более низким уровнем зрелости, и я бы рискнул сказать, что это новая планка, которую они подняли для своих команд. (Компании уровня 4 сообщают, что 63% их HR-специалистов имеют высокий уровень развития навыков и знаний аналитики, против 20% в компаниях уровня 1).

Причина этого проста. Непосредственный руководитель или линейный менеджер не имеет времени, желания, умений оценить по предлагаемым инструментам, кто из его команды имеет высокий риски покинуть компанию. Чаще всего эту работу выполняет HR бизнес партнер, который показывает картину руководителям.

Если вы показываете стратегию развития HR топ менеджменту,то будьте готовы к вопросу, на основе каких данных вы приняли решение о стратегии. Если вы не покажете данные, то топ менеджмент просто проигнорирует ваши предложения. Теперь это уже реальность в HR. Таким образом, проблема заключается не только в том, чтобы «иметь данные», а «знать, как ее использовать», и понимать, как ее объяснить, визуализировать и воплотить в жизнь перед лидером бизнеса. И бизнес-лидер может иметь степень MBA или справочную информацию в статистике и, скорее всего, спросит вас: «Откуда взялись эти данные» и «как вы пришли к такому выводу».

HR-команды еще не находятся в этой реальности - я все еще постоянно слышу, что HR не имеют достаточно навыков аналитики. Но если есть одна вещь, о которой вы должны думать в 2018 году, она «активизирует вашу HR-организацию» с хорошим набором курсов, программ и упражнений в области статистики, анализа данных и эффективной передачи рекомендаций, ориентированных на данные. В наших исследованиях мы подробно рассказываем о программе Chevron, разработанной для создания глобальных навыков аналитики в управления персоналом: она чрезвычайно эффективна в их организации и служит примером того, насколько важно серьезно относиться к навыкам и знаниям аналитики в рамках функции HR.

5. Пришли искусственный интеллект и машинное обучение - и команды HR применяют их в кооперации с бизнесом

Последнее изменение, которое я хотел бы отметить, - это то, что появились продвинутые методы статистического анализа, нейронные сети и другие формы машинного обучения. LinkedIn не так давно опубликовал исследование, в котором демонстрируются навыки «машинного обучения», сейчас являются самыми горячими на рынке, а новое исследование группой лидеров искусственного интеллекта показывает, что курсы по ИИ взрываются от популярности. Эти профессионалы сейчас находятся в тренде, и они испытывают трудности с поиском интересных проблем с данными в бизнесе.

Теперь мы общаемся с HR, которые рассматривают модели текучести персонала, модели прогноза производительности и удержания, модели отсутствия сотрудников и жалоб (employee absence and grievances), а также анализ многих других форм производительности сотрудников - все это основано на данных People Analytics, доступных в их организациях. Эти компании начинают сопоставлять эти данные с данными, доступными из внешних социальных сетей, и теперь могут узнать о своих компаниях, которые они никогда раньше не думали.

(Кстати, я долго изучал машинное обучение, там много математики. Команды People Analytics смогут разрабатывать или использовать эти алгоритмы из API общедоступных ресурсов, поэтому эта технология легко доступна любой компании.)

Например, у одного вендора есть инструмент, который читает комментарии из опросника вовлеченности персонала и автоматически рекомендует прямые изменения поведения менеджерам, чтобы помочь улучшить взаимодействие и производительность его или ее команды. Другая компания построила алгоритм машинного обучения, который идентифицирует поведение своих лучших продавцов, чтобы помочь понять, как обучать других стать более эффективными. Многие фирмы, оказывающие профессиональные услуги, рассматривают модели общения и графики поездок эффективных консультантов, чтобы выяснить, чему могут научиться другие.

Мы привыкли думать, что секрет производительности на работе - это «навыки». Теперь, используя компьютерное обучение, мы можем понять, что секрет - это «поведение», «привычки» и «шаблоны», которые используют очень успешные люди. Многие из них бессознательно применяют эти поведение, привычки и шаблоны, но могут быть проанализированы и поняты программным обеспечением.

Наши исследования показывают, что наиболее эффективные аналитические группы в настоящее время сотрудничают напрямую с бизнесом, выступая в качестве внутренних консультантов, и привносят свой аналитический опыт, чтобы сосредоточиться на производительности, продуктивности, безопасности и проблемах, напрямую связанных с бизнесом.

Как сказал глава HR аналитики в крупной технологической фирмы:

«Я не удовлетворяю свое любопытство. Нам нужно знать актуальность для бизнеса, прежде чем мы потратим время и силы на то, чтобы работать над проблемой».

Это новая мантра, которую мы видим.

Это было долгое путешествие, и оно продолжается.

Позвольте мне подвести итог. Я изучаю эту тему уже почти 20 лет, а область HR аналитики достигла зрелости. Для тех, кто вас все еще интересует, как действовать дальше, я предлагаю, чтобы 2018 год был вашим годом, чтобы рассмотреть возможность инвестирования в эти технологии. Я с нетерпением жду ваших историй и хотел бы помочь любой организации понять, как воспользоваться этим важным новым бизнес-императивом.

Автор статьи: основатель и владелец консалтинговой компании Deloitte Consulting LLP - Джош Берсин. Оригинал статьи Вы найдете по ссылке

Автор перевода: Эдуард Бабушкин. Источник