Назад

Предиктивная аналитика как инструмент управления эффективностью компании: в чём суперсила HR?

Dec 1, 2020 1:13:45 AM / Автор Yva.ai

Ещё 10 лет назад функции аналитики в HR в большинстве компаний сводились к предоставлению оперативной отчётности. Специалисты занимались преимущественно измерением расходов на наём и обучение персонала, за счёт это более-менее способствуя росту ценности бизнеса.

Но с 2011 года на рынке начал происходить сдвиг: около 5 % лидирующих компаний рынка, включая Google, Sysco, Best Buy и Starbucks1, инвестировали в инструменты предиктивной, или поведенческой, HR-аналитики (People Analytics).

Результаты этих компаний привели к тому, что к 2020 году на рынке Human Resources сформировался устойчивый тренд внедрения предиктивной аналитики для принятия бизнес-решений, основанных на объективных измерениях и анализе больших данных.

Кого принимать на работу? Сколько платить сотрудникам? Кто из сотрудников подвержен выгоранию? Как не допустить мошенничество? Как помешать нежелательным увольнениям? Как оценка и предсказание поведения «человеческого фактора» в бизнесе, в конце концов, позволяет добиться роста удовлетворённости и удержания клиентов? О том, какие вопросы решает предиктивная аналитика, – читайте в новом материале Yva.ai.

Истоки предсказательной аналитики в HR

 

В качестве статистического метода предиктивная аналитика доказала свою применимость в различных сферах бизнеса. Так, анализ клиентских данных является неотъемлемым предсказательным инструментом маркетинга, а без скоринга (оценки платёжеспособности потенциального заёмщика) не обходится, пожалуй, ни один серьёзный банковский кредит.

О перспективах математического подхода в People Analytics ещё 10 лет назад заговорил Джош Берсин – ведущий мировой исследователь в сфере управления талантами. По мнению Берсина, предиктивная аналитика открывает огромные возможности для бизнеса, поскольку валовый объём заработной платы в мире составляют свыше 4 трлн $USD в год, и мысль об управлении этим рынком крайне соблазнительна.

При этом аналитик отмечал, что для успешного внедрения практики предиктивной аналитики в HR передовые компании приглашают специалистов с опытом работы в сфере больших данных: статистиков, математиков, инженеров – и это не случайно.

«Предиктивная аналитика и управление талантами – это рынок, на котором можно работать так же, как инвесторы работают на венчурном рынке. Вы анализируете данные, предсказываете события с разной долей вероятности и принимаете решения.

Это позволяет вам вовремя предотвращать негативные сценарии, – например, увольнение ценного сотрудника, – и использовать открывающиеся возможности, например, наделить новыми полномочиями сотрудника с высоким потенциалом», – комментирует вице-президент Yva.ai CIS по HR-аналитике и организационному развитию Егор Ворогушин.

Почему предиктивная аналитика пришла в HR?

 

Для бизнеса важны в первую очередь экономические прогнозы: прогноз по производительности, по продажам, по приросту потенциальных клиентов и LTV действующих – с одной стороны; потенциальные расходы, риски и убытки – с другой.

Зарплатный фонд является одной из самых значительных статей расходов устойчивого действующего бизнеса, однако влияние человеческого фактора оставалось непредсказуемым – до недавнего времени.

Другими словами, компании вкладывали значительные средства в своих сотрудников, но не имели возможности по-настоящему – на основе информации – управлять их эффективностью.

Но как только компании заинтересовались:

  • как именно работает их главный актив,
  • кто лучшие исполнители в их командах,
  • как повысить эффективность, не нанимая новых сотрудников,
  • как мотивировать сотрудников преуспевать,
  • какие инвестиции в персонал на самом деле влияют на производительность труда, а какие нет.

В этот момент возникла потребность бизнеса в предсказательной аналитике HR. И по закону рынка в ответ на спрос рождается предложение.

Иерархия предиктивной аналитики

 

Может показаться, что чем больше источников информации у компании есть для анализа, тем точнее прогнозы, и преимущество по умолчанию у бизнесов с обширной базой данных.

Но на практике оказывается важно не только количество данных, но и качество их обработки. Основываясь на уровне (глубине) работы с данными, американский специалист по управлению Human Resources, доктор Джеймс Сесил2 из Висконсинского университет в Мадисоне выделяет три ступени предиктивной аналитики.

Первая ступень – описательная аналитика (Descriptive Analytics). На этом уровне специалист использует данные по численности и структуре персонала, опозданиям, невыходам на работу и др. показателям для описания, что происходит здесь и сейчас.

Предсказательная ценность такого анализа стремится к нулю, но тем не менее, сведения необходимы руководителям компаний, чтобы иметь представление о том, что происходит с сотрудниками на местах в режиме реального времени.

Вторая ступень – аналитика зависимостей (Correlation Analytics). На этом уровне специалист уже строит взаимосвязи между переменными, например, между моральным духом сотрудников и текучестью кадров.

Разумеется, корреляции редко означают линейную причинно-следственную связь, однако уже предполагают возможное влияние одного фактора на другой и дают основания для определённых бизнес-гипотез, что повышает предсказательную ценность данного уровня.

Три ступени предиктивной аналитики по Джеймсу Сесилу | Yva.ai

 

Третий уровень – прогнозирующая, или собственно предиктивная аналитика (Predictive Analytics). На вершине модели Дж. Сесила расположены самые сложные и – при грамотном внедрении – самые результативные методы прогноза на основе данных. Эти методы позволяют устанавливать причинно-следственные отношения между конкретными факторами риска и их влиянием на развитие компании.

На этом уровне предиктивная аналитика может ответить:

  • приведёт ли обучение продавцов к увеличению продаж и повышению удовлетворённости клиентов,
  • почему эффективный сотрудник стал менее активен и есть ли риски добровольного увольнения,
  • как взаимодействуют между собой те или иные подразделения, есть ли у них проблемы и какие,
  • как изменилась эффективность компании после перехода на удалённую работу и мн. др.

Как предсказательная аналитика работает у лидеров мирового рынка?

 

Благодаря продвинутой предиктивной аналитике некоторые компании могут точно определить «цену» увеличения вовлечённости сотрудников. Так, в компании Best Buy повышение вовлечённости всего на 0,1 % составило более 100 000 $USD в операционном доходе магазина (в штате 125 тыс. работников).

Транснациональная корпорация Sysco (51 тыс. сотрудников в штате), занимающаяся маркетингом и распространением продуктов питания, мелкой посуды, кухонного оборудования и столовых приборов, начала анализ эффективности с трёх валовых показателей:

  • рабочий климат и удовлетворённость сотрудников,
  • производительность (эффективность) сотрудников,
  • удержание персонала.

Компания выяснила, что в подразделениях с высокоудовлетворёнными сотрудниками финансовые результаты выше, а затраты на удержание сотрудников и лояльность клиентов – ниже.

За шесть лет в Sysco с 65 % до 85 % повысили коэффициент удержания сотрудников доставки – подразделения, которое обеспечивает обслуживание клиентов и строит с ними отношения. Благодаря сохранению ключевых работников в экономически значимом сегменте компании Sysco сэкономила почти 50 миллионов долларов на найме и обучении новых сотрудников.

В Google – одной из самых хорошо управляемых компаний за всю историю менеджмента – по меньшей мере последние 12 лет выстраивают модель ценности талантов. Задача модели – ответить на вопрос: «Почему сотрудники предпочитают оставаться в нашей компании?» – и масштабировать ответ, распространив факторы позитивного влияния на всю команду.

«Мы используем данные о производительности не для анализа средних показателей, а для отслеживания самых высоких и самых низких показателей на кривой распределения. Самым низким 5% исполнителей мы активно стараемся помочь. Мы знаем, что наняли талантливых людей, и искренне желаем им успеха», – комментировал задачи предиктивной аналитики в Google вице-президент по работе с персоналом Ласло Бок.

Гипотеза компании состояла в том, что многими из этих людей управляют неправильно, либо они находятся не на своём месте, и детальный анализ подтвердил эту идею.

Так, одно из аналитических открытий Google показало, что продемонстрированная кандидатом способность проявлять инициативу является более весомым предиктором высокой производительности на работе, чем престижное образование.

Это расходится со склонностью HR-ов многих компаний при найме доверять диплому и отдавать предпочтение соискателям, окончившими титулованные университеты.

Технологические решения в области предиктивной аналитики HR

 

Очевидную проблему при работе с большими данными в HR составляет необходимость обрабатывать большие объёмы информации в режиме реального времени: делать это быстро и точно, учитывая массу переменных факторов, в числе которых интеллект, опыт, уровень компетенции, стадия выгорания и многие другие личностные параметры.

На помощь HR-специалистам и владельцам бизнеса приходит специально обученная нейросеть Yva.ai, которая эффективно обрабатывает метаданные, соблюдая международные требования информационной безопасности и конфиденциальности персональных данных пользователей и компании.

Хотите узнать подробнее о том, как трансформировать управление эффективностью, как измерять опыт, вовлечённость, благополучие и выгорание сотрудников с помощью технологий ИИ? Приглашаем вас на мастер-класс Давида Яна «Как повысить эффективность и трансформировать компанию с помощью технологий ИИ и поведенческой аналитики?».

 

Yva-david-m-4

 

Узнайте больше от создателя 12 компаний, развивающих технологии ИИ. Подключайтесь прямо сейчас!

1. Competing on Talent Analytics // Harvard Business Review. Thomas H. Davenport, Jeanne Harris, Jeremy Shapiro. 2010.

2. Applying Advanced Analytics to HR Management Decisions // James C. Sesil. Pearson FT Press. 2013.

Автор Yva.ai