HR-аналитика и “BIG DATA”: что происходит сейчас и чего ожидать завтра?

Будучи «пришлым» в HR из маркетинга и CRM, я сталкивался с «Big Data» еще в далеком 2001, исследуя в США массивы данных по удовлетворенности клиентов крупных строительных и автомобильных компаний. “Big Data” существует в информационно емких индустриях уже десятки лет, на протяжении этого времени развиваются и оттачиваются методы управления данными и их анализа. Но лишь в последние несколько лет мы стали слышать и употреблять термин “Big Data” в применении к HR-аналитике.  В этой статье хотелось бы осветить следующие вопросы: что такое “Big Data”, и что мы можем ожидать от нее в будущем? На какие области мы можем разделить HR-аналитику? На какой стадии развития находится каждая из выделенных областей в компаниях на постсоветском пространстве? Что пророчат западные гуру в области HR-аналитики?

“Big Data” – понятие, применяемое к массивам данных настолько большим, настолько разнообразным и быстрорастущим, что традиционные приложения анализа становятся неприменимы. Именно так определяет ключевые критерии понятия “Big Data” лидер мирового консалтинга в области информационных технологий «Gartner»: объем, скорость увеличения объема и анализа, разнообразие форматов и видов данных. Сложность работы с “Big Data” заключается в комплексности сопоставления и определения взаимосвязей между различными массивами, определения алгоритмов анализа трудно-сопоставимых данных, управления базами, содержащими “Big Data”, а также обмена данными и их хранения. “Big Data” является одним из инструментов управления реализацией стратегии компании.

 Таким образом мы, как профессионалы, имеем в своем распоряжении 2 ресурса:

1. “Big Data”
2. Традиционная аналитика (все, кроме “Big Data”) — базы и массивы данных с измеримыми и подконтрольными нам единообразными и сопоставимыми данными, а также статистика, Excel, SPSS, OLAP и прочие относительно освоенные некоторыми из нас аналитические методы и инструменты.

Начнем с “Big Data”. В августе 2015 года «Gartner» исключил “Big Data” из списка прорывных технологий (emerging technologies), убрав ее из графика Hype Cycle, являющегося всемирным ориентиром высоких ожиданий от технологии (термин Hype Cycle может быть переведен с английского как «цикл ажиотажа» или «цикл общественного интереса»). ИТ-аналитики спорят о том, по какой причине это было сделано. Связав этот факт с вводом тем же «Gartner» пяти новых областей анализа, мы можем предположить, что термин “Big Data” был декомпозирован с целью прояснения понятий и выделения самостоятельных направлений. Этими направлениями стали анализ данных и бизнес аналитика, управление данными, информационная инфраструктура, наука о данных, вычисления в оперативной памяти. Большинство практиков считают, что это было верное решение, поскольку чересчур емкие понятия часто вводят нас в заблуждения, и, по правде, напоминают о старой шутке про лекарство от всех болезней. Удаление из графика Hype Cycle совершенно не означает изъятия из лексикона: удобный и всеобъемлющий термин будет с нами еще долго. Предлагаю проанализировать целесообразность “Big Data” на примере.

Предположим, у нас есть фактические данные о произведенной продукции, погодных условиях, результативности сотрудников и нарушении трудового распорядка за один и тот же временной период. Даже если мы работаем в крупнейшей в мире организации, и период анализа составляет, скажем, 10 лет, вряд ли у нас наберется более сотни-другой гигабайт данных, что для “Big Data” неприлично мало. Но будучи радивыми экспериментаторами, мы пошли дальше, и загрузили все наши данные в Hadoop* — магический и бесплатный анализатор тех самых разнообразных и быстрорастущих массивов. Что мы получим в результате? Скажем просто – скрытые прежде закономерности не проявятся сами собой. Выводов не будет, возможно, обнаружатся некоторые закономерности, для осмысления которых понадобится не один анализ, и не один аналитик. Все.

Хотя отсутствие выводов — не всегда минус. Приведу реальный пример: в крупной производственной компании мы анализировали массивы данных с одной целью — найти верный триггер к снижению количества прогулов. Один очень уважаемый аналитический инструмент после долгих раздумий заявил нам, что «все зависит от сканирования пропуска: если сотрудник просканировал свой пропуск на проходной, то в то же день он обязательно появится на работе»! «Эврика», подумали мы! Вдарим же поскорей по сканированию! Программа не ошиблась в определении связи между сканированием пропуска и приходом на работу, ошибка была в классификации переменных.  Что демонстрирует этот пример: Big наша Data или нет, нам все равно необходимо формировать гипотезы, создавать аналитические модели, проверять наши данные на достоверность, актуальность и сопоставимость, делать выводы и давать рекомендации. Но самое главное — нам необходимо отвечать за реалистичность наших прогнозов и жизнеспособность рекомендаций.

Если принимать во внимание внешние HR-“Big-Data”-данные, находящиеся вне рамок информационного пространства наших компаний, то их подавляющее большинство в мире связано с привлечением персонала, а, точнее, со специализированными сайтами по поиску работы – CareerBuilder, Monster, LinkedIn и другими. Только в этой области непрерывно создается огромный, быстрорастущий, разнообразный массив данных. Все. В остальных областях HR-аналитики этого не происходит. В перспективности освоения технологий “Big Data” для повышения результативности привлечения сотрудников компаниями постсоветского пространства, вижу мало смысла. Меньшее, чем на Западе, количество открытых ресурсов и кандидатов позволяет обойтись более простыми методами.

Чтобы завершить с “Big Data”, предлагаю обратиться к 2 наиболее влиятельным исследованиям HR-трендов в мире: “Deloitte Human Capital Trends 2016” и BCG “Creating People Advantage 2014-2015”. Ни в одном из них термин “Big Data” не упоминался ни разу, зато HR-аналитика, касающаяся, в основном, внутренних (находящихся внутри организации) массивов данных, упоминалась по нескольку раз на каждой странице.

Перейдем к обсуждению той самой традиционной HR-аналитики. Мировой эксперт по аналитике Бернард Марр, выделяет 8 областей анализа данных в HR:

1. Аналитика ключевых навыков. Успех бизнеса зависит от наличия требуемых знаний и навыков у ваших сотрудников. Определив для себя, какие навыки являются ключевыми для успеха организации, вы можете в любой момент сравнить текущую ситуацию с желаемой. Далее, определив узкие места и сильные стороны, предпринять действия по улучшению ситуации.
2. Аналитика привлечения и управления развитием талантов.* Привлечение и развитие ключевых сотрудников непосредственно связано с наличием в компании модели компетенций, на основании которой они принимаются на работу и далее развиваются в соответствии с целями и задачами организации. Прогрессивные компании включают в модель не только текущие ключевые компетенции, но и те, которые станут ключевыми в будущем. Таким образом, они закладывают вектор развития организации. Имея четкие ориентиры в виде модели компетенций, и, оценив текущий уровень их развитости у ключевых сотрудников, мы можем анализировать эффективность нашей системы обучения и системы привлечения новых сотрудников.  
3. Аналитика «загруженности» сотрудников. В данный блок Марр включает 3 ключевых элемента:
   • Анализ соотношения времени, затрачиваемого на создание дополнительной ценности и времени, уходящего на решение административных задач;
   • Нормирование, или анализ выполняемых задач и времени, отводящегося для их исполнения;
   • Анализ общей загруженности персонала. То есть, какой у компании «запас роста», насколько мы можем вырасти без привлечения дополнительных сотрудников;
4. Аналитика текучести кадров. Затраты на поиск, привлечение, адаптацию и развитие сотрудников составляют весомую часть фонда оплаты труда. Управляя текучестью кадров, мы экономим время и деньги, а также можем прогнозировать потребность в персонале в той или иной ситуации. Ключевыми рычагами оценки текучести, помимо статистики, являются индексы удовлетворенности и вовлеченности сотрудников. Интервью при увольнении — также отличный метод выяснения причин ухода. 
5. Аналитика корпоративной культуры. Являясь сводом неформальных (и часто негласных) правил поведения и взаимодействия в компании, корпоративная культура неуловима. Ее очень сложно описать, и еще сложнее измерить. Аналитика корпоративной культуры — это процесс анализа культуры или культур в организации, который позволяет сформулировать целевую культуру, влиять на нее, прослеживая и отмечая тенденции, своевременно выявлять нежелательные изменения, противоречащие целевой культуре. 
6. Аналитика каналов привлечения персонала. Понимание того, откуда приходят к нам сотрудники: сайт компании, рекрутинговые сайты, рекомендации коллег? Насколько результативен каждый из каналов? Какой из них наиболее результативен в привлечении ключевых сотрудников? Анализируя каналы привлечения, мы понимаем их результативность не только в количестве привлеченных сотрудников, но и их качестве: результативности, сравнительной скорости развития и потенциалу.
7. Аналитика лидерства (руководства). Очевидно, что результативность высшего руководства является определяющей в успехе компании. Даже если сотрудники сработали великолепно, одно неверно принятое решение «наверху», может мгновенно все «исправить». Аналитика лидерства направлена на оценку вклада руководителей посредством анализа результативности всей организации и обратной связи сотрудников, полученной методом анонимных опросов, фокус-групп и личных интервью.
8. Аналитика индивидуальной результативности сотрудников. Понимая, кто именно, и как именно повлиял на конечный результат, мы можем распознавать и, соответственно, поощрять каждого сотрудника, в зависимости от вклада. Здесь же мы можем определить, существует ли зависимость между устойчивым отличным результатом деятельности сотрудника и результатами оценки его навыков и компетенций.

Предлагаю добавить еще одну область анализа: аналитика группового взаимодействия и взаимовлияния. Насколько вхождение в ту или иную группу изменяет вовлеченность и результативность как индивида, так и самой группы? Понимая, как именно изменяются результаты деятельности сотрудника и его вовлеченность в зависимости от того, работает ли он самостоятельно, либо в какой-нибудь из команд, мы имеем возможность улучшить условия его работы, учтя его личные предпочтения. Данный анализ также упрощает формирование эффективных команд, позволяя анализировать зависимость результативности команды от ее состава.

Теперь оценим средний уровень развитости HR-аналитики на постсоветском пространстве, используя классификацию степени развитости HR-аналитики Bersin by Deloitte:

1. Оперативная отчетность: реактивная оперативная отчетность с фокусом на исполнительности; акцент на точность, своевременность и согласованность данных;
2. Продвинутая отчетность: проактивная отчетность для принятия решений с акцентом на анализ трендов и бенчмаркинг. Она подразумевает наличие в организации системы хранения и анализа данных, позволяющей пользователям формировать уникальные отчеты и визуализировать данные;
3. Продвинутая аналитика: статистический анализ с целью решения проблем. Подразумевает наличие интегрированных баз данных;
4. Предиктивная аналитика: создание прогнозных моделей, планирование на основе разработанных сценариев развития событий. Подразумевает интеграцию предиктивной аналитики с бизнес-планированием, планированием численности персонала, а также наличие модели управления данными в организации;

Подавляющее большинство компаний постсоветского пространства находится между 1 и 2 уровнем, ближе к 1. Некоторые из известных крупных транснациональных корпораций можно отнести ко 2 уровню (продвинутая отчетность). Единицы, такие как L’Oreal, находясь между 2 и 3 уровнем, используют предиктивные модели долгосрочной потребности в персонале и статистический анализ. Пожалуй, это все. Также стоит заметить, что по аналитике лидерства, корпоративной культуре, привлечению и управлению развитием талантов, подавляющее большинство компаний не имеет целевых моделей и не собирает данных. Все, что касается корпоративной культуры, ценностей и компетенций, часто воспринимается представителями компаний как избыточно сложное и неопределенное по природе.

Почему же мы там, где мы есть?

1. Запрос от бизнеса. Руководство компаний чаще всего не готово воспринимать ни HR-функцию, ни HR-аналитику как ключевую при принятии решений. Большинство руководителей пользуются текущей отчетностью либо запрашивают реактивную отчетность. Например, чтобы понять, в связи с чем повысилась текучесть кадров в производственном подразделении. Редки те случаи, когда HR-директор приносит на совет директоров анализ данных, результатом которого становятся существенные изменения в подходе к ведению бизнеса.
2. Аналитические навыки HR-руководителей и специалистов. HR-функция плавно теряет атрибуты гуманитария, заменяя их на инструменты и методологии точных наук, становясь все более информационно емкой. HR-специалисты осваивают инструменты анализа данных, шлют сложные запросы по выгрузке данных в ИТ-департамент. Однако мы не видим среди HR-специалистов и руководителей опытных аналитиков, с образованием либо навыками в статистике, или матанализе. HR-руководителю, не имеющему личного опыта анализа данных, сложнее выстроить стройную гипотезу, создать аналитическую модель или сформировать сложный запрос на анализ данных своим подчиненным.
3. Доступность инструментов анализа. Как мы знаем, большинство компаний продолжает сводить и анализировать данные в Excel. К слову, это прекрасный инструмент, однако он требует знаний и навыков, которыми часто не обладают наши специалисты.  Правда, прибегать к Excel приходится не только тем, у кого в компании нет других инструментов. Предположим, что у вас внедрен SAP, однако, как водится, не везде (ибо это невероятно дорого). Вам необходимо сопоставить данные управления временем сотрудников (модуль SAP HR) и данные по планированию производства (SAP PP, модуль, которого предположим, у вас нет). Тогда вам придется выгрузить оба массива и обрабатывать их вне аналитического модуля SAP. Еще одной проблемой, усложняющей сквозную аналитику, является наличие в организации множества не связанных между собой систем хранения и анализа данных: отдельной ERP системы, информационной HR-системы, системы по управлению компенсацией и льготами, оценки и развития. Это типичный барьер развития аналитики в купных международных и локальных компаниях. Помимо проблемы интегрированности систем анализа и хранения данных, развитие функции HR-аналитики замедляет низкое проникновение решений по визуализации данных типа Tableau, Qlik Sense, Lumira. Данные инструменты существенно упрощают процесс анализа, визуализируя данные во множестве срезов.
4. Доступность данных.

Все компании хранят данные о транспортировке товаров, выручке, производстве продукции, однако множество HR-данных не фиксируется и не хранится. Однако далеко не все компании фиксируют данные по индивидуальной результативности сотрудников, оценке, развитию и преемственности.

Если вернуться к 8 областям HR-аналитики Марра, то в большинстве компаний мы найдем лишь данные по текучести кадров, в некоторых из них — данные по индивидуальной результативности и каналам привлечения. Изредка мы обнаружим в компаниях постсоветского пространства данные по развитию навыков сотрудников. Таким образом, «за бортом» остаются следующие области: управление развитием талантов, аналитика корпоративной культуры, аналитика лидерства, аналитика «загруженности» сотрудников. Все, кроме последней, объединены концепцией корпоративной культуры, лидерских и общекорпоративных компетенций. Оценка лидеров в некоторых организациях вообще считается делом крамольным: «вот, я уже директор, куда еще? MBA получил, дальше некуда». Таких компаний множество, и в них нет понимания, что MBA, полученный вашим замом – это увеличение его стоимости на рынке, а не повышение его результативности для вашей компании. Ориентиром для обучения ваших руководителей может стать ответ на простой вопрос: повышения каких навыков, знаний и умений позволит ему более качественно достигать тех целей, которые я перед ним поставил?

Приблизительно то же происходит с концепцией корпоративной культуры: в некоторых компаниях она описана в общих терминах, но буквально единицы смогли качественно ее детализировать. Только имея детальные и понятные поведенческие ориентиры, можно измерять изменения в корпоративной культуре и влиять на ее формирование. Многие компании до сих пор относятся к самому термину скептически.

Если говорить об аналитике группового взаимодействия, то она часто обсуждается международными экспертами в следующих плоскостях: как создать и измерить результативность проектной команды? Как разделить и оценить результаты деятельности сотрудника, если он параллельно участвует в проектной деятельности и в линейной? Как определить, какая из двух команд, в которые он входит, его вдохновляет? Как управлять снижением общего уровня результативности команды в связи с уходом одного их сотрудников? Данные решения будут крайне востребованы ИТ компаниями, где преобладает проектная структура. Насколько я знаю, готовых решений в этой области пока нет на рынке, но несколько компаний, в основном из сектора Enterprise Social Network (корпоративных социальных сетей), работают над их созданием.

В завершение анализа текущей ситуации приведу вывод Bersin by Deloitte, о том, что в среднем у организации занимает от 5 до 8 лет что бы создать “data-driven-culture” (культуру принятия решений на основании анализа данных): найти нужных людей, создать инфраструктуру и наладить процессы. Однако нынешний взрыв на рынке программных решений в HR, включая мобильные приложения, может существенно сократить этот срок до 2-3 лет.

Оценив текущий уровень развитости HR-аналитики, обратим внимание на то, каким видится завтрашний день Bersin by Deloitte.  В исследовании Deloitte Human Capital Trends 2016 участвовали более 7000 копаний из 130 стран. Привожу резюме основных выводов исследования:

• Большинство участников считает классическую организационную структуру и иерархию устаревшей. На ее место придет “network of teams” – как называет ее Bersin by Deloitte, «сеть команд», которая:
  • Изменит наше видение карьеры и представления о внутренней ротации и мобильности сотрудников
  • Акцентирует внимание на профессиональных навыках и обучении как на основных предпосылках высокой результативности
  • Изменит наш подход к целеполаганию и вознаграждению сотрудников
  • Изменит роль руководителей
• Переход от фиксированной оргструктуры к «сети команд» уже произошел: только 38% компаний-участников исследования продолжают существовать в старой парадигме.    
• Для иллюстрации идеи «сети команд», автор приводит метафору кинофильма, для сьемок которого каждый актер привносит свои навыки и знания, а после завершения идет участвовать в съемках следующего.
• Основные проблемы, стоящие перед новаторами: как координировать действия команд в сети? Как распространять данные среди членов команд, как перемещать сотрудников из команды в команду в организации, которая больше не поддерживает концепцию иерархии и подчинения?
• Для достижения успеха в этой организационной модели, требуется 4 ключевых элемента:
  • Разделенная культура и ценности: работая удаленно, сотрудникам необходима единая система ценностей, которая позволит понять, что делать в той или иной ситуации, как принимать решения, и что считать приемлемым поведением. Поколение Y, утверждает Bersin by Deloitte, в первую очередь, оценивает потенциального работодателя по ценностям и корпоративной культуре. Здесь же подчеркивается значимость высокой вовлеченности сотрудников, которая достигается в организации нового типа за счет разделенных ценностей и культуры.
  • Прозрачные цели и прозрачные проекты: каждый участник проекта должен четко понимать цели проекта и свои индивидуальные цели.
  • Обратная связь и свободный поток информации: онлайн системы обратной связи заменяют ежегодные опросы. Теперь обратная связь нужна немедленно, чтобы понять, что работает, а что нет. Члены группы должны постоянно обмениваться информацией. В свою очередь, это формирует прозрачную и открытую культуру взаимодействия. 
  • Сотрудники вознаграждаются не за должность, которую они занимают, а за вклад в конечный результат, а также знания и навыки: «Я начальник, поэтому ты меня слушаешься» — больше не правило. Теперь компаниям не нужны руководители, распределяющие задачи среди подчиненных и контролирующие их исполнение. Сегодня нужны гибкие, коммуникативные координаторы-коучи, имеющие устойчивые связи и авторитет повсюду в организации, выполняющие лидерские функции, одновременно развивая сотрудников и исполняя текущую работу наравне со всеми.
• Программы по оценке, развитию и обучению сотрудников станут проще, станут мобильными и ориентированными на удобство пользователя. Это означает, что HR-функции требуется интегрировать процессы обратной связи, коучинга, целеполагания и программ развития сотрудников, в простые и удобные в пользовании мобильные приложения.

Выводы:

Да, мы отстаем от Запада по HR-аналитике, однако в ближайшие 3-5 лет нас ожидает скорее революция, чем эволюция: 2 ключевых тренда, поддерживая друг друга, позволят открытым для инноваций компаниям выйти на новый уровень, и там укрепиться. Эти тренды: «сети команд» и уже происходящий взрыв на рынке мобильных приложений, предлагающих инструменты взаимодействия сотрудников, обратной связи, обмена данными, управления культурой, управления оценкой и развитием, а также анализа результативности сотрудников в рамках одного модульного приложения.

Лидеры эпохи новой результативности по Bersin by Deloitte (корпоративная культура, ценности, лидерство, компетенций) получат реальную поддержку в виде мобильных приложений. Освоив, с их помощью, управление корпоративной культурой и компетентностный подход в оценке и развитии лидеров, мы сможем воспитать действительно ответственных сотрудников, относящихся к бизнесу как к своему.

В развитии «Сети команд» ИТ индустрия будет флагманом. Уже сегодня ориентированная на проектно-сетевую структуру, она имеет еще одно значимое преимущество – низкий барьер интеграции новых программных решений. В ИТ компании проще внедрить новую программу и обучить сотрудников ею пользоваться, нежели, к примеру, в компаниях производственного сектора. За ИТ последуют сервисные компании, такие как консалтинг, инжиниринговые компании.

Бум рынка мобильных HR-приложений предоставит возможность компаниям, ранее отстававшим в HR-аналитике, быстро и сравнительно бюджетно укрепить свои позиции. Консультируя один из стартапов в данной области, дополню от себя, что одним из условий успеха новейших разработок будет высокая степень кастомизации.

Безусловно, в авангарде революции будут максимум десятки компаний. Остальные, как и положено по всем теориям адаптации новых технологий и формирования нового поведения, будут озираться вокруг в поисках еще одного подтверждения надежности и верности этого пути. И это абсолютно нормально. Главное, что завтра у нас появятся свои примеры успешных компаний вроде “Zappos” и “Valve”.

Вы также можете обратиться за сопровождением и внедрением изменений в компании к независимому эксперту.