HR-аналитика: когда мы откажемся от Excel?

Один из трендов российского рынка труда 2018 года сформулирован как рост роли hr-аналитики. Одно время я занимался мониторингом СМИ и хорошо понял, каким образом формируются тренды и ожидания трендов. Не буду подвергать сомнению тезис о росте роли hr-аналитики, а сосредоточусь на сложностях применения ее результатов.

Как и многие относительно новые понятия, HR-аналитика не имеет канонического стандартного определения, принятого профессионалами как единственное или универсальное.

Воспользуемся одним из, автором которого является PWC – процесс системного сбора и анализа информации в области человеческого капитала для выработки управленческих решений, решающих бизнес-задачи.

Бизнес-задачи в контексте человеческого капитала появляются и сохраняются в зависимости от его масштабов или уровня «зрелости», и их можно свести к трем основным:

  • скорость и точность найма;
  • повышение эффективности работающих;
  • удержание, обучение и обеспечение своевременной замены.

HR-аналитика как деятельность по проведению замеров, выполнению подсчетов, формированию тех или иных индексов имеет мало практической пользы для бизнеса.

А вот если известны параметры от которых зависит, например, скорость и точность найма, известны оптимальные значения, они увязаны с экономическими потерями, которые несет компания вследствие вакантной позиции, это совсем другое дело. Имея такую несложную систему вполне реально повысить эффективность работы hr-специалиста, достичь высокой скорости в заполнении вакансий.

На практике же решение обычно выглядит просто: дата появления вакансии, дата выхода кандидата на работу, длительность пребывания в должности. Все эти параметры можно получить из системы кадрового учета. А если в компании внедрена система учета рабочего времени, то и некоторые дополнительные. Например, продолжительность пребывания на тех или иных сайтах, пользования приложениями.

Однако оценка эффективности процесса и возможности его улучшения принадлежат исключительно инициативе исполнителя.

Как обычно происходит поиск кандидата?

На специализированных сайтах есть возможность поиска кандидатов по основным параметрам (вид деятельности, количество лет, опыта и т. п.) и по компетенциям. Рекрутер просматривает присланные/отобранные резюме используя функционал сайта или систему полнотекстового поиска. Точность поиска зависит от квалификации сотрудника.

Использование фильтров на специализированных сайтах, просмотр и сохранение отобранных резюме, размещение объявлений о вакансии в социальных сетях. В особо сложных случаях – запрос рекомендации у друзей, коллег, охота за головами. На каждом из этих этапов много ручной работы: фильтры ограничены, интеграция полученных резюме в какую-либо базу данных или систему полнотекстового поиска под большим вопросом, просто потому, что не в каждой компании об этом задумываются. Днем с огнем не сыскать инструменты для автоматического «кросс-постинга» объявлений о вакансии в различные группы и/или социальные сети и единой «панели», в которой бы можно было переключаться между ветками комментариев для ответа на заинтересовавшие работодателя комментарии, а не «скакать» из группы в группу.

Решение в виде бота, стандартно отвечающего на комментарии, представляется эффективным или полезным лишь отчасти.

Предположим невероятное: все описанные выше процессы автоматизированы. И в этом случае у HR-специалиста для оценки эффективности выполнения процесса окажется достаточное количество данных. Кто оплатит такую автоматизацию?

Парсеры резюме можно найти по вполне приемлемой цене, это да. А дальше уже нужны более существенные усилия и затраты: профиль идеального кандидата, онтология компетенций, мониторинг состояния рынка труда и другие менее очевидные задачи.

Использовать современные модные machine-learning методы тоже затруднительно – должен быть накоплен существенный массив данных, корректных для специфической компании. А это, в свою очередь, означает необходимость построения и проверки математических, статистических моделей.

На такую автоматизацию в целях повышения скорости (!) способна пожалуй только компания, провайдер IT-решений в сегменте b2b. Как, например в случае создания робота Веры для массового подбора.

С увеличением точности подбора примерно такая же ситуация. Многое делается вручную, на базе опыта рекрутера, его понимания отрасли, способностей к экспресс-оценке в ходе собеседования с кандидатом. В зависимости от позиции может использоваться формализованная оценка профессиональных навыков: тесты, деловые игры, кейс-стади.

Редкие компании проводят психологическое тестирование. Хотя и существуют заслуживающие внимания методики, оценка по некоторым из них даже предлагается на сайтах для работы.

Но... и здесь мы тоже встречаемся с «минимальными» требованиями к автоматизации и HR-аналитике: нужно знать профиль идеального, успешного кандидата, иметь возможность интеграции методики тестирования с учетными системами (ERP-системами). Более того, такая интеграция должна обеспечивать возможность использования результатов оценки нанятого кандидата в процессе его последующей работы.

Результаты тестов могли бы интегрироваться с «учетными» системами компании, накапливаться и со временем стать основной для предиктивной аналитики. Сегодня не так много ERP-cистем, если они вообще есть, предусматривающих такую интеграцию.

Резюмируем. Для того, чтобы компания имела возможность использовать результаты HR-аналитики используемая для обработки информация:

  1. Должна быть оцифрована – рейтинги, шкалы, балы, продолжительность, графы и др.
  2. Иметь возможность интеграции с используемыми в компании средствами автоматизации (ЭДО, ERP-системы, возможно электронные архивы).
  3. Иметь возможность автоматической обработки под заданными «углами зрения» и/или изменения выводимых показателей.

Итого, процесс найма, оценки и своевременной замены персонала не автоматизирован настолько, чтобы обеспечить отображение необходимых hr-параметров. Подобно тому, как это возможно для экономических показателей, например, средствами Power BI.

Появление облачных, сервисов HR-аналитики, на базе Artificial intelligence, Big Data, e-learning или еще каких – вопрос не очень отдаленного будущего.

А до тех пор в ходу будет старый добрый Excel и потребность в знании базовых статистических понятий и базовых методов анализа данных.

Фото: Pixabay

Комментарии
Консультант, Москва

Аналитика, если говорить о Business Intelligence – это сервис, который предоставляет верную информацию бизнес-пользователям в удобном для анализа виде, способствует быстрому пониманию ситуации и быстрому принятию правильных решений. Иногда для этого достаточно и excel-я.

Business Intelligence стоит на трех китах (1) - данные, (2) - визуализация и (3) понимание и выводы, которые делает бизнес-пользователь.

С 1-м и 2-м у нас все хорошо, у нас плохо с 3-м - нет грамотных бизнес-пользователей, способных делать выводы и принимать правильные решения. Людей нужно учить с институтов пользоваться инструментом, думать и делать выводы. Только тогда будет востребовано что то больше, чем excel.

Профессор, Чебоксары

А как же это: " ... В июне 2016 года западные СМИ сообщали, что банки Goldman

Sachs, Morgan Stanley и финансовые конгломераты Citigroup и UBS

Group начали исследовать способы внедрения технологий

искусственного интеллекта для найма персонала. По данным

Reuters, банки надеются, что ИИ поможет избежать текучести

кадров и уменьшит расходы на наем сотрудников.

«До сегодняшнего момента технологии помогали лишь выбрать

наиболее подходящее резюме. Сейчас они дают возможность в

полной мере оценить соискателей», — говорит Марк Ньюман,

генеральный директор компании HireVue, которая использует ИИ

для проведения видеособеседований".

Генеральный директор, Санкт-Петербург

Увлечение точной наукой представителями ненаучной среды приводит к идиотизму...))

Оставлять комментарии могут только зарегистрированные пользователи
Статью прочитали
Обсуждение статей
Все комментарии
Дискуссии
Все дискуссии
Цифры и факты
Саудовская Аравия признала убийство

Аравийский генпрокурор подтвердил, что журналист Джамаль Хашкаджи был убит в консульстве в Стамбуле.

Бюджетный прогноз изменен

Цифра дня: Минфин повысил прогноз профицита бюджета в 4,4 раза.

​«Тинькофф» создал свою биометрию

Банк дня: «Тинькофф банк» предоставит свой алгоритм распознавания голоса.

​Uber: сервис временных работ

Компания дня: Uber тестирует новый сервис Uber Works.