Вопрос оптимального подбора персонала, или «правильной расстановки» людей на соответствующие позиции, остается ключевым аспектом стратегического управления бизнесом. Кадры продолжают решать если не все, то многое, и успех в этом направлении может рассматриваться как движение по портеровскому пути «делания правильных вещей правильным образом».
При этом в условиях высококонкурентного и динамичного рынка труда функционал рекрутмента наполняется новым содержанием. Основная цель – минимизация риска ошибочного найма – остается неизменной и напрямую влияет на конкурентоспособность бизнеса через текучесть кадров, но возникает дополнительная задача – снижение субъективности выносимых HR-оценок. Несмотря на значительное количество публикаций про механизмы оптимального поиска, конкретный способ ранжирования кандидатов не раскрывается, что неизбежно ведет к применению рекрутерами субъективных оценок.
Хотя полностью устранить субъективные суждения при подборе персонала с текущим уровнем развития технологий невозможно, мы можем существенно повысить объективность получаемых результатов при помощи структурированных подходов.
Одним из таких инструментов является метод анализа иерархий (МАИ), предложенный профессором Томасом Саати. Этот метод активно используется для принятия решений в любой области – от строительства дорог в Судане до решения психологических проблем «трудных» подростков. Давайте посмотрим, как можно использовать этот метод для повышения рациональности и прозрачности в процессе выбора кандидатов на должность.
Как работает метод анализа иерархий: теория
В рамках процессного подхода рассмотрим рекрутмент как последовательность шагов:
- Привлечение квалифицированных кандидатов – фокусировка производится на формальных требованиях к вакансии и ее продвижении на рынке.
- Отбор лучших специалистов – фокусировка на оптимальных критериях фильтрации пришедших кандидатов.
- Удержание талантов – фокусировка на создании условий для карьерного роста и поддержании мотивации.
Основной вызов, как для HR-специалиста, так и для кандидата, состоит в получении оптимальных оценок на втором этапе, именно здесь метод Саати будет наиболее полезен, хотя может применяться и в дальнейшем, например, при калибровке систем мотивации. Следует отметить, что метод не предоставляет однозначного ответа на вопрос о правильности или неправильности самого решения, но позволяет оценить, какой из рассматриваемых вариантов наилучшим образом соответствует потребностям аналитика и пониманию им решаемой задачи. С позиций организации такая задача может быть сформулирована как подбор кандидата, который способен увеличить долгосрочную стоимость бизнеса.
В основе метода анализа иерархий лежит попарное сравнение значимости характеристик критериев и кандидатов с позиций оптимального вклада в развитие компании в случае найма. Для этого принимается шкала оценки, распространенная версия которой содержит натуральные числа от 1 до 9 с шагом 2. Это нужно, чтобы сделать более четкими различия между самими рангами, но при необходимости можно использовать и промежуточные значения.
Рис. 1. Шкала оценки
Данная шкала отражает следующие отношения (количественный пример рассмотрим ниже):
- Эксперт ставит 1, если не видит различий между альтернативами.
- Значение 3 – это небольшое, но различимое преимущество одной альтернативы над другой.
- Значение 5 говорит о сильном преимуществе, которое очевидно эксперту.
- Значение 7 указывает на очевидное преимущество, которое видно не только эксперту, но и неспециалисту в предметной области.
- Значение 9 ставится крайне редко, а также должно подтверждаться не только субъективной оценкой эксперта, но и технической документацией. Если проводить аналогию, различие на уровне 9 – это как долетевший до точки назначения самолет и потерянный с радаров.
На следующем этапе производится построение иерархии критериев, по которым будет оцениваться кандидат.
Рис. 2. Простейшая иерархия
Как работает метод анализа иерархий: практика
Теперь рассмотрим применение МАИ на примере. Предположим, стоит задача подбора лучшего кандидата на позицию IT-директора. Допустим, после экспертного обсуждения были выделены пять критериев, по которым будет осуществляться отбор:
- Знание бизнес-процессов компании.
- Опыт управления IT-подразделением.
- Умение влиять на топ-менеджмент.
- Навыки работы с IT-подрядчиками.
- Бизнес-образование.
Критерии могут быть абсолютно любыми, а по количеству рекомендуется использовать не более 15, так как с увеличением количества критериев влияние каждого из них в общем зачете будет сокращаться. Предположим, сформировался список из пяти кандидатов. Вы можете попробовать интуитивно выбрать «лучшего» кандидата, чтобы впоследствии сравнить свой выбор с модельной оценкой.
Рис. 3. Потенциальные кандидаты на позицию IT-директора
После определения критериев производится их попарное сравнение с точки зрения значимости для организации. Проще всего выполнять такие сравнения в табличном процессоре. Если имеется правильно подготовленный файл, можно заполнить только правую верхнюю половину матрицы сравнения, а вторая половина заполнится обратными значениями автоматически.
Также нужно контролировать транзитивность выбора: если A>B и B>C, то A>C, и в этом помогает индекс согласованности выбора, рассчитываемый моделью автоматически. После заполнения матрицы альтернативы с более высокой значимостью оказываются предпочтительны. Так, в рассматриваемом примере опыт управления IT-подразделением и навыки работы с IT-подрядчиками окажутся ключевыми.
Рис. 4. Ранжирование критериев выбора по их значимости для успеха компании
Дальнейший анализ строится аналогичным образом – кандидаты последовательно ранжируются в рамках каждого критерия (рис. 5-9).
Рис. 5. Ранжирование кандидатов по критерию знания бизнес-процессов компании
Рис. 6. Ранжирование кандидатов по критерию опыта управления IT-подразделением
Рис. 7. Ранжирование кандидатов по критерию умения влиять на топ-менеджмент
Рис. 8. Ранжирование кандидатов по критерию навыков работы с IT-подрядчиками
Рис. 9. Ранжирование кандидатов по критерию наличия бизнес-образования
После завершения оценок кандидатов по всем критериям можно приступать к получению итоговой сверки: каждый кандидат получит итоговое значение, определенное как произведение матриц значимости исходных критериев и значимости кандидатов в рамках каждого критерия.
Рис. 10. Итоговая матрица
После завершения расчетов можно определить победителя, им оказывается Татьяна. Вспомните свой выбор, если сделали, и сравните его с предложенным моделью значением. Такой процесс отбора кандидатов существенно экономит время и усилия HR-подразделения, поскольку предлагает структурированное и легко автоматизируемое решение. Кроме того, подобная формализация улучшает сравнимость кандидатов в рамках географически распределенных компаний, и это помогает получать сопоставимые оценки, а также отбирать в резерв потенциально интересные кадры.
Рис. 11. Принятый на позицию кандидат
Выводы
Методология анализа иерархий – это эффективный инструмент для оптимизации процессов найма, и ее внедрение в HR-процессы позволяет не только минимизировать субъективность оценок, но и существенно повысить качество принимаемых решений. Для упрощения применения методологии рекомендуется использование простейших средств автоматизации, подойдет любой табличный процессор вроде Excel.
В случае необходимости массового и распределенного найма сотрудников руководство может рассмотреть возможность разработки специальных программных средств для успешной реализации расчетов. Также следует иметь в виду возможность простой и краткосрочной подготовки сотрудников кадровых подразделений для работы с методологией – в пределах одного часа. Таким образом, можно рекомендовать применение метода анализа иерархий для формирования объективной системы оценки кандидатов и упрощения переговорного процесса с ними.
Фото в анонсе: freepik.com
Также читайте:
По сути это самаая основное проблемв при. использовании любой модели, уровень входа = уовень погрешности.
У МАИ (в отличие от множества других моделей) имеется одно радикальное преимущество - контроль непротиворечивости получаемых результатов (как раз та самая погрешность).
Таким образом, из двух факторов: 1) отбор критериев и 2) контроль согласования, - модель успешно решает вторую проблему. Фактически остается выбрать только критерии, но это не может быть передано "третьему лицу", поскольку взгляды на состав проблемы и ее компоненты всякий раз уникальны и определяются аналитиком. Здесь нет правильных или неправильных выборов - есть выборы, отражающие взгляды аналитика на предметную область. Как только первичные гипотезы сформированы - остальное сделает модель.
Интересно особенно подчеркнуть практическую применимость итеративного расчета: если получаемый индекс непротиворечивости превышает нормативные значения - можно исследовать связи между анализируемыми факторами. Иногда они дают возможность иначе взглянуть на всю задачу и выявить ранее упускавшиеся моменты.
Конечно, здесь нужно хорошо модель "руками потрогать", но ее потенциал сильно выше того, что "лежит на поверхности". В моей практике приходилось проверять работу одного софта в ТОП-5 компании химпрома, за который было заплачено более $1M. Самый концептуальный момент удалось обосновать за полчаса именно при помощи МАИ. Конечно, рассматривали и другие факторы, но именно эта модель удивительно хорошо показывает себя в совершенно различных областях. С этой позиции по уровню входа она является сильно всеядной, хотя есть и цена этого - относительное повышение требований к аналитику.
Увы. Обычная проблема с хорошими инструментами в хороших руках. И в не самых хороших.
Можно попросить детали примера выше об анализе ПО?
Да, это так. Нет бесплатных ланчей на свете.
Да, конечно. В рамках очередного этапа обновления системы по расчету кредитных лимитов на контрагентов по отгрузкам продукции у казначейства возник вопрос, а то и так ли делается вообще: участились сбои. Соответственно, нужно было провести аудит всего процесса анализа контрагентов, и ядром этого анализа выступала весовая функция для свертки параметров кредитного скоринга, которая разработчиком купленного зарубежного софта не раскрывалась. Были известны входные параметры, была база данных. Через ряд циклов применения МАИ удалось найти одно из стабильных решений и обосновать, что "в черном ящике" нет явной проблемы. "Подозрения" не подтвердились: система была близка к экспертной оценке человеком. По итогам аудита были ужесточены требования к контрагентам, ситуация нормализовалась.
Здесь ещё скорее речь идет не о модели или её ограничениях, а об квалификации или опыте её использования специалистом.
Для оценки персонала исходная проблема определяется не самой моделью, а исходной задачей.
Не совсем обычный (для меня) подход и порядок действий, но с фактами не спорят.
В процессе первоначальной закупки система тестировалась? Обычно такой функционал документируется, даже если не раскрывается, некоторое время обсуждается и затем проверяется на контрольных примерах. Что-то предоставляет поставщик, что-то готовит покупатель на основе собственных данных, синтетических и исторических.
В Вашем примере у условного казначейства могли быть специфические требования, которые должны были быть учтены на ранней стадии.
Я бы сказал, что совсем необычный порядок, но и ситуация была нестандартной: "черный ящик", от которого зависят решения на очень крупные суммы.
Я всю историю до конца так и не узнал, но как удалось понять - примерно за год-два до описанных событий вся команда, которая отвечала за закупку софта, компанию покинула. Новой команде бегло объяснили, "что куда жать", а вот весь список документации (да и шире - материалов по закупке) каким-то образом был утерян. На некоторое время "запаса прочности" хватило, а потом стали появляться вопросы. Локальная команда справиться "на месте" не смогла, стала искать решения на стороне. К тому времени у меня уже был широкий опыт применения МАИ, в т.ч. при переводе дочки зарубежного банка в ритейл, поэтому с методологией вопросов не было - больше было важно понять, какие из входов в миксер скоринга реально имеют значение. Аудит IT-системы занял около двух недель, а вот МАИ фактически решил задачу в пределах получаса. Полученные ответы совпали с догадками экспертов компании, что и подтвердило правильность принятого подхода, как минимум - его практическую применимость в будущем.
Не знаю, есть ли такое в Вашем списке, но это стандартный риск при работе с COTS. Никто не знает и никогда до конца не узнает, что там внутри, но методы борьбы с неизвестным достаточно стандартны. Думать, спрашивать и тестировать, начиная с самого важного.
Впечатляюще. С поставщиком (автором) не удалось связаться?
Хорошо, что хорошо закончилось.
Конечно, поэтому на первом этапе и была проведена диагностика, описаны потоки данных, проведены встречи с пользователями системы. Необычным было то, что по факту реверсивный инжиниринг проводился не в рамках конкурентной разведки, а в отношении in-house развернутой системы.
Были попытки, но это крупный зарубежный вендор, и добиться от них повторного пакета документов не удалось. Теперь, видимо, и не удастся.