Больше, чем HR: аналитика в рекрутинге и не только
Если в финансах, продажах, маркетинге аналитикой никого не удивишь, то в сфере Human Resources на просторах СНГ еще 5 лет назад эта тема была практически не освоена, а профессия HR-аналитик если и существовала, то имела отношение к сфере C&B (компенсаций, льгот и организационного развития, – ред.) и не более. Да, работа с цифрами поздновато пришла в HR, но все же пришла. Практики в области People Analytics от компаний Google, Shell, Philips не могли не просочиться, да и здравый смысл подсказывает, что субъективность принятия решений чревата лишними рисками и негативными последствиями.
Способы принятия решений
Решения в любой области можно принимать, основываясь на научных и ненаучных подходах. Рассмотрим ненаучные способы принятия решений, расставив их в порядке от самых субъективных до более объективных.
Интуиция и вера
Представим себе, что перед нами стоит задача защитить перед топ-менеджерами смелую инициативу в области HR. При этом единственная основа аргументации наших взглядов – личные ощущения, «чуйка», внутреннее прочтение вопроса. Но как быть дальше, если у руководства противоположное мнение? Здесь одной внутренней аргументации будет недостаточно.
Консенсус, большинство
Несколько коллег думают одинаково – такой аргумент лучше, чем «показалось». Но где понимание, что большинство действительно мыслят правильно. Бытует мнение, что к позиции большинства надо относиться достаточно осторожно, поскольку миром правит меньшинство.
Мнение эксперта
Если HR-решение принимается на основании мнения авторитетного эксперта, это еще лучше. Но где гарантия, что он в конкретном случае прав? Тоже не подходит с точки зрения объективности.
Случайное наблюдение
Определенная объективность в наблюдении, несомненно, есть, и на нее можно опираться – это уже что-то. Тем не менее если наблюдение одно, то не факт, что аналогичная тенденция или ситуация повторится при следующем наблюдении.
Чтобы утверждать, что предположения не случайны и не субъективны, необходимо опираться на несколько параметров. Вот главные принципы научного подхода:
- воспроизводимость – при повторе эксперимента сколько угодно раз результат будет один и тот же;
- объективность – независимо от того, кто проводит анализ или исследование, результат не меняется;
- эмпирическая проверяемость – возможность проверки результатов исследования систематическими наблюдениями.
Именно научные подходы в оценке процессов и ситуаций должны интересовать специалистов в первую очередь. Пожалуй, это единственный источник объективной информации о действительности, которую можно использовать как аргумент, основу принятия самых амбициозных решений в HR-области с минимальной вероятностью ошибки.
Направления HR-анализа
Предположим, в компании осознали необходимость аналитики в HR, чтобы иметь объективное понимание ситуации и принимать взвешенные решения. Но с чего начать? Любое исследование начинается с правильно поставленного вопроса. Гипотеза – это предположение, выдвигаемое для объяснения какого-либо явления, которое не подтверждено и не опровергнуто.
Пример: изменился ли уровень усвоения знаний у новых сотрудников после просмотра видеоуроков вместо чтения текстовых инструкций.
Нулевая гипотеза (H0) – это гипотеза об отсутствии различий.
Альтернативная гипотеза (H1) – гипотеза о значимости различий.
Простой пример HR-исследования: есть ли статистически значимая связь между уровнем усвоения знаний, применяя инструкции, по сравнению с изучением по видеоурокам. Разница, возможно, на глаз и есть в среднем балле выходного тестирования, но статистически значима ли она.
Хороший аналитик умеет поставить актуальный вопрос. Приведем несколько примеров HR-анализа, которые реализуются через исследования/опросы.
- Связь обучения с повышением результативности (связь среднего балла выходящего тестирования с показателями продуктивности).
- Лояльность, вовлеченность (eNPS, Engagement Rate, измеряем через опросы).
- Связь результативности продаж с полом/возрастом менеджера по продажам.
- Связь уровня развития отдельных компетенций с продуктивностью в работе (проверка валидности модели компетенций).
- Связь семейного положения с результатами продаж.
- Связь семейного положения с текучестью персонала.
- Связь высшего образования с успешностью в продажах.
- Период окупаемости сотрудника (период времени для появления точки равновесия между затратами на найм, адаптацию, включая заработную плату и суммой финансовой выгоды от работы сотрудника).
- Связь частоты нарушений трудового распорядка с уровнем образования/полом/семейным положением.
Этот список не иссякаем. HR-профессионалу, который не является вдобавок статистиком или социологом, будет сложно сделать все самому, ведь для анализа необходимо применять различные статистические критерии (Стьюдента, Пирсона и др.), от чего зависит выбор критерия. Также нужно различать виды переменных, понимать, что такое нормальное распределение, разбираться в понятии «выборка». Для общения с аналитиком на одном языке и умелой постановки задачи этого, в принципе, достаточно. Всю эту кухню можно изучить из книг «Статистика для чайников» или «О чем говорят цифры».
Кейс магазина техники
Руководитель розничных продаж выдвинул мысль, что продавцы-консультанты в магазине слишком молоды и не совсем продуктивны в продажах флагманских смартфонов. К рекрутингу поступила задача ориентироваться на более взрослых кандидатов, что, соответственно, усложняло и без того непростую задачу массового подбора.
Необходимо было разобраться, действительно ли существует эта зависимость и насколько она значима. К тому же есть ли статистически значимые различия в успешности продаж разных групп сотрудников (пол, возраст)?
При этом нужно было аннулировать влияние того факта, что в структуре девушек работало в 3 раза меньше. В итоге получилось исследование «Зависит ли уровень продаж флагманских смартфонов от пола и возраста продавца? Если зависит, то значимая ли эта зависимость?».
Алгоритм действий
Шаг 1. Определение выборки данных
В программу загрузили данные с учетной системы по продажам за год в разрезе: продавец, пол, возраст, количество продаж в штуках, месяц.
Шаг 2. Работа с данными
Продавцов ранжировали по возрасту от младших к старшим. Был определен средний показатель по продажам (в штуках) в каждой возрастной группе и среди мужчин/женщин в разрезе месяца.
Шаг 3. Зависимость между количеством продаж и возрастом сотрудника
Такие данные можно получить, определив коэффициент корреляции Пирсона (например, с помощью формулы PEARSON в Excel):
0,1-0,2 = слабая связь
0,3-0,4 = связь средняя
0,5-1,0 = сильная связь
В данном исследовании выяснилось, что между возрастом и количеством проданной техники есть прямая линейная зависимость. С увеличением возраста на 1 единицу, среднее количество продаж растет на 0,53 штук.
Шаг 4. Замер статистической значимости среднего количества продаж в месяц среди мужчин/женщин
При анализе был использован статистический показатель – t-критерий Стьюдента и онлайн-калькулятор.
Как выяснили, разница среднемесячного уровня количества продаж флагманских смартфонов среди мужчин и женщин статистически значима. Мужчины в среднем более продуктивны в продажах данной категории товаров. Предположение руководителя подтвердилось.
Безусловно, HR-аналитику стоит рассматривать как философию принятия решений. Вряд ли получим много пользы, если аналитические подходы будут применяться точечно и нерегулярно.
Главный вопрос на пути к применению аналитических подходов – это данные. Их либо нет, или есть, но они не структурированы. Если нет совсем, нужно совместно с IT-отделом их собрать. Дальше – использовать аналитические инструменты Excel, RStudio, SPSS, PowerBI. Как вариант, готовые аналитические модули в HRIS или отдельные модули для аналитики, прикручиваемые к разным HR-информационным системам. Возможно, это готовые HRIS с аналитическим модулем, или аналитические модули, которые «прикручиваются» к готовым HRIS. Решений и вариантов много, главное быть аналитиком ментально, тогда все получится.
Таблица. Обзор ключевых HR-метрик
| Направление | Расчет |
| Рекрутинг | |
| % укомплектованности штата | Соотношение фактического количества персонала к требуемому *100% |
| % вакансий, закрытых в срок | Соотношение закрытых вакансий вовремя к общему числу закрытых вакансий *100% |
| Количество закрытых вакансий | Общее число закрытых вакансий за определенный период |
| Динамика вакансий like for like | Сравнение количества вакансий за аналогичные периоды год к году |
| Средний период закрытия вакансий | Сумма дней закрытия по всем закрытым вакансиям/на количество закрытых вакансий |
| Стоимость привлечения | Общее число затрат на найм (включая зп ответственных)/количество принятых сотрудников |
| % отказов от job offer | Соотношение отказов к предложениям о работе*100% |
| % сотрудников, выполняющих KPI спустя полгода работы | Соотношение успешных сотрудников к общему количеству сотрудников, проработавших полгода *100% |
| Удовлетворенность заказчиков | Средний бал оценок по каждому рекрутеру со стороны заказчиков |
| % закрытых проектов от общих в работе | Закрытые вакансии/общее количество в работе за данный период*100% |
| Вовлеченность | |
| eNPS | 10-балльная шкала по методике NPS. % ответивших 9-10 минус % ответивших 1-6 за исключением ответов 7-8 |
| Engagement Rate | Q12 |
| HR Brand | |
| Количество откликов на 1 вакансию | Общее количество откликов/количество вакансий |
| Conversionrate (jobsites) | Соотношение переходов к откликам |
| Сandidate NPS | 10-балльная шкала по методике NPS. % ответивших 9-10 минус % ответивших 1-6 за исключением ответов 7-8 |
| % узнаваемости | Соотношение количества людей, знающих компанию/Общее количество респондентов *100% |
| Эффективность реферальной программы | Количество вакансий, закрытых с помощью внутренних рекомендаций / Общее количество вакансий за период*100% |
| Адаптация | |
| % прохождения ИС | Соотношение фактического количества прохождения ИС к планируемому*100% |
| % охвата сотрудников системой адаптации | Соотношение между количеством сотрудников, которые проходили адаптацию/общим количеством новых сотрудников*100% |
| % проработавших до полугода | Соотношение фактического и планируемого количества персонала, проработавшего 6 месяцев |
| Период окупаемости сотрудника | Точка безубыточности: расходы на сотрудника = финансовая польза для компании |
| Продуктивность | |
| % ФОТ/затрат на персонал в структуре расходов | Формула выходит из названия |
| Динамика структуры ФОТ – фиксированная/переменная часть | Формула выходит из названия |
| Соотношение темпа роста ФОТ к темпу роста бизнес показателей | Формула выходит из названия |
| Соотношение ФОТ к выручке/чистой прибыли, общих затрат на персонал к выручке/чистой прибыли | Выручка (или чистая прибыль)/ФОТ или общие затраты на персонал*100% |
| Talen management | |
| % текучести персонала | Количество уволившихся из компании за определенный период / среднесписочная численность за тот же период × 100 |
| Средняя продолжительность работы сотрудника | Среднее арифметическое в продолжительности дней работы каждого сотрудника выборки |
| % охвата сотрудников TM программами | Соотношение между количеством сотрудников, которые задействованы в программах TM/общим количеством новых сотрудников*100% |
| % закрытия внутренней ротацией | Количество вакансий, которые закрыли внутренними ресурсами/общее число закрытых вакансий*100% |
| % успешных сотрудников при внутренних ротациях | Соотношение количества сотрудников, выполняющих KPI (после ротации) к общему количеству ротируемых за определенный период*100% |
| Обучение | |
| % охвата обучающими мероприятиями | Количество сотрудников, участвовавших в обучении/общее количество сотрудников*100% |
| Вовлеченность в систему E-learning | Аналитика по среднему количеству посещений в сутки, аналитика по средней длительности посещения |
| Успешность прохождения обучения | Среднее арифметическое набранных баллов сотрудников, прошедших обучение |
| Динамика KPI’s | Соотношение показателей результативности до и после обучения |
Александр Шевченко, сертифицированный бизнес-тренер, сертифицированный специалист по оценке и мотивации персонала