HR-аналитика: как данные помогают нанимать и удерживать

По данным IBM и MIT, в компаниях, которые используют аналитику в HR, продажи в среднем растут на 8%. Работа с данными снижает затраты на рекрутинг, помогает подбирать и удерживать сотрудников.

Рассказываем, в каких направлениях HR-менеджмента помогает data-аналитика.

Удержание сотрудников

В IBM работает более 350 тыс. человек, HR-отдел получает 8 тыс. резюме в день. Нужно анализировать HR-процессы.

В компании одновременно открыты десятки тысяч вакансий. Сотрудникам тяжело ориентироваться, какие должности доступны внутри организации. Поэтому появилась персонализированная система рекомендаций Blue Matching.

Она анализирует навыки, производительность, местоположение и уровень знаний сотрудника. На основе данных программа составляет список подходящих ему вакансий для внутреннего перемещения или повышения. Сотрудник подключается к услуге и получает еженедельную рассылку.

Blue Matching может порекомендовать вакансию, на которую он не обратил бы внимания. Например, человек занимается блокчейн-разработкой в логистике. Технологию начинают применять и в финансах. Система сообщает, что его опыт может пригодиться на новых должностях в финотделе.

По словам экс-CEO IBM Джинни Рометти, в 2018 году Blue Matching помогла 27% сотрудникам сменить работу, не покидая IBM, или получить повышение.

Другая программа на основе ИИ-алгоритмов, CogniPay, помогает тимлидам принимать решения о зарплатах и премиях в команде. Она оценивает производительность сотрудников, собирает данные о зарплатах на аналогичных должностях в других компаниях, анализирует спрос на навыки сотрудника на рынке. Благодаря программе текучка кадров, по оценкам IBM, сократилась на 50%.

Также с помощью ИИ-алгоритмов в IBM с точностью до 95% вычисляют, какие сотрудники хотят уйти. Разработки экономят сотни миллионов долларов.

Несколько лет назад компания Experian, которая занимается оценкой платежеспособности по кредитам, потеряла ключевых участников команды. Чтобы снизить отток кадров, начали использовать дата-аналитику.

Из разных источников, включая отчеты о заработной плате, собрали данные за последние два года работы и отобрали 20 ключевых характеристик в таких категориях:

— демографические данные, включая возраст

— данные о команде, в которой работает сотрудник

— личные показатели

Каждая характеристика получала положительный или отрицательный балл. В сумме они показывали степень риска ухода сотрудника. Модель впервые внедрили в британском отделении Experian, а теперь используют и в других регионах.

Наем персонала

В 2014 году в LinkedIn столкнулись с проблемой — компания выросла на 40% за год и не успевала нанимать персонал. В связи с этим создали команду Talent Analytics, которая разработала прогнозную модель. Она предсказывала, сколько сотрудников нужно нанять и сколько рекрутеров понадобится.

Чтобы создать модель, Talent Analytics общались с рекрутинговым и финансовым отделом — обсуждали модель найма и возможные изменения в компании. Проанализировав данные, аналитики систематизировали работу рекрутинговых команд и стандартизировали цели. В первый год модель сократила расходы на поиск кадров на 15%.

В Johnson & Johnson предпочитали нанимать опытных сотрудников, а не ориентироваться на выпускников колледжей. Считалось, что люди с опытом более эффективны и лояльны.

Но исследования данных 47 тыс. сотрудников в 2016 году показали, что эффективность не зависит от опыта. При этом выпускники с меньшей вероятностью уходят, и с большей — получают продвижение по службе. Компания изменила политику найма.

Снижение рисков

В Shell работают с HR-данными 10 лет. Необычное направление — аналитика данных для повышения кибербезопасности. В компании выяснили, кто из персонала с большей вероятностью занесет вирус на компьютер или кликнет по фишинговой ссылке.

Аналитики нашли корреляцию с должностями и навыками. Затем разработали программу обучения основам кибербезопасности для 30% сотрудников. Это снизило риски утечки информации. Кейс представили на HR Tech World в 2016 году.

Эффективность и компетенции

Аналитика данных помогает выяснить, какая черта позволяет работать лучше на определенной должности. Например, в 2012 году IBM купили рекрутинговую компанию Kenexa, которая опрашивала 40 млн соискателей в год. Так получили доступ к огромному набору данных.

Компания узнала, что ключевые черты хорошего продажника — смелость, настойчивость и способность продолжать попытки даже после отказа.

В 2008 году Google запустил Oxygen Project, чтобы узнать, каким должен быть идеальный менеджер. Через два года проект завершился. В итоге определили восемь характеристик, развитие которых включили в программу обучения новых сотрудников.

Но по мере роста Google требования к менеджерам тоже росли. В компании провели повторное исследование и добавили еще две компетенции. Сейчас их 10:

1. Хороший тренер.

2. Дает команде свободу действий и не занимается микроменеджментом.

3. Создает комфортную среду, проявляя заботу.

4. Продуктивен и ориентирован на результат.

5. Хороший коммуникатор: слушает и делится информацией.

6. Поддерживает карьерный рост.

7. Имеет четкую стратегию развития команды.

8. Обладает ключевыми техническими навыками.

9. Открыт к сотрудничеству внутри компании.

10. Готов принимать решения.

Источник : l-a-b-a.com