Если быть точным:5 ключевых вопросов про HR-аналитику
Подход первый: «Вижу цель». В чем его суть?
Этот подход предполагает конкретную цель. Например, в компании возникает гипотеза, которая основана на опыте или предположениях. Эта гипотеза состоит в том, что из бизнеса уходит слишком много перспективных молодых специалистов: набор проводится каждый год, а их все равно мало. Тогда компания собирает данные, выбирает методику, проводит расчет этого критерия, и таким образом либо подтверждает гипотезу, либо опровергает ее.
Запрос может быть и другим – например, нужно построить прогностическую модель, которая позволит изучить процессы увольнения людей из компании. Собрав имеющиеся данные и проанализировав их, компания может увидеть «красные зоны» – тех сотрудников, которые могут уйти в ближайшее время. Эта задача по силам, например, логистической регрессии.
Подход второй: «Иду на разведку». В чем он заключается?
Здесь нет цели проанализировать какой-то конкретный критерий. Но есть набор данных и желание найти какие-то полезные инсайты, которые не очевидны, не лежат на поверхности. Это уже ближе к т.н. машинному обучению – исследуются данные, находятся интересные взаимосвязи, делаются выводы. Своеобразная разведка, которая впоследствии поможет сформулировать гипотезы, поставить цели и получить конкретные бизнес-выводы.
Что полезно почитать?
Для начала можно ознакомиться с публикациями на эту тему – «Evidence-based HR: Under the microscope», а также «HR metrics and analytics: Use and Impact. Human Resource Planning» (в ней авторы впервые использовали термин «HR analytics»).
Затем нужно приступать к изучению статистики – для этого можно взять любой базовый учебник. Например, книгу «Статистика. Учебный курс для социологов и менеджеров» О. Иванова: в ней все описано просто и понятно, на реальных примерах. Другие полезные книги – «Методы математической обработки в психологии» Е. Сидоренко (структурировано описаны различные статистические критерии). Еще интересно почитать «Работа рулит!» (замечательная книга о компании Google, автор – Ласло Бок), «Голая статистика» (Чарльз Уилан), «Управление на основе данных» (Тим Филлипс), «Большие данные» (Виктор Майер-Шенбергер).
Книг по HR-аналитике, в частности русскоязычных, пока что нет. Но это вовсе не значит, что не стоит даже пытаться разобраться в этой теме, ведь здесь отлично применим метод аналогий. Можно наблюдать, как такие же аналитические задачи решают, скажем, маркетологи – например, изучают клиентов. И применять это в своей области – изучая сотрудников. Можно узнать, как свои задачи решают бизнес-аналитики, психологи и социологи. Например, в «Учебном курсе для социологов и менеджеров» приводится пример того, как сравнивать успешность двух групп студентов. Это легко перенести в HR-практику, чтобы сравнить две группы сотрудников, которых обучают разные тренеры, и измерить эффективность учебных мероприятий.
Кстати, огромным преимуществом в изучении HR-аналитики будет знание английского языка: почти все качественные источники знаний – англоязычные.
Какие программы нужно освоить?
Краеугольный камень HR-аналитики – это инструментарий. К сожалению, в украинских компаниях сотрудники – даже финансисты, повсеместно используют Excel. И это тотальная проблема. На вопрос же о том, почему бы не попробовать более эффективные инструменты – например, Pytnon или R, обычно звучит недоуменное «Так это же языки программирования!» Казалось бы, при чем здесь аналитика, финансовая и тем более HR? На самом деле эти инструменты вполне применимы. Excel позволяет решать базовые задачи и хорош на начальном этапе, когда учишься рассчитывать элементарные показатели вручную, чтобы понимать, как это работает. Но когда в арсенале есть более сложный инструментарий, расчеты делаются быстрее и легче: не нужно расписывать формулы, достаточно написать строчку кода, ввести нужные данные и дать функции задачу – скажем, построить регрессию. А затем – получить график, формулу и остальные важные параметры. Это делается за секунды. Плюс, если набор данных изменился, в Excel, скорее всего, придется заново переписывать все формулы. В Pytnon или R, если есть написанный скрипт, программе все равно, с каким набором данных работать.
Если человек никогда не имел дела с языками программирования, может показаться, что освоить их – это что-то из области фантастики. На самом деле язык R, например, интуитивно понятный, и даже тот, кто его не изучал, сможет освоить его на уверенном базовом уровне примерно за полгода (конечно, при должных усилиях). Если сегодня есть книги для детей о том, как научиться программировать, то взрослый человек, вероятно, все-таки способен справиться с такой задачей. Язык R – бесплатный, доступен для скачивания, его придумали ученые, которые хотели, чтобы научными исследованиями и знаниями свободно делились. Плюс, для R в Интернете есть много библиотек, которые можно подключить, чтобы брать новые функции для нужных критериев, если не хватает базового функционала (скажем, чтобы строить сложные модели, делать 3D-визуализацию и т.д.).
На какие Интернет-ресурсы обратить внимание?
Существуют специальные сайты, на которых люди делятся своими наборами данных и другие пользователи помогают решать задачи друг друга. Например, stackoverflow.com, а на сайте kaggle.com есть и раздел HR-аналитики. Вообще обмен знаниями очень приветствуется в аналитике: поскольку данных пока что мало, это практически единственный способ учиться.
Хороший ресурс с электронными курсами – stepik.org: здесь можно пройти курсы по основам статистики (базовый или более продвинутый, с примерами и заданиями), по анализу данных в R (с примерами, как применять к реальным задачам), по основам программирования на R (знакомство с функционалом R и средой разработки для R– Rstudio).
Кроме того, можно пройти курсы на coursera.org – по data science («науке о данных») и по HR-аналитике. Но в этом есть смысл, если слушатель уже владеет базовыми понятиями в статистике. Потому что когда лектор скажет «А сейчас мы построим регрессионную модель», следует знать, что это такое.
Итак, чтобы освоить HR-аналитику, можно читать и учиться на курсах. Но этого мало: нужно пробовать. Брать самые простые данные – о том, сколько компания платит сотрудникам, как часто люди уходят на больничные или увольняются, и пытаться делать первые расчеты. Нужно двигаться от простого к сложному: если понимаешь, как работают простые методики, рассчитываются модели и коэффициенты, то сможешь освоить и более сложные.
