- асти изменений в том, «как мы работаем в HR».
Все это говорит о том, что содержание «ВСЕГО» HR все еще может быть несколько туманным и нечетким – потенциально верным, но все же трудным для понимания.
В моей книге я предлагаю три основные сферы применимости этой области «ВСЕГО» HR:
- Традиционные метрики HR — описывающие наших сотрудников в течение времени и то, что с ним происходит. (И понимание их взаимосвязи с другими более общими показателями бизнеса и организации). Как уже упоминалось выше, это часть HR аналитики и это важная часть.
- Наши HR операции — мониторинг, понимание и постоянное совершенствование услуг HR для своих клиентов.
- Внедрение фундаментальных принципов анализа и обработки данных и моделей машинного обучения в части принятия решений по управлению персоналом и непосредственной разработке политик и процессов HR. Это категория в наибольшей степени влияет на то, как мы изменим работу в HR, чтобы «управлять на основе данных».
Большинство из вас могут быть знакомы с основными традиционными HR метриками. Если нет, вы можете просмотреть глоссарий и стандарты по следующей ссылке в качестве примера.
Меньшинство из вас может быть знакомо со сферой применимости операционной деятельности по управлению персоналом. Для некоторых из вас это может выглядеть в виде инициативы «непрерывного совершенствования» в области HR-идентификации того, кто является вашими клиентами, какие продукты и услуги, а также процессы вы им предоставляете.
Третья сфера, вероятно, является «самой туманной» для большинства людей. Как мы это понимаем — в работе, вовлеченности, понимании «полной картины» того, что это может затронуть? Я думаю, что определение «полной картины» еще находится на стадии становления. Возможно, причина этого заключается в том, что все ограничивается только множеством задач HR и воображением HR профессионалов.
Действительно, профессиональному сообществу HR может быть полезно документировать фактическое применение анализа и обработки HR данных, — чтобы другие могли учиться у него – и в корне меняли (со временем) принципы работы HR.
Но даже в этом случае, как мы узнаем, есть ли у какой-либо из областей применения потенциал, чтобы его можно было рассматривать в качестве кандидата на применение анализа и обработки HR данных?
Я думаю, что ответ на этот вопрос можно найти в:
- Сначала поймите, на какие вопросы должны отвечать анализ и обработка данных и модели машинного обучения.
- Затем подумайте, какие из этих типов вопросов будут эквивалентны находящимся в рамках известных функций HR.
Недавно я наткнулся на статью, написанную коллегой из Microsoft — Brandon Rohrer.
Это отличный ответ на первый пункт выше и его очень стоит прочитать.
Резюме:
на какой тип вопросов может дать ответ анализ и обработка данных?
- Является ли это A или B? Двухклассовая классификация
- Является ли это A или B или C или D? Многоклассовая классификация
- Это странно или необычно? Обнаружение аномалий
- Как много / сколько? Регрессия
- Какова вероятность того, что что-то есть A или B или C или D? Многоклассовая классификация в виде регрессии
- Какова вероятность того, что что-то есть A или B? Двухклассовая классификация в виде регрессии
- Как организованы эти данные? Снижение кластеризации или размерности
- Что мне теперь делать? Стимулирование обучения
Это очень сокращенный пересказ статьи, но он очень быстро обостряет внимание и структурирует мышление в отношении применения анализа и обработки данных в HR. Сфера применения огромна, как в отношении принятия решений в области HR для целей кадровой политики, так и для непосредственного внедрения моделей машинного обучения в наши практики и процессы в области управления персоналом.
Каковы эти вопросы в контексте HR?
Давайте проведем быстрый «пример мозгового штурма» в HR-функциях и HR-метриках:
Подбор персонала
- Будет ли этот прием успешным или неудачным в нашей организации? (Двухклассовая классификация)
- Пройдут ли эти кандидаты испытательный срок, если мы примем их? (Двухклассовая классификация)
- Какова вероятность того, что этот кандидат окажется успешным, если мы его примем? (Двухклассовая классификация в виде регрессии)
- Какова вероятность того, что этот кандидат пройдет стажировку? (Двухклассовая классификация в виде регрессии)
- В каких сотрудниках мы будем нуждаться в следующем году, основываясь на увольнениях в прошлом? (Регрессия)
Прогулы
- Являются ли прогулы этого человека чрезмерными по сравнению с другими работниками? (Обнаружение аномалий)
- Каковы прогнозируемые расходы на прогулы в следующем году? (Регрессия)
- Компенсации и управление расходами на оплату труда
- Какова наиболее подходящая группа должностей для позиции, которую я классифицирую? (Многоклассовая классификация).
- Мы пытаемся объединить наши многочисленные классы должностей в меньшее количество категорий. Сколько групп должностей должно быть у нас на самом деле? (Кластеризация)
- Какова правильная зарплатная сетка для этой новой позиции? (Многоклассовая классификация).
- Является ли эта должность профессиональной или управленческой позицией? (Двухклассовая классификация)
- На каком уровне управления эта позиция (Многоклассовая классификация)
Увольнения
- Является ли наш показатель текучести аномально высоким в этом году? (Обнаружение аномалий)
- Каков прогноз текучести в следующем квартале? (Регрессия).
- Кто именно уволится по нашим прогнозам в следующем году? (Двухклассовая классификация)
- Какова вероятность того, что этот конкретный человек уйдет в следующем году? (Двухклассовая классификация в виде регрессии)
Здоровье и безопасность
- Какова будет наша прогнозируемая частота несчастных случаев / травм в следующем году? (Регрессия)
- Является ли появление этого типа аварии необычным? (Обнаружение аномалий)
- Является ли этот тип работы высокорисковым? (Двухклассовая классификация)
- Трудовые отношения
- У нас довольно высокий уровень жалоб в этой области или в этом году. Это необычно? (Обнаружение аномалий)
Вышеизложенное является просто «небольшим» примером HR-вопросов, которые часто задаются. И каждый из них представляет собой специфический «HR контекст», в противном случае это было бы разновидностью вопроса по аналитике данных. Возможно, было бы полезно собирать другие вопросы на каких-либо веб-ресурсах, которые исходят от HR на регулярной основе, с целью определения того, является ли вопрос об управлении персоналом так же и завуалированным вопросом по анализу и обработке данных.
Вся суть вышеприведенных примеров — показать более широкую область применения HR аналитики. «Основанное на данных» действительно означает переосмысление того, как мы делаем «ВСЕ» в HR. Это не добавочная область HR. Это касается самой структуры управления персоналом и принятия HR-решений. Это означает, что мы ищем возможности для совершенствования и улучшения, а также то, что суждение и определение того, что является «усовершенствованным и улучшенным», основано на «фактических данных», а не просто на субъективном суждении.
Действительно ли мы верим, что HR аналитика это «основанное на данных управления HR и принятием решений» или нет? Если это так, то мы должны видеть масштаб и широту ее применения настолько, насколько это подразумевается выше. Иными словами, непреднамеренно не ограничивать вклад, который может сделать HR аналитика для наших организаций.
Я надеюсь, что вышеупомянутые идеи помогут вам, как специалистам в HR аналитике, «дальновидно» понимать HR аналитику, и более четко видеть, каков объем аналитики, которой вы занимаетесь, и сколько еще предстоит сделать.
Источник : edwvb.blogspot.com