О чем вам говорит название «Альфа-дом»? Скорее всего, большинству читателей оно не знакомо; по крайней мере, когда я задаю этот же вопрос различным аудиториям, поднимается пара-тройка рук.

А что скажете о «Карточном домике»? Вероятно, среди читателей найдется множество ценителей этого сериала. В аудиториях руки поднимают почти все.

К чему этот вопрос и какое отношение он имеет к аналитике и data-driven HR? Оказывается, прямое. Но об этом – в конце статьи.

А пока – давайте рассмотрим 4 простых кейса о том, какую ценность в управлении людьми имеют данные. И о том, почему просто посчитать среднее арифметическое – еще не аналитика. При этом отмечу: приведенные кейсы – условные, они призваны только проиллюстрировать принцип, а не обеспечить некий шаблон.

Разум или сердце?

Аналитика или интуиция? Можно ли принимать решения в бизнесе, руководствуясь только чутьем или опытом? И можно ли полагаться только на сухие данные, работая с людьми?

Нам свойственно опираться на интуицию, особенно – экспертам, которые прошли огонь и воду в своем деле. Что нового может дать какое-то там исследование? Более того, даже если мы оперируем цифрами, решения все равно часто принимаются интуитивно. И речь не только об HR-менеджерах – финансисты и представители других «точных» профессий поступают так же.

Любой аналитический проект – это мини-исследование. Как в науке. Лекарства не попадают в аптеки потому, что ученым показалось, что они могут сработать. Нужны исследования: группы испытуемых, замеры до и после применения препарата, сравнения.

В HR работает тот же принцип. Аналитический подход требует усилий – даже чтобы просто обзавестись инструментарием, более сложным и более производительным, чем Excel, нужно учиться. Не будем лукавить – это непросто. Особенно учитывая тот факт, что область только начинает развиваться, и источников знаний, особенно украино- и русскоязычных, практически нет. Приходится искать информацию, использовать метод аналогий – например, с маркетингом, который в аналитике продвинулся дальше, делиться инсайтами с коллегами и просить их об обратной связи. Здесь мало прочитать книгу – тем более, что их еще почти нет. Нужно вспомнить основы статистики и освоить простой язык программирования. Да, именно так – но поверьте: не так страшен волк. Если программировать учатся дети, то уж взрослым профессионалам, даже самым закоренелым гуманитариям, это точно по плечу.

Здесь нужно пробовать, ошибаться, менять запросы и снова пробовать. И, что самое сложное, принимать по итогам аналитических исследований решения, и они не всегда простые. Часто есть соблазн положить результаты исследования в тумбочку и прикрыть стопкой старых отчетов. Не будить лихо, пока оно тихо. Занимаясь HR-аналитикой, нужно быть готовыми к неожиданным результатам. Например, в компании бытует мнение, что люди массово увольняются из-за небольшой зарплаты. А исследование показывает, что ситуация с увольнениями настораживает только по некоторым отделам – тем, где слишком агрессивные руководители. А порой HR-у, чтобы продать идеи HR-аналитики руководителям, приходится признавать свои прежние ошибки и заблуждения. Например, в компании декларировалось, что активнее всего продвигают сотрудников, которые умеют открыто высказывать свое мнение. А исследование показало: на самом деле таких людей продвигают неохотно. Чтобы начать менять ситуацию, для начала это важно признать.

В аналитике нет правильных и неправильных ответов. Об этом легко забыть, когда в начинающем аналитике просыпается его «интуитивное» прошлое. В интуитивном HR-е все понятно, и первой реакцией может быть «Не нужно все усложнять!»

Однако опыт показывает: нужно! Потому что аналитика помогает достигать невероятных результатов. Вот только несколько простых примеров:

  • увольнение сотрудника по собственному желанию можно предвидеть за год, а не узнать о нем тогда, когда заявление об увольнении ложится (а нередко уже швыряется) на стол руководителя;
  • удовлетворенность клиентов в среднем на 20% выше в тех ресторанах McDonald’s, где работает хотя бы один пожилой человек: это стало известно благодаря аналитике;
  • для производственных предприятий влияние аналитики на рентабельность составляет 10-12% от объема продаж, а в сфере услуг эта цифра может достигать 80%.

HR-аналитика позволяет прогнозировать такие вещи, о которых раньше мы не могли даже мечтать. Например, сегодня есть исследования, которые показывают: можно спрогнозировать результативность сотрудника, основываясь на данных о том, какой браузер он использует, чтобы зайти на сайт и рассмотреть вакансию. И эти данные показательнее, чем анализ источников привлечения и тестирование. Оказывается, люди, посещающие сайт компании сами и использующие браузеры, которые нужно скачать и установить, более проактивны, чем те кандидаты, которые используют браузеры, установленные на компьютерах по умолчанию. И примеров таких любопытных выводов множество.

На мой взгляд, результаты стоят того, чтобы как минимум заинтересоваться этой темой.

Кейс №1. Было ли мероприятие (конференция, семинар) полезно и интересен сотрудникам?

Во многих компаниях принято после проведенных мероприятий раздавать участникам для заполнения анкеты обратной связи. И это правильно: бизнесу важно понимать, дают ли плоды инвестиции в развитие людей. Эмоциональный замер самый первый и крайне важный для усвоения полученных знаний. Самый распространенный способ оценить эффективность такого мероприятия – собрать обратную связь участников с помощью анкет. Обычно они выглядят приблизительно так.

Аналитика против интуиции: 4 кейса о том, как работает data-driven HRШкала может быть 3-балльной, 10-балльной, 100-балльной – не суть. Давайте представим, что участники оценили тренера, спикера, выступающего таким образом:

Аналитика против интуиции: 4 кейса о том, как работает data-driven HRТак каков ответ на запрос – было ли мероприятие эффективным? Как его узнать? Самое популярное решение – посчитать среднее арифметическое. В нашем случае получится оценка «4».

Но согласно со статистикой (и каждый уважающий себя аналитик знает это), здесь необходимо посчитать медиану, а это уже «3». Казалось бы, единица разницы – подумаешь? Но на практике цена ошибки может быть высокой. Это может означать необходимость принять конкретное управленческое решение. Например, если это внутренний тренер, в первом случае ему может полагаться выплата премии, а во втором – рекомендация пересмотреть свои подходы к преподаванию материала. Если это внешний тренер, спикер, в первом случае компания снова пригласит его и заплатит гонорар, а во втором – откажется от его услуг.

Кейс №2. Какой отдел работает эффективнее?

Предположим, у нас есть два отдела, и необходимо оценить эффективность работы каждого из них. По результатам годовой оценки нам известен процент выполнения ключевых показателей эффективности каждого сотрудника.

Аналитика против интуиции: 4 кейса о том, как работает data-driven HR

Мы считаем среднее арифметическое (тут этот подход применим) – и получаем два результата: 102,5 и 96. Все просто и удобно: первому отделу компания выдаст премию, второму – нет. Вопрос закрыт?

Только не для аналитика. Потому что если использовать аналитический подход, придется задать еще один вопрос: «Есть ли статистически значимая разница в эффективностимежду двумя отделами?» И простой честное слово, с точки зрения аналитики – простой) расчет покажет: нет! Потому что если p-значение больше 0,05 – считается, что статистически значимой разницы нет. А наше значение – 0, 35. Оба отдела имеют одинаковые шансы получить премию по результатам своей работы.

Кейс №3. Дает ли тренинг по продажам результат?

Когда компания проводит для своих сотрудников тренинги, например – по продажам, ей важно оценивать, меняется ли в результате поведение участников. Не важно, кто проводит обучение – внутренние или внешние тренеры. Поступаем примерно так же, как и в предыдущем кейсе, только не с двумя отделами (чтобы сравнить), а с одним (чтобы оценить прогресс). Итак, мы оцениваем выполнение ключевых показателей эффективности. Затем проводим обучение людей. И повторяем замер. Только замеры нужно проводить корректно – нельзя оценивать продавцов мороженого сначала летом, а потом зимой, и делать выводы.

adb58e1ed72991f6c9678eb8a73b6c65-8

Аналитика против интуиции: 4 кейса о том, как работает data-driven HR

В первом случае отдел не выполнил план продаж. Во втором случае отдел план перевыполнил. Отлично! Можно успокоиться? Но опять: есть ли статистически значимая разница в поведении сотрудников до и после тренинга? Расчет показывает: нет! P-значение – 0,1024. То есть секрет успеха, скорее всего, кроется в чем-то другом. Могли повлиять иные факторы. Но аналитический подход позволяет отследить, что показатели отдельно взятых сотрудников не изменились или даже ухудшились. А вот рост двоих из них удивляет – по сути, именно он спас общий результат. Почему? Это повод обратить внимание, уточнить и сформулировать новые гипотезы, новые запросы – и получить ценные выводы о ситуации в отделе продаж.

Кейс №4. Можно ли считать, что из компании массово уходят сотрудники?

Представим ситуацию, что СЕО уверен, будто из компании массово уходят люди. Причем не равномерно в течение года, а в феврале – сразу после того, как получают годовой бонус. Проводится расчет. И гипотеза СЕО не подтверждается. Это хорошо видно на картинке.

Аналитика против интуиции: 4 кейса о том, как работает data-driven HR

Статистика увольнений в другие месяцы даже выше. Значит, увольнения не связаны с годовым бонусом. Но «всплески» все-таки есть, особенно смущает значение «8». Есть ли повод для волнений? Простой инструмент аналитики – карта Шухарта, позволяет ответить на этот вопрос. Согласно с ней, все значения, которые не выходят за пределы «красной зоны», – это пределы нормы. Ни одно значение на графике не выше нормы.

Кстати, о визуализации. Без нее HR-у в аналитике не обойтись. Визуализация  в разы повышает шанс продать ту или иную идею бизнесу в лице менеджмента. Потому что если вы расскажете руководителю о прогнозах увольнений на базе некой карты Шухарта – скорее всего, это пройдет мимо. А вот если вы покажете ее – шансов на успех, например, пересмотр программы удержания для некоторых групп сотрудников, намного выше. Повторюсь: аналитический подход относительно новый и непростой, даже самые бизнесовые направления не совсем понимают, что за ним стоит. Нужно искать простые инструменты того, как доносить информацию наглядно.

Возвращаясь к теме увольнения. Уточнять запросы можно до бесконечности. Например, нам нужно узнать: можем ли мы сказать, что женщины увольняются чаще? Анализируем.

Аналитика против интуиции: 4 кейса о том, как работает data-driven HRОтвет: из компании действительно увольняется больше женщин. Но чаще ли? И здесь бесполезно составлять пропорции. Аналитической подход предполагает еще один простой инструмент – Хи-квадрат. И расчет покажет: нельзя сказать, что женщины увольняются чаще. Соответственно, нет срочной необходимости внедрять программы по удержанию женщин. Может оказаться, что мало отследить только пол. Чтобы найти группы риска, можно уточнить возраст, семейное положение, стаж в компании и другие значимые факторы. Это поможет понять, кого именно удерживать в первую очередь.

Аналитика против интуиции: 4 кейса о том, как работает data-driven HR

Так разум или сердце?

Итак, интуиция нужна для:

  • формулирования гипотез;
  • внедрения решений;
  • для продажи идей.

Аналитика же необходима для:

  • поиска драйверов;
  • проверки гипотез;
  • понимания реальной ситуации в бизнесе.

И при чем здесь «Карточный домик»?

И в завершение – вернемся к вопросу про «Альфа-дом» и «Карточный домик».

Команды двух конкурирующих компаний, Amazon и Netflix, примерно в одно и то же время приняли решение создать некий телепроект. Команды этих компаний использовали широкий арсенал инструментов аналитики, чтобы спрогнозировать, что понравится людям, судя по отзывам и ожиданиям потенциальных зрителей. Они задавались самыми разными вопросами, оценивали самые разные параметры. Какой жанр любят зрители, каких актеров и режиссеров? Сколько героев должно быть в истории? И какими они должны быть? Какие события будут приняты на ура? Создатели «Альфа-дома» везде, на всех этапах применяли аналитику, самые разные алгоритмы. И сняли проект согласно с результатами своих исследований.

Создатели «Карточного домика» взяли результаты своих исследований, а затем группа экспертов внесла коррективы. Финальное решение приняли талантливые люди, руководствуясь не только данными, но и опытом, и интуицией.

«Альфа-дом» закрылся после второго сезона. И мало кто о нем слышал.

«Карточный домик» продлен на шестой сезон. О нем знают почти все.

HR – не телевидение, но и в нашей сфере зачастую не срабатывает ни безликая аналитика, ни аморфная интуиция. Срабатывает только их тандем. Аналитика избавляет от иллюзий, но решения принимают и внедряют люди.

Евгений Бондаренко, директор Академии ДТЭК