С тех пор как Google впервые выделил понятие People Analytics, прошло не так уж много времени, но этот подход применяется во всем мире, а прогрессивные работодатели полностью признают его значение для бизнеса. Однако правильно ли мы понимаем роль People Analytics? Давайте разбираться.
Значение People Analytics неуклонно возрастает, но как бы то ни было, она обрастает мифами. Предлагаю разобрать пять наиболее распространенных и устойчивых заблуждений. Самое главное я приберег напоследок. Что ж, начнем.
Миф 1. People Analytics — это абсолютно точные прогнозы
Одна из главных задач People Analytics — прогнозировать человеческое поведение. Но прогнозная аналитика никогда не гарантирует 100% точности в этой области исследований. Так, для алгоритма, который просчитывает производительность, 40% — это отличный показатель. Огромное преимущество People Analytics состоит именно в разнице возможностей человека и машины: 40% говорят о том, что алгоритм справляется с расчетами лучше, чем живой специалист. Вместе с тем, точность ваших прогнозов напрямую зависит от входных и выходных данных. Алгоритм не думает, он обрабатывает цифры. От него будет гораздо больше пользы, если у вас есть релевантные входные данные, и вы способны качественно оценить реальные результаты.
Миф 2. Причина порождает следствие
Во всех областях, где используется аналитика, прочно поселилось заблуждение: предметы, лежащие рядом, обязательно связаны между собой.
Вопреки тому, что мы давно убедились, что закон причины и следствия работает далеко не во всех случаях, мы упорно продолжаем искать взаимосвязь между совершенно разными событиями и явлениями.
Знаете крылатую фразу «Post hoc ergo proptor hoc» (После этого — значит, по причине этого)? Это известная логическая ошибка, при которой временная последовательность событий принимается за причинно-следственную связь.
Дело в том, что большинство причинно-следственных связей — это чистая случайность. То же самое происходит с данными о людях. Чаще всего взаимозависимость двух показателей объясняется каким-то третьим фактором. Чтобы утверждать наверняка, что причинно-следственная связь действительно существует, необходимы очень серьезные комплексные исследования в долгосрочном периоде.
Поэтому все наши исследования должны начинаться с эмпирического вопроса: «Что сейчас происходит в компании?».
Миф 3. People Analytics создана в помощь HR
Теоретически это утверждение верно, но лишь отчасти. Цель People Analytics — приносить пользу бизнесу. Это важнейший критерий любого анализа. Если в нем нет особого смысла, то напрашивается вопрос: зачем он вообще нужен? Логичнее направить ресурсы в более ценные проекты.
Помощь People Analytics в работе HR может быть только опосредованной. Поскольку ее основная функция — переводить информацию о влиянии человеческого фактора на бизнес-результаты в конкретные цифровые показатели, она отражает наше умение управлять людьми. Вот в этом плане People Analytics действительно помогает HR, чья задача, опять-таки, способствовать достижению стратегических целей.
People Analytics создана совсем не для того, чтобы оптимизировать HR функцию. Деятельность HR направлена на достижение бизнес-результатов, следовательно и People Analytics прежде всего направлена на достижение бизнес-результатов.
Миф 4. Дашборды — основа People Analytics
Давайте разберемся в понятиях. Прежде всего, речь идет об отчетности. Это означает собирать данные и отражать их на дисплеях. Смысл отчетности — показывать, что происходит здесь и сейчас, а не то, что может случиться. Здесь нас снова преследует миф о причине и следствии, потому что дашборды отражают лишь краткий обзор данных. Это еще не аналитика.
А теперь об аналитике. Она подразумевает моделирование данных и прогнозирование результатов. То есть, позволяет заглянуть в будущее и определить вероятные тренды. Аналитика дает возможность оценить реальные факторы, понять, как они связаны и чем вызваны. На дашборде этого не увидеть.
Чтобы внедрить People Analytics, не нужны дашборды. Это всего лишь информационная панель, чисто техническое устройство — хотя, конечно, поставщики убеждают нас в обратном. Но настоящее понимание может дать только анализ бизнес-факторов,
Миф 5. Заниматься People Analytics невероятно сложно
Согласен, People Analytics — тема непростая. Где-то на уровне программирования или горнолыжного спорта. Впрочем, встать на лыжи гораздо проще. Да и катиться с горы весело, в конце-концов. С People Analytics примерно так же — она интуитивно понятна новичкам.
Просто попробуйте обработать небольшой объем данных и сделать н простой анализ. Приведу простой пример, основанный на привычной HR-практике: обучение сотрудников.
Не так давно мне пришлось иметь дело с компанией, которая никак не могла понять, почему они тратят столько денег на L&D функцию. Под угрозой оказались переговоры по бюджету на обучение, что парализовало бы дальнейшее продвижение молодых талантов внутри компании.
Когда мы сели проверять данные, стало ясно, что они внимательно отслеживали все утвержденные L&D проекты. Тем не менее, затраченная сумма оказалась на 22% меньше общего объема финансирования, выделенного департаменту. Расхождение серьезное.
Через два часа мы сумели 1) выявить все расхождения в бюджете; 2) понять, откуда они взялись; 3) рассчитать L&D бюджет на следующий год, исходя из среднегодового бюджета и показателей роста персонала за предыдущие годы.
В результате компания получила обоснованный годовой бюджет, который соответствовал ее стратегическим целям, и среди них — развитие молодых лидеров.
Надеюсь, что благодаря этому развенчанию мифов, вы составите правильное представление о People Analytics и как она меняет роль HR.
На самом деле People Analytics не изменит HR за один день и в общем-то не очень повлияет на каждого из нас. Тем не менее, медленно, но уверенно она превращает HR в профессиональную отрасль, где лучшие решения принимаются на стыке интуиции и объективных данных.
| Вас может заинтересовать |
 |
|
| |
Эрик ван Вулпен, (Erik van Vulpen)
Ласкаво просимо
Реклама
Реклама