Цифровизация. Практические рекомендации по переводу бизнеса на цифровые технологии - Коллектив авторов
Шрифт:
Интервал:
Закладка:
Что делать, если ваша аналитическая модель выявляет неразумный, а то и вовсе дискриминационный характер политики найма и увольнения в компании? Или показывает, что вы используете негодные критерии отбора или ищете нечто несуществующее?
Кроме того, при временном прекращении работы или увольнении даже одного сотрудника важно представлять себе соответствующие социальные эффекты. Это необходимо, чтобы не допустить лавинообразного распространения нежелательных последствий и/или утечки талантов из вашей сети или компании. При принятии решений об увольнении необходимо особенно тщательно рассматривать кандидатуры работников, пользующихся авторитетом в коллективе, или координаторов общественных связей в организации, чтобы избежать функционального отключения значимых частей сети.
Урок 2. Большие данные и аналитика – это не магия. Как и в отношении любой другой новой технологии, важно с самого начала задать соответствующую планку ожиданий. Аналитические методы могут быть ценными инструментами, но они не являются панацеей и не обеспечивают оптимального характера всех критически важных и сложных кадровых решений в компании. Кроме того, практически сразу после запуска аналитической HR-модели она устаревает, так как экосистема, в которой она реализуется (стратегия компании, документация на сотрудников, макроэкономическая среда и многое другое), постоянно изменяется. Поэтому крайне важно, чтобы HR критически осмысливал, интерпретировал и корректировал результаты, полученные с помощью аналитических моделей, используя свою деловую хватку, опыт, знание проблемы и самой организации. Например, что делать, если ваша аналитическая модель показывает, что ваша политика найма и увольнения отнюдь не разумная, а то и просто дискриминационная? Или что вы используете негодные критерии отбора, ищете нечто несуществующее? Или что недавняя значительная потеря клиентов, скорее всего, стала следствием увольнения конкретного сотрудника?.. Любые неожиданные, хотя и обоснованные аналитические выводы следует оценивать осторожно и вдумчиво. Очевидно, что для этого HR-менеджеры должны владеть информацией и обладать открытым мышлением.
Урок 3. Аналитические HR-модели – это не только статистические показатели, но и глубокое понимание бизнеса. Типичными ошибками новичков при развертывании аналитических моделей в любом бизнес-контексте является слепая одержимость статистическими показателями (аппроксимацией, коэффициентами корреляции, коэффициентом детерминации R-квадрат и т. п.) и ориентация на чрезмерно сложные модели. Статистические показатели важны, но от аналитических HR-моделей требуется большее. Два других важных критерия эффективности – это интерпретируемость модели и ее адекватность.
Интерпретируемость означает, что любое кадровое решение, основанное на аналитических выводах, должно быть надлежащим образом мотивировано, а необходимость тех или иных действий можно простым языком объяснить всем заинтересованным сторонам. Это стремление к простоте препятствует использованию чрезмерно сложных аналитических моделей, которые в большей степени ориентированы на статистические показатели, нежели на корректную бизнес-аналитику.
Еще один ключевой критерий эффективности модели – соблюдение правовых норм и иных действующих нормативов, конфиденциальности и этических аспектов. Это особенно важно в отношении HR-приложений. Аналитические модели всегда следует интерпретировать с осторожностью, а при выборе данных для построения аналитических HR-моделей следует учитывать требования в отношении гендерного равенства и разнообразия.
Урок 4. Ретроспективное тестирование эффективности аналитических кадровых моделей. В области анализа потребительского поведения средний срок службы модели составляет два-три года. У нас нет оснований полагать, что в HR-аналитике дела обстоят иначе. Однако с учетом влияния кадровых решений на отдельных лиц и организацию в целом важно, чтобы аналитические алгоритмы управления персоналом постоянно подвергались проверке путем сопоставления прогнозов с реальностью. В таком случае любое ухудшение показателей можно будет сразу заметить и принять соответствующие меры. Например, если речь идет о найме, необходимо постоянно оценивать эффективность каналов найма «до» (какие каналы найма обеспечивают нам кандидатов с нужными характеристиками?) и «после» приема на работу (по каким каналам мы наняли самых лучших сотрудников?).
Настало время увеличивать инвестиции в HR-аналитику. А когда ваши усилия в этом направлении увенчаются успехом, мы будем ожидать от организаций следующего стратегически важного шага. Мы полагаем, что таким шагом станет объединение результатов HR-аналитики с данными анализа потребительского поведения. Это позволит компаниям глубже понять взаимосвязи между двумя ключевыми категориями человеческих ресурсов: сотрудниками и клиентами.
8
Почему вашей компании нужны интерпретаторы данных
Крис Брэди, Майк Форд и Саймон Чедвик
В последние два года мы активно сотрудничали с руководителями из сферы профессионального спорта, которая известна своей эффективной аналитикой. Одной из новых тем нашей работы является сохраняющийся культурный разрыв между людьми, принимающими решения на местах, и выполняющими для них расчеты аналитиками.
Наша работа включает в себя серию научных семинаров для обсуждения трансатлантических и межсекторальных вопросов управления эффективностью в профессиональном спорте. Ключевой проблемой, выявленной в ходе этих встреч, оказалось наличие разрыва в практике управления эффективностью между специалистами по анализу больших данных и руководителями, принимающими решения (то есть теми, кому эти специалисты помогают). Многие ответственные лица (генеральные директора, главные тренеры, председатели правлений, операционные директора и др.) нередко пренебрежительно относятся как к самим данным, так и к тем, кто предоставляет их. И причиной такого отношения чаще всего являются невежество или страх. Исследовательская группа считает, что преодоление этого культурного разрыва может обеспечить значительные конкурентные преимущества любой организации для повышения эффективности работы.
Конечно, эта проблема касается не только профессионального спорта. В какой бы отрасли ни работала ваша компания, ее специалисты-аналитики и руководители, скорее всего, тоже далеко не всегда понимают друг друга. Как отметили Жанна Харрис и Виджай Меротра в статье в MIT Sloan Management Review в 2014 г., корни этой проблемы кроются в области коммуникации, общения. Они пишут: «Обычно жалуются на то, что специалисты по обработке и анализу данных держатся отстраненно и как будто не интересуются профессиональной жизнью и проблемами технически менее подкованных сотрудников. Они не считают необходимым объяснять или даже обсуждать последствия реализации предлагаемых ими идей, поэтому им сложно эффективно сотрудничать с коллегами, деятельность которых протекает за пределами технической сферы».
Что же с этим делать? Опыт нашей работы с успешными спортивными руководителями подтверждает, что значительный разрыв между специалистами-аналитиками и лицами, принимающими решения, действительно существует. Мы называем его «интерпретационным разрывом». Мы считаем, что для его преодоления нужны специальные люди, которых мы называем интерпретаторами данных. Кто-то утверждает, что это могут сделать сами аналитики, но мы думаем, что во многих случаях для этого лучше всего использовать специалистов-отраслевиков.
Сегодня многие компании пытаются преодолеть этот разрыв, обучая специалистов-аналитиков (часто недавно окончивших колледж) тому бизнесу, которым занимается организация. Но в некоторых случаях более эффективен другой подход. Экспертам, обладающим глубокими представлениями о бизнесе и необходимыми навыками межличностного общения, легче приобрести необходимые знания в области анализа данных и
