7 мифов об HR-аналитике
В настоящий момент происходит много разговоров об HR-аналитике. Но компаний, которые начали внедрять эту функцию, довольно мало. И многих останавливает непонимание этой области и мифы, которые сложились в ее отношении. Сегодня поговорим о 7 самых распространенных.
- Аналитика бизнеса
- Аналитика бизнес процессов Решения по роли и департаменту HR аналитика
- 7 мифов об HR-аналитике
Оглавление
В настоящий момент происходит много разговоров об HR-аналитике. Но компаний, которые начали внедрять эту функцию, довольно мало. И многих останавливает непонимание этой области и мифы, которые сложились в ее отношении. Сегодня поговорим о 7 самых распространенных.
Миф 1: HR-аналитика требует больших инвестиций
Реальность: В HR-аналитике есть несколько уровней развития и зрелости: описательная (мы анализируем то, что есть), прогнозная (мы прогнозируем, что будет при сохранении трендов), предписательная (мы определяем, что мы хотим иметь в будущем и что нужно изменить в настоящем).
Не каждый из этих уровней требует большого количества инвестиций и внутренних ресурсов.
Кроме того, аналитика обычно используется для достижения четырех результатов, что приносит существенную выгоду компании, перекрывая все вложенные инвестиции:
— повышения эффективности процессов;
— роста доходов;
— сокращения ненужных расходов;
— управления рисками.
Миф 2: HR-аналитика – это big data
Реальность: Сейчас о big data не говорит только ленивый. В HR сообществе HR-аналитика и большие данные зачастую тождественны друг другу. И компании думают, что им необходимо собрать огромное количество информации для проведения качественной HR-аналитики. Конечно, при наличии этих данных и ресурсов для их анализа, компании могут получить от этого довольно интересные и полезные выводы. Но утверждение, что для HR-аналитики наличие больших данных является обязательным условием, не соответствует действительности.
Миф 3: HR-аналитика устраняет человеческие заблуждения и ошибки
Реальность: Некоторые думают, что аналитика и машинное обучение помогут устранить человеческие ошибки и избежать влияния человеческого фактора. Но, к сожалению, это не так. Алгоритмы машинного обучения и различные прогнозные модели построены на обучающей выборке. Эту самую выборку формирует человек. И ошибки, заложенные в выборку, будут распространяться на алгоритмы.
Миф 4: HR-аналитика предполагает сложные алгоритмы и модели
Реальность: В HR-аналитике лучше делать ставку на простые статистические модели при наличии достаточного количества данных для обработки, чем на изощренные формулы и модели. То есть с достаточным количеством данных даже простые модели покажут хороший результат. Что есть достаточное количество данных? Есть несколько методов расчета необходимого количества элементов в выборке. Для начала можно взять за основу такое утверждение, что в выборке должно быть не меньше 30 элементов.
Миф 5: HR-аналитика – это сложный процесс и занимает много времени
Реальность: Перед компаниями, начинающими заниматься HR-аналитикой, всегда встает вопрос: « А что мы хотим анализировать?» В ответ я задаю вопрос: «А какая стратегия компании на этот год?» или «Какую бизнес-проблему Вы хотите решить?». Если стратегия направлена на сокращение расходов, то определите для себя несколько сфер, где компания несет большие затраты, и начните анализировать эффективности этих затрат. Не пытайтесь внедрить HR-аналитику сразу во все HR-направления. Возьмите самые ресурсоёмкие направления или те, на которые направлен фокус в этом году, и начните прорабатывать их. Первые результаты аналитики должны быть видны почти сразу (речь идет о днях, максимум неделях).
Миф 6: Для HR-аналитики нужно покупать дополнительные программы
Реальность: На рынке существует множество продуктов для осуществления статистической обработки и анализа данных. Вот основные из них: SPSS, Statistica, SAS, Stata, язык программирования R и оболочка R Studio, PSPP. Каждый продукт, обладая своими плюсами и минусами, отличается друг от друга стоимостью, сложностью изучения, статистическими и графическими возможностями.
Многие компании думают, что это сложно, что сами они не справятся с этими программами и то лучше пока отложить внедрение HR-аналитики до лучших времен.
Я всегда призываю компании начинать с малого. Чтобы начать применять простые статистические и аналитические модели, необходима программа, которая есть в любой компании – эксель. В него зашито большое количество разных статистических возможностей. Нужно только немного подучиться. Например, на нашем базовом курсе HR-аналитики. За 2 дня Вы узнаете основные методы анализа данных и отработаете их в эксель, без применения сложных дополнительных программ.
По мере наработки уверенности в использовании методов и усложнении этих самых моделей компания может перейти на использование продуктов, перечисленных выше.
Миф 7: Для аналитики в компании нам нужен отдельный отдел, который будет поддерживать все подразделения
Реальность: Недавно одна участница тренинга сказала, что у них в компании появились специалисты по анализу данных (data scientists). Они приходят в разные подразделения, просят предоставить им данные и уходят анализировать. Сейчас они пришли в HR-отдел с просьбой дать им какие-то данные для анализа.
Как Вы думаете, будет ли такая схема работать? Ответ – нет! Аналитики должны быть в центре бизнес-подразделения. Решение многих проблем HR-отдела скрыты в данных. Во-первых, аналитику должен быть предоставлен полный доступ к данным, что с учетом конфиденциальности HR-данных сделать тяжело. Во-вторых, аналитики должны понимать специфику показателей, чтобы построить гипотезы о влиянии одних HR-показателей на другие и на финансовые показатели компании в целом. Альтернативой в этой ситуации может быть наличие сотрудника-переводчика между аналитиками и HR-подразделением для построения гипотез и выбора методов анализа данных. На мой взгляд, это роскошь, которую не все компании могут себе позволить.
Я надеюсь, что эти мифы об HR-аналитике исчезнут из нашей повседневности, и все больше компаний начнут смотреть на данные через призму их анализа и принимать решения не интуитивно, а опираясь на факты.
Как выбрать правильную платформу бизнес-аналитики
Инициатива Business Intelligence должна быть увязана с бизнес-проблемами, необходимо учитывать существующий ИТ-ландшафт с четкими ролями …
Почитать еще
HR-аналитика. С чего начать
Пишут и говорят об HR-аналитике намного больше, чем понимают, чем она является на самом деле
Предиктивная аналитика в HR — модный тренд или жизненная необходимость?
Все осознают, что HR аналитика — важный инструмент, но далеко не все эйчары используют ее
Пирамида уровней HR-аналитика
Отдел персонала должен иметь хорошую “классическую” (описательную, отвечающую на вопрос “Что случилось?)” развитую систему отчетности.
Лучшие 9 инструментов HR аналитики
В этой статье перечислены девять наиболее часто используемых инструментов HR-аналитики. Принятие HR-аналитики – большой шаг для
Аналитика человеческого капитала: почему мы ещё не здесь?
Статья посвящена анализу основных причин, тормозящих широкое применение HR-аналитики в принятии ключевых управленческих решений и
17 метрик рекрутинга, о которых вам нужно знать
Рекрутинговые метрики – это измерения, которые позволяют отслеживать успех найма и оптимизировать процесс найма кандидатов
7 базовых HR-показателей, которые важно отслеживать
Как считать. Если в компании нет электронной HRM-системы, важно вести учет сотрудников в других программах (например, Excel).
HR-аналитика. Измерение экономических показателей
Если в вашей компании пока не налажена система оценки управления персоналом и HR-аналитики, то начать,
Что такое организационный анализ сетей (ONA)
Статья одного из гуру ONA Роба Кросса, очень просто описывающая силу и полезность организационного анализа