////Аналитика человеческого капитала: почему мы ещё не здесь?

Аналитика человеческого капитала: почему мы ещё не здесь?

Статья посвящена анализу основных причин, тормозящих широкое применение HR-аналитики в принятии ключевых управленческих решений и методов, которые могут помочь преодолеть сопротивление.

Оглавление

Статья ведущих ученых в области исследований HR-аналитики Джона Будро (John Boudreau, (Marshall School of Business, University of Southern California, Los Angeles, California, USA) и Вейна Касио (Wayne Cascio, (College of Business, University of Colorado Denver, Golden, Colorado, USA)

Цель

В то время как аналитика человеческого капитала (АЧК) в последнее время вызвала огромный интерес, большинство организаций по-прежнему испытывают трудности с переходом от оперативной отчетности к аналитике. Цель этой статьи -— изучить, почему это так, и что может быть сделано для изменения ситуации.

Дизайн / методология / подход

Обращаясь к модели “ЛАМП” (“LAMP” — logic, analytics, measures, and process), авторы подчеркивают четыре элемента в качестве потенциальных причин, по которым АЧК недостаточно продвигается к своей аудитории, а именно—  логику, аналитику, метрики и процесс.Точно так же они называют пять условий, почему более широкое использование АЧК не “подхватывается” пользователем.

Выводы

Исследования авторов показывают, что эти факторы “продвижения и  “подхватывания” из-за отсутствия большего использования АЧК представляют собой благодатную почву для будущих исследований и последствий для практиков с обеих сторон.

Практические последствия

Эти факторы “продвижения и  “подхватывания” из-за отсутствия большего использования АЧК представляют собой благодатную почву для будущих исследований и последствий для практиков с обеих сторон.

Оригинальность / значение

Эти факторы “продвижения и  “подхватывания” из-за отсутствия большего использования АЧК представляют собой благодатную почву для будущих исследований и последствий для практиков с обеих сторон.

Вопрос от “Дана Минбаева” от 9 января 2017 г.

Несмотря на огромный интерес к аналитике человеческого капитала (АЧК), организации изо всех сил пытаются перейти от оперативной отчетности к аналитике. Недавнее исследование, проведенное Deloitte, показало, что хотя 75% опрошенных компаний считают, что использование АЧК важно для эффективности бизнеса, только 8% считают, что их организационные возможности в этой области являются “сильными” (Bersin et al., 2015). Несколько консалтинговых отчетов и многочисленные блоги LinkedIn сходятся на том, что: несмотря на обширность доступных корпоративных данных, организации медленно развивают свои возможности АЧК. Те, кто сосредоточился на таком развитии, изо всех сил пытались перейти от оперативной отчетности к бенчмаркингу и принятию решений на основе аналитики в форме статистического анализа, разработки “человеческих моделей”, анализа форм, чтобы понять причину и предоставить эффективные решения (Bersin et al. ., 2015). Исследование 255 европейских специалистов в области бизнеса и аналитики подтверждает, что, несмотря на прогресс в области оперативной отчетности и стратегического планирования рабочей силы, большинству организаций еще предстоит полностью развить свои аналитические компетенции (Kassim and Nagy, 2015). Почему компании отбиваются от перехода к аналитике?

Это было загадкой на протяжении последнего десятилетия — почему при очевидной важности человеческого капитала, организации не инвестируют в это и не требуют, чтобы лидеры принимали свои решения в отношении людей, используя аналитику на основе фактов? Текущая версия этой истории имеет некоторые новые ответвления, поскольку взрыв социальных и облачных данных означает, что нечто, похожее на “Интернет вещей”, похоже, возникает, когда речь заходит о человеческом капитале. Под этим мы подразумеваем, что каждый признает, что сейчас намного больше данных и их будет создано ещё больше о людях на работе. Работники теперь подключены через персональные устройства, при этом данные о таких вещах, как местоположение, связь и даже физическая активность и здоровье, становятся потенциально доступными для анализа. Возрастающая взаимосвязь автоматизации и работы людей также означает, что ещё большая часть работы будет наблюдаться с помощью чувствительных устройств (подробнее об этом см. Cascio и Montealegre, 2016).

 

Еще одно новое ответвление заключается в том, что впервые у нас есть поколение лидеров, которые достигли совершеннолетия, признавая, что решения о таланте, занятости и организации имеют значение. Ведущие руководители, такие как Джек Велч (Jack Welch), Джеф Безос(Jeff Bezos) и Говард Шульц (Howard Schultz), регулярно заявляют, что их лидер по персоналу является самым важным членом команды лидеров и что способ, которым их сотрудники относятся к работе, является ключом к тому, как они обслуживают клиентов и, таким образом, к стратегическому успеху их организации. Кроме того, доступность анализа данных, по-видимому, возрастает, так как HR-технологии и информационные системы все чаще создают интегрированные хранилища данных, содержащие все данные HR, и предоставляют продукты, которые производят стандартную аналитику одним нажатием кнопки. Это заставляет ученых мужей, консультантов и HR-лидеров видеть конвергенцию между потенциально более восприимчивой аудиторией, более богатыми источниками данных и более доступной аналитикой.

 

Кроме того, существуют десятилетия исследований, свидетельствующих о том, что такие вещи, как инвестиции в высокопроизводительные рабочие системы и вовлеченность сотрудников, связаны с организационной эффективностью. Казалось бы, теоретические и логические модели для руководства аналитикой человеческого капитала (АЧК) достаточно развиты и доказано, что аналитические модели будут хорошо поняты и широко реализованы. Разумеется, руководители HR могут уверенно обращаться к принятию решений на основе аналитики, демонстрирующие непревзойденную отдачу от инвестиций в человеческий капитал, в таких вещах, как повышение качества найма, расширение навыков и возможностей и связь признания с эффективностью. Действительно, мы часто видим презентации на профессиональных конференциях по HR и организационной психологии, которые демонстрируют именно такую ​​отдачу. Есть также компании, чьи команды и мероприятия по АЧК регулярно представлены в HR-изданиях, на конференциях и в профессиональных группах.

 

Тем не менее, мы все сталкиваемся с повторяющимися историями HR-коллег, часто работающих в компаниях, известных  своими передовыми HR-практиками, которые сообщают о предоставлении своим лидерам таких доказательств, только чтобы поздравить их с тем, что они готовы сделать HR более “аналитическим”, а затем увидеть, что результаты этих презентаций игнорируются.

 

Результаты часто игнорируются в пользу решений руководства, основанных на копировании HR-практик, которыми восхищается генеральный директор или мнения последнего гуру. Хотя примеры компаний убедительны, они часто исходят от очень крупных организаций и, в частности, тех, которые на протяжении многих десятилетий обладают значительным лидерством в области управления персоналом. Эти примеры восхитительны, важны и вдохновляют, но они не могут опровергнуть тот факт, что большинство организаций мало инвестируют в АЧК и только умеренно — в  аналитическую эффективность (Lawler and Boudreau, 2015). Это, скорее всего, будет особенно справедливо в небольших организациях, в которых занято подавляющее большинство сотрудников (Cascio and Boudreau, 2014).

 

Эта дилемма не нова. Она существовала, по крайней мере, с 1950-х годов, с тех самых пор, когда сторонники учета человеческих ресурсов столкнулись с трудностями “включения людей в балансовый отчет” (Brummet et al., 1968); а в 1980-х годах в области психологии ввода-вывода возникла “бесполезность анализа полезности” (Latham and Whyte, 1994); следующая трудность была обозначена в 1990-х годах, когда исследователи сокрушались по поводу таинственного “черного ящика”, в котором объяснялись причины корреляции между высокоэффективными рабочими системами и финансовыми показателями организации (Becker and Huselid, 2006; Jiang et al., 2013; Paauwe, 2009; Purcell et al. ., 2003); И в последнее время — в форме вопросов о том, почему АЧК не является более распространенной и стандартизированной.

 

Мы могли бы подойти к этому с точки зрения необходимых условий для продвижения АЧК и воздействия на организации.

 

Во-первых, рассмотрим факторы “продвижения” или условия, необходимые для того, чтобы подходящая АЧК была доступна. Это, во многом, было предметом ранних исследований, когда предполагалось, что если бы полевые исследования могли собрать данные и аналитику, необходимые для того, чтобы показать “возврат инвестиций” на вложения в человеческий капитал, лидеры будут вынуждены реагировать на них (Cascio, 1981). В предыдущие десятилетия было очень сложно собрать данные или понять логические и эмпирические точки соответствия между инвестициями в программы и практику HR и конечные организационные результаты.

 

Нам нравится использовать модель, которую Пит Рамстад (Pete Ramstad) и Джон (John) представили в работе “За пределами HR” (Beyond HR — Boudreau and Ramstad, 2007) и что Уэйн и Джон использовали в “Инвестиции в людей” (Investing in People — (Cascio and Boudreau, 2011) и попытались улучшить её с тех пор. Она называется “ЛАМП” (“LAMP” — logic, analytics, measures, and process) моделью и включает в себя следующие элементы:

  • Логика (рамки, которые определяют связь между талантом и стратегическим успехом, а также принципы и условия, которые предсказывают индивидуальное и организационное поведение);
  • Аналитика (инструменты и методы для преобразования данных в строгую и релевантную информацию, например, статистический анализ, дизайн исследований и т.д.);
  • Метрики (числа и индексы, рассчитанные на основании системы данных);
  • Процессы (механизмы обмена сообщениями и передачи знаний, посредством которых информация становится принятой и на нее влияют ключевые лица, принимающие решения).

Каждый элемент указывает на потенциальную причину, по которой АЧК недостаточно подготовлена для своей аудитории.

 

Например, в отношении “логики”—  исследования нюансов высокопроизводительных рабочих систем (HPWS — High Performance Working Systems) показывают, что мы еще не решили проблемы “черного ящика”, которые объясняют, почему такие системы работают. Да, мы можем сказать, что возникает некая взаимосвязь, и есть много теорий и размышлений о причине. Тем не менее, по-прежнему существует некоторая неопределенность в отношении того, как такие системы различаются по организационным единицам, даже когда сама организация им привержена. Недавно Боуэн и Острофф (Bowen and Ostroff, 2004) предположили, что такие системы работают через смягчающие эффекты восприятия среди сотрудников.

 

Лидеры, столкнувшиеся с аналитикой, которая предполагает связь между высокоэффективными рабочими системами (HPVS) высокого уровня и производительностью компании, могут опасаться действовать без аналитической информации, которая показывает, как работают логические промежуточные и замещающие переменные. Другими словами, как именно возникает производительность HPWS? Каковы механизмы, объясняющие связи? Уэйн и Джон написали в “Инвестиции в людей” (Cascio and Boudreau, 2011) о важности понимания “отдачи от повышения производительности”, которая определяет взаимосвязь между более высокой производительностью в индивидуальных действиях и коллективными взаимодействиями и их влиянием на единичные и организационные результаты. Не все улучшения производительности в равной степени влияют на эффективность организации, и понимание различий в этих функциях, связанных с оплатой, часто требует очень глубокого понимания элементов работы, которую делают люди и того, как именно эти элементы влияют друг на друга. В рамках аналитики часто не хватает логической глубины для выяснения этих отношений. Например, мы отмечали, что сокращение числа сотрудников может действительно снизить затраты на увольнение, и последующую замену, но полный эффект от увольнений  может быть больше, чем затраты на них. Как Дальтон (Dalton et al. (1982), отмечали несколько десятилетий назад, и Будро и Бергер показали в 1985 году, — что не любая текучка сотрудников является дисфункциональной. Таким образом, лидеры,обладающие аналитическими данными, которые, похоже, следуют логической модели, предполагающей, что сокращение текучки всегда выгодно, могут не учитывать основных нюансов в отношении того, как текучесть кадров влияет на производительность. Будущие исследователи и практики могут захотеть рассмотреть идею из книги Джона “Пересмотр HR-инструментов” (Retooling HR Boudreau’s, 2010), заимствуя логические рамки из хорошо известных дисциплин, таких как финансы, маркетинг и инженерия, и применить эти метафоры к АЧК. Умение задавать стратегически релевантные вопросы и представлять их в логической структуре, которая показывает взаимосвязь между инвестициями в сфере управления персоналом и критическими организационными результатами, жизненно важно, если лидеры, не занимающиеся HR, должны действовать в направлении последующих результатов.

 

Что касается “аналитики”, то традиционная постановка этой проблемы заключалась в отсутствии достаточной тщательности или глубины в моделях анализа. Мы увидели появление многоуровневого анализа, методов пересечения и сложного анализа структурных уравнений для рассмотрения этих нюансов. Организации обращаются к дисциплинам, известным своей глубокой аналитикой. Один банк настойчиво рекрутировал ученых-ракетостроителей в свою группу АЧК, полагая, что сложные модели физики относительно того, сколько переменных и факторов окружающей среды влияют на ракеты, могут иметь параллели в мире человеческого капитала. Лидеры Google и другие часто рекламируемые руководители в этой области также известны тем, что обращаются к дисциплинам за пределами традиционной психологии, HR и организационной психологии для аналитических моделей.

 

Сегодня мы видим частые жалобы ученых мужей, что серьезным препятствием для более эффективной АЧК является отсутствие сложных навыков анализа среди специалистов по персоналу. Анализ данных является компетенцией ученых и, по общему признанию, они пользуются большим спросом во всем мире. Специалисты по персоналу несут ответственность за постановку стратегически важных вопросов, таким образом, чтобы логические связи были ясными, а также для успешного сторителлинга на основании данных. Тем не менее, некоторые HR и организационные лидеры добились больших успехов в простейшей аналитике. Очень распространенная история состоит в том, что лидер по управлению персоналом просто посчитал  корреляцию между вовлеченными сотрудниками и результатами на уровне подразделения, причем люди с более высоким уровнем вовлеченности оказались  значительно выше по своим результатам. В 1980-х годах аналитики Sears формализовали такой анализ, и Бен Шнайдер и другие ученые формализовали эти результаты во многих местах. Что нас поражает, так это то, что эффективность аналитики в принятии решений часто не столько зависит от статистической или методологической сложности, а скорее от того, представлены ли результаты визуально впечатляющим образом.

 

В ранних версиях Руководства по публикации APA (Американской психологической ассоциации) было отмечено, что исследования не завершены до тех пор, пока они не будут переданы другим заинтересованным сторонам. Превращение аналитических идей в конкретные деловые действия начинается с эффективного истолкования данных. Для этого основным требованием является то, что АЧК должна быть направлена на  ключевые стратегические вопросы, которые влияют на способность старших руководителей достигать своих операционных и стратегических целей. В противном случае они, как правило, не заинтересованы. Чтобы быть более убедительными, истории должны включать людей, операционные и финансовые данные, а также качественный анализ. Именно здесь руководители HR, которые обладают глубокими знаниями своего бизнеса, действительно могут блеснуть, потому что ничто не сравнится с корпоративной историей.

 

Что касается “метрик”, то, вероятно, именно здесь наибольшие инвестиции были сделаны на практике. Практически каждая крупная организация инвестировала миллионы долларов за последние 15 лет, чтобы организовать, интегрировать и сделать более доступными данные о человеческом капитале. Хранилища данных на основе облачных вычислений и быстрые вычислительные скорости позволили собрать и получить доступ к данным таким образом, который едва ли мог быть осуществлен всего несколько лет назад. Разумеется, управление данными остается существенным препятствием для более широкого внедрения аналитики HR. Оно включает такие проблемы, как разрозненные системы, которые не могут “разговаривать” друг с другом, интегрировать данные и обеспечивать безошибочные данные. Общей темой среди консультантов и практиков является то, что все больше и больше данных являются ключом к более эффективной аналитике. Тем не менее, слишком распространено также и то, что имеющиеся массивы данных все еще построены и структурированы для ранних моделей АЧК. Они часто отражают данные, которые, в основном, касаются текущего состояния занятости, соблюдения правил и законов, расходов на сотрудников и программ управления персоналом и уровня использования этих программ. В лучшем случае, эти данные представляют собой оперативную или расширенную отчетность, а не стратегическую или прогностическую аналитику, которая включает анализы, сегментирование сотрудников, и которая тесно интегрирована со стратегическим планированием. Хотя эти данные могут быть информативными, они также могут привести к сосредоточению внимания на деятельности функции HR, а не на эффектах решений человеческого капитала и инвестиций в организационные результаты.

 

Наконец, мы считаем, что существует настоятельная необходимость четко различать ценностные предложения, которые описывают метрики. В структуре HC Bridge (Boudreau and Ramstad, 2007) Пит Рамстад и Джон предложили различать “эффективность” (экономное использование ресурсов для реализации программ и практик в области человеческих ресурсов), продуктивность (влияние этих программ и практик на действия и взаимодействия целевых получателей выгод) и “влияние” (влияние действий и взаимодействий на организационные результаты). Например, в случае тренинга, метрики “эффективности” будут показывать такие вещи, как время и стоимость каждого обучаемого; “продуктивность” покажет, узнали что-то новое участники тренинга, а “влияние” будет показывать, повлияло ли содержание или навыки, полученные ими, на изменение поведения и положительную финансовую отдачу в областях, которые имеют решающее значение для успеха организации. Все три являются действительными и полезными, но аналитика может вводить в заблуждение, если метрики в одной категории (например, эффективность) представлены или ошибочно приняты за другой (например, влияние).

Наконец, есть “процесс”, презентация и “продажа” результатов лицам, принимающим решения. С точки зрения “продвижения” это включает такие факторы, как своевременность аналитики, а также степень, в которой она представлена с пониманием восприятия, потребностей и возможностей тех, кто должен её использовать. Достижения в анализе и отчетности в реальном времени, а также наличие мощных персональных устройств говорят о том, что мы можем вступить в эпоху, когда лидеры могут получать  АЧК в режиме реального времени, в той мере, в которой им необходимо включать аналитику в принимаемые решения. Многие отметили, что искусственный интеллект может увеличить эту доступность, ощутив информацию, которую лидер хочет получить в нужное время. Например, если вы знаете, что менеджер имеет ценного сотрудника, которого аналитика определила, как человека, который может уволиться, тогда система может “подбросить” менеджеру аналитические данные, имеющие отношение к сохранению этого ценного сотрудника. Мы также отметили важность “ментальных моделей” лидеров за пределами профессии HR (Boudreau, 2012) и ценность представления “историй” о важности АЧК теми способами, которые легче воспринимаются теми лидерами, которым они предлагаются.

 

Идея “пересмотра HR-инструментов” появляется снова, как способ задействовать существующие “ментальные модели” лидеров с использованием АЧК. Например, большинство лидеров не имеют реального представления о том, как интерпретировать коэффициент текучести сотрудников, поскольку они обычно знают, что более низкая текучка не всегда выгодна, и наоборот, но они не знают, как определить, что лучше в той ситуации, с которой они столкнулись. Мы предположили (Cascio and Boudreau, 2014b), что у таких лидеров уже есть сильные ментальные модели в области операционного управления, где “инвентаризация текучки” хорошо понятна. Те же самые аналогии справедливы и для метафор между сотрудником и взаимодействием с клиентами, а также между портфелем талантов и портфелями финансовых инвестиций. Почему бы не воспользоваться преимуществами существующих сильных ментальных моделей, а не ожидать, что лидеры поймут, что “говорит HR”?

 

Интересно отметить, что эволюция исследований и практики в АЧК часто “теряла баланс”, преследуя идеи относительно одного элемента структуры LAMP, в то время как другая могла быть более важной. Парадокс эпохи “анализа полезности” в 1980-х и 1990-х годах заключался в фиксации “метрик” элементов моделей анализа полезности (в частности, стандартного отклонения производительности в денежном выражении), когда, по сути, наибольшая ценность, возможно, заключалась в “логике” самих моделей, чтобы помочь разъяснить лидерам, как работают такие вещи, как рекрутинг и отбор в комплексе. Многие модели анализа полезности на самом деле очень напоминают логику всеобщего управления качеством или управления цепочками поставок, которые оказались мощными вспомогательными решениями. Однако подобные вещи часто оказываются погребены под лавиной деталей о метриках и аналитике.

 

Есть также набор “толкающих” факторов. Это факторы, поддерживающие АЧК с точки зрения аудитории. В сущности, независимо от того, насколько строго или полностью АЧК подготовлена и “продвигается” для своей аудитории, продвижение и эффективность АЧК по-прежнему зависит от мощностей, возможностей и мотивации пользователей аналитики. Хотя соблазнительно определить аудиторию для АЧК, как  лидеров по персоналу, эффект улучшенных HR-программ и практики в области организационной деятельности должен всегда всегда проходить через решения, действия и взаимодействия лидеров и сотрудников за рамками HR. Можно было бы создать необходимые условия для эффективного “подхватывания”с точки зрения пяти условий для предоставления и использования аналитики:

  1. Пользователи должны получать аналитику вовремя: это относится к своевременности аналитики в контексте других процессов организационных решений, как указано выше.
  2. Пользователи должны следить за аналитикой: это нужно для создания такой аналитики, которая, по мнению пользователей, будет полезна для них, и они смогут использовать ее для собственной эффективности. Таким образом, в качестве результатов АЧК  важно различать соответствие, качество сервиса и поддержку принятия решений. Аналитика для проверки соответствия правилам имеет совершенно другую цель, чем аналитика, для оценки качества HR-сервиса, предоставляемого клиентам, что, в свою очередь, представляет собой совершенно другое ценностное предложение, вытекающее из аналитики, предназначенное для поддержки решений или уменьшения ошибок. Пользователи часто путаются с этими ценностными предложениями. Мы также писали о дилеммах в использовании АЧК для обеспечения стандартов для внешних партнеров, таких как регуляторы, советы директоров или группы инвесторов (Cascio and Boudreau, 2014a). Необходимо тщательно отличать аналитику, описывающую общие практики, от той, которая утверждает, что прогнозирует эффективность работы организации.
  3. Пользователи должны верить аналитике: как только лица, принимающие решения, получают и анализируют АЧК, они должны признать её правдоподобной. Большое внимание в исследовании было уделено методам валидного и корректного прогнозирования на основе аналитики с научной точки зрения, но относительно небольшое исследование показало, что пользователи воспринимают корректность одинаково. Возможно, пользователи просто не верят результатам, потому что результаты могут отражать разные ситуации или их логика слишком незнакома для пользователей. В дополнение к самому прогнозу, пользователи могут быть чувствительны к распределению ошибок в аналитике. Одна из опасностей в предоставлении пользователям аналитики, которая предлагает очень высокие компенсации заключается в том, что они кажутся “слишком хорошими, чтобы быть правдой”. Даже если они верят в прогноз, пользователям может показаться, что результаты настолько ненадежны, что они не заслуживают доверия. В качестве альтернативы — анализ безубыточности может помочь лидерам избежать фиксации на потенциально больших ошибках оценки (см. Cascio and Boudreau, 2011) и относительно небольшое исследование показало эффективность таких подходов.
  4. Пользователи должны полагать, что аналитика предлагает эффекты, которые являются большими и достаточными, чтобы заслуживать внимания или действия: пользователи имеют ограниченные ресурсы и время и стремятся разместить свои ресурсы в областях с наибольшим влиянием или ценностью. Важно сосредоточить аналитику на вещах, которые являются “ключевыми”, что означает, что аналитики могут улучшить решения или исправить ошибки, имеющие большие последствия для пользователя и организации. Это относится к временному горизонту. Многие аспекты человеческого капитала, такие как продвижение культуры исследования, занимают годы, для развития. Нередко инвесторы и аналитики предлагают предположить, что, хотя они верят в результаты АЧК, временнАя задержка в эффектах делает результаты менее релевантными для их решений.
  5. Пользователи должны видеть последствия для своих действий или решений: независимо от того, насколько убедительно это сообщение, аналитики мало влияют на решения и поведение, если у пользователей нет власти, уверенности и понимания их действий. Аналитика, которая фокусируется на совершенствовании HR-департамента часто не очень важна для лидеров за пределами этого отдела. Аналитика, демонстрирующая широкий эффект инвестиций в высокопроизводительные рабочие системы, может показаться неактуальной для руководителей, которые имеют мало власти и сил для продвижения таких программ. Возможно, аналитики еще не продвинулись, потому что они недостаточно адаптированы к конкретным решениям, которые принимают лидеры, и не представляют контекст. Мы отметили выше, как искусственный интеллект может позволить аналитике быть точно и вовремя предоставленной, поскольку лица, принимающие решения, сталкиваются с ключевыми решениями, в которых эта аналитика наиболее актуальна. Кроме того, возможно, что “пересмотр инструментов” аналитики в рамках принятых моделей управления, таких как маркетинг, всеобщее управление качеством, цепочка поставок и инженерия, может позволить пользователям видеть АЧК подобной другим видам аналитики и использовать существующие поведенческие паттерны для продвижения.

 

Эти пять условий, на наш взгляд, необходимы для более широкого использования HR-аналитики в организациях как больших, так и малых. Они также являются благодатной почвой для будущих исследований.

Почитать еще

| Аналитика бизнеса

Пирамида уровней HR-аналитика

Отдел персонала должен иметь хорошую “классическую” (описательную, отвечающую на вопрос “Что случилось?)” развитую систему отчетности.

Несколько видео о наших продуктах

| Аналитика бизнеса
Проиграть видео
Презентация аналитической платформы Tibco Spotfire
| Аналитика бизнеса
Проиграть видео
Отличительные особенности Tibco Spotfire 10X
| Аналитика бизнеса
Проиграть видео
Как аналитика данных помогает менеджерам компании
2021-02-11T10:44:20+02:00