Великі дані та HR

Автор: Пітер Каппеллі (Peter Cappelli)
Джерело: kmbs journal

Словосполучення «великі дані» зараз вживається настільки часто, що кожна бізнес-функція відчуває необхідність використовувати їх для оптимізації власних процесів та операцій. HR-підрозділ — не виключення. Але чи справді це можливо й потрібно?

Саме у HR-департаменті витрачається найбільша частка коштів компанії. І — хотілося б вірити — тут створюється справжня цінність. Одна з причин, чому в HR приділяють особливу увагу великим даним, полягає у тому, що цей департамент завжди відчуває на собі тиск: від нього вимагається бути більш аналітичним.

Деякі експерти вважають, що застосування великих даних вирішить це завдання. Традиційно вважається, що ця функція бізнесу фокусується на «софтових» питаннях і недостатньо уваги приділяє поверненню на HR-інвестиції. Технології, пов’язані з великими даними, могли б змінити ситуацію (чи, принаймні, сприйняття людей).

Великі дані справді можуть радикально змінити стан справ у певних аспектах бізнесу. У той же час, вони не настільки важливі для інших аспектів. Функція HR майже ніколи не володіє по-справжньому великими даними. Більшість компаній мають щонайбільше декілька тисяч працівників (а не мільйонів), і спостереження за ними відбувається переважно раз на рік. Таким чином, у бізнесу такого розміру практично немає підстав для використання в HR спеціального програмного забезпечення та інструментів, пов’язаних з великими даними.

Для більшості HR-департаментів різних компаній найбільший виклик — це взагалі використовувати дані. Проблема в тому, що інформація щодо найму та оцінки ефективності часто зберігається у різних базах даних. І якщо ми не можемо навіть співставити дані з цих двох джерел, то немає можливості й знайти відповіді на деякі надважливі питання. Наприклад, якими якостями має володіти кандидат, щоб у майбутньому стати ефективним працівником.

Іншими словами, більшість компаній — у тому числі великих — не потребує фахівців із управління великими даними. Їм цілком достатньо мати менеджера бази даних, який би зводив наявну інформацію. Найчастіше HR-департаменту не потрібне і складне програмне забезпечення — достатньо звичайних електронних таблиць Excel, що дозволять провести той аналіз, що необхідний цьому підрозділу.

Ще один важливий момент в HR-аналітиці стосується того, що насправді важливі питання у цій сфері досліджувались значно довше, ніж більшість інших бізнес-тем. Скажімо, критерії хорошого найму вивчались з часів Першої світової війни. Тому застосування новітніх технологій на кшталт машинного навчання до аналізу HR-даних навряд чи зможе допомогти отримати якийсь потужний інсайт.

Компанія Google докладала значних зусиль протягом багатьох років, щоб аналізувати дані про своїх людей. Одна з таких ініціатив — Project Oxygen, багаторічний дослідницький проект, який було розроблено, щоб спробувати з’ясувати, що робить працівника хорошим менеджером. Навряд чи якась інша компанія зуміла б запустити настільки масштабний проект і профінансувати його. Проте більшість висновків, що їх було зроблено в межах Project Oxygen, повторювали те, що було відомо ще десятиліття тому й давно написано в підручниках.

Це зовсім не означає, що не варто проводити дослідження, як стандартні управлінські припущення спрацьовують у наших організаціях. Але очікувати на радикальні інсайти не варто.

Сама сутність HR-даних накладає певні унікальні обмеження на аналіз, що його можна провести. Наприклад, компанії, що працюють в Європейському Союзі, знають, що дані працівників не можна легально переміщувати через державний кордон. Міжнародні компанії не мають права аналізувати дані своїх людей у різних країнах одночасно. У США аналіз даних працівників, що відносяться до певних груп, може призвести до юридичних і управлінських проблем (скажімо, якщо стане відомо, що жінки отримують меншу зарплатню, аніж чоловіки у тому ж самому підрозділі). Таким чином, HR-менеджери повинні діяти обережно, щоб не передати свої дані іншим департаментам, які не розуміють цих обмежень.

Отже, що має робити HR-підрозділ з даними? Кожен раз, коли ми аналізуємо інформацію, це допомагає повернутись до основ. По-перше, варто подивитись на загальну картину — графіки, що відображають результати діяльності різних частин організації протягом довгого часу. І запитати себе: звідки працівники найчастіше йдуть? Чи є підрозділи, де люди постійно скаржаться?

По-друге, варто переглядати ці дані частіше. Наприклад, можна проводити «імпульсні опитування» (короткі, дуже швидкі, інколи — навіть щоденні) працівників замість щорічних великих досліджень рівня їхньої задоволеності. Організації на кшталт IBM аналізують дані, які самі працівники генерують у корпоративних соціальних мережах. Це дозволяє їм визначати моральний стан людей та бачити їхні проблеми, пов’язані з роботою.

Нарешті, HR-підрозділу варто аналізувати зв’язки між даними. Почати можна із запитання: як ваші критерії найму співвідносяться з фактичною ефективністю? Це потрібно, у тому числі, щоб використовувати такі критерії, які не матимуть негативного впливу на певні групи працівників.

Зрештою, все починається з якості даних. Наприклад, якщо ми не вважаємо, що результати оцінки ефективності справді відображають фактичну ефективність, то навряд чи зможемо спрогнозувати — яка людина стане хорошим працівником.

За матеріалами "There’s No Such Thing as Big Data in HR", HBR.

Ілюстрація: vectorfusionart / Shutterstock.com

Про автора:

Пітер Каппеллі (Peter Cappelli), професор менеджменту в Уортонській школі бізнесу.