Что такое HR-аналитика на самом деле
Когда говорят про HR-аналитику, многие сразу представляют себе скучные отчеты для начальства: сколько человек наняли, сколько уволилось, сколько денег потратили на обучение. Это, безусловно, тоже аналитика, но самая начальная, описательная. Мы же с вами поговорим о вещах куда более интересных – о предсказательной аналитике.
HR-аналитика в современном понимании – это способность принимать решения о людях на основе данных, а не только на основе ощущений. Мы собираем информацию, ищем в ней закономерности и строим модели, которые помогают нам отвечать на вопросы: где искать сотрудников, которые не уволятся через три месяца, как оценить потенциал кандидата, если у него нет опыта в индустрии, или какие навыки станут критически важными в нашем отделе через год.
Кстати, задумайтесь на минуту о своей работе. Бывало такое, что вы нанимали человека, который выглядел идеально на бумаге, но в итоге ничего не сработало? Или наоборот, брали кандидата с сомнениями, а он вырастал в звезду команды? Вот именно для того, чтобы таких сюрпризов было меньше, мы и учимся разговаривать с данными.
Откуда берутся данные и что с ними делать
Чтобы аналитика заработала, нам нужна информация. Всё, что происходит в отделе персонала, должно превращаться в цифры. Провели собеседование – отлично, давайте зафиксируем не только факт встречи, но и оценку по конкретным компетенциям. Посмотрели резюме – хорошо бы отметить, какие слова и формулировки привлекли внимание. Послушали, как кандидат отвечает на стресс-вопросы – можно попробовать оценить это в баллах.
И вот тут мы сталкиваемся с главной сложностью. Человеческие решения не всегда легко оцифровать. Мы привыкли к мягким оценкам вроде окей, норм или мне понравился. Но для алгоритма такие слова пустой звук. Поэтому первый шаг к внедрению аналитики – это дисциплина. Научиться самим и научить коллег фиксировать результаты своей работы в измеримых величинах. Да, поначалу это кажется искусственным, но именно из этого песка мы потом будем печь куличи предсказаний.
Интуиция под микроскопом
Когда мы начинаем переводить интуицию в алгоритмы, мы неизбежно задаем себе неудобные вопросы. Почему я думаю, что этот кандидат подходит? Может быть, потому что он похож на меня в молодости? Или потому что его прошлый работодатель звучит солидно? Алгоритмы, в отличие от нас, не подвержены таким эмоциональным ловушкам. Они просто считают вероятности.
Давайте представим ситуацию. Вы ищете продажника. По вашему опыту, лучшие продавцы – это общительные и громкие люди. Вы интуитивно отсеиваете тихих и задумчивых. А данные вдруг показывают, что в прошлом году двое самых тихих сотрудников принесли компании больше всего прибыли, просто потому что они умели слушать и вникать в проблемы клиента. Если бы вы положились только на интуицию, вы бы их даже на собеседование не позвали.
Именно такие открытия и лежат в основе перехода от интуитивных решений к алгоритмическим. Это не значит, что интуиция больше не нужна. Это значит, что мы даем ей в союзники вычислительную мощь, которая видит то, что скрыто за горизонтом нашего личного опыта.
Первые шаги к алгоритмам
Внедрение HR-аналитики – это не про то, чтобы уволить всех рекрутеров и поставить на их место роботов. Это про то, чтобы дать рекрутерам инструменты, которые сделают их работу точнее и легче. Представьте, что вы идете по темному лесу. Раньше у вас был только фонарик, который освещал пару метров. А теперь вам дали тепловизор и навигатор. Лес тот же, но вы видите гораздо больше.
Поэтому, когда мы говорим о переходе от интуиции к алгоритмам, мы говорим о расширении возможностей человека. Мы перестаем гадать на кофейной гуще и начинаем видеть четкие паттерны. Например, алгоритм может подсказать, что кандидаты, которые в резюме используют слово устойчивость к стрессу, на самом деле чаще увольняются после первого же конфликта. Или что люди с опытом работы в определенных компаниях адаптируются быстрее остальных.
Не бойтесь математики
Самое сложное для гуманитариев в этой истории – преодолеть страх перед цифрами. Но никто не требует от HR-директора защитить диссертацию по статистике. Достаточно понимать логику: мы собираем данные, ищем в них повторяющиеся связи и используем эти связи для прогноза.