Словосочетание «большие данные» сейчас употребляется настолько часто, что каждая бизнес-функция чувствует необходимость использовать их для оптимизации собственных процессов и операций. HR-подразделение — не исключение. Но действительно ли это возможно и нужно?

Именно в HR-департаменте расходуется наибольшая доля средств. И хотелось бы верить, здесь создается настоящая ценность. Одна из причин, почему в HR уделяют особое внимание большим данным, состоит в том, что этот департамент всегда испытывает на себе давление: от него требуется быть более аналитическим.

Некоторые эксперты считают, что применение больших данных решит эту задачу. Традиционно считается, что эта функция бизнеса фокусируется на «софтовых» вопросах и недостаточно внимания уделяет HR-инвестициям. Технологии, связанные с большими данными, могли бы изменить ситуацию (или, по крайней мере, восприятие людей).

Большие данные действительно могут радикально изменить положение дел в определенных аспектах бизнеса. В то же время, они не столь важны для других сфер. Функция HR почти никогда не обладает по-настоящему большими данными. Большинство компаний имеют максимум несколько тысяч работников (а не миллионов), и наблюдение за ними происходит преимущественно раз в год. Таким образом, у бизнеса такого размера практически нет оснований для использования в HR специального программного обеспечения и инструментов, связанных с большими данными.

Для большинства HR-департаментов различных компаний наибольший вызов — это вообще использовать данные. В таком случае компании поможет Comindware HR для автоматизации всех процессов. Проблема в том, что информация по найму и оценке эффективности часто сохраняется в различных базах данных. И если мы не можем даже сопоставить данные из двух источников, то нет возможности и найти ответы на некоторые сверхважные вопросы. Например, какими качествами должен обладать кандидат, чтобы в будущем стать эффективным работником.

HR-аналитика

Иными словами, большинство компаний, в том числе крупных, не требует специалистов по управлению крупными данными. Им вполне достаточно иметь менеджера базы данных, который бы сводил имеющуюся информацию. Чаще всего HR-департаменту не нужно и сложное программное обеспечение, достаточно обычных электронных таблиц Excel, которые позволят провести тот анализ, который необходим этому подразделению.

Еще один важный момент в HR-аналитике касается того, что на самом деле важные вопросы в этой сфере исследовались значительно дольше, чем большинство других бизнес-тем. Скажем, критерии хорошего найма изучались со времен Первой мировой войны. Поэтому применение новейших технологий, подобных машинному обучению к анализу HR-данных вряд ли сможет помочь получить какой-то мощный инсайт.

Компания Google прилагала значительные усилия в течение многих лет, чтобы анализировать данные о своих людях. Одна из таких инициатив — Project Oxygen, многолетний исследовательский проект, который был разработан, чтобы попытаться выяснить, что делает работника хорошим менеджером. Вряд ли какая-то другая компания сумела бы запустить столь масштабный проект и профинансировать его. Однако большинство выводов, которые были сделаны в пределах Project Oxygen, повторяли то, что было известно еще десятилетия назад и давно написано в учебниках.

Это вовсе не означает, что не стоит проводить исследования, как стандартные управленческие предположения работают в наших организациях. Но ожидать радикальные инсайты не стоит.

Сама сущность HR-данных накладывает определенные уникальные ограничения на анализ, который можно провести. Например, компании, работающие в Европейском Союзе, знают, что данные работников нельзя легально перемещать через государственную границу. Международные компании не имеют права анализировать данные своих людей в разных странах одновременно. В США анализ данных работников, относящихся к определенным группам, может привести к юридическим и управленческим проблемам (скажем, если станет известно, что женщины получают меньшую зарплату, чем мужчины в том же подразделении). Таким образом, HR-менеджеры должны действовать осторожно, чтобы не передать свои данные другим департаментам, которые не понимают этих ограничений.

Итак, что должно делать HR-подразделение с данными? Каждый раз, когда мы анализируем информацию, это помогает вернуться к основам.

Во-первых, стоит посмотреть на общую картину — графики, отражающие результаты деятельности различных частей организации в течение долгого времени. И спросить себя: откуда работники чаще всего увольняются? Есть ли подразделения, где люди постоянно жалуются?

Во-вторых, стоит просматривать эти данные чаще. Например, можно проводить «импульсные опросы» (короткие, очень быстрые, иногда — даже ежедневно) работников вместо ежегодных больших исследований уровня их удовлетворенности. Организации вроде IBM анализируют данные, которые сами работники генерируют в корпоративных социальных сетях. Это позволяет им определять моральное состояние людей и видеть их проблемы, связанные с работой.

Наконец, HR-подразделениям стоит анализировать связи между данными. Начать можно с вопроса: как ваши критерии найма соотносятся с фактической эффективностью? Это нужно, чтобы использовать такие критерии без негативного воздействия на определенные группы работников.

В конце концов, все начинается с качества данных. Например, если мы не считаем, что результаты оценки эффективности действительно отражают фактическую эффективность, то вряд ли сможем спрогнозировать какой человек станет хорошим работником.