0/5

Времена меняются: как Big Data сделают HR эффективным

Времена меняются: как Big Data сделают HR эффективным
время публикации: 13:30  10 ноября 2015 года
Сколько можно игнорировать очевидное? Эра классических кадровиков подходит к концу. HR-специалисты непростительно долго чувствовали себя рыбами в воде. Пришла пора превращаться в земноводных амфибий.

Самое время перерождать плавники традиционных компетенций в крепкие ножки Big Data.

Плавательные пузыри отношений предстоит трансформировать в цифровые лёгкие для переползания из пересыхающего пруда человеческого общения к бескрайнему океану роботизированных процедур. Перспективы футуристичны? Вспомним эволюцию такси.

Выходя из аэропорта или железнодорожного вокзала, в домобильниковую эпоху, приходилось брести к стоянке: просить несговорчивых таксистов подбросить в город по сходной цене. Бомбилы чувствовали себя королями трасс, и ничто не предвещало преждевременного заката.

В одночасье, грибами после дождя появились приложения, изменившие положение властелинов баранки. Нажатие пальцом кнопки на смартфоне заставляет автопрофессионалов соревноваться в скорости подхвата заказа, быть услужливо-вежливыми для получения благожелательных оценок.

Сушу корпоративного найма безраздельно оболотили зыбкие трясины:

  • от младшего кадровика зависит, попадёт ли резюме кандидата на компетентный стол вовремя
  • клерки со средней зарплатой бездушно борются за снижение будущих доходов профессионалов
  • люди с потухшими глазами и отмершей совестью по-мясницки кромсают фонды оплаты труда, прикрывая формальность бесстыдства порочным лозунгом: «ничего личного – бизнес».

Depositphotos_61634271_m-2015.jpg


Сходство HR-ов с рыбами часто усиливают очки: некоторые слепнут, заполняя бесчисленные формуляры, другие используют оптический прибор дополнительной линией психологической защиты. Трансляция официальной точки зрения сдерживает искренние слова, деформируя улыбку в не сходящий рыбий зевок.

Неизбежно появятся сайты-агрегаторы, многогранно тестирующие соискателей, мобильные приложения, предлагающие релевантную работу с учётом близости к зоне проживания, цифровые помощники равномерной загрузки фрилансеров, предлагающие гибкие варианты отпусков.

Трудовые книжки смигрируют в Сеть, налоги спрямятся безакцептными списаниями, социальные пакеты перехватит телеком, распорядок дня сметёт удалённая работа из дома. Экономика давит на ценности, безжалостно выдавливая посредников, непричастных к формированию прибыли.

Пора стать двоякодышащим и уверовать в Big Data:


За последнюю пятилетку довелось в нескольких странах оцифровывать человеческий капитал, пришло время приоткрыть завесу тайны. 


Главная хитрость – всё, что не подлежит измерению, находится вне зоны контроля, поэтому сбросьте реликтовую чешую досужих домыслов.


Секрет второй – постройте многомерное пространство адекватное задаче и лишь затем приступайте к решению. Применяю группы осей следующих размерностей:
  • город – территория дислокации
  • блок, в котором работает специалист
  • должность – позиция штатного расписания
  • численность людей на позиции
  • текучесть – процент сотрудников покидающих должность по собственному желанию
  • грейд – важность позиции
  • зарплата, включая премии и бонусы
  • возраст
  • стаж, учитывая трудовые контракты и сдельные работы
  • процесс – область задействования
  • этап – преимущественная активность
  • линия – фронт, поддержка, бэк-офис
  • формируемые сотрудником доходы, если есть
  • расходы на содержание, с учётом непрямых
  • навыки, необходимые для позиции
  • компетенции, которыми владеет специалист
  • тип карьеры – массовая, креативная, экспертная, менеджерская
  • руководитель – текущий менеджер
  • иерархия – уровень подчинённости, считая вниз от первого лица.

Наличие данных по осям после «стажа» демонстрирует уровень принятой кодификации, отражающий зрелость информационной системы и продвинутость компании. Сложность представляют аллоцированные доходы и расходы в пересчёте на позиции и конкретных специалистов.

Формирую полный перебор возможных двух и трёхмерных отчётов, например: «Текучесть. Зарплата. Стаж». Первое и третье слова наименования отражают вертикальную и горизонтальную оси, второе – значения. Решаю задачу диапазонного распределения, чтобы количество столбцов и строк было разумным:


1.jpg


Изучаем концентрацию:

46% текучести формируют сотрудники со стажем до 1 года и ЗП до $ 800
78% – до 3-х лет, ЗП до $ 1 600
77% – до 2-х лет, ЗП до $ 3 200
87% – до 6-ми лет, ЗП до $ 1 600
95% – до 7-ми лет, ЗП до $ 3 200

Наиболее стабильны сотрудники в диапазонах зарплат $1 600 – $2 400 и $3 200 – $4 000.
Пик увольнений по собственному желанию приходится на диапазон зарплат $2 400 – $3 200.

Сменим оси на «Численность. Грейд. Возраст»:


2.jpg


Наблюдаемые выводы:

32% численности формируют сотрудники в возрасте до 26 лет, находящиеся на 5-6 грейдах
39% – до 28 лет на 5-6 грейдах
57% – до 30 лет на 5-9 грейдах
70% – до 32 лет на 5-12 грейдах

Грейд слабо коррелирует со средним возрастом сотрудников.
11% численности приходится на молодых сотрудников до 22 лет и 2% на сотрудников старше 40 лет.
Сбалансированы по возрасту грейды с 5 по 8, возрастной диапазон более высоких грейдов сужается.

Следующий отчёт «Иерархия. Город. Должность»:


3.JPG


Делать заключения вы умеете и заметите, что позиция Старший экономист создана для Санкт-Петербурга и равна Экономисту по итоговому Уровню иерархии, а Старший и Ведущий менеджеры практически не отличаются – создают локальные паразитные уровни иерархии.

Полный перебор первых девяти осей даёт 109 результативных отчётов, по которым возможна полутысяча конструктивных выводов. В следующий раз рассмотрим пространство навыков и компетенций для подбора кандидатов на позицию и автоматизацию описания вакансии (Job Description).

Расстанемся на позитивной ноте: не спешите обвинять HR в дилетантстве – в таком случае его непрофессиональным решением можно считать и ваш приём на работу.




Читайте также:




0
Реклама на New Retail. Медиакит