ДЕНЬ 02
Как удержать ценные кадры с помощью аналитики
Сегодня мы поговорим о важности аналитики и инструментах, необходимых для поиска нужных ответов. А также изучим кейс по формированию HR-отчетности.
Как удержать ценные кадры с помощью аналитики
Разбор бизнес-примера
Дмитрий Парамонов
Руководитель проектов департамента HRM, Ростелеком
Основной запрос, который возник у нас в компании – потребность в своевременной аналитике по HR, доступной в любой удобный момент времени. Пользователи хотят смотреть данные во всех срезах: ежедневно, ежемесячно, ежеквартально и в годовом разрезе.

Мы поставили себе две цели.
Обеспечить бизнес актуальными метриками по управлению кадрами
Руководителям разного уровня в широкой сети филиалов по России необходимо поддерживать процессы принятия решений по численности, фонду оплаты труда, текучести, производительности и прочим дополнительным расходам
Снизить нагрузку с команды
из-за большого количества запросов
Например, руководителю филиала нужно посмотреть какой процент сотрудников второй линии техподдержки в Екатеринбурге имеет высшее образование? На каждый такой запрос команде нужно выделить время
Данных по персоналу собирается очень много, но все системы в большинстве случаев выгружают данные в Excel. Сотрудники тратят много времени на то, чтобы собрать отдельные выгрузки в едином месте для проведения комплексного анализа. Аналитики просто не успевают собрать нужные данные к запросу на создание отчета, как уже появляется новый запрос.

Для верхнеуровневого HR важно получить дашборд, который покрывает основные метрики в рамках всей компании. Это важно для понимания того, как ситуация по персоналу развивается в течение нескольких месяцев.
Численность персонала
Прогноз увольнения сотрудников
Аналитика проплаченности
Воронка подбора
Exit-интервью
Адаптация и обучение сотрудников
В 2020 году появилось несколько новых метрик, которые мы и не думали, что нам придется собирать и мониторить. Но все это важно – и для того, чтобы обеспечивать безопасность сотрудников компании и, в том числе, для предоставления отчетов внешним регуляторам и ведомствам.
Заболеваемость
Мониторинг посещений рабочих мест
Обеспеченность и запасы СИЗ
Мониторинг самочувствия
Эффективность на удаленке
Мониторинг перемещений в отпусках
Мы сделали единый дашборд по основным HR-метрикам компании, став единой точкой входа в Ростелекоме по всей кадровой информации
Раньше мы просто собирали презентации для топ-менеджмента. Но потом добавили прогнозные модели, социометрику, отслеживание активности пользователей… И когда мы это сделали, коллегам тоже захотелось отказаться от ручного сбора данных и перейти на единый источник данных.

Сейчас мы помогаем бизнесу не только получать визуализацию важных метрик, но и выполняем интеграцию с различными системами для своевременного получения данных. Если раньше на получение данных уходило несколько недель, то сегодня все происходит моментально. Кроме этого, решен вопрос с качеством данных — все собирается централизованно.
Особенности HR-данных
Среди особенностей работы с данными в HR, я могу выделить острую проблему безопасности данных. Данные по сотрудникам относятся к группе персональных данных, то есть они конфиденциальны. Даже руководители не все данные могут видеть. Конечно, на Excel-файлах сложно поддерживать безопасность таких чувствительных данных на должном уровне.

Вместе с Qlik, мы смогли создать ролевую модель доступов — специальную надстройку, с помощью которой можно легко управлять всеми доступами. Внутри компании все очень подвижно, оргструктура часто меняется. Поэтому, ролевая модель позволяет нам быстро реагировать на все изменения в оргструктуре, сохраняя доступность данных.
ВОПРОС ИЗ ЗАЛА:
Сколько теперь времени проходит от запроса до получения нужных данных?
ОТВЕТ ИЗ ЭЙЧАРА:
Получение данных с нескольких сегментов и их отрисовка в отчете раньше занимала около 3-4 дней. Теперь затрачивается 2 часа на автоматическое обновление данных
ВОПРОС ИЗ ЗАЛА:
А насколько свежие данные видят руководители?
ОТВЕТ ИЗ ЭЙЧАРА:
Каждый руководитель видит нужные ему данные сразу с утра, как только приходит на работу и открывает ноутбук. Данные прогружаются ночью.
Пример 1 → Отследить текучесть и вовлеченность
Одна из главных функций HR — контроль над удержанием кадров. Благодаря анализу данных, мы научились довольно точно предсказывать уход сотрудника по собственному желанию. Модель рассчитывает прогноз на основании нескольких факторов, такие как возраст, рабочий стаж в компании, проведенное время в должности, местоположение, система премирования и многое другое — и она проверена на практике.
Прогноз увольнений. Данные сгенерированы автоматически. 
Наши расчеты показали высокую эффективность. Почти половину из тех, кто думал увольняться, мы смогли удержать. Текучесть кадров снизилась после того, как мы начали активно использовать такой инструмент.
Пример 2 → Отследить процесс найма
Укомплектованность — это данные по штатной численности текущих сотрудников и вакантных местах. Мы смогли посмотреть, как долго наши вакансии остаются не закрытыми. Задавали вопросы: а почему они не публикуются? А как долго наши вакансии не заводятся? А действительно ли они нам нужны? Такой анализ помог нам оптимизировать ФОТ, отсеяв ненужные вакансии.

Более того, мы теперь прозрачнее видим процесс найма. А на какой стадии подбора у нас тормозится процесс? Рекрутер не может найти человека или процесс застрял на этапе согласования? Это позволяет быстро скоммуницировать, сократить время простоя, спрогнозировать время выхода сотрудника.
Укомплектованность штата. Данные сгенерированы автоматически. 
Ценность аналитики и цикл принятия решений
Анализ данных — огромная область знаний, коллекция методов и инструментов, которые преследуют единственную цель: превращение данных в решения, мудрость и выгоду. Работая с данными, мы задаем множество разных вопросов — от простого «что произошло вчера?» до «что мне со всем этим теперь делать?».

Череда вопросов от легких и понятных усложняется с каждым уровнем анализа данных. И чем сложнее вопросы и неоднозначнее ответы, тем больше выгода, которую мы можем получить в конце.
Вид 1. Описательный анализ данных
Это самый базовый, наиболее общий и простой с точки зрения технологий и методов вид анализа данных.

Описательный анализ данных стремится найти ответ на вопрос «Что случилось в прошлом?». Для анализа берутся исторические данные (которые обычно легко можно получить), которые могут относиться как в недавнему периоду во времени (за сегодня, вчера или за эту неделю), так и к более широкому диапазону дат.
Вид 2. Метод статистического вывода
Как и описательный вид анализа, метод статистического вывода пытается ответить на вопрос что случилось в прошлом. Но здесь используются не только имеющиеся у нас исторические данные, но и те данные, которых у нас нет.

Ключевая особенность заключается в том, что мы физически не можем опросить всех (абсолютно всех) пользователей нашего приложения, или всех участников марафона, или всех жителей страны. Но можем посмотреть на статистику небольшой группы людей (нашей «выборки») и потом с определенными допущениями перенести выводы с выборки на всю потенциальную «генеральную совокупность» людей.
Вид 3. Исследовательский анализ
Этот вид анализа выходит за рамки описательного анализа, разыскивая ранее неизвестные или скрытые закономерности в данных. Мы не просто хотим узнать что случилось, но и почему это произошло, какой фактор повлиял сильнее остальных?

Исследовательский анализ пытается найти ответ на вопрос «Что происходит на самом деле?»
Вид 4. Предсказательный анализ
Предсказательный анализ старается ответить на вопрос «Что вероятнее всего случится дальше?»

В этом виде анализа, мы используем исторические данные, чтобы делать прогнозы. Здесь в качестве инструментов для анализа выступает отслеживание трендов, использование линий регрессии, тестирование гипотез и само прогнозирование.
Вид 5. Предписательный анализ
Предписательный анализ пытается дать ответ на вопрос «Что мы должны делать?»

Предписательный вид анализа основан на всех предыдущих четырех видах. Это наименее структурированный и наиболее комплексный анализ. В нем активную роль играют уже не методы статистики и не алгоритмы анализа данных, а опыт и накопленные знания людей.
Цикл принятия решений
До того, как превратиться в мудрость, данные проходят 7 крупных этапов: от непосредственного создания данных и источников, в которых они хранятся, до конечного потребления и принятия решений.

Путь цикличен — начинается с цели и вопросов, которые у вас есть, а заканчивается принятием решений и постановкой новых вопросов.
На каждом этапе важны инструменты, которые помогают переходить на следующий этап. Больше всего информационных систем и инструментов используется на этапах сбора и подготовки данных. Все остальное взаимодействие с данными для превращения их в ценность зависит от навыков и умений человека, который с ними работает.

Всегда полезно помнить, как данные попадают к вам и куда они попадут после вас. Это повысит качество вашей работы.
1
Цель и вопросы
Умения и личные компетенции человека, на основании имеющегося опыта.
2
Сбор и подготовка данных
От Excel и Google Sheets до корпоративных хранилищ данных. На физических серверах в дата-офисе компании до аренды места в облачных хранилищах. В базах данных, платных и бесплатных. Инструменты для очистки и преобразования данных. ETL-инструменты для обработки. Самостоятельные скрипты и алгоритмы.
3
Анализ данных
BI-платформы для проведения визуальной аналитики. Qlik как основа self-service внутри компании и инструмент мгновенной аналитики. Языки программирования.
4
Представление данных
Инструменты визуализации данных и BI-платформы. Онлайн-сервисы для создания диаграмм и графиков. В Qlik большое количество разнообразных графиков и диаграмм, которые могут быть настроены под любой уровень сложности.
5
Потребление и интерпретация
Интерактивные дашборды и приложения в инструментах визуализации, отчеты, презентации, встречи. Порталы для распространения информация. Инфографика.
6
Оценка и принятие решений
Только личные качества.
Ориентироваться в бизнес-процессах компании и ставить новые вопросы помогают KPI — Ключевые показатели эффективности. KPI — это управленческий инструмент, который позволяет контролировать и оценивать работу людей и подразделений.

Благодаря ключевым показателям эффективности мы можем грамотно оценить свою деятельность.

Обычно, это макро-показатель, который отслеживается на постоянной основе в силу своей важности. KPI выступает как верхнеуровневый индикатор состояния бизнеса, процесса или продукта.
Часто отслеживаемые KPI могут быть такими
+ Темпы роста выручки
+ Чистая прибыль
+ Коэффициент оттока (сколько человек перестают пользоваться продуктом или услугой)
+ Средний доход для каждого клиента
+ Срок жизни клиента (CLV / LTV)

В заключение...

Навыки грамотной работы с данными нужны и для того, чтобы понимать, какие данные могут быть полезны вообще и уметь преобразовывать их от простого набора цифр в решение, имеющее ценность.


Максимальную пользу данные приносят в тот момент, когда на их основе принимается какое-то ценное решение — пусть совсем маленькое, но оно будет обоснованным.

Что почитать?
Подборка ссылок и материалов для погружения
Сижу на работе
В Клике навожу красоту.
Луна не спит.