Читать онлайн HR-аналитика. Путеводитель по анализу персонала бесплатно

Что такое HR-аналитика

HR-аналитика – сравнительно молодая область знаний управления персоналом, но при этом одна из самых перспективных и динамично развивающихся. Согласно данным исследования компании Deloitte «Глобальные тренды в области управления персоналом»[1] за 2021 год, только 3 % из более чем 6300 опрошенных руководителей указали, что обладают достаточной информацией для принятия решений в области персонала и хотели бы иметь больше информации и аналитических данных о своих сотрудниках. А 84 % опрошенных руководителей считают HR-аналитику одной из наиболее важных областей для развития в сфере управления персоналом.

Такая заинтересованность бизнеса вполне понятна, ведь HR-аналитика позволяет реализовать давнюю мечту менеджмента любой компании: упорядочить, систематизировать и спрогнозировать работу самой неупорядоченной, бессистемной и непредсказуемой части любого бизнеса – собственных сотрудников.

Если же говорить серьезно, то причины подобного интереса следующие: растущее внимание к вопросам управления эффективностью персонала; ужесточившаяся борьба за таланты (да и не за таланты тоже, особенно в последнее время) и, как следствие, – необходимость создания условий для их сохранения в компании; ну и наконец – высокая степень неопределенности мира, которая вынуждает компании с большим вниманием относиться к вопросу прогнозирования собственного развития. Ответ на эти вызовы лежит в плоскости выстраивания грамотной стратегии управления персоналом, которое невозможно без знания и понимания как самих сотрудников, так и HR-среды, где существует компания. Формированием такого знания как раз и занимаются аналитики.

Основная задача HR-аналитика – создание базы для принятия взвешенных управленческих решений.

В этом смысле его роль наиболее близка к «бизнесу», ведь именно от аналитика ожидаются взвешенный анализ и суждение, которые помогут компании устойчиво развиваться и расти.

Как уже говорилось, HR-аналитика как дисциплина находится на стыке разных областей знания. С одной стороны, это функция управления персоналом, прикладная область для принятия решений и источник информации о персонале в компании. С другой – практическая работа с данными, их анализ и выявление закономерностей: именно из этой области в нее пришли современные инструменты и методы работы.

Термин «HR-аналитика» используется сравнительно недавно, однако зародилась эта дисциплина в начале XX века. В 1911 году вышла в свет книга «Принципы научного менеджмента»[2] Фредерика Тейлора, в которой он описал принципы организации работы компании, обеспечивающие максимальную производительность труда и эффективность работы – в том числе благодаря управлению персоналом (на тот момент эта идея была довольно революционной).

Принципы организации труда Тейлора помогали (пишу об этом в прошедшем времени, так как сама концепция уже устарела и в чистом виде почти не используется) разбить рабочий процесс на небольшие задачи и сфокусироваться на том, чтобы каждый сотрудник как можно лучше выполнял свою небольшую часть работы, что в целом приводило бы к общему результату. Ничего не напоминает? По сути, это принцип фордовского конвейера в переложении на человеческий капитал. Это и неудивительно, так как книга стала отражением индустриальных процессов, происходивших в Северной Америке и Европе в то время.

Следующей вехой в развитии HR-аналитики можно назвать 40–50-е годы XX века. Тогда получили развитие идеи бихевиоризма[3] и социальной психологии. Если подход Тейлора рассматривал человека как инструмент для достижения производственного результата и оценивал его через призму производственной эффективности, то бихевиористы и социальные психологи исследовали мотивацию человека и его поведение внутри социума.

В некотором смысле именно бихевиористы начали формировать подход к управлению персоналом на основе личности, сформулировав идею, что поведение индивида можно предсказать, а следовательно, и управлять им, если верно определить мотивацию человека, его стимулы. Так появились первые теории мотивации. Например: мотивация – способность придерживаться определенной стратегии поведения, которая определяется ожидаемой наградой: стимулом или продуцированием изменений в окружающей действительности, побуждающих индивидуума к определенной деятельности. Отсюда берут свое начало исследования взаимосвязи вовлеченности, удовлетворенности персонала и его эффективности, а также такое направление в оценке, как психометрическое тестирование.

К 80–90-м годам XX века функция управления персоналом приобретает современные черты. В ней начинают выделять отдельные направления со своими областями знаний, инструментами, целями и задачами: подбор и адаптация, организационное проектирование и развитие, управление эффективностью персонала, управление вознаграждением и мотивацией сотрудников и прочие. Это усложнение привело к необходимости замерять эффективность и оценивать результаты работы уже самой HR-функции. Одним из важных текстов на данную тему стала книга «Система показателей HR: связывая людей, стратегию и производительность»[4], написанная в соавторстве Брайаном Беккером, Марком Хьюзлидом и Дейвом Ульрихом (да-да, тем самым Дейвом Ульрихом), где была представлена система измерения, описывающая степень влияния функции управления персоналом на эффективность бизнеса. В этот период появляются метрики по управлению персоналом – числовые измерители HR-среды компании, начинает формироваться система взаимосвязи различных показателей с бизнес-результатами, а менеджмент всерьез задумывается о ключевой роли персонала в успехе бизнеса.

Очередной скачок в развитии HR-аналитики произошел с появлением «больших данных». Концепция использования больших массивов информации о внутренней и внешней среде бизнеса произвела революцию во всех аспектах человеческой жизни и прочно вошла в сферу управления персоналом. Именно к этому периоду можно отнести и появление выделенной функции HR-анализа, или, как он часто называется в западных источниках, – «аналитики персонала» (people analytics). Если до этого момента задачи, лежащие в области HR-анализа, довольно часто передавались функции компенсаций и льгот или управления эффективностью, то теперь начали появляться обособленные подразделения, основная цель которых – анализ внешней и внутренней HR-среды компании и поиск оптимальных стратегий развития и управления этой самой средой.

Виды HR-анализа

На протяжении своей истории HR-аналитика развивалась поступательно – от фиксации текущих результатов к их прогнозированию и управлению изменениями в бизнесе. Этот эволюционный процесс привел к разделению такого явления, как анализ персонала компании, на разные виды. Отчасти данное разделение носит искусственный характер, но вместе с тем довольно точно описывает путь аналитики персонала в компании. Сегодня выделяют четыре вида такого анализа (так называемая модель Джоша Берсина[5]):

• аналитика дескриптивного характера, или описательная аналитика;

• диагностическая аналитика, или аналитика причин;

• аналитика предиктивного характера, или прогнозная аналитика;

• аналитика прескриптивного характера, или аналитика оптимизации текущих процессов и явлений.

Задача дескриптивной аналитики – описание состояний и процессов HR-среды компании за определенный период или на какую-то дату. Дескриптивная аналитика в первую очередь использует ретроспективные данные и основывается на описании того, что уже произошло или происходит в настоящий момент: классический пример – HR-метрики и показатели.

Основное преимущество дескриптивной аналитики – в ее простоте. Нетрудно догадаться, что компании, внедряющие у себя функцию работы с данными персонала, чаще всего начинают именно с описательной аналитики и фиксации текущих процессов и явлений на базе метрик, о которых мы поговорим чуть позже. Кроме того, к другим несомненным преимуществам дескриптивной аналитики можно отнести ее доступность. Этот вид анализа наименее требователен к багажу знаний пользователей и умению владеть конкретными инструментами. Интерпретация результатов также не составляет особенного труда. Существует определенная динамика показателей, позволяющая с достаточно высокой долей уверенности говорить о том, как та или иная ситуация развивается в компании. Основным недостатком этой системы можно назвать ее реактивность, так как расчет метрик дает пользователю лишь фактическое понимание ситуации – без анализа показателей и прогнозирования динамики процессов.

Строго говоря, дескриптивная аналитика не является аналитикой в классическом понимании этого слова, поскольку не предполагает непосредственного анализа ситуации или процесса, а лишь констатирует наличие неких результатов.

Диагностическая аналитика – частный случай дескриптивной аналитики. Ее задача – определить основные причины, скрывающиеся за теми или иными данными. Диагностическая аналитика хотя и опирается на ту же информацию, что и дескриптивная, однако имеет одно важное отличие – она раскрывает причины, приведшие к текущему состоянию HR-среды, и вот здесь-то и начинается собственно аналитика. Диагностическая аналитика выявляет закономерности, отклонения и причинно-следственные связи, а также рассматривает внутренние и внешние факторы, которые могут на них влиять. Всё это помогает специалисту увидеть общую картину и сосредоточиться на тех аспектах, на которые необходимо повлиять для изменения ситуации в будущем.

Диагностическая аналитика дает возможность интерпретировать данные и принимать на этой основе взвешенные бизнес-решения, – в этом ее основное преимущество. Однако, подобно дескриптивной аналитике, она имеет и серьезный недостаток – акцент на прошлые и текущие результаты.

Примером диагностической аналитики может быть исследование причин роста оттока или повышения уровня абсентеизма в компании.

Прескриптивная аналитика, напротив, стремится не столько описывать и объяснять прошлое, сколько предлагать оптимальные решения и рекомендации на основе имеющихся данных. Она располагает математическими моделями и статистическими алгоритмами, позволяющими определять действия, необходимые для изменения того или иного состояния или процесса. Прескриптивная аналитика отвечает на вопросы «Что должно быть сделано?» и «Какие действия следует предпринять, чтобы изменить ситуацию?». Это крайне интересное направление, которое зачастую пересекается с анализом бизнес-процессов компании и поиском оптимальных решений.

Примерами прескриптивной аналитики в HR могут быть оптимизация процесса найма, определение наилучших стратегий обучения в компании и т. д. Результаты прескриптивного анализа: конкретные рекомендации, решения, планы действий и бизнес-процессы, – словом, всё, что позволит ответить на вопрос «Как сделать лучше?».

И наконец, предиктивная аналитика – это прогнозирование и создание моделей развития событий. Опираясь на статистические модели, алгоритмы машинного обучения и другие методы анализа данных, она отвечает на вопрос «Как будут развиваться те или иные события?». Соответственно, ее главная цель – их моделирование, помогающее принимать оптимальные бизнес-решения. Это, пожалуй, самый сложный вид HR-анализа, требующий специальных знаний, умения пользоваться соответствующим инструментарием и владения черной магией. Его преимущество очевидно: компания получает возможность прогнозировать изменение своей HR-среды и проактивно корректировать действия в зависимости от необходимого результата. Недостатком предиктивной аналитики (если это вообще можно назвать недостатком) является ее относительная сложность и необходимость наличия специальных знаний. Без сомнения, это самый «требовательный», сложный, но вместе с тем интересный вид анализа, обладающий крайне высокой степенью ценности для бизнеса.

Для того чтобы уложить все эти виды анализа в голове, рассмотрим последовательность их применения на конкретном примере.

Допустим, организация рассчитала уровень текучести персонала за каждый месяц прошедшего года и представила результаты в виде графика текучести по месяцам. Это будет дескриптивная аналитика. Здесь нам не важно, как и почему изменялась текучесть, – мы просто фиксируем результат и не пытаемся осмыслить его или предсказать.

Переходя на уровень диагностической аналитики, исследователь пытается понять, почему компания пришла к такому уровню текучести, что послужило для этого причиной. Он ищет связи, устанавливает зависимость показателей друг от друга и их влияние на текучесть персонала – и в итоге получает объяснение, как компания до такого дошла.

На уровне прескриптивной аналитики исследователь задается вопросом «Что можно сделать для того, чтобы показатель текучести снизился в будущем?» и с помощью инструментов прескриптивного анализа пытается найти наиболее оптимальные решения этой задачи.

Наконец, на уровне предиктивной аналитики целью становится прогнозирование того, как будет выглядеть текучесть персонала в следующем году, исходя из нынешней ситуации, и какие действия (их варианты, которые мы получили на этапе прескриптивного анализа) необходимо для этого предпринять. Это повышает управляемость процесса и создает основу для принятия необходимых бизнес-решений.

Итоговый процесс выглядит следующим образом:

• фиксация факта;

• определение причин;

• поиск способов оптимизации;

• моделирование изменений.

Только комплексное использование всех четырех видов анализа способно обеспечить качественный результат; однако нельзя сказать, что они не применяются и по отдельности.

К сожалению, в настоящий момент дескриптивный и диагностический виды аналитики превалируют над остальными. Для большинства компаний HR-аналитика обычно заканчивается именно на описательной части, а в лучшем случае – на попытке базового анализа ситуации. Этот феномен в 2008 году описал Джон В. Будро[6], предложивший концепцию, которая позже получила название «Стена Будро». Суть ее в том, что большинство компаний не могут преодолеть невидимый барьер между фиксацией и описанием фактов и их прогнозированием (см. рис. 1.1).

По левую сторону от воображаемой «стены» располагается то, что большинство специалистов привыкло понимать под «HR-аналитикой»: метрики, бенчмарки, исследования и, конечно, «его величество» отчет с дашбордами. Это всё то, что мы можем подсчитать и измерить, отвечая на вопрос бизнеса «Как сейчас у нас?».

Рисунок 1.1. Стена Будро

Справа от «стены» – всё то, чем на самом деле занимается или должна заниматься HR-аналитика в первую очередь: анализ, поиск причин и взаимосвязей, оценка вероятности наступления тех или иных событий, прогнозирование и проактивный поиск решений. А вот переход от описательной части к прогностической – это зачастую непреодолимый «барьер», который отделяет работу по расчету HR-метрик и подготовке дашбордов от анализа, необходимого для принятия управленческих решений.

Роль HR-аналитики в бизнесе

Задачи HR-аналитики

Как и со всяким новым, не до конца устоявшимся направлением, с задачами HR-аналитика от компании к компании происходят удивительные метаморфозы (если не сказать больше). На панели «people analytics» конференции HR Technology Conference[7] был проведен любопытный эксперимент: участникам мероприятия предложили отметить самые типичные задачи, которые им приходится решать каждый день, и, по сути, в нескольких задачах описать свою трудовую функцию.

После того как полученные ответы были обработаны и сгруппированы, организаторы получили следующие результаты (см. рис. 1.2).

• Задачи по расчету HR-метрик и подготовке дашбордов и отчетов (54 % и 61 % соответственно) закономерно оказались двумя самыми большими категориями.

• Задачами по автоматизации HR-процессов занимаются 48 %.

• Проведением различного рода исследований и анализа – 34 %.

• Задачи по менеджменту систем управления персоналом (HR Management System – HRMS) получили результат в 15 %.

• Методологическая поддержка бизнеса в области аналитики составила 4 %.

Рисунок 1.2. Результаты опроса участников конференции HR Technology Conference

Но самой интересной оказалась категория «Прочие задачи», среди которых, например, были: «расчет зарплаты», «управление проектами» и мое самое любимое – «занимаюсь чем скажут». И хотя в HR-аналитике как профессии постепенно начинают вырабатываться некие стандарты, разброс выполняемых задач огромен, а область применения функции работы с данными персонала всё еще остается довольно обширной, если не сказать неопределенной.

Если попытаться обрисовать типичные задачи, с которыми HR-аналитик сталкивается в бизнесе, то можно выделить четыре крупных направления.

1. Информационное сопровождение бизнеса и менеджмента компании: подготовка отчетов и дашбордов.

2. Анализ внешней и внутренней HR-среды компании.

3. Автоматизация работы функции управления персоналом или выполнение проектных задач в области автоматизации.

4. Моделирование и прогнозирование развития HR-процессов в компании.

Наиболее типичными здесь будут задачи по информационному сопровождению бизнеса и менеджмента компании, то есть сбор и обработка данных, расчет метрик и подготовка отчетности для бизнеса. Как видно из описания, вся аналитика здесь чаще всего заканчивается на дескриптивном этапе. В этом случае специалисты занимаются разработкой метрик, их расчетом, анализом и сравнением с внутренними или внешними бенчмарками. На этой основе готовятся отчеты и дашборды.

Задачи по анализу внешней и внутренней HR-среды компании – это чаще всего разовые запросы (так называемые ad-hoc запросы) на проведение качественных и количественных исследований, необходимых для подтверждения гипотез и разработки HR-стратегии и бизнес-решений. Пожалуй, самыми типичными из них являются исследования рынков труда, заработной платы, конкурентов и прочего.

Довольно часто встречаются и задачи по автоматизации работы HR-функции. В данном случае под «автоматизацией» понимается процесс разработки, тестирования и внедрения ИТ-решений, помогающих уйти от ручной работы с HR-процессами. Такие проекты позволяют ускорять и упрощать бизнес-процессы, повышать качество и скорость принимаемых решений, снижать риски, уменьшать затратную часть и многое другое. В результате компаниям удается значительно сократить расходы на управление персоналом и повысить эффективность работы функции HR.

Решая задачу автоматизации, HR-аналитик становится участником проектной команды, на которого возлагаются задачи либо по подготовке и тестированию гипотез, либо по внедрению новых технологических решений (собственно автоматизации) и управлению изменениями в компании. Эта роль часто бывает близка к роли менеджера проекта и требует не только знания своей предметной области, но и базового понимания проектной деятельности. Часто HR-аналитикам поручают внедрение новых ИТ-решений вроде ATS, RMS или HRMS, контроль эффективности внедренных решений и их тиражирование.

И наконец, реже всего встречаются задачи по моделированию и прогнозированию развития бизнес-процессов в области работы с персоналом компании. Эти задачи, как правило, предполагают использование инструментария предиктивной и прескриптивной аналитик. Построение надежных моделей и прогнозов обеспечивает бизнесу устойчивую основу для развития. Таким образом, создается прямая связь между управлением персоналом и экономической эффективностью компании. Это творческая и увлекательная работа, которая вместе с тем сегодня встречается не так часто и носит, скорее, эпизодический характер.

Области применения HR-аналитики

Сферы применения HR-аналитики также достаточно разнообразны и затрагивают все функции управления персоналом.

В области подбора персонала аналитик помогает организации определить наиболее эффективные источники привлечения кандидатов, проанализировать прошлые успешные наймы и идентифицировать наиболее подходящих соискателей при помощи создания скоринговых моделей и профиля успешного кандидата. Это позволяет существенно ускорить прохождение соискателями первых этапов отбора и даже полностью автоматизировать данный процесс. Так, к слову, работают скоринговые модели, осуществляющие первичную оценку по видеоинтервью.

HR-аналитика позволяет вырабатывать оптимальные критерии для оценки кандидатов и прогнозировать их успех в компании. Она помогает определять будущие потребности в персонале и способствует разработке оптимальных стратегий заполнения вакансий. Еще одна важная задача HR-аналитики в области подбора персонала – оценка эффективности используемых инструментов в модели «эффективность/стоимость», что ведет к оптимизации расходов на подбор.

В области управления эффективностью и производительностью HR-аналитика позволяет определить ключевые факторы, влияющие на результативность, и установить их взаимосвязь с производительностью. Кроме того, она помогает прогнозировать такие результаты работы, как, например, расчет выработки, нормы производительности труда или процент выполнения производственного плана исходя из прогнозируемой численности персонала; позволяет рассчитать уровень абсентеизма и его возможный диапазон для внесения корректировок в производственный план.

В области компенсаций и льгот HR-аналитика дает возможность оценить справедливость и конкурентоспособность системы вознаграждений в компании; помогает исследовать рыночные тенденции, анализировать различия в заработной плате между семействами должностей и выявлять возможные проблемы в системе вознаграждений (чаще всего речь идет о дисбалансе между постоянной и переменной частями заработной платы); позволяет корректно соотносить доходную и расходную части бюджета и определять лимиты на фонд оплаты труда (ФОТ) и резервы.

В области обучения и развития HR-аналитика дает возможность оценить текущий уровень обученности команды и выяснить, как изменяется ее эффективность после обучающих мероприятий. Она помогает подобрать каждому сотруднику индивидуальные программы развития – например, исходя из результатов оценки его работы или выбранной карьерной траектории, – создавая, таким образом, уникальную образовательную программу сотрудника. Еще одной, крайне важной задачей HR-аналитики в области развития персонала является расчет возвратности или окупаемости инвестиций на его обучение. И здесь, конечно, речь идет не столько о расчете самого ROI (более подробно мы поговорим об этом в главе 3, раздел «HR-метрики»), сколько о связи обучения с производительностью, а это сама по себе большая аналитическая работа.

В области организационно-штатного проектирования HR-аналитика помогает определить оптимальное для обеспечения бесперебойной и эффективной работы компании количество сотрудников; позволяет рассчитать метрики, отражающие состав и численность персонала (как эффективную, так и штатную) и обеспечивает подготовку всей информации, необходимой для принятия решений об изменении организационной структуры бизнеса и штатного расписания.

В области исследования персонала HR-аналитика позволяет оценивать уровни вовлеченности или удовлетворенности сотрудников и выявлять факторы, определяющие эти показатели. Она дает возможность описать профиль сотрудника и, опираясь на него, сформулировать ценностное предложение компании-работодателя (EVP), а также решать многие другие задачи.

Жизненный цикл сотрудника и HR-аналитика

Если же попытаться рассмотреть HR-аналитику не с точки зрения функциональных областей, а с точки зрения жизненного цикла сотрудника, то и здесь она будет играть важную роль.

Жизненный цикл сотрудника – это в буквальном смысле этапы, которые проходят все сотрудники, взаимодействуя с работодателем: от первого знакомства с брендом до момента «выхода» из компании.

Привлечение. На этом этапе компания стремится привлечь наиболее подходящих кандидатов на имеющиеся вакантные должности. Данный процесс тесно связан с развитием бренда-работодателя, и задачей аналитика в этом случае может быть анализ источников кандидатов и формирование портрета предпочтительного кандидата на базе истории успешных наймов и профилей сотрудников компании. Не стоит также забывать и о задачах на расчет метрик эффективности тех или иных источников подбора, конверсии, NPS-кандидата (об этом поговорим чуть позже) и, конечно, метрик, связанных с эффективностью работы самих специалистов по подбору персонала. На уровне прогностической аналитики основной задачей здесь может быть определение оптимальной стратегии поиска исходя из количества необходимого персонала, конверсии воронки и имеющихся бизнес-задач, а также составление прогнозов относительно скорости закрытия роли и формулирование предложений по оптимальному распределению вакансий между рекрутерами.

Адаптация. На этапе адаптации новый сотрудник «вливается в коллектив» и сверяет свои ожидания с той картинкой, какую он видит в компании на самом деле. HR-аналитик же анализирует эффективность сотрудника, его удовлетворенность и успешность прохождения каждого промежуточного этапа адаптации. На прогностическом уровне аналитика дает инструменты, позволяющие определить вероятность прохождения сотрудником испытательного срока.

Удержание сотрудников. Всё чаще и чаще при работе с персоналом пальму первенства отдают процессу поддержания вовлеченности и удовлетворенности сотрудника. Это самая длинная часть жизненного цикла сотрудника, которая, по сути, и составляет основное время его работы. С точки зрения описательной HR-аналитики – это в первую очередь расчет показателей индивидуальной эффективности сотрудника, его удовлетворенности, вовлеченности и лояльности. Прогностический подход позволяет оценивать вероятность ухода сотрудника, периоды возможного падения вовлеченности и, как следствие, эффективности.

Развитие. Комплекс мероприятий, направленных на профессиональное и карьерное совершенствование сотрудника. Согласно одному исследованию McKinsey, отсутствие карьерного роста и продвижения по службе является одной из главных причин ухода сотрудников в постпандемический период. Основными задачами HR-аналитика здесь будут расчет окупаемости инвестиций в обучение, оценка эффективности проводимого обучения или ротации и их стоимости для компании. С точки зрения прогностического подхода – это создание алгоритмов, позволяющих подбирать индивидуальные обучающие программы сотрудникам исходя из данных об их оценках за предыдущие периоды, а также задач компании и карьерных траекторий.

Увольнение. На этом этапе компания проводит процесс вывода сотрудника из компании и его адаптацию к рынку труда. Цель такого процесса двояка. С одной стороны, компания оценивает причины и последствия увольнения сотрудника, а также делает для себя определенные выводы, которые в том числе могут стать основой для новых данных, определяющих источники кандидатов и требуемый профиль; а с другой стороны, этот процесс помогает бывшим сотрудникам осмыслить, какое впечатление произвела на них компания, и сформировать ее образ, который они дальше понесут на рынок.

В этой части жизненного цикла роль HR-аналитика главным образом сводится либо к проведению закрывающих мероприятий, таких как выходное интервью (exit interview), либо, что бывает чаще, – к анализу полученных по результатам прошедших выходных интервью данных, установлению причин увольнения, а также оценке влияния этих причин на отток персонала. На прескриптивном и предиктивном уровнях задачами HR-аналитика будут составление прогноза оттока по структурным подразделениям и компании в целом, а также, при необходимости, выдвижение гипотез по изменению этих показателей.

Работа с бывшими сотрудниками. Чаще всего в российском бизнесе об этом просто забывают, во всяком случае в компаниях, ориентированных на массовый рынок кандидатов.

В широком смысле это создание системы, позволяющей коммуницировать с бывшими сотрудниками, для создания позитивного имиджа компании на рынке или для целей создания кадрового резерва компании. С оценкой эффективности работы таких систем также может помочь HR-аналитика.

Роль специалиста по работе с данными персонала может достаточно сильно видоизменяться от компании к компании, и перечень задач такого специалиста огромен: от простой фиксации текущего состояния персонала до построения комплексных и многофакторных моделей, закладывающих основу для создания HR-стратегии. Неизменным остается ориентация на реальные бизнес-потребности компании и решение прикладных задач, и в этом смысле HR-аналитика – одна из самых важных для внутреннего заказчика функций управления персоналом.

Модель компетенций HR-аналитика

В реестре профессиональных стандартов Министерства труда и социальной защиты нет ни профессиональных стандартов, ни тем более модели компетенций HR-аналитика; поэтому мы будем вынуждены обратиться к другим, менее официальным, но всё же авторитетным источникам для определения целей, задач, а главное – требований к этой профессии.

Например, к модели компетенций, разработанной профессорами Стивеном Маккартни, Кэролин Мерфи и Джином Маккарти и описанной в работе «Модель компетенций HR-аналитика»[8] в 2020 году. Это группа профессоров из Тринити-колледжа (Дублин), известная своими исследованиями в области управления персоналом и развития HR-процессов в бизнесе, так что в самом качестве проведенного исследования и в экспертности исследователей сомневаться не приходится.

Разработка такой модели преследует две основные цели. Во-первых, это возможность систематизировать и стандартизировать требования к специалистам, что позволит подготовить описание профессии, составить ИПР и, наконец, встроить их в действующую систему грейдов. Во-вторых, для самих HR-аналитиков это нечто наподобие бенчмарка, который дает возможность как определить свой собственный уровень относительно ожиданий рынка, так и наметить для себя перспективные направления развития.

В основу указанной работы легли исследования более 1000 вакансий HR-аналитиков, опубликованные в США, Канаде, Великобритании и Австралии, а также глубинные интервью, которые исследователи проводили с практикующими менеджерами по работе с данными персонала из США, Канады и Ирландии. Это исследование интересно само по себе, но мы ознакомимся лишь с моделью компетенций, которую предлагает академическое сообщество.

На первом этапе исследования, состоявшем в анализе вакансий, было выявлено 1597 навыков, которые затем ученые разбили на следующие большие группы (см. табл. 1.1).

Таблица 1.1. Группы компетенций и процентный показатель упоминаний навыка в вакансиях (McCartney S., Murphy C., Mccarthy J. A competency model for the emerging role of HR Analysts, 2020)

Как видно из таблицы, группа «Технические навыки» оказалась самой большой среди всех требуемых навыков (31 %), за нею идет «Консультирование» (27 %), затем «Навыки работы с данными» (25 %), «Сторителлинг и коммуникация» (12 %) и, наконец, «Понимание бизнеса и HR-среды» (5 %).

Разберем каждую группу более детально.

В 90 % вакансий перечислялись конкретные технические инструменты, которыми необходимо владеть успешному кандидату. И это неудивительно, так как основа работы HR-аналитика – взаимодействие с техническими средствами для очистки, обработки и анализа данных. Наиболее часто в текстах вакансий упоминались: Excel (65 %); далее, с небольшим отрывом, BI-инструменты[9] – Tableau и Power BI (56 %); за ними, с более заметным отрывом, – навыки обеспечения качества данных (35 %); затем – владение HRMS-системами (27 %) и, наконец, языки программирования (14 %).

Консультирование стало второй по частоте упоминания группой компетенций. Сюда вошли: внимание к деталям (37 %), навык решения проблем (36 %), навык принятия решений (33 %), организаторские способности (29 %) и управление проектами (25 %), а также критическое мышление (16 %). Из чего можно сделать вывод, что бизнес довольно высоко оценивает роль HR-аналитика как внутреннего консультанта.

Навыки работы с данными. Эта группа компетенций представлена большим набором навыков и знаний. Чаще всего в вакансиях упоминались навыки по обработке и верификации данных (69 %) и анализ и интерпретация данных (60 %).

Сторителлинг и коммуникации. Данный блок компетенций связан с преобразованием найденных инсайтов в решения и способность донести эти решения до менеджмента и бизнеса через правильно выстроенные коммуникации. Кроме того, сюда входит и умение заинтересовать своей идеей лица, принимающие решения. Среди наиболее важных навыков были упомянуты: навык эффективного общения с заинтересованными сторонами и руководством (71 %), навык подготовки презентаций (17 %), навык донесения идеи или концепции через рассказ, то, что в англоязычной литературе и называется storytelling (8 %).

Понимание бизнеса и HR. В 82 % вакансий указывалось, что HR-аналитику важно на фундаментальном уровне понимать практику управления персоналом, в том числе такие функции, как подбор и адаптация, компенсации и льготы, обучение и развитие, управление трудовыми отношениями и пр. Кроме того, в 18 % вакансий бизнес-заказчики указывали, что HR-аналитик должен демонстрировать понимание бизнеса и его окружения, то есть понимание продукта, клиентов, рынка, основных бизнес-процессов и экономики компании.

В ходе второго этапа исследования на полученные на предыдущем этапе данные были наложены результаты глубинных интервью, проводившихся с практикующими аналитиками из разных стран. В этих интервью специалистов расспрашивали, какие навыки они считали самыми важными и использовали в своей работе, а также чем их ви́дение отличается от традиционных представлений о том, какими навыками должны обладать HR-аналитики. Кроме того, специалистам задавали вопросы о конкретных технических инструментах, которыми должен владеть HR-аналитик, и о том, на каком этапе карьерного пути от него может потребоваться тот или иной навык.

В результате получилась достаточно комплексная модель (см. рис. 1.3). Пользуясь правами автора, я добавил в нее одну компетенцию, которая хотя и упоминалась в ответах респондентов, но не была вынесена отдельно, – «Навыки проведения исследований и анализа», – так как это значительная часть работы аналитика персонала.

Посмотрим, что относится к группе технических компетенций.

Технические навыки. Это группа компетенций, связанная с использованием конкретных технических решений и платформ, позволяющих собирать, обрабатывать, анализировать и визуализировать данные, а именно:

• знание систем управления персоналом и опыт работы с ними;

• знание инструментов анализа данных и опыт работы с ними;

• знание инструментов визуализации данных и опыт работы с ними;

• знание принципов работы нейросетей и искусственного интеллекта и опыт взаимодействия с ними.

Рисунок 1.3. Модель компетенций HR-аналитика (McCartney S., Murphy C., Mccarthy J. A competency model for the emerging role of HR Analysts, 2020)

Навыки работы с данными. Это компетенции, связанные со сбором, обработкой, очисткой и подготовкой данных к работе. Сюда входят:

• знание баз данных и опыт работы с ними;

• знание и понимание принципов очистки и верификации данных;

• знание инструментов очистки и верификации данных, а также опыт работы с ними.

Навыки проведения исследований и анализа. Это компетенции, необходимые для организации исследований и анализа данных:

• знание платформ для проведения и обработки опросов и опыт работы с ними;

• знание статистики;

• знание математического анализа;

• навык критического мышления.

Теперь перейдем к группе нетехнических компетенций.

Консультирование. Это группа компетенций, связанная со способностями оказывать консультационную поддержку бизнесу, помогать в принятии решений и организовывать рабочие процессы, а именно:

• навык решения проблем;

• навык принятия решений;

• организаторские способности;

• навыки и опыт управления проектами;

• навык командной работы;

• навык ведения эффективных бизнес-коммуникаций.

Сторителлинг и коммуникации. Сюда входят компетенции, связанные со способностью HR-аналитика трансформировать полученные в ходе исследований и анализа инсайты в выводы и правильно транслировать эти выводы менеджменту, рядовым сотрудникам и бизнесу в целом:

• навык подготовки отчетов и презентаций;

• способность убеждать;

• способность строить эффективную коммуникацию с менеджментом.

Понимание HR- и бизнес-среды. Это понимание внутренней и внешней HR-среды компании и ее влияния на бизнес. Иными словами, то, что в англоязычной литературе называют business acumen:

• понимание особенностей взаимодействия с разными HR-функциями и опыт работы с ними;

• понимание HR-стратегии компании;

• понимание бизнеса компании, ее составных частей и основных бизнес-процессов.

Для того чтобы проверить данную модель на соответствие рынку, рассмотрим несколько исследований, посвященных частотности упоминания различных навыков и технических инструментов в разных странах.

Согласно данным исследования, проведенного indeed.com для рынка США и Канады, частота упоминаний конкретных технических инструментов в публикуемых вакансиях HR-аналитика в 2023 году выглядела следующим образом (см. рис. 1.4).

Из диаграммы видно, что более чем в половине опубликованных вакансий упоминался Excel (58 %), за ним с заметным отрывом шли: Tableau (26 %), SQL (22 %) и Power BI (21 %). Остальные технические инструменты фигурировали менее чем в 20 % публикуемых вакансий.

Рисунок 1.4. Диаграмма частоты упоминаний конкретных технических инструментов в публикуемых вакансиях «HR-аналитик» (США и Канада) по версии indeed.com (2023)

А вот аналогичная статистика частоты упоминаний технических навыков от hh.ru, которую компания подготовила в 2023 году (см. рис. 1.5).

Здесь на первое место вышел PowerPoint, который упоминался в 40 % всех вакансий, за ним с небольшим отрывом шел Excel (30 %), далее из технических инструментов – Power BI (18 %) и SQL (17 %). Остальные инструменты фигурировали менее чем в 10 % публикуемых вакансий.

Полученные результаты кажутся вполне закономерными. Первые места в обоих, исследованиях заняли инструменты, позволяющие анализировать и визуализировать данные: Excel, BI-инструменты (Tableau, Power BI), а также PowerPoint как базовый инструмент визуализации. Это минимальный набор технических средств, необходимый для работы и проведения основных видов исследований и анализа, а также для визуализации их результатов. За ними с небольшим отставанием идет SQL – язык структурированных запросов к базам данных. И замыкают список языки программирования: R и Python, что вполне соответствует предложенной модели компетенций.

Рисунок 1.5. Диаграмма частоты упоминаний конкретных технических инструментов в публикуемых вакансиях «HR-аналитик» (Россия) по версии hh.ru (2023)

Таким образом, возвращаясь к нашей модели, давайте дополним ее требованиями к владению конкретными техническими инструментами и паттернами поведения для нетехнических компетенций, распределенными по трем уровням: базовый, продвинутый и экспертный. В итоге мы получим следующую модель компетенций HR-аналитика (см. табл. 1.2).

Каждый последующий уровень в модели (A, B, C) предполагает наличие у специалиста компетенций с предыдущего уровня: таким образом, сотрудник демонстрирует рост профессионализма, знаний и навыков.

Базовый уровень (А) модели компетенций подходит для оценки сотрудников, только начинающих работу по специальности, и сотрудников с опытом работы до года – двух лет. Это могут быть позиции стажера, младшего специалиста, младшего аналитика.

Продвинутый уровень (В) подходит для оценки сотрудников с опытом работы от двух до пяти лет на должностях HR-аналитика, главного или ведущего специалиста. На этом уровне от сотрудника ожидается не только понимание конкретных технических решений и наличие опыта работы с ними, но и способность самостоятельно выстраивать работу с внутренним заказчиком.

Экспертный уровень (С) – для сотрудников с опытом работы по специальности не менее пяти лет на должности старшего специалиста / эксперта или руководителя начального уровня.

Далее, если говорить о карьерном росте, начинается уже менеджерский уровень, где приоритетными становятся другие навыки, связанные с управлением командой, лидерством, целеполаганием и уже в меньшей степени – содержательными навыками аналитика.

Таблица 1.2. Модель компетенций HR-аналитика, три уровня компетентности

Блок технических навыков описывает уровень владения прикладными программами и навыками, позволяющими решать задачи в области HR-аналитики, тогда как блок нетехнических навыков описывает компетенции в области бизнес-коммуникаций, понимания бизнеса и среды работы компании.

Дальнейшая структура книги будет подчинена предложенной модели компетенций – это обеспечит системность в освоении необходимых навыков и знаний.

Так, главы 2 и 3 посвящены навыкам и инструментам, необходимым для работы HR-аналитика, и в них будут затронуты все основные технические компетенции, описанные выше, включая теорию и методы анализа. А в заключительной части книги (см. «Вместо заключения») мы немного поговорим о развитии компетенций, позволяющих выстраивать эффективный диалог с бизнесом и внедрять HR-практики исходя из реальных бизнес-потребностей.

Обзор технических инструментов для HR-анализа

В предыдущем разделе мы рассмотрели модель компетенций HR-аналитика, из которой следует, что одной из ключевых компетенций, упомянутой более чем в 90 % всех вакансий, является владение конкретными техническими инструментами. И это справедливо, так как работа специалиста по работе с данными персонала во многом зависит от использования тех или иных программ. Этот раздел будет посвящен обобщению информации об этих инструментах и попытке их систематизации. Кроме того, мы посмотрим, как они применяются для решения типовых задач HR-аналитики и с освоения каких из них стоит начать в первую очередь.

Однако, прежде чем приступить к следующему разделу, стоит сделать две важные ремарки.

Ремарка первая. Упоминаемые здесь инструменты – не лучшие и не худшие представители своего рода, а всего лишь наиболее распространенные решения и представлены здесь исключительно в качестве примера. Выбор конкретного инструмента всегда должен опираться на задачи бизнеса и его возможности. (Иными словами, «здесь могла бы быть ваша реклама».)

Ремарка вторая. В настоящий момент не существует единой классификации инструментов, использующихся в HR-аналитике, и многие технические решения, описанные ниже, можно отнести сразу к двум, а то и к трем категориям. Так, без преувеличения «хедлайнер» – Excel – можно отнести и к инструментам обработки и очистки данных, и к инструментам их анализа, и, конечно, к средствам визуализации. Предложенная классификация, несмотря на всю свою условность, тем не менее отражает основные задачи, для которых преимущественно используется тот или иной инструмент, а также позволяет определить набор минимально необходимых технических средств.

Наша классификация технических инструментов будет следующей:

• системы управления персоналом;

• инструменты обработки и очистки данных;

• инструменты управления базами данных;

• инструменты анализа данных;

• инструменты визуализации данных;

• платформы для проведения и обработки опросов;

• нейросети и лингвистические модели.

Системы управления персоналом

Системы управления персоналом, или HRMS, – это платформы, которые автоматизируют процессы управления человеческими ресурсами, включая учет и анализ данных о сотрудниках. Они позволяют вести электронные кадровые реестры, хранить информацию о сотрудниках: их профессиональных навыках, пройденном обучении, результативности и еще десятках факторов, необходимых для организации работы и подготовки отчетности для контролирующих органов. Главная ценность подобных систем – в создании единого информационного пространства, где хранится вся информация о сотрудниках и истории их пребывания в компании.

Выбор подобной системы – отдельная задача, зависящая от размера организации, требующая понимания конкретных потребностей бизнеса, бюджета, доступности самого решения в том или ином регионе и многого другого.

Среди иностранных систем в первую очередь хотелось бы выделить: SAP HCM, Oracle HCM Cloud, BambooHR. Данные решения, особенно первые два, чаще всего встречаются в международных компаниях. Среди аналогичных российских систем можно выделить продукты от «1C» и Directum. Они ближе всего к специфике работы в России и более ориентированы на потребности отечественных компаний и специалистов, а кроме того, их интерфейс поддерживает русский язык (чего не скажешь обо всех иностранных HRMS), они проще встраиваются в типовые ERP-системы и их гораздо легче модифицировать.

Для HR-аналитика HRMS – это в первую очередь источник сведений о сотрудниках и их истории в компании. Здесь он может найти данные о возрасте, стаже, отпусках и много другой необходимой для работы информации.

Подкатегорией систем управления персоналом, которую тоже можно сюда отнести, будут системы управления HR-функциями. Это программные решения, позволяющие управлять отдельными направлениями в работе. Например, ATS (Applicant Tracking System), RMS (Recruitment Management System) для функции подбора или LMS (Learning Management System) для функции обучения и развития.

Инструменты обработки и очистки данных

К этой категории относятся инструменты, помогающие проводить первичную обработку и очистку данных. Компании собирают информацию из множества разных источников: HRMS-систем, опросов сотрудников, исследований рынка труда и пр. Из-за этого информация получается разнородной, часто содержит сбитые кодировки, дубли, неверные форматы и другие ошибки, затрудняющие анализ или даже делающие его невозможным. Чтобы устранять подобные ошибки, и нужна функция очистки данных (data cleaning). Задача таких инструментов – исправлять ошибки и приводить данные в конгруэнтное (то есть в согласованное, когда они не противоречат друг другу) состояние.

Очистка и верификация – отдельное и сложное направление в рамках HR-анализа. В идеальном мире ею должен заниматься специально обученный человек; однако, учитывая, что мы едва ли окажемся в таком мире, HR-аналитик на практике довольно часто сталкивается с необходимостью самостоятельной очистки данных.

Для этого подходят: OpenRefine, Talend Data Preparation, Trifacta. Сюда же можно отнести и MS Query (надстройку для Excel), хотя обработкой и очисткой данных возможности этой программы, конечно, не ограничиваются.

Так, OpenRefine представляет собой приложение с открытым исходным кодом для очистки данных и манипуляций с ними. Программа может переводить информацию в нужный формат, делать базовые расчеты, фильтровать, объединять массивы, находить дубли, ошибки кодировок, приводить записи к единому формату и многое другое.

Инструменты управления базами данных

Базы данных являются основным источником информации для работы HR-аналитика. Они представляют собой упорядоченный набор структурированной информации, которая хранится в электронном виде и позволяет проводить с ней разные манипуляции. Основной тип БД, с которым приходится работать HR-аналитику, – реляционные базы данных. Основное средство работы с ними – SQL, язык программирования, предназначенный для хранения и обработки информации в реляционных базах данных и использующийся главным образом как основной язык при обращении к БД.

Существует популярное мнение, будто HR-аналитик должен в обязательном порядке владеть SQL, но на практике это не совсем так. Опираясь на данные рассмотренных нами исследований, посвященных востребованности технических инструментов, можно сказать, что SQL занимает лишь четвертое-пятое место среди требуемых навыков и в среднем упоминается только в 20–25 % всех публикуемых вакансий на должность HR-аналитика, а реально используется и того реже. Причина проста: SQL как инструмент управления данными в реляционных БД необходим только в тех случаях, когда мы говорим о тысячах сотрудников в разных структурных подразделениях, с разными условиями труда, вознаграждения и прочим. Только в этих случаях Excel, как альтернатива реляционным БД, перестает справляться с объемами информации и начинает замедлять работу или просто не «вытягивает». Что же касается абсолютного большинства компаний, то объемы менее сотен тысяч строк вполне успешно обрабатываются средствами Excel и MS Query.

Освоить SQL несложно – для минимальной базы вполне достаточно одного-двух месяцев самостоятельного обучения и практики. Количество материалов, посвященных этому языку, огромно, и найти их не представляет никакой сложности.

Инструменты анализа данных

Это системы и платформы, которые позволяют HR-аналитику заниматься своей основной работой: анализировать данные, формулировать и проверять гипотезы. Здесь мы подробнее остановимся на четырех инструментах, пригодных для HR-анализа.

MS Excel

Когда мы начинаем разговор об инструментах для анализа, на ум прежде всего приходит «его величество» Excel. Это один из самых популярных инструментов для обработки и анализа информации. Он предлагает почти безграничный спектр функций для очистки данных, их преобразования, анализа и визуализации. А с надстройкой MS Query и встроенным в Excel языком программирования VBA этот функционал становится еще шире. Впрочем, стоит отметить, что от использования VBA в последние годы многие стремительно отходят. Так, в среде аналитиков данных он уже считается анахронизмом.

Несмотря на некое снисходительное отношение к Excel, которое периодически можно заметить, он остается самым популярным инструментом для анализа как в России, так и в мире, что, в частности, подтверждают результаты исследований, приведенные нами выше.

К неоспоримым преимуществам этого приложения можно отнести его распространенность и доступность, легкость освоения (во всяком случае, до уровня продвинутого пользователя) и, конечно, широкий (почти безграничный на самом деле) функционал.

Google Sheets

Еще один инструмент, о котором стоит упомянуть, говоря об Excel, – Google Sheets (GS). Это облачное решение на базе экосистемы Google, обладающее практически идентичным с Excel функционалом и интерфейсом, что позволяет достаточно быстро переключаться между ними, даже если ранее пользователь не работал с Google Sheets.

Основные преимущества GS перед Excel – бесплатность, возможность поддерживать одновременную работу большого числа пользователей и легкая масштабируемость. Недостатки: необходимость постоянного подключения к сети интернет для работы, вопросы к обеспечению сохранности данных, ну а главный недостаток – наличие Excel.

SPSS

Другой инструмент, о котором хотелось бы здесь упомянуть, – SPSS (Statistical Package for the Social Sciences). Это продукт, разработанный для облегчения сложного статистического анализа данных и предоставляющий широкие возможности для их визуализации. По своей сути он во многом дублирует функционал Excel, но предлагает гораздо больше возможностей в области статистики и статистического анализа.

Главное достоинство SPSS – его многофункциональность. Например, с помощью SPSS можно проводить факторный, дисперсионный, кластерный, корреляционный анализ, определять индикацию трендов и динамику развития процессов. К главным же недостаткам этого инструмента можно отнести его стоимость (значительно выше, чем у пакета MS Office / Office 365) и бо́льшую требовательность к пользователю с точки зрения понимания статистики и матанализа. При этом стоит сказать, что SPSS – не самое распространенное в бизнес-среде решение, и чаще его можно встретить в академической и исследовательской сферах.

Особняком в этом разделе стоят языки программирования. В HR-аналитике главным образом нашли применение два их них: Python и R.

Python

Один из самых популярных и доступных языков программирования в настоящий момент. Его можно использовать для очистки и обработки данных, машинного обучения, работы с нейросетями, построения различных моделей и множества других задач. Словом, это полнофункциональный язык программирования с практически безграничными возможностями.

R

R – язык программирования для статистической обработки данных и работы с графикой. Придуманный сотрудниками Оклендского университета, он нашел широкое применение в академической среде, но отлично подходит и для обработки бизнес-информации. Обладает схожим функционалом, но менее распространен, чем Python.

Мы сознательно не будем заострять внимание на этих инструментах, так как данные темы слишком объемны и не совсем укладываются в концепцию «базового инструментария для работы». Скажем лишь, что оба языка вполне доступны для самостоятельного изучения, а количество материалов о них в открытом доступе стремится к бесконечности. За два-три месяца можно разобраться с логикой и синтаксисом, а за полгода – освоить ряд типовых задач в области обработки и визуализации данных, чего уже будет достаточно для базового прикладного использования. На глубокое освоение того же Python и его библиотек, конечно, уйдут годы, но это уже, скорее, прерогатива разработчиков и специалистов по data science.

Инструменты визуализации данных

Такие инструменты используются для подготовки отчетов, дашбордов и презентаций, то есть для визуальной интерпретации выводов и срезов, которые готовит HR-аналитик.

Самые распространенные из них – MS PowerPoint и Keynote от Apple. В целом оба инструмента схожи по своим функциям и достаточно успешно используются для подготовки отчетов, презентаций и справочных материалов. Они легки в освоении (во всяком случае, на уровне базового пользователя), и по ним также имеется масса материалов в открытых источниках. Безусловно, дьявол кроется в деталях, и подготовка качественной презентации имеет массу нюансов, однако в целом это несложные инструменты, которые понадобятся HR-аналитику с самого начала его профессионального пути.

Чуть сложнее дело обстоит с BI-системами.

BI-системы (Business Intelligence) – системы бизнес-анализа и отчетности, технические платформы, которые позволяют собирать данные из разных источников, обрабатывать их и отображать в виде динамических визуальных элементов (таблиц, схем, графиков, срезов и пр.) для иллюстрирования отчетов или дашбордов. Как видно из описания, функционал BI-инструментов не ограничивается исключительно визуализацией, а спектр их применения весьма широк, однако один из основных способов использования BI-систем у нас – это визуализация данных средствами дашбордов.

Самыми распространенными BI-системами в мире являются Tableau и Power BI. Основные их различия кроются в технических нюансах логики связей данных и стоимости лицензии. Правда, здесь стоит отметить: Power BI, в отличие от Tableau, предлагает бесплатный доступ с ограниченным функционалом, что прекрасно подходит для его «домашнего» освоения. Но в целом обе системы обладают идентичными возможностями и одинаково распространены.

В России существуют свои BI-инструменты: Yandex DataLens, Visiology и другие. Поскольку разрабатывались они с оглядкой на «старших товарищей», можно сказать, что отечественные системы не сильно уступают в функционале и возможностях; и, пожалуй, главное, чего им сейчас не хватает, – это лоск. С другой стороны, они активно развиваются, и, с учетом отсутствия альтернатив в корпоративной среде на данный момент, можно говорить о том, что со временем эти платформы станут доминирующими в России.

Освоить рассмотренные системы не особо сложно. Как для иностранных, так и для российских BI-платформ существует огромное множество инструкций, уроков и курсов, а базовое освоение продукта укладывается в два-три месяца.

Полезность BI-платформ трудно переоценить. Это мощные и функциональные инструменты, которые прекрасно дополняют Excel и, составляя основу технического инструментария HR-аналитика, позволяют добиваться качественно более высокого уровня визуализации данных.

Платформы для проведения и обработки опросов

Достаточно часто HR-аналитику приходится заниматься не только анализом данных и поиском оптимальных решений для бизнес-задач, но и сбором данных. Существует несколько способов получить необходимую информацию, и самые популярные из них – проведение опросов или анкетирование.

Чаще всего опросы проводятся среди сотрудников компании для оценки уровня их вовлеченности, лояльности, удовлетворенности и прочих факторов, но в некоторых случаях необходимо организовывать и внешние исследования.

Для проведения таких исследований существует целый ряд технических инструментов, которые позволяют подготовить структуру опроса, сформулировать вопросы, а также предоставляют платформы для агрегирования и первичного анализа результатов. Самые доступные и распространенные инструменты – SurveyMonkey и Google Forms; что касается российских платформ, то в качестве примера можно привести конструктор kakdela от hh.ru или «Яндекс. Взгляд» от «Яндекса».

Все эти сервисы обладают схожими возможностями и различаются главным образом интерфейсом, ценой и чуть отличным функционалом. Их легко освоить и использовать, а сложности в работе с ними может вызвать исключительно методология составления и проведения самих опросов и исследований.

Нейросети и лингвистические модели

По данным портала indeed.com, количество вакансий, где указан опыт работы с нейронными сетями, кратно росло на протяжении 2022 и 2023 годов – и в начале 2024 года составило в США более полутора тысяч вакансий за календарный месяц. Не обошла эта тенденция и HR-аналитику.

Нейросети – самообучающиеся математические модели или алгоритмы, созданные для решения конкретных задач: поиска информации, генерации картинок, видео, синтезирования речи и многого другого. По своей сути нейросети (их еще называют лингвистические модели) устроены наподобие человеческого мозга – и так же, как и мозг, каждый раз сталкиваясь с чем-то новым, изучают это, осваивают и начинают применять в своей работе (ну ладно, на самом деле не как мозг человека, нам до такого далеко). Именно поэтому мы и говорим о способности нейросетей к самообучению и развитию.

Существует довольно много разных лингвистических моделей, но здесь мы упомянем, пожалуй, наиболее совершенную из них на текущий момент.

ChatGPT – нейронная сеть, разработанная компанией OpenAI. Набрав невероятную популярность в начале 2023 года, ChatGPT довольно активно используется для решения различных бизнес-задач, в том числе и в области управления персоналом.

Так, существуют вполне успешные кейсы применения ChatGPT в подборе и адаптации персонала. Нейронная сеть успешно справляется с разработкой описания вакансий, должностных инструкций, моделей компетенций для оценки, вопросов для интервьюирования и прочего.

Еще одной сферой, где активно применяется ChatGPT, стали внутренние коммуникации. Это прекрасный инструмент для составления корпоративных пресс-релизов, новостей, рассылок, текстов поздравлений и прочих внутриком-активностей.

Кроме того, ChatGPT помогает составлять опросники, тесты на профессиональные знания (вплоть до программирования на разных языках), разрабатывать индивидуальные планы развития для сотрудников и выполнять многие другие задачи в области функции обучения и развития.

В России, конечно же, существуют свои решения и альтернативы. В первую очередь отмечу YandexGPT от российского «Яндекса» и GigaChat от «Сбера». Обе нейросети обладают своими особенностями и преимуществами, но, по сути, способны выполнять аналогичные задачи.

Несмотря на нынешнюю популярность нейронных сетей, их эффективность в HR-аналитике не столь однозначна. Тестированию их возможностей посвящена отдельная глава (см. главу 3, раздел «Использование нейросетей для задач HR-анализа»).

Резюмируя всё сказанное выше, стоит отметить, что HR-аналитика предоставляет обширный (пожалуй, даже чересчур) инструментарий для работы, однако далеко не все инструменты столь необходимы в самом начале карьеры. Начинающему специалисту (вернемся к нашей модели компетенций) вполне достаточно на хорошем уровне освоить Excel в качестве основного инструмента анализа данных и PowerPoint или Keynote как инструмент визуализации и подготовки презентаций. Этой базы будет достаточно для решения большей части прикладных задач (можно даже сказать, что данные инструменты, согласно «принципу Парето», способны давать 80 % результатов в работе HR-аналитика). По мере роста экспертности и усложнения задач неплохо будет освоить какой-нибудь BI-инструмент и познакомиться с SQL. Это уже продвинутый уровень, который позволит работать с практически неограниченными по размеру базами данных и сложными запросами. Наконец, для того чтобы всерьез заняться предиктивной аналитикой, стоит освоить языки программирования R или Python. Начать с синтаксиса языка, познакомиться с типами данных, циклами, функциями; затем, по мере практики выполнения базовых задач по работе с данными, освоить библиотеки для их анализа и прогнозирования.

Главное – не пытаться объять необъятное, двигаться последовательно от простого к сложному и внедрять новые инструменты и технические решения в повседневную работу. Помните, только наглядные результаты вашего труда и приложенных усилий будут поддерживать ваши мотивацию и вовлеченность.

HR-аналитика и недетерминированные системы

Это, пожалуй, единственный раздел в книге, который будет посвящен несколько абстрактной теме; а потому, если любезный читатель преследует сугубо утилитарные цели, данную часть можно смело пропустить. Остальных же ожидает путешествие в небольшую метеолабораторию, где в 1961 году метеоролог и математик Эдвард Лоренц занимался прогнозированием погоды.

Для своей работы Лоренц разработал модель, которая описывала взаимосвязь между разными переменными (температурой, атмосферным давлением, скоростью и направлением ветра и прочими) в конкретный момент времени. Для определения связи между этими переменными Лоренц составил ряд уравнений. Значение переменных в каждый последующий момент зависело от их значения в предыдущий и рассчитывалось согласно этим уравнениям. Таким образом, модель была полностью определена – детерминирована, то есть какое-либо отклонение от заданных условий не должно было приводить к значительному изменению результата. Опираясь на эти расчеты, система начала строить график прогноза погоды.

Лоренц решил подробнее изучить уже построенный машиной график. В качестве начальных данных он ввел значения переменных из середины прогноза. Система должна была бы точно воспроизвести вторую половину графика, ведь условия (температура, давление и пр.) не изменились, и продолжить строить его дальше. Однако Лоренц обнаружил нечто совершенное иное – графики оказались разными. Причем если вначале график еще более или менее повторял исходный вариант, то к концу не имел с ним совсем ничего общего. И чем на более отдаленное время система строила прогноз погоды, тем сильнее итоговый график отличался от исходного (см. рис. 1.6).

Рисунок 1.6. Расхождение двух прогнозов погоды из-за незначительных изменений в начальных условиях (по Э. Лоренцу, 1961)

Выходило, что модель, в которой случайность была полностью устранена (ведь все изменения описывались на уровне алгоритмов), при одних и тех же начальных значениях выдавала совершенно разные прогнозы.

Разгадка этого крылась в том, что в памяти машины значения переменных хранились с точностью до шести знаков после запятой, а на печать выводилось только три. Лоренц, разумеется, ввел округленные значения, предположив такую точность вполне достаточной для повторного прогноза, однако получилось, что округление до тысячного знака существенно его исказило. Таким образом, система, которую анализировал ученый, на самом деле оказалась недетерминированной.

Позже, когда Лоренц более тщательно изучил этот феномен, он привел аналогию, ставшую затем хрестоматийной: что взмах крыльев чайки может вызвать заметные изменения погоды. Впоследствии чайку заменили бабочкой, а в 1972 году вышла его работа «Предсказуемость: может ли взмах крыльев бабочки в Бразилии вызвать торнадо в Техасе?»[10]. Позже всё это сократилось до всем известной «Теории бабочки» – отчасти из-за выбранного Лоренцем сравнения, а отчасти из-за того, как хаотические системы ведут себя в динамике (см. рис. 1.7).

Рисунок 1.7. Хаотические траектории в системе Лоренца (аттракцион Лоренца)

«Ну и при чем тут HR?» – спросите вы. А при том, что персонал – это и есть самая настоящая недетерминированная система, именно такая, какую описал в своих работах Лоренц. Такая, в которой развитие какого-то HR-процесса или явления не определяется (или определяется не полностью) начальными условиями этого самого процесса или явления. Не очень понятно, да? Давайте на примере.

Представим себе такой процесс, как прогнозирование выработки производственного подразделения компании. Это некое количество продукта, которое, как мы полагаем, изготовит наша производственная команда исходя из ряда условий: количества человек в команде, нормы выработки на человека и прочего. Обладая историческими данными, мы можем построить прогноз выработки будущих периодов, и, согласно модели, если входные условия у нас не изменятся, на практике мы получим тот же объем, что и спрогнозировали.

Однако если среди читателей есть специалисты по экономике труда, то они прекрасно знают, насколько часто производственные планы не выполняются даже с учетом минимального изменения входных условий. Кто-то не вышел на смену, а кто-то вообще влюбился – и нет ему дела до ваших втулок или что там у вас еще.

Данный пример иллюстрирует ту мысль, что функция управления персоналом, в известном смысле, недетерминированная и, более того, стохастическая система.

Это такая система, изменения в которой возникают под воздействием случайных факторов, а малейшие отклонения от начальных условий могут со временем привести к значительным изменениям во всей системе. Такими случайными факторами могут быть как изменения внутри самой системы, так и вне ее. Причем, на первый взгляд, логической связи между этими факторами может даже не прослеживаться, как не прослеживается связь между снижением выработки в производственном подразделении и новым бухгалтером Эмилией Фридриховной.