Modni Trend Ili Vitalna Potreba? Praktična HR Analitika - Flamenco.Ru

Prediktivna analitika u HR - modni trend ili vitalna potreba? Praktična HR analitika: računamo se! Analitika istraživanja kadrova.

O HR analitici pišu i govore mnogo više nego što razumiju šta je ona zapravo i koje zadatke treba da rešava.

Ovaj članak govori o tome koje su glavne poteškoće u prijavi i gdje možete početi analizirati.

Do sada, u javnom prostoru, HR analitika podrazumijeva ili metriku i rad s brojevima, statistiku u HR-u, koji su indikatori lokalnih procesa ili odjela, ili dijeljenje slučajeva o tome kako povezati IT odjel sa kreiranjem arhiva HR podataka. Zapravo, HR analitika rješava probleme strateški razvoj kompanije, određuje glavne prediktivne trendove.

Dakle, šta je HR analitika?

HR analitika je proces u kojem se na obradu HR podataka primjenjuju tehnike nauke o podacima i poslovne inteligencije (BA). Ponekad se naziva i analitikom talenata. osim toga, intelektualna analiza Data mining u ovom kontekstu se odnosi na praksu istraživanja baza podataka radi stvaranja novih informacija.

Zašto je ovo toliko relevantno sada, u svjetlu globalne digitalizacije privrede, poslovanja i ljudi. Podaci prijatelji! Veliki podaci su svuda!

A onda je na vrijeme stigla i neuronauka koja nam je pokazala kako su ljudske odluke subjektivne i pune emocija umjesto racionalnog pristupa.

Kako sada živjeti s tim?

Naravno, potreban nam je drugačiji način donošenja odluka – da sve bude logično, razumno, zasnovano na podacima i sa zagarantovanim rezultatom. Ko to ne želi? Svi žele! Zašto ne?

Spremnost za HR analitiku ostaje veliki izazov. Prema izvještaju Deloittea iz 2017., nakon nekoliko godina rasprave o ovom pitanju, samo 8% ispitanika je izjavilo da ima korisne podatke; samo 9% veruje da dobro razume koje karakteristike zaposlenih vode uspehu u njihovim organizacijama; a samo 15% ukupno ima implementirane sisteme za mjerenje ljudskih resursa i talenata za linijske menadžere.

“To je bila misterija u poslednjoj deceniji – zašto, sa očiglednom važnosti ljudski kapital organizacije ne ulažu u to i zahtijevaju od lidera da donose odluke o ljudima koristeći analitiku zasnovanu na činjenicama?" (" ).

Pa šta je bilo? Zašto mnogo više govore i pišu o prednostima i neophodnosti upotrebe analitike nego što koriste u stvarnom radu?

Pogledajmo ovaj fenomen iz različitih uglova.

U čemu je poteškoća?

Prije svega, vrijedno je razmotriti duboke, temeljne razloge takvog „kočenja“ od strane čelnika kompanija. Ovo ću opisati u smislu modela koji su Pete Ramstad i John Boudreau predstavili u Beyond HR (Boudreau i Ramstad, 2007) pod nazivom LAMP model (LAMP – logika, analitika, mjere i proces).

Ako pojednostavimo ono što je opisano u ovom modelu, onda su razlozi zbog kojih je upotreba analitike onemogućena sljedeći:

• Logika: ne možemo objasniti zašto rade sistemi visokih performansi. To je još uvijek "crna kutija". Razumijemo da postoji određeni odnos između nijansi, ali ne možemo sa sigurnošću reći šta direktno zavisi od toga šta i šta treba učiniti sa X da bi se dobio Y.

• analitika: ovdje je tradicionalno nedostajala dubina i temeljitost analitičkih modela. Čelnici Google-a i drugih vodećih kompanija okreću se industrijama poput raketne nauke, gdje postoje modeli koji uzimaju u obzir ogroman broj faktora. Jednostavno rečeno, nije metodološki ispravno.

• metrika: najčešći skupovi podataka su o trenutnom statusu zaposlenosti, potrošnji zaposlenih i programima ljudskih resursa. U najboljem slučaju, ovi podaci su operativno ili napredno izvještavanje, a ne strateška ili prediktivna analitika, koja uključuje analize, segmentaciju zaposlenih i koja je usko integrirana sa strateškim planiranjem.

• Proces: to je predstavljanje analitike donosiocima odluka. Ovdje su glavni faktori uspjeha pravovremenost i stepen vizuelne privlačnosti prezentiranih podataka. Riječ je o dobivanju podataka u realnom vremenu u pristupačnom i razumljivom obliku za donošenje odluka, a takvi alati koji koriste umjetnu inteligenciju se tek razvijaju. Na primjer, većina menadžera nema pojma kako protumačiti stopu fluktuacije zaposlenih, jer obično znaju da niska fluktuacija nije uvijek korisna, i obrnuto, ne znaju kako odrediti šta je najbolje u situaciji s kojom su suočeni. Sa ove tačke gledišta, mi smo u fazi revizije HR alata.

Mislim da je iz gore navedenog složenost i dubina problema malo jasnija. Dakle, postoje objektivni razlozi zašto se ulaganje u analitiku čini prilično rizičnim. grubo govoreći, nemamo jasne, pouzdane, nedvosmislene alate za donošenje odluka na osnovu analitike. Tačnije, za vrlo jednostavna lokalna područja postoje, ali nisu vrijedni troška. Ovaj nivo potrošnje ima smisla ako možemo dobiti pouzdane prediktivne trendove koji su ključni za poslovni uspjeh. A ova analitika sama po sebi ne može garantovati.

Ne želimo samo da obrađujemo podatke. Želimo imati pouzdane alate za donošenje poslovnih odluka sa manje ili više zagarantovanim rezultatima. I u tom smislu, glavna stvar i dalje ostaje kod osobe:

• sposobnost postavljanja strateški relevantnih pitanja i predstavljanja ih u logičkom okviru koji pokazuje odnos između ulaganja u ljudske resurse i kritičnih organizacijskih rezultata;

• duboko poznavanje vašeg poslovanja;

• razumijevanje logike analitičkih modela u smislu njihove primjenjivosti za objašnjenje vitalnih procesa u organizaciji i još mnogo toga.

ako uopšte jednostavnim riječima Ukratko, glavna poteškoća analitike kao načina rada s podacima je da prvo trebamo odrediti koje rezultate želimo dobiti. A za to je potrebno postaviti vrlo korektna pitanja koja zahtijevaju duboko razumijevanje poslovanja, zatim odrediti uz pomoć kojeg analitičkog modela možemo postići ove rezultate, u skladu s tim utvrditi kakve podatke i u kojoj mjeri su nam potrebni , pa tek onda smisliti, kako da ih dobijemo tačno u obliku u kojem su nam potrebni.

Kompleksan pristup

Da biste ilustrirali složenost pristupa, pogledajte sliku koja prikazuje sastav tima za HR analitiku:

To nije sve. Vrlo je važno imati na umu da je generalno izraz „HR analitika“ danas izuzetno rijedak u radovima istraživača i autora. Ovo je tako poznat izraz na ruskom jeziku. Na engleskom se sada koristi koncept People Analytics - analitika ljudi. Ovo nije jednostavan sinonim. Obrnuto. Sa lokalnih područja vezanih isključivo za HR - fluktuacija, metrika zapošljavanja, status zaposlenja itd., na Zapadu su prešli na globalnu "ljudsku analitiku" ili "ljudsku analitiku". Bitni su svi podaci o ljudima – njihovo kretanje, zdravstveno stanje, aktivnost na društvenim mrežama itd. Samo koristeći punu količinu podataka, može se govoriti o prihvatljivom stepenu pouzdanosti prognoza i strateških odluka. Da bi prikupile takve podatke, kompanije moraju uvesti nove alate zasnovane na mobilne aplikacije i ne samo, i privući stručnjake koji bi mogli raditi s tim.

Ali ovo je daleko od kraja problema, ovo je tek početak.

Kontekst. Kombinacija velikih i gustih podataka

Kontekst je odlučujući. Šta to znači? To znači da su nam pored velikih podataka potrebni i tzv. gusti podaci: ovo su sve one vrijedne informacije od ljudi - priče, emocije, komunikacija - koje se ne mogu kvantificirati, ali imaju vrijednost nevjerovatne dubine. Ono što ih čini dubokim je iskustvo ispravnog razumijevanja onoga što ljudi govore, što pomaže da se prepoznaju praznine i rupe u prediktivnim modelima. Gusti podaci uranjaju poslovna pitanja u ljudske probleme - pojašnjavaju kontekst. Stoga, kombinacija velikih i gustih podataka daje dublju sliku. Radite i sa prikupljenim i sa neprikupljenim podacima: ovo vam daje priliku da postavite prava pitanja „zašto?“. Zašto se to dešava?

Da bih ilustrovao važnost konteksta, navest ću dva primjera: jedan negativan i jedan pozitivan.

negativan primjer je priča o Nokiji, koja je već postala tužan primjer kako možete napustiti tržište na vrhuncu svoje forme. Suština glavne strateške pogrešne kalkulacije bila je u tome što su čelnici kompanije ignorisali guste podatke, koji se nisu mogli porediti sa nizom velikih podataka, ali su prilično precizno predvideli ogromno interesovanje za pametne telefone čak i među najnižim segmentima stanovništva.

ALI pozitivan primjer takođe pred svima. Ovo je fantastičan rast za Netflix. Tamo su, naprotiv, uočili praznine u analitičkim modelima i pozvali tehnološkog etnografa (već postoji takva specijalizacija) da radi sa gustim podacima. I shvatio je nešto što nije viđeno u velikim podacima. Etnograf je primetio da ljudi vole da se „zalepe” za televizor, ne osećaju se krivim zbog toga, već samo uživaju. I kombinovanjem velikih podataka sa gustim podacima, uradili su nešto jednostavno, ali efikasno: umesto prikazivanja različitih žanrova serija, počeli su da puštaju iste, kako bi se ljudima lakše „držali“. Ali to nije bilo sve, promijenili su i samu praksu emitovanja u skladu sa ovim saznanjima. Objedinjavajući velike i guste podatke, ne samo da su poboljšali svoje poslovanje, već su i promijenili način na koji ljudi konzumiraju medijske informacije. Očekuje se da će se njihovi udjeli udvostručiti u narednih nekoliko godina.

Podaci nisu ništa. Kontekst je sve!

Resursi

Postepeno idemo naprijed u razmatranju našeg problema, a ako ste još uvijek s nama, pred vama je posljednji bastion.

Ovo su resursi. Kao što se vidi iz svega navedenog, ozbiljan rad sa podacima zahtijeva "težak" i skup softver, visoko kvalifikovane stručnjake i puno vremena. Sve ovo dovodi do troškova koji su gotovo nepodnošljivi za većinu organizacija. Ako pratite temu, možda ste primijetili da su većina objavljenih slučajeva slučajevi velikih kompanija koje opisuju globalne studije. Pritom se mora imati na umu i tzv. greška preživelog.

Objavljeni slučajevi su uglavnom oni u kojima se ispostavilo. A koliko ih je propalo po istoj cijeni? Do sada ne postoje jeftini i relativno jednostavni alati i modeli. Ali tržište je tržište i najvjerovatnije će se nakon nekog vremena pojaviti kao rezultat akumuliranog iskustva. Stoga se velike kompanije sada trude, a svi ostali čekaju da se pojavi nešto pristupačnije kao rezultat aktivnosti prvih.

Evo, zapravo, glavnih razloga zašto je samo 8% ispitanika izjavilo da ima korisne podatke; samo 9% veruje da dobro razume koje karakteristike zaposlenih vode uspehu u njihovim organizacijama; a samo 15% ukupno ima implementirane sisteme za mjerenje ljudskih resursa i talenata za linijske menadžere.

Ali neophodnost i koristi od rada sa podacima su očigledne i nisu predmet diskusije. Pa šta da radimo?

Gdje kompanije mogu početi?

Ljudska analitika je pravac velikih razmjera zbog globalne prirode zadataka koji se rješavaju i prilično je nov. Međutim, među analitičkim pristupima već postoje dijelovi koji su dugi i dobro razvijeni. Oni pružaju moćan, ali pristupačan komplet alata i mogu kompaniji dati značajan uvid. Jedan od ovih pristupa je analiza organizacione mreže(ONA, Analiza organizacione mreže). Šta je to?

Svrha ONA je mjerenje i mapiranje odnosa i tokova između ljudi, grupa ili organizacija. Jedinstvenost ONA leži u činjenici da ni na koji drugi način nije moguće sagledati stvarne veze između ljudi u organizaciji. U stvari, to je rendgenski snimak vaše organizacije, ili odnosa vaše organizacije sa eksternim tržištem, ili vašeg osoblja, ili grupe kandidata. Ukratko, oni odnosi koji su vam potrebni se mogu analizirati.

ONA se pojavila na raskrsnici sociometrije i mrežne analize i čini se da je izuzetno koristan alat.

Velika prednost ovog pristupa je njegova vizualnost.

Na primjer: analiza rukovodilaca u odjelu za istraživanje i proizvodnju velike naftne kompanije dala je sljedeću razliku između formalne i stvarne organizacijske strukture (sl. od Rob Kros blog):

Sa desne figure se može vidjeti da kompanija ima jednog od srednjih menadžera, izvjesnog Colea (Cole, vidi lijevu figuru), koji je gotovo nevidljiv u službenoj hijerarhiji, a zapravo se preko njega odvijaju svi tokovi informacije i stvarna distribucija posla idu. On je glavni informacioni čvor i on odlučuje kome će koju informaciju prenijeti. Potpredsjednik je na vrlo udaljenoj periferiji i, zapravo, nema utjecaja na operativni menadžment.

Mislim da ste već počeli nagađati kakvu ulogu takva šema može imati, na primjer, u upravljanju promjenama.

Sljedeća velika primjena ONA-e je, naravno, upravljanje znanjem. Ako na ulazu postavljate pitanja poput: „Ko je najbolji stručnjak na poslu?“, onda će izlazna slika pokazati glavne nosioce stručnosti u organizaciji.

Kako ovdje ne govoriti o zadatku stvaranja informacionog polja u kompaniji? Svaki menadžer komunikacija trebao bi imati ovu vrstu analize ako ne želi da se kreće naslijepo. Takva analiza može pokazati i odnose i tokove informacija između odjela, između kompanije i drugih dionika, te između ljudi. U našem kursu obuke "HR bez uljepšavanja" dotičemo se ove teme detaljnije.

Kako, na primjer, zapravo funkcionira odnos između financija i marketinga u vašoj kompaniji? Preko koga idu sve informacije (sl Rob Cross blog)?

Isto važi i za bilo koju inovaciju, liderstvo, razvoj talenata, itd.

Razmotrili smo izglede za korištenje ONA unutar organizacije, ali ovaj alat se sa istim uspjehom može primijeniti i na analizu vanjskih odnosa - sa konkurentima, dobavljačima i izvođačima itd.

Glavne primjene ONA

ONA je umjetnost dobivanja korisnih rezultata: dobijate mape i metrike koje vas vode do zaista dobrih pitanja. Odnosno, ONA, kao i svaki analitički alat, ne daje odgovor na pitanje "Zašto?", Ovaj odgovor može dati samo osoba. Ali kartice rade dvije stvari:

• Oni pružaju pokazatelje o tome gdje bi moglo biti nešto od interesa za istraživanje.

• Oni pružaju zanimljive vizuelne rezultate kao podršku pričama o rezultatima.

Naravno, u stvarnosti to nije tako jednostavno kao što se čini na prvi pogled. Iza sve te inspirativne ljepote i prividne jednostavnosti stoji ozbiljan matematički aparat i fundamentalno istraživanje, ali je mnogo jednostavnije od onoga što je danas u "velikoj analitici". ONA će vam odmah dati izuzetno korisne rezultate i uštedjeti resurse.

Victoria Buznik I Lilia Grabovskaya, autori resursa Talent Management.com.ua i kursa obuke "HR bez uljepšavanja"

HR Analyst- osoba koja prikuplja, procjenjuje, analizira informacije o ljudskim resursima. Profesija će zainteresovati kandidate koji se bave matematikom i ekonomijom. Profesija je pogodna za one koji se zanimaju za psihologiju i društvene nauke (pogledajte izbor zanimanja za interesovanje za školske predmete).

Kratki opis

HR analitika je novi koncept, može se opisati kao proces tokom kojeg se HR podaci analiziraju korištenjem metoda poslovne inteligencije, statistike i tehnologija obrade podataka. Glavni zadaci su sljedeći:

• pružanje nepoznatih informacija (uvid);
• definicija vodećih podataka.

Ovaj proces daje odgovore na brojna važna pitanja:

• priprema izveštaja o starosti zaposlenih;
• obračun kadrova sa najvišim kvalifikacijama;
• izbor kandidata koji ispunjavaju sve poslovne uslove;
• utvrđivanje nivoa fluktuacije osoblja;
• predviđanje perioda kada je potrebno izvršiti "podmlađivanje" kadrova;
• statistika stvarnog prisustva osoblja na radnom mjestu: sjednice, godišnji odmori, bolovanja itd.

Gore navedena pitanja samo su mali dio mogućnosti HR analitike. Rukovodioci kompanija, oslanjajući se na podatke analitičkih izvještaja, uzimaju upravljačke odluke koji igraju ključnu ulogu u poboljšanju poslovne efikasnosti. HR analitičar radi sa velikim količinama podataka, koristeći dubinsko znanje stečeno ne samo u okviru univerzitetskog programa, već i na dodatnim obukama, kursevima i seminarima.

Osobine profesije

Još prije 5-10 godina informacije o ljudskim resursima su se prikupljale i sistematizirale haotično, a danas se situacija promijenila. Rukovodioci kompanija su spremni da angažuju HR analitičare, čiji rad omogućava sveobuhvatnu optimizaciju HR procesa. HR analitičar je osoba koja ima duboko znanje iz matematike, statistike i koristi sisteme automatizacije u svom radu. Razmotrite glavne zadatke koje rješava HR analitičar:

• budžetiranje troškova potrebnih za ljudske resurse: plate, dodaci, bonusi, finansijski podsticaji;
• vršeći analizu korišćenja izdvojenog budžeta, analitičar može učestvovati u procesu revizije plata;
• priprema divizijskih izvještaja. Govorimo o prometu, platnom spisku, kadrovima itd.;
• analiza efektivnosti upravljačkih odluka;
• interakcija sa rukovodiocima poslovnih sektora kompanije;
• rad sa HR statistikom, obrada prikupljenih podataka u izvještaje, prezentacije;
• formiranje nestandardnih izvještaja po prijemu zahtjeva od rukovodioca;
• uvođenje novih sistema automatizacije;
• proučavanje tržišta zarada, unos podataka u bazu podataka, redovno ažuriranje baze podataka;
• prikupljanje, analiza, obrada podataka o ljudskim resursima;
• procjena efektivnosti korištenja radnog vremena.

Obim dužnosti zavisi od politike kompanije u kojoj HR analitičar radi. U nekim oblastima poslovanja, dužnosti analitičara su dodijeljene HR menadžerima, u drugim takvo radno mjesto još nije otvoreno. Profesija je u fazi razvoja, ali će u budućnosti steći veliku popularnost.

Prednosti i mane profesije

pros

1. Profesija je nova, ali HR analitičari su već traženi kako u malim kompanijama tako i u velikim korporacijama.
2. Kontinuirani razvoj: kursevi, seminari, ostalo programi učenja. Većinu vremena obuku plaća poslodavac.
3. Veliki broj slobodnih radnih mjesta. Na primjer, u Moskvi je otvoreno oko 70 radnih mjesta za HR analitičara, au Rusiji u cjelini - više od 150 radnih mjesta (podaci sa portala hh.ru).
4. HR analitičar radi sa softverom i statističkim podacima, tako da komunicira sa zaposlenima strukturne podjele minimizirana.
5. Segment HR analitike karakterišu prosečne plate, ali su mogući dodaci i bonusi za odličan rad.

Minusi

1. Kolosalna odgovornost.
2. HR analitičar ne može pogriješiti.
3. Posao je sjedeći, potrebno je puno vremena provoditi za kompjuterom, što negativno utiče na kvalitet vida i opće zdravlje.

Važne lične kvalitete

HR analitičar je tačna, skrupulozna, disciplinirana osoba, sklona poslovima koji se ponavljaju. Svaki dan mora obraditi ogromnu količinu podataka, koristeći analitičko razmišljanje, metodičnost, pragmatizam. Takođe mora imati strpljenje, visoku sposobnost učenja, profesionalnu odgovornost.

Obuka za HR analitiku

Poslodavci su zainteresovani za HR analitičare koji imaju diplomu više obrazovanje. Na ruskim univerzitetima otvorena su mnoga specijalizovana područja obuke:

• „Upravljanje kadrovima“ (šifra: 38.03.03);
• „Statistika“ (novi smjer, odobren 2017. godine, otvoren u RTU MIREA i OSU);
• "Ekonomija", na primjer, sa profilom "Ekonomija rada" (šifra: 38.03.01);
• "Menadžment", na primjer, sa profilom "Upravljanje ljudskim resursima" (šifra: 38.03.02).

Profilni ispit za gore navedene oblasti je matematika. Napominjemo da HR analitičar mora redovno usavršavati svoje vještine i ažurirati svoje znanje, pa se preporučuje učešće na seminarima, webinarima i obukama nekoliko puta godišnje.

"Ruski institut stručnog obrazovanja "IPO" - regrutuje studente da dobiju specijalnost kroz daljinski program profesionalne prekvalifikacije i usavršavanja. Studiranje na IPO je zgodan i brz način za dobijanje obrazovanja na daljinu. 200+ kurseva obuke. 8000+ diplomaca iz 200 gradova Kratki rokovi papirologije i eksterne obuke, rate bez kamate od instituta i individualni popusti.

univerziteti

1. NRU HSE.
2. Moskovski državni univerzitet M. V. Lomonosov.
3. RUDN.
4. REU ih. G. V. Plekhanov.
5. RTU MIREA.
6. RSU im. A. N. Kosygin.
7. SevGU.
8. SPbGUP.

Mjesto rada

HR analitičari su potrebni svim kompanijama koje imaju svoje HR odjeljenje. Možda i jesu član osoblja ili se odlučite za outsourcing. Prva opcija uključuje saradnju sa predstavnicima veliki posao, drugi - srednji i mali.

Plaća

Menadžeri radije angažuju HR analitičare sa najmanje godinu dana iskustva, koji su sigurni korisnici računara, koji znaju strani jezici. Visina naknade zavisi od regije poslovanja, vještina i sposobnosti. Često se plata HR analitičara sastoji ne samo od gole stope, već i od bonusa i bonusa.

Plata od 19.11.2019

Rusija 30000—60000 ₽

Moskva 50000—200000 ₽

Stručno znanje

1. C&B/HR analitika.
2. Tehnologije upravljanja kadrovima.
3. Analitika, ekonomija, menadžment, osnove zapošljavanja, statistika.
4. Strani jezici.
5. Budžetiranje osoblja.
6. Poslovni procesi HR odjela.
7. Automatizacija HR procesa.
8. Ključni pokazatelji učinka osoblja (KPI).

Visokokvalitetna HR analitika je okosnica analize situacije i donošenja odluka u oblasti upravljanja kadrovima.

Glavni zadaci koje HR analitika može riješiti:

Obezbedite stvarnu statistiku i HR analitiku za donošenje odluka. Analizirati i povećati efikasnost: kadrova, procesa, metoda i alata rada. Pronađite efikasne i isplative modele donošenja odluka. Organizovati efektivnu kontrolu osoblja Predvidjeti probleme u budućnosti Otkrijte skrivene obrasce.

Statistika stranih kompanija navodi da efekat uvođenja sistema evaluacije kadrovskih usluga pokriva troškove i troškove njegove implementacije. Proces procjene pomaže menadžerima da identifikuju i isprave slabosti u oblasti upravljanja kadrovima, kao i da usmjere aktivnosti HR službe na važna pitanja.

Glavne opcije za korištenje HR analitike u kompaniji:

1. Realni HR indikatori.

Od direktora se traži da se oslanjaju na brojke i da se redovno upoređuju sa konkurencijom. Bez HR metrike, gotovo je nemoguće dokazati menadžmentu da je taj i takav pokazatelj „normalan“ ili da je na kritičnom nivou. Formiranje adekvatnih očekivanja za menadžment od HR odjela.

2. Planiranje budžeta

HR metrika vam omogućava da smisleno razradite mnoga pitanja vezana za budžet: — dokazati svrsishodnost trošenja budžeta za ljudske resurse, potkrepljujući to pokazateljima učinka zaposlenih; — razvoj ciljnih vrijednosti za troškove osoblja, KPI i efikasnost osoblja; - analiza precijenjenih ili potcijenjenih vrijednosti nekih indikatora može biti polazna tačka za prilagođavanje budžeta.

3. Identifikacija problema

"Visoki" ili "niski" indikatori su signal za dalje detaljnije proučavanje. Porast troškova, smanjenje efikasnosti, višak osoblja ili zaostajanje u automatizaciji mogu biti važni signali.

4. Pronalaženje najboljih praksi i poboljšanje HR procesa.

HR analitika najbolje rješava problem identifikacije glavnih područja zaostataka. Upoređivanje HR performansi vaše kompanije sa tržištem može poslužiti kao polazna tačka za postavljanje ciljeva za cijelu vašu HR funkciju.

5. Razvoj KPI

Na osnovu hr-analitike razvijaju se KPI indikatori HR službe i opravdavaju se ciljne vrijednosti indikatora.

Gotovo sve HR funkcije se mogu mjeriti, u bilo kojem kontekstu. Ali mjerenje radi mjerenja nije od koristi za kompaniju. Dobijeni podaci moraju se analizirati i koristiti u izradi politike upravljanja kadrovima.

Šta tačno treba meriti zavisi od toga sa kojim ciljevima se kompanija suočava. Tem HR specijalisti, koji upravo uvodi sistem evaluacije učinka, možete preporučujemo da počnete mjerenjem najrazumljivijih HR funkcija: analizirajte efikasnost same HR službe.

HR analitika je mogućnost korištenja najjednostavnijih indikatora za poboljšanje efikasnosti osoblja kompanije.

U HR praksi se koriste različite grupe metrika:

Opšti statistički podaci koji karakterišu ljudske resurse kojima preduzeće raspolaže; indikatori koji mjere kvalitet ljudski resursi i efikasnost njihove upotrebe - metrika HR-efikasnosti; metrike za ocjenjivanje učinka pojedinačnih zaposlenika/odjela; metrike za procjenu efikasnosti same HR usluge.

Opća statistika:

Segmentacija zaposlenih prema starosti, polu, radnom iskustvu u kompaniji, stepenu obrazovanja i kvalifikacije.

1. Prosječna starost zaposlenih.

Formula za izračun:Prosječna starost zaposlenih prema formuli za izračunavanje prosječne vrijednosti: X \u003d (X1 + X2 + X3 .... + Xn) / C,

gdje je: — X prosječna starost zaposlenih u organizaciji; - X1, X2, X3 ... Xn - starost svakog zaposlenog;

Privatne opcije za HR metriku:1. Prosječna starost zaposlenih po odjelima. 2. Prosječna starost zaposlenih prema polu.

Zašto je indikator važan?— povećati efikasnost regrutovanja; - smanjiti konflikte i napetost u timu (generacijska razlika); - Uravnotežiti osoblje u smislu efikasnosti (starost - iskustvo, mladi zaposleni - inovativnost, razvoj); - sistem evaluacije, motivacije i ohrabrenja za "mlađe" i "dobne" grupe treba da bude drugačiji.

2. Segmentacija po spolu.

Formula za izračun:X \u003d (X / C,) * 100%gdje je: - X - broj zaposlenih muškaraca (žena);

3. Prosječno radno iskustvo zaposlenih u kompaniji.

Formula za izračun:

X \u003d (X1 + X2 + X3 .... + Xn) / C,gdje je: - X - prosječan radni staž zaposlenih u organizaciji; - X1, X2, X3 ... Xn - radni staž svakog zaposlenog prvog dana u mjesecu nakon izvještajnog perioda; C je broj zaposlenih u organizaciji ( platni spisak) prvog dana u mjesecu nakon izvještajnog perioda.

Indikator omogućava:

Prosječan radni staž u kompaniji ukazuje na zadovoljstvo uslovima rada i lojalnost kompaniji. — ocijeniti konkurentnost sistema naknada i beneficija; — evaluirati efikasnost motivacionih programa, programa ocjenjivanja, programa razvoja karijere, rotacije, itd.;

4. Prosječan radni staž zaposlenog u trenutku otpuštanja.

X \u003d (X1 + X2 + X3 .... + Xn) / C,gdje je: - X - prosječan radni staž zaposlenih na dan otpuštanja organizacije; - X1, X2, X3 ... Xn - radni staž svakog penzionisanog prvog dana u mjesecu nakon izvještajnog perioda; C je broj zaposlenih koji su otišli izvještajni period.

Indikator omogućava:- možete procijeniti kada je zaposlenik blizu otkaza. - odrediti kada treba pokrenuti program zadržavanja ključnih zaposlenih, rotirati ili pripremati kandidate iz kadrovske rezerve. — evaluirati efikasnost procesa zadržavanja kadrova (konkurentnost sistema nagrađivanja i beneficija, motivacioni programi, programi ocenjivanja, programi razvoja karijere, itd.);

5. Nivo kvalifikacija (Prosjek, SPO, VO) zaposlenih.

Formula: Kv \u003d (Uo / C) * 100%,gdje je: - Kv - procenat zaposlenih sa određenim nivoom kvalifikacija (obrazovanja); - Uo - broj zaposlenih sa određenim stepenom kvalifikacije (obrazovanja); - C - broj zaposlenih u organizaciji (broj zaposlenih) prvog dana u mjesecu koji slijedi nakon izvještajnog perioda.

Omogućava vam da definirate:- broj zaposlenih sa završenom srednjom stručnom spremom (11 ćelija); — broj zaposlenih sa prosjekom — stručno obrazovanje(tehnička škola, fakultet); - broj zaposlenih sa visokom stručnom spremom. — stepen obrazovanja (kvalifikacije) ljudskog kapitala.

Pokazatelji HR učinka.

6. Implementacija plana HR usluga.

Formula: K \u003d (Zusp: Z) * ​​100%,gdje je: Zsp - broj uspješno obavljenih zadataka; Z - ukupan broj zadataka prema planu;

Omogućava vam da definirate:1. Efikasnost implementacije plana: usklađenost sa vremenskim okvirom, postizanje postavljenih ciljeva i rezultata. 2. Adekvatnost i ostvarivost postavljenih ciljeva i indikatora. 3. Identifikacija problema u radu HR službe i njihovo otklanjanje.

7. Budžet i struktura ljudskih resursa

Izvršenje budžeta (WB) - izračunato po formuli: WB \u003d (Σ FZ: Σ ZZ) x 100 (%),gdje je: Σ FZ - iznos stvarnih troškova za izvještajni period; Σ ZZ - iznos planiranih troškova u budžetu ljudskih resursa za izvještajni period.

Konkretno, indikator se izračunava za svaku stavku budžeta. WB (linija) \u003d Σ FZ: Σ ZZ x 100 (%),gdje je: Σ FZ - iznos stvarnih troškova za budžetsku liniju za izvještajni period; Σ ZZ - iznos planiranih troškova za budžetsku liniju za izvještajni period.

Važni parametri strukture budžeta:— Troškovi zapošljavanja kao % budžeta za ljudske resurse. — Troškovi obuke kao % budžeta za ljudske resurse. — Troškovi uključenja kao % budžeta za ljudske resurse. — Troškovi održavanja korporativnih događaja kao % budžeta za ljudske resurse. — Troškovi eksternih dobavljača kao % budžeta za ljudske resurse.

8. Fluktuacija osoblja / Stopa fluktuacije osoblja.

Stopa fluktuacije zaposlenih u organizaciji je procenat zaposlenih koji su napustili organizaciju (iz različitih razloga) tokom određenog perioda. Formula: T \u003d (Ku: C) * 100 (%),gdje je: Ku - broj otpuštenih radnika za period; IZ- prosečan broj zaposlenih redovni radnici.

Privatne opcije za HR metriku:1. Fluktuacija osoblja za period.

2. Fluktuacija osoblja u periodu adaptacije. (3-6 mjeseci).

Visoke stope otpuštanja u periodu adaptacije ukazuju na greške u odabiru kadrova (kriterijumi za odabir, podobnost kandidata) i njegovoj adaptaciji (proces adaptacije, postojanje mentorskog sistema itd.), na nesklad između internih motiva i korporativne kulture. i odnosi sa menadžmentom.

3. Fluktuacija osoblja u roku od 1 godine nakon zapošljavanja.

Visoke stope otpuštanja u roku od 1 godine rada ukazuju na greške u odabiru kadrova (kriterijumi za odabir, efektivnost regrutera) i njegovoj adaptaciji (proces adaptacije, postojanje mentorskog sistema itd.), odnosima sa menadžmentom.

4. Fluktuacija osoblja po odjelima.

Različiti sektori kompanije će imati različite dozvoljene nivoe prometa. Fluktuaciju osoblja treba redovno pratiti – analizirati svaki kvartal, svakih šest mjeseci ili svake godine.

Indikator omogućava:

Procijeniti troškove gubitaka osoblja i njihovu svrsishodnost; evaluirati efikasnost procesa zadržavanja kadrova (konkurentnost sistema nagrađivanja i beneficija, motivacioni programi, programi ocenjivanja, programi razvoja karijere, itd.); planirati broj i troškove funkcija (budžetiranje troškova); planirane količine neophodna sredstva u oblasti adaptacije, obuke i razvoja kadrova; identificirati probleme u upravljanju učinkom osoblja. Motivi napuštanja zaposlenih.

Niske apsolutne stope fluktuacije osoblja (do 5% godišnje) u većini slučajeva doprinose pravovremenom obnavljanju tima i ne zahtijevaju brzu intervenciju u procesu. Mala stopa fluktuacije je čak korisna za organizaciju, jer se sastav organizacije ažurira (uvode se nove prakse, novi izgled, itd.).

Ako kompanija ima fluktuaciju osoblja blizu 0% ili znatno ispod tržišnog medijana u uporedivoj industriji, onda bi možda bilo vrijedno obratiti pažnju na karakteristike kvaliteta sastav osoblja (struktura osoblja po godinama, dužini radnog staža, kvalifikacijama, itd.) i efektivnosti zaposlenih. Mogući rizici:

Smanjena efikasnost zaposlenih (neefikasni se ne otpuštaju); tehnološka zaostalost (nema priliva novih ideja i tehnologija + zaposleni nisu traženi na tržištu rada); "sinhrono starenje" i valoviti odlazak zaposlenih bez adekvatne zamjene; inflacija platnog spiska.

Prosječni (dozvoljeni) nivo fluktuacije osoblja obično se (bez uzimanja u obzir specifičnosti industrije) kreće od 5 do 10%. Istovremeno se neminovno povećavaju troškovi regrutovanja i prilagođavanja osoblja, smanjuje se produktivnost rada i nastaju gubici povezani s njima.

Visoka stopa fluktuacije osoblja (nije specifična za industriju) od 10 do 30% može ukazivati ​​na to da kompanija ili nije u stanju kontrolirati gubitak ključnih zaposlenika ili karakterizirati strategiju zadržavanja. U prvom slučaju, ovo je alarmantan signal koji dovodi do destabilizacije razvoja kompanije.

Ukoliko je pokazatelj značajno viši ili značajno niži od nivoa industrije, potrebno je izvršiti dodatnu analizu razloga otpuštanja.

Povećanje prirodne fluktuacije osoblja u odnosu na ukupan obim otpuštanja može ukazivati ​​na probleme u strategiji upravljanja kadrovima (u oblasti određivanja visine i sastava naknada, sistema motivacije i beneficija, mogućnosti obuke i razvoja karijere, vrednosna ponuda poslodavca, itd.)

9. Stopa izostanaka/abenteizam

Formula za izračun: Stopa odsustva = sati odsustva / fond stvarnog radnog vremena T=(Wo:Fw)*100 (%),gdje: Za vrijeme - vrijeme odsustva sa radnog mjesta (sati); Fv- Stvarni fond radnog vremena.

Sati odsustva uključuju:

Odmor (i redovni plaćeni i neplaćeni neplanirani) bolest drugi zakonom dozvoljeni izostanci /uz dozvolu uprave izostanak sa posla neovlašćeno produženo odsustvovanje sa posla

Pokazatelj ne uključuje odsustvo s posla iz razloga predviđeno zakonom: svečani i vikend,porodiljsko odsustvo, roditeljsko odsustvo. službena putovanja i dani zastoja zbog krivice poslodavca (na primjer, zbog privremenog smanjenja obima proizvodnje) Stvarni fond radnog vremena izračunava se na osnovu ekvivalenta prosječnog broja zaposlenih.

Zašto je indikator važan? 1. Prikupljanje statističkih podataka o ovaj indikator na redovnoj osnovi (sati odsustva, prosječno trajanje odsutnosti za određene kategorije osoblja, funkcije, pozicije, itd.) omogućava vam da:

Operativno upravljati brojem osoblja; planirati broj zaposlenih uzimajući u obzir određeni postotak izostanaka (uključujući sezonska povećanja / smanjenja); predviđanje troškova nagrađivanja zaposlenih; dijagnosticirati probleme u radna disciplina zaposleni; kvalitet upravljanja linijskim menadžerima.

2. Stopa odsustva odražava postotak produktivnog vremena izgubljenog zbog odsustva zaposlenih na radnom mjestu i omogućava vam da procijenite odgovarajuće troškove.

Šta govore visoke/niske vrijednosti?U najčešćem tumačenju, visok stepen izostanaka sa posla predstavlja reakciju osoblja na nezadovoljavajuće uslove rada. Shodno tome, niski rezultati (donji kvartil vrijednosti referentne grupe) će ukazivati ​​na povoljne i udobne uslove rad.

Istovremeno, indikator blizu nule može biti posljedica zloupotrebe metoda borbe protiv izostanaka. Načini stimulacije kao što su stimulativne isplate onima koji rijetko boluju ili odbici od plaćanja bolovanja, odbitaka za odsustvo i sl. mogu proizvesti „nezdravu“ atmosferu (zaposleni počinju da rade u bolesnom stanju, odbijaju godišnji odmor, itd.).

Normalizacija indikatora zahteva analizu podataka po delatnostima (relevantna grupa za poređenje), analizu dinamike i dodatnu analizu strukture (vrste izostanaka i njihov odnos).

10. Prosječna cijena otpuštanja radnika.

Zbir svih troškova u vezi sa otpuštanjem zaposlenog i prijemom novog radnika na ovu poziciju.

Okvirne stavke rashoda:

1. Troškovi otpuštanja radnika (troškovi za izlazni razgovor, nagodbu, otpremnine); 2. Troškovi održavanja toka rada (isplate honorarnim radnicima); 3. troškovi zapošljavanja (troškovi traženja, intervjuisanja, testiranja i ispitivanja, završnog razmatranja kandidature, registracije zaposlenog, kombinezona i drugih atributa neophodnih za rad); 5. Troškovi zapošljavanja zaposlenih 6. troškovi obuke (troškovi prezentacijskog materijala za novozaposlenog, obuka); 7. gubici pri stupanju na radno mjesto (plaćanje za rad zaposlenog u periodu obuke).

Zaključci iz prethodnih studija:

Visoki troškovi zamjene povećavaju ulogu pravilnog zapošljavanja i indukcije. Samo 11% kompanija obračunava troškove zamjene zaposlenih. Prosječna cijena zamjene u Rusiji iznosi približno 21% godišnjeg prihoda zaposlenog.Indirektni troškovi značajno utiču na konačnu cenu zamene. Potrebno je procijeniti zamjenski trošak u kombinaciji sa drugim pokazateljima, kao što su fluktuacija osoblja, indeksacija plata, stanje na tržištu rada itd.

11. Zadržavanje ključnih zaposlenih.

Formula: Y \u003d (Kuder: Kuvol.) * 100%,gdje je: Kuderzh - broj zadržanih radnika; Kuvol. - ukupan broj zaposlenih koji su podnijeli zahtjev za ostavku.

metrika efikasnosti procesa regrutacije.

12. Troškovi zatvaranja slobodnog radnog mjesta.

Formula: Trošak zatvaranja slobodnog radnog mjesta izračunava se zbrajanjem svih troškova potrebnih za zatvaranje radnog mjesta, direktnih i indirektnih.

Troškovi zapošljavanja od strane internog odjela za ljudske resurse.1. Objavljivanje slobodnih radnih mjesta na sajtovima za zapošljavanje, pristup bazama životopisa. 2. Troškovi informisanja: oglašavanje na radiju, TV, baneri itd. 3. Telefonske komunikacije, Internet. 4. Radno vrijeme regruter/HR manager 5. Organizirano radno mjesto. 6. Indirektni troškovi vezani za zapošljavanje. 7. Ostalo.

Angažovanje agencije za zapošljavanje:1. Plaćanje po ugovoru o izboru. 2. Radno vrijeme regrutera / menadžera osoblja. 3. Ostalo.

Trošak zavisi od primijenjene strategije zapošljavanja, od karakteristika samog procesa selekcije, nivoa pozicije i profesije.

Privatne opcije za HR metriku1. Prosječna cijena zatvaranja jednog slobodnog radnog mjesta. 2. Prosječna cijena zatvaranja jednog upražnjenog radnog mjesta od strane profesije/pozicije/TOP menadžera.

Prema studiji SuperJob za 2016. godinu, prosječni trošak zatvaranja posla u Rusiji smanjen je za 15% i iznosio je 3.900 rubalja.

Smanjen je udio kompanija koje troše 5.000–10.000 RUB za popunjavanje jednog upražnjenog radnog mjesta. (2015. godine iznosili su 18%, 2016. godine samo 11%).

Istovremeno se povećao broj kompanija, a trošak popunjavanja upražnjenog radnog mjesta u rasponu od 1.000 do 3.000 rubalja. (35% u poređenju sa 24% u 2015. godini).

13. Rok za zatvaranje konkursa.

Vrijeme potrebno za zatvaranje jednog posla jednako je važno kao i cijena procesa zapošljavanja. Pod njim se podrazumijeva vrijeme od trenutka kada se u kompaniji pojavi konkurs do trenutka kada kandidat primi i prihvati ponudu kompanije za zapošljavanje.

Formula: Vzv \u003d Kd: Kzv,gdje je: Kd - broj dana rada za popunu svih slobodnih radnih mjesta za izvještajni period; Kvv - ukupan broj zatvorenih radnih mjesta za izvještajni period.

Vrijedi razmisliti o tome datum odlaska novog radnika razlikuje od datum zatvaranja konkursa, budući da se u ovom slučaju misli na vrijeme potrebno od trenutka kada se upražnjeno mjesto pojavi do trenutka kada novi zaposlenik otišao na posao.

Izračunavanje roka za zatvaranje konkursa pomaže da se identifikuje intenzitet kojim menadžer za zapošljavanje radi – koliko dana provodi tražeći jednog stručnjaka. Koja se vrijednost smatra normom, vi određujete kao lider. Ali kada to određujete, ne zaboravite uzeti u obzir da odabir različitih stručnjaka traje različito vrijeme. Jedno je tražiti običnog radnika, a drugo pronaći šefa odjeljenja ili rijetkog specijaliste. Stoga bi bilo ispravnije da postavite nekoliko standarda - svoje za svaku kategoriju zaposlenih.

Oni preoblikuju svoje procese, a jedna od promjena bi trebalo da bude i informiranje kupca o očekivanom periodu selekcije u fazi prijave upravo za ovu selekciju.

14. Prosječan broj prijava po slobodnom radnom mjestu.

Formula: Z \u003d Kz: Kv,gdje je: Kz - broj primljenih prijava od aplikanata; Kv - broj slobodnih radnih mjesta za izvještajni period.

Indikator omogućava:— pokazuje efikasnost vaših kanala za zapošljavanje odražava vaš HR brend kao poslodavca. — velika količina kandidata omogućava odabir kvalitetnijeg kandidata za slobodno radno mjesto, ali i povećava vrijeme i troškove selekcije. — vrijednost vaše ponude na tržištu rada.

15. Efikasnost procesa regrutovanja.

Formula: Er \u003d (Ku: Kk) * 100%,gdje je: Ku broj kandidata koji prolaze u sljedeću fazu; Kk - ukupan broj kandidata koji su odabrani.

U svakoj fazi selekcije nekoga izbacite, neko nestane sam - analiza razloga zbog kojih se to dogodilo u ovoj fazi omogućit će vam da efikasnije izgradite proces zapošljavanja. Postavljajte ona pitanja koja izdvajaju nepodobne kandidate, razgovarajte o principima rada kompanije koji nekome možda ne odgovaraju, dajte test zadaci ranije, tako da oni kandidati koji ne žele da ih ispune odmah budu isključeni iz procesa selekcije.

16. Stopa zatvaranja poslova.

Formula: Pzv \u003d (Kzkr: Vr;) * 100%,gdje je: Kzkr - broj zatvorenih radnih mjesta za izvještajni period Vr - ukupan broj otvorenih radnih mjesta

Ovo je analitički članak relevantan za velike kompanije - potrebno je uporediti broj slobodnih radnih mjesta koja su se upravo zatvorila i onih koji su se pojavili kako biste ponovo procijenili efikasnost procesa zapošljavanja. Ako se u nekoj kompaniji otvori mali broj slobodnih radnih mjesta, to znači da sve radite kako treba i da je u kompaniji sve prilično skladno.

Koristeći ovaj indikator, možete procijeniti produktivnost menadžera za zapošljavanje, kao i planirati njihov obim posla, ocijeniti učinkovitost procesa zapošljavanja i provjeriti da li se poštuje plan koji se obično postavlja za određeni period.

17. Izvori kandidata i efektivnost kanala regrutacije.

Poznavanje izvora koji vam donose najviše dobrih kandidata čini proces regrutovanja mnogo lakšim. Ovom vrstom analitike možete smanjiti troškove zatvaranja posla.

Analiza efikasnosti kanala omogućiće vam da koristite samo one sajtove koji redovno dozvoljavaju odgovarajućim kandidatima da se prijave.

HR metrika za obuku i procjenu osoblja

18. Koeficijent razvoja ljudskog kapitala.

Stopa razvoja je omjer broja obučenih radnika i prosječnog broja zaposlenih tokom perioda. Formula: Kp \u003d (Ko: C) * 100%,gdje je: Ko - broj obučenih radnika;

19. Troškovi obuke po zaposlenom.

Formula: Ro \u003d (P: C) * 100%gdje je: P - iznos troškova obuke; OD - prosječna populacija zaposlenih.

Troškovi obuke za jednog zaposlenog u prosjeku su 8.000 rubalja. godišnje (podaci za 2016.), trošak kompenzacionog paketa je 10.000 rubalja. u godini.

20. Procenat zaposlenih koji su napredovali.

Formula: Ps \u003d (Kp: C) * 100%gdje je: Kp - broj zaposlenih koji su primili povećanje; C je prosječan broj zaposlenih.

21. Troškovi evaluacije (certifikacije) 1 radnika.

Formula: Oz \u003d (Os: sri;) * 100%gdje je: P - iznos troškova za procjenu osoblja; C je prosječan broj zaposlenih.

22. Udio zaposlenih koji su prošli ocjenu (certificiranje).

Formula:OS \u003d (Kp: C) * 100% gdje je: Kp - broj zaposlenih koji su prošli ocjenu (certificiranje); C je prosječan broj zaposlenih.

23. Angažman i zadovoljstvo.

Dvije metrike koje se najčešće mjere anketama. Pitanje njihove efikasnosti u svijetu hr-tehnologija je akutno. Vaš zadatak je pronaći najbolji alat za analizu angažmana i zadovoljstva zaposlenih za svoju kompaniju. Da li ćete istovremeno provoditi anonimne ankete ili samo razgovarati sa svojim timom nije toliko važno, najvažnije je da odgovori budu bliski istini.

Zadovoljstvo poslomNivo zadovoljstva poslom (Indeks zadovoljstva poslom) je odnos broja zaposlenih koji su zadovoljni svojim radom i ukupnog broja zaposlenih Anonimne ankete su jedna od najčešćih metoda za proučavanje zadovoljstva zaposlenih.

Uključuje sljedeće kategorije pitanja:- uslove rada; — zadovoljstvo trenutnim poslom/pozicijom; - zadovoljstvo vođom; - menadžment kompanije; — korporativne kulture;- karijera i lični razvoj.

Dozvoljava:— izraditi akcioni plan za poboljšanje uslova rada, povećanje angažmana i lojalnost osoblja,— razviti planove za lični razvoj osoblja i zadržavanje; — prilagođavanje ravnoteže između posla i života; — razvoj ili prilagođavanje korporativne kulture.

24. Lojalnost osoblja

eNPS indeks neto lojalnosti zaposlenih.

Merljiva je i lojalnost zaposlenih u kompaniji. Njegova vrijednost je određena NPS koeficijentom i jednaka je razlici između udjela zaposlenih koji su zadovoljni kompanijom i onih koji su negativni.

eNPS indeks ili zaposleni neto promoter rezultat je indeks neto lojalnosti zaposlenih koji mjeri njihovo zadovoljstvo kompanijom.

Izračun indeksa dat je u našem članku ""

25. Kadrovska rezerva.

Koristi se pri planiranju rasta i rotacije kadrova, pokazuje broj zaposlenih sposobnih da popune upražnjeno radno mjesto.

Procenat slobodnih mjesta popunjenih od strane kandidata iz rezerve (od ukupnog broja slobodnih mjesta).Vr \u003d (Rs: B) * 100%,gdje je: Ps - broj zaposlenih koji su preuzeli upražnjeno radno mjesto iz rezerve; IN - ukupna snaga otvoreni konkursi, za period /

26. Zadovoljstvo radom HR odjela.

Vrlo koristan alat, ali koji HR menadžeri baš i ne vole da koriste - poput samodijagnoze kadrovska služba. Provedeno anonimnom anketom osoblja kompanije. Same kompanije određuju ključne metrike zadovoljstva radom kadrovske službe: Zadovoljstvo uslugom. Žalbe zaposlenih. Prosječan termin reakcije na tretman itd.

27. Obračun povrata HR projekata.

Da biste izračunali povrat ulaganja bilo kojeg HR projekta, predlažemo da koristite jednostavnu univerzalnu formulu za povrat ulaganja Jacka Phillipsa, predsjednika Upravnog odbora ROI Institute Inc (vodeće konsultantske kompanije). Danas ga koriste mnoge vodeće kompanije ne samo u SAD-u, zapadnoj Evropi, već iu Rusiji.

Povrat ulaganja u upravljanje ljudskim resursima: ROI = Prednosti-Troškovi: Troškovi x 100%

Povrat na bilo koju HR investiciju (označen kao ROI) jednak je neto dobiti ovog projekta (Benefits-Costs), to jest, dobit minus svi troškovi, podijeljena s troškovima ovog projekta (Costs) i nakon toga sve pomnoženo za 100%.

KPI za procjenu efektivnosti sistema upravljanja ljudskim kapitalom.

Ukupno, postoji više od 300 različitih KPI-ja za procjenu učinkovitosti različitih HR procesa, ali određeni skup metrika za HR BSC se utvrđuje na osnovu strateških ciljeva kompanije.

Najčešći KPI u HR-u su:

1. Stopa fluktuacije osoblja: — koeficijent dobrovoljnog prometa - stopa fluktuacije u prvoj godini rada je odnos broja zaposlenih koji su otišli i prosječnog broja zaposlenih za period.

2. Koeficijent zatvaranja slobodnih radnih mjesta, odnos broja zatvorenih radnih mjesta i ukupnog broja slobodnih radnih mjesta za period.

3. Prosječni rok za zatvaranje slobodnih radnih mjesta, odnos zbira dana koji su protekli od otvaranja radnog mjesta do stupanja kandidata na posao, za sva otvorena slobodna radna mjesta, prema ukupnom broju zatvorenih radnih mjesta za period.

4. Usklađenost sa budžetom za troškove osoblja, odnos iznosa stvarnih rashoda za naknade zaposlenih prema planiranoj vrijednosti.

5. Stopa izostanka sa posla, odnos broja dana koje su zaposleni propustili iz bilo kog razloga, prema normi radnog vremena za taj period.

HR je prošao dug put od tradicionalnog prikupljanja i praćenja informacija o zaposlenima do moderan pristup: Korišćenje podataka za sticanje dubokih uvida u poslovanje.

Šta je HR analitika?

HR analitika je proces u kojem se na obradu HR podataka primjenjuju tehnike nauke o podacima i poslovne inteligencije (BA). Ponekad se naziva i analitikom talenata. Takođe, data mining u ovom kontekstu se odnosi na praksu ispitivanja baza podataka radi kreiranja novih informacija.

HR analitika ima dva glavna cilja: pružanje uvida (prethodno nepoznatih informacija) i identificiranje ključnih podataka.

Prva svrha je pružiti organizaciji informacije o vlastitim operacijama koje mogu pomoći u efikasnom upravljanju zaposlenima. To su uvidi koji mogu osigurati efikasno postizanje poslovnih ciljeva kompanije.

Druga ključna funkcija HR analitike je da pomogne u identifikaciji podataka koje organizacija treba da zadrži. Osim toga, pruža modele za predviđanje razne načine pomoću kojih organizacija može postići optimalan povrat ulaganja (ROI) u svoj ljudski kapital.

Općenito, HR analitika je fokusirana na maksimalno iskorištavanje ogromne količine podataka o ljudskim resursima koje većina organizacija prikuplja. Kompanije često imaju mnogo podataka, kao što su demografija zaposlenih, evidencija o obuci i tako dalje, a analiza može izvući važne uvide iz njih.

Ispod je više detaljne informacije o HR analitici:

Zašto bi vaša organizacija trebala raditi s HR analitikom?

Kadrovske odluke se često zasnivaju na profesionalnim instinktima i intuiciji. Zapošljavanje, na primjer, često zavisi od ličnog kontakta koji regruter ima ili nije mogao uspostaviti sa kandidatom. Problem sa "instinktima" i intuicijom je što oni mogu normalizovati loše prakse.

Dakle, nepravda na poslu može proći nezapaženo. Jasan primjer za to je razlika u plaćama između muškaraca i žena. Organizacije mogu misliti da plaćaju isto ako ne prouče stvarne podatke.

HR analitika može pomoći u poboljšanju performansi i predviđanju najuspješnijih modela. Ovo eliminira većinu ljudskih grešaka u donošenju odluka. Na primjer, poboljšano upravljanje opterećenjem može biti efikasnije kada se podaci koriste da pokažu koja su odjeljenja ili timovi već preopterećeni i koji sebi mogu priuštiti preuzimanje više odgovornosti.

Što je još važnije, pokazalo se da HR analitika pokreće rast kompanije. Training Zone izvještava o rezultatima poboljšanja performansi jedne kompanije koja koristi HR analitiku za poboljšanje procesa zapošljavanja. Kroz analizu podataka, kompanija je uočila da tradicionalno ključni indikatori- edukacija i reference - nisu imale veliki uticaj na performanse kandidata u prodaji. U stvari, metrike kao što su iskustvo velike količine prodaje i sposobnost rada u nestrukturiranim okolnostima su se pokazale ključnim, što je zaista doprinijelo poboljšanju prodajnih performansi. Kada je kompanija uključila ovu HR analitiku u zapošljavanje, prodaja kompanije porasla je za 4 miliona dolara sljedeće godine.

Druge studije su došle do sličnih zaključaka o važnosti HR analitike za ukupni učinak kompanije. Studija MIT-a i IBM-a pokazala je da viši nivo upotrebe HR analitike može rezultirati:

• Povećanje prodaje za 8%;
• Povećanje neto prihoda iz poslovanja za 24%;
• 58% veća prodaja po zaposlenom.

Najbolji načini korištenja HR analitike

Područja primjene HR analitike su ogromna, a metrike na koje se treba fokusirati za organizaciju zavise od industrije kao i prirode poslovanja.

Evo nekoliko primjera mogućih ključnih indikatora:

• stopa otpuštanja,
• vrijeme iznajmljivanja,
• stopa fluktuacije za različite grupe osoblja (prva godina, pet godina itd.),
• prihod po zaposlenom.

Gore navedeni pokazatelji i drugi slični podaci mogu se koristiti za poboljšanje poslovnih performansi. Ključna područja u kojima podaci mogu pomoći su:

regrutovanje- HR analitika može dati odgovore na pitanja o pronalaženju savršenih kandidata za ovaj posao. Na primjer, kao što je pokazao gornji primjer kompanije, podaci se mogu koristiti za identifikaciju kvaliteta onih kandidata koji daju najbolje rezultate. Možete uporediti podatke kandidata koji su završili u kompaniji i među njima pronaći zajedničke imenitelje.

Zdravlje i sigurnost- HR analitika može bolje identificirati problematična područja vezana za zdravlje i sigurnost. Podaci mogu ukazivati ​​na uloge, poslove i druge slične faktore koji imaju najveću stopu nezgoda.

Zadržavanje zaposlenih- Zahvaljujući podacima, možete saznati i više o zadržavanju zaposlenih. Možete koristiti HR analitiku da identifikujete aspekte koji povećavaju angažman zaposlenika.

Praznine u talentima- podaci mogu otkriti postojanje praznina u organizaciji. Na primjer, neki odjeli mogu imati više kvalificiranih radnika od drugih, a to može ometati zajednički posao kompanije.

Stopa otpuštanja- koliko zaposlenih odlazi u određenom periodu u odnosu na ukupan broj zaposlenih? Učinak prodaje - HR analitika vam može pomoći da shvatite detalje o tome kako poboljšati prodajne performanse. Možda ćete primijetiti da određeni talenti pomažu zaposlenima da rade bolje, ili da određeni programi obuke pružaju trenutne povrate u smislu prodaje.

Pet izazova za HR analitiku

Prije prelaska na početne faze implementacije HR analitike, vrijedno je razmotriti neke od glavnih problema koji se time javljaju. Kada implementirate HR analitiku u vašoj organizaciji, važno je pronaći načine za rješavanje sljedećih pet izazova.

Zadatak 1: protok podataka

Što više informacija vaša organizacija prikupi, teže je koristiti ih ako je potrebno. Velika količina podataka ne dovodi automatski do dobrih rezultata. Da biste bili uspješni, morate imati sposobnost primjene pravih analitičkih tehnika.

Ako vaše odjeljenje za ljudske resurse prikupi mnogo podataka bez primjene pravih analitičkih pristupa, jednostavno ćete dobiti puno podataka. Što ih je više, teže je napraviti vrijedna nagađanja.

Na primjer, metrike za sve metrike koje prikupljate moraju biti pravilno definirane i klasificirane. Morate definirati pitanja koja želite riješiti sa svojim podacima, a ne samo prikupljati da budu.

Izazov 2: Kvalitet podataka

Osim prikupljanja prave količine podataka, morate se pobrinuti da posvetite dovoljno pažnje njihovom kvalitetu. Protok podataka može brzo dovesti do podataka lošeg kvaliteta jer ne stvarate smislene odnose između različitih skupova podataka.

Važno je osigurati kvalitet podataka fokusirajući se na osiguranje njihovog integriteta i sigurnosti. Problem mnogih organizacija je taj što podaci koji se koriste u HR analitici mogu doći iz različitih dijelova organizacije i stoga biti previše različiti, što dovodi do problema. Neki podaci mogu biti zanemareni, odbačeni, izgubljeni ili se skupovi podataka možda neće spojiti, što će onda dovesti do neadekvatne analize.

Izazov 3: Loše analitičke vještine u većini odjela za ljudske resurse

Da bi HR analitika uspjela, tim koji stoji iza nje mora imati znanje i o ljudskim resursima i o analitici podataka. Ali pronalaženje rukovodilaca u ljudskim resursima koji su takođe pametni u podacima može biti teško.

Prema Elizabeth Craig, istraživač Accenture Institute for High Performance, teško da postoji zaposlenik koji je dovoljno kvalifikovan za HR analitiku. Osim toga, Craig je rekao za data-informed.com da neki alati za analizu podataka zahtijevaju specijalizirane IT vještine, dodajući pritisak da se pronađu pravi ljudi.

Problem dodatno pogoršava činjenica da se samo 6% globalnih HR timova osjeća sigurno u svoje analitičke vještine. Osim toga, samo 20% vjeruje da je korištenje podataka njihove organizacije dovoljno pouzdano i pouzdano za donošenje odluka.

Izazov 4: Česti nedostatak podrške menadžmenta za HR analitiku

HR analitika još nije postala jedan od glavnih procesa za mnoge kompanije, a često nedostaje i podrška menadžmenta. Ali da bi proces funkcionirao, HR mora uvjeriti čelnike kompanija u prednosti korištenja analitike.

Ova podrška je važna jer omogućava pristup resursima, jer implementacija pravog sistema za analizu ljudskih resursa nije jeftina. Takođe može da obezbedi bolji pristup podacima u svim odeljenjima. Da bi uvjerili rukovodioce, odjeli za ljudske resurse moraju se fokusirati na identifikaciju mogućnosti za maksimalni ROI, čak iu ranoj fazi.

Izazov 5: HR analitika je skupa i ROI je često nevidljiv

Konačno, organizacije moraju biti svjesne troškova. Raspon cijena analitičkih alata je raznolik koliko i dostupnost alata. Prema članku na data-informed.com, cijena platforme može se kretati od "400.000 do 1,5 miliona dolara za kompaniju sa 5.000 stalno zaposlenih."

Osim toga, procjena ne uzima u obzir povećanja troškova s ​​kojima se organizacije mogu suočiti prilikom zapošljavanja novih zaposlenika za vođenje programa ili obuku postojećih zaposlenika za korištenje analitike.

Osim toga, ROI na HR analitiku nije baš opipljiv. To je zato što se koristi od implementacije analitičkih rezultata mogu dijeliti između odjeljenja i kroz duge periode. Na primjer, poboljšanja u zadržavanju zaposlenih neće biti odmah vidljiva.

Izazov je shvatiti da odlazak na jeftiniju platformu za HR analitiku ne znači uvijek velike uštede. Mana softvera i alati mogu dovesti do neefikasnih i nepotpunih rezultata, koji, kao rezultat, neće generisati dovoljno visok ROI da opravda ulaganje.

Pet prvih koraka u implementaciji HR analitike

Ako vaša organizacija želi implementirati HR analitiku, šta na pravi način? U nastavku je pet koraka koji mogu pomoći vašoj organizaciji da započne.

Korak 1: Identifikujte poslovne probleme koje želite da rešite

Prva i najvažnija stvar je definirati poslovna pitanja koja želite riješiti. Ne možete početi prikupljati podatke, a zatim ih samo pogledati da biste pronašli odnose.

Identifikujte probleme koje biste želeli da poboljšate u sektoru ljudskih resursa. Na primjer, to mogu biti pitanja vezana za raznolikost radnog mjesta, poboljšanje zadržavanja zaposlenih, mjerenje količine novca potrošenog na obuku ili bolje razumijevanje uzroka izostajanja s posla. Postoji nekoliko jednostavnih pitanja s kojima biste trebali započeti prije nego što krenete dalje.

Na primjer, recimo da želite razumjeti kako HR utiče na stvari kao što je rezultat vaše kompanije.

Nakon što prikupite opće informacije vezano za kadrove, koje biste željeli detaljnije proučiti, morate početi sa identifikacijom potrebnih indikatora za rješavanje ovih problema. Evo nekih HR metrika koje pokazuju učinak HR odjela:

• Vrijeme zapošljavanja – koliko vremena je potrebno da se popuni jedno radno mjesto, kao i vrijeme potrebno da kandidat prihvati ponudu i postane zaposlenik?
• Stopa fluktuacije zaposlenih - koliko zaposlenih odlazi nakon prve godine, pet godina i tako dalje?
• Raznovrsnost kadrova - koliki su procenti kada mi pričamo o ženama, muškarcima, vjerskim i etničkim grupama?
• Prihodi po zaposlenom, u stalnom radnom odnosu - koliki su prihodi ostvareni na puno radno vrijeme?
• Iznos plaće za prekovremeni rad - Koliko je plata za prekovremeni rad i koliko često se isplaćuje?
• Odnos između radnika na neodređeno i određeno vrijeme – koliko je zaposlenih na nepuno radno vrijeme u odnosu na puno radno vrijeme?

Korak 2: Identifikujte podatke koji odgovaraju na gornja pitanja

Nakon što imate pitanja i nedoumice, možete početi identificirati podatke koji su potrebni za odgovor ili njihovo rješavanje.

Prvo, vaš fokus bi trebao biti na podacima koji se odnose na osoblje koji su već pohranjeni u vašem odjelu. Ovo uključuje informacije o zapošljavanju, učinku i nasljeđivanju. Vaš odjel bi već trebao imati kontrolu nad ovim skupovima podataka.

Drugo, morat ćete početi prikupljati podatke o stvarima kao što su angažman, ankete i intervjui. Ovisno o nivou prikupljanja podataka u vašoj organizaciji, možda već imate uspostavljene mehanizme za prikupljanje ovih podataka.

Konačno, potrebno je proširiti prikupljanje podataka na druge poslovne sisteme i odjele. Trebali biste početi prikupljati važne finansijske pokazatelje i istraživanje tržišta. To uključuje stvari kao što su promet, učinak prodaje, novac potrošen na istraživanje tržišta i obuku.

Korak 3. ETL implementacija: ekstrakcija, obrada i učitavanje (vađenje, transformacija i učitavanje)

Kao što je gore spomenuto, odjel za ljudske resurse bi trebao blisko sarađivati ​​sa IT odjelom, jer određeni softver i rudarenje podataka mogu zahtijevati specijalizirane analitičke vještine. Stoga je dobra ideja da se počne sa bližim povezivanjem ova dva odjela.

Dio ovog procesa je implementacija ETL-a: izdvajanje, procesiranje i učitavanje. Postoje alati koji se mogu koristiti za automatsko izvođenje ovog procesa. Na primjer, IMB WebsphereDataStage i Cognos Data Manager ili Microsoft SQL Server Integration Services su neke od najpopularnijih opcija. Iako ljudi koji nisu tehnički mogu koristiti ove platforme, može biti od pomoći da zamolite IT odjel za pomoć.

Ovaj proces vam u suštini omogućava da izvučete potrebne podatke iz izvora koje definirate, pretvorite ih u ispravan čist i dosljedan format i otpremite ih na vašu analitičku platformu kako biste ih koristili za analizu.

Korak 4: Integrirajte rezultate u poslovne operacije

Kada vaša analiza podataka počne generirati rezultate, morate početi unositi promjene. Na primjer, ako ste se fokusirali na proučavanje različitosti radna snaga a vaši podaci pokazuju da ne dobijate dovoljno prijava od etničkih manjina, možete početi mijenjati svoju strategiju zapošljavanja.

Osim toga, potrebno je uspostaviti odnos između HR podataka i drugih poslovnih metrika. Na primjer, skraćenica prekovremeno osoblje može direktno korelirati sa produktivnošću i profitabilnošću. Izveštaj KPMG-a „Ljudi su pravi brojevi“ naglašava važnost ovih veza, koristeći primer neefikasnosti i isplativosti zaposlenih.

„Iako je korisno pratiti izostanke po regijama ili u poređenju s prethodnim godinama, ako HR može pokazati da je smanjenje izostanaka u pozitivnoj korelaciji sa efikasnost proizvodnje tada će menadžment uvidjeti stvarnu vrijednost HR-a”, navodi se u izvještaju.

Korak 5: Redovno obavljajte preglede

Konačno, HR analitika se mora obavljati redovno, inače će u većini slučajeva biti zastarjela. Da bi se iskoristile njegove prednosti, mora se uspostaviti redovan proces.

Na primjer, identificirali ste problem koji želite riješiti pomoću podataka, izvršili analizu i pronašli odgovor. Nakon što implementirate rješenja za svoj problem, željet ćete redovno provjeravati šta se događa s promjenom i jesu li se pojavili novi problemi.

Zaključak

HR analitika je sastavni dio upravljanja podacima i njena implementacija može donijeti pozitivne rezultate svakoj organizaciji. Ali kao što je gore prikazano, upravljanje, analiziranje i tumačenje podataka nije lako, a organizacije moraju pristupiti ljudskoj analitici korak po korak.

Ključ uspješne HR analitike zasniva se na razumijevanju da nije veličina mjerenih podataka ono što pokreće ishod, već utjecaj podataka na donošenje odluka u organizaciji. HR analitiku ne treba posmatrati kao neophodnost samo za HR odjel, već kao nešto što može stvoriti vrijednost za cijelu organizaciju.

• Korporativne kulture

Ključne riječi:

1 -1

Nastavljamo s našim izdanjima nakon konferencije HR-Analytics, kojoj je prisustvovala naša specijalna dopisnica Oksana Rybakova. U prošlom broju, Aram Fomichev, šef analitike u Laboratoriji za humanitarne tehnologije, iznio je svoje preporuke o metodologiji za razvoj i implementaciju projekata vezanih za velike podatke.

Danas, Tatiana Koneva, direktorica ljudskih resursa u Hoffu, nastavlja ovu temu svojim izvještajem „HR Analytics. Kako razgovarati istim jezikom s poslom.

O HOFF-u

„Osebnost naše kompanije je u tome što smo za 10 godina otvorili 29 prodavnica“, započela je Tatjana svoj govor, „jurimo veoma velikom brzinom i, poput mnogih brzorastućih nezgodnih tinejdžera, hvatamo sve uglove na svom putu. Otvaramo nove prodavnice, menjamo asortiman, prilagođavamo se svim krizama i svemu što je vezano za poslovne procese, povlačimo se i strukturiramo u uslovima koji se brzo menjaju.I u jednom trenutku je postalo jasno da je nemoguće dalje razvijati bez HR analitike. ."

IMPLEMENTACIJA HR ANALITIKE

Dakle, kompanija je imala potrebu da razvija ovaj pravac. Eksterni provajderi su bili uključeni da započnu proces, ali je onda sve razvio HR odjel. U početku je korišteno klasično kaskadno slaganje po ciljevima, te je postalo jasno da HR u kompaniji ima dva glavna zadatka. Neka bude tako da:

• Produktivnost osoblja je rasla
• Pao je udio troškova (ukupnih troškova kompanije) za osoblje

Riječ je o klasičnom dioničaru koji želi samo ovo od HR-a i uopće ga ne zanima kako ćemo to postići. Glavna stvar je da troškovi osoblja padaju, a produktivnost po osobi raste. Nadalje, na osnovu ova dva zadatka odabrane su ključne metrike koje bi bile interesantne za praćenje ne samo HR-a, već i poslovanja.

C&B metrika

Ovdje pratimo:

• Dinamika udjela platnog spiska iz prihoda po poslovnim jedinicama (BU);
• Dinamika produktivnosti u rubljama iu LFL komadima (period 2016/2017) prema BU, %. Ovdje je važno pratiti produktivnost i u novcu i u jedinicama, jer se dešava, na primjer, da produktivnost u rubljama raste, ali u jedinicama ostaje ista ili pada. Ovo nije ništa drugo do inflacija;
• Dinamika fluktuacije osoblja, %;
• Otpuštanje radnika zbog otkaza.

Nekoliko riječi o brzinama protoka. To je posebnost maloprodajnog poslovanja, veoma snažno "teče". U našoj kompaniji ovaj parametar je oko 60%, a mi se svim silama trudimo da se borimo protiv njega, jer je stručnost naših prodavaca dosta visoka i važno nam je da postignemo dužinu njihovog rada u kompaniji. Stoga pažljivo pratimo prosječno iskustvo prodajnog osoblja (na dijagramu je u mjesecima, poređenje 2015. i 2016. godine). I razlozi otpuštanja:

Ovaj parametar je važno analizirati zajedno sa biznisom i postavljati pitanja. Na primjer, kako uzrok „neobavljanja posla” može biti veći u periodu od 6 mjeseci do 1 godine nego u prethodnim periodima? Odnosno, do ovog trenutka se radnik snašao, a onda se nešto dogodilo.

T&D metrika

U prvom grafikonu pratimo da su svi naši novozaposleni na vrijeme obučeni. Takođe imamo proces praćenja menadžera njihovih zaposlenih trgovački pod i popunjavanje listova za procjenu.

Norma od 25% broja zaposlenih jedne poslovne jedinice prikazana je na drugom grafikonu žutom linijom. U ovu kategoriju spadaju sljedeće kategorije zaposlenih:

• Na uslovnoj;
• Prošao novu obuku;
• Tajni kupac "maltretiranog";
• Oni koji su primili žalbe.

Pa, na zadnjem grafikonu se odmah vidi u kojim odjeljenjima radi sistem adaptacije, a u kojim nema. Poslovanje je odgovorno za adaptaciju u našoj kompaniji. Naravno, postoji menadžer za obuku koji pomaže u ovom procesu, ali odgovornost je na liderima.

Posebno procjenjujemo znanje nakon svake obuke. Ukoliko zaposleni u proseku pokažu nivo znanja na nekoj od obuka manji od 90%, analiziramo razloge u cilju povećanja efikasnosti ove obuke.

Slično se radi i analiza za svakog trenera

METERIKA ZAPOŠLJAVANJA

Na prvom grafikonu svaki menadžer može vidjeti koliko ima slobodnih radnih mjesta koja kasne, svake sedmice na konferencijskom pozivu raspravljamo o razlozima.

Na drugom grafikonu takođe postoji razlog za razgovor sa liderima. Ako je norma za zatvaranje slobodnog radnog mjesta 14 dana za smjer "namještaj", a svi imaju indikatore manje-više blizu ovom parametru, a jedna trgovina ispadne, onda se postavljaju pitanja.

Svi metrički podaci dostupni su svim menadžerima. Mogu ih preuzeti sa BI (ovo su programi koji vam omogućavaju analizu velikih podataka i prikaz podataka na kontrolnoj tabli) na svojim tabletima i telefonima). Do sada možete pratiti ne online, ali mi idemo ka tome.

Na kraju svog govora, Tatyana je ohrabrila svoje kolege da dijele informacije kako bi implementirali najbolje HR prakse u svojim kompanijama.

A sada malo drugačija tačka gledišta od strane direktora ljudskih resursa Metrium grupe, Ane Timuševe. Prvu sesiju konferencije zatvorila je izvještajem „HR analitika u Metriumu. Put do uspješnog rješavanja poslovnih problema.

Anna je, kao i Tatjana, došla do zaključka da je potrebno uvesti HR metriku u kompaniju. Zaposleni u njenom odjelu su samostalno (bez uključivanja vanjskih provajdera) odabrali potrebne indikatore za praćenje. Bilo ih je 15-ak.

Ali biznis je ove pokazatelje doživljavao otprilike ovako

I tako je Anna došla do sljedećih zaključaka:

• Sistem treba pojednostaviti;
• Ne bi trebao biti statičan i trebao bi se mijenjati svaki put za različite poslovne zadatke;
• Podaci se moraju vizualizirati!

Kao primjer, Anna je navela implementirani projekat za procjenu učinka zaposlenih.

Svi zaposleni u odjelu prodaje se ocjenjuju na kvantitativnim (ispunjenje ličnog i timskog plana prodaje) i kvalitativnim (procjena kompetencija od 360 stepeni) parametrima. A za one zaposlenike koji se planiraju premjestiti na viša radna mjesta, vrši se dodatna procjena ponašanja DISC metodom i procjena znanja.

Sumirajući prvi dio konferencije, može se izdvojiti nekoliko ključnih tačaka.

• Podaci moraju biti vizualizirani. Dakle, prvo ih bolje percipira posao, a drugo, možete pokazati mnogo bez kreiranja ogromnih nečitljivih izvještaja. korisne informacije za rješavanje trenutnih i budućih izazova.
• Nemojte implementirati analitiku samo radi analitike. Svaka metrika treba da bude usmerena na rešavanje određenog problema ili da služi kao indikator odsustva problema. Nakon svake sesije praćenja, potrebno je izraditi plan poboljšanja.
• Podaci za analitiku treba da budu kvalitetni i odabrani u zavisnosti od problema na koji su usmereni.

Naredni broj će obuhvatiti drugu sesiju konferencije pod opštim naslovom „Analitika ključnih i atipičnih indikatora za poboljšanje efikasnosti“. Tu je predstavljeno i nekoliko korisnih prezentacija. Ako ste zainteresovani, lajkujte, podelite objavu, pisaćemo dalje.

Želim vam uspeh u studijama ljudskih resursa, vaša Oksana Rybakova