Modni Trend Ili životna Nužnost? Praktična HR Analitika - Flamenco.Ru

Prediktivna analitika u HR - modni trend ili životna nužnost? Praktična HR analitika: računamo se! Analiza HR istraživanja.

O HR analitici pišu i pričaju puno više nego što razumiju što je ona zapravo i koje je zadatke namijenjena rješavanju.

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 brojkama, statistiku u HR-u, koji su pokazatelji lokalnih procesa ili odjela, ili dijeljenje slučajeva kako povezati IT odjel s kreiranjem arhiva HR podataka. Zapravo, HR analitika rješava probleme strateški razvoj tvrtke, određuje glavne prediktivne trendove.

Dakle, što je HR analitika?

HR analitika je proces u kojem se na obradu HR podataka primjenjuju tehnike podatkovne znanosti i poslovne inteligencije (BA). Ponekad se naziva i analitikom talenta. Osim, intelektualna analiza Data mining u ovom kontekstu odnosi se na praksu istraživanja baza podataka radi stvaranja novih informacija.

Zašto je to sada toliko aktualno, u svjetlu globalne digitalizacije gospodarstva, poslovanja i ljudi. Podaci prijatelji! Veliki podaci su posvuda!

A onda je na vrijeme stigla neuroznanost koja nam pokazuje kako su ljudske odluke subjektivne i ispunjene emocijama umjesto racionalnim pristupom.

Kako sada živjeti s tim?

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

Spremnost za HR analitiku ostaje veliki izazov. Prema izvješću Deloittea iz 2017., nakon nekoliko godina rasprave o ovom pitanju, samo je 8% ispitanika izjavilo da ima korisne podatke; samo 9% vjeruje da dobro razumije koje karakteristike zaposlenika vode do uspjeha u njihovim organizacijama; a samo 15% ukupno ima implementirane sustave za mjerenje ljudskih resursa i talenta za linijske menadžere.

“To je bio misterij posljednjeg desetljeća - zašto, s očitom važnosti ljudski kapital organizacije ne ulažu u to i zahtijevaju od vođa da donose odluke o ljudima koristeći analitiku utemeljenu na činjenicama?" (" ).

U čemu je stvar? Zašto mnogo više govore i pišu o prednostima i nužnosti korištenja analitike nego što koriste u stvarnom radu?

Pogledajmo ovaj fenomen iz različitih kutova.

U čemu je poteškoća?

Prije svega, vrijedno je razmotriti duboke, temeljne razloge takvog "kočenja" od strane čelnika tvrtki. Opisat ću to 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 sustavi rada visokih performansi rade. To je još uvijek "crna kutija". Razumijemo da postoji određeni odnos između nijansi, ali ne možemo sa sigurnošću reći što izravno ovisi o tome što i što treba učiniti s X da bi se dobio Y.

• Analitika: ovdje je tradicionalno nedostajala dubina i temeljitost analitičkih modela. Čelnici Googlea i drugih vodećih tvrtki okreću se industrijama poput raketne znanosti, gdje postoje modeli koji uzimaju u obzir ogroman broj čimbenika. Jednostavno rečeno, nije metodološki ispravno.

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

• Postupak: to je predstavljanje analitike donositeljima odluka. Ovdje su glavni čimbenici uspjeha pravovremenost i stupanj vizualne privlačnosti prezentiranih podataka. Riječ je o dobivanju podataka u stvarnom vremenu u pristupačnom i razumljivom obliku za donošenje odluka, a takvi alati koji koriste umjetnu inteligenciju tek se razvijaju. Primjerice, većina menadžera nema pojma kako protumačiti stopu fluktuacije zaposlenika, jer obično znaju da niska fluktuacija nije uvijek korisna, i obrnuto, ne znaju kako odrediti što je najbolje u situaciji s kojom su suočeni. S ove točke gledišta, u fazi smo revizije HR alata.

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

Ne želimo samo obrađivati ​​podatke. Želimo imati pouzdane alate za donošenje poslovnih odluka s više ili manje zajamčenim rezultatima. I u tom smislu, glavna stvar i dalje ostaje s osobom:

• sposobnost postavljanja strateški relevantnih pitanja i prezentiranja 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 uopće jednostavnim riječima Ukratko, glavna poteškoća analitike kao načina rada s podacima je da prvo trebamo odrediti koje rezultate želimo dobiti. A za to trebate postaviti vrlo točna pitanja koja zahtijevaju duboko razumijevanje poslovanja, zatim odrediti pomoću kojeg analitičkog modela možemo postići ove rezultate, u skladu s tim odrediti kakve podatke i u kojoj mjeri trebamo , pa tek onda smisliti, kako ih dobiti točno u obliku u kojem su nam potrebni.

Kompleksan pristup

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

To nije sve. Vrlo je važno zapamtiti da je općenito izraz “HR analitika” danas iznimno 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. Obratno. S lokalnih područja vezanih isključivo za HR – fluktuacija, metrika zapošljavanja, status zaposlenja i sl., na Zapadu su prešli na globalnu “people analytics” ili “human analytics”. Bitni su svi podaci o ljudima – njihovo kretanje, zdravstveno stanje, aktivnost na društvenim mrežama itd. Samo korištenjem pune količine podataka može se govoriti o prihvatljivom stupnju pouzdanosti prognoza i strateških odluka. Za prikupljanje takvih podataka, tvrtke moraju uvesti nove alate na temelju mobilne aplikacije i ne samo, i privući stručnjake koji bi mogli raditi s tim.

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

Kontekst. Kombiniranje velikih i gustih podataka

Kontekst je odlučujući. Što to znači? To znači da su nam osim velikih podataka potrebni i tzv. gusti podaci: to su sve one vrijedne informacije od ljudi - priče, emocije, komunikacija - koje se ne mogu kvantificirati, ali imaju vrijednost nevjerojatne dubine. Ono što ih čini dubokima jest iskustvo ispravnog percipiranja onoga što ljudi govore, što pomaže prepoznati 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 s prikupljenim i s neprikupljenim podacima: to vam daje priliku da postavite prava pitanja „zašto?“. Zašto se to događa?

Kako bih ilustrirao važnost konteksta, navest ću dva primjera: jedan negativan i jedan pozitivan.

negativan primjer priča je o Nokiji, koja je već postala tužan primjer kako možete izletjeti s tržišta na vrhuncu svoje forme. Bit glavne strateške pogreške bila je u tome što su čelnici tvrtke zanemarili guste podatke, koji se nisu mogli usporediti s nizom velikih podataka, ali su prilično točno predvidjeli ogroman interes za pametne telefone čak i među segmentima stanovništva s najnižim primanjima.

ALI pozitivan primjer također pred svima. Ovo je fantastičan rast za Netflix. Tamo su, naprotiv, uvidjeli praznine u analitičkim modelima i pozvali tehnološkog etnografa (već postoji takva specijalizacija) da radi s gustim podacima. I shvatio je nešto što se nije vidjelo u velikim podacima. Etnograf je primijetio da se ljudi vole "zalijepiti" za televizor, ne osjećaju se krivim zbog toga, već samo uživaju. Kombinirajući velike podatke s gustim podacima, napravili su nešto jednostavno, ali učinkovito: umjesto prikazivanja različitih žanrova serija, počeli su puštati iste kako bi se ljudima lakše “zalijepili”. No, to nije bilo sve, promijenili su i samu praksu emitiranja u skladu s tim 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 sljedećih nekoliko godina.

Podaci nisu ništa. Kontekst je sve!

Resursi

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

To su resursi. Kao što je vidljivo iz svega navedenog, ozbiljan rad s podacima zahtijeva „težak“ i skup softver, visoko kvalificirane stručnjake i puno vremena. Sve to dovodi do troškova koji su gotovo nepodnošljivi za većinu organizacija. Ako pratite temu, možda ste primijetili da su većina objavljenih slučajeva slučajevi velikih tvrtki koje opisuju globalne studije. Pritom se mora prisjetiti i tzv. greška preživjelog.

Objavljeni slučajevi su uglavnom oni u kojima se pokazalo. A koliko ih je propalo uz istu cijenu? Do sada ne postoje jeftini i relativno jednostavni alati i modeli. Ali tržište je tržište, i najvjerojatnije će se nakon nekog vremena pojaviti kao rezultat nagomilanog iskustva. Stoga se velike tvrtke sada trude, a svi ostali čekaju da se pojavi nešto povoljnije kao rezultat aktivnosti prvih.

Evo, zapravo, glavnih razloga zašto je samo 8% ispitanika izjavilo da ima korisne podatke; samo 9% vjeruje da dobro razumije koje karakteristike zaposlenika vode do uspjeha u njihovim organizacijama; a samo 15% ukupno ima implementirane sustave za mjerenje ljudskih resursa i talenta za linijske menadžere.

Ali nužnost i prednosti rada s podacima očite su i ne podliježu raspravi. Dakle, što učiniti?

Gdje tvrtke mogu početi?

Ljudska analitika je smjer 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 alat i mogu tvrtki dati značajne uvide. Jedan od tih pristupa je analiza organizacijske mreže(ONA, Analiza organizacijske mreže). Što je?

Svrha ONA je mjerenje i mapiranje odnosa i tokova između ljudi, grupa ili organizacija. Jedinstvenost ONA-e leži u činjenici da ni na koji drugi način nije moguće vidjeti stvarne veze među ljudima u organizaciji. Zapravo, to je rendgenski snimak vaše organizacije, ili odnosa vaše organizacije s vanjskim tržištem, ili vašeg osoblja, ili grupe kandidata. Ukratko, oni odnosi koji su vam potrebni mogu se analizirati.

ONA se pojavila na sjecištu sociometrije i mrežne analize i čini se iznimno korisnim alatom.

Velika prednost ovog pristupa je njegova vizualnost.

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

Iz desne figure se vidi da tvrtka ima jednog od srednjih menadžera, izvjesnog Colea (Cole, vidi lijevu figuru), koji je gotovo nevidljiv u službenoj hijerarhiji, ali zapravo se kroz njega odvijaju svi tokovi informacije i stvarna raspodjela posla idu. On je glavni informacijski 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 pogađati kakvu ulogu takva shema može imati, na primjer, u upravljanju promjenama.

Sljedeća velika primjena ONA-e je, naravno, upravljanje znanjem. Ako na ulazu postavite pitanja poput "Tko je najbolji stručnjak na poslu?", tada će izlazna slika prikazati glavne nositelje stručnosti u organizaciji.

Kako ovdje ne govoriti o zadatku stvaranja informacijskog polja u tvrtki? Svaki komunikacijski menadžer trebao bi imati takvu analizu ako se ne želi kretati naslijepo. Takva analiza može pokazati i odnose i tokove informacija između odjela, između tvrtke i drugih dionika te između ljudi. U našem tečaju "HR bez uljepšavanja" detaljnije se dotičemo ove teme.

Kako, primjerice, zapravo funkcionira odnos između financija i marketinga u vašoj tvrtki? Preko koga idu sve informacije (sl. iz Rob Cross blog)?

Isto vrijedi i za svaku inovaciju, vodstvo, razvoj talenata itd.

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

Glavne primjene ONA

ONA je umjetnost dobivanja korisnih rezultata: dobivate karte i metrike koje vas vode do stvarno 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 gdje bi moglo biti nešto zanimljivo za istraživanje.

• Pružaju zanimljive vizualne 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 temeljno istraživanje, ali je puno jednostavnije od onoga što je danas u "velikoj analitici". ONA će vam odmah dati iznimno korisne rezultate i uštedjeti resurse.

Viktorija Buznik I Lilia Grabovskaya, autori resursa Talent Management.com.ua i tečaja "HR bez uljepšavanja"

HR analitičar- osoba koja prikuplja, ocjenjuje, analizira informacije o ljudskim resursima. Struka će zainteresirati kandidate koji se bave matematikom i ekonomijom. Profesija je pogodna za one koji se zanimaju za psihologiju i društvene znanosti (vidi izbor zanimanja za interes za školske predmete).

Kratki opis

HR analitika je novi koncept, može se opisati kao proces tijekom 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 izvješća o dobi zaposlenika;
• obračun kadrova s ​​najvišim kvalifikacijama;
• odabir kandidata koji ispunjavaju sve poslovne uvjete;
• utvrđivanje razine fluktuacije osoblja;
• predviđanje razdoblja kada je potrebno provesti "pomlađivanje" osoblja;
• statistika stvarne prisutnosti osoblja na radnom mjestu: sjednice, godišnji odmori, bolovanja itd.

Navedena pitanja samo su mali dio mogućnosti HR analitike. Rukovodioci poduzeća, oslanjajući se na podatke analitičkih izvješća, uzimaju upravljačke odluke koji igraju ključnu ulogu u poboljšanju poslovne učinkovitosti. HR analitičar radi s velikim količinama podataka, koristeći dubinsko znanje stečeno ne samo u okviru sveučilišnog programa, već i na dodatnim edukacijama, tečajevima i seminarima.

Značajke profesije

Još prije 5-10 godina informacije o ljudskim resursima su se prikupljale i sistematizirale kaotično, no danas se situacija promijenila. Čelnici tvrtki spremni su angažirati HR analitičare, čiji rad omogućuje sveobuhvatnu optimizaciju HR procesa. HR analitičar je osoba koja ima duboko poznavanje matematike, statistike i u svom radu koristi sustave automatizacije. Razmotrite glavne zadatke koje rješava HR analitičar:

• planiranje troškova potrebnih za ljudske resurse: plaće, naknade, bonusi, financijski poticaji;
• provodeći analizu korištenja dodijeljenog proračuna, analitičar može sudjelovati u postupku revizije plaća;
• priprema divizijskih izvješća. Govorimo o prometu, platnom spisku, kadrovima itd.;
• analiza učinkovitosti upravljačkih odluka;
• interakcija s voditeljima poslovnih odjela tvrtke;
• rad sa HR statistikom, obrada prikupljenih podataka u izvještaje, prezentacije;
• formiranje nestandardnih izvješća nakon zaprimanja zahtjeva od upravitelja;
• uvođenje novih sustava automatizacije;
• proučavanje tržišta plaća, unos podataka u bazu podataka, redovito ažuriranje baze podataka;
• prikupljanje, analiza, obrada podataka o ljudskim potencijalima;
• procjena učinkovitosti korištenja radnog vremena.

Opseg dužnosti ovisi o politici tvrtke u kojoj HR analitičar radi. U nekim područjima poslovanja dužnosti analitičara dodijeljene su HR menadžerima, u drugima takvo radno mjesto još nije otvoreno. Profesija je u fazi razvoja, ali će u budućnosti dobiti veliku popularnost.

Za i protiv profesije

pros

1. Profesija je nova, ali HR analitičari su već traženi i u malim tvrtkama i u velikim korporacijama.
2. Kontinuirani razvoj: tečajevi, seminari, ostalo programe 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 s portala hh.ru).
4. HR analitičar radi sa softverom i statističkim podacima, dakle komunicira sa zaposlenicima strukturne podjele minimizirana.
5. Segment HR analitike karakteriziraju prosječne plaće, ali su mogući dodaci i bonusi za odličan rad.

Minusi

1. Kolosalna odgovornost.
2. HR analitičar ne može pogriješiti.
3. Posao je sjedilački, potrebno je puno vremena provoditi za računalom, što negativno utječe na kvalitetu vida i opće zdravlje.

Važne osobne kvalitete

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

Obuka HR analitike

Poslodavci su zainteresirani za HR analitičare koji imaju diplomu iz više obrazovanje. Na ruskim sveučilištima otvorena su mnoga specijalizirana područja obuke:

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

Profilni ispit za navedena područja je matematika. Napominjemo da se HR analitičar mora redovito usavršavati i nadopunjavati znanja, stoga se preporučuje sudjelovanje na seminarima, webinarima i edukacijama nekoliko puta godišnje.

"Ruski institut za strukovno obrazovanje "IPO" - zapošljava studente za dobivanje specijalnosti putem daljinskog programa profesionalne prekvalifikacije i usavršavanja. Studiranje na IPO-u je zgodan i brz način za dobivanje obrazovanja na daljinu. 200+ tečajeva obuke. 8000+ diplomaca iz 200 gradova Kratki rokovi papirologije i eksterne edukacije, rate bez kamate od instituta i individualni popusti.

sveučilišta

1. NRU HSE.
2. Moskovsko državno sveučilište M. V. Lomonosov.
3. RUDN.
4. REU im. G. V. Plehanov.
5. RTU MIREA.
6. RSU im. A. N. Kosygin.
7. SevGU.
8. SPbGUP.

Mjesto rada

HR analitičari su potrebni u svim tvrtkama koje imaju svoj HR odjel. Oni mogu biti član osoblja ili se odlučiti za outsourcing. Prva opcija uključuje suradnju s predstavnicima veliki posao, drugi - srednji i mali.

Plaća

Menadžeri radije zapošljavaju HR analitičare s najmanje godinu dana iskustva, koji su sigurni korisnici računala, koji znaju strani jezici. Razina naknade ovisi o regiji poslovanja, vještinama i sposobnostima. Često se plaća HR analitičara sastoji ne samo od gole stope, već i od bonusa i bonusa.

Plaća od 19.11.2019

Rusija 30000—60000 ₽

Moskva 50000—200000 ₽

Stručno znanje

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

Visokokvalitetna HR analitika je okosnica analize situacije i donošenja odluka u području upravljanja osobljem.

Glavni zadaci koje HR analitika može riješiti:

Osigurajte stvarnu statistiku i HR analitiku za donošenje odluka. Analizirati i povećati učinkovitost: osoblja, procesa, metoda i alata rada. Pronađite učinkovite i isplative modele donošenja odluka. Organizirajte učinkovitu kontrolu osoblja Predvidjeti probleme u budućnosti Otkrijte skrivene obrasce.

Statistika o stranim tvrtkama tvrdi da učinak uvođenja sustava procjene ljudskih resursa pokriva troškove i izdatke njegove implementacije. Proces procjene pomaže menadžerima da identificiraju i isprave slabosti u području upravljanja osobljem, kao i da usmjere aktivnosti HR službe na važna pitanja.

Glavne opcije za korištenje HR analitike u tvrtki:

1. Realni HR pokazatelji.

Direktori se moraju oslanjati na brojke i redovito se uspoređivati ​​s konkurentima. Bez HR metrike gotovo je nemoguće dokazati menadžmentu da je taj i takav pokazatelj “normalan” ili da je na kritičnoj razini. Formiranje adekvatnih očekivanja za menadžment od HR odjela.

2. Planiranje proračuna

HR metrike omogućuju vam da smisleno razradite mnoga pitanja povezana s proračunom: — dokazati svrsishodnost trošenja proračuna za ljudske resurse, potkrijepivši to pokazateljima uspješnosti zaposlenika; — razvoj ciljnih vrijednosti za troškove osoblja, KPI i učinkovitost osoblja; - analiza precijenjenih ili podcijenjenih vrijednosti nekih pokazatelja može biti polazište za prilagodbu proračuna.

3. Identifikacija problema

"Visoki" ili "niski" pokazatelji su signal za daljnje detaljnije proučavanje. Porast troškova, smanjenje učinkovitosti, višak osoblja ili zaostajanje u automatizaciji mogu biti važni signali.

4. Pronalaženje najboljih praksi i poboljšanje HR procesa.

HR analitika najbolje rješava problem identificiranja glavnih područja zaostataka. Usporedba HR uspješnosti vaše tvrtke s tržištem može poslužiti kao početna točka za postavljanje ciljeva za cijelu vašu HR funkciju.

5. Razvoj KPI-a

Na temelju hr-analitike razvijaju se KPI indikatori HR službe, te se opravdavaju ciljne vrijednosti indikatora.

Gotovo sve HR funkcije mogu se izmjeriti, u bilo kojem kontekstu. Ali mjerenje radi mjerenja nema koristi za tvrtku. Dobiveni podaci moraju se analizirati i koristiti u izradi politike upravljanja osobljem.

Što točno treba izmjeriti ovisi o tome s kojim ciljevima se tvrtka suočava. Tem HR specijalisti, koji upravo uvodi sustav ocjenjivanja učinka, možete preporučujemo početak mjerenja najrazumljivijih HR funkcija: analizirati učinkovitost same HR službe.

HR analitika je mogućnost korištenja najjednostavnijih pokazatelja za poboljšanje učinkovitosti osoblja tvrtke.

U HR praksi se koriste različite skupine metrika:

Opći statistički podaci koji karakteriziraju ljudske resurse kojima tvrtka raspolaže; pokazatelji koji mjere kvalitetu ljudski resursi i učinkovitosti njihove uporabe - HR-učinkovitosti metrika; metrike za ocjenjivanje uspješnosti pojedinih zaposlenika/odjela; metrike za ocjenjivanje učinkovitosti same HR usluge.

Opća statistika:

Segmentacija zaposlenika prema dobi, spolu, radnom iskustvu u tvrtki, stupnju obrazovanja i kvalifikacije.

1. Prosječna dob zaposlenih.

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

gdje je: — X prosječna dob zaposlenika organizacije; - X1, X2, X3 ... Xn - starost svakog zaposlenika;

Privatne opcije za HR metriku:1. Prosječna starost zaposlenika po odjelima. 2. Prosječna dob zaposlenih prema spolu.

Zašto je pokazatelj važan?— povećati učinkovitost zapošljavanja; - smanjiti konflikt i napetost u timu (generacijska razlika); - Uravnotežiti osoblje u smislu učinkovitosti (dob - iskustvo, mladi zaposlenici - inovativnost, razvoj); - sustav evaluacije, motivacije i poticanja za "mlađe" i "dobne" skupine trebao bi biti drugačiji.

2. Segmentacija prema spolu.

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

3. Prosječno radno iskustvo zaposlenika u poduzeću.

Formula za izračun:

X \u003d (X1 + X2 + X3 .... + Xn) / C,gdje je: - X - prosječni radni staž zaposlenika organizacije; - X1, X2, X3 ... Xn - radni staž svakog zaposlenika prvog dana u mjesecu nakon izvještajnog razdoblja; C je broj zaposlenih u organizaciji ( platni spisak) prvog dana mjeseca koji slijedi nakon izvještajnog razdoblja.

Indikator omogućuje:

Prosječni radni staž u tvrtki signalizira zadovoljstvo uvjetima rada i odanost tvrtki. — ocijeniti konkurentnost sustava naknada i beneficija; — ocijeniti učinkovitost motivacijskih programa, programa ocjenjivanja, programa razvoja karijere, rotacije itd.;

4. Prosječni radni staž radnika u trenutku otpuštanja.

X \u003d (X1 + X2 + X3 .... + Xn) / C,gdje je: - X - prosječni radni staž zaposlenika na dan otpuštanja organizacije; - X1, X2, X3 ... Xn - radni staž svakog umirovljenog radnika prvog dana u mjesecu nakon izvještajnog razdoblja; C je broj zaposlenih koji su otišli izvještajno razdoblje.

Indikator omogućuje:- možete procijeniti kada je zaposlenik blizu otkaza. - odrediti kada pokrenuti program zadržavanja ključni zaposlenici, rotirati ili pripremati kandidate iz kadrovske pričuve. — ocijeniti učinkovitost procesa zadržavanja osoblja (konkurentnost sustava nagrađivanja i beneficija, motivacijskih programa, programa ocjenjivanja, programa razvoja karijere itd.);

5. Razina kvalifikacije (Prosjek, SPO, VO) zaposlenika.

Formula: Kv \u003d (Uo / C) * 100%,gdje je: - Kv - postotak zaposlenih s određenim stupnjem kvalifikacije (obrazovanja); - Uo - broj zaposlenih s određenim stupnjem kvalifikacije (obrazovanja); - C - broj zaposlenih u organizaciji (broj zaposlenih) na prvi dan mjeseca koji slijedi nakon izvještajnog razdoblja.

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

Pokazatelji HR uspješnosti.

6. Provedba plana HR usluga.

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

Omogućuje vam da definirate:1. Učinkovitost provedbe plana: usklađenost s vremenskim okvirom, postizanje postavljenih ciljeva i rezultata. 2. Adekvatnost i ostvarivost postavljenih ciljeva i pokazatelja. 3. Identifikacija problema u radu HR službe i njihovo ispravljanje.

7. Proračun i struktura ljudskih resursa

Izvršenje proračuna (WB) - izračunato po formuli: WB \u003d (Σ FZ: Σ ZZ) x 100 (%),gdje je: Σ FZ - iznos stvarnih troškova za izvještajno razdoblje; Σ ZZ - iznos planiranih troškova u proračunu ljudskih resursa za izvještajno razdoblje.

Konkretno, pokazatelj se izračunava za svaku stavku u proračunu. WB (linija) \u003d Σ FZ: Σ ZZ x 100 (%),gdje je: Σ FZ - iznos stvarnih troškova za proračunsku liniju za izvještajno razdoblje; Σ ZZ - iznos planiranih troškova za proračunsku liniju za izvještajno razdoblje.

Važni parametri strukture proračuna:— Troškovi zapošljavanja kao % proračuna za ljudske resurse. — Troškovi obuke kao % proračuna za ljudske resurse. — Troškovi uključenja kao postotak proračuna za ljudske resurse. — Trošak održavanja korporativnih događanja kao % proračuna za ljudske resurse. — Troškovi vanjskih pružatelja usluga kao % proračuna za ljudske resurse.

8. Fluktuacija osoblja / Stopa fluktuacije osoblja.

Stopa fluktuacije zaposlenika u organizaciji je postotak zaposlenika koji su napustili organizaciju (iz različitih razloga) tijekom određenog razdoblja. Formula: T \u003d (Ku: C) * 100 (%),gdje je: Ku - broj otpuštenih radnika za razdoblje; IZ- prosječan broj zaposlenih redovni radnici.

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

2. Fluktuacija osoblja u razdoblju prilagodbe. (3-6 mjeseci).

Visoke stope otpuštanja u razdoblju prilagodbe ukazuju na pogreške u odabiru osoblja (kriteriji odabira, prikladnost kandidata) i njegovoj prilagodbi (proces prilagodbe, postojanje mentorskog sustava i sl.), nesklad između internih motiva i korporativne kulture , te odnosi s menadžmentom.

3. Fluktuacija osoblja unutar 1 godine nakon zapošljavanja.

Visoke stope otpuštanja unutar 1 godine rada ukazuju na pogreške u odabiru osoblja (kriteriji odabira, učinkovitost regrutera) i njegovoj prilagodbi (proces prilagodbe, postojanje mentorskog sustava itd.), odnosima s menadžmentom.

4. Fluktuacija osoblja po odjelima.

Različiti odjeli tvrtke imat će različite dopuštene razine prometa. Promet osoblja treba redovito pratiti – analizirati svaki kvartal, svakih šest mjeseci ili svake godine.

Indikator omogućuje:

Procijeniti troškove gubitaka osoblja i njihovu svrsishodnost; ocjenjivati ​​učinkovitost procesa zadržavanja osoblja (konkurentnost sustava nagrađivanja i beneficija, motivacijskih programa, programa ocjenjivanja, programa razvoja karijere i sl.); planirati broj i troškove funkcija (proračun troškova); plan svezaka potrebna sredstva u području prilagodbe, osposobljavanja i razvoja kadrova; identificirati probleme u upravljanju učinkom osoblja. Motivi za napuštanje zaposlenika.

Niske apsolutne stope fluktuacije osoblja (do 5% godišnje) u većini slučajeva doprinose pravovremenoj obnovi 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, svjež izgled itd.).

Ako tvrtka ima fluktuaciju osoblja blizu 0% ili znatno ispod tržišnog medijana u usporedivoj industriji, možda je vrijedno obratiti pozornost na karakteristike kvalitete sastav osoblja (struktura osoblja prema dobi, stažu, kvalifikacijama i sl.) i učinkovitosti zaposlenika. Mogući rizici:

Smanjena učinkovitost zaposlenika (neučinkoviti se ne otpuštaju); tehnološka zaostalost (nema priljeva novih ideja i tehnologija + zaposlenici nisu traženi na tržištu rada); "sinkrono starenje" i valoviti odlazak zaposlenika bez adekvatne zamjene; inflacija platnog spiska.

Prosječna (dopuštena) razina fluktuacije osoblja obično se (bez uzimanja u obzir specifičnosti industrije) kreće od 5 do 10%. Istodobno se neminovno povećavaju troškovi zapošljavanja i prilagodbe 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 tvrtka ili nije u stanju kontrolirati gubitak ključnih zaposlenika ili karakterizirati strategiju zadržavanja. U prvom slučaju to je alarmantan signal koji dovodi do destabilizacije razvoja tvrtke.

Ako je pokazatelj značajno viši ili značajno niži od razine industrije, potrebno je provesti dodatnu analizu razloga otpuštanja.

Povećanje prirodne fluktuacije osoblja u odnosu na ukupan obim otpuštanja može ukazivati ​​na probleme u strategiji upravljanja kadrovima (u području određivanja visine i sastava naknada, sustava motivacije i beneficija, mogućnosti usavršavanja i razvoja karijere, vrijednost poslodavca itd.)

9. Stopa odsutnosti/abenteizam

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

Sati odsutnosti uključuju:

Godišnji odmor (i redovni plaćeni i neplaćeni neplanirani) bolest drugi zakonom dopušteni izostanci /uz dopuštenje uprave izostanak s posla neovlašteno produženo izbivanje s posla

Pokazatelj ne uključuje odsutnost s posla iz razloga predviđeno zakonom: svečani i vikend,porodiljni dopust, roditeljski dopust. službena putovanja i dani zastoja zbog krivnje poslodavca (na primjer, zbog privremenog smanjenja obujma proizvodnje) Stvarni fond radnog vremena izračunava se na temelju protuvrijednosti prosječnog broja zaposlenih.

Zašto je pokazatelj važan? 1. Prikupljanje statističkih podataka o ovaj pokazatelj redovito (sati odsutnosti, prosječno trajanje odsutnosti za određene kategorije osoblja, funkcije, pozicije itd.) omogućuje vam:

Operativno upravljati brojem osoblja; planirati broj zaposlenih uzimajući u obzir određeni postotak izostanaka (uključujući sezonska povećanja / smanjenja); predvidjeti troškove nagrađivanja zaposlenika; dijagnosticirati probleme u radna disciplina zaposlenici; kvaliteta upravljanja linijskim menadžerima.

2. Stopa odsutnosti odražava postotak produktivnog vremena izgubljenog zbog odsutnosti zaposlenika na radnom mjestu i omogućuje procjenu odgovarajućih troškova.

Što govore visoke/niske vrijednosti?U najčešćem tumačenju, visoka razina izostanaka s posla predstavlja reakciju osoblja na nezadovoljavajuće uvjete rada. Sukladno tome, niski rezultati (donji kvartil vrijednosti referentne grupe) će ukazivati ​​na povoljne i ugodnim uvjetima rad.

Istodobno, pokazatelj blizu nule može biti posljedica zlouporabe metoda borbe protiv izostanaka. Načini stimulacije kao što su poticajne isplate onima koji rijetko obolijevaju ili odbici od plaćanja bolovanja, odbitaka za izostanak i sl. mogu proizvesti „nezdravu” atmosferu (zaposlenici počinju raditi u bolesnom stanju, odbijaju godišnji odmor itd.).

Normalizacija pokazatelja zahtijeva analizu podataka po djelatnostima (relevantna usporedna skupina), analizu dinamike i dodatnu analizu strukture (vrste izostanaka i njihov omjer).

10. Prosječni trošak otpuštanja zaposlenika.

Zbroj svih troškova povezanih s otpuštanjem zaposlenika i zapošljavanjem novog zaposlenika na ovo radno mjesto.

Približne stavke izdataka:

1. Troškovi otpuštanja djelatnika (troškovi za izlazni razgovor, za namirenje, otpremnine); 2. Troškovi održavanja tijeka rada (isplate honorarnim radnicima); 3. trošak zapošljavanja (trošak traženja, intervjuiranja, testiranja i ispitivanja, završne rasprave o kandidaturi, prijave djelatnika, kombinezona i drugih atributa potrebnih za rad); 5. Troškovi zapošljavanja zaposlenika 6. troškovi osposobljavanja (Troškovi prezentacijskih materijala za novog zaposlenika, obuka); 7. gubici pri stupanju na radno mjesto (plaćanje za rad djelatnika za vrijeme osposobljavanja).

Zaključci iz prethodnih studija:

Visoki troškovi zamjene povećavaju ulogu pravilnog zapošljavanja i uvođenja u radnu službu. Samo 11% tvrtki obračunava trošak zamjene zaposlenika. Prosječni trošak zamjene u Rusiji iznosi približno 21% godišnjeg prihoda zaposlenika.Neizravni troškovi značajno utječu na konačni trošak zamjene. Trošak zamjene potrebno je vrednovati zajedno s drugim pokazateljima, kao što su fluktuacija osoblja, indeksacija plaća, stanje na tržištu rada itd.

11. Zadržavanje ključnih zaposlenika.

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

Mjerila učinkovitosti procesa zapošljavanja.

12. Trošak zatvaranja slobodnog radnog mjesta.

Formula: Trošak zatvaranja slobodnog radnog mjesta izračunava se zbrajanjem svih troškova potrebnih za zatvaranje natječaja, izravnih i neizravnih.

Troškovi zapošljavanja unutar odjela za ljudske resurse.1. Objava slobodnih radnih mjesta na radnim mjestima, pristup bazama životopisa. 2. Troškovi informiranja: oglašavanje na radiju, TV-u, banneri itd. 3. Telefonske komunikacije, Internet. 4. Radno vrijeme regruter/HR manager 5. Organizirano radno mjesto. 6. Neizravni troškovi vezani uz zapošljavanje. 7. Ostali.

Angažiranje agencije za zapošljavanje:1. Plaćanje po ugovoru o odabiru. 2. Radno vrijeme regrutera/personal managera. 3. Ostali.

Trošak ovisi o korištenoj strategiji zapošljavanja, o značajkama samog procesa selekcije, razini pozicije i profesiji.

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

Prema studiji SuperJob za 2016., prosječni trošak zatvaranja posla u Rusiji smanjen je za 15% i iznosio je 3900 rubalja.

Smanjio se udio tvrtki koje troše 5.000-10.000 RUB za popunjavanje jednog upražnjenog radnog mjesta. (2015. su bili 18%, 2016. - samo 11%).

Istodobno se povećao broj tvrtki, a trošak popunjavanja upražnjenog radnog mjesta u rasponu je od 1.000 do 3.000 rubalja. (35% u odnosu na 24% u 2015.).

13. Rok za zatvaranje radnog mjesta.

Vrijeme potrebno za zatvaranje jednog radnog mjesta jednako je važno kao i cijena procesa zapošljavanja. Pod njime se podrazumijeva vrijeme od trenutka kada se u poduzeću pojavi slobodno radno mjesto do trenutka kada kandidat zaprimi i prihvati ponudu tvrtke za zapošljavanje.

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

Vrijedno je razmisliti o tome datum odlaska novog zaposlenika razlikuje od datum zatvaranja natječaja, budući da u ovom slučaju mislimo na vrijeme potrebno od trenutka pojavljivanja slobodnog mjesta do trenutka kada novi zaposlenik Otišao na posao.

Izračun roka za zatvaranje slobodnog radnog mjesta pomaže identificirati intenzitet kojim voditelj zapošljavanja radi – koliko dana provodi tražeći jednog stručnjaka. Koja se vrijednost smatra normom, vi određujete kao vođa. Ali kada to određujete, ne zaboravite uzeti u obzir da odabir različitih stručnjaka traje različito vrijeme. Jedno je tražiti običnog djelatnika, a drugo pronaći šefa odjela ili rijetkog stručnjaka. Stoga bi bilo ispravnije da postavite nekoliko standarda – svoje za svaku kategoriju zaposlenika.

Oni preoblikuju svoje procese, a jedna od promjena trebala bi biti i informiranje kupca o očekivanom razdoblju odabira u fazi prijave upravo za ovaj odabir.

14. Prosječan broj prijava po slobodnom radnom mjestu.

Formula: Z \u003d Kz: Kv,gdje je: Kz - broj prijava zaprimljenih od podnositelja zahtjeva; Kv - broj slobodnih radnih mjesta za izvještajno razdoblje.

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

15. Učinkovitost procesa zapošljavanja.

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, netko nestane sam - analiza razloga zbog kojih se to dogodilo u ovoj fazi omogućit će vam da učinkovitije izgradite proces zapošljavanja. Postavljajte ona pitanja koja uklanjaju nepodobne kandidate, razgovarajte o principima rada tvrtke koja nekome možda ne odgovaraju, dajte testnih zadataka ranije, tako da se oni kandidati koji ih ne žele ispuniti odmah uklanjaju iz selekcijskog postupka.

16. Stopa zatvaranja poslova.

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

Ovo je analitički članak relevantan za velike tvrtke - trebate usporediti broj slobodnih radnih mjesta koja su se upravo zatvorila i onih koji su se pojavili kako biste ponovno procijenili učinkovitost procesa zapošljavanja. Ako se u nekoj tvrtki otvori mali broj slobodnih radnih mjesta, to znači da sve radite kako treba i da je u tvrtki sve prilično skladno.

Pomoću ovog pokazatelja možete procijeniti produktivnost menadžera za zapošljavanje, kao i planirati njihovo radno opterećenje, ocijeniti učinkovitost procesa zapošljavanja te provjeriti pridržava li se plana koji se obično postavlja za određeno razdoblje.

17. Izvori kandidata i učinkovitost kanala za zapošljavanje.

Poznavanje izvora koji vam donose najviše dobrih kandidata znatno olakšava proces zapošljavanja. Ovom vrstom analitike možete smanjiti troškove zatvaranja posla.

Analiza učinkovitosti kanala omogućit će vam korištenje samo onih stranica koje redovito omogućuju prijavu odgovarajućih kandidata.

HR metrika za obuku i procjenu osoblja

18. Koeficijent razvijenosti ljudskog kapitala.

Stopa razvoja je omjer broja obučenih zaposlenika i prosječnog broja zaposlenika tijekom razdoblja. Formula: Kp \u003d (Ko: C) * 100%,gdje je: Ko - broj obučenih djelatnika;

19. Troškovi obuke po zaposleniku.

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

Trošak obuke za jednog zaposlenika u prosjeku je 8.000 rubalja. godišnje (podaci za 2016.), trošak kompenzacijskog paketa je 10.000 rubalja. u godini.

20. Postotak zaposlenika koji su dobili unapređenje.

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

21. Troškovi ocjenjivanja (certificiranja) 1 djelatnika.

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

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

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

23. Angažman i zadovoljstvo.

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

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

Uključuje sljedeće kategorije pitanja:- radni uvjeti; — zadovoljstvo trenutnim poslom/pozicijom; - zadovoljstvo voditeljem; - upravljanje poduzećem; — korporativna kultura;- karijera i osobni razvoj.

Dopušta:— razviti akcijski plan za poboljšanje radnih uvjeta, povećanje angažmana i lojalnost osoblja,— razviti planove za osobni razvoj osoblja i zadržavanje; — prilagodbu ravnoteže između posla i života; — razvoj ili prilagodba korporativne kulture.

24. Odanost osoblja

eNPS indeks neto lojalnosti zaposlenika.

Mjerljiva je i lojalnost djelatnika tvrtke. Njegova je vrijednost određena NPS koeficijentom i jednaka je razlici između udjela zaposlenih koji su zadovoljni tvrtkom i onih koji su negativni.

eNPS indeks ili zaposlenik Net Promoter Score je indeks neto lojalnosti zaposlenika koji mjeri njihovo zadovoljstvo tvrtkom.

Izračun indeksa dat je u našem članku ""

25. Kadrovska pričuva.

Koristi se pri planiranju rasta i rotacije osoblja, pokazuje broj zaposlenika sposobnih za popunjavanje upražnjenog radnog mjesta.

Postotak slobodnih mjesta popunjenih od strane kandidata iz pričuve (od ukupnog broja slobodnih mjesta).Vr \u003d (Rs: B) * 100%,gdje je: Ps - broj zaposlenika koji su preuzeli upražnjeno radno mjesto iz pričuve; U - ukupna snaga otvorena radna mjesta, za period /

26. Zadovoljstvo radom HR odjela.

Vrlo koristan alat, ali koji HR menadžeri baš i ne vole koristiti – poput samodijagnoze kadrovska služba. Provedeno anonimnom anketom osoblja tvrtke. Same tvrtke određuju ključne metrike zadovoljstva radom kadrovske službe: Zadovoljstvo uslugom. Pritužbe zaposlenika. Prosječni rok reakcije na liječenje itd.

27. Izračun 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 konzultantske tvrtke). Danas ga koriste mnoge vodeće tvrtke ne samo u SAD-u, zapadnoj Europi, 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 ocjenu učinkovitosti sustava upravljanja ljudskim kapitalom.

Ukupno postoji više od 300 različitih KPI-ja za procjenu učinkovitosti različitih HR procesa, ali određeni skup metrika za HR BSC određuje se na temelju strateških ciljeva tvrtke

Najčešći KPI-jevi u HR-u su:

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

2. Koeficijent zatvaranja slobodnih mjesta, omjer broja zatvorenih radnih mjesta i ukupnog broja slobodnih radnih mjesta za razdoblje.

3. Prosječni rok za zatvaranje slobodnih radnih mjesta, omjer zbroja dana koji su protekli od otvaranja radnog mjesta do stupanja kandidata na posao, za sva otvorena slobodna radna mjesta, prema ukupnom broju otvorenih radnih mjesta za razdoblje.

4. Usklađenost s proračunom za troškove osoblja, omjer iznosa stvarnih troškova za naknade zaposlenika prema planiranoj vrijednosti.

5. Stopa odsutnosti s posla, omjer broja dana koje su zaposlenici propustili iz bilo kojeg razloga, prema normi radnog vremena za to razdoblje.

HR je prošao dug put od tradicionalnog prikupljanja i praćenja informacija o zaposlenicima do moderan pristup: korištenje podataka za stjecanje dubokih uvida u cijelo poslovanje.

Što je HR Analytics?

HR analitika je proces u kojem se na obradu HR podataka primjenjuju tehnike podatkovne znanosti i poslovne inteligencije (BA). Ponekad se naziva i analitikom talenta. Također, data mining u ovom kontekstu odnosi se na praksu ispitivanja baza podataka radi stvaranja novih informacija.

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

Prvi cilj je pružiti organizaciji informacije o vlastitim operacijama koje mogu pomoći u učinkovitom upravljanju zaposlenicima. To su uvidi koji mogu osigurati učinkovito postizanje poslovnih ciljeva tvrtke.

Druga ključna funkcija HR analitike je pomoći identificirati podatke koje organizacija treba zadržati. Osim toga, nudi modele za predviđanje razne načine kojim organizacija može postići optimalan povrat ulaganja (ROI) u svoj ljudski kapital.

Općenito, HR analitika je usmjerena na maksimalno iskorištavanje golemih količina podataka o ljudskim resursima koje većina organizacija prikuplja. Tvrtke često imaju puno podataka, kao što su demografija zaposlenika, evidencija o obuci i tako dalje, a analiza može iz njih izvući važne uvide.

Ispod je više detaljne informacije o HR analitici:

Zašto bi vaša organizacija trebala raditi s HR analitikom?

Kadrovske odluke često se temelje na profesionalnim instinktima i intuiciji. Zapošljavanje, na primjer, često ovisi o osobnom kontaktu koji regruter ima ili nije mogao uspostaviti s kandidatom. Problem s "instinktima" i intuicijom je što oni mogu normalizirati 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 poboljšati performanse i predvidjeti najuspješnije modele. Time se eliminira većina ljudskih pogrešaka u donošenju odluka. Na primjer, poboljšano upravljanje opterećenjem može biti učinkovitije kada se podaci koriste za pokazivanje koji su odjeli ili timovi već preopterećeni i koji si mogu priuštiti preuzimanje više odgovornosti.

Što je još važnije, pokazalo se da HR analitika potiče rast tvrtke. Training Zone izvještava o rezultatima poboljšanja performansi jedne tvrtke koja koristi HR analitiku za poboljšanje procesa zapošljavanja. Kroz analizu podataka tvrtka je uočila da tradicionalno ključni pokazatelji- edukacija i reference - nisu imale veliki utjecaj na uspješnost kandidata u prodaji. Zapravo, pokazatelji kao što su prodajno iskustvo visoke vrijednosti i sposobnost rada u nestrukturiranim okolnostima pokazali su se ključnim i doista su pridonijeli poboljšanju prodajnog učinka. Kada je tvrtka uključila ove HR analitike u zapošljavanje, prodaja tvrtke porasla je za 4 milijuna dolara sljedeće godine.

Druge studije došle su do sličnih zaključaka o važnosti HR analitike za ukupni učinak tvrtke. Studija MIT-a i IBM-a pokazala je da bi viša razina korištenja HR analitike mogla rezultirati:

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

Najbolji načini korištenja HR analitike

Područja primjene HR analitike su ogromna, a metrike na koje se treba usredotočiti za organizaciju ovise o industriji kao i o prirodi poslovanja.

Evo nekoliko primjera mogućih ključnih pokazatelja:

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

Gore navedeni mjerni podaci i drugi slični podaci mogu se koristiti za poboljšanje poslovne izvedbe. Ključna područja u kojima podaci mogu pomoći su:

vrbovanje- HR analitika može dati odgovore na pitanja o pronalaženju savršenih kandidata za ovaj posao. Na primjer, kao što je pokazao gornji primjer tvrtke, podaci se mogu koristiti za prepoznavanje kvaliteta onih kandidata koji donose najbolje rezultate. Možete usporediti podatke kandidata koji su završili u tvrtki i među njima pronaći zajedničke nazivnike.

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

Zadržavanje zaposlenika- Zahvaljujući podacima možete saznati i više o zadržavanju zaposlenika. Možete koristiti HR analitiku kako biste identificirali aspekte koji povećavaju angažman zaposlenika.

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

Stopa otpuštanja- koliko zaposlenika odlazi u određenom razdoblju u odnosu na ukupan broj zaposlenih? Izvedba prodaje – HR analitika vam može pomoći da shvatite pojedinosti o tome kako poboljšati izvedbu prodaje. Možda ćete primijetiti da određeni talenti pomažu zaposlenicima da rade bolje ili da određeni programi obuke pružaju trenutne povrate u smislu prodaje.

Pet izazova za HR analitiku

Prije nego što pređemo na početnim fazama implementacije HR analitike, vrijedi razmotriti neke od glavnih problema koji se time pojavljuju. Prilikom implementacije HR analitike u vašoj organizaciji, važno je pronaći načine za rješavanje sljedećih pet izazova.

Zadatak 1: protok podataka

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

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

Na primjer, metrički podaci za sve metrike koje prikupljate moraju biti ispravno definirani i klasificirani. Morate definirati pitanja koja želite riješiti sa svojim podacima, a ne samo prikupljati da budu.

Izazov 2: Kvaliteta podataka

Osim prikupljanja prave količine podataka, također morate paziti na njihovu kvalitetu. Tijek podataka može brzo dovesti do podataka loše kvalitete jer ne stvarate smislene odnose između različitih skupova podataka.

Važno je osigurati kvalitetu podataka usredotočujući se na osiguranje njihova integriteta i sigurnosti. Problem s mnogim organizacijama je taj što podaci koji se koriste u HR analitici mogu dolaziti iz različitih dijelova organizacije i stoga biti previše različiti, što dovodi do problema. Neki podaci se mogu zanemariti, odbaciti, izgubiti 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 o ljudskim resursima i analitici podataka. No, može biti teško pronaći rukovoditelje za ljudske resurse koji također poznaju podatke.

Prema Elizabeth Craig, istraživač Accenture Institute for High Performance, teško da postoji dovoljno kvalificiran zaposlenik za HR analitiku. Osim toga, Craig je za data-informed.com rekao da neki alati za analizu podataka zahtijevaju specijalizirane IT vještine, dodajući pritisak za pronalaženje pravih 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 tvrtke, a često nedostaje i podrška menadžmenta. No da bi proces funkcionirao, HR mora uvjeriti čelnike tvrtki u prednosti korištenja analitike.

Ova podrška je važna jer omogućuje pristup resursima, jer implementacija pravog HR analitičkog sustava nije jeftina. Također može pružiti bolji pristup podacima u svim odjelima. Kako bi uvjerili rukovoditelje, odjeli za ljudske resurse moraju se usredotočiti na identificiranje mogućnosti za maksimalni ROI, čak i u ranoj fazi.

Izazov 5: HR analitika je skupa, a ROI je često nevidljiv

Konačno, organizacije moraju biti svjesne troškova. Raspon cijena analitičkih alata jednako je raznolik kao i dostupnost alata. Prema članku na data-informed.com, cijena platforme može se kretati od "400.000 dolara do 1,5 milijuna dolara za tvrtku s 5000 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 među odjelima i tijekom dugog razdoblja. Na primjer, poboljšanja u zadržavanju zaposlenika neće biti odmah vidljiva.

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

Pet prvih koraka u implementaciji HR Analytics

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

Korak 1: Identificirajte poslovne probleme koje želite riješiti

Prva i najvažnija stvar je definirati poslovne probleme koje želite riješiti. Ne možete početi prikupljati podatke, a zatim ih samo pogledati kako biste pronašli odnose.

Identificirajte probleme koje biste željeli poboljšati u sektoru ljudskih resursa. Na primjer, to mogu biti pitanja vezana uz raznolikost radnog mjesta, poboljšanje zadržavanja zaposlenika, mjerenje količine novca potrošenog na obuku ili bolje razumijevanje uzroka izostanaka s posla. Postoji nekoliko jednostavnih pitanja s kojima biste trebali započeti prije nego što krenete dalje.

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

Nakon što prikupite opće informacije vezano uz osoblje, koje biste željeli detaljnije proučiti, morate započeti s identificiranjem potrebnih pokazatelja za rješavanje ovih problema. Evo nekoliko mjernih podataka o ljudskim resursima koji pokazuju uspješnost odjela za ljudske resurse:

• Vrijeme zapošljavanja – koliko vremena je potrebno da se popuni radno mjesto, kao i vrijeme potrebno da kandidat prihvati ponudu i postane zaposlenik?
• Stopa fluktuacije zaposlenika - koliko zaposlenika odlazi nakon prve godine, pet godina i tako dalje?
• Kadrovska raznolikost – koliki su postoci kada pričamo o ženama, muškarcima, vjerskim i etničkim skupinama?
• Dohodak po zaposlenom, u stalnom radnom odnosu - koliki je prihod ostvaren u punom radnom vremenu?
• Iznos plaće za prekovremeni rad - kolika je plaća za prekovremeni rad i koliko često se isplaćuje?
• Omjer između radnika na neodređeno i određeno vrijeme - koliko zaposlenih ima nepuno radno vrijeme u odnosu na puno radno vrijeme?

Korak 2: Identificirajte podatke koji odgovaraju na gornja pitanja

Nakon što imate pitanja i nedoumica, možete početi identificirati podatke potrebne 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. To uključuje informacije o zapošljavanju, učinku i nasljeđivanju. Vaš bi odjel već trebao imati kontrolu nad tim skupovima podataka.

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

Konačno, trebate proširiti prikupljanje podataka na druge poslovne sustave i odjele. Trebali biste početi prikupljati važne financijske pokazatelje i istraživanje tržišta. To uključuje stvari kao što su promet, uspješnost 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 trebao bi blisko surađivati ​​s IT odjelom, jer određeni softver i rudarenje podataka mogu zahtijevati specijalizirane analitičke vještine. Stoga je dobro krenuti u tješnje povezivanje 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 neke su od najpopularnijih opcija. Iako netehničari mogu koristiti ove platforme, može biti korisno zamoliti IT odjel za pomoć.

Ovaj vam proces u biti omogućuje da iz izvora koje definirate izdvojite potrebne podatke, pretvorite ih u ispravan čist i dosljedan format i prenesete ih na svoju 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 usredotočili na proučavanje raznolikosti radna snaga a vaši podaci pokazuju da ne dobivate dovoljno prijava od etničkih manjina, možete početi mijenjati svoju strategiju zapošljavanja.

Osim toga, morate uspostaviti odnos između podataka o ljudskim resursima i drugih poslovnih metrika. Na primjer, skraćenica tijekom vremena osoblje može izravno korelirati s produktivnošću i profitabilnošću. Izvješće KPMG-a “Ljudi su stvarni brojevi” naglašava važnost ovih veza, koristeći primjer neučinkovitosti i isplativosti zaposlenika.

„Iako je korisno pratiti izostanke po regijama ili u usporedbi s prethodnim godinama, ako HR također može pokazati da je smanjenje izostanaka u pozitivnoj korelaciji s učinkovitost proizvodnje tada će menadžment vidjeti stvarnu vrijednost HR-a”, stoji u izvješću.

Korak 5: Redovno obavljajte preglede

Konačno, HR analitika se mora provoditi redovito, inače će u većini slučajeva biti zastarjela. Kako bi se iskoristile njegove prednosti, potrebno je uspostaviti redoviti proces.

Na primjer, identificirali ste problem koji želite riješiti pomoću podataka, izvršili analizu i pronašli odgovor. Nakon što implementirate rješenja za svoj problem, htjet ćete redovito provjeravati što 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 povrate svakoj organizaciji. No, kao što je gore prikazano, upravljanje, analiziranje i tumačenje podataka nije jednostavno, a organizacije moraju pristupiti ljudskoj analitici korak po korak.

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

• Korporativna kultura

Ključne riječi:

1 -1

Objavljivanja nastavljamo nakon konferencije HR-Analytics, na kojoj je sudjelovala naša posebna dopisnica Oksana Rybakova. U prošlom broju Aram Fomichev, voditelj analitike u Laboratoriju za humanitarne tehnologije, iznio je svoje preporuke o metodologiji razvoja i implementacije projekata vezanih uz velike podatke.

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

O HOFF-u

„Osobitost naše tvrtke je u tome što smo otvorili 29 trgovina u 10 godina“, započela je Tatjana svoj govor, „jurimo vrlo velikom brzinom i, poput mnogih brzorastućih neugodnih tinejdžera, hvatamo sve kutke na svom putu. Otvaramo nove trgovine, mijenjamo asortiman, prilagođavamo se svim krizama i svemu što je vezano uz poslovne procese, podižemo se i strukturiramo u uvjetima koji se brzo mijenjaju.I u jednom trenutku postalo je jasno da je nemoguće dalje razvijati bez HR analitike ."

IMPLEMENTACIJA HR ANALITIKE

Tako je tvrtka imala potrebu razvijati ovaj smjer. Za pokretanje procesa bili su uključeni vanjski pružatelji, no onda je sve razvio HR odjel. U početku se koristilo klasično kaskadno slaganje po ciljevima, te je postalo jasno da HR u tvrtki ima dva glavna zadatka. Neka bude tako da:

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

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

C&B metrika

Ovdje pratimo:

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

Nekoliko riječi o brzinama protoka. To je posebnost maloprodajnog poslovanja, vrlo snažno "teče". U našoj tvrtki ovaj parametar je oko 60%, a mi se svim silama trudimo boriti protiv njega, budući da je stručnost naših prodavača dosta visoka i važno nam je postići trajanje njihovog rada u tvrtki. Stoga pažljivo pratimo prosječno iskustvo prodajnog osoblja (na dijagramu je u mjesecima, usporedba 2015. i 2016.). I razlozi otpuštanja:

Ovaj parametar je važno analizirati zajedno s poduzećem i postavljati pitanja. Na primjer, kako uzrok "neobavljanja posla" može biti veći u razdoblju od 6 mjeseci do 1 godine nego u prethodnim razdobljima? Odnosno, do ovog puta se djelatnik snašao, a onda se nešto dogodilo.

T&D metrika

U prvom grafikonu pratimo da su svi naši novi zaposlenici pravovremeno obučeni. Također imamo proces praćenja menadžera njihovih zaposlenika trgovački pod i popunjavanje listova za ocjenjivanje.

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

• Na uvjetnoj;
• Prošao novu obuku;
• Tajni kupac "nasilnik";
• Oni koji su primili pritužbe.

Pa na zadnjem grafu se odmah vidi u kojim odjelima radi adaptacijski sustav, a u kojim nema. Za adaptaciju u našoj tvrtki odgovorno je poslovanje. Naravno, postoji voditelj obuke koji pomaže u ovom procesu, ali odgovornost je na voditeljima.

Zasebno ocjenjujemo znanje nakon svakog treninga. Ako zaposlenici u prosjeku pokažu razinu znanja na nekoj od edukacija manjim od 90%, analiziramo razloge kako bismo povećali učinkovitost ove edukacije.

Isto tako, analiza se provodi za svakog trenera

MJERIKE ZAPOŠLJAVANJA

Na prvom grafu svaki menadžer može vidjeti koliko ima slobodnih radnih mjesta, koja su dospjela, svaki tjedan na konferencijskom pozivu raspravljamo o razlozima.

Na drugom grafikonu također postoji razlog za raspravu s voditeljima. Ako je norma za zatvaranje slobodnog mjesta 14 dana za smjer "namještaj", a svi imaju pokazatelje manje-više blizu ovom parametru, a jedna trgovina ispadne, onda se postavljaju pitanja.

Svi su metrički podaci dostupni svim menadžerima. Mogu ih preuzeti s BI (ovo su programi koji vam omogućuju analizu velikih podataka i prikaz podataka na nadzornim pločama) na svojim tabletima i telefonima). Do sada možete pratiti ne online, ali mi idemo prema tome.

Na kraju svog govora Tatyana je potaknula svoje kolege da dijele informacije kako bi implementirali najbolje HR prakse u svoje tvrtke.

A sada malo drugačije stajalište od direktorice ljudskih resursa Grupe Metrium, Anne Timusheve. Prvu sjednicu konferencije zatvorila je izvještajem „HR analitika u Metriumu. Put do uspješnog rješavanja poslovnih problema.

Anna je, kao i Tatyana, došla do zaključka da je potrebno uvesti HR metriku u tvrtku. Zaposlenici njezina odjela samostalno (bez uključivanja vanjskih pružatelja usluga) odabrali su potrebne pokazatelje za praćenje. Bilo ih je 15-ak.

Ali poslovanje je ove pokazatelje doživjelo otprilike ovako

I tako je Anna došla do sljedećih zaključaka:

• Sustav 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 provedeni projekt procjene uspješnosti zaposlenika.

Svi djelatnici odjela prodaje ocjenjuju se u smislu kvantitativnih (ispunjenje osobnog i timskog plana prodaje) i kvalitativnih (procjena kompetencija od 360 stupnjeva) parametara. A za one zaposlenike koji se planiraju premjestiti na viša radna mjesta provodi se dodatna procjena ponašanja DISC metodom i procjena znanja.

Rezimirajući prvi dio konferencije, može se istaknuti nekoliko ključnih točaka.

• Podaci moraju biti vizualizirani. Dakle, prvo ih bolje percipira posao, a drugo, možete pokazati puno bez stvaranja ogromnih nečitljivih izvještaja. korisna informacija za rješavanje sadašnjih i budućih izazova.
• Nemojte implementirati analitiku samo radi analitike. Svaka metrika treba biti usmjerena na rješavanje određenog problema ili služiti kao pokazatelj odsutnosti problema. Nakon svake sesije praćenja potrebno je izraditi plan poboljšanja.
• Podaci za analitiku trebaju biti kvalitetni i odabrani ovisno o problemu koji su usmjereni na rješavanje.

Sljedeći broj će obrađivati ​​drugu sjednicu konferencije pod općim naslovom „Analitika ključnih i netipičnih pokazatelja za poboljšanje učinkovitosti“. Na njemu je predstavljeno i nekoliko korisnih prezentacija. Ako ste zainteresirani, lajkajte, podijelite objavu, pisat ćemo dalje.

Želim vam uspjeh u HR studijama, vaša Oksana Rybakova