Предиктивная аналитика в HR: модно или просто-напросто необходимо

Как спрогнозировать увольнение ценного сотрудника, должен ли директор по персоналу быть немного математиком, с какого числа начинаются кадровые big data и может ли HR повлиять на бизнес-эффективность компании? Ответы на эти вопросы — в материале «РБК Pro».

HR-аналитика — это процесс применения методов обработки данных и инструментов бизнес-аналитики к HR-данным. Результаты использования методов HR-аналитики позволяют отвечать на важнейшие вопросы: в развитие каких именно сотрудников и в какие управленческие или HR-решения стоит инвестировать.

Марат Исмагулов, директор по персоналу Альфа-банка: «Преимущества HR-аналитики очевидны. Когда вы понимаете, в каком направлении будут происходить изменения в вашей компании, вы всегда сможете подготовиться к ним заранее. Это как прогноз погоды: вероятность дождя высокая — вы взяли с собой зонтик и не промокли. Главный вопрос сейчас — как построить действительно точные модели, которым можно будет доверять. На текущий момент это одно из перспективных направлений развития в HR, которое позволит решать широкий круг задач: например, как привлекать таланты в компанию, как их удерживать».

По данным исследований Deloitte, 70% крупных и средних компаний мира реализуют проекты, направленные на анализ и интеграцию HR-данных в систему принятия бизнес-решений. Наибольший интерес вызывают решения, оптимизирующие сферу управления талантами и противодействие текучести персонала.

Мировой рынок услуг в области HR-аналитики стремительно развивается, и до России эта волна уже докатилась, спрос на них вполне ожидаем, отмечает руководитель отделения Kelly Engineering Resources Ольга Копылова. Это связано с большим интересом компаний к цифровизации, автоматизации HR-процессов, роботизации, использованию big data, новых технологий и инструментов.

Экономическая выгода от использования предиктивной HR-аналитики ощутима. Давно подтверждено, что потери от текучести составляют большие суммы, которые складываются из стоимости подбора, адаптации и обучения нового сотрудника, а также потерянной производительности на вакантной позиции и затрат на замещение отсутствующего работника, если его кто-то временно заменяет. Чем выше уровень должности, тем выше уровень подобных расходов. В частности, для должностей ключевых специалистов и руководителей потери при уходе сотрудника доходят до нескольких годовых окладов, для рабочих позиций — два-три месячных вознаграждения. Если уровень текучести удастся снизить хотя бы на 1%, то для крупной компании эффект может составить миллионы рублей за год, оценивает президент Ассоциации профессионалов в сфере мотивации и организационного развития Ариадна Денисова.

Результатом проекта, реализованного компанией IBS для одной из российских компаний, стала экономическая выгода для заказчика в размере 900 млн руб. Эти средства дала оптимизация процесса найма и адаптации линейного персонала заказчика, решенная IBS с использованием инструментов HR-аналитики, приводит пример руководитель отдела «управление HR-данными» в IBS Артем Николаев.

Не хуже, чем у соседа

Сегодня в России наибольший интерес к предиктивной HR-аналитике проявляют крупные и средние организации численностью свыше 500 человек, как российские, так и иностранные. С помощью аналитических методов компании надеются прийти к составлению профиля успешного сотрудника, выявлять лучших работников, управлять текучкой кадров, определять, какого типа сотрудников стоит удерживать, а кого — нет.

Большинство компаний хотят только попробовать, посмотреть, что можно сделать, ведь это же модно и позволяет выделиться HR-службе на фоне коллег. Этим обуславливается и скудность бюджетов, которые компании готовы потратить на внедрение. Как правило, это несколько сотен тысяч рублей, говорит Ариадна Денисова.

«Предиктивная HR-аналитика действительно хайповая, модная тема, но я не верю в ее активную приживаемость. Это мощные инструменты, которые требуют серьезной подготовки и инвестиций, их нужно внедрять в соответствии с актуальными бизнес-задачами, а не потому, что все вокруг об этом говорят», — уверен директор по подбору и развитию персонала массовых позиций ПАО «ВымпелКом» Артем Вартанян.

Data-зрелость

Основными условиями для формирования HR-аналитики в компании являются наличие достаточно «чистых» данных, качество которых не вызывает сомнений, а также выстроенные процессы сбора и стандартизации данных. Чтобы HR-аналитика оправдывала себя и позволяла более эффективно работать с персоналом, компании необходим навык анализа и интерпретации результатов. Следующий этап заключается в осознанном построении культуры принятия решений на основе данных, а не личного опыта или субъективных мнений, отмечает директор по персоналу и организационному развитию X5 Retail Group Татьяна Красноперова.

Исследование Rabota.ru показало, что 56% российских компаний так или иначе используют в своей работе HR-аналитику. При этом постоянно обращаются к анализу данных лишь 24% компаний, большая часть — 32% — апеллируют к цифрам время от времени, лишь на отдельных проектах.

Российский рынок отстает от западного в части использования больших данных и HR-аналитики, в частности: дело в неготовности бизнес-процессов и систем. Кроме того, некоторые компании пока испытывают трудность в том, чтобы определить универсальные целевые метрики для исследования и анализа, согласна руководитель по управлению вознаграждениями и HR-аналитике «МегаФона» Юлия Патрикова.

Мария Голяндрина, вице-президент по управлению персоналом МТС: «Использование предиктивной HR-аналитики — это в первую очередь показатель зрелости компании, data-зрелости. С другой стороны — это желание и видение возможностей в этом инструменте. Для перехода к использованию предиктивной аналитики необходимо сначала отстроить статистику, затем начать применять обычную аналитику и только после этого переходить к предиктивной. Все эти фазы необходимо пройти и прожить. Это большой опыт, глубинные знания и понимание информации, которой обладает HR. Далеко не все компании на рынке прожили эти этапы, и использование инструментов предиктивной HR-аналитики для них преждевременно».

Еще один важный сдерживающий фактор — недоверие системам прогнозов. Люди часто сомневаются в точности прогнозов от системы и больше доверяют «человеческой» оценке, отмечает руководитель департамента предпроектного консалтинга по бизнес-приложениям Oracle СНГ Нина Путинцева. Поэтому важно показывать HR-специалистам и руководителям, какие параметры и критерии учитываются для анализа, как работает алгоритм и на чем основана модель для анализа, собирать эту информацию и присматриваться к ней.

Многие компании начинают с приведения данных в единообразный и структурированный вид, отмечает директор по развитию HeadHunter Борис Вольфсон. Экономический эффект можно получить уже на этом этапе. «Ростелеком» внедрил цифровую систему выдачи и оформления гостевых пропусков. В среднем офисы компании посещают ежегодно около 50 тыс. человек. Ручная обработка такого количества заявок «съедала» почти 1,9 млн руб. из бюджета компании, но автоматизация этой работы сэкономила оператору связи 1,5 млн руб. Значительной выгоды в компании ждут и от перевода в электронный вид личных дел сотрудников, в том числе и за счет высвобождения времени сотрудников кадровой службы. Ранее почти 500 тыс. бумажных папок с документами занимали 70 офисных помещений, а поиск необходимой информации в них требовал значительного времени.

Приоритет «МегаФона» — создание экосистемы автоматизированных цифровых HR-решений на основе машинного обучения и элементов искусственного интеллекта, рассказывает Юлия Патрикова. Компания уже прошла первый этап — изменены бизнес-процессы компании, запускаются проекты по внедрению электронного документооборота, автоматизируются и роботизируются рутинные операции, минимизируется риск ошибок при использовании систем для учета, хранения или передачи данных сотрудников. В ближайший планах «МегаФона» — работа над интеграцией основных HR-систем и качеством входных данных, окончательное определение HR-метрик, выбор платформы для аналитики.

Гуманитарии и математики

Внедрению системной HR-аналитики эйчарам мешает то, что многие из них — гуманитарии и не имеют серьезной подготовки в области математики, отмечает генеральный директор консалтинговой компании TalentCode Сергей Юлдашев. Как следствие, ставить задачи, контролировать и оценивать работу аналитиков им сложно: «Ты не можешь оценить качество прогнозной модели, если не знаешь, чем оно измеряется. Скорее всего, ты про это даже не подумаешь. Как следствие, эйчару бывает сложно принять решение о внедрении математических методов и систем — они видятся непонятным «черным ящиком». Второй аспект: аналитика — это командная игра. Нужно идти к бизнесу, договариваться, как мы будем измерять результаты, производительность сотрудников, как мы отделим влияние наших HR-проектов от других факторов. К такому разговору нужно быть готовым, а если человек не уверен в своих силах, то он не сможет обосновать свои предложения».

Генеральный директор сайта по поиску работы и сотрудников Rabota.ru Александр Ветерков указывает, что для успешного внедрения предиктивной HR-аналитики в компании потребуются люди, которые разбираются совершенно в других областях, нежели классический эйчар. Это аналитика, статистика, маркетинг, построение экономических, математических и психологических моделей.

Сколько вешать в граммах?

Теоретически, отмечают эксперты, внедрение предиктивной аналитики возможно в каждой компании, но не каждой это надо. «Этими инструментами может пользоваться любая компания — если есть задача, а не погоня за трендом. Но инструменты будут разными. В маленькой компании из 20 человек вы собираете отчет по лучшим сотрудникам в отделе продаж, чтобы понять, какую программу обучения выбрать, а в кол-центре на 2 тыс. человек проводите оценку разговоров нейронными сетями», — считает Артем Николаев.

Внедрение предиктивной аналитики — это большой, трудозатратный и дорогостоящий проект, и экономическая целесообразность есть, скорее, у больших компаний, полагает Александр Ветерков. Это связано в том числе и с окупаемостью инвестиций в проекты: эффект от улучшений в процессах обычно будет составлять единицы десятков процентов, поэтому, для того чтобы вложения окупились, нужно больше поле деятельности.

Нина Путинцева отмечает, что предиктивная HR-аналитика интересна компаниям, которые работают на дефицитном с точки зрения кадров рынке, где конкуренция за высококлассных специалистов среди работодателей велика. Это IT-специалисты уровня архитекторов, аналитиков, диспетчеры, пилоты, логисты, любые ключевые для бизнеса конкретной компании сотрудники, те, в которых компания вкладывается.

По мнению директора по персоналу «Nielsen Россия» Юлии Маруевой, предиктивную аналитику целесообразно внедрять компаниям, имеющим свыше 1 тыс. человек персонала одинаковой категории. Причем это должны быть не офисные позиции и/или не связанные с индивидуальными продажами, консультациями, переговорами, а массовые должности, имеющие четко прописанные должностные инструкции и алгоритмы работы. «В офисе слишком велик вес индивидуальных факторов, того, что называется личной стоимостью. Так, один человек будет успешен в переговорах, а у другого они не будут получаться, и это при прочих равных показателях образования, жизненного и социального уровня», — поясняет Юлия Маруева.

Предиктивная аналитика работает, когда есть большое количество сотрудников, которые в принципе по своему профилю похожи друг на друга, согласен Артем Вартанян. «ВымпелКом», в розничных продажах которого заняты более 10 тыс. человек, на протяжении года использует модель, помогающую снизить отток персонала. «В рознице сложно снизить отток, он всегда будет. Поэтому мы стремимся удерживать высокоэффективных продавцов. В среднем сотрудник выходит на максимальные продажи через два-три месяца после найма и обучения, и удержание продавцов, находящихся «на пике мощности», приносит компании сотни миллионов дополнительной выручки. Наш прогноз основывается на нескольких десятках метрик: приходы на работу, транзакции в «1С», объемы продаж, их динамика и т.д. В течение года мы собирали данные и оценивали, насколько точны предыдущие прогнозы искусственного интеллекта. Недавно начали экспериментировать с разными способами удержания эффективных продавцов, попадающих в зону риска по увольнению, в том числе используя how-are-you-calls от топ-менеджеров. Сейчас анализируем первые результаты», — приводит реальный пример использования предиктивной HR-аналитики Артем Вартанян.

Время не ждет

В среднем проекты внедрения HR-аналитики занимают от двух-трех до 12 месяцев, но могут растянуться и до 24 месяцев — в случае, когда в рамках проекта создается внутренняя команда HR-аналитиков.

Для компании существует несколько вариантов реализации проектов: своими силами, силами подрядчиков или с использованием готовых продуктов. От выбранной стратегии зависит структура расходов, объясняет Борис Вольфсон. Если компания считает, что сфера применения предиктивной аналитики относится к ее конкурентным преимуществам, то ей стоит реализовывать проект своими силами. При таком подходе основные затраты придутся на IT-специалистов разной квалификации, в том числе аналитиков и data scientists, а также на аппаратную часть, особенно если планируется использовать большие данные. В случае покупки готового продукта основные расходы пойдут на сам продукт и на его интеграцию. Самый частый кейс — это использование модулей предиктивной аналитики в HCM/HRM-системах, например для предсказания увольнений и оценки ущерба от этого.

Кейс 1

В IBS обратилась крупная компания, которая хотела справиться с проблемой высокой текучести линейного персонала — показатели доходили до 190% в год. На первом этапе специалисты IBS построили модель стоимости увольнения, рассчитали стоимость текучести, оценили стоимость проекта и стоимость риска невыявления причин, рассказывает Артем Николаев. Потенциальная экономия устроила клиента. На следующем этапе специалисты IBS исследовали жизненный цикл сотрудника, провели интервью с участниками бизнес-процесса, построили карту жизненного цикла и нашли данные на каждом его этапе.

Удалось установить, что причины увольнений были следствием ошибок в процессе найма и адаптации: недостаточный фокус на аттестации новых сотрудников, штрафы за некачественную работу, недостаточный опыт сотрудников в своей сфере. В итоге IBS реализовала пилотный проект по внедрению новой системы адаптации. Были введены индивидуальные задания для новичков на 60 дней адаптивного периода, разработана система чек-листов для руководителей и наставников. После перезапуска процесса и в результате годового «пилота» текучесть персонала в данной компании снизилась до 90%. Впоследствии новая система адаптации была масштабирована на всю компанию.

Кейс 2

X5 Retail Group также использовала методы предиктивной HR-аналитики в борьбе с текучестью кадров. В 2017 году компания провела масштабное исследование «Экспансия», рассказывает Татьяна Красноперова. По его итогам была построена математическая модель рынка труда, спрогнозирована потребность в сотрудниках с учетом текучести кадров, выделены мотивационные профили сотрудников и их связь с результативностью, определено, что именно удерживает персонал в компании. Это помогло правильно расставить приоритеты и заниматься именно тем, что принесет бизнесу наибольший эффект. Только за 2018 год текучесть персонала во всех торговых сетях под управлением X5 снижена в среднем на 6 п.п., при этом компания удерживает фокус на росте производительности труда и уровне сервиса.

Кейс 3

МТС использует HR-аналитику для оптимального развития сотрудников и построения их карьеры, говорит Мария Голяндрина. В компании сейчас в активной фазе пилотирование проекта по карьерному развитию сотрудников. «Исходя из огромного количества внутренних данных, которые у нас есть о сотрудниках, мы понимаем, какие из них более перспективны в компании и каких мы хотели бы продвигать и предлагать на замещение ключевых позиций. Этот инструмент позволяет менеджеру в ситуации сложного выбора открыть тех людей, о которых он мог и не подумать, обратить его внимание на какие-то важные вещи о кандидатах. Сейчас мы пилотируем это решение на небольшом количестве сотрудников. После успешного тестирования решение будет дозированно запускаться в промышленное использование. Судя по обратной связи от рекрутеров, у модели очень хорошая вероятность и перспективы. Запуск в использование будет осуществлен летом этого года», — отмечает Мария Голяндрина.

Кейс 4

Региональной IT-компании, представителю среднего бизнеса, нужно было выявить причины текучести персонала, рассказывает Ариадна Денисова. Созданная с помощью метода логистической регрессии модель показала, что наибольшему риску ухода из компании подвергаются молодые (до 30 лет) холостые/незамужние сотрудники, которые по результатам опросов оценивали выполняемые задачи как слабоинтересные, а уровень вознаграждения как ниже или на уровне рынка. Такие сотрудники были либо высоко-, либо среднерезультативными, у первых вероятность ухода из компании была выше, что требовало особого внимания. При этом пол и место проживания сотрудника не оказывали значимого влияния на уровень текучести, как изначально предполагалось.

В результате компания получила инструмент для прогнозирования риска ухода сотрудников и перечень действий, который помогает этого избежать. Те, кто, согласно модели, попадал в группу риска, требовали немедленного участия со стороны HR-специалистов. Также компания решила связать вознаграждение сотрудников с эффективностью их работы и скорректировать уровень оплаты труда со среднерыночным значением. Отдел обучения получил задание на формирование карьерных траекторий работников и разработку детального плана их обучения и ротации. Были внедрены ежемесячные check-ins — встречи руководителей со своими сотрудниками, в ходе которых обсуждались результаты работы последних, оценивались привлекательность проектов для исполнителей и достаточность ресурсов.

Благодаря тому что у заказчика уже были сформированы практически все необходимые «чистые» данные, весь проект был реализован в максимально короткие сроки — три недели. Текучесть персонала в компании снизилась на 4%, а вовлеченность и удовлетворенность возросли, каждый процент снижения текучести сэкономил работодателю миллионы рублей в год.

Когда бум?

В целом по России HR сегодня находится на базовом уровне, отмечают опрошенные «РБК Pro» эксперты. При этом существует большой разрыв между немногочисленными крупными продвинутыми в области HR-аналитики компаниями и большим количеством предприятий, которые только начинают внедрять эти инструменты. «Первые достаточно часто смеются над вторыми, потому что те в основном пользуются Exel. Но это неплохо, так как инструменты могут быть любые, главное, чтобы выводы были правильные, а отчеты — удобные и прозрачные для лиц, принимающих решения», — делится наблюдениями Александр Ветерков.

Существенного прорыва в этой сфере эксперты ожидают в течение трех–пяти лет — за это время сформируется спрос на HR-аналитику внутри компаний и появится большое количество внешних сервисов, способных его удовлетворить. Одним из основных направлений развития предиктивной HR-аналитики станет кросс-функциональное сотрудничество HR-департаментов и команд бизнес-аналитиков. Это затронет в первую очередь компании, для которых актуален вопрос анализа больших данных: крупный IT-бизнес, банки, ретейл и телекоммуникационные компании. Как только работодатели освоят бизнес-аналитику, возникнет неизбежно и вопрос к HR-службе, а не может ли она перейти на цифровые рельсы. Тогда появятся и финансовые ресурсы на подобные проекты, компании более активно начнут обучать своих HR-специалистов статистическим навыкам и вкладываться в развитие HRIS-систем.