Рассказать просто об HR-аналитике невозможно. Тема предусматривает знания, которые большинству из нас в школе и университете казались самыми сложными — это, в частности, математика и статистика. Мало того, нередко все эти коэффициенты, моды и медианы казались нам совершенно ненужными. И только с опытом приходит понимание, насколько это полезно, а если правильно построить процесс обучения — то и увлекательно.

В статье «Evidence-based HR: Under the microscope» («Управление персоналом, основанное на доказательствах: Под микроскопом») автор, Кетти Джейкобс, приводит показательный пример. В рамках программы изменений в крупной организации три руководителя, которые отвечали за нее, высказали разные точки зрения о том, что именно нужно делать. Это все равно что три врача, которые по-разному лечат одного пациента. Чтобы предложить лечение, в медицине принято опираться на факты. В управлении же людьми большинство решений, как оказалось, основывается на личном опыте и прочитанных где-то чужих исследованиях.

Итак, существует много определений HR-аналитики. Пожалуй, самое полное звучит так: это постоянный процесс поиска инсайтов, драйверов в процессах управления людьми, которые приносят выгоду бизнесу, с использованием научного подхода.

Существует два основных подхода к HR-аналитике.

Этот подход предполагает конкретную цель. Например, в компании возникает гипотеза, которая основана на опыте или предположениях. Эта гипотеза состоит в том, что из бизнеса уходит слишком много перспективных молодых специалистов: набор проводится каждый год, а их все равно мало. Тогда компания собирает данные, выбирает методику, проводит расчет этого критерия, и таким образом либо подтверждает гипотезу, либо опровергает ее.

Запрос может быть и другим — например, нужно построить прогностическую модель, которая позволит изучить процессы увольнения людей из компании. Собрав имеющиеся данные и проанализировав их, компания может увидеть «красные зоны» — тех сотрудников, которые могут уйти в ближайшее время. Эта задача по силам, например, логистической регрессии.

Здесь нет цели проанализировать какой-то конкретный критерий. Но есть набор данных и желание найти какие-то полезные инсайты, которые не очевидны, не лежат на поверхности. Это уже ближе к т.н. машинному обучению – исследуются данные, находятся интересные взаимосвязи, делаются выводы. Своеобразная разведка, которая впоследствии поможет сформулировать гипотезы, поставить цели и получить конкретные бизнес-выводы.

Для начала можно ознакомиться с публикациями на эту тему — «Evidence-based HR: Under the microscope», а также «HR metrics and analytics: Use and Impact. Human Resource Planning» (в ней авторы впервые использовали термин «HR analytics»).

Затем нужно приступать к изучению статистики — для этого можно взять любой базовый учебник. Например, книгу «Статистика. Учебный курс для социологов и менеджеров» О. Иванова: в ней все описано просто и понятно, на реальных примерах. Другие полезные книги — «Методы математической обработки в психологии» Е. Сидоренко (структурировано описаны различные статистические критерии). Еще интересно почитать «Работа рулит!» (замечательная книга о компании Google, автор — Ласло Бок), «Голая статистика» (Чарльз Уилан), «Управление на основе данных» (Тим Филлипс), «Большие данные» (Виктор Майер-Шенбергер).

Книг по HR-аналитике, в частности русскоязычных, пока что нет. Но это вовсе не значит, что не стоит даже пытаться разобраться в этой теме, ведь здесь отлично применим метод аналогий. Можно наблюдать, как такие же аналитические задачи решают, скажем, маркетологи — например, изучают клиентов. И применять это в своей области — изучая сотрудников. Можно узнать, как свои задачи решают бизнес-аналитики, психологи и социологи. Например, в «Учебном курсе для социологов и менеджеров» приводится пример того, как сравнивать успешность двух групп студентов. Это легко перенести в HR-практику, чтобы сравнить две группы сотрудников, которых обучают разные тренеры, и измерить эффективность учебных мероприятий.

Кстати, огромным преимуществом в изучении HR-аналитики будет знание английского языка: почти все качественные источники знаний — англоязычные.

Краеугольный камень HR-аналитики — это инструментарий. К сожалению, в украинских компаниях сотрудники — даже финансисты, повсеместно используют Excel. И это тотальная проблема. На вопрос же о том, почему бы не попробовать более эффективные инструменты — например, Pytnon или R, обычно звучит недоуменное «Так это же языки программирования!» Казалось бы, при чем здесь аналитика, финансовая и тем более HR? На самом деле эти инструменты вполне применимы. Excel позволяет решать базовые задачи и хорош на начальном этапе, когда учишься рассчитывать элементарные показатели вручную, чтобы понимать, как это работает. Но когда в арсенале есть более сложный инструментарий, расчеты делаются быстрее и легче: не нужно расписывать формулы, достаточно написать строчку кода, ввести нужные данные и дать функции задачу — скажем, построить регрессию. А затем — получить график, формулу и остальные важные параметры. Это делается за секунды. Плюс, если набор данных изменился, в Excel, скорее всего, придется заново переписывать все формулы. В Pytnon или R, если есть написанный скрипт, программе все равно, с каким набором данных работать.

Если человек никогда не имел дела с языками программирования, может показаться, что освоить их — это что-то из области фантастики. На самом деле язык R, например, интуитивно понятный, и даже тот, кто его не изучал, сможет освоить его на уверенном базовом уровне примерно за полгода (конечно, при должных усилиях). Если сегодня есть книги для детей о том, как научиться программировать, то взрослый человек, вероятно, все-таки способен справиться с такой задачей. Язык R — бесплатный, доступен для скачивания, его придумали ученые, которые хотели, чтобы научными исследованиями и знаниями свободно делились. Плюс, для R в Интернете есть много библиотек, которые можно подключить, чтобы брать новые функции для нужных критериев, если не хватает базового функционала (скажем, чтобы строить сложные модели, делать 3D-визуализацию и т. д.).

Существуют специальные сайты, на которых люди делятся своими наборами данных и другие пользователи помогают решать задачи друг друга. Например, stackoverflow.com, а на сайте kaggle.com есть и раздел HR-аналитики. Вообще обмен знаниями очень приветствуется в аналитике: поскольку данных пока что мало, это практически единственный способ учиться.

Хороший ресурс с электронными курсами — stepik.org: здесь можно пройти курсы по основам статистики (базовый или более продвинутый, с примерами и заданиями), по анализу данных в R (с примерами, как применять к реальным задачам), по основам программирования на R (знакомство с функционалом R и средой разработки для R- Rstudio).

Кроме того, можно пройти курсы на coursera.org — по data science («науке о данных») и по HR-аналитике. Но в этом есть смысл, если слушатель уже владеет базовыми понятиями в статистике. Потому что когда лектор скажет «А сейчас мы построим регрессионную модель», следует знать, что это такое.

Итак, чтобы освоить HR-аналитику, можно читать и учиться на курсах. Но этого мало: нужно пробовать. Брать самые простые данные — о том, сколько компания платит сотрудникам, как часто люди уходят на больничные или увольняются, и пытаться делать первые расчеты. Нужно двигаться от простого к сложному: если понимаешь, как работают простые методики, рассчитываются модели и коэффициенты, то сможешь освоить и более сложные.

Часто HR-менеджеры стремятся к тому, чтобы результат исследования подтвердил гипотезу, оказался таким, как хотелось бы. Следует понимать, что в HR-аналитике нет плохих и хороших ответов — только реальные факты. Иногда даже может возникнуть соблазн что-то «подтасовать». Очень важно настроиться на следующее: вы провели исследование, сделали все необходимые расчеты, приняли или отклонили нулевую гипотезу. Есть новая гипотеза — нужно проводить новые исследования.

Если вы занимаетесь HR-аналитикой, нужно быть готовым на основании полученных выводов принимать управленческие решения. Иначе это не имеет смысла. То, что покажет HR-аналитика, часто будет расходиться с ожиданиями. Поэтому нужно заранее честно ответить на вопрос: «Хватит ли у нас воли, чтобы проводить изменения, опираясь на результаты исследований?»

Например, компания проводит для сотрудников тренинги — приглашает известного тренера, который всем нравится. И решает измерить эффективность учебного мероприятия. После тренинга участники рады и вдохновлены, заполняют анкеты обратной связи восторженными отзывами об эмоциях и полезности, а затем… Из 20 человек, которые посетили тренинг, никто не применяет полученные знания на практике. Ни одного инструмента. Тренинг, безусловно, может понравиться — но HR-аналитика ответит на вопрос о том, что поменялось в поведении сотрудников, какую именно пользу бизнесу он принес. Скажем, если это тренинг по коммуникации, можно отследить, сколько аргументов в защиту своей позиции сотрудник приводил раньше и как улучшился этот навык после тренинга. Изменений нет? Тогда получается, что обучение, которое считалось самым эффективным по отзывам людей, по сути оказывается бесполезным. Этого никто не ждал, но с цифрами не поспоришь. При изучении оказывается, что в тренинге не было упражнений, которые помогают развивать нужные навыки.

В таком случае нулевая гипотеза может звучать, например, так: «Данный тренинг никак не влияет на поведение участников». Альтернативная гипотеза — «Тренинг влияет на поведение участников, помогает повысить уровень использования аргументов». Если в результате исследования подтверждается нулевая гипотеза, компания оказывается перед сложным выбором: есть отличный тренер, которого все любят. Но его тренинги не приносят бизнесу пользу. Как поступить — оставить тренера, переделать программу, что требует времени и ресурсов, или пригласить кого-то другого?..

HR-аналитика — это не просто набор цифр. Это целая культура работы с данными. Если HR, каким бы продвинутым он ни был, изучит тему досконально, а руководитель бизнеса или собственник не будут понимать, о чем речь, ничего не получится. HR-менеджеру, который хочет работать с аналитикой, придется учиться преодолевать сопротивление. Представьте ситуацию, когда HR приходит к собственнику и говорит: «У нас хи-квадрат — сорок восемь…» Ему это ни о чем не скажет.

Тут часто возникает проблема, ведь далеко не всегда HR-службе удается продать и более простые решения. Плюс в том, что HR-аналитика основана на данных. А руководители как раз любят цифры и бизнес-показатели, и если включать их в HR-аналитику, связывать с HR-показателями, шансы на успешность инициативы растут. Существует даже понятие «data-driven company» — то есть организация, в которой принято принимать решения, основываясь на конкретных данных.

Эффективная практика, принятая в Академии ДТЭК, — делиться с коллегами знаниями, которые получаешь из разных источников. Если кто-то узнал что-то интересное (например, на семинаре или даже изучил сам), сотрудник делает рассылку и приглашает всех желающих на встречу. Это не обязательно, но полезно и интересно, поэтому пользуется популярностью. Мы регулярно проводим такие встречи по теме HR-аналитики, и убеждаемся: с чем бы ты ни работал — будь то тренинги, кадровый резерв, рекрутинг, этот инструмент отлично применим.

Иногда HR-аналитика помогает решать вопросы жизненной важности. Например, если в производственной компании проводятся исследования в области нарушений техники безопасности. Аналитический подход позволяет проанализировать поведение сотрудников, которые склонны нарушать технику безопасности, и тех, кто не делает этого никогда или допускает крайне редко. И на основании данных составить некие портреты этих групп, проанализировать обстоятельства. Например, если компания приходит к выводу, что чаще всего нарушения происходят в вечернее время и в праздничные дни, когда на производстве присутствует минимум руководства, это позволяет прийти к выводу, что именно в эти часы нужно усилить контроль за соблюдением техники безопасности и таким образом повлиять на сохранность здоровья людей. Но, опять-таки, если бизнес не готов принимать управленческие решения — нет смысла и проводить исследования.

HR-аналитика помогает уйти от стереотипов. И в этом ее преимущество: не нужно основываться на чьих-то домыслах. Тренды и мнения — это отлично, но вопрос в том, насколько на них уместно полагаться в каждом случае? Например, глобальные тренды в некой сфере всегда интересны, но точно ли они применимы для каждой конкретной компании? Скорее всего, понадобятся собственные исследования. И благодаря HR-аналитике их можно проводить достаточно быстро.