Новый мир: как предсказать увольнение сотрудника по «аватару»

  • 3
  •  
  •  
  •  
  •  

Уникальные знания и интуиция самого опытного рекрутера не сравнятся с инструментами анализа данных. Новые технологии помогут удержать самых ценных сотрудников компании

Удержание персонала — одна из ключевых задач HR-подразделения. Кризисные годы показали, что даже самые лояльные сотрудники могут уйти. А стоимость привлечения новых работников сегодня очень высока, кроме того, зачастую компенсация вновь пришедшего сотрудника больше, чем его предшественника, к тому же во многих отраслях наблюдается стабильный дефицит кадров. Но знаний и интуиции даже самого опытного HR-специалиста недостаточно для того, чтобы понять, на ком следует сфокусироваться прямо сейчас, с кем достаточно провести мотивационную беседу, а кому предложить более серьезную помощь, например, поменять наставника или перевести на другой проект. Действия, основанные на догадках, малоэффективны, особенно, когда мы говорим об организациях, в которых работают более 500 человек, а коэффициент текучести кадров превышает 20%.

В начале весны этого года мы опросили HR-специалистов крупнейших российских и иностранных предприятий на предмет их планов и приоритетов: 65% компаний рассказали, что так или иначе автоматизируют процесс работы с персоналом, а 85% внедряют HR-аналитику. При этом только 4% из них используют предиктивную аналитику, которая является эффективным инструментом в борьбе с текучестью кадров. Во многих компаниях уже есть все необходимые данные, чтобы объективировать мотивацию сотрудников с помощью математических формул, необходимо только научиться правильно их использовать.

Как работает предиктивная аналитика?

Итак, что вы уже наверняка знаете о своих работниках? При приеме на работу у компании появляются персональные данные работника и информация о его уровне заработной платы в сравнении с рынком. Автоматизированная система учета рабочего времени позволяет узнать время прихода и ухода, оценить количество опозданий и переработок, учесть количество дней отпуска, болезни, командировки и прогулы. Любая компания может проследить за динамикой использования рабочей почты и интернета, а также оцифровать информацию о количестве проектов сотрудника и соотношении принесенного им дохода к полученным премиям. Если в организации проводится оценка персонала, опросы и обучение, то это дополнительные сведения. Таким образом, сотрудники в период работы в компании оставляют свой цифровой след из данных, которые формируют их цифровой профиль.

После того, как эти данные собраны из разнородных источников в одной системе, машинные алгоритмы анализируют информацию о работниках, которые уже покинули компанию, пытаясь понять, как протекала их жизнь на рабочем месте и как изменилось их поведение перед уходом. Ищут скрытые, неочевидные зависимости и корреляции. Результатом этой работы является создание так называемых «аватаров» уволившихся сотрудников. В разных компаниях и разных отраслях они будут разные.

Далее настраивается непрерывный процесс обработки потока информации о текущих сотрудниках и сравнения индивидуальных цифровых профилей с найденными ранее «аватарами». Чем больше цифровой профиль сотрудника похож на «аватар», тем выше вероятность, что он скоро уволится.

Как использовать полученную информацию?

Таким образом, у директора по персоналу появляется дополнительный инструмент, который позволит всегда «держать руку на пульсе» и может быть использован для решения различных задач в зависимости от специфики компании или отрасли.

В нашей компании после оцифровки HR-функции появилась информационная панель, отражающая в реальном времени топ-10 сотрудников, которые вероятнее всего могут уволиться в ближайшее время, а также сводный рейтинг, отражающий настроения всего персонала.

Как же выглядят «аватары», определенные нашей моделью? У людей, которые планируют уйти, меняется поведение: если раньше, например, они приходили на работу вовремя или раньше, то теперь они начинают опаздывать, дольше ходят на обед и отсутствуют на рабочем месте. Также работники перестают проходить тренинги и программы персонального развития, медленнее справляются с текущими проектами, а динамика использования рабочей почты снижается.

Использовать эту информацию можно для удержания конкретных сотрудников. Не всегда изменения в поведении связаны с категорическим решением уйти из компании. Человек может быть лояльным, но чувствовать недовольство или напряжение в данный момент. Например, у сотрудника, недавно ставшего отцом, изменились приоритеты — он хочет больше времени уделять семье. Благодаря «программе-предсказателю», HR вовремя обратит внимание на него и сможет предложить решение проблемы, например, отпуск по уходу за ребенком или временный переход на более простые проекты, таким образом не только сохранив сотрудника, но и повысив его лояльность к компании. Значительные изменения в сводном рейтинге по всем компаниям за непродолжительный период времени, в свою очередь, являются для директора по персоналу сигналом к тому, что необходимо предпринять действия по повышению лояльности сотрудников.

В отраслях с большой текучкой, например в ретейле, предиктивная аналитика может решать более глобальные задачи по выявлению скрытых причин массового оттока. В этом случае «аватар» сотрудника, который не задержится надолго в компании, определяется при помощи начального цифрового следа. При приеме на работу человек заполняет подробную анкета, а система сравнивает его ответы с ответами быстро уволившихся работников. Таким образом, у работодателя появляется возможность сформировать входную воронку и отсеять кандидатов, склонных к уходу.

На производствах, где большинство работников — женщины, зачастую остро стоит проблема с планированием набора. Сотрудницы могут массово уходить в декретный отпуск, при этом возникает кадровый дефицит, влияющий на выполнение плана производства. После анализа ретроспективных данных для создания «аватара» программа выявила, что будущие мамы начинают чаще брать больничные и опаздывают на работу по утрам. Зная, сколько работников планирует уйти, HR могут заранее создать и обучить резерв.

Предиктивная аналитика также может быть использована и на других этапах жизненного цикла сотрудника. Правильно построенные аналитические модели больших данных помогут выбрать лучших руководителей, повысить показатели продавцов и предотвратить мошенничество, аварийные ситуации и нарушения техники безопасности.

  • 3
  •  
  •  
  •  
  •  

  • 3
  •  
  •  
  •  
  •  

Мы делаем Golbis для вас, жмите "нравится", чтобы читать нас на фейсбуке!