Как быстро и эффективно внедрить Big Data и Machine Learning в прикладную область бизнеса для решения практических задач, избежав популярных ошибок Data Scientist — разбираемся на примере HR-направления.
Подготовка к внедрению Big Data в HR и не только
Зачем HR-специалисту большие данные и какую пользу они принесут управленческим процессам и предприятию в целом, мы уже рассказывали в этой статье. Сегодня поговорим о непосредственном встраивании технологий Big Data в управление персоналом.
Внедрение любой новой технологии и, тем более, методологии – процесс длительный и итеративный, состоящий из нескольких этапов, как это предписывает стандарт CRISP-DM, об особенностях работы с которым мы уже рассказывали здесь и здесь. Однако, CRISP-DM – это методическое руководство для Data Scientist, а с точки зрения бизнеса, в частности, для HR-специалиста, нужен более абстрактный подход, без технических особенностей. Таким вариантом, демонстрирующим все необходимые этапы Big Data-проекта, будет управленческий цикл принятия решений Деминга-Шухарта или PDCA (от английского Plan-Do-Check-Act) [1].
Как связаны циклы PDCA и CRISP-DM?
Процесс принятия и осуществления управленческих решений по циклу PDCA актуален для любой бизнес-сферы, включая практику выполнения ИТ-проектов по направлению Big Data: сперва мы планируем деятельность, затем воплощаем эти планы, после проверяем степень достижения поставленных целей и, наконец, корректируем выявленные несоответствия между плановыми и фактическими показателями [1]. Аналогичные шаги включает стандарт CRISP-DM: от формулирования прикладной проблемы до развертывания программных продуктов. Однако, в эти 6 фаз не входит непрерывный мониторинг и корректировка полученных решений, что, в свою очередь, влечет за собой ошибку деградации моделей машинного обучения (Machine Learning) [2].
Комбинация двух подходов позволит избежать проблем на этапе развертывания CRISP-DM [3] за счет цикличности шагов PDCA [1]. Таким образом, одна из итераций по непосредственному внедрению Big Data в бизнес-направление выполняется на этапе Do, наблюдается и корректируется, а затем повторяется снова с учетом необходимых изменений.
Этапы внедрения Big Data в HR
Поскольку основной смысл HR состоит в кадровом обеспечении компании для выполнения ее ключевой деятельности, целесообразно рассматривать эти шаги в прикладном контексте:
- Определение конкретной бизнес-проблемы, например, повышение эффективности продаж. В разрезе HR-аналитики следует найти факторы, которые способствуют высокой производительности менеджеров по продажам, чтобы привлекать и нанимать подходящих людей, а затем развивать их потенциал [4].
- Фильтрация сведений, создание словаря данных и чистка информации: удаление дублей, устаревших значений и т.д. Например, как определить «текучесть персонала»: стоит ли учитывать людей, которые включились в команду менее полугода назад, работают неполный день или оставили компанию в последний день года? Создание словаря данных является межотраслевым проектом – необходимы не только основные HR-сведения (дата найма, возраст, опыт, информацию об образовании), рекрутинговые характеристики (оценка до найма, интервью), информация о производительности (рейтинги, распределение работы) и обучении (завершение программ, сертификация, оценки), а также данные по лидерству (лидерские качества, обратная связь) [4].
- Построение гипотез и их реализация. Например, как качество межличностных коммуникаций в команде влияет на эффективность ее работы или какие факторы провоцируют профессиональное выгорание сотрудников и как их предупредить. На этом этапе к HR-аналитику подключается Data Scientist, организуя дальнейшую работу по стандарту CRISP-DM: от бизнес-анализа до внедрения модели машинного обучения (Machine Learning). Этот этап пойдет быстрее, если менеджер владеет хотя бы минимальными навыками программирования на языке R.
- Анализ полученных результатов, улучшение качества построенных моделей и их последующее внедрение в другие бизнес-задачи с необходимой адаптацией.
На наших практических курсах мы расскажем, как реализовать все эти шаги на практике, чтобы улучшить работу вашей HR-службы и предприятия в целом. Аналитика больших данных для руководителей – это 3-дневный интенсив по извлечению прикладных знаний из разноформатных сведений и их монетизация в контексте ваших бизнес-задач: от оптимизации производственных процессов до формирования высокоэффективной организационной структуры предприятия с помощью средств Big Data (Hadoop, Spark, Kafka и пр.). Выбирайте удобную дату, записывайтесь на занятия и приходите в наш образовательный центр, чтобы в совершенстве освоить современные ИТ-инструменты: большие данные, машинное обучение (Machine Learning) и интернет вещей (Internet Of Things). Увидимся в классе!
Источники
