Аналитика больших данных и машинное обучение в HR: 5 примеров инсайтов на Big Data

Вчера мы рассматривали, как аналитика больших данных (Big Data) и машинного обучения (Machine Learning) помогают снизить текучесть кадров и предупредить увольнение ключевых сотрудников. Сегодня поговорим о том, как эти технологии позволяют выявить главные компетенции успешного сотрудника, обнаружить неявную зависимость прибыли компании от вовлеченности персонала, а также получить другие полезные HR-инсайты.

Как вовлеченность персонала влияет на инновационность и прибыль компании

Best Buy, один из крупнейших ритейлеров США, владеющий крупной сетью магазинов бытовой электроники и сопутствующих товаров, активно использует предиктивную аналитику в управлении персоналом. Внутренние HR-исследования этой компании показали, что увеличение вовлеченности сотрудников всего на 0,1% приводит к росту годового дохода на $100 000. Благодаря этому была пересмотрена периодичность внутреннего аудита: теперь вовлеченность сотрудников оценивают раз каждый квартал, а не раз в год [1].

Похожий кейс, связанный с HR-оценкой работников, отмечает отечественная нефтяная компания. Необходимо было определить, насколько существующая модель корпоративных компетенций отвечает реальности и определяет успешных сотрудников. Сама процедура оценки проводилась уже более 3-х лет, когда эксперты выставляли каждому сотруднику баллы по следующим корпоративным компетенциям [2]:

• инновационность;
• соблюдение норм и правил;
• умение работать в команде;
• ответственность за результат;
• коммуникабельность;
• адаптивность.

Оценки этих компетенций были собраны практически по всем сотрудникам предприятия за 3 года. Полученный датасет был обогащен реальными фактами карьерного пути работника: сведения о карьерном росте, переводах, увольнениях и размере премий. Примечательно, что результаты анализа не соответствовали ранее сформулированной гипотезе [2]:

• по-настоящему эффективные сотрудники имели низкие баллы по шкале нормативности – в реальности успешными были те, кто не соблюдал правила и нормы, принятые в компании;
• оказалось, что инновационность никак не влияет на успешность сотрудника за исключением группы молодых специалистов;
• единый профиль успешного сотрудника для всех категорий персонала не подходит, для корректной оценки необходимо иметь несколько компетентностных моделей.

Еще 3 простых примера кадровой аналитики с помощью Big Data

Большое расстояние от дома до офиса – один из факторов, негативно влияющих на отношение сотрудника к работе [3]. Вообще, географическое расположение и транспортная доступность предприятия играет далеко не последнюю роль для его работников   и кандидатов на вакантные места. Поэтому анализ информации о том, сколько времени тратит человек на ежедневные поездки до работы может дать ответы на многие HR-вопросы. В частности, одна зарубежная компания, проанализировав такие данные, поняла, что самые эффективные сотрудники работают в радиусе 5 километров от офиса. С учетом концентрации наибольшего числа работников было принято решение о смене рабочей локации в этот район. Такая относительно простая мера помогла существенно повысить вовлеченность персонала без дополнительных инвестиций в мотивацию [4].

Другой пример повышения лояльности к работодателю, основанный на простом использовании результатов HR-аналитики с помощью инструментов Big Data – это перевод сотрудников на гибкий график работы. Проанализировав течение рабочего дня для каждого сотрудника, можно выявить наиболее результативные часы, когда человек действительно решает важные и сложные задачи, а не просто физически присутствует на своем месте. Таким образом, сотрудник вместе с руководителем и HR-менеджером получают возможность составить индивидуальный график работы, который будет наиболее эффективным для каждой из сторон. Кроме того, такая распределенность во времени и пространстве позволит оптимизировать затраты на аренду офисных помещений, отказавшись от неиспользуемых или частично простаивающих помещений. Например, именно так компания Dell с 2013 года экономит дополнительные $21 миллионов на оплате коммерческой недвижимости [5].

В заключение отметим еще один интересный опыт корпоративного инсайта, который также относится к оптимизации офисного пространства и рабочих процессов. Анализируя перемещение сотрудников внутри компании и их взаимодействия друг с другом, можно составить наилучшую схему расположения команд, производственных площадок и функциональных подразделений. Отследить движения работников помогут средства носимой электроники, например, браслеты с RFID-меткой, smart-часы или даже мобильные телефоны. Обработав полученный массив данных с использованием алгоритмов машинного обучения, Big Data система HR-аналитики предоставит оптимальную схему физического расположения персонала [6].

В следующей статье мы рассмотрим успешные примеры применения технологий Big Data и Machine Learning для мотивации студентов и другие кейсы цифровизации современного образования. А как использовать аналитику больших данных для оптимизации HR-процессов и цифровой трансформации своего предприятия, вы узнаете, пройдя обучение на наших образовательных курсах в лицензированном учебном центре обучения и повышения квалификации руководителей и ИТ-специалистов (менеджеров, архитекторов, инженеров, администраторов, Data Scientist’ов и аналитиков Big Data) в Москве:

• Аналитика больших данных для руководителей

Источники

1. https://finassessment.net/blog/predictiv-analitika-hr
2. https://hr-academy.ru/hrarticle/prediktivnaya-analitika-v-hr.html
3. https://pravo.moe/top-12-prichin-uvolneniya-s-raboty/
4. https://parsers.me/big-data-and-machine-learning-in-hr-5-examples-of-successful-use-of-information-technologies-for-human-resource-management/
5. https://rb.ru/story/flexible-schedule/
6. https://emerj.com/ai-sector-overviews/machine-learning-in-human-resources/