Выделяют несколько стадий развития HR-аналитики. Дескриптивная аналитика отвечает на вопрос: «Что произошло?». Предиктивная отвечает на вопрос: «Что могло бы произойти?» А прескриптивная уточняет: «Что должно произойти». Давайте рассмотрим, какие существенные отличия существуют между каждым из этих этапов?
Что такое дескриптивная аналитика
Дескриптивная аналитика предполагает систематизированный сбор HR-данных, анализ их динамики, отклонений от нормы и бенчмаркинг. Для этого компании разрабатывают HR-дашборды, которые позволяют мониторить изменения уровня HR-метрик. Для анализа данных здесь применяются простейшие статистические методы: визуализация, описательная статистика (расчет среднего, квантилей, анализ распределения и т.п.). Это отправная точка для перехода к более продвинутым методам аналитики. На этой стадии развития HR-аналитики предполагаются следующие шаги:
- формируется список HR-метрик, которые будут анализироваться. Это очень важный вопрос, так как система HR-метрик должна отражать HR-стратегию и помогать отслеживать эффективность ее реализации.
- определяются, какие данные необходимы, а также источники для их сбора.
- необходимые данные собираются и подготавливаются для анализа. От качества подготовки данных зависит качество их анализа, поэтому здесь нередко тратится больше всего времени.
- данные анализируются. Оценивается вариативность данных, рассчитываются среднее, медиана и др. квантили, данные группируются, сегментируются, анализируется динамика, проводится сравнительный анализ и анализ трендов, определяются взаимосвязи показателей.
- результаты анализа визуализируются, как правило, в виде различных диаграмм, которые объединяются в HR-дашборд.
Поскольку, здесь не требуется сложных математических вычислений и продвинутых статистических методов, то эта стадия HR-аналитики достаточно легко осваивается компаниями. Именно поэтому многие отечественные организации уже находятся на этом этапе развития аналитики HR-данных. Для тех, кто только готовится вступить на путь внедрения дескриптивной HR-аналитики, мы подготовили воркшоп «HR-цифры» и его онлайн аналог «HR-метрики».
Что такое предиктивная HR-аналитика?
В отличие от дескриптивной HR-аналитики, этот этап развития фокусируется на том, что могло бы произойти в будущем, и предполагает прогноз развития событий.
К примеру, на стадии дескриптивного анализа HR-данных нам удалось выяснить, что в компании существует большая текучесть (по сравнению с нашими конкурентами), она возросла по сравнению с прошлыми отчетными периодами, причем самый большой процент текучести характерен для представителей поколения Y, что связано с отсутствием быстрых перспектив их карьерного и профессионального развития в нашей компании. Соответственно мы предложили перечень мероприятий для исправления ситуации и мониторим ее дальнейшее развитие.
Предиктивная HR-аналитика подразумевает, что далее мы строим модели, которые помогают нам более точно понять, что именно оказывает влияние на текучесть, например, есть ли какие-то факторы, которые в большей степени влияют на ситуацию. И уже на основе этих факторов мы получаем возможность сделать прогнозы на будущее и подобрать более точные инструменты воздействия. В частности, мы можем сделать модель, прогнозирующую увольнение сотрудников на основе собранных данных, в результате чего с определенной долей вероятности, HR-служба получит возможность заранее предсказывать увольнение, понимать факторы, которые к нему приводят и проактивно воздействовать на них. Таким образом, предиктивная HR-аналитика помогает сделать нашу работу еще более эффективной.
Для предиктивной HR-аналитики используются уже более продвинутые методы статистического анализа и машинного обучения (множественный регрессионный анализ, кластеризация, факторный и дискриминантный анализ, анализ нейронных сетей и т.п.). Поэтому здесь уже необходимо более глубокое погружение в тему статистического анализа и специальной подготовки пользователей. Именно для этого мы разработали нашу «Школу HR-аналитика».
Что такое прескриптивная HR-аналитика
И наконец, прескриптивная HR-аналитика предполагает моделирование различных сценарий развития события, выбор наиболее вероятного и подготовку соответствующих мероприятий. Для этого используются возможности глубокого обучения и искусственного интеллекта. Именно поэтому до этого добрались пока только единицы компаний. Здесь уже не обойтись без профессиональных аналитиков данных, а то и целой команды из них. Поскольку, чтобы освоить эти методы потребуется приличное количество времени, хорошее знание математики и статистики, а также знание специальных языков программирования. Возможно, в будущем появится специальный софт или платформы, упрощающие применение подобных методов на практике для непродвинутых пользователей, и тогда компании начнут активно переходить от слов к действиям. Но пока гуманитариям крайне сложно покорить эту вершину.
