Введение
При всей сложности вопроса том, почему люди делают то, что они делают, существует возможность сделать людей и их поведение более предсказуемыми. У нас наконец-то появился доступ к данным, технологиям и опыту, чтобы отвечать на сложные вопросы с помощью статистических моделей, а не догадок. Но важнее не столько то, что вы можете сделать, сколько то, как вы это делаете и почему.
Возьмем, к примеру, прогнозирование оттока кадров. Сейчас такие возможности стали обычным делом, и даже могут поставляться прямо из коробки от большинства поставщиков. Проблема заключается не в наличии модели, а в умении ее использовать и создании правильной стратегии, которая принесет пользу, как сотрудникам, так и компании.
В любом проекте отправной точкой должно быть решение бизнес задач. В случае с текучестью кадров это просто – ни одна компания не хочет, чтобы хорошие таланты уходили за дверь, когда это можно предотвратить. Что касается сотрудников, то если мы сможем удовлетворить их потребности и сделать их счастливыми, выиграют все. Но есть важный вопрос, с которого необходимо начать – как ответственно использовать модель, которая может сказать вам, что должно произойти? Есть много вещей, которые вы можете сделать:
- Поделиться информацией о сотрудниках с менеджерами или лидерами, чтобы вмешаться на индивидуальном уровне в работу с ними.
- Поделиться факторами текучести кадров (стаж работы или возрастные группы, настроение, изменения в работе) и определить решения, связанные с каждым фактором, который ассоциируется с повышенным риском.
- Свевременно предупреждать об ожидаемой текучести кадров в конкретных командах, где можно предпринять значимые действия для улучшения обстановки на уровне группы.
- Интеграция со стратегическими планами по трудоустройству в различных командах, навыках или местах.
- Нацеливаться на университеты и источники найма, связанные с более низкими рисками.
- Более активно корректировать компенсацию для профессиональных навыков, входящих в группу риска.
Некоторые из этих идей разумны и малоопасны, в то время как другие могут легко привести к непредвиденным последствиям. Для того чтобы рассмотреть план со всех сторон и обсудить возможные положительные и отрицательные последствия, необходимо привлечь широкий и разнообразный круг заинтересованных сторон. Лучший подход всегда должен учитывать худшие сценарии:
Данные могут быть использованы ненадлежащим образом. Знание того, что “этот человеквыглядит так, будто собирается уходить”, может повлиять на решения о рейтинге, вознаграждении, продвижении по службе, планировании преемственности, специальных заданиях или включении в другие виды списков с положительными или отрицательными последствиями.
Данные могут быть использованы без надлежащего контекста руководителями, которые могут придать им слишком большое значение (например, заключение соглашений об удержании на основе вероятности текучести кадров без учета других факторов, включая потенциальное негативное воздействие).
Сотрудники могут плохо отреагировать, если об этом станет известно или если сообщения будут переданы неподобающим образом. Каков план действий после того, как руководитель предприятия получит список имен? Знают ли руководители, как следует вести разговоры? Доверяют ли сотрудники руководителям, что они правильно поступят с этой информацией, или же слухи будут пущены в ход?
Решение проблемы на индивидуальном уровне будет лишь пластырем, а не решением проблем, связанных с текучестью кадров на уровне группы (например, местоположение, срок службы, проблемы карьерного роста).
Также необходимо учитывать риски для целостности модели:
Изменение поведения. Сотрудники, узнавшие, что компания основывает соглашения об удержании или другие решения на вероятности текучести кадров, могут начать по-другому реагировать на вопросы анкеты о намерении остаться (что в свою очередь повлияет на точность модели).
Нестандартизированные действия, которые не отслеживаются систематически, будут влиять на точность модели в дальнейшем. Таким образом, когда неотслеживаемые действия приводят к тому, что некоторые сотрудники с “высоким риском отсева” остаются, мы не узнаем, становится ли модель менее точной и работают ли вмешательства, если не существует системы фиксации вмешательств и передачи их обратно в модель (что также поможет вам оценить, какие вмешательства действительно работают).
Только после того, как вы спланируете все эти моменты, вы должны инвестировать время и ресурсы, необходимые для создания и внедрения модели прогнозирования отсева. Но как только вы достигнете этого этапа, вам предстоит принять еще один ряд решений, которые необходимо обдумать, в том числе, какой тип данных следует включить в вашу модель. Существует множество данных, из которых можно выбирать. Существуют факторы группового уровня, анализ и понимание которых не представляет особого риска – например, глобальные факторы (рецессии, пандемии и т.д.), тенденции безработицы и найма в отрасли, крупные события в компании (например, RIF, поглощения), смена руководства, тенденции в масштабах подразделения, сезонность текучести кадров (например, даты наделения правами на акции, выплаты бонусов) и другие общие данные.
Их полезно включить в модель, но сами по себе они недостаточны без включения данных индивидуального уровня, которые обладают гораздо большей прогностической ценностью. Вы должны разделить этот тип личной информации в зависимости от объективности данных и потенциальной возможности злоупотребления. Существует много общедоступной информации, которая может быть полезной – к примеру, тип найма, образование, уровень работы, должностные функции, места, стаж, время с момента последнего повышения, количество смен руководителей и, возможно, другие элементы, такие как участие в тренингах и членство в группах, если таковые имеются.
“Ваши ученые были настолько озабочены тем, могут ли они это сделать, что не переставали думать, должны ли они это делать”.
Так что же делать? Все это не отменяет использования данных для получения ответов и обоснования решений – мы должны быть информированы о данных! Но мы должны действовать обдуманно и в координации с нужными заинтересованными сторонами, число которых, естественно, должно увеличиваться с ростом размера и важности проблемы, которую вы пытаетесь решить. Для такого проекта вам также следует использовать структурированный контрольный список конфиденциальности данных и оценку воздействия, чтобы оценить и минимизировать потенциальные риски проекта по сравнению с предполагаемыми выгодами – какие данные будут собраны, как они будут защищены, как долго они будут храниться, кто будет иметь доступ, как они будут использоваться и почему. Необходимо обеспечить прозрачность для сотрудников и согласованность с практикой информированного согласия и руководства для сотрудников в отношении того, как будут использоваться персональные данные, а также соответствие GDPR и другим нормам и требованиям.
Умение мыслить стратегически, налаживать межфункциональные партнерские отношения, соблюдать этику и управлять данными – все это крайне важно для того, чтобы исследования проводились так, чтобы они действительно приносили пользу сотрудникам. В случае прогнозирования отсева сотрудников подход должен быть масштабируемым, стандартизированным, измеряемым и строго регулируемым.
