Вы возглавляете HR-аналитику. Что теперь? Часть 1. Создание полезного HR-дашборда.

Перевод статьи Коула Нэппера [1]

«Дураки говорят, что учатся на опыте. Я предпочитаю пользоваться опытом других.» - Отто фон Бисмарк.

Я притворюсь дураком, чтобы вы могли быть мудрыми… ;)

В качестве новогоднего обещания в этом году, я решил изложить некоторые свои мысли и опыт в виде статей, чтобы посмотреть, предоставят ли они понимание и/или руководство другим. Я запускал функции HR-аналитики в нескольких организациях, поэтому какая тема может быть лучше для обсуждения, чем серия, которую я называю «Вы возглавляете HR-аналитику. Что теперь?»

Первый выпуск этой серии — это тема, знакомая большинству практиков HR-аналитики, которые начинают новое дело: HR-дашборд.

Установка сцены:

«Итак, вы только что получили свою первую большую работу в HR-аналитике. Вы пробились по карьерной лестнице, и организация только что решила рискнуть, поручив вам создание новой "команды мечты" по HR-аналитике. Вы наполнены нервной, но позитивной энергией. Вы хотите быстро произвести впечатление. Что вам делать?»

Многие, если не большинство, новых руководителей HR-аналитики, оказавшихся в этой ситуации, после оценки ситуации в организации (спасибо книге «Первые 90 дней»! [2]), решают начать с создания HR-дашборда. Это старый, но проверенный временем метод. Если вы новый лидер и сфокусированы на соотношении времени к ценности, вероятно, вы начнете с этого. Но почему?

Вы амбициозный, продвинутый лидер и руководите своей первой функцией HR-аналитики, вы, возможно, думаете:

«У меня есть твердые и решительные полномочия от организации и HR-руководителей удовлетворить их потребность в передовой HR-аналитике. Руководители организации хотят быть впечатлены результатами, я оттачивал свои навыки в ML и AI для этого в течение нескольких лет. Давайте же дадим людям то, чего они хотят – работу будущего с помощью продвинутой предиктивной аналитики!»

Желаю вам удачи в этом начинании! Это звучит потрясающе! У меня есть опасения – несмотря на то, что было бы весело ввязаться в это приключение вместе с вами, но таким образом вы снижаете шансы на успех вашей команды, когда сталкиваетесь с организационной реальностью создания новой функции. К этому относится список следующих проблем, но не ограничивается им: плохие данные, отсутствие данных, отсутствие систем, плохие данные, отсутствие данных, борьба за бюджет, плохие данные, отсутствие данных, руководители не знают, что делать с данными, культурный шок (для вас и/или "отторжение" со стороны вашей компании) и иногда ещё более плохие данные.

Не расстраивайтесь! Есть кое-что, что может радикально увеличить ваши долгосрочные шансы по достижению масштабного успеха, создать пропускную способность для вас и вашей команды и демократизировать данные, таким образом, что повысит авторитет HR-аналитики. Вы можете разработать HR-дашборд! И, с моей предвзятой точки зрения, разработка такой информационной панели состоит (примерно) из трех этапов: данные, контекст и история.

Источник

Этап 1. Данные

Вы могли подумать, что я слишком быстро преуменьшил потребность AI/ML в HR. Это не так. Несколько из наиболее ценных, проницательных и интеллектуально стимулирующих работ в моей карьере требовали применения продвинутых методов (например, машинное обучение, NLP, «алгоритмы в производстве» [мое практическое определение AI], ONA, модели дожития, модели оптимизации и т.д.). Однако в контексте нового руководителя функции HR-аналитики, непосредственный вызов состоит в том, что клиенты не имеют или никогда не имели, и не привыкли иметь необходимые им данные для принятия решений. В результате первый шаг для нового руководителя – это приобретение, концептуализация и расширение демократизации данных, хотя и без застревания на этом этапе.

По общему признанию, «гикам» HR-аналитики [3] (то есть люди, вероятно, имеющие опыт в программировании, науке о данных/инженерии и/или инфраструктуре данных) больше всего понравится этот шаг и, в случае негибкости, они на нём застрянут, что может привести к их гибели. Причина, по которой некоторые находят этот этап столь привлекательным – и почему лично я считаю этот этап наименее интересным – заключается в том, что для решения проблемы требует делать такие вещи, как: соединять данные из нескольких источников, очищать потоки данных, настраивать процедуры подготовки данных, создавать словари и определения данных, экспериментировать с разными технологиями по хранению данных, обрабатывать данные и автоматизировать этот процесс. Это может быть бесконечным упражнением и некоторых команды никогда не завершают этот этап.

Несмотря на вышеупомянутые предостережения, получение «правильных» данных – это основополагающий этап в HR-аналитике. Новому руководителю требуются некоторые основные источники данных для создания целенаправленного и содержательного HR-дашборда. Это может показаться безобидной темой, но я видел целые конференции по HR-аналитике посвященные объединению стандартизированных HR-метрик, о которых должен заботиться каждый бизнес и руководитель с помощью HR-дашборда – не говоря уже о недавнем фокусе SEC [4] на новых правилах отчетности по человеческому капиталу [5].

Правда в том, что большинство полезных источников данных, которые подходят для вашей компании, скорее всего, не стандарты и специфичны для вашей отрасли, состава сотрудников, вашего ценностного предложения для клиентов и вышей организационной культуре. (см. книги «Измерение результативности работы HR» [6] и «Стратегическая аналитика» [7], которые охватывают эти вопросы). Несмотря на то, что каждая компания уникальна, это не означает, что источники/системы данных, которые нужны для создания HR-дашборда несовместимы в разных организациях. Эти системы включают в себя следующие, но не ограничиваются ими: основные HCM/ATS (приёмы, численность, текучесть, оплата труда и т.д. – это, вероятно, наиболее обширные источники данных), продажи/CRM системы (Salesforce и др.), операционные и производственные системы (ERP системы, такие как SAP, собственные внутренние системы компании и т.д.), безопасность, технические и инженерные данные (Jira, Asana и пр.) и ещё более экспериментальные данные (например, встречи в Zoom, приглашения в календаре и взаимодействие в Slack).

Независимо от источников данных и систем новому руководителю потребуется база данных определенного типа для сбора и хранения данных. Решение о том, какой тип базы данных требуется в средне-долгосрочный перспективе обычно сводится к традиционному: «строить, покупать или занимать» решению для новой технологии. Тем не менее, я неизбежно, готов поспорить на несколько центов, что почти все новые команды HR-аналитики начинали или по крайней мере экспериментировали/прототипировали используя Excel [8] / Access [9] или Google Sheets [10] для соединения данных в предварительные визуализации. И, если моя точка зрения указывает на более широкую реальность во вселенной HR-аналитики, многие команды никогда не покидают стадию прототипа. Я полагаю, что это не конец света, но это определенно ранняя стадия плато для новой команды HR-аналитики мягко говоря… Причина, по которой это плато может быть отрицательным заключается в том, что оно, скорее всего, оставит «деньги/ценность на столе» [11]. Цикл по выпуску сырых и/или агрегированных отчётов с использованием таких инструментов как Excel и ожидание того, что руководители бизнеса/HR сделают что-то ценное с данными, принципиально ущербен. Мы углубимся в это на Этапе 2.

Если ваша команда заинтересована оставить простые Excel отчёты/дашборды в прошлом, то цикл непрерывного улучшения продукта должен выглядеть примерно так: централизация данных, прототипирование визуализации данных, получение обратной связи от пользователей, инвестирование в данные/визуализацию, которые связаны с влиянием на бизнес, повтор цикла. Этот процесс в общих чертах основан на эджайл методологии [12], минимально жизнеспособном продукте (MVP) [13] и разработке программного обеспечения (в качестве источников смотрите [14]) , но очевидно этот процесс должен быть адаптирован под набор навыков вашей команды, операционной модели вашей организации, технологическому стеку и т.д.

В связи с этим вот простой контраст на пути «строить или купить», упомянутом ранее. Если вы решили пойти по пути «купить», то существует множество отличных вендоров, таких как Orgnostic [15], которые могут с лёгкостью соединить данные из множества источников и рассказать связанные с бизнесом истории для руководителей. И, наоборот, если вы решили пойти по пути «строить», вы, вероятно, думаете о создании собственного веб-приложения для HR-дашбордов с помощью инструментов с открытом кодом таких, как R Shiny [16] или приобретая такие продукты, как Tableau [17] или Looker [18], подключенные к хранилищу данных. Этот путь имеет свое преимущества и недостатки тоже. Я оставляю все дебаты «строить или купить» другим плодовитым онлайн авторам HR-аналитики, так как есть множество мнений и опыта, на которые можно опираться в этой области. Не стесняйтесь гуглить их.

Источник

Этап 2. Контекст

Не все HR-дашборды одинаковы. И угадайте, кто определяет ценность дашборда? Архитектор решения? Аналитик данных? Подумайте ещё раз. Пользователь дашборда – это обычно руководитель из бизнеса, линейный или HR, который и определяет его ценность и, в конечном счете, его использование. То, что определяет ценность, производимую HR-дашбордом или любыми данными, которые используются для этого – это контекст. И все же контекст нельзя понять, сидя в уединении за условным столом аналитика, а скорее в зоне принятия организационных решений. Если данные и впрямь новая нефть [19], тогда существует два вида контекста, оба из которых пререквизиты для придания изначально бесполезным данным ценности:

Организационный контекст
Контекст данных.

Во-первых, как новый руководитель вы должны понимать контекст организации. На этом этапе HR-аналитика выходит за рамки чистого анализа данных и, следовательно, это область, в которой «гики» могут чувствовать себя наименее комфортно. К удивлению многих сотрудников, но не финансовых руководителей, в среднем стоимость персонала составляет около 70% операционных расходов компании (очевидно, что это может варьироваться в зависимости от компании и отрасли). Это ошеломляющая сумма денег и инвестиций, если вы думаете об этом в контексте многомиллиардных предприятий, а именно в этих предприятиях обитает большинство команд HR-аналитики. В результате я предпочитаю думать об этом факте так: задача HR-организации — правильно инвестировать и измерять ROI для 70% операционных расходов, потраченных на человеческий капитал

Вот почему я нахожу ошеломляющим, когда обсуждаются финансовые вложения для менее затратных операционных частей организации – таких как IT, финансы, централизованная функция науки о данных, операционная служба и т.д. Эти организации, часто не моргнув глазом инвестируют большие суммы денег в технологии, данные, инфраструктуру для лучшего понимания контекста принятия решений этими функциями. Тогда как HR-аналитикам часто приходится просить, занимать или красть пытаясь создать, построить и внедрить механизмы данных, выходящие за пределы базовых электронных таблиц, чтобы обслуживать наибольшие операционные расходы организации. Однако эта наблюдаемая несправедливость, может быстро испариться, если руководители HR-аналитики должным образом понимают, как их данные могут привести приоритеты организации к соответствию и принести ценность. Профилировщик стоимости человеческого капитала Макса Бламберга [20] может помочь с этим типом согласования.

Во-вторых, новый руководитель должен понимать контекст данных. Я нахожу это удивительным, что иногда очень умные люди, которых я знаю, не понимают, что данные сами по себе, без контекста бессмысленны и не интерпретируемы. Часто они мыслят в варианте «Поле мечты» [21] такого, что: «если вы создаете это [т.е. «это» будет надёжный, точный HR-дашборд, визуально привлекательный, динамический, работающий в режиме реального времени], то они придут [«они» - это руководители бизнеса и HR]». Это просто не правда. Стиль превыше содержания. Когда руководители видят такой тип дашборда, то обе стороны озадачены. Команда HR-аналитики ожидает похвалы, показывая дашборд, а руководители отвечают: «выглядит классно, но что мне с этим делать?»

Излишне говорить, что ожидаемая похвала никогда не приходит… И все же, насколько я понимаю, существует только три способа придать данным контекст, так что стейкхолдеры найдут это значимым:

цель,
бенчмарк,
и/или сравнение ваших данных с предыдущим периодом (т.е. тренды с течением времени).

Без этих точек сравнения данные – это просто данные. Эти три маркера дают стейкхолдерам взгляд на скрытое в данных (т.е. без научного метода или доказательства причинно-следственной связи). Они также позволяют ответить на разные варианты вопроса «Как мы узнаем, работает ли то, что мы делаем?». Цель, мой личный фаворит, позволяет наблюдателю узнать дихотомическим образом «мы выше или ниже цели?» Это действительно помогает, если у вас есть OKR-ы [22], метрики успеха, и/или KPI, которые непроизвольно диктуют, что цель имеет значение для бизнеса. Бенчмарк, предпочитаемый мной наименее, потому что он скорее всего, поощряет посредственность, позволяя наблюдателю ответить на вопрос «нахожусь ли я на одном уровне или нет с конкурентом/точкой отсчета?». Точка сравнения с вашим предыдущим состоянием сравнивает, где вы находитесь сегодня, с тем, где вы были в прошлом. Этот контекст идеально подходит для того, чтобы увидеть, приводят ли усилия и ресурсы, затрачиваемые на решение проблемы, к увеличению или уменьшению целевой переменной с течением времени.

Размышляя о текущем HR-дашборде в вашей организации не стесняйтесь задавать себе вопрос: «Эти данные просто передаются моему клиенту или осознаются им?» Скорее всего, если вашим данным не хватает контекста, вы просто отправляет их недовольным клиентам. Однако, если ваши данные включают необходимый организационный контекст и контекст данных, вы сможете извлечь больше (см. «Первый закон HR-аналитики» Амита Мохиндры [23]) и вы поймете почему. Это хорошая проблема.

Источник

Этап 3. История

Для того чтобы HR-дашборд оказал влияние контекста недостаточно. Данные в дашборде имеют возможность для этого, и я выбираю это слово намеренно, потому что это не является неизбежным – отслеживать, информировать и освещать историю о прошлом, настоящем и будущем организации. Эта история, скорее всего, имеет сюжетную линию, схожую с любой хорошей историей. Отложим на мгновение рассуждение и представим, что вы руководитель организации и кто-то в вашей организации способен определенно показать историю вашей компании используя данные, где ваша организация находится сейчас по интересующим вас индикаторам, куда организация движется в вероятностном смысле и почему вы видите проблемы, которые вы видите (см. Модель аналитики C1C Consulting [24]). Если все сделано правильно, то история вашей организации может привести к добавленной стоимости «селф-сервис дашборда как продукта» то, что многие команды HR-аналитики стремятся достичь.

В идеале, по мере развития этого итеративного процесса по улучшению и развитию вашего HR-дашборда, данные и «история» становятся более сложными, детализированным и ценными. У меня есть гипотеза, что одним из наиболее малоизученных понятий в HR-аналитике и науке в целом является понятие «время» (иногда называемые темпоральным эффектом [25]).

Какое влияние оказывает время на организацию? Представьте, что вы можете рассказать историю организации за достаточно длительный период времени, так что вы можете сделать когортный анализ сотрудников начального уровня, которые прошли весь путь до руководящего уровня. Если оставить в стороне систематическую ошибку выжившего [26] - разве такой уровень понимания не будет невероятным? Другой концепт, который интригует меня – это внедрение показателей воздействия, метрик успеха и ROI в этот итеративный процесс по улучшению HR-дашборда. Зачем новому руководителю HR-аналитики проводить шестимесячную оценку проекта, чтобы определить ценность своей работы, если вы можете встроить полученную ценность в сам HR-дашборд?

Вспомните любую хорошую историю, которую вы знаете. Это односторонний разговор, монолог? Нет. Во всех хороших историях есть диалоги. То же самое должно быть верно и для HR-дашборда. Поток информации не односторонний, а скорее это непрерывная рекурсия, когда данные передаются лицам, принимающим решения, с повествованием и контекстом, а лица принимающие решения обрабатывают, калибруют действуют на основе этой информации при принятии решений; что, в свою очередь, должно привести к обратной связи о дополнительных данных необходимых в дашборде, таких как контекст и история, изменяющиеся с течением времени. Мяч продолжает прыгать, а история не заканчивается…

Ссылки: