Обратите внимание на все, что вам показывает hr-портал

1. Аналитика в HR:
что вам может рассказать
HR-портал?
Павел Ковалев
WebSoft

2. Типичный HR-портал
 Десятки профилей должностей
 Десятки электронных курсов и тестов
 Десятки учебных программ и программ адаптации
 Тысячи курсов и тестов, изучаемых/сдаваемых ежемесячно
 Десятки или сотни тысяч пройденных сессий обучения
 Подробная информация о ходе обучения в рамках каждой сессии
 Десятки тысяч заполненных форм отзывов и опросов
 Сотни или тысячи постов на форумах и блогах
 Сотни или тысячи документов, доступных на портале
 Тысячи анкет с итогами оценки компетенций
 Тысячи результатов оценки деятельности (по целям, по KPI)

3. Ваша LMS/TMS – ценный
источник информации!

4. Кому может быть полезна
информация?
 HR директор, директор корпоративного университета
 Топ-менеджмент
 Менеджеры бизнес-подразделений, линейные
руководители
 Менеджеры корпоративного университета/отдела
обучения
 Администраторы LMS/TMS
 Разработчики электронных курсов

5. Уровни работы с данными
 Сбор данных
 Оперативное управление
 Анализ статистических данных по отдельным
программам/направлениям обучения
 Статистический контроль процессов
 Сбор метрик и агрегация данных
 Визуализация средствами dashboard
 Многомерный анализ в системах BI
 Бенчмаркинг

6. Что могут рассказать данные?
 Пример 1:
 93% сотрудников, проходящих электронный курс
более 1 недели, не закончат его успешно
 Предоставляем дополнительные материалы для
самостоятельного изучения
 Приглашаем задать вопросы эксперту/тьютору на форуме
 Записываем сотрудника на консультационную сессию
(семинар/вебинар)

7. Что могут рассказать данные?
 Пример 2:
 80% обучаемых отвечают менее чем на 50%
вопросов теста, входящего в учебный модуль
 Проверяем качество учебного модуля
 Проверяем качество теста
 Уточняем, чему учат сотрудников их руководители
 Дорабатываем учебный модуль и/или тест
 Включаем в учебную программу дополнительный раздел
перед данным модулем в качестве подготовительного

8. Что могут рассказать данные?
 Пример 3:
 2% сотрудников, прошедших учебный курс,
отвечают на 85% вопросов на форуме по курсу
 Автоматически присваиваем достижение («бейдж»)
в модуле «Геймификация»
 Примеряем на роль предметных экспертов/тьюторов
 Проверяем уровень соответствия текущей должности
 Рассматриваем как кандидатов в кадровый резерв (HiPo)

9. Сбор метрик по обучению
 Сравнение показателей до и после обучения
 Уровень знаний: тесты на входе и на выходе
 Измерение кол-ва и результативности
обученных/протестированных, сравнение подразделений
 Анализ эффективности выбранных провайдеров
 Оценка активности бизнес-подразделений по обучению своих
сотрудников
 Удовлетворенность руководителей результатами обучения
 % достижения плана по обучению
 План/факт по затратам на обучение
 Измерение затрат на обучение сотрудников в соотношении с
эффективностью подразделений

10. Сбор метрик по обучению
 Бюджет на обучение, потраченный на 1 сотрудника
 Кол-во обученных/потраченный бюджет
 Количество демонстрируемых навыков по результатам
еженедельной проверки
 % непрошедших обучение (с 1,2,3 раза)
 Анализ мотивации, обучаемости, качества/доступности курсов
 % посещаемости мероприятий
 Кадровый потенциал, готовность к чему-то новому
 % наличия сертификатов (квалификаций, требующих
подтверждения)

11. Востребованность метрик
Значимость для
руководства
Метрика Пример Измерения ведутся
1 Влияние “Учебная программа позитивно влияет
на наши 4 наиболее приоритетных
направления бизнеса”
8%
2 Выгода “По результатам 5-ти исследований
учебных программ среднее значение
ROI составило 128%”
4%
3 Награды “Наша учебная программа получила
награду Best of Elearning ! 2014”
40%
4 Применение “78% применяют новые навыки в своей
работе”
11%
5 Обучение “92% участников развили свои умения и
навыки”
32%
6 Вовлечение “В прошлом году 7 800 сотрудников
прошли через наши учебные
программы”
94%
7 Эффективность “Формализованное обучение стоит
$2.15 за 1 час”
78%
8 Восприятие “Сотрудники высоко оценили наш
тренинг со средним баллом 4,5 из 5”
53%

12. Другие примеры метрик
 Адаптация
 Скорость адаптации
 Выяснение «нормативов» для разных подразделений
 Учитываем: завершенность адаптационных программ, оценку по рез-там
адаптации, самооценку сотрудника, удовлетворенность сотрудника, оценка
руководителя, 360
 Оценка
 % соответствия компетенций требованиям профилей
 % достижения целей, по подразделениям
 Кадровый резерв
 Количество проектов, реализованных резервистами
 Количество сотрудников из HiPo, получивших повышение

13. Пример анализ данных – подбор
менеджеров по продажам
 Характеристики эффективных менеджеров
 Аккуратное, грамотное резюме
 Закончил образование (отучился до конца)
 Успешный опыт продажи дорогих товаров/услуг
 Продемонстрировал успех на предыдущей работе
 Умение работать в условиях неопределенности
 Не имеют значения:
 Где учился кандидат
 Какие у него были оценки
 Какие у него рекомендации

14. Как работать с данными?
 Основной инструмент – математическая статистика
 Требуются:
 Знание математического аппарата
 Пытливый ум
 Использование специализированного ПО
 Пример:
 Анализ эффективности обучения
 Сравнение бизнес-результатов до и после обучения
 Исследование корреляции между фактом прохождения обучения
и изменением бизнес-результатов
 Очистка влияния факторов на бизнес-показатели – анализ
дополнительных факторов, выявление причинно-следственных
связей

15. Статистический контроль
процессов (SPC)
 Наблюдаем поведение численных характеристик
 Выявляем отклонения (например, выход за пределы
mean-3*sigma/mean+3*sigma и т.п.)
 Может использоваться специализированное ПО
 Данные экспортируются из LMS/TMS
 Изучаем причины отклонений и принимаем меры для
их устранения
 Пример:
 Мониторим степень удовлетворенности обучаемых
электронными учебными курсами, которые они проходят

16. Визуализация в SPC

17. Кто занимается анализом HR-
аналитики в западных компаниях?

18. Зарубежные исследования
 480 компаний
 14% проводят статистический анализ показателей HR
 4% научились предсказывать:
 какие характеристики сотрудников влияют на их
производительность
 какие факторы влияют на удержание сотрудников
 кого следует нанимать
 как уровень зарплаты коррелирует с эффективностью
 Результативность в этих компаниях
 Доходы на 30% выше, чем у компаний Fortune 500
 Наличие подготовленных преемников для ключевых
позиций – в 2.5 раза выше

19. Анализ данных в российских
условиях
 Привлекаем специалиста со знанием статистики
 Внутреннего аналитика
 Даем время на вхождение в предметную область
 Внешнего консультанта
 Желательно, аналитика с хорошим знанием предметной области
 Привлекаем внутренних экспертов из бизнеса
 Со стороны подразделений HR
 Со стороны бизнес-подразделений

20. Отдел обучения и развития – центр
компетенций по HR-аналитике?
 «Владелец» LMS
 Является ли ваша LMS системой управления
талантами (TMS)?
 Можете ли вы собирать метрики по всем HR-
процессам?
 Лишняя обязанность или направление
профессионального и карьерного развития?

21. Анализ данных: процесс, а не проект
 Модель зрелости аналитики по управлению талантами

22. Влияние на бизнес-результаты
 Анализ корреляции между бизнес-результатами и HR-
метриками
 11,1% увеличение удовлетворенности сотрудников
 10,4% увеличение удовлетворенности клиентов
 9,8% увеличение качества
 8,6% увеличение продаж
 8,3% увеличение производительности
 8,7% сокращение
производственных
циклов
 8,1% снижение затрат
 7,6% снижение рисков

23. Как продемонстрировать ценность
HR-процессов руководству?
 Измерения часто остаются «трудной» темой
 Измерения могут быть простыми, но должны присутствовать
Типы измерений Фокус
Возврат инвестиций
Финансовая выгода от увеличения производительности,
связанного с проведенным обучением
Влияние на бизнес Увеличение производительности в результате обучения
Изменение поведения/ применение
на рабочем месте
Применение новых норм поведения, знаний, навыков в
работе
Направленное обучение
Конкретные знания, навыки и/или нормы поведения,
которые развивались в рамках проведенного обучения
Реакция/удовлетворенность Уровень удовлетворенности и реакция на обучение

24. Агрегация данных
 Собираем и храним не только сырые данные, но и
производные метрики/показатели
 Автоматически подсчитываем значения
интересующих нас метрик на основе сырых данных
 С требуемой периодичностью
 Формулы расчета настраиваются для каждой метрики
(показателя)
 Данные показателей доступны для быстрой
визуализации
 Формируем dashboard из интересующих нас показателей

25. Dashboard для HR-директора

26. Dashboard для HR-директора

27. Dashboard для HR-директора

28. Dashboard для HR-директора

29. Dashboard для HR-директора

30. Системы BI (Business Intelligence)
 Данные для многомерного анализа предоставляются
внешним OLAP-системам
 Пример проекта:
 На основе WebTutor создан т.н. “universe” для системы
SAP Business Objects
 Все результаты подбора, адаптации, обучения, оценки и
развития персонала предоставляются для анализа из
WebTutor в Business Objects
 Отчеты с функцией drill down и визуализация данных
настраиваются средствами Business Objects

31. Бенчмаркинг
 Проект по бенчмаркингу LMS – 2010-2011 гг.
 Бесплатный сервис на портале для клиентов WebSoft
 Более 50 компаний приняли участие в проекте
 Сбор данных по 20 метрикам
 Среднестатистическая картина российской LMS
 Бенчмаркинг 2.0
 Перезапуск проекта в 2015 г.
 Сбор данных по 28 метрикам
 Где находится моя компания относительно других?
 Бенчмаркинг 3.0
 Сбор данных по стандартизированным метрикам, вычисляемым в
системе WebTutor
 Начнем собирать данные!

32. Спасибо за внимание!
ВОПРОСЫ?
pkovalev@websoft.ru
www.websoft.ru
(495) 230-0234