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)
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
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?
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
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!