Документ обсуждает использование больших данных в HR, акцентируя внимание на аналитике сотрудников для улучшения бизнес-результатов. В нем представлены примеры из практики компаний, которые использовали аналитику для оптимизации процессов подбора персонала и удержания, с приведением статистических моделей и корреляций. Также рассматриваются важные факторы успеха и моменты, которые не влияют на результаты, образуя основу для стратегий управления талантами.

1. Что такое BigData в HR?
Бабушкин Эдуард
http://www.linkedin.com/groups/HRMru-2917603/about
http://www.linkedin.com/pub/edward-babushkin/1b/839/75
edvb@yandex.ru

2. Правила игры
• 60 минут
• Три блока
• Ответ на вопросы – в паузах между
блоками

3. Содержание
1) Методологическая часть
2) Деловое предложение участникам
вебинара
3) Как это работает
Наши кейсы
Управление удержанием персонала
Формула Hr-бренда
Формула лидерства
4) Благодарности спикеру и реклама

4. О терминах
BigData in HR = Talent analytics = People
Analytics
На русском языке
Матстатистика = Аналитика для HR

5. Опыт Google
• В Head-Hunting Big Data может быть не такой уж сложной задачей
• Как Google стал №3 в списке самых дорогих компаний Мира, используя
People Analytics

6. Эволюция АналитикBusinessValue
Убеждения
Постпроверка
Интуиция Ad-Hocи
текущаяотчетность
ПанелииБенчмарки
Отчетность
Корреляции
Моделирование
Предиктивноемоделирование
Аналитики

7. Святой Грааль HR
Связь деятельности HR и бизнес-результатов
Бизнес -
результат
Результаты
работы HR
Что такое СВЯЗЬ? Каков
характер СВЯЗИ?

8. Measurement as a Process
Why you must build an analytics function, not a set of tools
Measurement as Process, not a Project

9. Big Insurance
• A $33 billion insurance company has developed a
behavioral assessment based on a set of beliefs
held by the top executives
• Top sales people need college degrees from top
rated schools, they should have good grades, and
they should have experience selling high value
products.
• But the data proves otherwise.
Insurance
Company

10. 10
Results of Data Analysis
Insurance
Company

11. Data Showed Six Things Matter:
Very Highly Correlated with Success
1. No typos, errors, grammatical mistakes on resume.
2. Did not quit school before obtaining some degree
3. Had experience selling real-estate or autos
4. Demonstrated success in prior jobs
5. Ability to succeed with vague instruction
6. Experience planning time and managing lots of tasks
The Belief
System
Was Wrong
Within six months
of implementing a
new screening
process
revenues went
up by $4 million
What Did NOT Matter
• Where they went to school
• What grades they had
• The quality of their references
Insurance
Company

12. Примеры «продвинутых» моделей
• Major Retailer developed integrated “people model” to correlate
relationship between engagement, rewards, leadership
capabilities, tenure, skills and revenue.
• Major Payroll Provider statistically validated 30+ factors in recruiting which
led to 20%+ improvement in sales performance and completely revamped
recruiting process
• Major Food Service Company identified key drivers of account renewal and
upgrade and developed statistically valid measures which have been used
to create company-wide dashboard which measure risk on a weekly basis
• Major Retail Bank correlated dozens of workforce measures against
engagement and branch financials to develop risk management dashboard
for small and large branches

13. Практики BigData HR
• Улучшение показателей текучести / удержания персонала за счет
выявления наиболее предрасположенных к увольнению и работы с
ними – 3, 85
• Определение эффективности рекрутинговых кампаний – 3, 5.
• Выявлении драйверов мотивации / вовлечения персонала– 3, 42
• Измерение морального климата коллектива и уровня вовлеченности
персонала – 3, 38
• Определение ключевых факторов успешности для использования в
подборе – 3, 38
• Выявления наиболее ценных сотрудников – 3, 35
• Выявление работников, способных выступать в роли внутренних
коучей – 3, 31
• Нахождение информации в цифровых архивах компании – 3, 27
• Нахождение работников с релевантными знаниями для решения
производственных вопросов – 3, 23
• Выявление потенциальных кандидатов, кто работает не в компании –
3, 08
http://edwvb.blogspot.ru/2013/06/Zachem-BigData-in-HR-Analitycs-HR.html

14. Наши кейсы
• Взаимосвязь оценки по компетенциям и
результатов деятельности
• Зависит ли текучесть персонала от размера
премии
• Управление талантами vs Управление
персоналом
• Оценка эффективности и компетенций ИТР
• Влияет ли график работы на
удовлетворенность персонала

15. Деловое предложение
Какие вопросы включать в exit interview
Выявляем ключевые драйверы:
Временем пути между работой и местом
жительства;
Осведомленностью о компании не из уст
рекрутера;
Источников подбора.
edvb@yandex.ru

16. Управление удержанием
Y - стаж работы
X1 – Время в пути между работой и местом
жительства;
X2 - Осведомленность о компании не из уст
рекрутера;
X3 - Источники подбора.

17. Организация данных
стаж
Времявпутимеждуработойи
местомжительства
Осведомленностьокомпании
неизустрекрутера
Источникподбора
…….
…….
…….
…
Иванов
Петров
Сидоров

18. Рекомендательный рекрутинг

19. Формула удержания
Y (стаж в годах) = N1X1 + N2X2+X3 …… +NnXn
, где X – фактор (или ключевой драйвер)
N – вес фактора

20. Опросы
• HR-бренд
• Формула лидерства

21. Формула бренда
Y = готовность рекомендовать компанию
друзьям / родственникам и т.п..
или
Y = готовность принять предложение о работе в
другой компании

22. Формула лидерства
Y = Лидер / Не лидер
X –
дает обратную связь,
не критикует в присутствии других,
обсуждает не только рабочие вопросы,
советуется в принятии решений

23. Полезные ссылки
• BigData в HR
• Аналитика в HR

24. Спасибо за участие!
Бабушкин Эдуард
http://www.linkedin.com/groups/HRMru-2917603/about
http://www.linkedin.com/pub/edward-babushkin/1b/839/75
edvb@yandex.ru