Как предсказать увольнение сотрудников: 4 успешных бизнес-кейса
03.09.2019 | 853 Просмотров

Повышенный интерес к HR-аналитике обусловлен возросшими ожиданиями бизнеса в отношении функции HR. С множеством наборов данных, доступных сегодня, существуют потенциально тысячи различных вопросов, которые организации могут решить с помощью аналитики. Однако пока HR-аналитика находится в стадии становления, и компаниям предстоит еще много работы, прежде чем они смогут использовать результаты HR-аналитики для улучшения своих бизнес-результатов.

Эрик Ван Вульпен рассмотрел несколько практик применения HR-аналитики, когда влияние было оказано на весь бизнес. Мы перевели самые интересные из них.

1. Credit Suisse: предсказали, кто из сотрудников может покинуть компанию

 13 марта 2015 года Credit Suisse в статье «The Algorithm That Tells the Boss Who Might Quit» для Wall Street Journal заявила, что разработала алгоритм предсказания ухода сотрудников. Это был один из первых примеров сейчас очень популярной модели предсказания текучести кадров. Аналитики Credit Suisse не только смогли предсказать, кто может уйти, но и определить, почему эти люди могут уйти.

Эта информация предоставлялась всем руководителям анонимно, чтобы они могли предпринять меры и предотвратить нежелательный уход. Помимо этого, компания наняла специально обученных консультантов, которые совместно с руководителями помогали сохранять ключевых сотрудников. По оценкам Credit Suisse, эта программа сэкономила компании примерно 70 млн. долларов в год.

 

2. Текучесть в Experian

 Высокая текучесть персонала в Experian,лидере глобального рынка информационных услуг, была долгое время большой проблемой для компании. Уровень текучести в компании всегда превышал целевой на 3-4 %. Выходом из ситуации стало - построение прогностической модели, благодаря которой смогли предсказать и определить риски ухода ценных сотрудников. Данная прогностическая модель включала около 200 атрибутов, в том числе размер и структуру команды, результаты руководителя, продолжительность и частота командировок и многое другое. Выяснилось, что в зоне риска команды от 10 до 12 человек. Кроме того, аналитическая группа выявила, что триггером риска является смена места жительства сотрудника: если сотрудник переезжает дальше от офиса, то сразу же возрастает риск его увольнения. Данная модель применялась в нескольких регионах - с небольшими отличиями от алгоритма прогнозирования. Благодаря этому нововведению в сочетании с сильным менеджментов компании Experian удалось снизить свои расходы на 2-3%, что сэкономило от 8 млн. до 10 млн. долларов США за 18 месяцев.

 

 

3. Риск ухода ключевых сотрудников в IBM

IBM определила источники высокой текучести кадров на ключевых позициях компании. Команда аналитиков использовала платформу машинного обучения IBM Watson для создания алгоритма определения основных причин ухода. Модель включала в себя множество различных метрик: данные интервью при приеме сотрудника, стаж, срок работы на занимаемой должности, история продвижения по службе, показатели эффективности работы, ценность должности для бизнеса, уровень оплаты труда, местоположение офиса и многое другое. В модели так же учитывалась социальная активность сотрудника и уровень коммуникации с коллегами. Для этих целей IBM разработали инструмент Social Pulse, с помощью которого отслеживалось частота комментариев и настроение сообщений, направленных сотрудниками своим коллегам во внутренней социальной медиа-платформе IBM Connections Гипотеза заключалась в том, что внутреннее взаимодействие с коллегами снижается, если сотрудник думает об уходе. В итоге гипотеза подтвердилась, и инвестиции принесли 300 млн. долларов за 4 года, а текучесть ключевых сотрудников снизилась на 25%. Вместе с тем, повысилась производительность работников и снизились расходы на подбор и найм новых сотрудников.

4. Удержание ценных сотрудников в Nielsen

​Компания Nilsen создала аналогичную модель прогнозирования еще в 2015 году. Первая модель включала в себя только 20 переменных, включая возраст, пол, стаж и результаты руководителя. Со временем было добавлено больше переменных. По результатам применения данной модели выяснилось, что первый год работы был самым критичным и имел значение больше всего. За это время сотрудники успевали понять, подходит ли работа в этой компании. Еще было установлено, что сильным мотивом для сохранения сотрудников оказалось не только продвижение по карьерной лестнице, но и горизонтальные перемещения внутри организации также отлично способствовали сохранению ценных кадров. А также выяснилось, что первая встреча с их руководителем должна была произойти в течение определенного промежутка времени после найма, в противном случае многократно возрастал риск ухода. Данный кейс дал менеджерам лучшее понимание критических моментов в работе с людьми. Описанные выше практики применения HR-аналитики вдохновляют своим успехом. Однако существует несколько ограничений, о которых важно упомянуть.

 

Итак, на что обратить внимание при построении аналогичных моделей:

1. Не следует забывать, что прогностические модели работают только там, где условия, которые были проанализированы для построения модели, остаются постоянными с течением времени. Современные компании работают в быстро меняющихся условиях, поэтому построенные модели должны постоянно актуализироваться. Важно постоянно контролировать точность ваших прогнозов на протяжении всего времени эксплуатации прогностических моделей, иначе уже через несколько месяцев фактические и ожидаемые результаты начнут существенно расходиться.

2. Построение модели и алгоритмов является лишь первым этапом в работе аналитика. Определив, кто из сотрудников находится в зоне риска и может покинуть компанию, необходимо: - понять причины, которые побуждают людей увольняться - иметь возможность что-то с этим сделать и улучшить ситуацию. Если рычагов для изменения ситуации нет, то аналитика в полной мере и не нужна, в констатации факта нет никакой ценности. Выявление проблем требует в последующем принятие решений для устранения данной проблемы.

Ссылка на источник: Erik van Vulpen, 15 HR Analytics Case Studies with Business Impact

Автор статьи: Алина Луценко эксперт C&B специально для Atsearch Group

Новости IT HR Academy и Atsearch
Хотите быть в курсе новостей? Оставьте свою почту в строке ниже
Подписаться на новости

Популярные новости

05 июля 2017 Инга Есакова, партнер Atsearch, написала статью об опыте hr-аналитики в команиях DELL EMC, KPMG и MTS, Yandex Money.

23 мая 2017 года Дамы Atsearch, Елена Морозова и Инга Есакова была на вечернем ужине в честь финала EY Деловые женщины. Это был удивительный вечер с красивыми нарядами и прекрасными людьми. 

21-23 июля 2017 года. Как у вас проходят завершение квартала? Мы отметили его в Париже! Очаровательные atsearchgirls на корпоративных выходных ;) 

31 мая 2017 года Елена Морозова, генеральный директор Atsearch и партнер HR Dashboard, выступила на Экономическом форуме 2017 с презентаций аналитического инструмента HR Dashboard.

19 сентября Atschool запускает марафон «Сделай дашборд своими руками», который поможет запустить в компании проект HR дашборда

Елена Морозова, со-основатель Atsearch Group, приняла участие в круглом столе с редакционным директором Cosmopolitan Аленой Пеневой

Ульяна Киселёва, проектный менеджер Atsearch Group, рассказала про «боли» профессии рекрутера для Rusbase

5 июня 2019 года  друзья и партнеры собрались в самом красивом баре Москвы «Котельная» в Депо
на пятилетие Atsearch Group

Все записи
Request Call Back
Request

×