HR-аналитика: как данные предсказывают увольнения и повышают прибыль

Уход сотрудников — это дорого и нервно. Каждое нежданное увольнение влечёт за собой затраты на поиск и привлечение, затраты на адаптацию, обучение, выплаты при увольнении, а также потерю компетенций и контактов. Но что, если можно заранее знать, кто собирается уволиться? И по какой причине?

Полгода назад я с удивлением узнал, что модель прогнозирования увольнения сотрудников, разработанная крупной российской телекоммуникационной компанией, обладает, по внутренней оценке, точностью 80%. Причём точность прогноза они довели до 74 % ещё несколько лет назад. К этому времени они уже сэкономили на затратах на поиск и привлечение сотрудников десятки миллионов рублей, а к нынешнему, полагаю, уже и сотни. А ещё получили инсайты о том, почему ключевые сотрудники остаются в компании или принимают решение ее покинуть.

Большие данные и предиктивная аналитика дают такую возможность. Специалисты не просто строят отчёты. Они предсказывают будущее и дают возможности для его изменения.

HR-аналитика — это не отчёты, а прогнозы

Данные в HR — это не скучные таблицы. Это источник знаний. Задачи аналитики — обеспечить бизнес актуальными метриками по эффективности компании под установленные процедуры принятия решений в отношении численности, ФОТ, текучести, производительности, прочих расходов и т.п.

Основной продукт любого руководителя — решение. И зачастую решение — это выбор в ситуации разной степени неопредёленности. Причем при её максимальном уровне база для прогнозирования будущего отсутствует.

По моему опыту, руководители средних и крупных организаций далеко не всегда знают, какая в компании реальная текущая численность и укомплектованность, и тем более реальную ситуацию с текучестью, подбором и наймом.

Какие данные нужны?

Для прогнозов недостаточно знать только количество увольнений. Нужно собирать разнообразные данные:

– Численность сотрудников. Сколько человек работает прямо сейчас?

– Укомплектованность. Есть ли незакрытые вакансии?

– Текучесть. Сколько сотрудников уходит? Когда? Почему?

– Темпы найма. Как быстро заполняются вакансии? На какие трудно найти специалиста?

– Штатная книга. Должности, грейды, пол и возраст сотрудников.

– Росстат. Средние зарплаты по региону, стаж, вознаграждения.

Полученные данные нужно анализировать по выбранным параметрам. Недостаточно понимать, например, средний уровень заработной платы по рынку: для HRBP необходима актуальная информация по проплаченности (уровню вознаграждения относительно рынка) позиций.

Данные можно собирать в любой удобный формат — от Excel до BI-систем. Главное — точность и регулярность.

Возвращаясь к ситуации с принятием решения, а именно выбору в условиях неопределенности, хочу отметить, что кейс в этом отношении показателен.

Итак, кейс: прогнозирование увольнений на 3 месяца вперёд

Крупная телеком-компания поставила цель — сократить текучесть. Первоначальной гипотезой был недостаточный уровень вознаграждения групп сотрудников, в том числе в определённых регионах.

Что сделали?

1. Собрали и систематизировали данные за 4 года по уволенным сотрудникам.

2. Определили целевые группы для изучения. Понятно, что уволенные по инициативе работодателя не представляют интереса, а вот по собственному желанию и нейтральному “соглашению сторон” — это зона возможностей.

3. Использовали робота для обзвона и интервью на предмет:

– причины ухода;

– был ли разговор с руководителем;

– что можно улучшить в работе компании;

– какие ожидания от нового места работы и т.п.

4. Классифицировали полученную информацию по однородным позициям, причинам и сгруппировали по факторам.

5. Проанализировали количественные данные корпоративной переписки и соотнесли с полученными результатами.

Результаты

Анализ увольнений дал неожиданные инсайты:

1. Главная причина ухода — отсутствие карьерного роста.

2. Менее значимые, но важные факторы — местоположение, условия работы и зарплата.

3. Локальные проблемы (конфликтные руководители, неудобные рабочие процессы, хантинг конкурентов) не решались вовремя.

В ходе исследования:

• Собрали данные по 250 000 сотрудникам.
• Определили закономерности и взаимосвязь увольнений с предшествующими изменениями характера корпоративных коммуникаций сотрудников.
• Создали модель, предсказывающую увольнения на 3 месяца вперёд.
• В 2024 году увеличили точность прогноза до 80%.
• Внедрили превентивные регламенты и процедуры для удержания ценных кадров.
• Существенно снизили текучесть и сэкономили к настоящему времени сотни миллионов рублей на удержании и поиске сотрудников.

Как использовать аналитику для HR?

В компании поняли, что инвестировали не туда.

Начали развивать индивидуальные карьерные траектории, чтобы сотрудники ясно видели перспективы. Инвестировать не в повышение зарплаты всем, а в обучение и развитие работников, чтобы они двигались по карьерной лестнице. Оперативно выявлять и устранять локальные проблемы.

HR-аналитика — это не просто цифры. Это мощный инструмент для бизнеса. Предсказывая увольнения, вы сэкономите миллионы и удержите ценные кадры.

Помните: данные работают на нас. Главное — правильно их использовать.

PS:

Интересно, что разработанным апробированным решением компания готова делиться с рынком на весьма, на мой взгляд, скромных условиях. В свою очередь немногие коллеги, которым я рассказывал о кейсе, сначала с энтузиазмом загорались идеей оптимизации работы над удержанием талантов, но, узнавая о необходимости мониторинга текущей деловой активности персонала, сникали и теряли интерес, предполагая возможную утечку конфиденциальной информации с корпоративных ресурсов.

А что думаете Вы по этому поводу?

Источник: https://dzen.ru/a/aINVWXnLKUsh8xi5