Как построить предиктивную HR-аналитику
Вход

Как построить предиктивную HR-аналитику

Как построить предиктивную HR-аналитику

01.12.21

В предыдущей статье мы разбирали, что такое предиктивная HR-аналитика, зачем она нужна и в каких сферах HR применима. Теперь мы хотим перейти непосредственно к процессу построения прогнозов.

Разберем, какие шаги нужно пройти компании, чтобы построить предиктивную HR-аналитику.

1. Постановка цели и задач

На старте любого аналитического проекта необходимо определить то, какие цели преследуются. Если речь идёт об HR, то целью прогнозирования должно стать выявление закономерностей и трендов, влияющих на эффективность бизнеса, в разрезе сотрудников компании. Получение прогноза руководством компании должно привести к ряду управленческих решений, которые непосредственно влияют на бизнес-показатели.

2. Подготовка гипотез

Предиктивная аналитика на начальных этапах полагается на ряд предварительно составленных предположений (гипотез) о влиянии одних факторов на другие, определённых взаимосвязей и ожидаемого эффекта от такого рода аналитики. В процессе работы какие-то гипотезы подтверждаются, а какие-то опровергаются, а сама прогнозная модель корректируется и обогащается новыми источниками данных.

3. Аудит источников данных

На данном этапе необходимо выбрать источники данных, которые будут использоваться при построении модели прогнозирования. В процессе проекта, какие-то источники могут добавляться, а какие-то могут потерять актуальность или оказаться недостаточными.

Если речь идёт о прогнозировании в HR, то стоит определить внутрикорпоративные источники данных о сотрудниках (из которых можно взять данные по загруженности, трудовой дисциплине, выполнению KPI, прохождению обучений и т.д.)  и ряд внешних источников данных. Например, площадки по поиску работы, данные исследований и опросов, рейтинги зарплат и т.д.

Кроме того, можно учесть дополнительные данные о продуктивности сотрудников исходя из рабочих календарей, встроенных в почтовые сервисы (время, проведенное на собраниях, совместная работа, непосредственная работа в почте и т.д.). Также можно проанализировать поведение сотрудников в интернете на предмет посещения определенных сайтов или использования социальных сетей, мессенджеров в личных целях.

Иногда источники данных могут быть не очевидными, например, на продуктивность может влиять атмосферное давление и другие погодные условия, время дня или, наоборот, очевидная информация о количестве дней неиспользованного отпуска.

4. Подготовка данных

Любой аналитический проект базируется на данных и от качества данных зависит успех проекта. Очень часто данные бывают неполными, ошибочными и могут вносится хаотично, а не регулярно, поэтому команде, которая работает над проектом по аналитике необходимо преобразовывать, очищать и дополнять данные до нужного вида.

Основные требованиями к данным в аналитическом проекте – достоверность, корректность, полнота, единый формат, сопоставимость, возможность получения регулярных обновлений и доступность.

Чем больше объем накопленных данных, тем точнее прогноз на выходе. Как мы говорили в предыдущей статье – мы обычно начинаем проект накопив данные за 6 месяцев, а точность порядка 98% мы можем предоставить только после 12 месяцев сбора данных. Если в компании есть достаточное количество исторических данных, то процесс можно ускорить.

5. Аналитика данных

Сейчас на рынке существует ряд технологий, которые помогают аналитикам создавать и тестировать различные гипотезы, например, Phyton, R, SPSS, Power BI и т.д.

Так специалисты могут использовать в своей работе различные системы для создания предиктивных моделей и оценки данных.

6. Создание модели данных

Любая созданная модель данных проходит этап тестирования и визуализации, а также проверку на соответствие целям проекта. На данном этапе используются технологии машинного обучения и искусственного интеллекта, которые позволяют предоставить прогноз. В процессе эксплуатации решения модель предиктивной аналитики обучается, что приводит к более точным прогнозам. 

7. Принятие управленческих решений на основе прогноза

Целью проекта по предиктивной HR-аналитике является повышение эффективности бизнеса, но сами по себе прогнозы никак не влияют на бизнес. Чтобы бизнес менялся нужны своевременные и обоснованные управленческие решения, которые как раз и опираются на прогноз. Поэтому речь идёт о создании новых бизнес-процессов в компании, использующих данные предиктивной аналитики.

Приведем в пример компанию, которая изменила свои бизнес-процессы. Благодаря прогнозированию ей удалось выставлять правильные KPI и наполнять склад, чтобы удовлетворить спрос. Выполнение плана в свою очередь позитивно отразилось на мотивации персонала.

«Благодаря прогнозированию менеджерам выставляется обоснованный план продаж и появляется мотивационный стимул выполнять его, потому что впоследствии будет необходимо объяснить, почему именно в этом магазине не удалось выполнить точно спрогнозированный план.  После выяснения причин своевременно вносятся коррективы для тех менеджеров, кто отстал от плана», - сказал владелец сети «Бочонок» Банкевич Юрий.

Подробнее о возможностях предиктивной аналитики вы можете ознакомиться на данной странице или получить консультацию, оставив заявку на нашем сайте.

Поделиться новостью

Последние новости

item.title

Обновление сервиса Business Scanner версия 3.22.7.20

20 июля

Несколько месяцев мы работали над выпуском данной версии, которая касается обновления интерфейса, добавления нового функционала и новых отчётов.

item.title

План-факт теперь доступен всем пользователям Business Scanner*

7 июня

План-фактный анализ для современного бизнеса — это возможность разобраться в том, насколько эффективно реализуется стратегия компании.

Заказать обратный звонок

Заполните форму и наш менеджер свяжется с вами в ближайшее время!

This site is protected by reCAPTCHA and the Google Privacy Policy and Terms of Service apply.

Подтверждение

Спасибо за регистрацию. Мы пришлём письмо с подтверждением на ваш E-mail. В рабочее время письма доставляются в течение часа. Если вы не получили подтверждение – проверьте папку «СПАМ» в почтовом сервисе.