На HR-конференциях обсуждают прогнозирование увольнений, машинное обучение и сложные аналитические модели. Всё выглядит убедительно - пока HR-директор не возвращается в компанию, где кадровые данные хранятся в 1С, подбор ведётся в отдельной системе, а отчёты собираются вручную в Excel.
Кажется, что до настоящей HR-аналитики ещё далеко. Но для компании на 100, 300 или 500 сотрудников сложная модель чаще всего не нужна. Начать можно с одного управленческого вопроса, нескольких показателей и регулярной проверки результатов.
Почему HR-аналитика не работает даже там, где данные есть
Первая причина - начинают с инструмента. Компания обсуждает внедрение BI-системы, хотя ещё не определила, какие решения собирается принимать с её помощью. В результате появляется красивый дашборд с численностью, возрастом и стажем сотрудников, но управленческой пользы от него немного.
Вторая причина - стремление считать всё. Десятки показателей требуют времени на подготовку, однако не помогают разобраться, почему предприятие теряет операторов или какие источники подбора стоит финансировать.
Третья - отсутствие действий. HR ежемесячно сообщает руководителям уровень текучести, но никто не выясняет причины отклонений и не проверяет эффективность принятых мер.
Всё это говорит о том, что аналитика начинается не с отчёта, а с правильно поставленного вопроса.
Вторая причина - стремление считать всё. Десятки показателей требуют времени на подготовку, однако не помогают разобраться, почему предприятие теряет операторов или какие источники подбора стоит финансировать.
Третья - отсутствие действий. HR ежемесячно сообщает руководителям уровень текучести, но никто не выясняет причины отклонений и не проверяет эффективность принятых мер.
Всё это говорит о том, что аналитика начинается не с отчёта, а с правильно поставленного вопроса.
Четыре вопроса, с которых стоит начать
1. Где мы теряем сотрудников и почему?
Общая текучесть показывает масштаб движения персонала, но редко объясняет причины. Гораздо полезнее посмотреть, в каких подразделениях сотрудники увольняются чаще, сколько времени они успевают проработать и какие причины называют при уходе.
Особое внимание стоит уделить ранней текучести - увольнениям в первые три или шесть месяцев. Она может указывать на проблемы подбора, несовпадение ожиданий, условия труда или адаптацию.
При этом высокая текучесть у конкретного руководителя ещё не доказывает, что причина в нём. Необходимо сравнивать сопоставимые команды, учитывать численность, графики, состав персонала и особенности работы.
Особое внимание стоит уделить ранней текучести - увольнениям в первые три или шесть месяцев. Она может указывать на проблемы подбора, несовпадение ожиданий, условия труда или адаптацию.
При этом высокая текучесть у конкретного руководителя ещё не доказывает, что причина в нём. Необходимо сравнивать сопоставимые команды, учитывать численность, графики, состав персонала и особенности работы.
Опубликованный опыт: Redmadrobot. В 2020 году HR-аналитик компании Юлия Степашкина рассказала на Хабре, как после масштабных кадровых изменений команда начала систематизировать сведения о сотрудниках. В четвёртом квартале 2018 года компания приняла 30 человек и потеряла 32. Для анализа использовали кадровые данные, результаты оценки, обратную связь и выходные интервью.
Информацию объединили в структурированную таблицу и визуализировали в Power BI. Это позволило наблюдать движение персонала, срок работы сотрудников, причины увольнений и различия между подразделениями. По опубликованным данным, к моменту подготовки материала средний срок работы сотрудника увеличился на пять месяцев относительно 2019 года. Однако этот результат нельзя считать доказательством того, что улучшение обеспечила исключительно аналитика.
Источник: Redmadrobot, «Что мы узнали о сотрудниках, когда начали использовать аналитику в HR», Хабр, 2020.
Для небольшой компании главный вывод из этого опыта - не необходимость внедрять Power BI, а ценность единого стандарта сбора данных.
Информацию объединили в структурированную таблицу и визуализировали в Power BI. Это позволило наблюдать движение персонала, срок работы сотрудников, причины увольнений и различия между подразделениями. По опубликованным данным, к моменту подготовки материала средний срок работы сотрудника увеличился на пять месяцев относительно 2019 года. Однако этот результат нельзя считать доказательством того, что улучшение обеспечила исключительно аналитика.
Источник: Redmadrobot, «Что мы узнали о сотрудниках, когда начали использовать аналитику в HR», Хабр, 2020.
Для небольшой компании главный вывод из этого опыта - не необходимость внедрять Power BI, а ценность единого стандарта сбора данных.
2. Сколько действительно стоит подбор?
Работодатели часто сравнивают источники подбора по стоимости публикации или отклика. Но дешёвый отклик не обязательно означает дешёвый наём.
Для оценки канала полезно учитывать рекламные расходы, время рекрутера, количество выходов и долю новичков, оставшихся после адаптации.
В Рекадро мы постоянно считаем эффективность рекрутинговых процессов – для одного из наших Клиентов мы оценили, сколько на самом деле стоит подбор оператора линии: по первичной оценке, стоимость выхода составила около 3900 рублей.
Для оценки канала полезно учитывать рекламные расходы, время рекрутера, количество выходов и долю новичков, оставшихся после адаптации.
В Рекадро мы постоянно считаем эффективность рекрутинговых процессов – для одного из наших Клиентов мы оценили, сколько на самом деле стоит подбор оператора линии: по первичной оценке, стоимость выхода составила около 3900 рублей.
Однако, 5 из 30 операторов уволились в период испытательного срока – фактически стоимость необходимо пересчитать, поделив понесенные затраты уже на 25 человек – и подбор одного человека обходится уже в 4642,22 рубля.
Учитывая такие детали, прогноз и бюджет найма строятся более реалистично и оценка эффективности становится более корректной.
Учитывая такие детали, прогноз и бюджет найма строятся более реалистично и оценка эффективности становится более корректной.
3. Где компания рискует потерять критичные компетенции?
Для этого не обязательно строить модель вероятности увольнения каждого сотрудника. Начать можно с анализа должностей, которые сложно заместить: сколько времени занимает поиск специалиста, есть ли подготовленная замена, насколько команда зависит от одного эксперта, какова текучесть на таких позициях.
Например, если обслуживание оборудования зависит от единственного инженера, задача HR не присвоить ему условный «красный уровень риска», а вместе с производством определить, как передать знания, подготовить резерв и снизить зависимость от одного человека.
Такой подход позволяет управлять кадровыми рисками, не выдавая предположения о намерениях сотрудников за достоверные прогнозы.
Например, если обслуживание оборудования зависит от единственного инженера, задача HR не присвоить ему условный «красный уровень риска», а вместе с производством определить, как передать знания, подготовить резерв и снизить зависимость от одного человека.
Такой подход позволяет управлять кадровыми рисками, не выдавая предположения о намерениях сотрудников за достоверные прогнозы.
4. Дают ли результат HR-инициативы?
Количество проведённых тренингов или адаптационных встреч ещё не показывает эффективность:
- если компания изменила программу адаптации, стоит сравнить сроки выхода новичков на самостоятельную работу, результаты оценки и раннюю текучесть до и после изменений;
- если внедрили обучение операторов - оценить ошибки, качество выполнения операций или производительность, когда такие показатели доступны.
Важно учитывать и другие изменения: повышение зарплаты, смену руководителя, сезонность. Сравнение «до и после» помогает увидеть динамику, но не всегда позволяет доказать причину улучшения.
Четыре расчёта, которые можно сделать в Excel
Для старта достаточно небольшой таблицы с согласованными правилами расчёта.
Но даже правильная формула не гарантирует правильного вывода.
Например, текучесть можно считать по всем увольнениям или только по увольнениям определённых категорий. Если изменить состав учитываемых событий, показатель тоже изменится, даже при неизменной ситуации в коллективе - поэтому рядом с каждым показателем полезно зафиксировать период, источник данных, формулу, исключения и ответственного за расчёт.
Правило простое: сравнивать можно только показатели, рассчитанные одинаковым способом.
Какие инструменты действительно нужны
На первом этапе Excel вполне достаточно, если кадровые данные можно регулярно выгружать и проверять.
Лучше использовать единую структурированную таблицу, в которой сохраняется история изменений, чем каждый месяц создавать новый файл. Для движения персонала, подбора и обучения могут понадобиться отдельные листы или связанные таблицы.
Пример таблицы для анализа текучести кадров
Пример листа с анализом данных
Следующий уровень - использование отчётов кадровой системы. Например, 1С:ЗУП и другие HR-решения позволяют получать сведения о численности и движении персонала.
Если руководителям требуется регулярно отслеживать показатели, можно подключить инструмент визуализации, например Яндекс DataLens. Но сам по себе дашборд не повышает качество данных и не заменяет анализ.
Отдельное внимание необходимо уделить персональным данным. Для управленческих отчётов часто достаточно агрегированной информации. Доступ к индивидуальным сведениям, выгрузкам и облачным сервисам должен соответствовать требованиям законодательства и внутренним правилам компании.
Главный критерий выбора инструмента не количество графиков, а возможность быстро получить корректный ответ на нужный вопрос.
Как запустить HR-аналитику за 30 дней
Первая неделя - выберите один вопрос. Например: почему сотрудники определённого подразделения увольняются в первые три месяца? Согласуйте с руководителем, какое решение будет зависеть от результатов.
Вторая неделя - соберите данные. Выгрузите даты приёма и увольнения, подразделения, должности и доступные сведения о причинах ухода. Проверьте пропуски, дубли и корректность дат.
Третья неделя - рассчитайте показатели. Посмотрите общую и раннюю текучесть, сравните подразделения и группы найма. Не ограничивайтесь цифрами: обсудите возможные причины с руководителями и сотрудниками.
Четвёртая неделя - примите решение. Определите, что компания изменит, кто отвечает за действие и когда будет проведено повторное измерение.
В результате первого месяца должен появиться не обязательно дашборд, но работающий аналитический цикл: вопрос → данные → вывод → решение → проверка результата.
Аналитика без сложных технологий = полноценная аналитика
HR-аналитика не обязана начинаться с прогнозных моделей и большого технологического проекта. В небольшой компании она может вырасти из правильно организованной таблицы, нескольких регулярных показателей и содержательного разговора с руководителями.
Опыт Redmadrobot показывает, как систематизация кадровых данных помогает увидеть закономерности. Расчёт стоимости найма в рознице - как меняется оценка эффективности канала, если смотреть не только на выход кандидата, но и на его удержание.
Опыт Redmadrobot показывает, как систематизация кадровых данных помогает увидеть закономерности. Расчёт стоимости найма в рознице - как меняется оценка эффективности канала, если смотреть не только на выход кандидата, но и на его удержание.
HR-аналитика начинается не когда компания научилась считать показатели, а когда она научилась использовать их для решений и проверять, дали ли эти решения результат.