Азбука данных в HR

🌐 Количество информации в мире увеличивается каждую секунду. Сегодня данных так много, что для обозначения больших объёмов появился термин Big Data. Насколько большими должны быть наши данные в HR, чтобы считаться «биг-датой»?

👩‍💻 Big Data

Принято считать, что «большие данные» начинаются, когда организация генерирует от 150 Гб данных в сутки. Измеряются большие данные в петабайтах.

1 петабайт равен 1 000 000 гигабайт. Это примерно, как 30 тысяч фильмов в очень высоком цветовом разрешении. Поскольку такие массивы данных не выдержит ни один компьютер, они размещаются на специальных серверах.

Часто такие сервера – облачные: доступ к ним могут получать разные пользователи с различных устройств.

А так как обработать такие объёмы данных вручную невозможно, то занимаются этим специальные автоматизированные системы.

🚀 Структурированные и неструктурированные данные

К характеристикам больших данных относят скорость накопления и обработки, достоверность, изменчивость, значимость, а ещё – структурированность и неструктурированность.

На примере подбора – количество привлечённых кандидатов, доходимость до собеседования, срок закрытия вакансии, процент текучести с испытательного срока…

А на примере обучения – количество курсов в компании, сколько человек прошли обязательное обучение, сколько сотрудников начали курс, но не закончили, и многое другое.

При этом структурированные данные могут быть дискретными (числовой показатель) и непрерывными (2 и более вариантов нечисловых значений).

Сегодня автоматизированные системы, которые работают с большими данными, помогают не только их накапливать, но и структурировать.

Например, HR-платформа «Пульс» применяет для этого несколько AI-моделей. Одна из них занимается распознаванием документов. ИИ читает сканы и умеет распознавать тексты, написанные от руки. Это значительно сокращает время на обработку документов при оформлении сотрудников на работу и других кадровых операциях.

Еще две модели задействованы в «Виртуальном ассистенте» и называются Speech-to-Text и Text-to-Speech. Они распознают речь человека и превращают в текстовый запрос, который понятен Ассистенту. Похожий ассистент есть в приложении «Сбербанк Онлайн» и называется он «Салют».

Такие инструменты помогают гораздо быстрее обработать данные и перевести большинство типичных операций из физического мира в цифровой, где их намного легче и удобнее реализовать.

💡 Атрибут в информационных технологиях

Изучая базу данных в Excel, вы не раз заглядывали на столбики и содержимое под ними в таблице. Заголовок столбика – это и есть атрибут.

Также атрибут – это минимальная единица структуры базы данных. В HR это может быть возраст, стаж работы, образование, квалификация кандидата.

Анализируете эффективность целеполагания? Вашими атрибутами будут: KPI, текучесть кадров, вовлечённость, карьерный рост.

В «Пульсе» количество атрибутов постоянно растет и приближается к 9000. Это в полной мере будет отвечать потребностям практически любой компании.

🔗 Корреляция

Мы вплотную подходим к тому, ради чего так тщательно собираем и обрабатываем данные – к анализу.

Например, текучесть кадров и адаптация: какая связь? Исследования TalentTech, «Нетологии» и биржи фриланса FL.ru показывают, что 28 % сотрудников увольняются на испытательном сроке.

Основные причины – стресс в первый рабочий день, отсутствие поддержки HR и руководителя, отсутствие понятных задач, несоответствие ожиданиям по зарплате, слишком большая нагрузка, плохое настроение и так далее.

Это и есть корреляция. Ряд факторов влияет на опыт сотрудника негативно, и он решает уйти. И подобных корреляций в рамках рабочего взаимодействия могут быть сотни.

Когда данных много, к поиску корреляций полезно подключать АС, в том числе – с использованием искусственного интеллекта.

ИИ за секунды обрабатывает большие данные о сотрудниках из разных источников и обнаруживает зависимости, которые затем предлагает оценить человеку.

И если нужно, чтобы люди успешно проходили адаптацию и реже увольнялись с испытательного срока, система отслеживает динамику по основным атрибутам оттока: нагрузке, взаимодействию с командой и руководителем, сопровождению наставника и др.

Например, в «Пульсе» внедрённые в платформу модели оценки рисков оттока анализируют более 500+ атрибутов. Если ИИ обнаруживает потенциальную проблему, то в «Пульсе» автоматически генерируется подсказка руководителю: на что обратить внимание. Например, сотрудник стал чаще болеть, опаздывает, ухудшилось настроение в общении, давно не был в отпуске. 

Руководитель реагирует на подсказку и проводит встречу с командой или отдельным сотрудником, оказавшимся в зоне риска выгорания. Благодаря такой аналитике можно проактивно удержать как недавно нанятого, так и давно работающего сотрудника.

🔔🔔🔔

Расставляя точки над «ё» в вопросе больших HR-данных, становится ясно, что это источник важной информации для HR. Но собирать их вручную сегодня практически невозможно.

💎 Хотите добиваться результатов в поиске лучших талантов, анализе коммуникаций, результатах обучения, оттока и удержания? Решение за вами.