Материал: Специфика использования больших данных в управлении человеческими ресурсами

Данный подход является простым и полезным способом при сравнении, противопоставлении и анализе различных культур и их особенностей. Как показано в таблицах выше, этнометрические параметры, описанные Г. Хофстеде, могут послужить основой в выявлении личностных качеств претендента. Таким образом, данный инструмент может служить в качестве одного из этапов отбора кандидата для определенной команды.

Однако стоит учитывать и недостатки, которые представляет данная модель. Во-первых, этнометрические параметры, применимые относительно всего населения страны, с большой точностью не определяют индивидуальные личностные качества и даже поведенческие особенности представителей отдельных регионов страны. В данном случае представленные выше профили ограничивают рекрутера, экстраполируя особенности культуры на каждого его представителя. Поэтому данный инструментарий полезно использовать как руководство к пониманию различий и сходств в культурах стран, учитывая, что всегда возможны исключения.

Во-вторых, данные, представляемые этнометрическими параметрами, могут быть не точны. Известно, что данные собирались с помощью опросов, которые имеют свои ограничения. Так, например, во многих культурах контекст задаваемого вопроса так же важен, как и его содержание. Особенно в культурах, характеризуемых показателем коллективизма и, соответственно, ориентированных на группы, люди могут отвечать на вопросы так, как если бы они были адресованы группе, к которой они принадлежит. С другой стороны, представители стран с высоким показателем индивидуализма, скорее всего, предоставят ответы сквозь призму своего личного мнения.

В настоящей работе предполагается, что данного подхода оказывается недостаточно при точном определении поведенческих особенностей представителей разных культур. Однако, имея профиль с описанием этнометрических параметров, возможен дальнейший анализ данных потенциальных кандидатов с помощью систем больших данных.

2.3 Применения систем больших данных для анализа культурного профиля сотрудника

На основании имеющихся культурных профилей предлагается определение поведения будущего сотрудника в коллективе, его личностные качества и профессиональные навыки, совмещая данный подход с технологиями больших данных.

Далее будут перечислены возможные источники данных о потенциальных кандидатах. Представленный список основан на ранее изученных литературных источниках и опыте существующих компаний и программных решений.

Итак, могут быть использованы и проанализированы:

·        Социальные сети: Facebook, VK, Twitter, LinkedIn, Instagram, Flickr и др.

·        Профессиональные форумы: StackOverflow для программистов, BodyPix для ИТ-специалистов и др.

·        Блоги: LiveJournal, WordPress, Blog.com, Blogger, Tumblr и др.

·        Находящиеся в открытом доступе работы потенциальных кандидатов: GitHub при поиске программиста, Behance при поиске дизайнера и др.

·        Социальные сети и сообщества фрилансеров: FL.ru, Upwork, Toptal, Elance, Freelancer, 99designs и др.

·        Пройденные онлайн-курсы: Сoursera, edХ, Intuit, Udacity и др.

·        Пройденные онлайн-игры: существующие популярные игры в сети Интернет или симулирующие будущий рабочий процесс.

·        Порталы по трудоустройству: HeadHunter, CareerBuilder, Indeed, Glassdoor и др.

Так, комбинация медленно изменяющихся данных о конкретной культуре и динамичных индивидуальных данных, собранных с помощью систем больших данных, предоставляет возможность выявления личностных качеств и профессиональных навыков претендента и дает возможность поиска подходящего как конкретной команде, так и организации в целом кандидата.

2.4 Возможный вариант визуализации предлагаемого подхода

В данной части работы поэтапно рассматривается возможный вариант визуализации предлагаемого подхода.

2.4.1 Визуализация первого этапа: выбор страны для поиска кандидата по совместимости культурного профиля со страной компании-работодателя

На первом этапе отбора кандидата предлагается цифровая карта мира, на которой зелеными и красными точками показаны страны, соответственно наиболее и наименее схожие по уровню этнометрических параметров Г.Хофстеде, с той страной, где производится поиск кандидата. Примерное изображение карты представлено на Рисунке 6. Предполагается, что поиск кандидата производится в США.

Рисунок 6. Вариант визуализации первого этапа подхода в виде цифровой карты мира

Также для более подробного сравнения значений культурных показателей возможен режим просмотра в виде таблице, на которой аналогично выделены наиболее схожие и отличные по набору параметров страны. В качестве примера приведена Таблица 5.

Таблица 5. Пример визуализации первого этапа подхода в виде таблицы

Также для каждой страны могут быть просмотрены культурные профили сотрудников, примеры которых приведены в части 2.2. Культурные профили сотрудников на примере стран США и России.

Далее будет рассмотрен второй этап предлагаемого подхода.

2.4.2 Визуализация второго этапа: выбор кандидата на основе анализа больших данных

Выбрав страну, подходящую по культурному профилю, возможен более детализированный обзор подходящих кандидатов на уровне страны, региона и т.д. Анализ данных проводится по набору как личностных качеств, так и профессиональных навыков, которые необходимы организации для конкретной позиции в команде. На основании оценки каждого из навыков претендента выставляется балл от 1 до 100. На Рисунке 7 представлен пример карты Австралии.

Рисунок 7. Вариант визуализации второго этапа подхода в виде цифровой карты

Также аналогично предыдущему этапу возможен более подробный просмотр оценки каждого навыка

В качестве примера представлена Таблица 6, в которой рассмотрены три кандидата на позицию Разработчика на языке С# (К №1, К №2 и К №3) и сокращенный набор требуемых навыков. Выделено два блока: профессиональные навыки и личностные качества кандидата. На основании баллов по каждому навыку выставлен итоговый балл.

Таблица 6. Пример визуализации второго этапа подхода в виде таблицы

Отметим, что культурные профили и рассмотрение как цифровой карты, так и таблицы могут быть применены не только в рамках рекрутмента. Возможно сравнение профилей при переезде в другую страну, поиска работы в другой стране, выбора страны для учебы за рубежом.

Применение культурных профилей вместе с анализом больших данных может быть эффективным при подборе совместимой по заданным критериям команды, направленной на выполнение определенного проекта. При набирающей популярность открытой экономике талантов данный подход может найти применение при создании виртуальной команды.

Далее будут отмечены преимущества и возможные риски предлагаемого подхода.

2.5 Преимущества и возможные риски предлагаемого подхода

К преимуществам подхода можно отнести следующие факторы:

·        Автоматизация процесса найма и отбора сотрудников: исключая этап просмотра цифровой карты со всеми подходящими кандидатами, возможен подбор «идеального» для компании сотрудника по самому высокому выставленному баллу.

·        Исключение неосознанной предвзятости и интуитивности при отборе персонала: использование больших данных при отборе персонала может исключить иногда неосознанные дискриминацию и предвзятость, связанные с полом, цветом кожи, возрастом, опытом работы кандидата и т.д.

·        Ускорение процесса отбора персонала: использование культурных профилей и технологий больших данных значительно сокращает количество этапов отбора кандидатов, таких как скрининг резюме и собеседование.

Однако помимо очевидных плюсов существуют и риски применения данного подхода:

·        Потеря человеческого фактора при отборе персонала: системы больших данных являются мощным инструментом в рекрутменте, однако они остаются инструментом, сухие данные и логику которого не всегда можно применить при работе с людьми. Так, ошибка в модели может стать следствием того, что некоторые талантливые кандидаты будут лишены места работы. [25]

·        Конфиденциальность данных: вопрос о конфиденциальности и качестве данных оказывается критическим для многих организаций. Компании теперь должны беспокоиться о качестве данных на всех уровнях, устанавливать политику конфиденциальности и анонимности и тщательно внедрять методы защиты данных сотрудников от краж и злоупотреблений.

·        Нехватка навыков HR-специалистов: далеко не все HR-специалисты располагают навыками анализа данных, что требует изменений в составе всей функции управления человеческими ресурсами.

·        Нерелевантность используемых данных: для получения достоверной информации и инсайтов важно использование релевантных данных, что, в свою очередь, требует корректной формулировки вопроса при использовании технологий больших данных. [27] Примером может служить использование данных рекрутмента прошлых периодов, которые будут отражать прошлую политику найма, т. е. информировать о том, что уже известно. [29]

Рассматривая и взвешивая все преимущества и недостатки подхода, важно также понимание того, что для использования аналитических средств необходимо создание благоприятной среды в организации.

2.6 Прогноз факторов, способствующих развитию использования инструментов people analytics и больших данных в управлении персоналом

Для развития HR-функции в направлении аналитики и технологий больших данных важно создание соответствующей среды, которой могут способствовать следующие факторы:

·        Инвестиции в развитие People Analytics: функция People Analytics должна обеспечивать глобальную поддержку организации, а не только технический анализ, что требует поддержки старшего руководства и HR-руководителей, ИТ-ресурсов и лидера, ориентированного на развитие бизнеса.

·        Установление четкого руководства: так как функция анализа данных о сотрудниках претерпевает децентрализация, распространяясь и на другие подразделения бизнеса, помимо управления человеческими ресурсами, важно установление четкого руководства и создание единой команды на начальных этапах работы People Analytics.

·        Приоритизация надежных и качественных данных как в HR-функции, так и по всей организации: анализ данных может быть качественным и способным предоставить надежную информацию, только если данные, которые обрабатываются аналитическими инструментами и специальным программным обеспечением так же релевантны и надежны. Работа с последовательными, поступающими своевременно и точными данными является основополагающей в любых методах аналитики. Поэтому важно предпринять конкретные шаги для обеспечения того, чтобы качество данных являлось приоритетом при работе с большими данными: обучение HR-специалистов, внедрение программ управления и обеспечения точности операционных данных и данных в хранилищах HR. входило в каждую аналитическую дискуссию.

·        Восприятие People Analytics как мультидисциплинарной функции: при работе с данными о сотрудниках важно собрать мультидисциплинарную группу людей со всей организации, а не только HR-специалистов и статистиков. Технический анализ данных - лишь малая часть People Analytics. Знания о бизнесе, проверка качества предоставляемых данных, визуализация данных, консалтинговые навыки - это и многое другое критически важно для эффективной работы People Analytics.

·        Улучшение аналитических навыков HR-специалистов: человеческий фактор в HR-функции остается неизменно важным, несмотря на внедрение мощных аналитических инструментов и систем больших данных, поэтому важно обучение специалистов в области управления человеческими ресурсами аналитическим навыкам, в частности People Analytics. Для этого компаниям необходима специальная учебная программа и стандартизация аналитических средств, предоставляемых отчетов и панелей мониторинга.

·        Интеграция HR-данных, внутренних данных организации и данных из внешних источников: программы аналитики все больше работают на пересечении данных HR, всей организации и данных из внешних источников. Организациям требуется конкретная стратегия, которая подготавливает благоприятную среду для использования как структурированных, так и неструктурированных данных из внутренних и внешних источников.

·        Обеспечение конфиденциальности данных: внутри организаций важно обеспечить местное регулирование в отношении использования данных сотрудников и недопущение риска публичного раскрытия частной информации об организации и ее сотрудниках.

Итак, для обеспечения должной организационной среды для развития People Analytics важно осознание неизбежного видоизменения функции управления человеческими ресурсами. Анализ больших объемов данных о сотрудниках теперь не ограничен HR, а становится функцией всего бизнеса. Учитывая данный сдвиг, растет понимание того, что в данном случае уместна работа мультидисциплинарной команды и важно развитие управления качеством и надежностью предоставляемых данных.