Читать книгу HR-аналитика. Путеводитель по анализу персонала - - Страница 7

В предыдущем разделе мы рассмотрели модель компетенций HR-аналитика, из которой следует, что одной из ключевых компетенций, упомянутой более чем в 90 % всех вакансий, является владение конкретными техническими инструментами. И это справедливо, так как работа специалиста по работе с данными персонала во многом зависит от использования тех или иных программ. Этот раздел будет посвящен обобщению информации об этих инструментах и попытке их систематизации. Кроме того, мы посмотрим, как они применяются для решения типовых задач HR-аналитики и с освоения каких из них стоит начать в первую очередь.

Однако, прежде чем приступить к следующему разделу, стоит сделать две важные ремарки.

Ремарка первая. Упоминаемые здесь инструменты – не лучшие и не худшие представители своего рода, а всего лишь наиболее распространенные решения и представлены здесь исключительно в качестве примера. Выбор конкретного инструмента всегда должен опираться на задачи бизнеса и его возможности. (Иными словами, «здесь могла бы быть ваша реклама».)

Ремарка вторая. В настоящий момент не существует единой классификации инструментов, использующихся в HR-аналитике, и многие технические решения, описанные ниже, можно отнести сразу к двум, а то и к трем категориям. Так, без преувеличения «хедлайнер» – Excel – можно отнести и к инструментам обработки и очистки данных, и к инструментам их анализа, и, конечно, к средствам визуализации. Предложенная классификация, несмотря на всю свою условность, тем не менее отражает основные задачи, для которых преимущественно используется тот или иной инструмент, а также позволяет определить набор минимально необходимых технических средств.

Наша классификация технических инструментов будет следующей:

• системы управления персоналом;

• инструменты обработки и очистки данных;

• инструменты управления базами данных;

• инструменты анализа данных;

• инструменты визуализации данных;

• платформы для проведения и обработки опросов;

• нейросети и лингвистические модели.

Системы управления персоналом

Системы управления персоналом, или HRMS, – это платформы, которые автоматизируют процессы управления человеческими ресурсами, включая учет и анализ данных о сотрудниках. Они позволяют вести электронные кадровые реестры, хранить информацию о сотрудниках: их профессиональных навыках, пройденном обучении, результативности и еще десятках факторов, необходимых для организации работы и подготовки отчетности для контролирующих органов. Главная ценность подобных систем – в создании единого информационного пространства, где хранится вся информация о сотрудниках и истории их пребывания в компании.

Выбор подобной системы – отдельная задача, зависящая от размера организации, требующая понимания конкретных потребностей бизнеса, бюджета, доступности самого решения в том или ином регионе и многого другого.

Среди иностранных систем в первую очередь хотелось бы выделить: SAP HCM, Oracle HCM Cloud, BambooHR. Данные решения, особенно первые два, чаще всего встречаются в международных компаниях. Среди аналогичных российских систем можно выделить продукты от «1C» и Directum. Они ближе всего к специфике работы в России и более ориентированы на потребности отечественных компаний и специалистов, а кроме того, их интерфейс поддерживает русский язык (чего не скажешь обо всех иностранных HRMS), они проще встраиваются в типовые ERP-системы и их гораздо легче модифицировать.

Для HR-аналитика HRMS – это в первую очередь источник сведений о сотрудниках и их истории в компании. Здесь он может найти данные о возрасте, стаже, отпусках и много другой необходимой для работы информации.

Подкатегорией систем управления персоналом, которую тоже можно сюда отнести, будут системы управления HR-функциями. Это программные решения, позволяющие управлять отдельными направлениями в работе. Например, ATS (Applicant Tracking System), RMS (Recruitment Management System) для функции подбора или LMS (Learning Management System) для функции обучения и развития.

Инструменты обработки и очистки данных

К этой категории относятся инструменты, помогающие проводить первичную обработку и очистку данных. Компании собирают информацию из множества разных источников: HRMS-систем, опросов сотрудников, исследований рынка труда и пр. Из-за этого информация получается разнородной, часто содержит сбитые кодировки, дубли, неверные форматы и другие ошибки, затрудняющие анализ или даже делающие его невозможным. Чтобы устранять подобные ошибки, и нужна функция очистки данных (data cleaning). Задача таких инструментов – исправлять ошибки и приводить данные в конгруэнтное (то есть в согласованное, когда они не противоречат друг другу) состояние.

Очистка и верификация – отдельное и сложное направление в рамках HR-анализа. В идеальном мире ею должен заниматься специально обученный человек; однако, учитывая, что мы едва ли окажемся в таком мире, HR-аналитик на практике довольно часто сталкивается с необходимостью самостоятельной очистки данных.

Для этого подходят: OpenRefine, Talend Data Preparation, Trifacta. Сюда же можно отнести и MS Query (надстройку для Excel), хотя обработкой и очисткой данных возможности этой программы, конечно, не ограничиваются.

Так, OpenRefine представляет собой приложение с открытым исходным кодом для очистки данных и манипуляций с ними. Программа может переводить информацию в нужный формат, делать базовые расчеты, фильтровать, объединять массивы, находить дубли, ошибки кодировок, приводить записи к единому формату и многое другое.

Инструменты управления базами данных

Базы данных являются основным источником информации для работы HR-аналитика. Они представляют собой упорядоченный набор структурированной информации, которая хранится в электронном виде и позволяет проводить с ней разные манипуляции. Основной тип БД, с которым приходится работать HR-аналитику, – реляционные базы данных. Основное средство работы с ними – SQL, язык программирования, предназначенный для хранения и обработки информации в реляционных базах данных и использующийся главным образом как основной язык при обращении к БД.

Существует популярное мнение, будто HR-аналитик должен в обязательном порядке владеть SQL, но на практике это не совсем так. Опираясь на данные рассмотренных нами исследований, посвященных востребованности технических инструментов, можно сказать, что SQL занимает лишь четвертое-пятое место среди требуемых навыков и в среднем упоминается только в 20–25 % всех публикуемых вакансий на должность HR-аналитика, а реально используется и того реже. Причина проста: SQL как инструмент управления данными в реляционных БД необходим только в тех случаях, когда мы говорим о тысячах сотрудников в разных структурных подразделениях, с разными условиями труда, вознаграждения и прочим. Только в этих случаях Excel, как альтернатива реляционным БД, перестает справляться с объемами информации и начинает замедлять работу или просто не «вытягивает». Что же касается абсолютного большинства компаний, то объемы менее сотен тысяч строк вполне успешно обрабатываются средствами Excel и MS Query.

Освоить SQL несложно – для минимальной базы вполне достаточно одного-двух месяцев самостоятельного обучения и практики. Количество материалов, посвященных этому языку, огромно, и найти их не представляет никакой сложности.

Инструменты анализа данных

Это системы и платформы, которые позволяют HR-аналитику заниматься своей основной работой: анализировать данные, формулировать и проверять гипотезы. Здесь мы подробнее остановимся на четырех инструментах, пригодных для HR-анализа.

MS Excel

Когда мы начинаем разговор об инструментах для анализа, на ум прежде всего приходит «его величество» Excel. Это один из самых популярных инструментов для обработки и анализа информации. Он предлагает почти безграничный спектр функций для очистки данных, их преобразования, анализа и визуализации. А с надстройкой MS Query и встроенным в Excel языком программирования VBA этот функционал становится еще шире. Впрочем, стоит отметить, что от использования VBA в последние годы многие стремительно отходят. Так, в среде аналитиков данных он уже считается анахронизмом.

Несмотря на некое снисходительное отношение к Excel, которое периодически можно заметить, он остается самым популярным инструментом для анализа как в России, так и в мире, что, в частности, подтверждают результаты исследований, приведенные нами выше.

К неоспоримым преимуществам этого приложения можно отнести его распространенность и доступность, легкость освоения (во всяком случае, до уровня продвинутого пользователя) и, конечно, широкий (почти безграничный на самом деле) функционал.

Google Sheets

Еще один инструмент, о котором стоит упомянуть, говоря об Excel, – Google Sheets (GS). Это облачное решение на базе экосистемы Google, обладающее практически идентичным с Excel функционалом и интерфейсом, что позволяет достаточно быстро переключаться между ними, даже если ранее пользователь не работал с Google Sheets.

Основные преимущества GS перед Excel – бесплатность, возможность поддерживать одновременную работу большого числа пользователей и легкая масштабируемость. Недостатки: необходимость постоянного подключения к сети интернет для работы, вопросы к обеспечению сохранности данных, ну а главный недостаток – наличие Excel.

SPSS

Другой инструмент, о котором хотелось бы здесь упомянуть, – SPSS (Statistical Package for the Social Sciences). Это продукт, разработанный для облегчения сложного статистического анализа данных и предоставляющий широкие возможности для их визуализации. По своей сути он во многом дублирует функционал Excel, но предлагает гораздо больше возможностей в области статистики и статистического анализа.

Главное достоинство SPSS – его многофункциональность. Например, с помощью SPSS можно проводить факторный, дисперсионный, кластерный, корреляционный анализ, определять индикацию трендов и динамику развития процессов. К главным же недостаткам этого инструмента можно отнести его стоимость (значительно выше, чем у пакета MS Office / Office 365) и бо́льшую требовательность к пользователю с точки зрения понимания статистики и матанализа. При этом стоит сказать, что SPSS – не самое распространенное в бизнес-среде решение, и чаще его можно встретить в академической и исследовательской сферах.

Особняком в этом разделе стоят языки программирования. В HR-аналитике главным образом нашли применение два их них: Python и R.

Python

Один из самых популярных и доступных языков программирования в настоящий момент. Его можно использовать для очистки и обработки данных, машинного обучения, работы с нейросетями, построения различных моделей и множества других задач. Словом, это полнофункциональный язык программирования с практически безграничными возможностями.

R

R – язык программирования для статистической обработки данных и работы с графикой. Придуманный сотрудниками Оклендского университета, он нашел широкое применение в академической среде, но отлично подходит и для обработки бизнес-информации. Обладает схожим функционалом, но менее распространен, чем Python.

Мы сознательно не будем заострять внимание на этих инструментах, так как данные темы слишком объемны и не совсем укладываются в концепцию «базового инструментария для работы». Скажем лишь, что оба языка вполне доступны для самостоятельного изучения, а количество материалов о них в открытом доступе стремится к бесконечности. За два-три месяца можно разобраться с логикой и синтаксисом, а за полгода – освоить ряд типовых задач в области обработки и визуализации данных, чего уже будет достаточно для базового прикладного использования. На глубокое освоение того же Python и его библиотек, конечно, уйдут годы, но это уже, скорее, прерогатива разработчиков и специалистов по data science.

Инструменты визуализации данных

Такие инструменты используются для подготовки отчетов, дашбордов и презентаций, то есть для визуальной интерпретации выводов и срезов, которые готовит HR-аналитик.

Самые распространенные из них – MS PowerPoint и Keynote от Apple. В целом оба инструмента схожи по своим функциям и достаточно успешно используются для подготовки отчетов, презентаций и справочных материалов. Они легки в освоении (во всяком случае, на уровне базового пользователя), и по ним также имеется масса материалов в открытых источниках. Безусловно, дьявол кроется в деталях, и подготовка качественной презентации имеет массу нюансов, однако в целом это несложные инструменты, которые понадобятся HR-аналитику с самого начала его профессионального пути.

Чуть сложнее дело обстоит с BI-системами.

BI-системы (Business Intelligence) – системы бизнес-анализа и отчетности, технические платформы, которые позволяют собирать данные из разных источников, обрабатывать их и отображать в виде динамических визуальных элементов (таблиц, схем, графиков, срезов и пр.) для иллюстрирования отчетов или дашбордов. Как видно из описания, функционал BI-инструментов не ограничивается исключительно визуализацией, а спектр их применения весьма широк, однако один из основных способов использования BI-систем у нас – это визуализация данных средствами дашбордов.

Самыми распространенными BI-системами в мире являются Tableau и Power BI. Основные их различия кроются в технических нюансах логики связей данных и стоимости лицензии. Правда, здесь стоит отметить: Power BI, в отличие от Tableau, предлагает бесплатный доступ с ограниченным функционалом, что прекрасно подходит для его «домашнего» освоения. Но в целом обе системы обладают идентичными возможностями и одинаково распространены.

В России существуют свои BI-инструменты: Yandex DataLens, Visiology и другие. Поскольку разрабатывались они с оглядкой на «старших товарищей», можно сказать, что отечественные системы не сильно уступают в функционале и возможностях; и, пожалуй, главное, чего им сейчас не хватает, – это лоск. С другой стороны, они активно развиваются, и, с учетом отсутствия альтернатив в корпоративной среде на данный момент, можно говорить о том, что со временем эти платформы станут доминирующими в России.

Освоить рассмотренные системы не особо сложно. Как для иностранных, так и для российских BI-платформ существует огромное множество инструкций, уроков и курсов, а базовое освоение продукта укладывается в два-три месяца.

Полезность BI-платформ трудно переоценить. Это мощные и функциональные инструменты, которые прекрасно дополняют Excel и, составляя основу технического инструментария HR-аналитика, позволяют добиваться качественно более высокого уровня визуализации данных.

Платформы для проведения и обработки опросов

Достаточно часто HR-аналитику приходится заниматься не только анализом данных и поиском оптимальных решений для бизнес-задач, но и сбором данных. Существует несколько способов получить необходимую информацию, и самые популярные из них – проведение опросов или анкетирование.

Чаще всего опросы проводятся среди сотрудников компании для оценки уровня их вовлеченности, лояльности, удовлетворенности и прочих факторов, но в некоторых случаях необходимо организовывать и внешние исследования.

Для проведения таких исследований существует целый ряд технических инструментов, которые позволяют подготовить структуру опроса, сформулировать вопросы, а также предоставляют платформы для агрегирования и первичного анализа результатов. Самые доступные и распространенные инструменты – SurveyMonkey и Google Forms; что касается российских платформ, то в качестве примера можно привести конструктор kakdela от hh.ru или «Яндекс. Взгляд» от «Яндекса».

Все эти сервисы обладают схожими возможностями и различаются главным образом интерфейсом, ценой и чуть отличным функционалом. Их легко освоить и использовать, а сложности в работе с ними может вызвать исключительно методология составления и проведения самих опросов и исследований.

Нейросети и лингвистические модели

По данным портала indeed.com, количество вакансий, где указан опыт работы с нейронными сетями, кратно росло на протяжении 2022 и 2023 годов – и в начале 2024 года составило в США более полутора тысяч вакансий за календарный месяц. Не обошла эта тенденция и HR-аналитику.

Нейросети – самообучающиеся математические модели или алгоритмы, созданные для решения конкретных задач: поиска информации, генерации картинок, видео, синтезирования речи и многого другого. По своей сути нейросети (их еще называют лингвистические модели) устроены наподобие человеческого мозга – и так же, как и мозг, каждый раз сталкиваясь с чем-то новым, изучают это, осваивают и начинают применять в своей работе (ну ладно, на самом деле не как мозг человека, нам до такого далеко). Именно поэтому мы и говорим о способности нейросетей к самообучению и развитию.

Существует довольно много разных лингвистических моделей, но здесь мы упомянем, пожалуй, наиболее совершенную из них на текущий момент.

ChatGPT – нейронная сеть, разработанная компанией OpenAI. Набрав невероятную популярность в начале 2023 года, ChatGPT довольно активно используется для решения различных бизнес-задач, в том числе и в области управления персоналом.

Так, существуют вполне успешные кейсы применения ChatGPT в подборе и адаптации персонала. Нейронная сеть успешно справляется с разработкой описания вакансий, должностных инструкций, моделей компетенций для оценки, вопросов для интервьюирования и прочего.

Еще одной сферой, где активно применяется ChatGPT, стали внутренние коммуникации. Это прекрасный инструмент для составления корпоративных пресс-релизов, новостей, рассылок, текстов поздравлений и прочих внутриком-активностей.

Кроме того, ChatGPT помогает составлять опросники, тесты на профессиональные знания (вплоть до программирования на разных языках), разрабатывать индивидуальные планы развития для сотрудников и выполнять многие другие задачи в области функции обучения и развития.

В России, конечно же, существуют свои решения и альтернативы. В первую очередь отмечу YandexGPT от российского «Яндекса» и GigaChat от «Сбера». Обе нейросети обладают своими особенностями и преимуществами, но, по сути, способны выполнять аналогичные задачи.

Несмотря на нынешнюю популярность нейронных сетей, их эффективность в HR-аналитике не столь однозначна. Тестированию их возможностей посвящена отдельная глава (см. главу 3, раздел «Использование нейросетей для задач HR-анализа»).

Резюмируя всё сказанное выше, стоит отметить, что HR-аналитика предоставляет обширный (пожалуй, даже чересчур) инструментарий для работы, однако далеко не все инструменты столь необходимы в самом начале карьеры. Начинающему специалисту (вернемся к нашей модели компетенций) вполне достаточно на хорошем уровне освоить Excel в качестве основного инструмента анализа данных и PowerPoint или Keynote как инструмент визуализации и подготовки презентаций. Этой базы будет достаточно для решения большей части прикладных задач (можно даже сказать, что данные инструменты, согласно «принципу Парето», способны давать 80 % результатов в работе HR-аналитика). По мере роста экспертности и усложнения задач неплохо будет освоить какой-нибудь BI-инструмент и познакомиться с SQL. Это уже продвинутый уровень, который позволит работать с практически неограниченными по размеру базами данных и сложными запросами. Наконец, для того чтобы всерьез заняться предиктивной аналитикой, стоит освоить языки программирования R или Python. Начать с синтаксиса языка, познакомиться с типами данных, циклами, функциями; затем, по мере практики выполнения базовых задач по работе с данными, освоить библиотеки для их анализа и прогнозирования.

Главное – не пытаться объять необъятное, двигаться последовательно от простого к сложному и внедрять новые инструменты и технические решения в повседневную работу. Помните, только наглядные результаты вашего труда и приложенных усилий будут поддерживать ваши мотивацию и вовлеченность.