Презентация вебинара 2.09.2014

1. Talent Analytics
Бабушкин Эдуард
https://www.linkedin.com/pub/edward-babushkin/1b/839/75

2. BigData HR –
Большие данные в HR
«Человек, который
изменил все»

3. Большие Данные
« В мире больших данных
нам не всегда нужно
знать причины, которые
стоят за теми или
иными явлениями. Лучше
позволить данным
говорить самим за
себя."

4. Кейс
Большая страховая компания
Оценка кандидатов по следующим критериям:
Рейтинговое образование (популярные ВУЗы)
Высокий уровень успеваемости
Рекомендации с других мест работы
Но анализ данных показал другое…..
Insurance
Company

5. 6 критичных факторов:
1. Отсутствие грамматических ошибок в резюме
2. Кандидат не бросал школы до окончания
3. Реальный опыт продаж в недвижимости или
авто
4. Успешность на предыдущем месте работы
5. Способность работать в условиях
неопределенности
6. Работа в условиях многозадачности
За 6 месяцев
Работы компания
получила
6 миллионов
долларов
дополнительной
прибыли
Что не имело значения
 Какой ВУЗ закончили
 Какие оценки имели
 Качество рекомендаций
Insurance
Company

6. Опыт Google
• В Head-Hunting Big Data может быть не такой уж сложной задачей
• Как Google стал №3 в списке самых дорогих компаний Мира, используя People
Analytics

7. Опыт Google
Отказ от части процедур отбора / найма
Определение уровня предиктивных
способностей линейных руководителей
Формула лидерства
Измерение вовлеченности
Вовлеченность
Эффективность команды
Новые процедуры отбора

8. Эволюция Аналитик
Business Value
Убеждения
Пост проверка
Интуиция
Ad-Hoc и
текущая отчетность
Панели и Бенчмарки
Отчетность
Корреляции
Моделирование
Предиктивное моделирование
Аналитики

9. Главная цель Talent Analitics

10. Практики Talent Analitics
 Улучшение показателей текучести / удержания персонала за счет
выявления наиболее предрасположенных к увольнению и работы с
ними – 3, 85
 Определение эффективности рекрутинговых кампаний – 3, 5.
 Выявлении драйверов мотивации / вовлечения персонала– 3, 42
 Измерение морального климата коллектива и уровня вовлеченности
персонала – 3, 38
 Определение ключевых факторов успешности для использования в
подборе – 3, 38
 Выявления наиболее ценных сотрудников – 3, 35
 Выявление работников, способных выступать в роли внутренних
коучей – 3, 31
 Нахождение информации в цифровых архивах компании – 3, 27
 Нахождение работников с релевантными знаниями для решения
производственных вопросов – 3, 23
 Выявление потенциальных кандидатов, кто работает не в компании –
3, 08
Источник

11. Задачи Больших Данных
 Удержание сотрудников – что создает высокий уровень вовлечения и
удержания?
 Показатели продаж – какие факторы лежат в основе успешности
продавцов?
 Аварийные ситуации – какие факторы и какие характеристики людей
приводят к аварийным ситуациям?
 Анализ трафика руководителей– кто будет наиболее успешным
руководителем, и почему одни могут развивать свои способности, а другие –
нет?
 Анализ причин воровства – почему в некоторых филиалах более
высокий уровень воровства, и чем он вызывается?
 Удержание клиентов – какие факторы влияют на высокий уровень
удовлетворенности и удержания клиентов?
 Пробелы в планировании персонала – где пробелы в наличии
необходимого уровня руководителей на определенных должностях, и какие
проблемы мы можем предсказать на ближайшие годы?
 Анализ трафика кандидатов – каково качество трафика кандидатов,
каковы факторы привлечения и удержания наиболее успешных работников
нашей компании?
Источник

12. Главный контраргумент против
Talent Analitics
Talent Analitics сводится к матстатистике, а это
есть далеко не вся аналитика, а лишь один из
подходов, есть еще:
• бенчмаркинг,
• метрики,
• модель киркпатрика,
• roi
• чего то еще типа BSC и т.п..

13. Составляющие успеха
Качество
Презентация
Команда
Культура Данных
IT поддержка

14. Компетентностный подход

15. Александр Виноградов,
Доцент в Національний університет "Києво-
Могилянська Академія"
«Компетентностный подход превратился в
заповедник экспертных оценок, основанных
на субъективном суждении людей, не
тренированных в стандартизированном
наблюдении и не имеющих представления о
психометрических истинах (скорее даже
агрессивно отрицающих их полезность), в то
время как первопроходцы делали ставку
именно на этих истинах»

17. Война за Данные - War for Data
• Война за Таланты переросла в войну за
Данные
• Преимущество получит тот, кто научится
извлекать данные и применять их –
датификация

18. Датификация
поиск / создание
релевантных данных.
От анализа эффективности через поведение
в социальных сетях / анализ текстов до
Wearable computer
9 горячих трендов в HR-технологиях

19. Книги почитать
• Виктор Майер-Шенбергер и Кеннет Кукьер.
Большие данные
• Том Дэвенпорт и Ким Джин Хо. О чем
говорят цифры. Как понимать и
использовать данные
• MoneyBall. Как математика изменила
самую популярную спортивную лигу в мире

20. Вопросы?