Что такое графы в HR-аналитике: опыт Яндекс

« Назад

26.04.2018 15:41

25 апреля Яндекс провел конференцию HR-среда, посвященную работе с персоналом, развитию сотрудников и решению задач в области HR. Антон Лукьянов, руководитель группы HR-аналитики Яндекса, рассказал об основах работы с данными в HR и поделился своими наработками.

Что такое «граф»?  

Все отрасли генерируют данные. Благодаря данным мы можем лучше понять внутреннего клиента, оптимизировать процессы, иначе взглянуть на взаимодействие сотрудников. Эти процессы можно описать при помощи теории графов.

Граф – это абстрактный математический объект, который состоит из вершин (точек) и ребер (линий), которые их соединяют. В качестве примера можно взять интернет – множество сайтов соединены ссылками. Основа бизнеса компании Яндекс состоит в том, чтобы быстро обойти граф интернета, проанализировать содержимое и дать релевантный ответ пользователю. Другой пример – Яндекс.Такси: находя кратчайшее расстояние между точками на карте, сервис помогает пассажиру добраться до места назначения.

Граф компании Яндекс: точки – сотрудники, линии – взаимодействие между ними

 

Абстрактное представление объектов в виде графов предложил математик Леонард Эйлер, который решил популярную в 18 веке задачу: как пройти по всем городским мостам Кенигсберга, не проходя ни по одному из них дважды?

 

Источники и требования к данным

Для того, чтобы построить граф, нужны данные. В качестве источников данных организация может использовать:

• корпоративную почту

• календарь встреч сотрудников

• задачи в трекере

• звонки внутренней АТС

Трекеры особенно популярны в ИТ-компаниях. Они позволяют ставить задачи, назначать ответственных за их исполнение, прикреплять файлы. Трекеры существенно упрощают взаимодействие в командах. В Яндексе этот инструмент используют не только разработчики, но и другие подразделения.

HR-подразделения используют трекер для:

• согласования вакансий

• найма

• адаптации

• обучения

На базе этого инструмента построена HR-аналитика.

Требования к данным:

1. Качество. Данные должны быть без ошибок и пропусков. Показатели необходимо приводить к общему виду.

2. Полнота. Сейчас нормой стала работа в нескольких информационных системах одновременно. Данные, взятые только из одной системы, не будут полными.

Анализ взаимодействий

Точки и линии на графе обозначают сотрудников и их взаимодействия. Чем больше диаметр у точки, тем более интенсивное взаимодействие у сотрудника с коллегами. Чем толще линия, соединяющая двух сотрудников, тем более интенсивное взаимодействие происходит в этой паре.

 

Взаимодействия сотрудников Яндекс

Важно учитывать и правильно интерпретировать все данные. Интенсивность взаимодействий сотрудников напрямую зависит от их должности и поставленных задач.

Какие выводы можно сделать и что применить в организационных изменениях:

1. Эффективность взаимодействий. Если группы отличаются по интенсивности взаимодействий и у них есть объективный показатель вроде KPI или проводится оценка performance review, то можно сопоставить факторы из графа (интенсивность взаимодействий) и предсказывать, какие действия приводят к лучшим показателям. Например, чрезмерное количество коммуникаций может перегружать менеджеров, влиять на их выгорание.

2. Стиль управления руководителей. Данные подскажут, использует ли руководитель микроменеджмент или тотальный контроль. При помощи данных из графа можно подсказать менеджеру, подходит ли его стиль управления для каждой конкретной задачи и какие действия могут повысить эффективность сотрудников.

3. Коммуникации внутри команды. Например, члены команды хорошо взаимодействуют между собой, но практически не взаимодействуют с другими коллегами. Такая команда может сделать проект, который уже был в компании, данные о нем хранятся, но команда об этом не знает. В итоге ресурсы компании будут потрачены впустую по причине недостаточного взаимодействия с другими отделами. Или наоборот, когда хромают внутренние коммуникации в команде, это приводит к задержке сроков подготовки проекта.

4. Полная картина взаимодействий сотрудника позволяет автоматически создавать список коллег для проведения опроса 360 градусов. В этом случае данные, которые получит руководитель по итогам опроса, будут полными.

Взаимодействие между командами

 

Метрики

Некоторые метрики из теории графов можно успешно использовать в организациях:

1. Плотность / Разреженность. Граф называется полным, когда все его вершины соединены ребрами. В реальном мире примером полного графа может быть небольшой стартап: один маленький дружный коллектив, в котором все друг друга знают и эффективно взаимодействуют. Уход одного сотрудника не приводит к потере существенной информации, взаимодействие не нарушается.
   При росте компании плотность нарушается. Трудно представить компанию с тысячами сотрудников, в которой все работники знают друг друга. Для такой компании характерен риск потери существенных коммуникаций внутри команды при уходе одного сотрудника.

  

2. Расстояние. Эта метрика напоминает об известной теории шести рукопожатий. Чем меньше расстояние между сотрудниками, тем больше сплоченность, больше людей знают друг друга.

3. Центральность. Эту метрику хорошо иллюстрирует граф персонажей «Игры престолов»: после неожиданной смерти одного из центральных персонажей произведения сценаристы испытывают затруднения с сюжетной линией второстепенных персонажей.

  

4. Мост. Можно проиллюстрировать на примере Бельгии – страны с двумя государственными языками, где небольшой мостик из людей, говорящих на двух языках, соединяет «одноязычных» сограждан. В компании люди, находящиеся на этом мосту, являются носителями очень важных связей. Их уход – большая проблема для компании.

Применение

В компаниях с проектной структурой еженедельно запускаются и закрываются проекты, важно следить за расходами. Нужно правильно собирать и передавать данные для экономических расчетов. Этот процесс можно улучшить при помощи автоматизации. В Яндексе сделали следующее:

1. Построили граф компании.

2. Анализируя поведение сотрудника в каждый конкретный месяц, HR-аналитики видят, в каком проекте тот сейчас находится. Отпала необходимость переписки с руководителями сервисов. Это экономит время бизнеса и аналитиков. 

Пока это пилотный проект, который показывает интересные результаты. Многие исследовательские проекты в Яндексе впоследствии выкатываются в продакшн.

Итак, классический путь аналитики

1. Данные. Источник, полнота и качество.

2. Визуализация. Как на эти данные смотреть, как использовать. Идеи о метриках, которые в случае с HR-аналитикой можно взять из теории графов или придумать самостоятельно.

3. Отчетность, которая ежемесячно показывает, что происходит в компании. Например, интенсивность взаимодействия менеджеров.

4. Метрики, которые используются для выводов.

5. Предсказательная аналитика – запуск автоматизированного процесса, который экономит время.

 

Что еще нужно знать об HR-аналитике

Кевин Уиллер, президент и основатель Global Learning Resources, Inc., в статье «Обратная сторона HR-аналитики: 8 малоизвестных фактов» выделяет несколько важных факторов, которые касаются HR-данных:

1. Аналитика – не волшебная пилюля. Аналитика не является чудодейственным средством. Данные помогают понять проблему и, возможно, выбрать более эффективный способ ее решения, но данные не заменяют эмпатию и человеческие рассуждения.

2. Понимание того, что именно вы хотите знать. Нужна предельная ясность относительно того, что вы хотите проанализировать или измерить. И убедитесь, что это вообще возможно.

3. Использование соответствующего метода. Метод сбора данных также может оказаться непростой задачей. Один из вариантов использования аналитики – разъяснение проблемы или поиск возможных причин.

4. Пассивные данные могут быть лучше запрашиваемых данных. Гораздо легче самому собрать пассивные данные, чем запрашивать достоверные данные от других. Собрать фактическую информацию по итогам каких-либо действий и решений относительно просто.

5. Важна поддержка. Для эффективного использования данных необходима поддержка руководства и соответствующая корпоративная культура, в которой данным придается значение.

6. Цель управляет ситуацией. Есть большое искушение измерить все, особенно на первых порах, когда инструмент аналитики только внедряется в компании. Но лучше сфокусироваться на двух-трех ключевых вопросах, на которые вы хотите получить ответ. Тогда у вас хватит времени на более точный сбор данных и полный анализ.

7. Данные небезупречны. В последнее время стало принято ставить данные на пьедестал и воспринимать их как чистую информацию, в которой нет ни политики, ни мнений. Но, к сожалению, на анализ данных мнения влияют так же, как и на все остальное.

8. Чем проще, тем лучше. Потратьте время на составление списка: что вы действительно хотели бы знать, чтобы улучшить рекрутинговый процесс; какие данные помогут вам повысить эффективность большинства источников или ответить на актуальные вопросы руководства.

О проблемах правильной интерпретации данных недавно также говорил Нассим Талеб: «Если вы умеете работать с Big Data, это хорошо, но нужно уметь ее интерпретировать, фильтровать чушь и ненужный шум, которые всё путают.  Интересно, что единственные, кто умеет работать с данными, – это антитеррористические службы. Они способны не находить ложные корреляции и сужать выборку до конкретных подозреваемых, они ищут именно связи. Компьютер можно просто одурачить данными, очень важна статистическая дисциплина. Большие данные не могут сказать нам, что правильно, только то, что НЕ правильно».

Автор: Иван Ильин

Источник изображений - HR-среда

---

Актуальные и интересные HR-кейсы в нашем Telegram. Подписывайтесь на канал!

Копирование и любая переработка материалов с сайта neohr.ru запрещены

---