#про_опросы #hr_данные
#пятничное)

Проходила недавно опрос в одном ТГ-канале. Не так важно на какую тему, важен подход.

Вопрос:
Какое мясо вам нравится больше всего?

Варианты ответов:
🌺 говядина
🌺 свинина
🌺 баранина
🌺 конина
🌺 медвежатина

У кого-то есть сомнения, что в данном опросе 🐻🐨🐼 не будут в тройке лидеров?

Только вот о чем говорит этот результат?
Что 🐼 правда так себе на вкус?
Или что их просто мало кто пробовал?..
Вывод не очевиден.

Варианты ответов в опросе будет правильным составлять так, чтобы его результат мог привести к правильным выводам и последующим действиям.

#минутка_рекламы

Я уже писала, что будучи HR-ом, очень люблю посещать конференции в других, более продвинутых по некоторым вопросам, сферах.

Конференция по маркетинговой аналитике МАТЕМАРКЕТИНГ одна из таких.

Это кладезь знаний для тех, кто умеет думать и делать переносы из одной области в другую.

Например, выступление Ильи Красинского, Rick.ai – это не только отличная подача, но и множество интересных мыслей, каждая достойна цитирования. И шага к действию в своей компании👇

🌺 цифры врут меньше, чем люди
🌺 мне не интересны те отчеты, которые показывают на совете директоров, мне интересны те, которые там не показывают
🌺 люди у нас не покупают. Вопрос: Что такого МЫ сделали, что люди у нас не покупают?
🌺 смотреть не на конверсию, а на НЕконверсию (100% - конверсия)
🌺 точки роста обожают смещаться в зону некомпетентности команды
🌺 надо повышать конверсию, т.к. стоимость привлечения будет расти из-за конкуренции в каналах

И немного юмора, там же:
🌺 разработка – это самый долгий процесс, в результате которого получается не то что вы заказывали, с багами и дефектами, в 3 раза дольше в 2 раза дороже
🌺 любимая фраза дизайнера, аналитика …. – «Мне нравится!»
🌺 + там есть кейс про чудесную игру, а какую не скажу. актуально на все времена и для всех сфер. 😊 Очень повеселила.

#про_опросы
Про (не)двусмысленность.

Великий и могучий русский язык дает много возможностей, но очень важно использовать его возможности правильно.

При формулировании вопросов в опросах избегайте двусмысленнности. Например, простой вопрос для сбора обратной связи о географии участников вебинара:

Из какого Вы города?

Есть минимум 3 варианта понимания:
🌺 v1: = Из какого города Вы родом?
🌺 v2: = Где Вы проживаете в данный момент?
🌺 v3: = Где Вы находитесь в данный момент?

Т.е. сотрудник, который
родился в Екатеринбурге, проживает в Москве, а в момент вебинара со сбором обратной связи находится в Сочи, может ответить на один и тот же вопрос 3мя совершенно разными способами.

Это значит, что ваша статистика, собранная таким образом, точно не будет достоверной на 100%, а, значит, и сделанные на ее основе выводы, могут быть не релевантными.

Старайтесь избегать слов и предложений с двойным смыслом для сбора информации через опросы.

#dataviz #лайфхак
Гистограмма с накоплением почему-то не пользуется такой популярностью как ее коллега простая гистограмма (или, в простонародье, столбиковая диаграмма).
Хотя есть моменты, когда она гораздо более уместна.

Например,
при завершении оценки сотрудников или подведении итогов по выполнению KPI где используется 2х (в цели / не в цели) или 3х-балльная шкала (выше цели / в цели / не в цели), при демо результатов опросов и т.п.

Еще несколько лайфхаков для такой визуализации:
🌺 Выстроить подразделения по убыванию или возрастанию.
Это поможет сразу сравнить результаты друг с другом.
🌺 Использовать цветовое кодирование
(хорошо – зеленый, плохо – красный). Это поможет интуитивному восприятию результата через цвет.
Или яркий – ключевой, бледный – второстепенный)
🌺 Градация - 2-3, максимум 5 цветов, иначе уже деление не воспринимает. В таком случае нужно объединять результаты в более крупные группы.

Еще один пример тут

2 учебных курса по аналитике базового уровня по работе с данными в hr с моим участием
100% пользы для начинающих специалистов

🌺 1. HR-аналитика с 0 от Skillbox.
Ссылка
Обзор профессии HR-аналитика на 360°:
- все грани специальности, от работы с данными и процессами до AI в HR.
- преподаватели - только in house, с реальными кейсами из своей практики.
- простой и понятный стиль изложения, даже в модуле про статистику :)
+ 4 бонусных урока из курса по Excel

🌺 2. Дашборд для HR.
Ссылка
- Обзор основных hr-метрик
- Практика построения дашборда: пошаговая сборка базового дашборда для hr своими руками.
- Лучшее соотношение цена/качество из всего что есть на рынке по этой теме для hr.

#обучение_аналитиков

Кейс "Анализ причин увольнения":
Распределение причин увольнения, указанных сотрудниками, почти не меняется, доли постоянны.

Выводы:
1. Есть 1 доминирующая причина.
2. Она не зависит от стажа работы уволенных сотрудников.

Практика применения:
Для сокращения текучести, в первую очередь, нужно работать именно с этой причиной.
Эти усилия дадут максимальный результат.

Какие могут быть варианты причины-"лидера" и что делать?

🌺 Заработная плата
Тут вы знаете что делать

🌺 Непосредственный руководитель
На большой выборке это очень маловероятно, но если выборка более точная, то тут вы тоже знаете что делать)

🌺 Семейные обстоятельства /
Прочие причины / Другое
А вот это социально-желаемый и максимально безопасный ответ для сотрудников.
В этом случае можно:
- изменить формулировку в опроснике
- "расшить" ее на несколько более конкретных
- убрать такой вариант совсем и оставить поле для своего ответа

Принцип Парето:
20% усилий дают 80% результата

#кейс #текучесть #hr_метрики

"Однозначный вариант"

Кейс:
по результатам ответов на вопрос один ответ сильно преобладает над всеми остальными.

Выводы:
1. Это корневая причина, надо над ней поработать
2. Данные точно корректны?

2 плохих примера:

🌺 Вопрос "Откуда вы узнали о вакансии" на карьерном сайте.
Большинство ответов - "от знакомых".
При этом по реферальной программе без сайта кандидатов значительно меньше.
Оказалось, что этот ответ установлен в анкете на карьерном сайте по умолчанию. Т.е. кандидаты просто идут по пути минимизации усилий и не меняют его.

🌺 Вопрос "Какими ИТ-системами вы пользуетесь"?
Опрос рассчитан на широкую целевую аудиторию. А в вариантах ответов представлены только самые распространенные системы. Значительная часть пользователей не может ничего выбрать и выбирает последний по списку вариант ответа.

Надо ли говорить, что собранные таким образом данные не подходят для аналитики?..

#про_опросы #кейс #fuckup

Хэллоуин.
Страшные слова)

#праздники

"Воронка" в Обучении.

Анализируя конверсию перехода сотрудников с этапа на этап можно значительно улучшить процесс обучения и, тем самым, повысить эту самую конверсию.

Какие могут быть причины на каждом из этапов?

🌺 Сотрудники не начали просмотр курса
• Нет достаточного информирования о курсе
• Нет мотивации для прохождения курса
• Нет внимания со стороны непосредственных руководителей
• Нет времени на прохождение
...

🌺 Сотрудники начали просмотр, но не закончили его до конца
• Не интересный курс
• Технические проблемы (доступ, интернет, нет смартфона, нет доступа к пк/курсу в офисе…)
• Нет времени на просмотр
• Очень длинный курс
...

🌺 Сотрудники начали и закончили просмотр курса до конца, но не сдали тест
• Некоторые сотрудники прослушали курс невнимательно
• Некоторые сотрудники не достаточно усвоили материал курса
• Вопросы теста слишком сложные
• Вопросы теста на соответствуют содержанию курса
...

#hr_метрики #обучение

Теория статистики.
Репрезентативность выборки.

При сборе данных через пульс-опросы, анкеты, чат-ботов и другие источники, важно помнить про репрезентативность выборки.

Что это значит?
1. Если нужны выводы по всей компании, то состав участников опроса должен быть пропорционален общей численности по полу, возрасту, месту проживания, уровню должности, специализации и т.п.
2. Если выборка специализирована, то и выводы можно будет применить только к этой группе сотрудников.

Например:
🌺 Опрос о самых важных темах для HR в специализированной группе по HR-аналитике.

Скорее всего, "hr-аналитика" будет в ТОР, а "счастье сотрудников", наоборот.
Аналогичный опрос в группе для экспертов по внутренним коммуникациям может дать совсем другие ответы.

🌺 Участники тренинга по визуализации данных считают этот тренинг полезным для своих коллег и рекомендуют им его прохождение.
Эти результаты нужно интерпретировать аккуратно, т.к. участники тренинга - это очень специализированная целевая аудитория.

#статистика #про_опросы

Про дашборды

Слово "дашборд" уже давно вошло в лексикон HR-а, а вот сам инструмент пока еще используется далеко не всеми.

Широко распространенный иностранный файл с гордым названием "HR-dashboard" с набором табличек в ужасных цветах, на мой взгляд, далеко не образец для подражания.

Дашборд - это не хаотичный набор графиков - это набор данных, полезных для управления определенным процессом.

В сети мало красивых полезных примеров именно для HR, а ведь у макета дашборда есть свои правила:

🌺 KPI выделяют главное
В верхней части обычно показывают 3-6 основных цифр процесса

🌺 СЕТКА структурирует информацию
Цифры, графики и диаграммы располагают не абы как, а по четкой сетке:
чаще 2×2, 2×3, 3×2,
реже 2×4, 4×2 и более

🌺 Взаимосвязь графиков
Дашборд нужен чтобы сопоставляя данных из 2-3х элементов делать предположения для исследования или выводы о ситуации

HR-Zero

Концепция HR-Zero в инфополе набирает обороты. И если несколько лет назад это было скорее как принцип управления сотрудниками со стороны линейных руководителей, то сейчас появляется яркая краска в виде того же самого управления сотрудниками со стороны линейных руководителей, но непременно с использованием hr-технологий.

"Вкалываю роботы, а не человек" (с):
🌺 магический искусственный интеллект отбирает резюме
🌺 роботы обзванивают кандидатов, приглашают их на собеседования и уже говорят так, что их не отличишь от настоящих
🌺 еще один ИИ анализирует поведение сотрудника на интервью
🌺 цифровой двойник преподавателя проводит индивидуальное обучение по персональному треку сотрудника
🌺 персональные гаджеты анализируют состояние здоровья, уровень усталости и стресса сотрудника
🌺 аналитическая система собирает метаданные, анализирует их и дает информацию о взаимодействии между сотрудниками, их активности и вовлеченности

Руководителю остается только направлять и вдохновлять!

Класс? ;)

Про инфографику

Недавно в чатике меня спросили про примеры из инфографики.
Рассказываю.

Использовать инфографику - это отдельный навык, я бы даже сказала искусство.

🌺 Пример из жизни. Плохой.

Посмотрите на картинку с розовыми человечками.
Я на несколько секунд зависла на картинке и абсолютно отвлеклась от спикера пытаясь понять
почему 40% - это 3 человечка, а не 4?
Пока не поняла, что на картинке надо считать не 4 от 10, а 3.2 от 8.
Почему за базу взяли 8?🤷‍♀️
Если это не численность подразделения, то так делать не надо)

А как надо?

Мы и наши зрители живем в десятеричной системе измерения. Мы привыкли делить на 10.
Поэтому и визуализацию нужно строить на привычных паттернах восприятия.

#dataviz #fuckup

Современные ИТ-технологии,
или ИТ-архитектура для "чайников"

Готовлюсь к завтрашнему открытому вебинару по ИТ для HR.

Среди прочего, скажу пару слов про инфраструктуру для работы с большими данными.

Зачем это нужно HR-аналитику и, вообще, HR-у?

То что называется "для общего развития", чтобы понимать коллег из ИТ и bigdata, ну и чтобы правильно использовать умные слова в разговоре и выступлениях на конференциях.
А то иногда такого наслушаешься...

🌺 Озеро данных (Data lake) — это огромное хранилище, которое принимает любые файлы всех форматов из любых источников. В озере хранятся неструктурированные, не систематизированные и не упорядоченные данные.

🌺 Хранилище данных (Data warehouse) - это хранилище структурированных, предварительно обработанных и представленных в удобном для анализа виде данных.

#IT4HR #автоматизация_hr

#Метрики для метрик

Если вы занимаетесь не просто подготовкой отчетов, а выстраиванием системы отчетности, то обязательно нужно измерять себя.

🌺Что важно вам?
* чтобы были пользователи
* чтобы пользователи пользовались вашими отчетам
* чтобы пользователи пользовались вашими отчетами часто

🌺 Что нужно пользователю?
* чтобы отчет (или просто данные для подготовки своего отчета) были в принципе
* чтобы они были:
- своевременно
- обновленные,
- качественные

Из этого и складывается система метрик для системы отчетности.
Далее уже идут тонкие настройки.

Примеры метрик на слайде👆

#система

Enterprise Architecture (EA) - это концепция управления предприятием, которая объединяет в себе бизнес, ИТ и работу с данными.

EA состоит из 4х "слоев":
1. Бизнес-архитектура
2. Архитектура данных
3. Архитектура приложений
4. Технологическая архитектура

Каждый из слоев имеет свою роль и влияние на другие слои.
Каждый верхний слой задает требования к более низкому слою, а каждый нижний слой определяет возможности развития более верхнего слоя.

Зачем это HR-у?)
Когда вы задаете вопрос коллегам "Какую ИТ-систему выбрать, чтобы автоматизировать процесс подбора?", начинать надо с:
1. Изучения процесса
(будем считать, что его цели нам уже известны ;)
2. Возможностей ИТ-инфраструктуры
3. Требований к работе с данными
И уже после этого определять требования к ИТ-системе и начинать поиск.

#IT4HR

Вторичная круговая диаграмма

После нескольких сложных тем, легкий #dataviz.

Простая круговая диаграмма чрезвычайно популярна, но не во всех случаях она уместна и адекватна.
Короткие посты про круговую диаграмму есть тут и тут.

Еще один пример, который часто встречается в hr - это диаграмма распределения причин увольнения. Обычно мы выдаем нашим зрителям десяток причин и предлагаем в них разобраться.

В этом случае будет более уместной вторичная круговая диаграмма, в которой:
🌺 3-5 самых важных причин выделены в явном виде, ярко
🌺 остальные причины можно или просто оставить сектором "другое" или сектором "другое" + разделением его на несколько других, но в виде столбика рядом.
🌺 +"говорящий" заголовок к слайду

То же самое можно использовать для того, чтобы показать:
*распределение затрат на персонал по статьям
*распределение затрат на обучение по видам учебных мероприятий
и в других случаях, где целое составляют много элементов.

Видео о том как сделать это в excel - тут

Анализ затрат на ДМС💊.

Часто используют 2 ключевые метрики:
🌺 Исполнение бюджета
(сумма договора ДМС в рамках бюджета)
🌺 Коэффициент убыточности
(сумма мед услуг, использованных сотрудниками, по сравнению с суммой договора)

Кроме этого,
полезно также анализировать использование ДМС по категориям сотрудников.

Например:
🌺 Распределение бюджета на страховки между группами застрахованных (например, 4 группы сотрудников, как на рисунке ☝️).

Тут можно посмотреть на:
1. Численность застрахованных
2. Доля застрахованных
3. Средняя стоимость страховки на 1 сотрудника

🌺 Использование бюджета на страховки по группам застрахованных.

Это можно использовать так:
если использование бюджета сотрудниками одной группы выше или ниже, чем для них запланировано, то это повод посмотреть на качество:
* информирования сотрудников о возможностях использования страховки
* наполнения услуг в программе страхования для каждой группы застрахованных
* клиник, предоставляющих услуги

#hr_метрики #льготы

Не динамикой единой

Когда нужно посмотреть на динамику использования корпоративной программы:
* библиотеки
* бонусного предложения
* социальной сети
* любого приложения
и "динамик" других программ,
то важно смотреть не только на статистику и тренд, но и глубже.
Даже если динамика 📈
и все вроде бы хорошо.

Можно посмотреть также на:

🌺 Сравнение динамики использования программы и динамики численности или динамики приемов/ увольнений

Это может дать показать обгоняет ли прирост использования программы рост численности сотрудников

🌺 Анализ прироста численности участников программы (за счет кого?)

Это будет полезно, чтобы оценить происходит прирост за счет вновь принятых или уже работающих сотрудников. Это можно анализировать как в абсолюте, так и в доле от численности.
Это поможет сфокусировать коммуникацию по привлечению сотрудников в программу и увеличению числа участников

🌺 Сравнение числа участников программы с целевой аудиторией /целевым значением.

Это важно, чтобы управлять бюджетом

#hr_метрики