Как получить больше информации из увольнения сотрудников

Как получить больше информации из увольнения сотрудников

«Мои лучшие сотрудники уходят», — сказал мне Даниэль, «и я не могу выяснить, почему». Даниэль (имя изменено) работает HR-менеджером в компании Fortune 500. Я спросил его, собирал ли он какие-либо данные, которые помогли бы ему систематизировать причины. «Да, я собирал записи всех собеседований, которые мы проводим с каждым увольняющимся сотрудником», — ответил он. «Я даже лично провел некоторые собеседования! Но не смог выявить ни одной закономерности. И я не знаю, как предотвратить увольнение лучших сотрудников в будущем».

Проблема собеседований при увольнении: часто люди скрывают истинные причины своего ухода. И даже если бы они были честны, такое апостериорное логическое обоснование редко отражает истинные причины сотрудников уволиться.

С проблемой Даниэля сталкиваются многие менеджеры по персоналу в разных организациях. Почему лучшие сотрудники покидают организацию? Почему некоторые сотрудники продуктивнее, чем другие? Как сотрудники могут стать более творческими? Зачастую информация, которая может помочь ответить на эти вопросы, уже существует внутри компании, но ее не могут найти.

Хотя компании собирают большое количество данных о своих сотрудниках, большинство из них мало продвинулись в том, чтобы проникнуть в их суть и ответить на эти вопросы. Если компании могли бы разбить свою практику обработки данных на пять важных этапов, они могли бы стать гораздо эффективнее при решении наиболее острых кадровых проблем.

Шаг 1: Улучшение качества данных

После выслушивания проблем Даниэля, я спросил его, какие данные его компания собирает. Получилось много. Его ведомство рассылает опрос для всех сотрудников каждые шесть месяцев. Менеджеры проводят ежегодные обзоры производительности, которые они берут из централизованной системы. Отдел кадров отслеживает каждое продвижение по службе, в то время как отдел оперативного управления контролирует, кто из сотрудников покидает организацию.

Тем не менее, когда я захотел поближе посмотреть на то, как отдел Даниэля собирал данные, я был ошеломлен. Опрос отличался от надежной, проверенной формы. Обзоры производительности не были структурированы, и их заполняли только 55% менеджеров. А данные о продвижении и текучести персонала не включали в себя даты!

Перед тем как вы сможете использовать свои данные для получения ответов, вы должны улучшить качество собираемых данных. Разработайте более четкий обзор с лучшими показателями. Создайте систему анализа эффективности работы, что облегчит задачу менеджеров размещать свои отчеты. Подумайте, какие данные будут вам полезны, а затем собирайте их – систематически. Регулярно проводите беседы с людьми из всей компании, чтобы определить, какие вопросы актуальны, и какие данные вам могут понадобиться, чтобы ответить на эти вопросы.

Шаг 2: Свяжите различные данные

Чтобы ответить на вопрос, вроде: «Почему мои сотрудники уходят?», вы должны сравнить сотрудников, которые остались, с сотрудниками, которые уже уволились. (Это вторая причина, почему нельзя делать выводы на основании отзывов при увольнении – вы узнаете только половину истории.)

Для этого необходимо связать данные из разных источников по всей организации. В случае Даниэля, данные собираются различными ведомствами. Обзоры производительности и опросы сотрудников управлялись командой HR, в то время как данные по текучести собирались группой оперативного управления. Ни одна из команд не понимала, какие данные и зачем получала другая команда, так что они должны изменить свои процессы, чтобы они могли бы связать уволившихся сотрудников с их ответами на собеседовании и обзорами производительности.

Узнайте, какие данные собираются в организации. Спроектируйте процессы, которые облегчат связь между отдельными людьми, чтобы получить как можно больше данных по каждому сотруднику, насколько это возможно.

Шаг 3: Анализ данных

Проще говоря, анализ данных требует определенных возможностей по обработке данных. Например, в некоторых случаях результаты производительности могут относиться к команде, например, когда успешно закончился командный проект или проект команды клиента. Можно ли определить, что сделало проект успешным из индивидуальных ответов каждого члена команды?

Да, но это не так легко сделать. Возможно, вам потребуется статистическая обработка результатов на уровне группы и создание модели со случайными или фиксированными эффектами. Таким образом, вы исследуете изменчивость ответов на индивидуальном уровне для прогнозирования результатов на уровне группы. Однако это выходит далеко за рамки возможностей того, что вы можете сделать в Microsoft Excel. Для того чтобы решить, какие методы анализа данных нужно использовать, и, что более важно, для проведения анализа вам нужны квалифицированные специалисты по анализу данных, способные использовать современное программное обеспечение для обработки данных, таких как R или Stata.

На третьем шаге вы максимально используете ваши данные, поэтому здесь особенно важна компетентность. Убедитесь, что у вас есть сотрудники, которые могут выбрать инструменты и провести необходимый анализ. Если таких сотрудников у вас нет, наймите их или заключите контракт с внешними экспертами, которые смогут помочь.

Шаг 4: Оформите ваши данные в теорию

Хотя многие проблемы могут показаться уникальными, вы не единственный, кто сталкивается с ними. Последние десятилетия уделялось много внимания исследованиям в области прогнозирования работы сотрудников, текучести кадров и развития творчества. Научные исследователи подтвердили существование некоторых закономерностей и разработали множество теорий, которые объясняет, почему так происходит.

Это важно, потому что теории помогают нам предсказать, что произойдет в будущем, учитывая ряд соображений. Таким образом, в то время как анализ данных часто ретроспективен, он пытается объяснить постфактум, почему группа сотрудников ушла, проверенная теория может помочь сделать прогноз, кто из сотрудников, скорее всего, уволится в ближайшем будущем. Кроме того, сильная теория может помочь определить, какие вопросы следует задавать сотрудникам, когда организация сталкивается с проблемой высокой текучести кадров.

Четвертый шаг предназначен для объединения ваших данных с теорией. Исследуйте прошлые исследования, которые пытались дать ответы на похожие вопросы. Посмотрите, что это изучало это исследование, как ученые его проводили, и какую теорию они разработали, чтобы объяснить обнаруженные закономерности. Вряд ли у вас есть на это время и ресурсы, и это хорошо. Ученые исследователи с радостью выступят в качестве консультантов и помогут вам.

Шаг 5: Внедряйте изменения и отслеживайте результаты

Вы сделали все это: увеличили качество данных, соединили разнородные наборы данных по всей компании, набрали сильных аналитиков, а также консультантов по соответствующей теории. У вас есть рабочая модель, почему ваши сотрудники покидают организацию. Теперь, когда у вас есть это понимание, вам нужно превратить его в действие. Например, в случае Даниэля мы обнаружили, что многие из лучших сотрудников компании уволились, потому у них было недостаточно автономии для выполнения своей работы.

Это очень важный шаг процесса: протестировать, как то, что вы узнали, может обеспечить действенные идеи, которые улучшат вашу организацию. Мы с Даниэлем позволили нескольким сотрудникам (не всем) работать по более гибким графикам. Это сплит-тестирование было важно, потому что мы хотели проверить контрольную группу. Когда мы запускали этот эксперимент в первый раз, мы не получили никакого результата. Конечно, мы были разочарованы, но хорошая новость заключалась в том, что наши усовершенствованные методы использования данных позволили нам понять, почему так получилось, и мы смогли оптимизировать наше тестирование, пока оно не принесло желаемый эффект.

Пятый и последний шаг нужен, чтобы вносить изменения и отслеживать соответствующие результаты. Для получения желаемого результата может потребоваться несколько попыток. Некоторые меры могут не работать вообще, а другие могут даже иметь негативные последствия. Но лучший способ выяснить, правильны ли полученные вами идеи, это испытать их на практике.

Источник
Автор: Jon M. Jachimowicz