Top.Mail.Ru
Аналитика и моделирование, или Excel стерпит все? — OrgManager

Аналитика и моделирование или Excel стерпит все?

Елена Гаранина

Елена Гаранина

Эксперт-практик, специалист по управлению эффективностью, бизнес-консультант в сфере управления персоналом и автоматизации HR-процессов

В РБК вышел материал Елены Гараниной, специалиста по управлению эффективностью, бизнес-консультанта в сфере управления персоналом. Рассуждая об HR-аналитике и HR-аналитиках и их роли в современном бизнесе, автор формулирует требования к уровню экспертизы на этом направлении. Сверхактуальная тема для тех, кто отвечает за создание эффективной кадровой политики в реальных компаниях. 

Нам захотелось поговорить об этом подробнее — и, пользуясь знакомством с Еленой, мы задали ей вопросы, возникшие в процессе чтения статьи. Делимся ответами эксперта — уверены, вам тоже будет интересно.

— Лена, в своей статье вы затронули важный вопрос: чтобы принимать правильные бизнес-решения, нужно привлечь эксперта, который качественно работает с данными. По вашему опыту, часто ли компании выстраивают методологию обработки данных не в угоду показателям, а действительно для правдивой картины — чтобы увидеть то, как есть на самом деле?

— А зачем иначе начинать этот долгий и сложный процесс? Картинки с красивыми цифрами можно рисовать без всяких методологий 🙂

Чтобы запустить работу с данными, необходимо организовать:

  • сбор и обработку хронологических данных,
  • совмещение данных о прошлом и актуальных данных,
  • прогнозирование и выстраивание гипотез будущего.

Начинаем со сбора информации, ее обработки и подачи. Если данных достаточно и проделан корректный процесс анализа, то руководители получают представление о том, как развивать бизнес.

Принимая решения на основе данных, менеджмент будет знать ответы на важные вопросы своего бизнеса.

— Ни для кого ни секрет, что многие компании не переходят на оцифровку бизнес-процессов, не автоматизируют аналитику, потому что удобнее манипулировать данными в Excel. Что думаете по этому поводу?

— Существует управление на основе данных, так называемый подход Data-Driven. В основе этого принципа — объективность и значимость собранных данных, от которых зависят как оперативные, так и стратегические действия руководителей. 

Для реализации такого подхода нужно привлечь или обучить специалистов, установить программное обеспечение, выстроить внутри компании алгоритм работы. Однако мы все начинали с MS Excel, где есть много разных возможностей. «Сырые», начальные данные обычно накапливают в Excel.

С помощью Excel можно ввести новую метрику, начать анализировать и считать. Но только после того, как определено, кто заказчик, кто будет этой информацией пользоваться, с какой целью, какие выводы из этих данных будут делаться, насколько они помогут и будут ли вообще кому-то интересны.

Так что старый-добрый Excel нужен всегда, хотя это только оперативная и не глубокая работа с данными.

— Что делать компаниям, собственникам, управленцам, которые решили по-настоящему разобраться со своими данными и оцифровать их? С чего начать?

— Сначала нужно понять, что, как и с какой целью оцифровываем.

Качественная аналитика начинается с очищенных и выверенных исходных данных. Для начала нужно определить, какую информацию необходимо анализировать, а потом целенаправленно собирать эти данные. 

Прогнозирование на основе данных — следующий сложный этап аналитики, который начинается с простых шагов: первое — регулярно собирать информацию, второе — корректно измерять показатели, третье — научиться этими данными управлять.

— Как проверить, что данные достоверны? Есть какие-то лайфхаки? 

— Есть стандартный алгоритм действий:

  1. Понять, с какой целью собирается информация для анализа
  2. Регулярно собирать необходимые данные и очищать их
  3. Определить ключевые показатели и найти взаимосвязи между ними
  4. Формировать и проверять гипотезы
  5. Тестировать и корректировать прогнозы

В проверке данных, конечно, поможет автоматизация процесса.

Инвестируйте в работу с данными — в их извлечение, хранение, анализ, интерпретацию, визуализацию и прочее… Такие усилия — для экономии времени сотрудниками при обработке начальных данных, повышения точности/скорости принятия решений и т.д. — как правило, адекватны затрачиваемым ресурсам.

— С чего начать HR-директору аудит достоверности данных?

— Достоверность — такой уровень точности данных, который позволяет делать выводы с высокой степенью совпадения с реальностью.

Например, начните с чек-листа по наличию и использованию показателей. 

Даже если в компании пока нет HR-аналитики, то всегда есть информация, из которой можно извлечь общие HR-метрики: численность, стаж работы, социально-демографические данные, укомплектованность, текучесть и т.п. Для начала проверяем их корректность в HRIS (здесь могут быть дубли записей по сотрудникам, неверное подчинение по оргструктуре, ошибки ручного ввода информации в личных карточках).

Это действия для тех компаний, которые находятся на операционном уровне работы с данными, для составления отчетности по запросу.

Если в HR уже создан тактический уровень аналитики, то ведется постоянная работа с выбранными метриками, используются статистические методы обработки информации, есть понимание взаимосвязи показателей между собой. 

Чем шире выборка анализируемых значений, тем выше степень достоверности.

Она может снижаться в силу:

  • несанкционированного доступа к данным и их изменения,
  • утраты целостности информации,
  • несвоевременного учета в системе изменений или обновлений,
  • ошибок пользователей.

Задача HRD — установить эти риски и принять меры для защиты достоверности данных.

В нынешних условиях оперативное получение точных и актуальных данных обеспечивается с помощью ПО, которое создает единую цифровую картину оргструктуры и автоматизирует работу с любыми HR-показателями. Оценить, как работает такая система, вы и ваш HR-аналитик можете с демоверсией OrgManager — получите ее бесплатно прямо сейчас.

Консультация эксперта по HR-автоматизации