Наткнулась на размышления нашего зарубежного коллеги о мифах в области hr аналитики. Знакомьтесь - Дэн Кройтер, People Analytics, HR Software Strategist в компании, которая занимается разработкой программного обеспечения.
Он приводит несколько мифов, которые чаще всего характерны для этой тематики. Например, что hr аналитика и big data - лучшие друзья. Однако, аналитика - это структурированный сбор данных, а не просто массив данных. В качестве подтверждения своих слов приводит статью Luk Smeyers (является одним из топовых экспертов в области European Predictive HR Analytics; работал в таких компаниях, как Pepsi, Starbucks, Nielsen). Автор статьи считает, что большие данные в hr - это нонсенс, так как "HR сам по себе не имеет больших данных, но что мы можем много почерпнуть из отчетов для прогнозирования. Эксперт также утверждает, что математик Самуэль Арбесман призывает перестать гнаться за очевидным - сейчас многие компании и системы генерят большие данные, настало время, чтобы начать концентрироваться на так называемых "long data" (наборы данных, которые имеют огромные исторические периоды — например, от зарождения цивилизации до наших дней.)
Есть еще один миф, что people аналитика не работает. Тогда получается, что такая известная компания, как Google ошибается? И делает это на протяжении уже нескольких лет, с 2012 года, если быть точным. Еще в 2013 году Джон Салливан написал про опыт этой компании в своей статье - "Как Google использует people аналитики..."
Следующим мифом можно считать утверждение, что начинать работу с people аналитикой надо с программным обеспечением. Технологии действительно помогают при работе с аналитикой, но ни в коем случае не заменяют принятие решения в HR. А раз так, значит, что-то специально покупать не надо. А начать анализировать нужно уже сейчас!
Продолжим вспоминать мифы. Например, что аналитика - это для ученых. На первый взгляд может показаться сложнейшей наукой, особенно, если ты гуманитарий. Например, Мэт Брендберн, Talent Acquisition Manager из компании Lyst , считает по другому. Вы можете послушать его мнение в подкасте.
Некоторые наши коллеги утверждают, что естественное поведение трудно оценить, а еще труднее прогнозировать.
Еще одним мифом можно назвать представление, что обязательно нужна команда аналитиков, чтобы заниматься предикативным анализом. Действительно аналитику лучше доверить специалисту с сильными навыками в области статистики и машинного обучения. Но для этого необязательно нанимать команду, можно обратиться к вендору, который может помочь Вам прежде, чем Вы примете окончательное решение. Или можно обратиться к аналитику из другого подразделения для решения первоочередных задач и понимания хотите ли Вы дальше продолжать в этом направлении или нет.
Не стоит доверяться своим страхам и опасениям! Сделайте шаг к аналитике! Удачи!
Следующим мифом можно считать утверждение, что начинать работу с people аналитикой надо с программным обеспечением. Технологии действительно помогают при работе с аналитикой, но ни в коем случае не заменяют принятие решения в HR. А раз так, значит, что-то специально покупать не надо. А начать анализировать нужно уже сейчас!
Некоторые наши коллеги утверждают, что естественное поведение трудно оценить, а еще труднее прогнозировать.
Еще одним мифом можно назвать представление, что обязательно нужна команда аналитиков, чтобы заниматься предикативным анализом. Действительно аналитику лучше доверить специалисту с сильными навыками в области статистики и машинного обучения. Но для этого необязательно нанимать команду, можно обратиться к вендору, который может помочь Вам прежде, чем Вы примете окончательное решение. Или можно обратиться к аналитику из другого подразделения для решения первоочередных задач и понимания хотите ли Вы дальше продолжать в этом направлении или нет.
Не стоит доверяться своим страхам и опасениям! Сделайте шаг к аналитике! Удачи!
Комментариев нет:
Отправить комментарий