Аналитичното прогнозиране разполага с много инструменти, благодарение на които може да предложи ключова информация в почти всяка област. В този блог вече сме обсъждали влиянието на модерния data analytics върху управлението на човешките ресурси и с тази публикация допълваме темата за приложението на големите данни в HR индустрията.
Тоши Такегуши, част от компанията MathWorks разкрива как аналитичното прогнозиране може да създаде модел, оценяващ вероятността даден служител да планира смяна на работното място. Аналитичният модел разчита на machine learning алгоритми, които прогнозират вероятността от бъдещи събития на база исторически данни за тях.
Такегуши работи с няколко различни променливи:
- Удоволетворение на служителя от работата му в скала от 0 до 1;
- Резултат от последна оценка в скала от 0 до 1;
- Среден брой изработени часове на месец;
- Брой проекти/задачи;
- Заплащане, оценено като ниско, средно или високо за съответната позиция;
- Получено повишение;
- Трудови инциденти;
- Брой години в компанията.
Такегуши работи със сет от данни за близо 15 хил. служители, работили за дадена компания през неопределен период. 24% от тези служители са напуснали компанията в рамките на този период. Това е доста над здравословния процент от 5 на сто, но трябва да се отбележи, че този индикатор силно варира в различни региони и бизнес сектори.
Резултатите от неговата работа показват, че ако данните бъдат разбити по функция, служителите от HR и счетоводството имат ниско задоволство от професионалния си живот и те напускат по-често в сравнение със служители от други сектори. Следващата стъпка на Такегуши е да идентифицира служителите с най-високи резултати, като за това той разчита на данните за резултатите от последното оценяване на служителя. Сетът от данни дава средна стойност за компанията от 0,72 и според Такегуши, всеки с резултат от 0,8 или повече е сред най-добрите служители на компанията. По този начин той успява да установи, че с най-висока вероятност да напуснат са служители с оценка между 0,5 и 1.
Върху тези данни, той добавя и променливата опит/брой прекарани години в компанията. Данните показват, че при хората, работили между 4 и 6 години в компанията има най-висока степен на вероятност да напуснат. След това, японският експерт по аналитично прогнозиране добавя променливата указваща удоволетворение от работата, но я прилага само при високорисковите групи.
Ключовата му находка е, че не само неудоволетворените служители напускат, но и тези с нива от 0,7 и нагоре. Като следваща стъпка, той добавя и променливата, отразяваща заплащането. С изолиране на най-добре представящите се, става ясно, че служителите с ниски и средни заплати по-често сменят работното си място.
Така, чрез аналитичното прогнозиране Такегуши създава алгоритъм, оценяващ вероятността за напускане на всеки от служителите в дадена компания. Той го прилага върху историческите данни и се оказва, че алгоритъмът идентифицира 100% от напусналите. Неговият модел утилизира различни променливи, които имат различна тежест при крайния резултат и така става ясно, че е малка вероятността от напускане при служители, получили повишение през последните 5 години.
Каква е ползата за HR специалистите?
Подобен модел лесно може да прогнозира кой от служителите обмисля напускане на компанията. На тази база, специалистите по човешки ресурси могат да действат превантивно, за да запазят ключови професионалисти в рамките на организацията. Аналитичното решение ясно показва, че удоволетворението, повишението и заплатата са най-важните фактори за задържане на служители.
