Мы используем cookie-файлы. Оставаясь на сайте роботов, человек соглашается на использование cookie-файлов.
Подробнее — в «Условиях использования cookie-файлов».

Что мы узнали о сотрудниках, когда начали использовать аналитику в HR

Меня зовут Юля Степашкина, и я HR-аналитик в Redmadrobot. Расскажу, как однажды мы виртуозно переобулись в прыжке и столкнулись со сменой почти трети команды за год. Сразу уточню, ситуацию мы разрулили, начали собирать и анализировать статистику по кадрам и уже делаем заход на прогнозирование. Идёт пятый месяц, как собрали дашборды и внимательно следим за показателями, полёт нормальный. Под катом история сборки.

Итак, мы в Redmadrobot давно умеем хорошо делать мобильные приложения. А в
2018 году компания перешла от аутсорсинга цифровых продуктов (не только мобильных) к стратегии технологического партнёрства.

Пул интересующих работ и характер отношений с заказчиками поменялся. Это история про глубокое погружение в бизнес клиента, про совместную разработку новых продуктов и развитие уже запущенных. Мы стали интересоваться государственными тендерами и заходить в крупные корпорации, готовые создавать сложные цифровые решения, часто с нуля. В общем, терпеливая и внимательная коммуникация — наше всё.

Было ясно, что часть сотрудников не поддержит перемены, и мы расстанемся. Но не настолько ясно, что это будет треть команды.

Когда старые способы не сработали

Раньше мониторингом жизненного цикла сотрудников от приёма до увольнения занимался один HR-менеджер. Он проводил аттестации, собирал групповую обратную связь о работе и коммуникации сотрудника, следил за настроениями в команде и проводил выходные интервью.

Он мог хранить отчёты о 70 работниках в свободной форме, а основные тенденции — по необходимости выгружать прямо из головы. Но проектов становилось больше, команда росла, и в декабре 2018 в компании работало уже больше 130 человек.

Здесь и дальше — скриншоты из монитора. За 3 года мы выросли в 7 раз.

 

Очевидно, что при такой загрузке HR-а мы упускали из виду критически важную информацию о наших ребятах, делали необоснованные выводы и не успевали принимать кадровые решения. Самым «чёрным» стал четвёртый квартал 2018 года. Тогда мы наняли 30 человек, а потеряли 32. Текучка в 25% для компании, где нет офисных перегородок и все на виду — ситуация, мягко говоря, напряжённая. Плюс, у нас не было системных данных о прошлых годах, чтобы сравнить: это вообще нормально для нас или не очень.

Бодрящий 4 квартал 2018. С него начали анализировать по-взрослому.

Решили: пора собирать статистику и смотреть, где делаем ошибки, и сразу же их исправлять. А параллельно стали разгружать HR-менеджера, перестраивая структуру HR-отдела.

Источники данных

С 2017 мы начали вводить в работу скиллсеты и метод обратной связи «360ᵒ». Постепенно описали компетенции для каждой позиции и раз в полгода проверяем сотрудников на соответствие должностям. После первых результатов даже рассказали, как всё работает. Если кратко, источниками для статистики стали: фидбек о работе сотрудника от команды и руководителя, отзыв ментора, резюме с ассессмента и промежуточных чеков, выходное интервью. И цифры из отдела кадров.

Ассессменты. Раз в полгода каждый работник Redmadrobot проходит аттестацию. На ней он рассказывает, какие планы и задачи стояли перед ним за прошедший период, что из намеченного получилось, что нет и почему. Анализирует рабочую обстановку, ставит новые цели или корректирует прежние, сам формулирует для себя желаемые результаты.

Чтобы договорённости стали рабочими задачами с понятным результатом и сроками, озвученные на ассессменте цели сразу переносятся в планировщик.

Крупные задачи дизайнера на полгода в Monday. Результаты будут обсуждать на аттестации в мае.

Закрытие испытательного срока — аналогичная аттестация после первых трёх месяцев в компании. За них становится ясно, насколько сотруднику комфортно в команде, понимает ли он стратегию компании, поддерживает ли принятые принципы, скорость и качество работы.

Фидбек. Значительная часть информации приходит из наблюдений ментора. Ментор (на время онбординга есть у каждого, дальше — по выбору) помогает адаптироваться в компании и в дальнейшем развивать профессиональные компетенции. Ментор знает о рабочих и учебных задачах сотрудника, об успехах и трудностях.

Параллельно HR собирает на сотрудника отзывы от команды и руководителя. По ним складывается впечатление о качестве работы, о коммуникации с коллегами и клиентами, и о таком критическом качестве, как токсичность. Взаимные отзывы дополняют друг друга. Либо подсвечивают проблемы в командах, отделах и на проектах, если оказываются противоречивыми, или их подозрительно мало.

Выходное интервью. Если уже ясно, что нас с работником ждёт расставание, HR просит его поделиться впечатлениями, что стало решающей причиной ухода (если это инициатива сотрудника), остались ли неразрешённые конфликты, переходит ли он в другую сферу или остаётся на прежнем рынке. Надо понять, с какими чувствами уходит человек, в каком состоянии остаётся команда и, главное, над чем будем работать, чтобы снизить вероятность повторения кейса.

С 2018 годы мы проводим финальные беседы по единой методике, фиксируем настроения и причины увольнений. И к началу 2019 получили хорошую базу для анализа по категориям:

  • причины ухода (главные и второстепенные);
  • дальнейшие планы (в какую компанию и на какую позицию уходит);
  • мнение о работе в Redmadrobot (общая атмосфера, офис, инфраструктура);
  • ситуация в отделе (взаимодействие с командой, обратная связь, конфликты, развитие);
  • ситуация на проекте (менеджмент, процессы, проблемы, конфликты);
  • коммуникация с руководством (взаимодействие, стиль руководства, помощь, обратная связь).

 

Сортировка данных

Первым делом мы занесли в Excel имеющиеся данные по работающим и уволившимся в 2017-2020:

  • ФИО;
  • грейд, отдел, юнит, локация;
  • дата приёма (и для ретроспективной аналитики уволившихся сотрудников — дата увольнения);
  • ушёл сам или уволили.

К информации из отдела кадров добавили сведения от HR и ментора:

  • уровень настроения сотрудника;
  • уровень его качества работы;
  • даты начала и окончания испытательного срока;
  • информацию о повышении (даты, грейды, изменения в зарплате);
  • отзывы о работе, причины увольнения и названия компаний, куда перешли наши «бывшие».

Отдельно собрали таблицу с рыночными вилками зарплат по специальностям, грейдам и городам, чтобы сравнить их с нашими.

Выбор инструмента

Когда начал собираться массив данных, надо было его сгруппировать и наглядно представить. Мы начали искать подходящий инструмент. В одном из курсов Coursera подсмотрели визуализатор Power BI. Это онлайн-сервис, который объединяет информацию из разных источников в единую модель данных и строит по ней графики, дашборды и отчёты.

Таких сервисов много, обычно ими пользуются финансисты, маркетологи и бизнес-аналитики, чтобы следить за конверсиями, продажами, прибылью и т.д. Мы не были готовы глубоко погружаться в вопрос. Взяли несколько инструментов из числа самых популярных, выбрали важные критерии и сравнили системы по ним:

  • Инструмент не требует знания языков программирования — потому что у меня пока что есть дела поважнее, чем учиться писать код.
  • Есть возможность выгружать дашборд в PDF-отчёт — чтобы показывать результаты руководству.
  • Простой интерфейс — чтобы не тратить много времени на обучение и настройку опций под себя.
  • Широкий функционал — чтобы самим формировать метрики и получать графики в нужном разрезе.
  • Приемлемая цена.

Функционал Tableau Public показался слишком сложным для наших задач, а интерфейс запутанным. Google Data Studio больше приспособлен для анализа эффективности рекламных кампаний. Пока остановились на Power BI как самом подходящем по параметрам и несложном в использовании.

Реализация в дашборде

Excel-таблицу с данными загрузили в Power BI. Таблица должна быть структурированной, без объединённых ячеек. Столбцы — это категории (ФИО, дата выхода, отдел, грейд и т.п.), а строки — значения (информация о сотрудниках).

В пространстве Power BI мы манипулируем данными с помощью формул и функций на языке DAX. Это функциональный язык, похожий на формулы для Excel. Он не слишком сложный для освоения, познакомиться с базой и основными типами формул можно в справочнике.

Чтобы видеть актуальные данные, дашборд надо постоянно обновлять. Переименовывать уже задействованные категории (столбцы) нельзя, но можно добавлять новые, с новыми данными о сотрудниках. Сейчас мы работаем с единственной таблицей, еженедельно выгружая её в дашборд.

Что видно на мониторе

Ниже основные мониторы, с которыми мы работаем.

Жизненный цикл. Lifetime показывает средний срок работы сотрудника в компании. Можно по отдельности наблюдать lifetime работающих, уволенных и ушедших по своей инициативе. В наших интересах, чтобы перспективные ребята проработали с нами как можно дольше, а не заинтересованные поскорее выбирали компанию своей мечты. Чем скорее мы по совокупности критериев поймём, что не подходим друг другу, тем лучше.

Тогда, в конце 2018, мы забили тревогу и поспешили заняться оздоровлением ситуации в команде. Сейчас монитор показывает: по сравнению с 2019 средний «срок жизни» сотрудника вырос на 5 месяцев.

Медианный «срок жизни» сотрудника сейчас год и 6 месяцев. Планируем повысить его до 2 лет.

Движение персонала и уровень текучести. Движение персонала показывает, как меняется количество сотрудников в каждом отделе, бизнес-юните и в Redmadrobot в целом. Можно проследить, сколько людей работало в компании в конкретный месяц, квартал и год.

Уровень текучести показывает, на сколько процентов обновляется коллектив за конкретный период. Мы привыкли держать высокую планку «качества» сотрудников и подозревали, что текучесть в компании выше условно средних 3-6%. Аналитика это подтвердила, но также показала, что последние три года текучка стабильно снижается на фоне прироста количества сотрудников и снижения числа увольнений.

Сравните октябрь 2017, 2018 и 2019 годов. В 2019 мы молодцом.

Раскладка данных по месяцам показала самые «горячие» месяцы оттока: февраль, май и октябрь. Теперь внимательнее работаем с теми, кто «на грани кризиса» и тщательнее планируем найм.

Конверсия роста. Таблицы с данными о повышениях сотрудников показали, насколько наши ребята росли в грейде. Например, за 2019 в компании суммарно на 14% выросло число синиор- и лид-позиций. Старшим надо передавать опыт молодому поколению. Значит, в 2020 будем больше гастролировать с докладами, преподавать и проектировать новые стажировки.

Четверть сотрудников получила повышение в 2019. И другие подробности

Уровень настроения и качество работы. Коэффициенты Mood Average и Performance Reason показывают, как сотрудники себя чувствуют и как выполняют свою работу.

В отзывах коллеги оценивают работу сотрудника по четырёхбалльной шкале, где «4» — отлично, «3» — хорошо, «2» — нормально, «1» — плохо. Если сотрудник ставит оценку ниже «4», ему нужно объяснить свой выбор на конкретном примере.

Самые распространённые причины плохих оценок — низкое качество и скорость работы, токсичность (создание дискомфортных условий для работы окружающих) и «плохой фидбек» — т.е. кейсы, когда сотрудник показывал себя в задачах не с лучшей стороны. Чем больше раз коллеги негативно оценили сотрудника в одной, двух, трёх или четырёх категориях, тем выше коэффициент по каждой причине и по всем вместе. Отметим, что причина «плохой фидбек» самая сложная для интерпретации, поэтому HR-ы относятся к ней с особым вниманием и стараются не допустить предвзятых оценок.

Примеры значений Performance Reason и Mood Average. Слева — отзывы коллег о качестве работы: 1 отзыв о токсичности и медлительности, 2 плохо выполненных задачи и 3 примера неконструктивного поведения. Справа — 3 веские причины для грусти: работник перегружен, есть проблемы на проекте, и не видит возможностей для развития.

Уровень настроения сотрудника формируем из 3 факторов: загрузка, ситуация на проекте и возможности развития. Значения «Да»/«Нет» собираем по отзывам ментора и результатам ассессмента, где сотрудник сам рассказывает о своей работе.

Сводная диаграмма показывает индивидуальные значения настроения и успехов для каждого сотрудника, а также отображает средние значения по отделам, бизнес-юнитам, городам и по всей компании.

«Горящие роботы» (все имена изменены). Вверху «грустные» — кому пора в отпуск. Внизу «плохиши» — кто получил низкие оценки от команды. Столбец справа — сколько дней длится состояние.

Так как каждую метрику и показатель мы сегментируем по периодам, грейдам и отделам, то кроме статистики обнаружились неочевидные корреляции. Например, как продолжительность и дата последнего отпуска влияют на настроение и качество работы.

Вроде бы и так ясно: грустит тот, кто давно не был в отпуске. Но теперь мы получили доказательства в цифрах. Взяли данные по увольнениям и отпускам и увидели, что 6 месяцев и больше без длительного отдыха — критический срок, после которого сотрудник испытывает сильное недовольство вплоть до желания уволиться. За отпуск приняли 5 дней отдыха и больше.

Синие столбцы показывают, сколько ушедший от нас сотрудник не был в отпуске.
Горизонтальная шкала — ушедшие сотрудники.
Полгода без отпуска — и человек готов послать работу к чёрту. И так будет с каждым (ну, почти).

Впрочем, отдых хотя и сказывается на плохом настроении, но не является его единственной причиной. Важно следить за уровнем загрузки, ситуацией на проекте, отношениями с командой, качеством взаимодействия с ментором и руководителем.

Ещё мы обратили внимание, что для разных грейдов отличается средний «критический» срок с момента последнего отпуска до увольнения. Так, джуны выдерживали в среднем 6,5 месяцев без отдыха, мидлы оказались самыми стойкими и продержались 7,5 месяцев, а синьоры — 5,6 месяцев. Будет ли корреляция повторяться, нам ещё предстоит выяснить, но картина стала предсказуемее.

Монитор помог отследить тех, кто находится в зоне риска. На момент написания этого текста таких оказалось семеро — давно не были в отпуске и, очевидно, уже не в восторге от работы. Отправим их отдыхать как можно скорее.

Зарплата. Диаграмма показывает, как росла зарплата специалиста в целом и за выбранный период. Например, чтобы принять взвешенное решение о повышении и увеличении зарплаты, в дополнение к зарплатной таблице можно увидеть динамику роста сотрудника в грейде, результаты пройденных ассессментов и фидбек команды. А подгрузка информации о рыночной вилке помогает нам поддерживать зарплаты на уровне рынка и своевременно корректировать бюджет.

Увольнения в деталях. Один из самых интересных дашбордов — визуализация увольнений. Мы можем видеть самые частые и самые редкие причины уходов. Можем детализировать их по периодам, грейдам, отделам и бизнес-юнитам — и заметить тенденции. Например, куда и на какие позиции переходят бывшие сотрудники, какие компании занимаются агрессивным хантингом.

Грейды сотрудников и типы компаний, куда они уходили. Сиреневый — на аутсорс; синий — в продукт; розовый — в стартап.

Практически все джун-специалисты переходят в продуктовые компании. В аутсорс-разработку уходит примерно одинаковый процент мидлов и синиоров, а по количеству переходов в стартапы синиоры обходят мидлов практически вдвое. 100% наших бывших старших дизайнеров ушли в стартапы, а вот из старших разработчиков — не больше половины.

Как сложилось будущее наших «бывших»

Также мы видим, переходят ли бывшие сотрудники в другую бизнес-отрасль — как по компании в целом, так и по грейдам, отделам и городам. На картинке выше видны предпочтения наших «бывших» за 2019 год: в тренде интернет-платформы, а телеком и банки — не очень.

Реже всего решаются уходить джуны и синиоры. Самая большая текучка у мидлов — и не только потому, что их численно больше. Они уже нагуляли аппетит попробовать свои силы как-нибудь ещё, но не очень хорошо знают ситуацию на рынке и часто принимают эмоциональное решение перейти в другую компанию. В то время, как синиоры давно в индустрии и знают все подводные камни, поддерживают контакты в других компаниях и могут узнать всё необходимое об условиях ещё до оффера.

От статистики к прогнозированию

Самое полезное, что дала нам визуализация статистики — не только HR-ы, но и руководители отделов, юнитов и топ-менеджмент могут видеть данные и детализировать их до нужного уровня. Каждый в реальном времени может видеть закономерности, прогнозировать возможные проблемы, строить гипотезы и принимать аргументированные решения.

Я спросила своего руководителя, HR-директора Настю Зальцман, помогает ли статистика лично ей. Вот её ответ: «Я вижу рабочие процессы в цифрах и могу лучше разобраться, что и как в них можно изменить. А также почему конкретный человек не справляется с задачами. Допустим, в моём отделе 4 ведущих менеджера и 8 мидлов, а джунов и стажёров нет. Скорее всего, кто-то из этих четверых скоро «наденет корону» или будет считать, что достиг потолка и пора уходить. Быть старшими наставниками им не для кого, из простейших задач они уже выросли, но и руководителями всем четверым не стать. А в спину уже дышат мидлы. Не самая здоровая ситуация. Чтобы подобное не произошло, мы следим за диаграммами по отделам и юнитам и видим, каких специалистов нам не достаёт, кто уже вырастает из своей позиции и может заняться, например, развитием R&D-направления или начать преподавать».

Мониторы показывают:

  • Уровень настроения и качества работы по отделу и компании.
  • Сколько в среднем работает специалист в компании.
  • Как меняется жизненный цикл сотрудника из года в год.
  • Прирост сотрудников и уровень текучести.
  • Самые частые и редкие причины увольнений.
  • Доли «плохишей», которые реабилитируются и которыми мы прощаемся.
  • Количество и процент уволившихся и уволенных.
  • Сколько не прошли онбординг (ушли в 1-3 месяц).
  • Сколько выросли в грейде, как меняется конверсия из года в год.
  • Рыночную зарплатную вилку для каждой позиции.

Мы не ставили такой цели, но увидели:

  • Оптимальную частоту отпусков.
  • В какие месяцы люди чаще увольняются.

Можем прогнозировать:

  • Периоды в году, когда уходит больше сотрудников.
  • Когда сотруднику пора в отпуск (на основании уровня настроения, даты и продолжительности последнего отпуска).
  • «Критические» времена для сотрудника.
  • Как будет меняться настроение и эффективность сотрудника, отдела, компании в ближайшее время.
  • Как управлять кадровым резервом.
  • Как строить планы развития для отделов.
  • Как держать отделы в окупаемости и каких специалистов будет не хватать.

Сейчас мы на этапе анализа данных и делаем попытки прогнозов по отделам, бизнес-юнитам и локациям. Теперь, когда у Redmadrobot 6 офисов в разных городах, включая несколько юнитов с разной структурой, сравнивать данные и отслеживать тренды стало ещё интереснее. Не будем на этом останавливаться и в ближайшее время займёмся юнит-экономикой. Попробуем посчитать Employee Lifetime Value и оценить потенциальный и фактический вклад сотрудника / команды / юнита в компанию.

Если тоже хотите отслеживать жизненный цикл сотрудников

 

  • Опишите все процессы работы HR-отдела.
  • Объясните коллективу цель и методику сбора обратной связи. Собирайте фидбек 360, оценивая не качества сотрудников, а их действия и профессиональные компетенции. Так сможете избежать предвзятости.
  • Внимательно слушайте людей, перепроверяйте негативную и подозрительную информацию. Проблемы чаще возникают не от «плохих» людей, а из-за «больных» процессов.
  • Собирайте отчёты по одному стандарту в единую базу данных (например, таблицы).
  • Продумайте категории и выгрузите данные по ним в визуализатор.
  • Наблюдайте картину в целом, картину в деталях, стройте гипотезы и проверяйте.

Юля Степашкина
HR-аналитик, полтора года в Redmadrobot.