Искусство видеть глубже: таланты компании сквозь призму аналитики

Ольга Мондрус
Кандидат наук по менеджменту (Ph.D., НИУ ВШЭ). M.Sc. in Computer Science (МГУ им. Ломоносова). Data Scientist, выпускница программы Y-DATA Advanced Data Science. Эксперт по аналитике талантов и HR-аналитике. Исследователь, data scientist in organisational behaviour, Тель-Авивский университет. Преподаватель программы повышения квалификации «HR-аналитика: продвинутый уровень»

Прогнозирование результативности сотрудников — одна из ключевых задач современной HR-аналитики. Не менее половины бизнес-определений таланта связаны с результативностью, а другая половина — с потенциалом. При этом потенциал сотрудников в организации зачастую измеряют через их же результативность. Компании активно ищут и конкурируют за «звёздных» сотрудников, однако идентификация таких специалистов остаётся одной из самых сложных и неочевидных задач.

Стремясь выбрать лучших, компании внедряют сложные процедуры оценки и стараются найти самые точные метрики. Обнаружив с их помощью потенциальные таланты, бизнес готов инвестировать в них все доступные ограниченные ресурсы: обучение, полномочия, время руководителей на развитие, команды подчинённых — всё, что, по мнению компании, поможет этим сотрудникам достичь ещё более высоких результатов.

При этом нет гарантий, что эти инвестиции действительно помогут сотруднику расти или хотя бы сохранять прежний уровень результативности? Несмотря на этот открытый вопрос, именно такой подход лежит в основе стратегии отбора талантов и распределения ресурсов в большинстве компаний.

Система, предложенная Джеком Уэлчем, основана на дифференциации персонала по принципу 20/70/10:

• 20% — это «звёзды», лучшие сотрудники;

• 70% — середняки, составляющие костяк коллектива;

• 10% — наименее эффективные работники.

Основные ресурсы и поощрения направляются в пользу первых 20% лучших специалистов (исходя из предположения, что мы точно определили их по результативности). При этом с нижними 10% наименее результативных сотрудников компания расстаётся на регулярной основе.

А что, если настоящий талант — это не тот, кто уже демонстрирует высокие результаты, а сотрудник, стабильно работающий на среднем уровне, но способный на настоящий прорыв, получив необходимый ресурс? Именно в этом и заключается подлинное понимание потенциала. Однако бизнес редко оценивает его таким образом, и причина — в неприятии риска. Вложения в «темных лошадок» сопряжены с неочевидной отдачей, и пока никто не доказал, что такая стратегия окупается.

Чтобы наглядно показать компаниям, где происходит потеря результативности, мы строим модель на основе кривых обучения и проверяем несколько стратегий отбора талантов при ограниченных ресурсах:

• Оптимальная стратегия: инвестиции в тех, кто лучше всего реагирует на дополнительные ресурсы.

• Стратегия лидеров: поддержка тех, кто показывает наилучшие результаты сейчас.

• Эгалитарная стратегия: равное распределение ресурсов независимо от текущей результативности.

Применяя нелинейную регрессию, мы получаем следующие результаты:

• При распределении ресурсов только между текущими «звёздами» потери общей результативности компании составляют 2–4% по сравнению с оптимальной стратегией.

• При «распределении по Уэлчу» (20% лучших получают максимум, 70% — остатки, 10% — ничего) потери достигают 10–12%.

• При равномерном распределении ресурсов между всеми сотрудниками организация теряет до 20% совокупной результативности.

Эти проценты — прямые финансовые потери, которые организация несёт из-за выбора неоптимальной стратегии распределения ресурсов.

Исследование опубликовано в журнале Scientometrics: «Managing academic performance by optimal resource allocation».

Вот почему так важно выходить за рамки устоявшихся метрик, чувствовать данные и понимать контекст организации.

На программе повышения квалификации «HR-аналитика: продвинутый уровень» мы выходим за пределы стандартных подходов. Помимо вопроса «как?» мы ищем в данных ответ на вопрос «почему?» — тот самый инсайт, который часто ускользает при привычном взгляде на вещи.