Опросы или большие данные - что эффективнее?
В последнее время часто приходится слышать о том, что большие данные (big data) и машинное обучение рассматриваются в качестве основного нового инструмента предиктивной аналитики в HR. С помощью этих технологий вероятно можно будет предсказывать вовлеченность, делать прогноз увольнений и т.п.
Причем, как это всегда происходит с хайповыми темами, слов значительно больше реальной практики, подкрепленной цифрами.
Любопытная статья в Harvard Business Review, написанная главным HR аналитиком Facebook, посвящена опросам сотрудников. Основная идея статьи - несмотря на хайп про big data, опросы все еще самый эффективный и надежный (и недооцененный) способ анализа вовлеченности.
Несколько любопытных фактов из статьи:
1) Ответ на вопрос "Сколько вы еще намерены оставаться в компании" в опроснике предсказывает вероятность увольнения в 2 раза точнее чем лучшее на рынке решение, построенное на больших данных и машинном обучении
2) Сам факт участия или не участия в опросе говорит о многом. Вероятность ухода из компании в ближайшие полгода сотрудника, не заполнившего опросник, в 2.6 раза выше чем для сотрудника, заполнившего опрос.
3) То, какие на вопросы отвечают сотрудники, влияет на их поведение. Когда для части сотрудников в опросник включили вопрос о том, как именно они лично были вовлечены в улучшение рабочей среды, они начали активнее (на 12%, по сравнению с теми кому этот вопрос не задавали) обращаться к дополнительным информационным ресурсам по теме.
Выводы которые мы в Websoft делаем для себя:
- Функциональность опросов в TMS системе остается очень важной и ее надо развивать. Много мы уже сделали (адаптивные опросы, анонимные опросы, участие в опросах с мобильных устройств и из мобильного приложения, ...), но нужно делать еще больше (очередной апдейт планируем в конце сентября)
- Необходимы механизмы для оперативного анализа взаимосвязи между бизнес-показателями, рассчитываемыми в системе и результатами опросов (также работаем над этим)
- Необходимы инструменты для A/B экспериментов - когда можно проводить разные версии опросов для различных групп и автоматизировать анализ взаимосвязей и различий для разных версий опросников
Причем, как это всегда происходит с хайповыми темами, слов значительно больше реальной практики, подкрепленной цифрами.
Любопытная статья в Harvard Business Review, написанная главным HR аналитиком Facebook, посвящена опросам сотрудников. Основная идея статьи - несмотря на хайп про big data, опросы все еще самый эффективный и надежный (и недооцененный) способ анализа вовлеченности.
Несколько любопытных фактов из статьи:
1) Ответ на вопрос "Сколько вы еще намерены оставаться в компании" в опроснике предсказывает вероятность увольнения в 2 раза точнее чем лучшее на рынке решение, построенное на больших данных и машинном обучении
2) Сам факт участия или не участия в опросе говорит о многом. Вероятность ухода из компании в ближайшие полгода сотрудника, не заполнившего опросник, в 2.6 раза выше чем для сотрудника, заполнившего опрос.
3) То, какие на вопросы отвечают сотрудники, влияет на их поведение. Когда для части сотрудников в опросник включили вопрос о том, как именно они лично были вовлечены в улучшение рабочей среды, они начали активнее (на 12%, по сравнению с теми кому этот вопрос не задавали) обращаться к дополнительным информационным ресурсам по теме.
Выводы которые мы в Websoft делаем для себя:
- Функциональность опросов в TMS системе остается очень важной и ее надо развивать. Много мы уже сделали (адаптивные опросы, анонимные опросы, участие в опросах с мобильных устройств и из мобильного приложения, ...), но нужно делать еще больше (очередной апдейт планируем в конце сентября)
- Необходимы механизмы для оперативного анализа взаимосвязи между бизнес-показателями, рассчитываемыми в системе и результатами опросов (также работаем над этим)
- Необходимы инструменты для A/B экспериментов - когда можно проводить разные версии опросов для различных групп и автоматизировать анализ взаимосвязей и различий для разных версий опросников
