Вас уволит робот: почему сферу управления персоналом ждет революция
Борис Вольфсон,
директор по развитию HeadHunter
В ближайшие пару лет HR-решения любой сложности начнут принимать на основе чисел и математических моделей
Революции в бизнесе протекают незаметно: мы понимаем масштабы, уже активно пользуясь плодами перемен. Так было с интернет-рекрутментом в начале 2000-х, когда появились первые сайты с вакансиями, хотя самым популярном каналом поиска сотрудников оставалась пресса. Сегодня этот рынок, по нашим оценкам, достигает 5–8 млрд руб., а в ближайшие четыре года, по прогнозам Goldman Sachs, вырастет до 13 млрд руб. (около $182 млн по курсу 71 руб. за доллар).
Очередная, цифровая, революция сегодня назревает в сфере управления персоналом.
На пороге перемен
Чтобы понять, как и почему произойдет HR Digital-революция, стоит взглянуть на уже идущие изменения в средних и больших компаниях. Многие уже сделали первый шаг — автоматизировали процесс подбора персонала. Внедрение ATS (Applicant Tracking System — система управления соискателями) позволяет компаниям отслеживать соискателей на всех этапах отбора: от просмотра вакансии и отклика на нее до интервью и приема на работу. Так рекрутер понимает, по каким каналам (сайты, социальные сети, рекомендации сотрудников, ярмарки вакансий и т.д.) приходит больше успешных кандидатов и куда стоит вкладывать ресурсы.
В результате использования информационных систем у компаний накапливается множество данных. Их анализ и выработка решений на этой основе может стать следующим шагом для бизнеса.
Начальные уровни аналитики может организовать практически любая компания. Они представляют собой самые простые отчеты, которые делаются с помощью внешних систем, например рекрутингового сайта. Это могут быть отчеты по динамике откликов на вакансии, что позволит лучше узнать портрет «своих» кандидатов и обогатить этим знанием процесс подбора. Например, если ваши потенциальные кандидаты — «жаворонки», то, возможно, и рекрутинговую рекламу/ярмарки вакансий стоит в будущем скорректировать на более ранние часы.
Другой пример сравнительно простой аналитики в HR — статистика скорости закрытия вакансии. Она может помочь измерить эффективность работы рекрутеров и сравнить их эффективность. Более сложный для реализации инструмент аналитики — сведение данных из разных источников. Но самые интересные и полезные для бизнеса результаты можно получить при более сложных моделях и системах HR-аналитики. Например, многие компании, которые набирают молодых специалистов, часто используют в качестве критерия средний балл в дипломе. Грубо говоря, компания делает выбор, нужны ли ей «все знающие отличники» или «бойкие троечники». Связь между успехами в образовании и результатами работы можно численно анализировать и сделать подбор более эффективным для конкретной позиции.
HR c нечеловеческим лицом
Еще более интересные результаты дают современные методы машинного обучения. Компьютеры способны поддерживать принятие кадровых решений (а в дальнейшем и принимать решения) в различных областях HR: подсказать, кого из кандидатов взять на работу, кого повысить, кто может уволиться в следующем месяце и сколько это будет стоить компании. Все рекомендации будут делаться полностью на основе данных, которые соберет компания.
В рамках задач рекрутинга первым шагом будет ранжирование кандидатов (HR Scoring) на основе данных, которые имеются о кандидате, вакансии и компании. Ранжирование фактически представляет собой упорядочение соискателей начиная с самых перспективных. Критериями для ранжирования могут быть различные элементы резюме и вакансии: соответствие текста вакансии и резюме, зарплат, навыков. Гораздо эффективнее такие проекты могут быть реализованы при анализе данных не от одной, а сразу от множества компаний.
В качестве целевой метрики может выступать время работы в компании (чтобы уменьшить текучесть персонала) или эффективность (например, сумма продаж у сейлз-менеджеров). Как отразится на бизнесе компании, если без увеличения штата рекрутеров она начнет нанимать более эффективных менеджеров по продажам? Выручка наверняка пойдет вверх.
Машинное обучение применимо в любой сфере HR: от определения пути развития карьеры сотрудников, чтобы делать оптимальные повышения, до предсказания увольнений сотрудников, чтобы их удерживать. Например, можно не только предсказывать вероятность увольнения конкретного сотрудника в определенный промежуток времени, но и получить оценку потерь компании. Что для этого понадобится? Иметь максимальное количество данных о сотрудниках и их работе, а также историю повышений и увольнений. Современные алгоритмы могут проанализировать данные о сотрудниках и их действия на работе, выявить скрытые паттерны и обучиться делать предсказания на их основе.
Грядущие изменения серьезно изменят рынок HR-решений. С одной стороны, значительно повысится порог входа на рынок для провайдеров таких услуг, с другой стороны, работодатели-пионеры получат конкурентное преимущество. При этом сами решения будут сделаны по схеме «простой интерфейс» плюс «сложная логика и алгоритмы», когда весь анализ данных будет происходить незаметно для пользователя, а результаты — выдаваться в понятном виде. Такой подход значительно оптимизирует HR-процессы по затратам, скорости и количеству ошибочных решений.
Например, работодателю для поиска сотрудников уже недостаточно будет хорошей площадки с большой посещаемостью и качественной аудиторией. Ему понадобятся решения, которые смогут предсказать потенциал каждого откликнувшегося, найти «того самого». Все это сделает традиционные собеседования простой формальностью.
Точка зрения авторов, статьи которых публикуются в разделе «Мнения», может не совпадать с мнением редакции.
