#Афиша октября
(Мероприятия про аналитику, автоматизацию и смежные сферы)

🗓 04 окт. 2022
Цифровизация в HR от CNews
ссылка

🗓 06 окт. 2022
HR IT Day от ЁФормула
https://it-forums.ru/

🗓 13-14 окт. 2022
Саммит HR-директоров
https://hrsummit.ru/

🗓 26 окт. 2022
HR IT DAY 2022 от Tadviser
ссылка

🗓 27 окт. 2022
Business & IT Day
https://businessitday.ru/hr

🗓 27 окт. 2022
PRO Подбор All Hands
https://hrmost.club/

🗓 26-28 окт. 2022
HR Digital 2023 от IMC
https://i-m-c.ru/hr-digital-2023/

🗓 28 октября 2022
Synergy HR Forum
https://synergyhr.ru/


Хотя еще и в сентябре осталось много интересного:
https://t.me/whrdata/441

250+ HRTech и WorkTech решений от @whrdata и @hrtechru

Подбор персонала:
https://t.me/whrdata/319

Обучение и развитие:
https://t.me/whrdata/365

Оценка и проведение опросов:
https://t.me/whrdata/495

Льготы и бенефиты:
https://t.me/whrdata/330

Админ, самозанятые и организация рабочего пространства:
https://t.me/whrdata/508

Разрезы для анализа, ч.4

Завершаю серию постов про разрезы данных

См. ранее в Часть 1, Часть 2, Часть 3

12. Позиции, появившиеся в текущем году или перешедшие с прошлого года (для оценки заполненности и исполнения планов, озвученных во время бюджета при обосновании ввода должностей)

13. Штатная численность / нештатная (аутсорс/партнеры, самозанятые, ГПХ и т.п.)

14. Бюджетные / Внебюджетные (или бюджет OPEX / бюджет CAPEX) в случае целенаправленной работы по сокращению расходов и, например, создания капитализируемых продуктов

15. По cost-центрам, ЦФО, центрам затрат (может пересекаться с 14 и/или быть более детальным, может полностью или частично пересекаться с п.1 в части 1)

BI-системы

Сегодня немного про технологии, длинно.

HR-ы вечно хотят, чтобы у них была универсальная HRIT система, которая и процессы обеспечит, и аналитику предоставит, и взыскательный пользовательский запрос удовлетворит.
А аналитики постоянно говорят про BI-системы)

Почему так? Давайте разбираться.

Дело в том, что HR-система и Аналитическая система – это системы разного класса.

HR-системы в подавляющим большинстве – это транзакционные системы, т.е. системы, разработанные для быстрой отработки ввода данных  в реальном времени, небольших по размерам транзакций, но идущих большим потоком.

BI-системы – это аналитические системы для обработки данных в реальном времени, это такая технология обработки данных, когда информация агрегируется из больших массивов данных, структурируется и выдается в подготовленном виде.

Это можно сравнить с работой мозга.

Транзакционный подход – это когда вы едете в транспорте, а у вас в голове бесконечный поток мыслей на десятки тем ("построчный ввод"): погода, реклама, отпуск, как ребенок, скоро зарплата, кредит, билеты, кружок, плавание, что на ужин, зайти в магазин, заказать платье, какой день, отпуск мужа и т.п.

Аналитический подход, это когда вам надо сесть и подумать. В этом случае вы раскладываете свои мысли «по темам» («по столбцам»)
Бюджет: придет зарплата, оплатить кредит, оплатить кружок, заказать платье и т.п.
Отдых: спланировать отпуск, согласовать даты с мужем, купить билеты и т.п.

Так вот, невозможно одновременно быть хорошим и в том и в другом, что-то всегда будет отставать (или это будет очень-очень дорого 😊)

Визуализация

Подсмотрела в презентации HappyJob прикольную фишку:

выделение ключевого слова фигурой "волна" или "двойная волна"

Как сделать в Power Point:
Вставка => Фигуры => Звезды и ленты

HR-дашборд в промышленности

Обещанный кейс группы компаний «Норильский никель» с конференции «Технологии и будущее» 14.09.2022

Самое крутое в этом решении то, что это оно может максимально помогать бизнесу (то, как мы любим и очень всегда говорим).

При этом в его основе самый простой HR-показатель какой может быть - план/факт по численности.

Почему это важно?
На производстве большая численность и, соответственно, большое количество внеплановых отсутствий, а это потери рабочего времени. Для бизнеса это потери "рук" на смене, потеря времени, потери в добыче и потери в производительности.

Кстати, коллеги используют несколько разных показателей численности:
* плановая численность
* списочная явочная численность
* плановая явочная численность
* фактическая явочная численность
и отклонения фактической от плановой в количестве и в %

Вообще, этот кейс мне очень сильно напомнил мою работу в рознице и наши задачи по комплектованию ресторанов, постоянные подработки сотрудников между ресторанами, отслеживание прохождения обязательных производственных тренингов и актуальности анализов в ЛМК.

Описание кейса тут:
https://telegra.ph/Proizvodstvennyj-dashbord-09-20

HR-#Метрики нового времени...

Количество сотрудников, пребывающие в запасе, в том числе:
* по разрядам
* женщин

Количество сотрудников, получивших повестку

Количество сотрудников с приостановленными ТД / Количество позиций с приостановленными ТД

Количество сотрудников, на которых распространяется отсрочка, в т.ч.
* по профильному образованию
* по наличию детей
* по другим критериям

А также:
* Динамика увольнений мужчин до и после 21.09
* Динамика отпусков мужчин до и после 21.09

Начало отсчета количества увольнений по новым причинам

По-новому стали выглядеть:
* Количество мужчин / женщин
* Количество сотрудников с наличием / отсутствием высшего образования
* Списки критичных должностей…

Работа над качеством данных

При любом вводе данных есть ошибки, пробелы, неточности.
HR не исключение.
Одно из "слабых" мест в HR - это причины увольнений:

1. они могут быть не проставлены вообще
2. выставленная в системе причина может не соответствовать реальной ситуации (причем иногда это видно прямо из комментариев)

Наталья Любимова из Тинькофф в своей презентации на конференции рассказывала, что они для работы над качеством данных проводят с HR-ами квиз :)

Для этого коллеги делают рассылку по HR, которые вводят причины увольнений в систему, где предлагают определить причины по 20 описанным ситуациям.

"На основе твоих ответов мы сможем выявить типичные ошибки, чтобы улучшить справочник причин, а ты проверишь свой уровень мастерства по выбору конкретной причин на базе реальных кейсов"

Не знаю сколько HR вводят данные по причинам увольнений в Тинькофф, но из моего опыта в рознице - таких людей могут быть десятки, а отсутствующих причин - сотни, поэтому квиз для повышения полноты данных кажется очень годной идеей.

пока коллеги из ЯндексПрактикума и OTUS готовят свои новые курсы по HR-аналитике, вспомним то, что есть уже готового:

1. HR-аналитика с 0 от Skillbox.
Обзор профессии HR-аналитика на 360°:
- все грани специальности, от работы с данными и процессами до AI в HR.
- преподаватели - только in house, с реальными кейсами из своей практики.
- простой и понятный стиль изложения, даже в модуле про статистику :)
+ 4 бонусных урока из курса по Excel
Ссылка на курс

2. Дашборд для HR
от Алексея Колоколова
- Обзор основных hr-метрик
- Практика построения дашборда: пошаговая сборка базового дашборда для hr своими руками.
- Лучшее соотношение цена/качество из всего что есть на рынке по этой теме для hr.
Ссылка на курс

3. HR-аналитика и автоматизация от Нетологии
тут подробностей не знаю, поэтому просто ссылка на курс

4. HR (Human resource) аналитик от Geekbrains (так и написано :)
ссылка на курс

Бенчмаркинг

Еще один популярный запрос на бенчмаркинг – «количество HR на 100 (1000) сотрудников»

Про другие запросы было тут:
Текучесть
https://t.me/whrdata/369
Производительность
https://t.me/whrdata/382
Доля ФОТ от выручки
https://t.me/whrdata/390

Что на это влияет?
* Численность компании
* Сфера деятельности компании /отрасль
* Количество HR-функций (например, есть выделенная аналитика? А орг менеджмент?
* Набор HR-функций (например, внутриком в HR или в PR? А расчет зп в финансах или HR?)
* Наличие (объем) других функций внутри HR (например, управление АХУ, секретариатом, командировками)
* Уровень автоматизации процессов (есть ИТ системы для HR или нет? одна единая или несколько разных?
* Связь с другими процессами и глубина их погружения (ИТ, ИБ, АХУ, финансы как влияют на объем задач в HR, скорость процессов и трудоемкость)
* Наличие/отсутствие процессов, выведенных на аутсорсинг
* Количество и объем проектов (есть/нет? выполняются своими силами или через подрядчиков?)
* Размер HR-бюджета (в т.ч. для возможности привлечения подрядчиков)
* Что-нибудь еще?..

Визуализация
на примере приемов/увольнений

Простая визуализация противоположных по смыслу данных на примере приемов / увольнений.

Можно сделать обычной гистограммой с разноцветными столбиками рядом, а можно сделать немного по-другому:

1. Отрицательные значения для увольнений
2. Расположить ряды ровно друг под другом:
Формат ряда данных =>
Перекрытия рядов – 100%,
Боковой зазор – 100%
3. Изменить формат подписей данных для отрицательных значений, чтобы избавиться от «минусов»

Кроме того, что это вносит разнообразие в стандартные изображения, но еще и занимает в 1,5 раза меньше места

#БылоСтало

#Заметки с XX C&B 2022 QUORUM CONFERENCE, 28 сентября, 1 день, про рынок ИТ специалистов в целом
(Как обычно, мой фокус на идеи про цифры и метрики, а не на выступления в целом)

Get Experts (exHays) Рассказали про результаты исследования соискателей и работодателей (свежесть - август):
* Как обычно последние лет 20, работодателям не хватает «кандидатов с нужной экспертизой», а для соискателей – «мало подходящих вакансий».
Интересно:
* 54% сотрудников работая в компании или активно ищут работу или готовы рассматривать предложения.
* У 77% кандидатов есть дополнительный заработок.
* Еще мне понравился формат постановки вопроса кандидатам: «что отталкивает при выборе работодателя?» (не традиционное «что привлекает?», а, от обратного, «что отталкивает», т.е. "из-за чего вы не готовы продолжать общение или принимать оффер?")

Сибур Диджитал, кейс про подбор и развитие брэнда работодателя:
* Разведение брэнда работодателя – Сибур и Сибур Диджитал
* Новые каналы коммуникации – мероприятия Sibur Digital Community, сериал на youtube (используют как welcome тренинг), хакатон Sibur Challenge
* Подбор – это не поиск самого лучшего, а Отбор – понять подходите ли вы друг другу
* OneDayDecision – договоренность с нанимающеми менеджерами о принятии решения по кандидату в течение 1 дня
KPI подбора:
* Сроки закрытия вакансий (по грейдам)
* Количество закрытых вакансий (офферы, выходы, в зависимости от сложности вакансий)
* Placement ratio - кол-во вакансий, которые закрыты к количеству вакансий, которые должны были быть закрыты
* Отток
Sibur Challenge – гораздо более имиджевое мероприятие, чем рекрутинговая. Конверсия очень низкая, выходы – единицы.

Росатом (тоже про привлечение ИТ)
* Отслеживают бенчмарки по привлекательности компании для ИТ (свое место среди промышленных компаний и среди всех), среди профессионалов и среди студентов (исследования ВЦИОМ, ЭКОПСИ, FutureToday, Challenge...)
* Отстроились от других через "Atomic ИТ-специалистов", т.е. специалистов, работающих на стыке науки и ИТ.
* Кейс с развитием коммуникаций через амбассадоров (метрики – охват, вовлеченность, переходы на карьерный портал)
* Метрики онлайн коммуникаций:
-охват (просмотры в онлайн),
-количество участников мероприятий,
-выполнение плана по набору цифровых специалистов,
-стоимость клика в сравнении со стоимостью клика по таргетингу общего брэнда)
* коэфф привлекательности как ИТ-работодателя

Альфа-банк,
про проектные премии
Виды показателей:
•  Объемные
•  Портфельные
•  Рейтинговые
•  Целевые
•  VOC (Voice of client)
Критерии установления шкал:
•  Текущий факт и история
•  Динамика показателя в будущем
•  Волатильность
•  Уровень амбиций по показателю

Годовые и квартальные отчеты

Период подготовки бюджета следующего года - это время анализа годовых трендов и макропоказателей.

У меня уже был ряд постов про #годовые_отчеты ранее.

Пара факапов с метриками:
Обучение в разрезе по полу
https://t.me/whrdata/30
Текучесть в разрезе по полу
https://t.me/whrdata/50

И один полезный пост про отчеты Microsoft:
https://t.me/whrdata/227

В этом году сконцентрируемся на:
* показателях по работе с людьми
* финансовых показателях
* других интересных моментах
годовых отчетов 2021 и, что сейчас особенно интересно, отчетов Q2 2022 👇

Годовые и квартальные отчеты, VK, 2022

Показатели про работу с персоналом

* Численность превысила 10000 чел
* Найм за год – 4000+ чел
* 63% гибрид, 32% удаленка, 5% офис
* Обучение: 280 учебных мероприятий, охват – 3500 сотрудников, средний NPS – 41%
* Оценка: 3500 сотрудников, 420 плана развития и удержания
* Онлайн обучение на внутренней платформе Стади: 7344 активных пользователя, средний DAU – 212 человек, в том числе:
•1 050 смотрели обучающие видео,
•2 725 читали статьи
•1 489 проходили онлайн-курсы.
* 2456 замечаний и идей в рамках внутреннего опроса NPS (не понятно по обучению или вообще)

Интересные моменты

В отчете 2021 года среди рисков были указаны 2 про людей:
1. Самозанятые
"понятие самозанятого лица является относительно новым в России... существует риск того, что российские налоговые органы попытаются переклассифицировать таких контрагентов в наших сотрудников, требуя уплаты соответствующих налогов"

2. Персонал.
"По мере усиления конкуренции в российской интернет-индустрии на бизнес и деятельность могут негативно повлиять трудности с наймом, мотивацией и удержанием высококвалифицированных сотрудников... Кроме того, даже если удастся сохранить достаточное количество высококвалифицированного персонала, заработная плата может значительно вырасти из-за конкуренции, что увеличит расходы"

И, похоже, второй риск начинает реализовываться.

Финансовые показатели

Доля расходов на персонал в выручке:
* 34% за 3 мес Q2 2022 vs 28% в 2021,
* 39% за 6 мес Q1-Q2 2022 vs 28% в 2021
* 27% за 2020 г., 28% за 2021 г.

Доля расходов на персонал в операционных расходах:
* 41% за 3 мес Q2 2022 vs 34% в 2021,
* 42% за 6 мес Q1-Q2 2022 vs 35% в 2021
* 33% за 2020 г., 36% за 2021 г.

Манипуляция данными #1
Неправильно выбранная визуализация

Иногда неправильное представление данных, в том числе и смысловое, и визуальное (умышленно или по незнанию) может привести к неправильным выводам и последующим действиям.

Например.

Утверждение: молодые сотрудники увольняются больше, чем сотрудники более старшего возраста.
И в подтверждении круговая диаграмма (см. рисунок слева) в подтверждение этого утверждения.
Убедительно? Вполне.
Еще и "подтверждено данными", как мы любим.

Но, если посмотреть на ситуацию шире и рассмотреть внимательно возрастной состав численности, то будет видно, что этих самых молодых сотрудников в разы больше, чем сотрудников более старшего возраста.
И если смотреть на их увольнения среди своей "группы", то картинка будет выглядеть совсем по другому (см. рисунок справа)

Работа с данными это не только расчеты и визуализация, но еще и критическое мышление и понимание контекста.

#Метрики оценки эффективности организационного развития
(Автор - Наталья Краснова)

1. Показатели численности и структуры персонала:
* Структура персонала по категориям, возрасту, образованию, стажу работы на предприятии
* Удельная доля управленческого персонала в общей численности
* Удельная доля административного персонала в общей численности

2. Показатели производительности труда:
* Производительность труда (выручка на 1 работника)
* Отношение роста производительности труда к росту средней заработной платы производственного персонала
* Объем инвестиционной программы на 1 работника
* Отношение среднегодовых зарплат на ремонт и эксплуатацию оборудования к численности персонала ремонтных и эксплуатационных подразделений

3. Показатели расходов на персонал:
* Доля расходов на персонал в выручке / прибыли / совокупных затратах
* Совокупные затраты на 1 работника
* Средний уровень заработной платы по категориям персонала
* Средний уровень социальных выплат
* Структура компенсационного пакета

4. Показатели качества персонала:
* Доля работников, владеющих смежными специальностями
* Доля работников, прошедших обучение
* Затраты на обучение / средний уровень затрат на обучение на 1 работника

Визуализация прозрачностью

Еще один пример того как можно разнообразить свои отчеты и презентации другими диаграммами, кроме вечных "столбиков".

Сравнение значений за 2 периода (или какие-то другие 2)

Диаграмма с областями
Обычно значения прошлого периода - "сзади", нового - "впереди"
Если оставить его в стандартном виде, то некоторые значения могут оказаться визуально перекрыты значения впереди.
Поэтому используем "прозрачность", например, 50%
Так намного лучше и все видно.

Еще 1 лайфхак, про подписи.
Подписи значений в этом типе графика в excel не отличаются разнообразием и делаются только в центре области.
Чтобы расположить их вверху, а, заодно, и выделить точки в месяцах более явно, можно сделать комбинированную диаграмму и показать одни и те же значения дважды: "диаграммой с областями" и "графиком с маркерами". Тогда  для подписей к графику больше вариантов размещения.

P.S. вообще, у диаграммы с областями, конечно, совсем другой смысл и она показывает площадь всей фигуры, а не отдельные 12 значений. Но кто же вспоминает про это в бизнес- реальности?)
Но вы просто знайте, что это так ;)

10.10
сегодня у меня день рождения 🌺🥂
Поэтому контентного поста не будет, а будет просто красивый микроколлаж)

Ну а лучший способ поздравить автора канала - поставить ❤️ и порекомендовать канал друзьям и коллегам :)

Берсин, заметки из материалов
"New Talent Intelligence insights", ч.1.

про организационную структуру и стратегическое планирование:

Помните концепцию
"Buy, Build, Borrow"?
Есть еще и другая:
4R - Recruit, Retain, Reskill, Redesign
(Найм, Удержание, Переквалификация, Изменение процессов)

4 стратегии закрытия вакансий в штатном расписании замещения ролей для выполнения работ в зависимости от скорости внедрения и скорости внедрения. (см. рис.)

И 2 интересных мысли "на подумать", для расширения горизонта мышления:

1. Как мы принимаем решение о закрытии штатной позиции?
Почему мы решили что эта позиция [должна быть закрыта штатным сотрудником и] не может быть закрыта gig worker-ом, проектом или другим бизнес решением?

2. Приводит наглядный пример влияния изменений  бизнес-процессов на организационную структуру: кардинально разная структура численности персонала в "обычном" и "диджитал" банке о том, что структура персонала очень сильно меняется с высокой доли сотрудников "первой линии" в сторону ИТ- и околопродуктовых ролей.

В оригинале он приводит цифры:
Typical retail and consumer banks have
* 55% of their employees in customerfacing positions.
* About 30% are in mid-office strategic roles,
* 15% are in IT, and
* 10% are in administration.

The digital bank competitors, however, are organized completely differently.
They have
* only 20% of their workers in front-facing roles;
* 15% in mid-office roles; and
* a full 55% in IT, operations, and
product design.
Their job titles, roles, and skills are completely different.

В своей операционной работе мы редко заглядываем так далеко и планируем на годы вперед, но иногда полезно отвлечься от ежедневных задач и посмотреть на картину более широко.

Манипуляция данными, #2
Формулировки для интерпретации данных

Если визуально посмотреть на динамику роста численности, то можно увидеть тренд и объяснить его:

"В данном случае мы видим, что хотя общий тренд за год и положительный, но на протяжении 6 месяцев численность сокращалась, и только начиная с июля пошел прирост”
- Корректно? - Да.

А можно написать наоборот:

“На графике мы видим, что несмотря на то, что в течение первой половины года роста численности персонала не наблюдалось, тем не менее тренд был положительный и начиная с июля удалось вывести разницу между приемами и увольнениями в плюс”.
- Корректно? - Тоже да.

Но чувствуете разницу в интерпретации?

См. также Манипуляция данными #1

#заметки с конференции Управление данными 2022 от «Открытых систем», 28.09.2022

Ассоциация Финтех.
Закат BigData.
Тренды работы с данными:
* Большие исторические данные становятся не только добром, но и злом:
- сложно поддерживать чистоту
- убрать предвзятость моделей
- тренды отраженные в них перестают работать, т.к. пользователи меняют свое поведение.

* Есть прогноз, что 70% организаций к 2025 году поменяют фокус с больших данных на малые:
- нужны более контекстные модели, более устойчивые и привязанные к бизнес-контексту.
- актуальна аналитика в реальном времени, быстро подстраивающаяся под запросы и контекст

* От коллекта (накоплений) к коннекту (интеграциям): нужно учиться комбинировать и делать миксы из данных разной природы

* Data Fabric (от слова «ткань», а не «фабрика»): подход когда не надо централизовывать данные, надо навести в них порядок там, где они есть изначально

Балтика.
Про поддержание актуальности данных.
Интересно было увидеть одновременно все, что может изменить данные.

Люди:
*Прием нового сотрудника/ Увольнение/ Смена должности

Инструмент:
*Изменения порядка работы
*Новая функциональности
*Методы контроля
*Правила формирования отчетности

Происхождение:
*Создание
*Архивирование
*Перенос
*Предоставление доступа

Обработка:
*Корректировка правил / фильтра / формулы
*Изменение времени обновления

Поиск (в каталоге):
*Ключевые слова
*Синонимы
*Бизнес-процесс
*Термин глоссарий

Название и компоненты:
*Добавление /удаление / переименование атрибутов

Сбер.
Построение корпоративного DWH/Big Data сообщества.
Кроме описания процесса интересны метрики :)
*Количество участников
(Есть границы роста. Отслеживаем ли отток? Важна ли динамика?)
*Охват = Количество участников / генеральная совокупность
* Вовлеченность = Количество активных участников / количество всех участников
(Подписаны на канал / Посещают онлайн-митапы / Выступили хотя бы 1 раз на митапе)
* Достижения (Видимые результаты деятельности)

Тинькофф.
Как в Тинькофф решили проблему поиска данных
Избранные цитаты пользователей:
«Поиск метаданных в Тинькофф – это искусство, ему нельзя научить»
«Хранилище в текущем виде непознаваемо для пользователей»

Основные сложности поиска данных:
* Неполнота документации (Документация ведется бесконтрольно, и ее качество на совести пользователя)
* Разрозненность данных (Огромное количество рабочих пространств, содержащих небольшие разрозненные частички контекста)
* Объем доступных данных (Самостоятельный поиск данных занимает часы или даже дни)

Как решали проблему: Каталог данных, Data lineage, удобный поиск и вот это все…
Решение на рынке не нашли и сделали свой продукт - Data Detective – каталог для непрофессиональных пользователей

Ключевые фичи:
* Полноэкранный поиск
* Полноэкранное дерево объектов
* Удобная карточка показателя / отчета
* Data Lineage

Метрики продукта:
* DAU, WAU, MAU и их динамика
* Структура пользователей (не только 46% ИТ, но и 54% бизнес)
* Отток с wiki (confluence), естесственный переток
* NPS

Tele2.
Self Service новой реальности.
Опыт переезда но новую BI систему в 2022 году
Центр компетенций по работе с данными и аналитикой это хорошо, но дорого. В команде ребят 6 человека, поэтому у них альтернативный путь – управляемый self service

Воронка выбора решения для перехода на новую BI:
40 "новых" BI на рынке ->
15+ решений посмотрели –>
9 пилотов –>
1 финалист (FineBI)

Параллельно приоритезировали отчеты с бизнесом (30 первого приоритета, 30 второго)
Приоритетные отчеты перенесла команда BI, остальные – сами пользователи

Еще были доклады от вендоров Visiology, Loginom, Arenadata и т.п., но это уже не так интересно как опыт бизнеса.