Все идеи цифровой трансформации базируются, прежде всего, на аналитике, и сфера HR не исключение. Чтобы грамотно рассчитывать эффективность работы, необходимо регулярно собирать, обрабатывать и анализировать большие объемы данных. Как внедрение искусственного интеллекта помогает работе кадровой службы?

На сегодняшний день роботизация и цифровая трансформация — это не только широко обсуждаемый тренд, но и процессы активного внедрения передовых технологий во многие области нашей жизни. В отрасли HR они находят наиболее широкое применение в рамках проектов по поиску и найму рядовых сотрудников, доля которых в крупных компаниях составляет примерно 80%. Цель данных процессов — автоматизация рутинных операций, исключение монотонного ручного труда, сокращение ошибок, вызванных человеческим фактором. В первую очередь это нужно для того, чтобы как у высшего руководства, так и у основного персонала оставалось больше времени для творческой работы и аналитики — тех креативных и интеллектуальных ролей человека, которые никогда не заменят машины.

Технологии искусственного интеллекта и бизнес-аналитики помогают принимать правильные и эффективные решения на основе ценных статистических данных. И современные условия, которые диктует нам бизнес, не позволяют ограничиваться сбором информации в однообразных Excel-таблицах, долго ждать, когда документ загрузится, и печалиться, если этого так и не произошло.  Вместо этого современные BI-средства предоставляют возможность быстро получать визуализированную информацию по четко заданным критериям и принимать верные и оперативные управленческие решения.  Действительно, за аналитикой и ее практическим применением очень большое будущее. Мы живем с вами в мире, где ежегодно количество информации растет в геометрической прогрессии, в эру перехода к цифровой экономике, поэтому компании, которые не будут диджитализированы, перестанут существовать на рынке.  

Человеческий капитал

Произошла переоценка ценностей в системе компетенций HR-специалистов. Если раньше успешным сотрудником считался тот, кто быстро реагирует на возникающие проблемы и решает их, то на сегодняшний день в приоритете будет тот, кто умеет эти проблемы предвосхищать и предпринимать упреждающие действия.  Например, нужно уметь определять, подойдет ли тот или иной кандидат, сможет ли он эффективно работать в компании, как предсказать увольнение, определить правильные способы мотивации, получить оценку потерь компании и т.д. Поэтому современные технологии анализа данных станут незаменимым инструментом работы кадровой службы.

Также многие компании столкнулись с проблемой изменения мотивации персонала. На смену поколению X активно приходят Y и Z со своими специфичными системами ценностей. То, что вдохновляло людей 2-3 года назад, сегодня уже не работает.

Понять, что мотивирует людей, узнать причины их поведения можно по цифровому следу, анализируя его и разрабатывая эффективный индивидуальный подход к каждому сотруднику. 

Digital HR

Внедрение ИИ преображает работу сотрудников службы управления персоналом. Она не пропускает по невнимательности ценных соискателей и не отсеивает их по каким-то личным причинам. К анализу можно подключать данные из соцсетей, которые важны и для оценки кандидата, и для последующей адаптации сотрудника в компании.

Применение данных технологий в HR-процессах позволяет исключить человеческий фактор и уменьшить субъективные оценки. В цифровой профиль конкретной вакансии загружаются резюме эффективных сотрудников, система анализирует их, выводит критерии эффективных работников и на их основе делает подборку кандидатов из баз данных «работных сайтов».

Например, если мы ищем человека на вакансию «продавец», то важно определить уровень его социальной активности, наличие увлечений, число социальных связей и т.д. Общительные люди с интересными хобби, активным образом жизни имеют больше шансов быть интересными для окружающих и обладают более развитым эмоциональным интеллектом, что крайне важно для продавца.

HR-специалисту потребуется сравнительно больше времени на создание подобной выборки. Вместе с тем это позволит рекрутеру контролировать работу системы, анализировать отобранные резюме и отсеивать неподходящие. Таким образом модель будет самообучаться и постепенно улучшать качество поиска. Важным фактором является еще и то, что в цифровую эпоху HR-сервисы должны быть адаптированы под мобильные устройства, так как это определяет скорость и удобство работы. 

Сеть зоомагазинов

Компания заказчика столкнулась с тем, что при достаточно активном росте сети начал увеличиваться коэффициент текучести. Стало увольняться гораздо больше людей, при этом всплески ухода были абсолютно не прогнозируемы. Сложно было выявить причины, основываясь только на субъективном понимании ситуации, кроме того, потребовались значительные ресурсы для найма нового персонала. Рекрутеры были загружены, все попытки добиться от них объяснения ситуации не приносили результатов, потому что им срочно нужно было заполнять вакансии и на то, чтобы думать, почему так происходит, у них просто не оставалось времени.

Внедрение аналитической системы позволило HR-специалистам видеть статистическую информацию не только в виде стандартных Excel-таблиц, но и в 1-2 клика создавать визуализацию данных по запросу. Например, стало возможным получать ответы на вопросы «сколько людей уволилось?», «в каких регионах это происходит?», «как они распределены по возрасту и образованию?» в виде наглядных информационных панелей. Получив этот инструмент, удалось быстро и просто выявить зону риска — уходили люди с высшим образованием, определенной возрастной группы, не имевшие ранее значительного опыта в сфере продаж. Соответственно HR-служба стала обращать внимание на данный портрет соискателей и не отдавала им предпочтение. В ходе дальнейшего более глубокого анализа удалось выяснить, что в компании проводилось очень мало слаженных мероприятий по адаптации, а это один из важнейших факторов удержания персонала в компании.  

Агропромышленный холдинг

Необходимо было наладить систему контроля за сотрудниками кадровой службы в удаленных филиалах. Количество открытых вакансий со временем становилось все больше, а еженедельные летучки, на которых выяснялось, почему ситуация не меняется, проходили очень долго, но делу не способствовали.  

Потребовалось дополнительно автоматизировать процесс подбора персонала, чтобы фиксировать, какие заявки размещены, сколько по ним откликов, сколько проведено собеседований. Таким образом, появились аналитические метрики, позволившие понять, кто из HR-специалистов наиболее успешен, кто быстрее закрывает вакансии, чьи сотрудники работают дольше и лучше, а кто показывает меньшую эффективность и может покинуть компанию.

Федеральная аптечная сеть

Аналитика решает вопросы, связанные с мотивацией персонала. В кейсе крупной федеральной аптечной сети аналитическая система помогла контролировать рабочее время сотрудников. Это очень распространенная проблема, когда работник открывает аптеку, например, не в 9:00, а в 9:05 и уходит на 5-10 минут пораньше. Если же собрать статистику, то выяснится, что таким образом теряется до 10% фонда рабочего времени, за которое выплачена полная зарплата и не получена возможная выручка. Эта проблема была решена простыми инструментами мониторинга, с помощью которых аптеки стали открыватся и закрываться с онлайн-информированием территориального менеджера, что позволило значительно улучшить операционные показатели.

Также проводимый анализ позволил увидеть, как распределяются продажи, например, в зависимости от того, сколько касс работает, а на основе этого принимать решение о том, оставлять кассу открытой или закрывать ее. Подобного рода инструменты позволяют обосновывать на цифрах многие рабочие процессы, а также осуществлять расчет дополнительных бонусов в конце дня. Это позволяет растить эффективных и умелых сотрудников, готовых подстраиваться под изменения.

Аутстаффинговая компания

Заказчик — аутстаффинговая компания, которая предоставляет услуги низкоквалифицированного персонала: грузчиков, кладовщиков, работников зала — для крупных ретейлеров. Процедура поиска работников основывалась на обзвоне имеющейся базы людей. По мере роста бизнеса и расширения самой базы сотрудники кол-центра перестали справляться.

Для решения данной проблемы была реализована аналитическая модель, которая позволяла отбирать контакты, до которых с большей вероятностью можно дозвониться. Система выбирала определенное количество номеров, совершала автодозвон, и, когда на звонок отвечали, он переводился к специалисту кол-центра. Таким образом получилось максимально обеспечить сотрудников работой, они не тратили время на ожидание. В дальнейшем модель была дообучена, и она стала отбирать не просто те контакты, до которых можно дозвониться, а те, которые с наибольшей вероятностью примут предложение о работе. В итоге применение этих методов позволило при неизменной численности кол-центра увеличить эффективность по найму персонала в разы.

Автор:

Станислав Воронин

Руководитель отдела внедрений BI-систем компании Softline

Stanislav.Voronin@softline.com