Predictive HR –управление персоналом через …...333-2344721 ИТ 53 54 1...

Predictive HR – управление персоналом через прогнозирование

поведения сотрудников

Михаил Аветисов

12 августа, 2016 Public

Что такое прогнозная аналитика

© 2016 SAP SE or an SAP affiliate company. All rights reserved. 3Public

Прогноз поведения сотрудников: кто их них уйдёт?


Уйдёт?Уйдёт?

Уйдёт?

Уйдёт?

Уйдёт?


Построение моделей оценки вероятности увольнения

Задача

По историческим данным связать

известные данные о сотруднике с

фактом увольнения

По новым данным сделать прогноз

увольнения

ID Пол Возр Должн … atr n Ушёл

1 М 32 Нач.отд 60 000 НЕТ

2 Ж 25 бухг 45 000 ДА

Построение

Модель

Применение

ID Пол Возр Должн … atr n Уйдёт? Прогноз

1102 Ж 14 директ 120 000 ? 0,5

1103 Ж 121 ассистнет 25 000 ? 0,2

Профиль сотрудника для построения модели

Референсная дата для обучения

Прогнозируемое увольненеие

«Сегодня» – референс для прогноза

Профиль сотрудника для применения модели

Известное Увольнение


Теория Комплексной минимизации риска – основа Automated Analytics

Основной проблемой при построении прогнозной модели является её переобучение, то есть ситуация,

когда ошибка модели на тестовых данных намного превышает ошибку модели на обучающих данных

При классическом подходе, аналитик изучает данные и подбирает наилучшую последовательность

преобразований данных (удаление выбросов, нормализация, заполнение пропусков) и методы (регрессии,

нейросети, деревья решений), которые, в итоге, приведут к построению точной, но стабильной модели.

?

Недообученная модель Хорошая модель Переобученная модель


Теория Комплексной минимизации риска – основа Automated Analytics

SAP Predictive Analytics позволяет достичь качества прогноза, близкого к

теоретическому пределу, автоматизировав или сделав ненужными все

подготовительные шаги (обработку выбросов, пропусков, проверку распределений,

сокращение размерности, устранение нелинейностей итд). Разработка модели

превращается из проекта в операцию.

Владимир Вапник и Алексей Червоненкис показали, что разница между ошибкой на обучающих и тестовых данных а) вычисляема, б) зависит только от двух показателей: сложности

модели и количества наблюдений

Они предложили меру сложности моделей, называемую VC-Dimension (размерность Вапника-Червоненкиса)

Теперь, когда мы знаем универсальную вычисляемую сложность наших моделей, вместо того, чтобы просто констатировать её, лучше управлять ей.

Важный дополнительный эффект: Так как сложность модели не связана с количеством переменных

(атрибутов), то можно строить прогнозные модели с десятками и сотнями тысяч переменных


Вероятность


1%



20%


увольнения 7%

Вероятность увольнения 3%


увольнения 0,1%

Задачи прогнозной аналитики в управлении персоналом


– Общие

– Соц.-дем

– Карьера

– Премии

– Личная эффективность

– Прочее

Используемые данные о сотруднике

Соц.-демографическая информация

Пол, возраст

Образование

Семейное положение, дети

Карьера

Стаж в организации

Должности и подразделения

Личная эффективность и трудовые показатели

KPI

Поощрения и наказания

Болезни, отпуска, отгулы

Взаимодействие с коллегами (для офисных работников)

E-mail, телефоны

Аналитический набор данных (ADS)

ID

По

л

Во

зр

аст

До

лж

но

ссть

…

Дата

труд

оус

тро

йс

тав

Руко

во

дя

щая

по

зи

ци

я

Нал

ич

ие

по

ни

жен

ий

Об

щее

ко

ли

че

ств

о

по

вы

шен

ий

…

Пр

ем

ия

за 1

-й

кв

ар

тал

Пр

ем

ия

за 2

-й

кв

ар

тал

Пр

ем

ия

за 3

-й

кв

ар

тал

Пр

ем

ия

за 4

-й

кв

ар

тал

Всего

пр

ем

иал

ьн

ых з

а

пр

ош

лы

й г

од

…

Вы

по

лн

ен

ие K

PI

пр

ош

ло

го г

од

а

Дата

по

сл

ед

него

по

ощ

ре

ни

я

Ко

л-в

отр

ен

ин

гов

в т

екущ

ем

го

ду

…

11

02

М 42 дир …12/

02/

20

08

Y N 3 … 25

000

12

000

50

000

75

000

162

000

… 112

%

N/A N/A …

11

03

Ж 21 сек

р

…05/

07/

20

11

N N 0 … 0 2

000

0 5

000

7

000

… 85% N/A 2 …

По этой информации можно строить достаточно точные

прогнозные модели


Что можно прогнозировать

Отсутствие на рабочем месте

– Понимание причин отсутствия

– Своевременная подготовка резервов

– Расчёт численности с учётом возможного отсутствия

Личная продуктивность (KPI)

– Определение возможностей личного развития

– Формирование планов, соответствующих сотруднику

– Возможность оценки потенциала продуктивности на разных позициях

Увольнение

– Прогнозирование сроков работы

– Заблаговременная подготовка смены

Переход на другую должность/в другое подразделение


Кроме этого

Анализ путей развития карьеры

Выявление типичных путей развития карьеры ведущих к успеху

Выявление неудачных паттернов развития

Анализ взаимодействий

Выявление типичных «кругов» общения

Оптимизация внутрикорпоративных коммуникаций


Анализ взаимодействий

2 сотрудника связаны если:

Прямые связи: Пишут друг другу e-mail

Звонят друг другу

Косвенные связи: Участвуют на одинаковых проектах

Работают с одинаковыми заказчиками

Работают с одними документами

Сотрудники, связанные между собой особенно «сильно» образуют «сообщества»

Bipartite Graph

Employee1 Project 1

Employee 2

Employee 3

Employee 4

Project 2

Project 3

Project 4

Employee

4

Employee

1

Employee

2

Employee

3

2

1 1

Микросегменты

Сотрудников

2

Project 3

Project 2

Project 1

Project 4

1

Микросегменты

проектов

Построение комплексной системы прогнозирования поведения персонала


360 видение сотрудника

Табельный номер ОтделKPI 1

Факт…

KPI 1

ПотенциалGap KPI 1 …


увольненияДействие

333-7751645 High tech 33 43 10 99.0% Удержание #1

333-8331120 High tech 50 43 -7 97.0% Удержание #1

333-2156467 Обслуживание 8 10 2 90.5% Na

333-2344721 ИТ 53 54 1 89.4% Удержание # 2

334-3338409 Развитие сети 4 7 3 89.4% Na

333-2184582 Обслуживание 37 43 6 86.0% Удержание # 3

333-1610187 ИТ 49 59 10 82.5% Удержание #1

333-2089642 Закупки 52 43 4 66.5% Перевод

333-4568781 Развитие сети 31 28 -3 59.4% Na

334-1592449 ИТ 42 54 12 56.5% Мотивация 1

334-2804640 Обслуживание 37 39 2 55.7% Na

333-1451297 High tech 30 49 19 50.1% Мотивация 2

333-1272272 Развитие сети 23 23 0 46.0% Na

333-2045019 Закупки 32 31 -1 28.6% Поощрение

333-1291772 Обслуживание 40 45 5 18.1% Перевод

334-2495487 ИТ 34 30 -4 7.6% Na

333-1726756 Закупки 5 2 -3 7.0% Увольнение

Факт Прогноз Выводы


Каждый человек на своём месте

Использование системы прогнозов по каждому сотруднику позволит:

Для каждого сотрудника

– Определять должность/отдел, на котором его производительность будет максимальной

– Определять способы мотивации, в наибольшей степени подходящие каждому сотруднику

– Своевременно принимать меры по удержанию ценных сотрудников, собравшихся в отток

Для каждого подразделения

– Определять численность, с учётом возможных рисков для каждого сотрудника

o Невыхода на работу,

o Увольнения

o Снижения производительности

– Определять наилучшие внутренние и внешние источники кадров

Для каждого бизнес- и технологического процесса

– Определять оптимальную численность участвующего и обслуживающего персонала

– Определять сотрудников, обеспечивающих наибольшую эфективность

Источник данных о персонале


Комплексное решение для Управления талантами аккумулирует

данные для анализа

Лучшие практики Интеграции Масштабируемость

Рекрутинг

HRМастер-данные

Он-бординг

ОбучениеКадровый

резерв

Цели и эффективность

Планирование персонала

HRаналитика

Социальное взаимодействие

Компенсации


…А также формирует транзакционную

аналитику


SAP SuccessFactors позволяет…

Работать с 2,000+ преднастроенных метрик

Расширенные метрики:

Управление отсутствиями

Развитие и карьера

Управление компенсациями

Связи сотрудников

Финансы

Управление целями

HR-сервисы

Обучение

Планирование отсутствий

Охрана труда (OH&S)

Управление эффективностью

Рекрутинг

Бенефиты

Кадровый резерв

Опросы

Fieldglass

ADP

Базовые метрики

Базовые HR-процессы

Employee Central

Планирование персонала


Хотите знать больше?

Predictive HR –управление персоналом через …...333-2344721 ИТ 53 54 1...

Documents

Transcript of Predictive HR –управление персоналом через …...333-2344721 ИТ 53 54 1...