HR-аналитикa в России: современное состояние, проблемы и пути их решения

Введение

Крылатая фраза: «Кадры решают все!» не утратила своей актуальности и сегодня. Все решения, которые принимаются в компании, – принимаются конкретными людьми, наделенными теми или иными полномочиями. Поэтому можно смело утверждать, что успех любого проекта начинается с успешного решения в отношении персонала.

Роль специалиста по персоналу как бизнес-партнера, участвующего в стратегическом планировании, казалось бы, очевидна. Однако на сегодняшний день доверие бизнеса специалистам в области управления персоналом невелико. Менеджеры не считаются с HR-экспертами даже в сугубо HR-темах, таких как, например, разработка моделей компетенций. Согласно исследованию Institute for Corporate Productivity 2013 года, 70% менеджеров считают, что модель компетенции, разработанная в организации, не соответствует реальному профилю успеха. Исследование PAYSCALE 2013 года выявило, что 51% компаний не вовлекают HR в формирование компенсационных пакетов [1]. Таким образом, мнение, что лучший HR – это сам руководитель компании, бытует и по сей день.

Причина такого недоверия кроется в том, что решения принимаются зачастую интуитивно. Исследование компании ЭКОПСИ 2016 года показало, что доля компетенций, реально связанных с эффективностью или карьерными достижениями, составляет лишь 47%. 2/3 компаний создают компетенции методом экспертного анализа интервью с менеджером. Исследование TOWERWATSON 2016 года показало, что доля компаний, где система оценки реально повышает эффективность сотрудников, составляет 20%. Причина указной проблемы кроется в том, что системы ключевых показателей эффективности создаются без учета особенностей конкретного бизнеса, а просто по аналогии с другими компаниями [2].

Преодолеть указанные проблемы помогает качественная HR-аналитика. Она позволяет обосновывать решения в отношении персонала, базируясь на анализах больших массивов данных, аргументировать свою позицию доказательно, используя математический инструментарий.

HR-аналитика как относительно новое направление в деятельности по управлению человеческим ресурсом широко обсуждается в профессиональном и научном сообществе.

О цифровизации HR-технологий и HR-аналитики как одном из трендов в управлении человеческими ресурсами говорится в работах Нагибиной Н.И., Щукиной А.А. [6] (Nagibina, Shchukina, 2017), Кошевенко С.В. [3] (Koshevenko, 2019), Уляхиной У.В. [10] (Ulyakhina, 2019).

О роли HR-аналитики и о возможностях, которые она дает бизнесу, говорится в работах Долженко Р.А. [2] (Dolzhenko, 2019), Роздольской И.В., Висторобской Е.Н., Гребеник Л.Г. [9] (Rozdolskaya, Vistorobskaya, Grebenik, 2017), Масловой В.М. [5] (Maslova, 2019).

О проблемах и перспективах ее развития сказано в работах Новохатько И.М., Хренниковой М.С. [7] (Novokhatko, Khrennikova, 2016), Левичева Ю., Ворогушина Е. [4] (Levichev, Vorogushin, 2017), Пескина М. [8] (Peskin, 2019).

Цель статьи – на основе анализа научных публикаций, результатов бенчмаркинговых исследований, статистических данных определить уровень развития HR-аналитики в России, выявить причины, сдерживающие ее развитие, и предложить пути преодоления выявленных проблем.

Авторская гипотеза состоит в предположении, что уровень внедрения технологий искусственного интеллекта и связанное с ним развитие HR-аналитики на российских предприятиях отстают от уровня развитых стран.

Теоретической и методологической основой работы являются труды отечественных и зарубежных авторов, посвященные вопросам HR-аналитики и digital-технологий в условиях перехода к сетевой цифровой экономике. Анализ теоретической базы предполагает применение таких методов, как сравнение, обобщение, методы группировки и другие.

Компания PricewaterhouseCoopers (PwS) выделяет следующие уровни развития функции HR-аналитики.

Уровень 0. Базовая работа с информацией. Характеризуется описательной аналитикой. Ответ на вопрос: что анализировать?

Уровень 1. Метрики и отчетность. Расчет разнообразных коэффициентов. Ответ на вопрос: в какой мы форме?

Уровень 2. Сравнительный анализ. Бенчмаркинг. Как мы в сравнении?

Уровень 3. Инсайт. Понимание человеческого ресурса с использованием внешних и внутренних баз данных. Попытка понять, что определяет ситуацию?

Уровень 4. Предсказание. Поиск ответа на вопрос: что произойдет в будущем? Принятие решений в реальном времени.

По оценкам экспертов, большинство российских компаний находятся между вторым и третьим уровнями [4] (Levichev, Vorogushin, 2017).

Джош Берсин выделил 4 уровня HR-аналитики в компаниях:

1 уровень. Фрагментарная отчетность по запросу. На этом этапе данные собираются от случая к случаю, обрабатываются. Отчеты делаются разово и по запросу руководства.

2 уровень. Продвинутый уровень. Данные собираются и обрабатываются на более регулярной основе. Фокус на создании «единой точки правды» (единой платформы хранения и обработки данных, единой точки доступа к данным). Строится команда специалистов, отвечающих за аналитику. Использование специальных инструментов для аналитики. Основной задачей на этом этапе остается обслуживание «нужд» HR-отдела, а не компании в целом.

3 уровень. Стратегический анализ. Данные регулярно собираются, используются продвинутые инструменты аналитики. Фокус аналитики смещается на бизнес-цели компании. Результаты аналитики используются по всей компании. Весь HR-процесс основан на данных. Специалисты умеют работать с аналитическими инструментами в рамках необходимого.

4 уровень. Интегрированность в бизнес. Использование инструментов аналитики в реальном времени, применяются инструменты на основе искусственного интеллекта. Аналитика интегрирована с бизнесом, управлением талантами и ежедневной работой. Тестируются новые инструменты для анализа. Специалисты свободно ориентируются в аналитических инструментах [1] (Bersin, 2019).

Приведенная модель была построена на основании исследования рынка США. Большинство компаний, участвовавших в исследовании, оценивали свой уровень как 2. Большинство российских компаний, по мнению Джоша Берсина, сегодня находятся на 1 уровне.

Для составления отчетов российские менеджеры по персоналу пользуются чаще всего MS Excel. Это простой и доступный инструмент. Но информацию в такие сводные отчеты приходится копировать вручную, возможности визуальной аналитики ограничены, не хватает интерактивности. Крупные компании используют сложные аналитические системы. Это отличный вариант для HR-аналитики. Но также есть свои минусы: такие решения долго внедрять, нужны специалисты и бюджет для их обслуживания. Если в компании уже есть такое решение, то очередь к аналитику за отчетом может достигать неадекватных размеров [1] (Bersin, 2019).

Согласно исследованию, проведенному Rabota.ru, в России лишь 56% респондентов ответили, что используют HR-аналитику в своей работе. Лишь в 7% компаний есть должность HR-аналитик [3]. Исследование компании SHL Russia показывает, что 57% руководителей не доверяют результатам HR-аналитики, считая их чересчур оптимистичными [4].

Согласно данным компании ЭКОПСИ, в практике западных стран такие проекты, как определение коэффициента полезного действия системы управления эффективностью, обучения, подбора, уже стали рутинными.

Большинство проектов по HR-аналитике в мире направлены на создание профилей эффективности, карьеры и лояльности. Актуальные вопросы сегодня: Чем эффективные сотрудники в данной должности отличаются от неэффективных? Какие качества реально определяют карьеру в организации? Какие сотрудники уходят, а какие остаются? Чем сотрудники организации отличаются от всех остальных? [11] (Finkelshteyn, 2016)

Рассмотрим, что же мешает развитию HR-аналитики в России.

1. Недостаточно объективных и полных данных. Согласно данным исследования SHL Russia, только 3% респондентов отметили, что не испытывают проблем со сбором и обработкой данных, только в 1 компании из 7 достаточно данных для осуществления HR-аналитики [8] (Peskin, 2019). Из данных, представленных на рисунке 1, можно сделать вывод: лишь 26% организаций считают, что у них есть все необходимые данные для принятия решений о внешнем найме. Результаты данного исследования указывают на недостаток объективных данных у менеджеров по персоналу даже при реализации основных функций.

Рисунок 1. Наличие/доступность данных в рамках различных задач HR, в % от числа опрошенных

Источник: Пескин М. HR-аналитика в России: ожидание и реальность. SHLRussia. [Электронный ресурс]. URL: https://www.youtube.com/watch?v=CPTRaptQupo&feature=youtu.be (дата обращения 01.04.2020).

2. Проблема интеграции всех IT-сервисов в единую систему. Параллельное развитие разнообразных IT-решений в большинстве случаев приводит к наличию большого количества так называемых «лоскутных IT-решений», которые очень плохо интегрируются в одну систему [2] (Dolzhenko, 2019).

Рисунок 2. Использование ERP- и CRM-систем в организациях по странам: 2018* (в процентах от общего числа организаций предпринимательского сектора)

* или ближайшие годы, по которым имеются данные

Источник: Цифровая экономика: 2020: краткий статистический сборник / Г.И. Абдрахманова, К.О. Вишневский, Л.М. Гохберг и др.; Нац. исслед. ун-т «Высшая школа экономики». — М.: НИУ ВШЭ, 2020. - стр. 58-60.

Данные, представленные на рисунке 2, показывают, что в России доля компаний предпринимательского сектора, использующих интегрированные ERP-системы, в 2018 году составляла 22%, что значительно ниже, чем в Финляндии, Германии, Франции и некоторых других странах.

Подтверждает наличие указанной проблемы и исследование SHL Russia. Около 70% респондентов указали на отсутствие или нехватку интеграции IT-систем как препятствие для эффективного сбора и анализа данных в организации (рис. 3).

Рисунок 3. Причины, препятствующие эффективному сбору и анализу данных в организации, в % от числа опрошенных

Источник: Пескин М. HR-аналитика в России: ожидание и реальность. SHLRussia. [Электронный ресурс]. URL: https://www.youtube.com/watch?v=CPTRaptQupo&feature=youtu.be (дата обращения 01.04.2020).

3. Нет специалистов в области HR-аналитики. В целом недостаточно высокий уровень цифровой грамотности среди специалистов по персоналу.

Сегодня в России нет вузов, осуществляющих подготовку по профилю HR-аналитик. Специалисты, получившие подготовку по направлению «Управление персоналом», не обладают достаточными знаниями в области математики, статистики, математического моделирования и IT-технологий для того, чтобы реально заниматься предиктивной аналитикой.

Интересными в этом контексте выглядят самооценка навыков менеджеров по персоналу и оценка, которую дают коллеги, реализующие иные функции в компании (рис. 4).

Рисунок 4. Оценка навыков менеджеров по персоналу в области аналитики, в % от числа опрошенных

Источник: Пескин М. HR-аналитика в России: ожидание и реальность. // SHLRussia. [Электронный ресурс]. URL: https://www.youtube.com/watch?v=CPTRaptQupo&feature=youtu.be (дата обращения 01.04.2020).

Примерно 50% специалистов по персоналу считают, что демонстрируют достаточный уровень аналитических навыков и обладают экспертизой в том, что касается объективных данных о людях. Однако с ними согласны не более 35% коллег, реализующих другие функции в компании.

HR-аналитика сегодня объединяет как данные по персоналу, так и данные, характеризующие в целом социально-экономическую деятельность хозяйствующего субъекта, что позволяет в режиме реального времени решать широкий круг проблем: анализ рисков, отбор кандидатов с высоким потенциалом (HiPo), определение характеристик высокопроизводительных команд продаж и обслуживания, прогнозирование возможных рисков, анализ вовлеченности и культуры, выявление наиболее эффективных способов развития карьеры и лидерства [9] (Rozdolskaya, Vistorobskaya, Grebenik, 2017). Поэтому решение проблемы недостаточной компетенции специалистов по персоналу видится в командной работе. Команды аналитиков в идеале должны быть междисциплинарными.

4. Низкий уровень цифровизации бизнеса. Индекс цифровизации бизнеса в России составил 31 в 2018 году. Это значительно ниже, чем в абсолютном большинстве стран Евросоюза, Японии, Корее и других. Для сравнения: в Финляндии значение индекса цифровизации составило в 2018 году – 50 [5]. Российские организации широко освоили базовые и относительно простые цифровые технологии, но лишь немногие провели глубокую автоматизацию и реструктурировали бизнес-процессы под передовые цифровые технологии. Если за рубежом уже сформировалась тенденция перехода от использования отдельных решений к внедрению единых систем управления знаниями, технологиями и компетенциями – цифровых платформ, то в России концепция перехода к «Индустрии 4.0» еще только обсуждается [12] (Abdrakhmanova, Vishnevskiy, Gokhberg et al., 2019).

5. В связи с расширением доступности digital-технологий и их возможностей актуализируется вопрос о том, какие же решения должен принимать человек, а какие принимает машина, изучив базу данных. Острыми и нерешенными остаются вопросы этики, связанные со сбором информации о сотрудниках из переписки, социальных сетей, систем видео- и аудионаблюдения и др. Внедрение искусственного интеллекта сдерживает и низкий уровень доверия населения роботам (рис. 5).

Рисунок 5. Отношение населения к использованию роботов: 2019* (в процентах от общей численности населения в возрасте 18–65 лет)

* Представлена суммарная доля ответивших, что чувствовали бы себя в перечисленных ситуациях «очень комфортно» и «скорее, комфортно»

Источник: Цифровая экономика: 2020: краткий статистический сборник / Г.И. Абдрахманова, К.О. Вишневский, Л.М. Гохберг и др.; Нац. исслед. ун-т «Высшая школа экономики». — М.: НИУ ВШЭ, 2020. – С. 37.

Лишь 44% опрошенных чувствовали бы себя комфортно, если бы на работе робот-ассистент помогал им, 35% готовы доверить роботу решение вопроса о выдаче кредита и т.д.

Что же поможет продвижению HR-аналитики в нашей стране? По мнению экспертов PwS Россия, следующие шаги будут способствовать внедрению искусственного интеллекта и HR-аналитики:

1. Широкое применение искусственного интеллекта в рутинных процессах с целью снижения временных и финансовых затрат.

2. Новый подход к повышению квалификации. Полученные знания необходимо оперативно применять на практике, чтобы превращать их в реальные навыки. Управлять процессом обучения должны сами сотрудники, это будет способствовать созданию цифрового мышления, готового к искусственному интеллекту, ориентированного на непрерывное обучение и многофункциональные способы работы и решения проблем. По этому направлению в нашей стране большие резервы для роста.

Рисунок 6. Использование интернета населением для дистанционного обучения по странам: 2018* (в процентах от численности населения в возрасте 15–74 лет, использующего интернет)

* или ближайшие годы, по которым имеются данные.

Источник: Цифровая экономика: 2020: краткий статистический сборник / Г.И. Абдрахманова, К.О. Вишневский, Л.М. Гохберг и др.; Нац. исслед. ун-т «Высшая школа экономики». — М.: НИУ ВШЭ, 2020. — 112 с. — 300 экз. — ISBN 978-5-7598-2148-9 (в обл.). – С. 28.

Лишь 3% от численности населения России в возрасте 15–74 лет, использующего интернет, обучаются дистанционно.

3. Управление рисками и ответственное применение искусственного интеллекта. Важно не только извлекать выгоду от использования технологии искусственного интеллекта, но и демонстрировать при этом ответственный подход. В 2018 году лишь 60,9% организаций предпринимательского сектора использовали программные, аппаратные средства, препятствующие несанкционированному доступу вредоносных программ [6].

4. Встраивание искусственного интеллекта в операционную деятельность. Необходимо осуществлять операционализацию искусственного интеллекта во многих функциях и бизнес-подразделениях, полностью интегрируя технологию искусственного интеллекта с инициативами в области автоматизации и (или) средствами анализа данных.

5. Изменение бизнес-модели. Внедрение технологии искусственного интеллекта, как правило, не самый трудный момент. Для большинства компаний трудности касаются бизнеса и кадровых аспектов: оценка доходности инвестиций, утверждение бюджета и обучение имеющихся сотрудников навыкам работы с технологией искусственного интеллекта. Именно поэтому важна поддержка инициатив в области искусственного интеллекта со стороны руководителей высшего звена.

Заключение

HR-аналитика – это один из ключевых HR-трендов последних лет не только в России, но и за рубежом. Популярность инструментов аналитики в управлении человеческим ресурсом объясняется, с одной стороны, необходимостью обосновывать, аргументировать соответствующие бизнес-решения, а следовательно, и затраты в отношении персонала; с другой стороны – расширяющимися возможностями, связанными с цифровизацией большинства бизнес-процессов и накоплением больших массивов информации.

Оценка современного уровня развития HR-аналитики в России разнится. Оценки отечественных экспертов более оптимистичны, нежели оценки зарубежных коллег. Нужно отметить, что сложность и результативность применяемых инструментов сильно дифференцирована по предприятиям. Крупные компании могут позволить себе дорогие интегрированные ERP-системы и команды междисциплинарных специалистов. Малый и средний бизнес продолжает использовать простые инструменты, такие как MS Excel, и все еще далеки от предиктивной аналитики.

Спектр проблем, препятствующих развитию HR-аналитики в России, широк. Это и недостаток объективных и полных данных, и отсутствие специалистов и интегрированных систем сбора и анализа данных, низкий уровень цифровизации экономики в целом и другие.

Однако, несмотря на существующие препятствия, в перспективе HR-аналитика в России будет развиваться и для многих компаний станет ежедневной практикой, дающей истинные конкурентные преимущества.

[1] Финкельштейн Г. Управление на основе данных. «ЭКОПСИ Консалтинг». 2016 г. [Электронный ресурс]. URL: https://ecopsy.ru/upload/iblock/ab0/ab0f8dbd461a96925b8117af1a02784d.pdf (дата обращения 01.04.2020)

[2] Финкельштейн Г. Управление на основе данных. «ЭКОПСИ Консалтинг». 2016 г. [Электронный ресурс]. URL: https://ecopsy.ru/upload/iblock/ab0/ab0f8dbd461a96925b8117af1a02784d.pdf (дата обращения 01.04.2020)

[3] Исследование Rabota.ru. [Электронный ресурс]. URL: https://www.rabota.ru/articles/career/hranalytics-rabota-ru-5156 (дата обращения 01.04.2020)

[4] Финкельштейн Г. Управление на основе данных. «ЭКОПСИ Консалтинг». 2016 г. [Электронный ресурс]. URL: https://ecopsy.ru/upload/iblock/ab0/ab0f8dbd461a96925b8117af1a02784d.pdf (дата обращения 01.04.2020)

[5] Цифровая экономика: 2020: краткий статистический сборник / Г.И. Абдрахманова, К.О. Вишневский, Л.М. Гохберг и др.; Нац. исслед. ун-т «Высшая школа экономики». — М.: НИУ ВШЭ, 2020. – С. 41-43.

[6] Цифровая экономика: 2020: краткий статистический сборник / Г. И. Абдрахманова, К. О. Вишневский, Л. М. Гохберг и др.; Нац. исслед. ун-т «Высшая школа экономики». — М.: НИУ ВШЭ, 2020. — 112 с. — 300 экз. — ISBN 978-5-7598-2148-9 (в обл.). – С. 61