Большие данные по человеческим ресурсам (HR) становятся все более широко используемыми для найма, найма и удержания лучших сотрудников. Вот три причины, по которым другие компании используют интеллектуальную аналитику для улучшения итогового результата.

Более эффективный рекрутинг

Большие данные помогают выявить, какие кандидаты лучше всего подходят для открытых позиций. Часть процесса добычи данных может включать сбор информации из резюме и профилей социальных сетей для более четкого определения того, какие потенциальные наемные работники могут быть более продуктивными и добавить разнообразие на рабочее место. Менеджеры по найму могут затем сузить свой пул кандидатов и решить, в каких областях оценки они должны сосредоточиться во время собеседований. Осуществляя эту стратегию, процесс найма перемещается быстрее, и правильные люди нанимаются чаще.

Например, банк в Азии ранее набирал высших выпускников высоко оцененных университетов для заполнения своих 8 000 ролей, распределенных по 30 филиалам. После того, как банк подвергся организационной реструктуризации, учреждение запустило данные по добыче данных, охватывающие 30 пунктов в категориях производительности сотрудников, профессиональной истории, демографии, владения и информации о филиале из своих текущих ресурсов. Банк начал использовать аналитику данных для выявления нынешних сотрудников, которые, скорее всего, преуспеют в своих позициях, создают новые роли в организации и получают дополнительное представление о том, что мотивирует работу работников.

Используя интеллектуальную аналитику, банк раскрыл общие черты среди высоких и низких исполнителей и создал профили для работников с более сильной возможностью преуспеть в определенной роли. Информация также показала, что структура филиалов и групп влияет на финансовый рост учреждения. Кроме того, большие данные показали, что конкретные роли оказали наибольшее влияние на успех банка.

В результате были созданы новые организационные структуры вокруг определенных групп и групп работников. Поскольку банк начал использовать аналитику данных для рекрутинга и измерения производительности, производительность филиалов увеличилась на 26%, коэффициент конверсии новобранцев вырос на 80%, а чистая прибыль выросла на 14%.

Меньше навязчивого найма

Прогностическая аналитика уменьшает количество предвзятости, которая идет на принятие решений, влияющих на производительность компании. Например, многие менеджеры по найму привлекают на борт кандидатов, обладающих характеристиками, сходными с их топ-работниками. Однако, поскольку существующие сотрудники были наняты одними и теми же предвзятыми методами, организации, как правило, испытывают недостаток в культурном и интеллектуальном разнообразии, что может уменьшить общий успех компании. Создавая модели и ориентиры для оценки работников и бизнес-сфер, компании могут лучше определить, какие сотрудники и какие вклады являются наиболее ценными для организации, и использовать интеллектуальную аналитику для более четкого определения того, какие работники могут преуспеть в своих позициях.

Например, бизнес с профессиональными услугами, получивший 250 000 заявок на работу, ежегодно хотел сократить время и деньги, потраченные на просмотр резюме, повысить эффективность процесса отбора и нанять больше женщин для своей рабочей силы. Используя аналитическую аналитику, алгоритм учитывал предыдущие резюме заявителей, интервьюируемых, которым предлагались должности, и тех, кто принимал их. Модель связала данные с целями найма компании, сузила список кандидатов, которые, скорее всего, преуспели в открытых позициях, и перевели эти резюме на следующий шаг в процессе найма. Приблизительно 45% резюме были пересмотрены, на 15% больше женщин перешли в процесс отбора по сравнению с проведением ручного скрининга, а бизнес реализовал доходность инвестиций (ROI) - 500%.

Большие ставки удержания

Большие данные помогают улучшить показатели удержания, показывая, какие работники с большей вероятностью уйдут, а какие из них могут потребовать перехода на другую должность в организации, продвигаться или набирать наставника в качестве поощрения остаться с компания. Такие изменения часто повышают трудоемкость, удовлетворенность работой и производительность, поэтому сотрудники остаются в организации.

Например, Bank of America Corp. (NYSE: BAC BACBank of America Corp27. 67-0. 54% Создано с Highstock 4. 2. 6 ) сотрудники носят идентификационные карточки со встроенными датчики для мониторинга межличностных взаимодействий между его работниками call-центра. Wells Fargo & Co. (NYSE: WFC WFCWells Fargo & Co56. 14-0. 37% Создано с Highstock 4. 2. 6 ) использует интеллектуальную аналитику для определения того, какие кандидаты наиболее квалифицированы для позиций как счетчики и личные банкиры, в зависимости от того, обладают ли кандидаты характеристиками занятых и высокопроизводительных работников. После одного года реализации программы удержание кассиров и личных банкиров увеличилось соответственно на 15 и 12%.

The Bottom Line

Большие данные в HR помогают компаниям экономить время и деньги при наборе, найме и удержании своих лучших работников. Больше компаний будет внедрять прогностическую аналитику в своей деловой практике, поскольку организации все чаще видят ценность этого процесса и хотят улучшить итоговый результат.