Модель расчета численности
в ресторанах быстрого обслуживания
Кейс про расчет численности работников на стройке напомнил мне мой собственный опыт расчета целевой численности для ресторанов быстрого обслуживания.
В нашем случае это была совместная работа с командой финансовой аналитики.
Шаг #1 - разделение ресторанов на группы в зависимости от:
• Формата расположения
• Объема товарооборота
• Трафика гостей
Шаг #2 – планирование численности с учетом:
• Группы ресторана из п.1
• Стандартов обслуживания
• Стандартов безопасности
• Графика работы ресторанов
• Производственного календаря
• Географического расположения и, соответственно, норм по отпускам
Шаг #3 – планирование целей по затратам на персонал, с учетом:
• Целевых значений по численности из шага 2
• Ставок / окладов в регионах
• Ставок с учетом категории ресторана (с учетом надбавки за интенсивность)
Кстати, в том, что касается оперативного управления численностью, в этой сфере есть свои особенности и принято считать так:
1. Численность менеджерского персонала – в штатных единицах и количестве человек
2. Численность линейного персонала – в цифре производительности, равной выручка / количество человеко-часов.
Еще одной особенностью является то, что управление численностью происходит максимально оперативно:
* цели на некоторые (например, новые) объекты корректируются каждый месяц, а
* промежуточные итоги подводятся каждую неделю.
в ресторанах быстрого обслуживания
Кейс про расчет численности работников на стройке напомнил мне мой собственный опыт расчета целевой численности для ресторанов быстрого обслуживания.
В нашем случае это была совместная работа с командой финансовой аналитики.
Шаг #1 - разделение ресторанов на группы в зависимости от:
• Формата расположения
• Объема товарооборота
• Трафика гостей
Шаг #2 – планирование численности с учетом:
• Группы ресторана из п.1
• Стандартов обслуживания
• Стандартов безопасности
• Графика работы ресторанов
• Производственного календаря
• Географического расположения и, соответственно, норм по отпускам
Шаг #3 – планирование целей по затратам на персонал, с учетом:
• Целевых значений по численности из шага 2
• Ставок / окладов в регионах
• Ставок с учетом категории ресторана (с учетом надбавки за интенсивность)
Кстати, в том, что касается оперативного управления численностью, в этой сфере есть свои особенности и принято считать так:
1. Численность менеджерского персонала – в штатных единицах и количестве человек
2. Численность линейного персонала – в цифре производительности, равной выручка / количество человеко-часов.
Еще одной особенностью является то, что управление численностью происходит максимально оперативно:
* цели на некоторые (например, новые) объекты корректируются каждый месяц, а
* промежуточные итоги подводятся каждую неделю.
Геопространственная аналитика в HR
Подсмотрела в канале у Юры ссылку на статью про использование геопространственной аналитики в People Analytics от аналитика, Steven Shoemaker
Там есть описание, не буду его переписывать, посмотрите в первоисточнике.
Я пока не очень понимаю как можно использовать эти данные, кроме чего-то типа статистики опозданий и скорости выгорания в зависимости от удаленности проживания.
Но вот в рознице у нас не раз возникали мысли на тему аналитики геолокации, правда тогда мы не умели такое делать, а было бы интересно подтвердить наше экспертное мнение реальными данными, ведь расположение розничного объекта непосредственно влияет и на его укомплектованность и на его затраты на персонал.
Например:
1. Мы точно знали, что есть прямая связь между сложностью набора команды и удаленностью расположения объекта от ближайшей станции электрички /автобуса.
2. Мы точно знали, что набирать сотрудников в магазины на западе Москвы сложнее, чем в магазины на востоке Москвы (для тех, кто не знает -стоимость жилья и аренды квартир на западе значительно дороже, чем на востоке, т.е. целевая аудитория работников розницы живет в «дешевых, бедных» районах)
3. Мы всегда мечтали, чтобы перед заключением договора на строительство или аренду места для будущего магазина кто-то изучал обстановку не только с точки зрения покупательской способности, но и с точки зрения оценки численности проживающих вокруг потенциальных кандидатов и транспортной доступности для сотрудников, передвигающихся «своим ходом» (магазины в «поселках для богатых» - onelove)
4. «Сложные» с точки зрения локации объекты требовали не только дополнительных усилий для поддержания в них укомплектованности, но и:
* дополнительных затрат на доставкe сотрудников
* невозможность гибкого планирования cмен,
* надбавки, чтобы «замотивировать» сотрудников работать не в магазине рядом с метро, а зачем-то ехать от этого метро еще 20 минут даже если ехать надо на корпоративном такси.
В общем, интересная тема эта геопространственная аналитика в HR :)
Подсмотрела в канале у Юры ссылку на статью про использование геопространственной аналитики в People Analytics от аналитика, Steven Shoemaker
Там есть описание, не буду его переписывать, посмотрите в первоисточнике.
Я пока не очень понимаю как можно использовать эти данные, кроме чего-то типа статистики опозданий и скорости выгорания в зависимости от удаленности проживания.
Но вот в рознице у нас не раз возникали мысли на тему аналитики геолокации, правда тогда мы не умели такое делать, а было бы интересно подтвердить наше экспертное мнение реальными данными, ведь расположение розничного объекта непосредственно влияет и на его укомплектованность и на его затраты на персонал.
Например:
1. Мы точно знали, что есть прямая связь между сложностью набора команды и удаленностью расположения объекта от ближайшей станции электрички /автобуса.
2. Мы точно знали, что набирать сотрудников в магазины на западе Москвы сложнее, чем в магазины на востоке Москвы (для тех, кто не знает -стоимость жилья и аренды квартир на западе значительно дороже, чем на востоке, т.е. целевая аудитория работников розницы живет в «дешевых, бедных» районах)
3. Мы всегда мечтали, чтобы перед заключением договора на строительство или аренду места для будущего магазина кто-то изучал обстановку не только с точки зрения покупательской способности, но и с точки зрения оценки численности проживающих вокруг потенциальных кандидатов и транспортной доступности для сотрудников, передвигающихся «своим ходом» (магазины в «поселках для богатых» - onelove)
4. «Сложные» с точки зрения локации объекты требовали не только дополнительных усилий для поддержания в них укомплектованности, но и:
* дополнительных затрат на доставкe сотрудников
* невозможность гибкого планирования cмен,
* надбавки, чтобы «замотивировать» сотрудников работать не в магазине рядом с метро, а зачем-то ехать от этого метро еще 20 минут даже если ехать надо на корпоративном такси.
В общем, интересная тема эта геопространственная аналитика в HR :)
Ошибки визуализации
Готовили презентацию с некоторыми аналитическими данными и очередной раз встретила одну и ту же ошибку в представлении данных распределения численности кого-то по стажу.
Разные данные, разные аналитики, а ошибка одна и та же:
почему то при распределении численности по стажу интервалы буквально на автомате делятся на периоды:
от 0 до 1 года
от 1 года до 2х
от 2х до 3х
от 3х до 5и
от 5 до 10
от 10 до 15
и далее пятерками
Знакомо?
По факту получается, что даже если в каждом "микроинтервале" 0-1, 1-2, 2-3, 3-4 и т.д. будет одно и то же количество человек, то при распределении по "составным" интервалам, перечисленным выше, используются разные периоды - где-то 1 год, где-то 2, а где-то 5. Поэтому данные искажаются.
В примере, на первой диаграмме выше, построенной "на автомате" создается впечатление, что численность сотрудников, со стажем работы 5-10 и 10-15 лет выше, чем численность сотрудников в других группах по стажу.
А на диаграмме ниже видно, что это не так, и количество сотрудников в каждом из одинаковых интервалов одинаково.
Готовили презентацию с некоторыми аналитическими данными и очередной раз встретила одну и ту же ошибку в представлении данных распределения численности кого-то по стажу.
Разные данные, разные аналитики, а ошибка одна и та же:
почему то при распределении численности по стажу интервалы буквально на автомате делятся на периоды:
от 0 до 1 года
от 1 года до 2х
от 2х до 3х
от 3х до 5и
от 5 до 10
от 10 до 15
и далее пятерками
Знакомо?
По факту получается, что даже если в каждом "микроинтервале" 0-1, 1-2, 2-3, 3-4 и т.д. будет одно и то же количество человек, то при распределении по "составным" интервалам, перечисленным выше, используются разные периоды - где-то 1 год, где-то 2, а где-то 5. Поэтому данные искажаются.
В примере, на первой диаграмме выше, построенной "на автомате" создается впечатление, что численность сотрудников, со стажем работы 5-10 и 10-15 лет выше, чем численность сотрудников в других группах по стажу.
А на диаграмме ниже видно, что это не так, и количество сотрудников в каждом из одинаковых интервалов одинаково.
Изменение ролей в HoReCa
Вы обратили внимание как буквально за пару лет изменилось наше привычное ранее поведение при посещении баров и ресторанов?
Раньше: книга меню, заказ через официанта, чаевые наличными.
Сейчас: меню в приложении или онлайн с доступом через QR код, заказ приносит официант или можно самостоятельно забрать у бара, оплата чаевых онлайн.
Таким образом, в HoReCa значительно меняются:
• скорость обработки заказов, заказы и, вообще, все процессы в заведении
• численность официантов и их фонд оплаты труда
Приложения обещают, что увеличивают количество заказов от гостей и средний чек, хотя тут хотелось бы посмотреть на цифры.
А с точки зрения HR, это отлично олицетворяет изменение привычных ролей и обязанностей (да, это происходит не только в офисе и у ИТ-шников 😊), и задач самих HR.
Вот пример.
Обязанностями официанта ранее было консультирование гостей по меню, составу блюд и т.п., а также предложение дополнительных блюд и увеличение тем самым среднего чека, в случае с заказами через приложение, официант становится скорее «раннером» (от слова run), т.е. занимается только доставкой.
Обязанности, в свою очередь, значительно влияют на требования к знаниям и навыкам сотрудников: им не нужно знать меню, не нужно обучаться стандартам сервиса и обслуживания, таким образом это влияет и не учебную программу и процессы обучения сотрудников HoReCa.
Меняются системы ->
Меняются процессы ->
Меняются организационные структуры и роли ->
Меняются задачи для HR
Вы обратили внимание как буквально за пару лет изменилось наше привычное ранее поведение при посещении баров и ресторанов?
Раньше: книга меню, заказ через официанта, чаевые наличными.
Сейчас: меню в приложении или онлайн с доступом через QR код, заказ приносит официант или можно самостоятельно забрать у бара, оплата чаевых онлайн.
Таким образом, в HoReCa значительно меняются:
• скорость обработки заказов, заказы и, вообще, все процессы в заведении
• численность официантов и их фонд оплаты труда
Приложения обещают, что увеличивают количество заказов от гостей и средний чек, хотя тут хотелось бы посмотреть на цифры.
А с точки зрения HR, это отлично олицетворяет изменение привычных ролей и обязанностей (да, это происходит не только в офисе и у ИТ-шников 😊), и задач самих HR.
Вот пример.
Обязанностями официанта ранее было консультирование гостей по меню, составу блюд и т.п., а также предложение дополнительных блюд и увеличение тем самым среднего чека, в случае с заказами через приложение, официант становится скорее «раннером» (от слова run), т.е. занимается только доставкой.
Обязанности, в свою очередь, значительно влияют на требования к знаниям и навыкам сотрудников: им не нужно знать меню, не нужно обучаться стандартам сервиса и обслуживания, таким образом это влияет и не учебную программу и процессы обучения сотрудников HoReCa.
Меняются системы ->
Меняются процессы ->
Меняются организационные структуры и роли ->
Меняются задачи для HR
7 вопросов при расчете сроков подбора
Расчет метрик оценки эффективности процесса подбора персонала - одно из самых распространенных направлений работы с HR-метриками.
Но как бы просты они не казались на первый взгляд, за каждой метрикой в подборе скрывается много сложностей.
Например, при внимательном расчете срока закрытия вакансии может потребоваться ответить на очень много специальных вопросов.
Например:
1. Что считать датой начала работы над вакансией: создание заявки на подбор или ее подтверждение?
Руководитель считает, что он сказал "надо нанять" и срок пошел, рекрутер не начнет найм пока не выяснит все требования и условия работы.
2. Вакансия перешла от рекрутера 1 к рекрутеру 2.
Срок для менеджера один, он не останавливается, а для нового рекрутера начался заново.
3. Вакансия перешла от менеджера 1 к менеджеру 2.
Формально для рекрутера срок идет, а вот требования у нового менеджера могут измениться так, что, в реальности, для рекрутера это новый поиск.
4. Во время работы над вакансией произошло изменение организационной структуры и позиция перешла в другое подразделение. Как считать срок закрытия в рамках компании - понятно, а как считать для каждого подразделения?
5. Как считать период, когда работа над вакансией приостановилась?
Например, менеджер пересматривает планы, структуру или что-то такое. Вычитать это время из срока работы над вакансией? В идеале закрывать ее и потом открывать новую, но кто же так делает в реальности...
6. Считать ли в срок закрытия вакансии время отработки кандидатом? Ведь оно может составлять не только 2 недели, но и любое другое, по договоренности.
7. Рекрутер работал над вакансией, а ее закрыли внутренним кандидатом. Считать такие закрытия для расчета среднего срока или нет?
Аналитика подбора - это очень тонкая вещь, при настройке ее в любой ATS системе надо 10 раз все перепроверить.
Расчет метрик оценки эффективности процесса подбора персонала - одно из самых распространенных направлений работы с HR-метриками.
Но как бы просты они не казались на первый взгляд, за каждой метрикой в подборе скрывается много сложностей.
Например, при внимательном расчете срока закрытия вакансии может потребоваться ответить на очень много специальных вопросов.
Например:
1. Что считать датой начала работы над вакансией: создание заявки на подбор или ее подтверждение?
Руководитель считает, что он сказал "надо нанять" и срок пошел, рекрутер не начнет найм пока не выяснит все требования и условия работы.
2. Вакансия перешла от рекрутера 1 к рекрутеру 2.
Срок для менеджера один, он не останавливается, а для нового рекрутера начался заново.
3. Вакансия перешла от менеджера 1 к менеджеру 2.
Формально для рекрутера срок идет, а вот требования у нового менеджера могут измениться так, что, в реальности, для рекрутера это новый поиск.
4. Во время работы над вакансией произошло изменение организационной структуры и позиция перешла в другое подразделение. Как считать срок закрытия в рамках компании - понятно, а как считать для каждого подразделения?
5. Как считать период, когда работа над вакансией приостановилась?
Например, менеджер пересматривает планы, структуру или что-то такое. Вычитать это время из срока работы над вакансией? В идеале закрывать ее и потом открывать новую, но кто же так делает в реальности...
6. Считать ли в срок закрытия вакансии время отработки кандидатом? Ведь оно может составлять не только 2 недели, но и любое другое, по договоренности.
7. Рекрутер работал над вакансией, а ее закрыли внутренним кандидатом. Считать такие закрытия для расчета среднего срока или нет?
Аналитика подбора - это очень тонкая вещь, при настройке ее в любой ATS системе надо 10 раз все перепроверить.
Доля от...
Иногда бывает так, что у одного и того же выражения есть 2 разных смысла.
И это не только омонимы в русском языке, но и смысловые выражения.
Например, при анализе лучших сотрудников / high performer-ов / HiPo / top contributor-ов бывает нужно посмотреть "долю лучших по отделам".
При такой постановке задачи лучше уточнить какая цель.
Тут есть 2 варианта:
1. Когда нужно посмотреть долю лучших из отдела относительно общей численности отдела.
2. Когда нужно посмотреть долю лучших из отдела относительно общей численности лучших.
Часто, ради простоты, в обоих случаях используется традиционная гистограмма, но, чтобы подчеркнуть смысл:
* в первом случае будет нагляднее, если показать % как долю от 100%, а
* во втором сумма долей равна 100%, поэтому нагляднее будет показать их линейчатой диаграммой с накоплением.
С правильной визуализацией всегда понятнее.
Похожий по смыслу пример был про
Текучесть новичков тут:
https://yangx.top/whrdata/475
Иногда бывает так, что у одного и того же выражения есть 2 разных смысла.
И это не только омонимы в русском языке, но и смысловые выражения.
Например, при анализе лучших сотрудников / high performer-ов / HiPo / top contributor-ов бывает нужно посмотреть "долю лучших по отделам".
При такой постановке задачи лучше уточнить какая цель.
Тут есть 2 варианта:
1. Когда нужно посмотреть долю лучших из отдела относительно общей численности отдела.
2. Когда нужно посмотреть долю лучших из отдела относительно общей численности лучших.
Часто, ради простоты, в обоих случаях используется традиционная гистограмма, но, чтобы подчеркнуть смысл:
* в первом случае будет нагляднее, если показать % как долю от 100%, а
* во втором сумма долей равна 100%, поэтому нагляднее будет показать их линейчатой диаграммой с накоплением.
С правильной визуализацией всегда понятнее.
Похожий по смыслу пример был про
Текучесть новичков тут:
https://yangx.top/whrdata/475
100+ новых HRTech решений
от @whrdata и @hrtechru
Давно у меня не было подборок HRTech решений, а, меж тем, рынок живет: одни решения появляются, другие изчезают.
Предыдущая большая подборка
250+ HRTech и WorkTech решений была в сентябре, поэтому эту я готовила основываясь на материалах @hrtechru, начиная с сентября 2022.
В топе, по прежнему, 2 темы:
* решения для подбора (от массового до ИТ)
* решения для работы с самозанятыми и КЭДО
В недостатке, все также:
* решения для автоматизации работы с оргструктурой и управлением вознаграждением.
Сложно очертить границы для решений для внутренних коммуникаций, поэтому эта сфера расширена до просто коммуникаций и поэтому сейчас там есть и конструкторы сайтов, и корпоративные мессенджеры.
Направление обучение также включает в себя решения по управлению знаниями и новые решения про менторинг.
Пользуйтесь, распространяйие, пишите чего еще не хватает?
от @whrdata и @hrtechru
Давно у меня не было подборок HRTech решений, а, меж тем, рынок живет: одни решения появляются, другие изчезают.
Предыдущая большая подборка
250+ HRTech и WorkTech решений была в сентябре, поэтому эту я готовила основываясь на материалах @hrtechru, начиная с сентября 2022.
В топе, по прежнему, 2 темы:
* решения для подбора (от массового до ИТ)
* решения для работы с самозанятыми и КЭДО
В недостатке, все также:
* решения для автоматизации работы с оргструктурой и управлением вознаграждением.
Сложно очертить границы для решений для внутренних коммуникаций, поэтому эта сфера расширена до просто коммуникаций и поэтому сейчас там есть и конструкторы сайтов, и корпоративные мессенджеры.
Направление обучение также включает в себя решения по управлению знаниями и новые решения про менторинг.
Пользуйтесь, распространяйие, пишите чего еще не хватает?
Стратегическое планирование численности (и киоски самообслуживания)
В выходные я была в магазине, который одним из первых внедрил кассы самообслуживания. Интересно было наблюдать, что, несмотря на наличие N свободных касс самообслуживания, в кассы с кассирами была небольшая очередь.
Киоски самообслуживания начали входить в нашу жизнь несколько лет назад. Я тогда работала в рознице и хорошо помню, что расчет был на увеличение скорости обслуживания гостей и оптимизацию численности кассиров.
Одновременно с этим
* в розничных отделениях банков внедряли электронную очередь
* в розничных магазинах – кассы самообслуживания
* в аэропортах – автоматизированные считыватели посадочных талонов,
В общем, появилось множество аппаратов, которые должны были улучшить опыт пользователя.
Киоски стоят уже лет 5, но многие покупатели до сих пор идут к кассирам, а консультанты стоят рядом с киосками и помогают покупателям нажимать за них на сенсорные кнопки. В иностранной прессе есть интересная статья, которая подтверждает эти наблюдения. Кроме этого, там приводят и другие аргументы в пользу того, что идея с киосками «выстрелила» не так, как на нее рассчитывали.
С точки зрения управления сотрудникам и их численности:
* за любым сокращением кассиров следует найм технических специалистов для обслуживания аппаратов
* кассы самообслуживания стимулируют мошенничество и, как следствие, увеличивают потребность в охранниках и увеличение затрат на видеонаблюдение
* управление кассами самообслуживания для кассира стало сложнее, чем работа за кассой
С точки зрения HR это как раз то самое стратегическое планирование численности, когда при автоматизации и кардинальном изменении процессов компании, структура персонала меняется и вместо кассиров и операторов становятся нужны охранники и инженеры.
Кроме этого внедрение всех этих инструментов влияют на производительность, о чем тоже нельзя забывать.
В выходные я была в магазине, который одним из первых внедрил кассы самообслуживания. Интересно было наблюдать, что, несмотря на наличие N свободных касс самообслуживания, в кассы с кассирами была небольшая очередь.
Киоски самообслуживания начали входить в нашу жизнь несколько лет назад. Я тогда работала в рознице и хорошо помню, что расчет был на увеличение скорости обслуживания гостей и оптимизацию численности кассиров.
Одновременно с этим
* в розничных отделениях банков внедряли электронную очередь
* в розничных магазинах – кассы самообслуживания
* в аэропортах – автоматизированные считыватели посадочных талонов,
В общем, появилось множество аппаратов, которые должны были улучшить опыт пользователя.
Киоски стоят уже лет 5, но многие покупатели до сих пор идут к кассирам, а консультанты стоят рядом с киосками и помогают покупателям нажимать за них на сенсорные кнопки. В иностранной прессе есть интересная статья, которая подтверждает эти наблюдения. Кроме этого, там приводят и другие аргументы в пользу того, что идея с киосками «выстрелила» не так, как на нее рассчитывали.
С точки зрения управления сотрудникам и их численности:
* за любым сокращением кассиров следует найм технических специалистов для обслуживания аппаратов
* кассы самообслуживания стимулируют мошенничество и, как следствие, увеличивают потребность в охранниках и увеличение затрат на видеонаблюдение
* управление кассами самообслуживания для кассира стало сложнее, чем работа за кассой
С точки зрения HR это как раз то самое стратегическое планирование численности, когда при автоматизации и кардинальном изменении процессов компании, структура персонала меняется и вместо кассиров и операторов становятся нужны охранники и инженеры.
Кроме этого внедрение всех этих инструментов влияют на производительность, о чем тоже нельзя забывать.
Аналитика поведения,
часть 1, uber
Недавно появилась информация, что Министерство транспорта подготовило проект постановления, которое запрещает таксистам работать:
* больше 5 часов подряд
* больше 12 часов в день
* принимать новый заказ до получения сведений об окончании текущего заказа
Работа водителей часто находится под особым наблюдением.
В свое время, в 2017 году в The New York Times вышла большая статья об экспериментах UBER с влиянием на поведение водителей, основанном на анализе больших данных и понимании психологии поведения.
В ходе экспериментов компания применяла подходы, которые побуждали водителей изменить свое поведение так, как нужно компании. Чтобы удержать водителей на дороге, компания использовала анализ поведения и "игровые" механики.
Например:
* оправление водителям инфо про возможность следующей поездки еще до того, как закончится их текущая поездка
* выставление цели по заработку и предупреждение о том, что цель близка
это побуждало водителей оставаться на дороге, чтобы заработать целевую сумму
* выставление по умолчанию кнопки "продолжить работу"
* повышающие коэффициенты для стимулирования перемещения водителей в области повышенного спроса
* использование женского голоса для отправки текстовых сообщений водителям побуждающих к перемещению.
(Было доказано, что в этом случае отклик был выше)
* значки за "достижения" за дальние поездки, отличный сервис и т.п.
* сообщение о достижении количества поездок для новых сотрудников для стимулирования достижения ими 25 поездок.
(Это было сделано для того, что водители достигали 25 поездок, т.к. отток водителей достигших это число поездок значительно ниже, чем среди не достигших)
Интересно, что в статье эти воздействия рассматриваются, в основном, под углом этической стороны вопроса, а не работы с данными и пользы data driven подхода.
Рекомендую прочитать первоисточник, чтобы посмотреть на то, какая обратная сторона есть у всей нашей "геймификации" и "мотивации" и как к это относятся некоторые люди.
часть 1, uber
Недавно появилась информация, что Министерство транспорта подготовило проект постановления, которое запрещает таксистам работать:
* больше 5 часов подряд
* больше 12 часов в день
* принимать новый заказ до получения сведений об окончании текущего заказа
Работа водителей часто находится под особым наблюдением.
В свое время, в 2017 году в The New York Times вышла большая статья об экспериментах UBER с влиянием на поведение водителей, основанном на анализе больших данных и понимании психологии поведения.
В ходе экспериментов компания применяла подходы, которые побуждали водителей изменить свое поведение так, как нужно компании. Чтобы удержать водителей на дороге, компания использовала анализ поведения и "игровые" механики.
Например:
* оправление водителям инфо про возможность следующей поездки еще до того, как закончится их текущая поездка
* выставление цели по заработку и предупреждение о том, что цель близка
это побуждало водителей оставаться на дороге, чтобы заработать целевую сумму
* выставление по умолчанию кнопки "продолжить работу"
* повышающие коэффициенты для стимулирования перемещения водителей в области повышенного спроса
* использование женского голоса для отправки текстовых сообщений водителям побуждающих к перемещению.
(Было доказано, что в этом случае отклик был выше)
* значки за "достижения" за дальние поездки, отличный сервис и т.п.
* сообщение о достижении количества поездок для новых сотрудников для стимулирования достижения ими 25 поездок.
(Это было сделано для того, что водители достигали 25 поездок, т.к. отток водителей достигших это число поездок значительно ниже, чем среди не достигших)
Интересно, что в статье эти воздействия рассматриваются, в основном, под углом этической стороны вопроса, а не работы с данными и пользы data driven подхода.
Рекомендую прочитать первоисточник, чтобы посмотреть на то, какая обратная сторона есть у всей нашей "геймификации" и "мотивации" и как к это относятся некоторые люди.
Мониторинг открытия / закрытия вакансий:
Я уже писала про нашу текущую задачку от любимой команды рекрутмента, про мониторинг открытия вакансий, а сейчас готова представить результат этой работы.
Чтобы рекрутеры закрывали вакансии надо, чтобы эти вакансии кто-то открывал. И желательно, чтобы они открывались равномерно в течение года.
Не буду повторяться про способы использования, это было в предыдущем посте.
Тут расскажу про исполнение.
Мы делим открытия на 3 основных части:
1. Вакансии, перешедшие с прошлого года
2. Вакансии, открытые на позиции, согласованные в штатное расписание текущего года
3. Вакансии, открывающиеся в связи с увольнением сотрудников.
Понятно, что мы не можем спланировать все идеально, но понимая
* количество вакансий
* прогноз % текучести
* количество рекрутеров
* возможности рекрутеров по одновременному количеству вакансий в работе
мы можем заложить ориентиры и сравнивать по ним факты и динамику.
На визуализации:
Слева вверху:
как мы планируем открытие вакансий (запуск заявок на подбор)
Справа вверху:
как мы планируем закрытие вакансий
Слева в середине:
как вакансии открывают по факту
Справа в середине:
как вакансии закрывают по факту
Слева внизу:
факт / план открытий
Справа внизу:
факт / план закрытий
Про загрузку команды есть отдельный лист, там эта тема раскрыта еще более детально. Но это уже другая история.
#KLeXperience
Я уже писала про нашу текущую задачку от любимой команды рекрутмента, про мониторинг открытия вакансий, а сейчас готова представить результат этой работы.
Чтобы рекрутеры закрывали вакансии надо, чтобы эти вакансии кто-то открывал. И желательно, чтобы они открывались равномерно в течение года.
Не буду повторяться про способы использования, это было в предыдущем посте.
Тут расскажу про исполнение.
Мы делим открытия на 3 основных части:
1. Вакансии, перешедшие с прошлого года
2. Вакансии, открытые на позиции, согласованные в штатное расписание текущего года
3. Вакансии, открывающиеся в связи с увольнением сотрудников.
Понятно, что мы не можем спланировать все идеально, но понимая
* количество вакансий
* прогноз % текучести
* количество рекрутеров
* возможности рекрутеров по одновременному количеству вакансий в работе
мы можем заложить ориентиры и сравнивать по ним факты и динамику.
На визуализации:
Слева вверху:
как мы планируем открытие вакансий (запуск заявок на подбор)
Справа вверху:
как мы планируем закрытие вакансий
Слева в середине:
как вакансии открывают по факту
Справа в середине:
как вакансии закрывают по факту
Слева внизу:
факт / план открытий
Справа внизу:
факт / план закрытий
Про загрузку команды есть отдельный лист, там эта тема раскрыта еще более детально. Но это уже другая история.
#KLeXperience
Аналитика поведения,
часть 2, hh
Еще один пример попытки повлиять на поведение людей представили на самом популярном работном сайте.
Там появилась новые функции для соискателей:
• Статистика по вакансии и
• Рейтинг активности
Статистика по вакансии, кажется, может быть довольно полезной.
Например, в статистике обещают показать:
• Сколько кандидатов претендует на вакансию
• Какой уровень образования и опыта работа у других кандидатов, из каких они регионов и какого возраста
• Какие навыки чаще всего указывают люди, откликаясь на интересные вам вакансии
• Диапазон зарплатных ожиданий у конкурентов
А вот «рейтинг активности» вызвал бурю обсуждений среди HR в одной из популярных групп.
Активность повышается при повышении числа просмотров вакансий, откликов, звонках и написании сообщений в чатах и убывает при бездействии. По мнению части HR-сообщества это стимулирует спам среди соискателей, побуждая их делать множество нерелевантных откликов, которые потом приходится разбирать рекрутерам.
Интересно будет посмотреть на сколько повлияет введение этого рейтинга:
• на рост активности пользователей hh и
• на рост количества откликов на вакансии
Вакансии, особенно в некоторых сферах, и так не отличаются точностью
часть 2, hh
Еще один пример попытки повлиять на поведение людей представили на самом популярном работном сайте.
Там появилась новые функции для соискателей:
• Статистика по вакансии и
• Рейтинг активности
Статистика по вакансии, кажется, может быть довольно полезной.
Например, в статистике обещают показать:
• Сколько кандидатов претендует на вакансию
• Какой уровень образования и опыта работа у других кандидатов, из каких они регионов и какого возраста
• Какие навыки чаще всего указывают люди, откликаясь на интересные вам вакансии
• Диапазон зарплатных ожиданий у конкурентов
А вот «рейтинг активности» вызвал бурю обсуждений среди HR в одной из популярных групп.
Активность повышается при повышении числа просмотров вакансий, откликов, звонках и написании сообщений в чатах и убывает при бездействии. По мнению части HR-сообщества это стимулирует спам среди соискателей, побуждая их делать множество нерелевантных откликов, которые потом приходится разбирать рекрутерам.
Интересно будет посмотреть на сколько повлияет введение этого рейтинга:
• на рост активности пользователей hh и
• на рост количества откликов на вакансии
Вакансии, особенно в некоторых сферах, и так не отличаются точностью
Лайфхак визуализации
Когда я рисовала иллюстрацию к посту по такси, я пошла традиционным путем - нарисовала квадратики и выровняла их.
Выравниваю сильно упрощают функции ppt:
выделить несколько элементов =>
формат фигуры =>
упорядочить =>
выровнять по верхнему / нижнему краю
Это ускоряет работу, но если нужно сделать сразу много фигур одновременно, то это будет довольно утомительно: объединять, выравнивать, группировать, снова выравнивать
В этом случае можно использовать другой способ: нарисовать таблицу и воспользоваться вариантами ее форматирования (правда к ним надо приноровиться, они не всегда кажутся простыми)
Как это сделать (пример 1 на рисунке):
1. Вставка => Таблица
2. Конструктор таблиц
* выбрать цвет пера, толщину и типа линий
* нарисовать границы или заливку
Точно также удобно использовать такой прием когда надо нарисовать прямоугольники для изображения процесса (пример 2 на рисунке).
Расстояния между ними можно настраивать через настройки:
Макет => Размер ячейки
Когда я рисовала иллюстрацию к посту по такси, я пошла традиционным путем - нарисовала квадратики и выровняла их.
Выравниваю сильно упрощают функции ppt:
выделить несколько элементов =>
формат фигуры =>
упорядочить =>
выровнять по верхнему / нижнему краю
Это ускоряет работу, но если нужно сделать сразу много фигур одновременно, то это будет довольно утомительно: объединять, выравнивать, группировать, снова выравнивать
В этом случае можно использовать другой способ: нарисовать таблицу и воспользоваться вариантами ее форматирования (правда к ним надо приноровиться, они не всегда кажутся простыми)
Как это сделать (пример 1 на рисунке):
1. Вставка => Таблица
2. Конструктор таблиц
* выбрать цвет пера, толщину и типа линий
* нарисовать границы или заливку
Точно также удобно использовать такой прием когда надо нарисовать прямоугольники для изображения процесса (пример 2 на рисунке).
Расстояния между ними можно настраивать через настройки:
Макет => Размер ячейки
Умные часы и фитнес-браслеты,
или #данные_о_нас, ч.3.
В рекламных материалах и инструкциях обычно пишут о сборе исключительно полезных данных:
• Пульс
• Давление
• Сердечный ритм
• Содержание в крови кислорода
• Мониторинг сна
• Количество шагов
• Скорость передвижения
• Длина пройденного пути
Время активности, иногда еще и по типу (ходьба, бег, велосипед, плавание...)
А дополнительно с этим гаджеты получают инфо, например, про:
• местонахождение во время рабочего дня и выходных
• местонахождение во время ночного сна
• вес и другие параметры тела, которые мы же сами вносим
• инфо о питании, тоже внесенные самостоятельно
А еще их можно подключать к телефону или системе дистанционного управления автомобилем и тогда данные значительно обогащаются, а обмен данными увеличивается кратно...
P.S. я не параноик ;) мне просто интересно наблюдать за данными вокруг нас.
Ранее были еще 2 поста на эту тему:
Годовые отчеты приложений,
или #Данные_о_нас, ч.1.
https://yangx.top/whrdata/702
Чеки из магазинов,
или #Данные_о_нас, ч.2.
https://yangx.top/whrdata/748
или #данные_о_нас, ч.3.
В рекламных материалах и инструкциях обычно пишут о сборе исключительно полезных данных:
• Пульс
• Давление
• Сердечный ритм
• Содержание в крови кислорода
• Мониторинг сна
• Количество шагов
• Скорость передвижения
• Длина пройденного пути
Время активности, иногда еще и по типу (ходьба, бег, велосипед, плавание...)
А дополнительно с этим гаджеты получают инфо, например, про:
• местонахождение во время рабочего дня и выходных
• местонахождение во время ночного сна
• вес и другие параметры тела, которые мы же сами вносим
• инфо о питании, тоже внесенные самостоятельно
А еще их можно подключать к телефону или системе дистанционного управления автомобилем и тогда данные значительно обогащаются, а обмен данными увеличивается кратно...
P.S. я не параноик ;) мне просто интересно наблюдать за данными вокруг нас.
Ранее были еще 2 поста на эту тему:
Годовые отчеты приложений,
или #Данные_о_нас, ч.1.
https://yangx.top/whrdata/702
Чеки из магазинов,
или #Данные_о_нас, ч.2.
https://yangx.top/whrdata/748
Анализ поведения, подбор
На прошлой неделе в СМИ опубликовали интересный пресс-релиз о том, что "ПАО «МТС» совместно с Инфомаксимум завершила пилотный проект по оцифровке и анализу операций рекрутеров в рамках процесса массового подбора персонала"
Кейс в СМИ, к сожалению, представляют не коллеги из HR, а "руководитель направления process discovery департамента управления эффективностью", хотя оценка эффективности работы 105 сотрудников Центра подбора персонала, кажется, самая что ни на есть HR задача. Интересно, что инструмент для ее решения выбрали не традиционный для HR.
При этом коллеги затронули очень важную задачу "определить реальное количество просмотров кандидатов на работных сайтах, которое совершают рекрутеры в рамках холодного поиска, а также конверсию кандидатов в приглашенных".
Для рекрутеров и HR-аналитиков это оценка эффективности заветной "верхней части воронки подбора", которую в регулярной деятельности получить нельзя: ни один рекрутер по доброй воле не вносит в базу кандидатов, с которыми не планирует работать дальше по процессу, поэтому эта часть воронки всегда остается вне аналитики в HR.
Судя по статье, проект помог решить еще множество полезных задач, которым позавидует HR-аналитик:
* оценить реальную конверсию на старте воронки подбора
* рассчитать драйверы численности рекрутеров
* определить потенциал сокращения трудозатрат HR по внесению данных с работных сайтов во внутреннюю систему подбора,
* устранить неоптимальное использование квот по открытию резюме на специализированных порталах,
* оптимизировать длительность и регламенты процесса массового подбора кадров
Очень надеюсь, что коллеги из HR МТС поделятся этим кейсом и его результатами более детально.
Интересны как сами результаты, так и некоторые процессные вещи, например, были ли осведомлены рекрутеры о том, что на их компьютеры установлены программы отслеживания операций.
А пока остается только довольствоваться инфо из статьи, и записать себе очередной раз, что аналитика поведения это далеко не только задачи HR.
На прошлой неделе в СМИ опубликовали интересный пресс-релиз о том, что "ПАО «МТС» совместно с Инфомаксимум завершила пилотный проект по оцифровке и анализу операций рекрутеров в рамках процесса массового подбора персонала"
Кейс в СМИ, к сожалению, представляют не коллеги из HR, а "руководитель направления process discovery департамента управления эффективностью", хотя оценка эффективности работы 105 сотрудников Центра подбора персонала, кажется, самая что ни на есть HR задача. Интересно, что инструмент для ее решения выбрали не традиционный для HR.
При этом коллеги затронули очень важную задачу "определить реальное количество просмотров кандидатов на работных сайтах, которое совершают рекрутеры в рамках холодного поиска, а также конверсию кандидатов в приглашенных".
Для рекрутеров и HR-аналитиков это оценка эффективности заветной "верхней части воронки подбора", которую в регулярной деятельности получить нельзя: ни один рекрутер по доброй воле не вносит в базу кандидатов, с которыми не планирует работать дальше по процессу, поэтому эта часть воронки всегда остается вне аналитики в HR.
Судя по статье, проект помог решить еще множество полезных задач, которым позавидует HR-аналитик:
* оценить реальную конверсию на старте воронки подбора
* рассчитать драйверы численности рекрутеров
* определить потенциал сокращения трудозатрат HR по внесению данных с работных сайтов во внутреннюю систему подбора,
* устранить неоптимальное использование квот по открытию резюме на специализированных порталах,
* оптимизировать длительность и регламенты процесса массового подбора кадров
Очень надеюсь, что коллеги из HR МТС поделятся этим кейсом и его результатами более детально.
Интересны как сами результаты, так и некоторые процессные вещи, например, были ли осведомлены рекрутеры о том, что на их компьютеры установлены программы отслеживания операций.
А пока остается только довольствоваться инфо из статьи, и записать себе очередной раз, что аналитика поведения это далеко не только задачи HR.
Годовой отчет Microsoft 2022
#бенчмарки
Часть про людей в Годовом отчете Microsoft всегда образец для подражания.
1. Традиционная разбивка численности по категориям
Я разбирала такое 1,5 года назад
2. Результаты опросов сотрудников:
• "70% сотрудников по всему миру приняли участие в нашем опросе «Employee Signals survey» за 2022 финансовый год"
• "Более 75 000 ответов сотрудников Daily Pulse в течение финансового года"
3. Разнообразие и инклюзивность
"Мы поддерживаем несколько очень активных групп ресурсов для сотрудников для женщин, семей, представителей расовых и этнических меньшинств, военных, людей с ограниченными возможностями и сотрудников, которые идентифицируют себя как LGBTQIA+"
4. Вознаграждение
• "в 2021 финансовом году мы расширили право на акции для всех сотрудников Microsoft в рамках нашего ежегодного процесса вознаграждения"
• "мы объявили о значительных инвестициях в ежегодные заслуги и возможности ежегодного награждения акциями для всех сотрудников ниже высшего руководящего уровня"
• "мы также вложили средства в корректировку базовых окладов для наших почасовых сотрудников в центрах обработки данных и розничной торговли и почасовых эквивалентов за пределами США"
5. Раздел про обучение
"В 2022 финансовом году наши сотрудники прошли более 4,7 млн курсов, в среднем более 14 часов на одного сотрудника"
А отчет по D&I просто выше всех похвал, обязательно посмотрите исходник
Например, там есть инфо о справедливости оплаты и можно узнать сколько зарабатывают женщины в США зарабатывают на каждую 1000 долларов, заработанную в США их коллегами-мужчинами
#бенчмарки
Часть про людей в Годовом отчете Microsoft всегда образец для подражания.
1. Традиционная разбивка численности по категориям
Я разбирала такое 1,5 года назад
2. Результаты опросов сотрудников:
• "70% сотрудников по всему миру приняли участие в нашем опросе «Employee Signals survey» за 2022 финансовый год"
• "Более 75 000 ответов сотрудников Daily Pulse в течение финансового года"
3. Разнообразие и инклюзивность
"Мы поддерживаем несколько очень активных групп ресурсов для сотрудников для женщин, семей, представителей расовых и этнических меньшинств, военных, людей с ограниченными возможностями и сотрудников, которые идентифицируют себя как LGBTQIA+"
4. Вознаграждение
• "в 2021 финансовом году мы расширили право на акции для всех сотрудников Microsoft в рамках нашего ежегодного процесса вознаграждения"
• "мы объявили о значительных инвестициях в ежегодные заслуги и возможности ежегодного награждения акциями для всех сотрудников ниже высшего руководящего уровня"
• "мы также вложили средства в корректировку базовых окладов для наших почасовых сотрудников в центрах обработки данных и розничной торговли и почасовых эквивалентов за пределами США"
5. Раздел про обучение
"В 2022 финансовом году наши сотрудники прошли более 4,7 млн курсов, в среднем более 14 часов на одного сотрудника"
А отчет по D&I просто выше всех похвал, обязательно посмотрите исходник
Например, там есть инфо о справедливости оплаты и можно узнать сколько зарабатывают женщины в США зарабатывают на каждую 1000 долларов, заработанную в США их коллегами-мужчинами
Я периодически смотрю на кейсы из продвинутых, высокооборачиваемых бизнесов, где участвует большое количество людей. Мне интересно как смотрят на управление людьми не HRы
Вот нашла кейс 2020 года,
Marketplace efficiency в Яндекс.Еде
#заметки
5 ключевых задач по работе с курьерами:
1. Найм курьеров
2. Вывод курьеров
3. Назначение на заказы
4. Передвижение курьеров
5. Оплата курьерам
1. Найм курьеров:
•Прогноз заказов на N месяцев вперед
•Конверсия по каналам привлечения
•Среднее время работы курьера в неделю
•«Возвращаемость» курьеров
2. Вывод курьеров
•Прогноз заказов на неделю вперед по дням
•Распределение по зонам и часам:
заказов => курьеров => смен курьеров
3. Назначение на заказы:
•Распределение курьеров по заказам
•Сурж (динамическое ценообразование) - алгоритм, который регулирует баланс спроса и предложения. Увеличение стоимости доставки для уменьшения спроса в моменте высокой нагрузки на курьеров, когда спрос на доставку значительно превышает возможности курьеров в наличии (например, когда пошел сильный дождь и люди не хотят идти на обед на улицу).
4. Перемещение курьеров между территориями:
•Количество заказов и количество курьеров по территориям в реальности не равномерны, поэтому для поддержания баланса есть необходимость перемещать курьеров туда, где в данный момент есть в них дефицит.
5. Система оплаты:
Ни строго почасовая оплата, ни оплата просто по количеству заказов не выгодны, поэтому используется сложная система оплаты труда, где учитываются:
• минимальный доход в час
• количество заказов
• удаленность заказа
• качество (скорость) доставки
Обратите внимание на слайд. Интересно, что вероятность увольнения ребята обозначают ни как принятые в HR, attrition или turnover, а как продуктовый churn rate, метрика, которая показывает какое количество пользователей перестали пользоваться сервисом.
Еще один кейс от ЯндексЕда, более продвинутый и от 2022 года есть тут
Вот нашла кейс 2020 года,
Marketplace efficiency в Яндекс.Еде
#заметки
5 ключевых задач по работе с курьерами:
1. Найм курьеров
2. Вывод курьеров
3. Назначение на заказы
4. Передвижение курьеров
5. Оплата курьерам
1. Найм курьеров:
•Прогноз заказов на N месяцев вперед
•Конверсия по каналам привлечения
•Среднее время работы курьера в неделю
•«Возвращаемость» курьеров
2. Вывод курьеров
•Прогноз заказов на неделю вперед по дням
•Распределение по зонам и часам:
заказов => курьеров => смен курьеров
3. Назначение на заказы:
•Распределение курьеров по заказам
•Сурж (динамическое ценообразование) - алгоритм, который регулирует баланс спроса и предложения. Увеличение стоимости доставки для уменьшения спроса в моменте высокой нагрузки на курьеров, когда спрос на доставку значительно превышает возможности курьеров в наличии (например, когда пошел сильный дождь и люди не хотят идти на обед на улицу).
4. Перемещение курьеров между территориями:
•Количество заказов и количество курьеров по территориям в реальности не равномерны, поэтому для поддержания баланса есть необходимость перемещать курьеров туда, где в данный момент есть в них дефицит.
5. Система оплаты:
Ни строго почасовая оплата, ни оплата просто по количеству заказов не выгодны, поэтому используется сложная система оплаты труда, где учитываются:
• минимальный доход в час
• количество заказов
• удаленность заказа
• качество (скорость) доставки
Обратите внимание на слайд. Интересно, что вероятность увольнения ребята обозначают ни как принятые в HR, attrition или turnover, а как продуктовый churn rate, метрика, которая показывает какое количество пользователей перестали пользоваться сервисом.
Еще один кейс от ЯндексЕда, более продвинутый и от 2022 года есть тут
НЕсопоставимость
Иногда бывает сложно объяснить неподготовленным пользователям, что выборки несопоставимы и результаты по ним нельзя сравнивать (статистические критерии, хи-квадрат и вот это все)
В этом случае помогает наглядное отображение.
Например, если показать, что пропорции распределения людей в общей совокупности и в выбранной группе по выбранному параметру не совпадают.
А еще когда-то давно у меня был пост про репрезентативность с очень хорошей картинкой, рекомендую
Иногда бывает сложно объяснить неподготовленным пользователям, что выборки несопоставимы и результаты по ним нельзя сравнивать (статистические критерии, хи-квадрат и вот это все)
В этом случае помогает наглядное отображение.
Например, если показать, что пропорции распределения людей в общей совокупности и в выбранной группе по выбранному параметру не совпадают.
А еще когда-то давно у меня был пост про репрезентативность с очень хорошей картинкой, рекомендую
В пользу гендерного равенства пост
Регистрировалась в выходные на онлайн конференцию ооочень крупной телеком компании с темами про «AI, BigData, Product management, Leading change» и вот это все.
Как обычно при регистрации собирали ФИО, телефон, мэйл, аккаунт в ТГ в придачу, прислали в почту подтверждение, все как всегда. Но что меня тригернуло, так это:
• Тема письма:
«Ты зарегистрировался на ***»
• Заголовок письма:
«Привет! Ты зарегистрировался на ***»
Видимо, обычно отбивки приходят с обращением на «Вы» и этот половой аспект скрадывается. А тут…
Строго мужской род.
Я никогда не была тем, кто активно пропагандирует гендерное равенство и ярко выступает за развитие diversity, но такое вот обращение, когда твоя идентичность просто отвергается, это… очень неприятно.
Начинаю понимать представителей всевозможных меньшинств, отстаивающих свои права, и девчонок, которые объединяются в сообщества а-ля «девушки в STEM» для повышения собственной видимости…
Я точно не знаю как работают сервисы для рассылки писем, но, кажется, это очень просто подтянуть справочники женских и мужских имен и в зависимости от этого менять окончания у слов. Это не требует никакого AI и BigData. А особенно когда рассылки делают такие крупные и уважаемые компании.
Если вы используете что-то подобное в корпоративных рассылках, то обратите внимание. И это вообще не Employer brand или что-то такое, а просто уважение, мне кажется...
Регистрировалась в выходные на онлайн конференцию ооочень крупной телеком компании с темами про «AI, BigData, Product management, Leading change» и вот это все.
Как обычно при регистрации собирали ФИО, телефон, мэйл, аккаунт в ТГ в придачу, прислали в почту подтверждение, все как всегда. Но что меня тригернуло, так это:
• Тема письма:
«Ты зарегистрировался на ***»
• Заголовок письма:
«Привет! Ты зарегистрировался на ***»
Видимо, обычно отбивки приходят с обращением на «Вы» и этот половой аспект скрадывается. А тут…
Строго мужской род.
Я никогда не была тем, кто активно пропагандирует гендерное равенство и ярко выступает за развитие diversity, но такое вот обращение, когда твоя идентичность просто отвергается, это… очень неприятно.
Начинаю понимать представителей всевозможных меньшинств, отстаивающих свои права, и девчонок, которые объединяются в сообщества а-ля «девушки в STEM» для повышения собственной видимости…
Я точно не знаю как работают сервисы для рассылки писем, но, кажется, это очень просто подтянуть справочники женских и мужских имен и в зависимости от этого менять окончания у слов. Это не требует никакого AI и BigData. А особенно когда рассылки делают такие крупные и уважаемые компании.
Если вы используете что-то подобное в корпоративных рассылках, то обратите внимание. И это вообще не Employer brand или что-то такое, а просто уважение, мне кажется...
#заметки с выступления про (UX) исследования с онлайн-митапа Avito Design Talk
В аналитике тоже довольно часто бывают исследовательские задачи, так что советы опытного исследователя актуальны и для работы моей команды.
Там про ошибки на разных этапах исследования и как их предотвратить.
Рекомендация эксперта – бриф для снятия потребности (я тоже о нем всегда мечтала, но в HR же не принято усложнять жизнь заказчикам😉)
«Базовый набор» вопросов из брифа:
1. Общий контекст и этапы работы над задачей
2. Цели бизнеса
3. Цели и задачи самого исследования
4. Целевая аудитория
5. Гипотезы и открытые вопросы
Вопросы, которые работают «на скорость», т.е. приближают к более быстрому получения результата:
1. Что уже известно команде?
(я считаю это гениальным напоминанием: признайтесь, как часто вы бежите делать что-то, не изучив то что уже есть в ваших базах знаний и не узнав что уже делали до вас?)
Какие есть варианты: обращения пользователей, общение с внутренними сотрудниками, мнения с рынка, от экспертов/партнеров и т.п.
Это поможет сфокусировать не на том, что уже известно, а на том, что не известно
2. Образ результата
• Не только то, что будет хорошим результатом, но и то, что будет плохим результатом, что заказчик не примет.
• Какой формат упаковки интересует (т.е. нужно ли тратить время на оформление или будет достаточно «сырых» данных, но быстро)
• Кто будет пользователем?
3. Сроки и ресурсы
• Когда готовы начать? Когда нужны результаты?
• Чем готовы пожертвовать, если что-то пойдет не так?
4. Применения результатов
• Что будет, если получим такие результаты, а что будет если получим другие?
• Какой и когда будет следующий шаг после получения результата?
(тоже гениальный вопрос :) поможет разобраться с ожидаемым сроком «вчера»)
5. Что будет, если исследование НЕ будет проведено?
Помогает понять степень риска и разобраться со сроками.
Я для себя расширила список ролей, за которыми интересно наблюдать и у которых есть чему учиться и теперь там есть еще и UX и Research. И вам рекомендую)
В аналитике тоже довольно часто бывают исследовательские задачи, так что советы опытного исследователя актуальны и для работы моей команды.
Там про ошибки на разных этапах исследования и как их предотвратить.
Рекомендация эксперта – бриф для снятия потребности (я тоже о нем всегда мечтала, но в HR же не принято усложнять жизнь заказчикам😉)
«Базовый набор» вопросов из брифа:
1. Общий контекст и этапы работы над задачей
2. Цели бизнеса
3. Цели и задачи самого исследования
4. Целевая аудитория
5. Гипотезы и открытые вопросы
Вопросы, которые работают «на скорость», т.е. приближают к более быстрому получения результата:
1. Что уже известно команде?
(я считаю это гениальным напоминанием: признайтесь, как часто вы бежите делать что-то, не изучив то что уже есть в ваших базах знаний и не узнав что уже делали до вас?)
Какие есть варианты: обращения пользователей, общение с внутренними сотрудниками, мнения с рынка, от экспертов/партнеров и т.п.
Это поможет сфокусировать не на том, что уже известно, а на том, что не известно
2. Образ результата
• Не только то, что будет хорошим результатом, но и то, что будет плохим результатом, что заказчик не примет.
• Какой формат упаковки интересует (т.е. нужно ли тратить время на оформление или будет достаточно «сырых» данных, но быстро)
• Кто будет пользователем?
3. Сроки и ресурсы
• Когда готовы начать? Когда нужны результаты?
• Чем готовы пожертвовать, если что-то пойдет не так?
4. Применения результатов
• Что будет, если получим такие результаты, а что будет если получим другие?
• Какой и когда будет следующий шаг после получения результата?
(тоже гениальный вопрос :) поможет разобраться с ожидаемым сроком «вчера»)
5. Что будет, если исследование НЕ будет проведено?
Помогает понять степень риска и разобраться со сроками.
Я для себя расширила список ролей, за которыми интересно наблюдать и у которых есть чему учиться и теперь там есть еще и UX и Research. И вам рекомендую)
Афиша конференций на апрель
HR конференции:
🗓 05.04.2023
Online Demo Day — Цифровизация в HR
от Люди и коммуникации
https://hrdigital-conf.ru/
🗓 10-11.04.2023
WOW HR
ссылка
🗓 13.04.2023
HR Mobile от MK Group
https://www.mk-conference.ru/hrmobile
🗓 20.04.2023
Кадровый ЭДО:
цифровизация на практике от CFO Russia
https://www.cfo-russia.ru/meropriyatiya/hredo/
🗓 21.04.2023
HR TECH, АВТОМАТИЗАЦИЯ HR ПРОЦЕССОВ 2023 от Quorum
http://hrtransformation.online/hrtech2023
🗓 25.04.2023
Российский HRTech:
ИТ решения для автоматизации и интеллектуализации HR-процессов
www.all-over-ip.ru/2023/hr-tech
🗓 26.04.2023
ITHR RUSSIA FORUM 2023
https://b2b4.ru/ithr#reg
🗓 27.04.2023
HR IT DAY 2023 от Tadviser
ссылка
Другие интересные конференции:
🗓 14.04.2023, 21.04.2023
AgileDays'23
https://agiledays.ru/
🗓 18.04.2023
Retail Tech, Цифровой HR
https://retailtech.ru/
🗓 21-22.04.2023
Analyst Days
https://analystdays.ru
HR конференции:
🗓 05.04.2023
Online Demo Day — Цифровизация в HR
от Люди и коммуникации
https://hrdigital-conf.ru/
🗓 10-11.04.2023
WOW HR
ссылка
🗓 13.04.2023
HR Mobile от MK Group
https://www.mk-conference.ru/hrmobile
🗓 20.04.2023
Кадровый ЭДО:
цифровизация на практике от CFO Russia
https://www.cfo-russia.ru/meropriyatiya/hredo/
🗓 21.04.2023
HR TECH, АВТОМАТИЗАЦИЯ HR ПРОЦЕССОВ 2023 от Quorum
http://hrtransformation.online/hrtech2023
🗓 25.04.2023
Российский HRTech:
ИТ решения для автоматизации и интеллектуализации HR-процессов
www.all-over-ip.ru/2023/hr-tech
🗓 26.04.2023
ITHR RUSSIA FORUM 2023
https://b2b4.ru/ithr#reg
🗓 27.04.2023
HR IT DAY 2023 от Tadviser
ссылка
Другие интересные конференции:
🗓 14.04.2023, 21.04.2023
AgileDays'23
https://agiledays.ru/
🗓 18.04.2023
Retail Tech, Цифровой HR
https://retailtech.ru/
🗓 21-22.04.2023
Analyst Days
https://analystdays.ru