Мне на ревью прислали статью о том, как таланты из других стран могут укрепить конкурентное преимущество организации. И вот я читаю эту статью и думаю: вроде бы и написана она хорошо, и исследование сделано качественно, но как-будто не про нашу жизнь.

Авторы критикуют существующие миграционные исследования за то, что они не учитывают конкуренцию компаний между собой и за талантов. Исследование они проводят на футболистах топовых европейских клубов - Ок, там действительно крайне высокий спрос на работников уникальной квалификации, поэтому их готовы привозить из любой точки мира. Но я не смогла с ходу придумать другую такую профессию, где рынок был бы по-настоящему международным и где за мигрантами гонялись бы все работодатели.

Даже если мы вынесем за скобки 26 млн беженцев (данные ООН, 2020), которые вполне могут пытаться трудоустроиться в новой стране, останутся еще десятки и сотни миллионов переехавших и желающих переехать по самым разным причинам. Даже высококвалифицированные мигранты испытывают сложности при трудоустройстве. А что тогда говорить про низкоквалифицированных работников? Выгоды работодателя при найме таких мигрантов связаны не с уникальными талантами, а с возможностью нанять дешевле и менее привередливую защищенную рабочую силу.

Получается, что битва за талантов происходит в каком-то очень узком сегменте международного рынка труда. В терминах американских виз авторы сделали исследование категории O2 (уникальные таланты), но предлагают использовать его результаты для обсуждения миграционной политики по категории Н1В (квалифицированные работники), которых в 4 раза больше 🤔 #мысливслух

Итак, мы определились с датой вебинара "Как использовать данные для оптимизации процесса отбора персонала". Он пройдет 22 февраля, в 19:00 по московскому времени.

🔸 Мы будет анализировать процесс отбора кандидатов на глубинном уровне.
🔸 Мы обсудим, как не только повысить эффективность самого процесса, но и улучшить качество нанимаемых кандидатов.
🔸 Мы поймем, как связаны между собой критерии отбора, результативность нанимаемых кандидатов и их удержание в компании.
🔸 А также решим практический кейс

Если вы еще не успели записаться - поспешите сделать это @olga_aka_professor. Группа уже собралась и начала готовить вопросы к вебинару. Подключайтесь и вы!

Я к вам с новой историей #изжизниученых.

Последние несколько месяцев я каталась по разным бизнес школам и университетам в поисках подходящего мне места для жизни и продолжения научной карьеры. Две недели назад этот процесс пришел к своему логическому завершению: я получила оффер и приняла его (скоро подпишу контракт и тогда поделюсь, куда на этот раз отправятся мои чемоданы). Это было не самое легкое решение. Сначала мне нужно было переварить все отказы, которые я собрала за время этих гастролей, и определиться с тем, какие критерии для меня в приоритете. Но выбор был сделан. И вот вчера неожиданно объявились товарищи с более громким именем и бюджетом, на чью позицию я отправляла документы еще в ноябре и уже не ждала, что они ко мне вернутся. А они вернулись...

Поделитесь, были ли вы сами в такой ситуации. А ваши кандидаты? Какое решение было принято? Как вы думаете, что решила я? 🤓

Запоздавшим товарищам я отказала. Не только потому, что "я другому отдана и буду век ему верна", но и потому что в процессе всех этих бесконечных смотрин, переговоров и раздумий я много чего о себе поняла и убедилась в правильности своего выбора. А смешно тут то, что конкретно этим товарищам я отказываю уже второй раз. Первый раз был в 2017 году, когда я выбирала PhD программу и в итоге поехала учиться в HEC Paris. Такая вот не судьба.

Внимание, правильный ответ 🤓

Принципиально отличие теории сигналов от теории человеческого капитала в том, что первая рассматривает способности человека как изначально данные, а вторая - как развивающиеся. В первом случае работники изначально разные, образование на их способности не влияет, оно лишь позволяет отделить способных от всех остальных. Во втором случае способности работников увеличиваются по мере получения образования и опыта, поэтому образование рассматривается как инвестиция.

Конечно, противоречия между этими моделями в реальной жизни нет, оба механизма сосуществуют. Вопрос в том, как оценить вклад каждого из этих механизмов в конкретном случае. Самый наглядный тест - сравнить три группы людей с максимально похожими характеристиками, где одна группа - это те, кто успешно завершили обучение и получили диплом, вторая - те кто ушли на последнем этапе по причинам, не связанным с успеваемостью, третья - те, кто вообще не учился. Возможности накопления человеческого и социального капитала у двух первых групп были одинаковые, а вот сигнал сформировался только у группы с дипломами. Разница в дохода между не учившимися и группой без дипломов - это вклад человеческого и социального капитала. Разница в доходах между группой без дипломов и группой с дипломами - это эффект сигнала.

Мы как-то уже говорили о том, что далеко не все инструменты оценки, использующиеся в отборе персонала имеют доказательную базу. Есть несколько крупных мета-анализов, сравнивающих валидность различных методов оценки. Недавно я нашла русскоязычный обзор этих исследований и спешу им поделиться:

➡️ ссылка на обзор (спасибо каналу People Analytics за наводку)

Проблема в том, что методов с однозначно высокой прогностической силой нет. Есть методы получше и похуже. Вероятность ошибки будет всегда. Зато в наших силах не потратить слишком много денег на то, что заведомо бесполезно (например, очередное интервью с менеджером на два уровня выше, который слабо себе представляет, чем будет заниматься новый сотрудник). Но зачистку я бы начинала даже не с методов, а с самих критериев отбора. Тут все как в медицине: на любое состояние должны быть диагностические критерии, четко связанные с теми или иными процессами в организме. Если врач назначает анализы, которые никак не помогают в постановке диагноза, то либо врач неграмотный, либо он деньги для лаборатории зарабатывает. #наем

Разбираться с методами и критериями будем 22 февраля, в 19:00 по московскому времени на вебинаре "Как использовать данные для оптимизации процесса отбора персонала". Если тема для вас актуальна, но вы еще не в группе, самое время записаться @olga_aka_professor.

Предлагаю продолжить разговор о теории человеческого капитала и ее применении на практике.

Важным вкладом Гэри Беккера в развитие этой теории является идея разделения человеческого капитала на общий и специфический. Общий человеческий капитал является универсальным, это такие знания и навыки, которые пригодятся всегда, независимо от места работы. Специфическим человеческим капиталом Беккер назвал такие знания и навыки, которые имеют смысл только в рамках конкретной организации и будут бесполезны при переходе работника к другому работодателю [1]. Такая неравноценность человеческого капитала одного и того же работника для разных работодателей является одной из предпосылок формирования внутренних рынков труда и заинтересованности работодателя в обучении и продвижении своих сотрудников [2].

Более поздние исследования показали, что специфическим человеческий капитал может быть не только в рамках организации, но и в рамках профессии (например, знания бухгалтерского учета) или индустрии (например, понимание особенностей функционирования российского фармацевтического рынка) [3,4]. Однако, если уйти от поверхностной классификации и сфокусироваться на сути выполняемой работы, можно обнаружить, что перенос человеческого капитала происходит не на уровне профессии/индустрии, а на уровне конкретных задач (tasks) [5,6], поэтому именно задачи являются тем атомом, из которого можно построить и организационную структуру, и систему управления талантами, и собственную карьерную стратегию.

Ограничения, связанные со специфичностью (specificity) и переносимостью (transferability) человеческого капитала, определяют и наши представления о карьерных траекториях, и параметры поиска кандидатов, а также влияют на вероятность потери конкретного сотрудника [7,8]. Понимание глубины специфичности и переносимости знаний и навыков (своих собственных или своих сотрудников), а также умение вдумчиво инвестировать в их развитие, крайне важны для планирования карьеры (своей или сотрудников). Об этом, кстати, будем говорить в новом модуле карьерного курса. Кто ждет? Подмигните 🔥

📖 если вам захочется самим что-то почитать, предлагаю вам статью Are Leaders Portable из HBR
#карьера

Больше цифр, меньше догадок

73% крупных коммерческих компаний считают развитие HR-аналитики топ-приоритетом (LinkedIn Global Talent Trends 2020). Уже сегодня она позволяет решать широкий круг задач. Какие показатели про персонал полезно отслеживать? Из-за чего компанию покидают сотрудники? Каких сотрудников продвигают в компании и за что? Как быстро новички выходят на достаточную производительность? Какие программы обучения и развития приводят к росту эффективности? На все эти вопросы можно ответить с помощью цифр.

Я рада, что каналов, продвигающих исследования и аналитику становится больше. Чтобы вы всегда были в курсе развития HR-аналитики и первыми узнавали о результатах свежих исследований, мы собрали для вас подборку каналов Data for HR. Там есть много всего интересного. Изучайте, делитесь, выбирайте то, что вам наиболее актуально.

Сохраняйте папку 👈 Будем дружить с цифрами вместе 🤓

Друзья, наш вебинар "Как использовать данные для оптимизации процесса отбора персонала" пройдет уже послезавтра, т.е. 22 февраля, в 19:00 по Москве.

Участники уже задали мне несколько интересных вопросов, которые я включила в программу.

Наш план на вебинар такой:
🔸 анализ отбора персонала с точки зрения процесса и с точки зрения результата
🔸 выявление ошибок найма и адаптации
🔸 анализ критериев оценки кандидатов
🔸 сравнение стоимости закрытия вакансии со стоимостью удержания персонала
🔸 оценка эффекта реферальных программ

По-моему, программа получилась 🔥🔥🔥
Если вы еще не записались, то это последний шанс @olga_aka_professor 🤓

Как оценить эффект от обучения?

Многие знакомы с моделью Киркпатрика/Филлипса, предлагающей оценку по уровням: удовлетворенность, прирост знаний, изменение поведения, достижение бизнес-результатов, финансовый эффект (ROI).

С первыми 3-мя уровнями мы обычно умеем работать: собираем обратную связь, проводим входные и выходные тестирования, оцениваем компетенции, отслеживаем достижение целей. Но вот выйти на бизнес и финансовые результаты уже проблематично.

Во-первых, не каждое обучение имеет целью повысить производительность труда. Иногда это развитие под будущую позицию, или часть неденежного вознаграждения, или элемент командообразования... Значит, искать эффекты обучения придется в разных местах.

Во-вторых, сложно отделить эффект обучения от влияния всех прочих факторов. Даже для работников отдела продаж нельзя напрямую связать рост выручки с обучением, потому что меняется ситуация на рынке, поведение конкурентов и др.

Попробуем разобраться? Сигнализируйте 🔥 и следите за рубрикой #обучение

У нас нет таких данных...

На курсах аналитиков обычно учат тому, как работать с большими данными, как их очищать и структурировать, как отделять нужное от ненужного, как делать выводы. Но в реальной жизни я намного чаще сталкиваюсь с обратной проблемой: нужных данных нет и взять их неоткуда, по крайней мере в краткосрочной перспективе.

Вчера на вебинаре мы тоже затронули эту тему. На мой взгляд, все дело в целях, которые мы преследуем. Принципиальное различие между научными и прикладными исследованиями в том, что первые пытаются докопаться до истины, а вторые нужны для принятия обоснованных решений. Бизнес не делает аналитику из интереса. Бизнес должен постоянно принимать решения, желательно хорошие, но и любые другие уже лучше, чем никакие. Да, несовершенные или неполные данные чреваты расчетами с серьезными погрешностями. Но и их достаточно для того, чтобы сделать предварительные выводы и начать действовать чуть лучше, чем наугад. В следующем периоде у нас будет уже чуть больше данных и чуть точнее выводы. Мы скорректируем наши расчеты и курс действий. Постепенно у нас появятся и необходимая экспертиза, и данные достаточного объема и качества, и культура работы с ними. Поэтому я считаю, что нехватка данных - это не повод для отказа от аналитики 🤓 #мысливслух

Эффект от обучения: производительность труда и не только

Продолжим разговор о том, где искать и как считать эффекты от обучения. Начало здесь 👈🏻

Логично было бы искать результаты обучения в производительности труда: мы работников обучили, после этого они стали работать лучше, а если не стали, значит обучение было бестолковое. Это полностью согласуется с теорией человеческого капитала и тем, что обычно пишут в учебниках по управлению персоналом. Но давайте копнем чуть глубже, учебники вы и без меня читали.

Проблема в том, что прямой эффект на производительность имеет обучение, которое непосредственно связано с основными функциями работника. Мы обучили продавцов отрабатывать возражения - тут же выросла конверсия из звонка в продажу, а значит и продажи выросли. Обучили операторов буровых установок работе с высокотехнологичным оборудованием - оборудование перестало ломаться, сократились связанные с этим простои, выросла выработка.

А что произойдет, если мы обучим региональных менеджеров ведению бюджета? Вырастут ли от этого продажи? Скорее всего нет. А ведь именно продажами мы измеряем производительность труда продающих команд. Значит ли это, что обучение было бесполезным для компании? Вовсе нет. Во-первых, от такого обучения повысится производительность труда отдела финансов, потому что им не придется в конце каждого квартала разбираться, кто что куда потратил и почему денег опять не хватило. Но это копейки, которые в масштабах крупной организации никто не заметит. Во-вторых, региональным менеджерам чудесным образом начнет хватать выделенного бюджета, уйдут перетраты, расходы станут более управляемыми. А это прямой эффект на прибыть, пусть и не через производительность труда.

Еще сложнее устроены эффекты от обучения талантов. Мы не учим их хорошо делать текущую работу, они уже с ней прекрасно справляются, иначе бы мы их талантами не называли. Мы готовим их занять позицию более высокого уровня в будущем. Какой эффект на производительность труда мы ждем? Никакого. Сравнивать текущие результаты с будущими результатами на принципиально другой позиции некорректно, да и позиция эта может с работником не случиться. Как тогда измерять эффект от обучения талантов? Опять-таки не через производительность. Выращивание талантов - это альтернатива внешнему найму. Значит нужно сравнивать расходы на обучение со стоимостью закрытия позиций руководителей и потерями от отсутствия сотрудников на этих позициях.

Поделитесь в комментариях случаями из своей практики, когда вам сложно было оцифровать результаты обучения. Мы попробуем вместе это сделать. И конечно же продолжим разговор об эффектах обучения, поэтому stay tuned 🤓 #обучение

Вчера мы обсудили несколько примеров оценки эффектов от обучения. Давайте теперь сформулируем общий алгоритм (он подойдет не только для обучения).

1️⃣ Вернуться к первоначальной цели. Какую проблему решает организация?

UPD В идеальном мире каждое обучение начинается с бизнес-кейса, где четко сформулированы его цели. В нашем мире бывает по-разному. Если у нас нет бизнес-кейса, это не значит, что обучение однозначно неэффективно, это значит, что его эффективность никто не оценивал заранее. Я считаю, лучше пост-фактум, чем никогда.

⚠️ Пост о том, как составить бизнес-кейс

2️⃣ Обозначить связь между обучением и ожидаемым результатом. Как именно обучение должно помочь решить проблему?

3️⃣ Оцифровать результаты "до" и "после".

Отсюда важная ремарка N1: чтобы такие расчеты в принципе были возможны, обучение лучше проектировать заранее.

Важная ремарка N2: разницу между двумя замерами важно отчищать от действия прочих факторов. Не все те изменения, которые происходят в ходе обучения, являются его прямым следствием. Об этом поговорим в следующий раз.

4️⃣ Пересчитать оцифрованные изменения в деньги.

Решение проблемы не обязательно должно увеличивать доходы за счет повышения производительности труда. Оно также может влиять на сокращение издержек, например, через снижение потерь из-за текучести или за счет выбора более эффективного источника управленческих кадров.

Например, как оценить эффект от изменения мышления?

Возвращаемся к изначальной цели такого изменения. Если компания хочет поменять мышление своих сотрудников, то ей это зачем-то нужно. Например, для того, чтобы повысить инновационный потенциал или научиться находить нестандартные решения. И то, и другое поддается оцифровке. Например, в исследованиях в качестве меры инновационности часто используются данные о патентах и запусках новых продуктов, а в качестве меры нестандартности - отклонение принимаемых компанией решений от среднего по ее конкурентами. Оцифровать можно даже оригинальность произведений искусства. Сейчас это делают с помощью машинного обучения. А дальше можно посчитать, как оригинальность и инновационность коррелируют с продажами и прибылью. #обучение

Прыгнула в поезд. Еду в гости к ETH Zurich на конференцию. Если успею, буду вести традиционные #заметкисконференции. Правда, график обещает быть тяжелым. Кто, ну кто планирует сессии с 8:30 до 21:30? 😵‍💫

Про обучение продолжим на следующей неделе, а пока у меня есть анонс...

Я снова запускаю карьерный курс

В нем будет три блока. Каждый блок состоит из видео и статей с теоретическим материалом, который вы можете изучать в комфортном темпе, и живых вебинаров, где мы будем обсуждать новый материал, делать практические задания и делиться опытом. Как обычно, курс полностью основан на современных научных исследованиях, которые я собрала и переработала в материалы, ориентированные на практиков.

Блок 1. Организационные карьеры
🔸Как устроены современные организации и карьеры в них
🔸Как управлять карьерой в организации
🔸Как строить и использовать социальные связи

Практикум по этому блоку пройдет вечером 28 марта (запись обязательно будет)

Блок 2. Профессиональные карьеры
🔸Как формируется профессиональная идентичность
🔸Смена сферы деятельности: риски, возможности, факторы успеха
🔸Портфельные карьеры: мотивы и стратегии

Практикум - 11 апреля

Блок 3. Международные карьеры
🔸Что дает международный опыт
🔸Как подготовиться к профессиональной миграции
🔸Как строить карьеру в новой стране

Практикум - 24 апреля

Записаться можно уже сегодня @olga_aka_professor. Стоимость курса - 16'000 руб. (актуальна до 10 марта, дальше будет повышение). Т.к. практикум предполагает камерный формат, места в группе ограничены. #карьера

Привет из Цюриха! По дороге домой сортирую свои #заметкисконференции. Вот, например, несколько интересных выводов из исследований о взаимодействии человека и #AI.

🔹 AI используют по-разному: кто-то интегрирует его во все задачи, кто-то проводит чёткое разделение труда. Второе продуктивнее, особенно если понимать возможности и ограничения AI. Наиболее полезен AI в брейншторминге и при написании текстов.

🔹 Использование предложенных AI идей заметно повышает креативность текстов. Правда, только у изначально менее креативных авторов, т.е. подтягивает их под результаты более талантливых коллег.

🔹 Однако креативные идеи AI каждый раз одинаковые. В итоге сам по себе текст получается интересным, но множество текстов, написанных разными авторами с помощью AI, не отличается разнообразием.

#новыетехнологии