Decision Science v HR | KPMG | CZ

Decision Science v HR

Decision Science v HR

Předpovědní model KPMG dokáže u našeho klienta – jedné z největších globálních recruiterských společností – odhalit až 65 % zaměstnanců, kteří odejdou, ještě dříve, než se k tomu rozhodnou.

1000

Partner, Management Consulting

KPMG Česká republika

Kontaktovat

Související

data-analytics

Práce recruitera není vůbec jednoduchá. Prakticky neustále voláte potenciálním a stávajícím klientům, zda nepotřebují někoho přijmout, a zároveň dohledáváte kandidáty, jimiž si plníte databázi. Pokud vše funguje, jak má, umisťujete uchazeče na volná místa a bonusy, které tvoří velkou část vašeho platu, létají na váš účet. Pokud ale vše neklape, což se stává celkem často, hromadí se vám kandidáti, které nemáte kam umístit, nebo máte mnoho otevřených pozic a dobří kandidáti nejsou k nalezení. A také doma „dostáváte čočku“, protože chodíte pozdě z práce a váš účet zeje prázdnotou. A pak si sbalíte svých pár švestek a jdete si hledat jiné zaměstnání.

O tom, že často nejde vše úplně ideálně, svědčí především fakt, že každý rok si takto sbalí svých pár švestek téměř polovina zaměstnanců. V HR tomu říkají vysoká fluktuace a považují ji za nepřítele číslo jedna. Vyjádřeno penězi přijde firmu výběr nových lidí a jejich zaškolení na několik desítek milionů liber ročně. Pokud jste jedni z největších na trhu, hrozí, že všichni, kdo u vás chtěli pracovat, tak již udělali a nikdo další na trhu nezbývá. A to je problém natolik zásadní, že nedá spát ani členům boardu.

Odhalte rockové hvězdy

K řešení tohoto problému jsme u našeho klienta (mezinárodní recruiterské firmy) použili nástroj Decision Science. Ten na základě sítě datových zdrojů (interních i externích) a pokročilé datové analytiky umí vytvořit a vytrénovat model, který předpovídá, co se zaměstnancům honí hlavou. Pokud tento výsledek umíte využít a zapracovat do svých procesů, máte bitvu z poloviny vyhranou. Na sklonku roku 2015 jsme dokončili první prototyp (proof of concept).

K tomu, abyste mohli řídit fluktuaci, musíte dobře odhadnout dvě věci – potřebujete vědět, kdo má potenciál stát se v budoucnu výkonným zaměstnancem, říkáme jim budoucí rockové hvězdy, a také kdo se chystá odejít. Propojením těchto dvou souřadnic můžete identifikovat skupinu zaměstnanců, kde je jakákoliv vaše aktivita dobře investovaným časem. Pokud v ní budete úspěšní, zabráníte odchodu lidí, kteří jsou pro firmu strategicky důležitější než vymáhání pohledávek. Jsou to totiž budoucí rockové hvězdy.

V rámci první fáze projektu jsme vytěžili několik desítek zdrojů, které již ve firmě existovaly, jako například historické prodeje, výkonnostní bonusy, rezervace místností, tréninky a další. Ty jsme obohatili o externí data, jako je charakteristika místa, kde bydlíte, jak dlouho vám to trvá do práce a jak velká je nezaměstnanost v okolí vaší kanceláře. Tato data nazýváme signály, v projektu jsme jich využili více než osm tisíc.

Následně jsme signály vyskládali podél časových dimenzí. U každého konzultanta, který odešel, jsme se dívali na to, co se dělo s jeho signály několik měsíců před odchodem, a hledali jsme vzorce, které indikují, že pracovník odejde. Náš recept na předpovídání budoucnosti spočívá v tom, že se díváme na aktuální data, a pokud tam rozeznáme stejné vzorce signálů, víme, že u zaměstnance hrozí zvýšené riziko odchodu. Ve váš prospěch hraje fakt, že tak ještě neučinil, a vy tedy můžete reagovat ještě předtím, než se to stane.

Stejně odhalujeme budoucí rockové hvězdy. Naučili jsme se rozeznávat dnešní signály budoucího vysokého výkonu a umíme je identifikovat u lidí, kteří zatím žádný vysoký výkon nepodávají (například proto, že se zatím nestihli ve firmě zorientovat).

Prototyp míří k 90% přesnosti

Výsledkem prototypu, který jsme vytvořili za 12 týdnů, je, že jsme schopni identifikovat 65 % lidí, kteří se chystají odejít, a 60 % budoucích rockových hvězd. Jedná se o první prototyp a ze zkušenosti víme, že přesnost modelů se dá doladit až na 90 %, a to vše při zanedbatelné chybovosti (kolem 5 %). Klient se rozhodl model implementovat a my mu s tím pomáháme. Krása našeho přístupu spočívá v tom, že výstup je elegantně jednoduchý – ke každému člověku každý měsíc vypočteme pravděpodobnost, že dá výpověď (nebo že se stane rockovou hvězdou), a důvodový kód, tj. proč si myslíme, že se tak stane. „Zásahová jednotka“ (tým, který školíme) má na starosti, aby byl každý zaměstnanec dobře ošetřen a aby ve společnosti zůstalo co nejvíce rockových hvězd. A členové boardu už se nemohou dočkat toho koncertu. 

Více o Decision Science v HR najdete ZDE

Text vyšel v magazínu Marwick

Časopis pro klienty a příznivce KPMG Česká republika.

 
Čtěte zde

Spojte se s námi

 

Nezávazná poptávka

 

Zadat