Павел Козлов, первый проректор по корпоративным функциям и развитию Технической Академии Росатома и спикер Седьмой конференции «Кадровый ЭДО: цифровизация на практике», рассказал CFO Russia о внедрении предиктивной аналитики в HR, а также поделился, как с ее помощью выстраивать карьерные траектории сотрудников.
- Как давно в Электроэнергетическом Дивизионе Росатома начали использовать предиктивную аналитику в HR? Какие были предпосылки для ее внедрения?
- Проектом мы озадачились около года назад. Я прошел профессиональную переподготовку по цифровой трансформации бизнеса, вследствие чего появилась идея: можно предсказывать конкретные вещи с помощью машинного обучения. Данные мы копили с 2015 года, у нас были программисты и поддержка руководства, так что двигаться в этом направлении начали без промедления. Мы быстро решили использовать позитивный сценарий: не стали делать аналитику вероятности увольнения, а сфокусировались на развитии и раскрытии потенциала людей.
- Сталкиваетесь ли вы с какими-либо трудностями при использовании предиктивной аналитики и машинного обучения в HR? Если да, то как преодолеваете их?
- Мы практически сразу столкнулись с проблемой слепков данных (образ всего массива данных на определенную дату) и со сбором данных в одном месте, поскольку они находились в разных системах. Также появились вопросы относительно персональных данных и информационной безопасности. Но при должном уровне настойчивости все можно преодолеть. Всегда есть выход. Очень важно детально изучить все регламенты, политики безопасности и порядки консолидации данных. Иногда преодолевать барьеры и препоны от ваших же внутренних служб можно только на основе регламентов. Часто говорят «нельзя». Но при выяснении оказывается, что в документах нет запрета, а есть определенные условия и требования, которым нужно соответствовать. Все это не быстро, но преодолимо.
- Насколько точна предиктивная аналитика карьерных траекторий?
- Мы добились неплохой точности и полноты предсказания. В любом случае, больше 50% — уже хорошо. У нас около 90% точности по негативному сценарию (не будет повышения) и около 70% по позитивному (будет повышение). Мы продолжаем совершенствовать модель, копить данные и постоянно повышать точность.
- Как можно использовать данные, полученные таким путем?
- Прежде всего, их могут применять руководители, которые недавно пришли в коллектив. С помощью данных они определяют, кого номинировать в кадровый резерв и на кого из большого числа сотрудников делать ставку. Цифры лишены субъективного отношения. Это чистый анализ.
HR-менеджеры используют аналитику для согласования кандидатов в кадровый резерв. Это не дешевые и длительные программы. На этапе зачисления четкий план назначения сотрудников может отсутствовать и нужно как-то оценить вероятность выбора конкретного кандидата.
