4 września 2002 roku. Drużyna baseballowa Oakland Athletics prowadzi właśnie 11-0 z Kansas City Royals. Pomimo tak ogromnej przewagi, zarówno kibice, jak i trenerzy siedzą jak na szpilkach. Nadchodzi bowiem przełom. Niepozorna drużyna z A’s na czapkach za chwilę pobije rekord Amerykańskiej ligi. Będą pierwszą drużyną w historii, która wygrała 20 meczów z rzędu. To rekord, który czeka na pobicie od niemal stu lat.
Najwierniejsi kibice przygotowują się już do rozwinięcia na trybunach wielkiego baneru z dwudziestką. Coś jednak jest nie tak. Drużyna z Oakland traci jeden punkt. Potem drugi i trzeci. Kibice przecierają oczy ze zdumienia, gdy nagle na telebimie widać już obok siebie dwie jedenastki zamiast jednej.
Wtedy na boisko wchodzi Scott Hatteberg — pałkarz, który dopiero niedawno został przyuczony do gry na tej pozycji. Widzowie przed telewizorami pochylają się w fotelu. Gracze z Kansas zacierają ręce. Część kibiców wypłakuje oczy.
Pierwsza piłka rzucona przez miotacza Royalsów bezbłędnie ląduje w rękawicy. Scott ma jeszcze tylko dwie szanse, by przynieść chwałę swojej drużynie. Presja narasta, a Hatteberg przed drugim rzutem kilka razy macha kijem jakby chciał przećwiczyć idealne uderzenie. Kilka sekund później piłka leci już w jego stronę… i nagle znika z pola widzenia kamery. Kolejne ujęcie jest już na trybuny po drugiej stronie boiska. Szczęśliwi kibice łapią piłkę, a drużyna rezerwowa Oakland Aesthetics wybiega na boisko. Niemożliwe stało się możliwe. 12-11. Stuletni rekord został pobity. A to wszystko dzięki wierze w siebie, ciężkim treningom, magii sportu. A, no i również dzięki odrobinie analizy statystycznej :)
Subiektywne doświadczenie vs obiektywne dane
Zanim manager Athletics — Billy Beane poznał ekonomistę Paula DePodesta, drużyna z Oakland radziła sobie średnio. Po raz kolejny zakończyli sezon bez sukcesu, a trzech kluczowych zawodników zbierało się do odejścia. Nastroje w zarządzie były… depresyjne. Skauci proponowali różnych graczy, którzy mieli zastąpić odchodzących zawodników. Żaden jednak nie wydawał się wystarczająco dobrym wyborem. Zwłaszcza patrząc na ograniczony budżet klubu.
Wraz ze swoim pojawieniem się, Paul wprowadził jednak do zarządu nowego ducha. Wspólnie z Billym postawili wszystko na jedną kartę. Żaden z zawodników, którego postanowili kupić, nie był znany ani pożądany na rynku transferowym. Średnio odbijali, mieli kontuzje lub byli już starzy jak na sportowe standardy. Byli też bardzo tani. Dla statystyk było to jednak nieistotne. Liczyło się tylko jedno: ilość zdobytych przez zawodnika baz (czyli po prostu punktów).
Kształcący się latami skauci buntowali się. Uważali, że żadna technologia ani statystyka nie jest w stanie zastąpić wieloletniego doświadczenia w branży.
Stety niestety, bardzo się pomylili.
Adaptacja lub przegrana
Oakland pobili rekord, bo trafili na moment, gdy nikt nie stosował taktyk statystycznych. Wygrywały po prostu te drużyny, które było stać na najdroższych zawodników. Taka nagła zmiana zarządzania wprowadziła chaos w strategiach przeciwników. Znani zawodnicy i znane schematy sprawiały, że gra była uporządkowana i przewidywalna. Nagle gracze i managerowie przeciwnych drużyn stracili grunt pod nogami.
Skutkiem tego już kilka lat później stosowanie analizy statystycznej stało się standardem, a baseball nigdy nie był taki sam. Kto uparł się i stwierdził, że wie lepiej, ten nie miał żadnych szans w walce o tytuł. Subiektywizm przegrał z walce z obiektywnymi danymi.
W baseballu jak w życiu. A w życiu jak w HRze. Jak się nie zaadaptujesz, to wyginiesz. Z tego powodu, jeśli chcemy się liczyć w grze, musimy grać według najnowszych zasad.
Krótka historia HRMS
A w tej kwestii przebyliśmy długą drogę. Innowacje w branży HR pojawiały się i znikały błyskawicznie. Początki prymitywnych HR-owych technologii możemy zaobserwować już w XX wieku, gdy w manufakturach zaczęto stosować pierwsze papierowe karty płacowe. Pozwoliły one śledzić czas pracy, nadgodziny i wynagrodzenia pracowników.
W okolicach lat 60 i 70 nastąpił przełom. W 1964 roku pojawiła się pierwsza komercjalna maszyna faksująca firmy XEROX, która pozwoliła „przesyłać” dokumenty na odległość. W 1971 wysłano pierwszego maila. Jego autor — Ray Tomlinson zapoczątkował tym samym istnienie elektronicznej komunikacji wewnętrznej.
W 1979 roku powstał natomiast SAP R/2 — pierwszy system, który oparty był o metodę ERP — planowanie zasobów przedsiębiorstwa. Część firm rezygnowała więc powoli z ręcznego księgowania na rzecz systemu, który pozwalał na kompleksową obsługę obszarów finansowych, logistycznych, produkcyjnych i oczywiście kadrowych. Wszystko oparte było o serwery firmy SAP i działające w czasie rzeczywistym.
W 1981 SAP R/2 został zaprezentowany na targach IT systems w Monachium. Rok później korzystało z niego już 250 firm w Niemczech, Austrii i Holandii. W mgnieniu oka SAP współpracował już z takimi firmami jak IBM czy Siemens.
Już kilka lat później, bo w roku 1987 pojawił się program PeopleSoft. Jak sama nazwa wskazuje, był on bardziej niż SAP skoncentrowany na zasobach ludzkich. Pozwalał na zarządzanie listą płac, świadczeniami, wydajnością i obecnością, zgłaszanie skarg czy pozyskiwanie talentów.
Rewolucja była w tym momencie nie do zatrzymania. W latach 2000 firmy rozpoczęły masowe przenosiny z systemów papierowych na cyfrowe. Na początku XXI wieku 15% organizacji korzystało z technologii HR dla pracowników. W roku 2005 było to już 50% firm.
Jak widać, daty bardzo mocno pokrywają się z bejsbolowym przełomem wprowadzonym przez Billy’ego Beana. Nie bez powodu — SABRmetrics, czyli system opracowywania danych o zawodnikach trafił na moment w rozwoju technologii, który pozwolił mu wykorzystać pełnię swojego potencjału.
Trenerzy mogli zacząć analizować procent odbić kijem baseballowym, dobiegnięć do bazy czy tzw. slugging percentage (stosunek liczby zdobytych baz ogółem poprzez uderzenie do liczby pojawień się na kiju.). Ma on taki oto śliczny wzór.
Wszystko to pozwoliło na na liczbową ocenę wartości zawodników.
Podobnie jak w sporcie, HR-owcy zaczęli stosować komputerowe analizy statystyczne i przewidywania. Korzystali z regresji liniowej i drzewek decyzyjnych, by lepiej zrozumieć dane pozyskiwane z firmy; A co za tym idzie również i pracowników w niej zatrudnionych.
Czy warto? Cóż, z wystarczająco rozbudowanym zestawem danych możemy zrobić takie cuda, żeby dowiedzieć się na przykład jak zapobiec rezygnacji z pracy przez pracowników. Co jeszcze możemy więc badać?
Case study z Expansio
Żywym dowodem istotności statystyk w narzędziach HR-owych jest nasza aplikacja do komunikacji wewnętrznej. Dzięki niej administratorzy mogą szybko dotrzeć z komunikatem do pracowników. Mają również szansę sprawdzić, jakie komunikaty generują konwersję.
Czy pisać w tonie bardziej, czy mniej formalnym? Tworzyć posty dotyczące spraw przedsiębiorstwa czy osób w nim zatrudnionych? A może stosować clickbaity? Na te i inne pytania można łatwo odpowiedzieć, stosując metody A/B i analizę statystyczną.
Oprócz tego możemy analizować w które zakładki klikają pracownicy, czy to ile czasu w nich spędzają. Wiemy jak zmienia się zainteresowanie pracowników w zależności od ich wieku, doświadczenia czy sektora, w którym pracują. Pozwala to na targetowanie postów do konkretnych grup, predykcję rezultatów i wykorzystanie sprzężenia zwrotnego. Możemy w końcu analizować co działa i zachęca a co wręcz przeciwnie.
Przede wszystkim jednak wiemy czy i jak prędko ważne dla nas komunikaty faktycznie docierają do ludzi.
A co z tym zbieraniem danych?
Oczywiście aby móc analizować dane, potrzebne są… dane. Zastanówmy się, jak dużo o ludziach wie Facebook czy LinkedIn. Wiedzą jakie treści czytamy, na jakich grupach się udzielamy. Korzystając z tych danych, giganci social media s w stanie świetnie personalizować reklamy i zarabiać na tym ogromne pieniądze. Wydawałoby się, że to tylko niewinne czytanie postów w mediach społecznościowych, ale ono bardzo dużo zdradza na nasz temat.
Tak samo jest w przypadku aplikacji do komunikacji. Jest ona często używana przez pracowników, więc sami dostarczają oni podstawowe dane. Dodatkowe informacje mogą pochodzić z ankiet, o których wypełnienie można poprosić pracowników. Im więcej danych, tym lepsze wnioski można wyciągnąć.
Przykładowo — na tej stronie ktoś wykorzystał uczenie maszynowe do przeanalizowania rzeczywistych danych z działu HR.
Na ich podstawie można wywnioskować:
- po jakim okresie pracownik najprawdopodobniej odejdzie z firmy pracując z konkretnym dziale
- jaki jest powód odejścia pracowników z firmy
- jakiego rodzaju pracownikom odpowiadają dłuższe godziny pracy i najprawdopodobniej nie wpłyną one na decyzję o odejściu z firmy
i wiele, wiele innych
Dlaczego wykorzystujemy metody statystyczne w HR:
Unikamy subiektywizmu i ludzkich błędów poznawczych.
Jak już wiemy z poprzednich artykułów, nasze logiczne myślenie wcale nie jest tak logiczne, jak byśmy tego chcieli. Z tego powodu korzystamy z różnych metod chroniących nas przed własnymi błędami poznawczymi. Statystyka jest jednym z takich narzędzi.
Polepszamy relacje i zadowolenia pracowników
Duża część zbieranych w HR danych dotyczy między innymi poziomu satysfakcji pracowników, ich efektywności czy samopoczucia. Znając wartość tych zmiennych i obserwując ich zmiany w czasie, jesteśmy w stanie odpowiednio reagować. Możemy porozmawiać z pracownikiem, poznać jego potrzeby i dylematy.
Zwiększamy efektywność w przyporządkowaniu osób na stanowiska
Z pomocą odpowiednich narzędzi możemy liczbowo ocenić przydatność pracownika do wykonywania konkretnych zadań. Badamy więc kompetencje miękkie i twarde, preferencje, wierzenia i motywacje. Pozwala to znaleźć najbardziej efektywną strategię na ustalenie stanowiska i zakresu obowiązków. Dodatkowo jesteśmy pewni, że unikniemy stronniczości związanej z płcią czy rasą.
Zwiększamy przewidywalność podejmowanych decyzji
Na podstawie wcześniejszych danych o efektach naszych decyzji, możemy uczyć się i przewidywać, które rozwiązania będą dla naszej organizacji i pracowników najlepsze.
Skracamy czas potrzebny na analizę
Przez usunięcie ręcznych, czasochłonnych procedur możemy przeznaczyć czas na budowanie lepszej komunikacji wewnętrznej czy integrację zespołu.
Możemy łatwo tworzyć raporty
Stałe zbieranie danych pozwala wyszczególnić, co wydarzyło się w konkretnym czasie i jakie zmiany przyniosły jakie skutki. Takie raporty mogą być w przyszłości używane do porównań okresowych.
Identyfikujemy słabe strony i szukamy rozwiązań
Analiza statystyczna pozwala rozpoznać trudności w systemie czy wśród pracowników. Dzięki temu możemy zaproponować inny sposób działania czy dopasować mentorów do pracowników mających problem w jakimś zakresie. Jesteśmy również w stanie śledzenić skuteczność rozwiązań na bieżąco.
Statystyki i normy dla HR
No dobrze teoria teorią, ale co mówią ludzie, którzy w tym siedzą? Czy są jakieś statystyki i analizy na temat statystyk i analiz?
A no są, i to niemało. Na przykład takie lub takie
Aktualny rynek oprogramowania do HR jest wart prawie 14 miliardów dolarów i ma w 2027 roku osiągnąć wartość niemal 40 miliardów. 58% biznesów używa takiego oprogramowania do znajdowania i utrzymania pracowników. Niemal połowa firm aktywnie inwestuje w rozwój swojego sektora HR. Mimo tego, około 36% profesjonalistów z tego działu uważa, że technologia, z której korzystają, jest niewystarczająca na aktualne standardy.
Najwyraźniej mają trochę racji, gdyż około 30% nowych pracowników odchodzi w ciągu 3 miesięcy. Natomiast średni koszt zastąpienia pracownika wynosi ⅓ jego rocznej pensji. Zapewne wiąże się to również z tym, że 88% pracowników uważa, że ich firma nie ma sensownego programu onboardingowego.
I tak dalej, statystyki przeplatają się z ludzkimi historiami.
Oprócz statystyk wewnętrznych i statystyk o statystykach, osoby pracujące w sektorze HR, mogą korzystać z ogólnodostępnych norm, by porównywać jakość działania swojej firmy na tle konkurencji. Przykładem może być taka oto strona, która pokazuje, jaki jest średni czas zatrudnienia nowej osoby w zależności od sektora. Przydatna sprawa, zwłaszcza, że ponoć najlepsi specjaliści znikają z marketu w ciągu 10 dni.
Druga strona medalu zarządzania zasobami ludzkimi
Na przełomie XIX i XX wieku amerykański inżynier Frederick Winslow Taylor stworzył metodę organizacji pracy zwaną tayloryzmem. Zakładała ona maksymalną wydajność pracy przy efektywnym wykorzystaniu czasu i obcięciu kosztów. Jego metoda naukowego zarządzania opierała się o 4 zasady:
- Używanie metod naukowych do badania pracy i ustalania najbardziej efektywnych sposobów jej wykonania
- Dopasowywanie pracowników do stanowiska na podstawie ich zdolności i motywacji i uczenie ich do pracowania z maksymalną efektywnością
- Monitorowanie ich wydajności i obserwacja, czy na pewno pracują najbardziej efektywnymi metodami
- Rozlokowanie pracy między managerów i pracowników, by managerowie mogli zająć się planowaniem i treningami a pracownicy pracą.
Cóż, idea ta niewątpliwie powstała w dobie skrajnego zachwytu kapitalizmem :)
Jeśli dostrzegamy w dzisiejszym HRze echa tayloryzmu, to jak najbardziej mamy słuszną intuicję. Nasz ustrój bardzo ceni sobie maksymalizację zysków.
Ważne zatem, by z rozwojem analizy nie zapomnieć o tym, że za każdą cyferką w statystyce stoi człowiek. Człowiek, który na pewno będzie bardziej zaangażowany w swoją pracę, gdy analiza nie będzie cały czas patrzeć mu na ręce. Lub na twarz.
Bo jeśli damy się zagubić w pogoni za zyskiem, to możemy skończyć z takimi oto potworkami:
i takimi reakcjami na wywiad z autorami tych i podobnych cudów
Zbierajmy więc dane i kwestionujmy tradycję
Dzięki kompletowaniu danych łatwiej nam podjąć decyzje o tym, czy jest to dobry moment na zatrudnianie nowych osób, jaki jest koszt zatrudnienia, jakich treningów wymaga dana osoba na danym stanowisku, co możemy zrobić dla zwiększenia ogólnej produktywności czy jakie benefity są najskuteczniejszymi motywatorami.
Starszy pracownik, tak jak w baseballu, może dostarczyć drużynie cennego doświadczenia, pomimo gorszej sprawności. Pracownik bez doświadczenia, za to z kompetencjami miękkimi może potrzebować jedynie treningu, by być wydajniejszym od pracownika z doświadczeniem. Do takich wniosków dochodzimy za pomocą pracy i danych. Przynajmniej dopóki nie pojawią się efektywniejsze metody.
Pamiętajmy więc, żeby kwestionować tradycję. Jeśli odpowiedzią na pytanie „dlaczego coś robimy” jest “bo tak się to robi” lub “bo wszyscy tak robią”, to jest szansa, że jesteśmy w podobnej sytuacji jak manager Oakland Athletics. Może więc pora na jakiś przełom?
