Оригина статьи здесь Наши HR-аналитики в Гонг- Конге
Интервью с Дарьей Ворожейкиной - People Analytics Consultant at Schneider Electric
(Hong Kong)
В какой-то момент я стала рассылать резюме в две самые развитые страны в Юго-Восточной Азии — Сингапур и Малайзию. Я выслала около 30 резюме и получила только один отклик из малайзийской компании, но из списка Fortune 500. Я почти год проработала в Малайзии по контракту, и мне предложили новую работу в Гонконге.
Когда я была в университете, психологи еще не знали про R или Python. Лишь позднее я начала понимать, что сейчас во многих академических исследованиях используют R, повлиял в значительной степени блог Эдуарда. Я купила себе годовой курс на DataCamp, много училась и сохраняла все упражнения. Теперь у меня есть методичка и набор кодов в RStudio, которые я всегда могу использовать для разных данных. (простите за рекламу - Он-лайн курс "Введение в R для HR" - прим. Бабушкина Эдуарда)
Во второй компании у нас целая глобальная команда HR аналитики из 26 человек и на 150 000 работников и есть свой архитектор HR данных и сотрудник который отвечает только за чистоту данных.
В мои текущие обязанности входит развитие HR-аналитики в одном из подразделений. Напрямую я не занимаюсь разработкой новых инструментов — только внедрением и адаптацией того, что создала международная команда. У нас есть собственная корпоративная «википедия» с описанием методов расчета. Это обеспечивает соответствие данных в подразделениях по всему миру (110 стран). Моя задача на данном этапе стоит в том, чтобы объяснить HR топ-менеджерам, как использовать HR-данные и метрики.
У нас есть несколько глобальных проектов. Например, поскольку это международная компания, здесь обеспокоены вопросами гендерного равенства: каков процент женщин в целом по компании и на топ-позициях. Есть интересный проект по расчету того, сколько времени человек должен оставаться в одной должности прежде чем ротироваться дальше.
Особые сложности связаны с тем, что у компании работники по всему миру. Это затрудняет создание моделей машинного обучения и требует дополнительной стандартизации. Например, в Индии больше 15% текучести — это нормально, а для Германии и 4% уже очень высоко. То же самое и с показателями вовлеченности: если в Китае не принято критиковать начальство, то во Франции или США сотрудники в большей степени готовы высказать свое мнение.
Прямого запроса на предиктивный анализ в моем подразделении нет. Исследования проводятся с учетом приоритетов бизнеса и проблем, которыми на данный момент обеспокоен топ-менеджмент. Также нет особого смысла демонстрировать сам анализ со сложными моделями (даже если ими очень гордишься) поскольку это может лишь испугать HR. Всю работу лучше проводить на бэкенде, а результаты выдавать в виде простых и наглядных дэшбордов, из которых понятно, какие HR-действия необходимо предпринять.
Был запрос на анализ открытой темы в исследовании вовлеченности. Имеющийся инструмент (Qualtrics) выполнял анализ Bag of Words, но не давал ожидаемых инстайтов. Исследовав представленные на рынке методы анализа текста, оказалось, что мы еще не так далеко шагнули в будущее и у нас нет инструмента, способного абсолютно непредвзято проанализировать 70 000 комментариев и выдать осмысленные выводы.
Поступают запросы на составление опросников для социальных исследований. Не знаю, как на данный момент в России, но в международных компаниях внутренние аудиторы устанавливают серьезные ограничения на защиту персональных данных. Фактически нам приходится защищать каждое исследование, подробно рассказывая о его целях и убеждая, что данные не будут использаваны против сотрудников.
Я также решаю операционные задачи, связанные с массовыми загрузками данных в систему, с поддержкой и обновлением оргструктуры и контролем за доступам к данным. Последнее, как ни странно, играет важную роль, поскольку у глобальных позиций в матричной структуре довольно много нюансов.
К сожалению, наиболее часто используемой программой остается Excel (не для серьезного анализа, а для повседневных операций и обмена данными). Для дескриптивного анализа я использую Tableau, для предиктивного — R. В настоящее время наша компания переходит на Oracle Analytics Cloud. В США есть также пилот программы ThoughtSpot, которая предусматривает использование AI для ответа на HR-запросы по отчетам.
Для извлечения данных я предпочитаю использовать SQL — на мой взгляд, манипуляцию данными на нем выполнять проще, чем в R. В малайзийской компании мы вместо Tableau использовали Power BI.
По итогам работы в разных компаниях я сделала важный вывод: каким бы замечательным ни был твой анализ, необходимо иметь хорошую HR-систему, а в идеале — базу данных типа SQL Server. На некоторых HR-системах есть даже встроенная предиктивная -аналитика и машинное обучение.
Кроме того, я думаю, что, несмотря на развитость технологий и больше количество специальных статей, наша задача как HR-аналитиков состоит прежде всего в том, чтобы объяснить, как использовать результаты анализа в повседневной деятельности HR компании.
(Hong Kong)
Дарья, день добрый!
Вы сейчас работаете ....
Я работаю консультантом по people аналитике (HR аналитик) в Гонконге в международной компании Fortune 500 в области управления энергией.Расскажите, как вы из Новосибирска смогли устроиться в Гонконг?
Я работала В Новосибирске над внедрением HR-системы. Это был мой первый опыт работы в международной организации, хотя и очень маленькой. Идея работать за границей была у меня всегда, но мысль о том, что из России меня могут перевести куда-то за рубеж, казалась нереалистичной. У меня были накопления, и я отправилась бэкпекером в девятимесячный тур по Азии. Я побывала на десятках отдаленных островов, плавала с акулами, бродила по джунглям с орангутангами, забиралась на горы и любовалась вулканами.В какой-то момент я стала рассылать резюме в две самые развитые страны в Юго-Восточной Азии — Сингапур и Малайзию. Я выслала около 30 резюме и получила только один отклик из малайзийской компании, но из списка Fortune 500. Я почти год проработала в Малайзии по контракту, и мне предложили новую работу в Гонконге.
А что Вы для этого сделали? Я имею ввиду, какие курсы закончили, чему обучались?
Я 7 лет обучалась организационной психологии: сначала в Новосибирском государственном университете, а затем на магистерской программе в Высшей школе экономики в Москве. Я считаю, что организационная психология — самое подходящее образование для HR-аналитика. В вузах меня научили правильно формулировать гипотезы и выбирать объект исследования. Но навыкам программирования пришлось учиться уже самой.Когда я была в университете, психологи еще не знали про R или Python. Лишь позднее я начала понимать, что сейчас во многих академических исследованиях используют R, повлиял в значительной степени блог Эдуарда. Я купила себе годовой курс на DataCamp, много училась и сохраняла все упражнения. Теперь у меня есть методичка и набор кодов в RStudio, которые я всегда могу использовать для разных данных. (простите за рекламу - Он-лайн курс "Введение в R для HR" - прим. Бабушкина Эдуарда)
Какие задачи, как HR-аналитик, вы решаете в вашей компании?
У меня есть опыт работы в двух международных компаниях из списка Fortune 500, которые в принципе достаточно сильно отличались. В первой была больше техническая роль. Данные были отличного качества и их извлечение было легким и простым. Задача стояла только в автоматизации еженедельных отчетов с помощью MS Access и VBA и их визуализации в Power BI. Дополнительно к текущим задачам я строила простенькие модели текучести персонала с помощью регрессионного анализа данных и дерева решений.Во второй компании у нас целая глобальная команда HR аналитики из 26 человек и на 150 000 работников и есть свой архитектор HR данных и сотрудник который отвечает только за чистоту данных.
В мои текущие обязанности входит развитие HR-аналитики в одном из подразделений. Напрямую я не занимаюсь разработкой новых инструментов — только внедрением и адаптацией того, что создала международная команда. У нас есть собственная корпоративная «википедия» с описанием методов расчета. Это обеспечивает соответствие данных в подразделениях по всему миру (110 стран). Моя задача на данном этапе стоит в том, чтобы объяснить HR топ-менеджерам, как использовать HR-данные и метрики.
У нас есть несколько глобальных проектов. Например, поскольку это международная компания, здесь обеспокоены вопросами гендерного равенства: каков процент женщин в целом по компании и на топ-позициях. Есть интересный проект по расчету того, сколько времени человек должен оставаться в одной должности прежде чем ротироваться дальше.
Особые сложности связаны с тем, что у компании работники по всему миру. Это затрудняет создание моделей машинного обучения и требует дополнительной стандартизации. Например, в Индии больше 15% текучести — это нормально, а для Германии и 4% уже очень высоко. То же самое и с показателями вовлеченности: если в Китае не принято критиковать начальство, то во Франции или США сотрудники в большей степени готовы высказать свое мнение.
Прямого запроса на предиктивный анализ в моем подразделении нет. Исследования проводятся с учетом приоритетов бизнеса и проблем, которыми на данный момент обеспокоен топ-менеджмент. Также нет особого смысла демонстрировать сам анализ со сложными моделями (даже если ими очень гордишься) поскольку это может лишь испугать HR. Всю работу лучше проводить на бэкенде, а результаты выдавать в виде простых и наглядных дэшбордов, из которых понятно, какие HR-действия необходимо предпринять.
Был запрос на анализ открытой темы в исследовании вовлеченности. Имеющийся инструмент (Qualtrics) выполнял анализ Bag of Words, но не давал ожидаемых инстайтов. Исследовав представленные на рынке методы анализа текста, оказалось, что мы еще не так далеко шагнули в будущее и у нас нет инструмента, способного абсолютно непредвзято проанализировать 70 000 комментариев и выдать осмысленные выводы.
Поступают запросы на составление опросников для социальных исследований. Не знаю, как на данный момент в России, но в международных компаниях внутренние аудиторы устанавливают серьезные ограничения на защиту персональных данных. Фактически нам приходится защищать каждое исследование, подробно рассказывая о его целях и убеждая, что данные не будут использаваны против сотрудников.
Я также решаю операционные задачи, связанные с массовыми загрузками данных в систему, с поддержкой и обновлением оргструктуры и контролем за доступам к данным. Последнее, как ни странно, играет важную роль, поскольку у глобальных позиций в матричной структуре довольно много нюансов.
А какими языками и программами чаще приходится пользоваться в работе?
К сожалению, наиболее часто используемой программой остается Excel (не для серьезного анализа, а для повседневных операций и обмена данными). Для дескриптивного анализа я использую Tableau, для предиктивного — R. В настоящее время наша компания переходит на Oracle Analytics Cloud. В США есть также пилот программы ThoughtSpot, которая предусматривает использование AI для ответа на HR-запросы по отчетам.
Для извлечения данных я предпочитаю использовать SQL — на мой взгляд, манипуляцию данными на нем выполнять проще, чем в R. В малайзийской компании мы вместо Tableau использовали Power BI.
По итогам работы в разных компаниях я сделала важный вывод: каким бы замечательным ни был твой анализ, необходимо иметь хорошую HR-систему, а в идеале — базу данных типа SQL Server. На некоторых HR-системах есть даже встроенная предиктивная -аналитика и машинное обучение.
Кроме того, я думаю, что, несмотря на развитость технологий и больше количество специальных статей, наша задача как HR-аналитиков состоит прежде всего в том, чтобы объяснить, как использовать результаты анализа в повседневной деятельности HR компании.
Комментариев нет:
Отправить комментарий