Die 360-Leistungsüberprüfungsmethode wird auch in der X5 Retail Group verwendet. Heute werden wir Sie über die Best Practices von BigData X5 für eingehende HR-Analysen informieren.
Offensichtlich hängt die Genauigkeit einer solchen Methode, obwohl sie durch die Mittelung unterschiedlicher Meinungen zunimmt, immer noch von der Offenheit und Begeisterung ab, mit der die Menschen die Fragebögen ausfüllen, von ihrem Verständnis der Skala, von der Stärke des Teams, der Atmosphäre im Team und vielem mehr.
Ein wichtiger Aspekt beim Betrieb eines solchen Systems ist die Interaktion mit dem Ausfüllen von Fragebögen. Wenn eine Person jedem gedankenlos fünf gibt, muss sie mit ihm zusammenarbeiten und die Wichtigkeit des Prozesses erklären. In Russland gibt es eine gewisse Einstellung gegenüber Noten auf der Grundlage einer Fünf-Punkte-Skala, nach der ein C-Schüler ein mittelmäßiger Charakter ist, ein guter normal, aber ein ausgezeichneter Schüler ist jemand, der gut arbeitet, das ist Lob. Verlierer bleiben das zweite Jahr, und tatsächlich „gibt es nicht viele von ihnen, und ich habe sie noch nie in unserem Unternehmen gesehen“ - so antworten Manager normalerweise über ihr Team. "Irgendwo", aber nicht hier. Wenn Sie also denken, dass der Mitarbeiter gut ist, geben Sie ihm eine Vier, weil eine C ... nun, es gibt eine C, und wenn Sie Freunde sind, können Sie eine Fünf setzen - zögern Sie nicht. Dies führt zu verzerrten Bewertungen, zu einem hohen Prozentsatz von fünf in der Umfrage,das degeneriert in fast zwei Punkte: mit vier und fünf.
Das Unterrichten von Assessoren ist ein langsamer und trauriger (nicht immer trauriger) Prozess, der Erklärungen enthält: wie das Instrument funktioniert; wie man eine Person richtig einschätzt, ohne entweder die Ergebnisse einer einzelnen Interaktion zu bewundern oder die Ergebnisse eines unhöflichen Briefes negativ zu bewerten; Wie sieht eine Bewertungsskala aus, die sich von der in der Schule verwendeten unterscheidet? eine Übersicht über die typischen Fehler von Rezensenten und so weiter. Es ist sehr wichtig, die Menschen zu entspannen, sich von ihrer Wahrnehmung des Prozesses als ein weiteres langweiliges Instrument zu lösen und die Angst loszuwerden, dass die Bewertung die finanziellen Ergebnisse eines Kollegen beeinflusst. Hierbei ist es grundsätzlich wichtig, keine voreiligen Personalentscheidungen zu treffen und das Kommandopersonal nicht auf neue Spuren zu bringen.
Die Darstellung des Analyseprozesses aus Sicht des HR-Mitarbeiters ist im Text gut dargelegtvon Avito, die ich sehr empfehlen kann. Die Jungs beobachteten eine starke Tendenz zum Guten, die Anzahl der Vierer ("über den Erwartungen") war ähnlich der Anzahl der Dreier ("erfüllt die Erwartungen"). Wir stießen auch auf Argumente über "Gut und Böse", obwohl wir eine Skala unseres eigenen Designs verwendeten.
Weiterhin waren die Stimmen geteilt. Entweder ist es ein starkes, freundliches Team oder eines von zwei Dingen. Aus diesem Grund haben wir schnell eine zweite Überprüfung in einem anderen Team gestartet
und sichergestellt, dass es manchmal ohne zusätzliche Arbeit zur Klärung des Maßstabs und zur Kalibrierung der Schätzungen möglich ist, Daten mit hoher Varianz zu erhalten. Das heißt, Sie müssen mit Menschen arbeiten und die organische Neigung zu "objektiven" Bewertungen berücksichtigen. Oder vielleicht ist dies eine Meinungsverschiedenheit innerhalb des Teams, die im Allgemeinen auch nützlich ist, um sie zu kennen.
Der 360-Punkte-Score wird im Allgemeinen für zwei Zwecke verwendet: Mitarbeiterentwicklung und Leistungsanalyse. Es ist wichtig zu verstehen, dass die Ergebnisse je nach Bereitschaft und Offenheit derjenigen, die Feedback geben, unterschiedlich sein können. Wenn wir ein Tool zur Stärkung der Mitarbeiterentwicklung entwickeln, ist es wichtig, dass wir anonymes Feedback aus verschiedenen Quellen geben, damit er seine Stärken und Schwächen versteht, Fähigkeiten pumpt und fehlende Qualitäten entwickelt. Die Umfrage konzentriert sich auf Kompetenzen oder Verhaltensweisen, die in engem Zusammenhang mit der Erfüllung der Aufgaben und den Werten der Organisation stehen. Wenn wir ein solches Tool starten, müssen wir den Teilnehmern klar machen, dass wir es nicht sindWir werden die Ergebnisse für Personalentscheidungen verwenden. In unserer Geschichte geht es um die Verwendung der 360-Überprüfungsmethode zur Entwicklung von Mitarbeitern.
Daten zur Mitarbeiterentwicklung werden benötigt, um Stärken und Entwicklungsbereiche zu bewerten und keine Bonus- / Talententscheidungen zu treffen. Für ein Unternehmen ist es auch wichtig zu verstehen, wie die Werte einer Person mit denen des Unternehmens korrelieren. 360 Ergebnisse werden immer mit dem Mitarbeiter und seinem Vorgesetzten geteilt.
360 Umfrageergebnisse und -ergebnisse sind eine Fundgrube an Daten, die für Einblicke und Analysen verwendet werden können. Diese Daten werden benötigt, um "Korrektur" -Faktoren zu berechnen, die dazu beitragen, ein zuverlässigeres Ergebnis zu erzielen, sowie um Mitarbeiter nach Kompetenzen, Fähigkeiten zu gruppieren, ein "Profil" einzelner Teams zu erstellen und vieles mehr. Alle diese Berechnungen erfordern zusätzliche Leistung und Frameworks, die wir auf einen separaten Microservice umgestellt haben. Daher haben wir den Teil, den der Benutzer (von der Personalabteilung) sieht, logisch vom "analytischen" Teil getrennt, an dem alle zusätzlichen analytischen Berechnungen durchgeführt werden. Dieser Ansatz ermöglicht die unabhängige Entwicklung dieser Dienste und ermöglicht eine zusätzliche Trennung von Berechnungen.Der Analysedienst verfügt nicht über eine eigene Datenbank. Alle Berechnungen basieren auf den Daten in der Datenbank des Hauptdienstes und interagieren über die REST-API.
Der Analysedienst ist ein separater Server, der in Flask geschrieben wurde, und der Hauptdienst ist in NodeJS mit einer PostgreSQL-Datenbank implementiert. Dieses zweifellos schwierige Interaktionsschema wird im Folgenden vorgestellt:
Betrachten Sie ein Beispiel für die Bewertung von Umfragen in anderen Teams. Nennen wir sie Team A und Team B. Stellen Sie sich eine Situation vor, in der die Mitarbeiter in Team A freundlich sind, gut miteinander umgehen und dementsprechend die durchschnittliche Punktzahl kann ziemlich hoch sein. Nehmen wir an, Team B besteht im Gegensatz zu Team A aus kritischeren Personen, die ehrlich gesagt nur denjenigen Mitarbeitern gute Noten geben, die tatsächlich gute Leistungen erbringen.
Wie vergleichen wir zwei Mitarbeiter aus Team A und Team B? Um Mitarbeiter aus verschiedenen Teams zu vergleichen, verwenden wir eine spezielle "Team" -Kalibrierung, um die Punktzahl eines Mitarbeiters im Verhältnis zur durchschnittlichen Punktzahl in seinem Team zu ermitteln. Auf eine Formel kann man hier nicht verzichten.
Angenommen, wir haben Mitarbeiter x mit einer Punktzahl von 0,9 von Team A, dessen durchschnittliche Punktzahl 0,85 beträgt, und Mitarbeiter y mit einer Punktzahl von 0,65 von Team B, dessen durchschnittliche Punktzahl 0,5 beträgt. Nachdem wir die Durchschnittswerte der Teams abgezogen haben, erhalten wir die "kalibrierten" Werte für die Mitarbeiter:
Somit sehen wir, dass Mitarbeiter y einen kalibrierten Wert hat, der höher ist als der kalibrierte Wert von Mitarbeiter x.
Das gleiche Beispiel gilt für die Normalisierung im Team. Alle Mitarbeiter sind unterschiedlich und neigen dazu, ihre Kollegen auch unterschiedlich zu bewerten. Nehmen wir an, es gibt Mitarbeiter x, der alle Kollegen sehr gut behandelt und jedem eine durchschnittliche Punktzahl von 0,8 gibt, und es gibt Mitarbeiter y, der andere kritischer betrachtet und anderen Mitarbeitern durchschnittlich 0,5 gibt. Wenn Mitarbeiter x und y Mitarbeiter z bewerten, können sie ihn gleich gut (oder gleich schlecht) bewerten, jedoch in ihrem eigenen Wertesystem. Wenn wir also die durchschnittliche Punktzahl innerhalb des Teams mitteln, subtrahieren wir den Durchschnitt jedes Mitarbeiters, der aus historischen Daten berechnet wird. Angenommen, Mitarbeiter x hat Mitarbeiter z mit 0,9 und Mitarbeiter y mit 0,7 bewertet, die durchschnittliche Punktzahl ist gleich
. Wenn wir jedoch die Bewertungen der historisch durchschnittlichen Autoren abziehen, erhalten wir
Nach dieser Kalibrierung erhalten wir eine Metrik, die das „Wertesystem“ jedes Mitarbeiters berücksichtigt und daher „ehrlicher“ ist.
Wichtig ist, dass wir bei der Definition des Profils einer Person die Bewertungen der Prüfer mit unterschiedlichen Koeffizienten abwägen können. Es gibt viele Hinweise darauf, dass Manager bei der Beurteilung von Personen tendenziell genauer und unparteiischer sind (dies ist auch der Grund, warum sie dort gelandet sind, wo sie waren), was höchstwahrscheinlich auf mehr Erfahrung zurückzuführen ist.
Die Standardwerte der Gewichte sind 0,25, das heißt, in der aktuellen Version bevorzugen wir keine der Kategorien von Befragten, aber wie in einer alten Anekdote gesagt wurde, ist „das Werkzeug da“.
Mit anderen Worten, nachdem wir von den Autoren kalibrierte Schätzungen gesammelt haben, versuchen wir, sie in ein globales „Koordinatensystem“ zu treiben, um korrekte Erkenntnisse aus den Daten gewinnen zu können. Andernfalls können wir aufgrund voreingenommener Einschätzungen eine erstaunliche Regelmäßigkeit entdecken, die es wirklich nicht gibt, und was gut ist, wir werden beginnen, den Mitarbeiter in die Richtung zu entwickeln, die seinem Profil entgegengesetzt ist.
Mögen wir erfolgreich sein und Vektoren zusammengestellt haben, die das Kompetenzprofil des Mitarbeiters darstellen. Darüber hinaus gibt es Vektoren von Kollegen, Managern, Untergebenen und Selbstwertgefühl. Wir sammeln dies alles in einem Würfel (genauer gesagt in einem Parallelepiped, aber ich werde den Begriff Würfel analog zu OLAP-Würfeln verwenden).
Durch Zerlegen des Würfels entlang verschiedener Achsen können wir nun verschiedene analytische Abhängigkeiten erhalten. Lassen Sie uns beispielsweise die Kompetenz festlegen und ihre Verteilung im gesamten Unternehmen als Ganzes oder teamübergreifend innerhalb des Unternehmens anzeigen. Oder nehmen Sie die Spalte mit den Bewertungen der Manager ganz rechts und überprüfen Sie intern die Varianz der Bewertungen, um festzustellen, ob überraschende Ergebnisse vorliegen.
Durch die Entwicklung dieser Logik ist es möglich, Vergleichsdiagramme von Mitarbeitern sowohl innerhalb eines Teams als auch in verschiedenen Abteilungen, dem sogenannten Spinnennetz, zu erhalten. oder Sie können im selben Diagramm die Durchschnittswerte der Kompetenzen in einem Team angeben und für eine bestimmte Person verstehen, wo sie im Verhältnis zum Team ausgeschieden ist und in welche Richtung; Sie können ein anderes Team anstelle des Teams nehmen, in dem sich der Mitarbeiter befindet, und seine durchschnittlichen Kompetenzen mit den Kompetenzen einer Person vergleichen. Wenn Sie schwingen, können Sie das Team mit einem anderen Team vergleichen. So kann ein lustiges Spiel herauskommen.
Cluster bestimmter Typen innerhalb einer Organisation können auch analysiert werden, um Personen zu finden, die möglicherweise effektive Kommunikatoren oder Experten sind, die für ihre tiefgreifende Herangehensweise an die Problemlösung bekannt sind.
Analytisch einfachere Funde sind ebenfalls möglich, wenn auch nicht weniger interessant. Insbesondere eine hohe Varianz in den Bewertungen eines Mitarbeiters bei der Befragung unter Kollegen kann auf eine polarisierte Wahrnehmung seiner Kollegen hinweisen.
Was ist, wenn die Varianz beim Vergleich der Bewertungen von Kollegen und von einem Manager hoch ist? Bewerten Kollegen und ein Manager einen Mitarbeiter sehr unterschiedlich? Vielleicht können Sie sich hier fragen, was für ein Anführer er ist und ob er zu streng mit den Mitgliedern seines Teams ist (na ja oder umgekehrt, unkritisch). Oder ziehen Sie eine Schlussfolgerung über die grundlegende Superobjektivität von Managern in der Organisation, wenn sich ein ähnliches Muster für andere Teams wiederholt.
Eine hohe Anzahl fehlender Bewertungen für einen der Mitarbeiter weist wahrscheinlich darauf hin, dass die Person wenig mit Kollegen zu tun hat. Gleichzeitig ist dies für einige Teams in X5 ein ziemlicher Modus, und hier ist nichts überraschend, aber es ist offensichtlich, dass dies für einige Teams als Indikator für die Notwendigkeit von Änderungen im Arbeitsprozess dient.
In Zukunft möchten wir subtilere Fragen in einem Forschungsformular formulieren, um Verzerrungen bei Schätzungen in dieser Phase zu vermeiden, manuelle Arbeit mit Servicebenutzern zu vermeiden und endlose Erklärungen zu geben, wie die richtigen Schätzungen ausgewählt werden und was sie bedeuten. Wir haben mehrere Ideen, die derzeit überprüft werden, und wir werden die Ergebnisse auf jeden Fall mit Ihnen teilen. Wir möchten neben Schnitten entlang der Achsen und Clustering auch gerissenere Techniken auf den Datenwürfel anwenden. Hier probieren wir verschiedene Autoencoder aus, lineare und nichtlineare, und suchen nach Querverbindungen zwischen Ansichten entlang verschiedener Koordinatenachsen. Im Allgemeinen gibt es viel Arbeit, die Daten sind ungehorsam und die Einrichtung des Systems ist nicht einfach :)
Autoren:
Evgeny Makarov
Valery Babuschkin
Svyatoslav Oreshin
Daniil Pavlyuchenko
Evgeny Molodkin