Главная  Публикации

Публикации

« Назад

«В хэдхантинге использовать большие данные не так уж и сложно».   30.07.2013 01:09

google_bock.jpg Каким образом большие данные можно эффективно использовать в области управления и лидерства?

На мой взгляд, относительно недавно появилась возможность использовать большие данные при достаточно низких затратах, поэтому венчурные инвестиции стали поддерживать предприятия в этой области. Лидерство – крайне сложная тема, в которой специалистам часто хочется попробовать измерить «какую-то часть». Одна из проблем лидерства заключается в том, что оно по большей части движимо чувствами, интуицией. Все считают себя хорошими лидерами. А в реальности оказывается, что таковыми являются немногие.

Несколько лет назад мы провели исследование, чтобы определить лучшего менеджера по найму в Google. Мы просмотрели десятки тысяч интервью, всех, кто проводил их, то как оценивались кандидаты, и насколько в конечном счете оказался эффективен тот специалист, которого наняли на работу. В итоге мы не выявили никакой зависимости, а только случайности. Исключением оказался один молодой человек со способностями прогнозирования, да и то только потому, что проводил собеседование у людей в очень специализированной области, в которой сам был ведущим экспертом в мире.

Как еще Google использует большие данные?

Мы с большим уважением относимся к данным, касающимся наших сотрудников. Как правило, мы предоставляем людям возможность участвовать в опросах конфиденциально или анонимно. Совет для тех, кто желает двигаться в этом направлении: сначала необходимо завоевать высокое доверие к людям, собирающим данные и тому, как они используют их.

Благодаря данным нам удалось выяснить много чего интересного: с каким количеством кандидатов нужно проводить собеседования на каждую позицию; кто проводит интервью лучше; каковы индикаторы потенциального успеха в Google. Относительно лидерства мы смотрим на то, что делает людей успешными лидерами, и как мы можем развивать эту компетенцию.

Наблюдая за тем, как люди работают в различных группах, мы пришли к выводу, что средний размер команды в Google составляет приблизительно шесть человек. Сейчас мы пытаемся выяснить, какие команды работают эффективно, а какие нет, и что влияет на эффективность: типы людей, количество, специфика взаимодействия, какая-то движущая сила в группах? Полагаю, что мы еще даже не догадываемся о том, что позволят нам обнаружить большие данные.

Какие еще выводы вы сделали на основе результатов исследования?

Если говорить о подборе персонала, то мы пришли к выводу, что головоломки – это пустая трата времени. Сколько мячей для гольфа поместятся в самолете? Сколько бензоколонок в Манхэттене? Такие вопросы ничего не предсказывают, а только лишь позволяют человеку, проводящему собеседование, чувствовать себя умным.

Что действительно хорошо работает, так это структурированные поведенческие интервью, с последовательной логикой оценки людей. Здесь о кандидате не нужно ничего выдумывать. Поведенческое интервью также хорошо работает в случаях, когда кандидату задается не гипотетический вопрос, а собеседование начинаете с того, что вы предлагаете кандидату привести пример успешного решения аналитически сложной задачи. Удивительная особенность поведенческого интервью заключается в том, что вы просите человека поделиться опытом и, углубляясь в него, получаете в итоге два вида информации. Во-первых, вы имеете представление о том, как кандидат ведет себя в реальной ситуации, и, во-вторых, обладаете ценной мета-информацией о том, что кандидату кажется сложным.    

Если говорить о лидерстве, то мы обнаружили, что лидерство – набор крайне неоднозначных и аморфных характеристик по сравнению с эффективным менеджментом, где все гораздо более стандартизировано и конкретно.

Также стало очевидно, что людям необходимо быть уверенными в последовательности и справедливости лидеров при принятии решений, что это как раз и является элементом прогнозирования. Если лидер последователен, люди в его командах обладают огромной свободой, так как в пределах своих компетенций могут делать практически все, что хотят. Если же руководитель непоследователен, то персонал никогда не сможет быть уверен в его действиях.

Какие еще примеры вы можете привести?

Два раза в год каждый, у кого есть руководитель, опрашивается на предмет квалификации руководителя. Мы называем этот подход «оценкой работы руководителя». Мы собираем данные о всех, кто занимает руководящую должность в компании, чтобы понять, насколько хорошо они справляются со своими обязанностями по 12-18 различным факторам. Затем мы делимся полученными результатами с руководителями и отслеживаем улучшения, которые в целом происходят в компании. За последние три года мы значительно улучшили качество управления персоналом в Google. И измерили это, проанализировав, насколько людей устраивает их работа с руководителями.  

Фактически в нашей компании стало сложнее быть плохим руководителем. Если вам говорят о том, что вы, будучи менеджером по управлению персоналом в Google, в результате оценки имеете показатели ниже статистической погрешности, то вы уже не отделаетесь ответом: «Цифры-цифрами, но на самом деле я лучше». Вам тут же возразят: «Вы можете думать о себе все, что хотите, но есть конкретные факты, свидетельствующие о том, что думают о вас люди, с которыми вы работаете».

Большинство людей под влиянием информации меняют свое поведение. Одно из преимуществ больших данных заключается в том, что они обеспечивают людей фактами и указывают на недостатки в их решениях. И это уже само по себе заставляет их меняться.

По каким параметрам оцениваются руководители?

Некоторые параметры достаточно простые, например, «руководитель относится ко мне с уважением», «руководитель ставит понятные цели», «руководитель делится информацией», «руководитель честен перед командой». Это фундаментальные вещи, при наличии которых люди чувствуют себя вдохновленными и счастливыми, имеют желание делать для вас все возможное, прилагать больше усилий в работе.

Что еще данные помогли вам узнать о сотрудниках Google?

Еще один вывод, который мы сделали благодаря обработке данных, - то, что средняя оценка, полученная за время учебы в вузе (Grade Point Average), не имеет никакого значения при найме, так же как и экзаменационные оценки. Мы не обнаружили абсолютно никакой корреляции, за исключением свежеиспеченных выпускников колледжей. Раньше Google всегда спрашивал у кандидатов приложение к диплому, Grade Point Average и экзаменационные оценки, но мы отказались от этой практики. Мы пришли к выводу, что они ничего не гарантируют. Любопытно, что процент людей без высшего образования в Google увеличился за это время. У нас есть команды, в которых 14% людей никогда не были студентами колледжа.   

Уточните, пожалуйста, про «некоррелированность».

Спустя 2-3 года работы в Google ваши исполнительские способности становятся абсолютно другими, нежели, например, в колледже, потому что навыки, которые требовались ранее, очень отличаются от тех, что нужны нам. Вы становитесь принципиально другим человеком. Вы учитесь и растете, начинаете думать иначе.  

Академическая среда – это искусственная среда. Люди, которые преуспевают в ней, хорошо натренированы и обучены для того, чтобы быть успешными именно в этой среде. Одно из разочарований, которое постигло меня во время обучения в колледже и магистратуре, - это осознание того, что преподаватель ищет определенный ответ на вопрос. Хотя, согласитесь, намного интереснее решать проблемы, не предполагающие очевидных ответов.

Есть ли у вас какие-то прогнозы относительно того, как большие данные будут использоваться в будущем?

Большие данные, особенно относящиеся к лидерству, содержат в себе огромный информационный потенциал, помогающий раскрыть  универсальные действия, которые все мы должны совершать. Но есть также действия, характеризующие только вашу компанию и людей, а также уникальные ситуации, происходящие в определенное время. На мой взгляд, это будет выступать ограничением для больших данных, потому что они всегда будут требовать от человека проникновения в суть дела.

Что касается лидерства, то успех в этом случае очень зависит от контекста. То, что работает в Google, G.E. или Goldman Sachs, не всегда подходит остальным компаниям. Не уверен в том, что когда-либо человеческое суждение, вдохновение и творческий потенциал можно будет чем-то заменить, потому что по большому счету с помощью больших данных вы можете формулировать вопросы, подразумевающие односложные механические ответы. Но действительно ли это то, что нам нужно делать? 


Adam Bryant, The New York Times

Перевод: Иван Ильин

 

Полное или частичное копирование материала допускается только с указанием активной ссылки на источник www.hrtech.ru