Вступление.
Каждая организация может поделиться страшными историями о том, как она пытается более эффективно использовать данные. Недавно услышал анекдот, который отражает с чем сталкиваются многие из нас:
Генеральный директор внедряет новую систему бизнес-анализа, которая, как он надеется, позволит получить межфункциональные данные, необходимые для составления планового прогноза. Он встречается со своим менеджером проекта, чтобы узнать о состоянии проекта, но получает неутешительные новости.
Менеджер сообщает, что система просто не в состоянии справиться с огромным объемом данных, необходимых для объединения данных о запасах, продажах и рыночных стратегиях, которые требуются для моделирования.
За долю секунды все признаки надежды на лице генерального директора исчезают, и ему не остается ничего другого, как задать единственный вопрос, который никогда не хотелось задавать: “Сколько времени вам потребуется, чтобы очистить данные и написать программу моделирования, которая даст нам ответы на некоторые вопросы?”
“Девять месяцев, может быть, год”, – ответил системный менеджер.
“Потому что все наши данные в других программах?” – поинтересовался генеральный директор.
“Это основная причина”, – ответил системный менеджер.
Звучит знакомо? Невероятно, но эта история была опубликована в журнале Harvard Business Review – в 1973 году!
Сейчас, спустя почти пятьдесят лет, можно подумать, что все технологии, которые мы имеем сегодня под рукой, делают эту историю устаревшей. Так ли это?
Важности синтеза данных.
Многие организации до сих пор сталкиваются с трудностями при попытке объединить данные из различных облачных и локальных систем. Продажи, маркетинг, финансы, юридическй департамент, операционный- все эти подразделения имеют свои собственные озера данных, которые просят объединяющего приложения, способного визуализировать их показатели в привязке к остальному бизнесу. И даже сейчас цель “внедрить от девяти месяцев до года” может оказаться довольно оптимистичной!
Если предположить, что организации смогут предоставить интегрированный набор данных, то им придется взять на вооружение черту, которая, по прогнозам лауреата Нобелевской премии физика Мюррея Гелл-Манна, станет наиболее ценной в XXI веке: синтез.
Способность к синтезу информации особенно важна для руководителей. Им приходится сталкиваться со сложностями большого масштаба, чтобы принимать решения и разрабатывать стратегии, которые часто приводят к огромным последствиям для бизнеса, сотрудников, клиентов и всего мира. А поскольку они владеют большим количеством источников информации, чем большинство людей, руководители высшего звена и организационные лидеры имеют больше шансов запутаться, отвлечься или, что еще хуже, сбиться с пути. Лица, принимающие решения, должны быть достаточно осведомлены, чтобы знать, какую информацию следует принимать во внимание, а какую игнорировать, и как организовать ее в практическую систему.
Наше видение: Баланс между технологиями и продуманностью
“Я хочу хранить больше данных!”
так не говорил ни один руководитель отдела кадров.
В SAP SuccessFactors считают, что HR-организации и их руководители должны всегда иметь доступ ко всей полноте возможностей.
1. Моделирование и прогнозирование трудовых ресурсов
По данным исследования, проведенного Harvard Business Review, 84% руководителей считают, что их организации недостаточно используют данные о персонале при планировании деятельности предприятия, которые должны лежать в основе будущих инвестиций. Вместо этого, по их мнению, слишком много внимания уделяется операционным или финансовым показателям.
Руководители HR-служб, стремящиеся к созданию лучших в своем классе систем планирования на основе HXM, часто используют пакеты SAP Best Practices для моделирования и прогнозирования трудовых ресурсов. Такой подход позволяет получить представление о текущих затратах и возможностях, а также использовать прогностические модели для прогнозирования будущего спроса и предложения рабочей силы.
Рисунок 1. Анализ кадровых разрывов с помощью SAP Analytics Cloud
2. Причины увольнений
Коэффициент увольнений в компании – это процент сотрудников, покинувших организацию за определенный период времени. Это наиболее популярная метрика управления талантами. Однако он не дает полной картины, необходимой для понимания причин ухода сотрудников в поисках лучшей работы в другом месте.
Данный вариант использования позволяет получить представление о факторах, влияющих на риск ухода отдельных сотрудников – вероятность их ухода из организации, – и рассчитать коэффициент потенциального риска для каждого сотрудника. Менеджеры по персоналу могут взвесить влияние повышения зарплаты, бонусов, ролевых и организационных изменений – все это в одном решении для аналитики и планирования.
Рисунок 2. Анализ риска увольнения сотрудников с помощью SAP Analytics Cloud
3. Дашборды финансовой аналитики
Благодаря интеграции SAP S/4HANA Cloud с SAP Analytics Cloud финансовые аналитики и специалисты по планированию управления персоналом могут воспользоваться панелью финансовой аналитики. Этот интегрированный инструмент визуализирует финансовые и HR-показатели для оценки влияния инвестиций в персонал на верхнюю и нижнюю линии. Приборная панель содержит готовый набор инструментов живой аналитики, ключевые показатели эффективности, отчеты о прибылях и убытках и балансовые отчеты.
Рисунок 3. Панель финансовой аналитики, доступная через SAP Analytics Cloud
Заключение: Удовлетворение растущего спроса на аналитику в HR
Существует разрыв между неоспоримой потребностью HR в более качественной аналитике и способностью этой функции последовательно реализовывать это видение. Возможно, для HR-организаций настало время взять под контроль свои аналитические возможности и использовать их в более широкой деятельности по бизнес-анализу.
В этом и заключается прелесть SAP Analytics Cloud. На смену разрозненным прогнозам приходит планирование в масштабах всего предприятия в режиме реального времени. Что еще более важно, менеджеры по персоналу могут воспользоваться преимуществами культуры, основанной на данных и нацеленной на создание более стабильной, волевой и вовлеченной рабочей силы.
