Metode tinjauan kinerja 360 juga digunakan di X5 Retail Group. Hari ini kami akan memberi tahu Anda tentang praktik terbaik BigData X5 untuk analitik SDM yang mendalam.
Jelas, keakuratan metode ini, meskipun meningkat dengan rata-rata pendapat yang berbeda, tetap tergantung pada keterbukaan dan antusiasme orang dalam mengisi kuesioner, pada pemahaman mereka tentang skala, pada kekuatan tim, atmosfer dalam tim, dan banyak lagi.
Aspek penting dari pengoperasian sistem semacam itu adalah interaksi dengan pengisian kuesioner. Jika seseorang dengan sembrono memberikan lima anak, mereka perlu bekerja dengannya, jelaskan pentingnya proses tersebut. Di Rusia, ada sikap tertentu terhadap nilai berdasarkan skala lima poin, yang menurutnya seorang siswa C adalah karakter yang biasa saja, yang baik itu normal, tetapi siswa yang sangat baik adalah seseorang yang bekerja dengan baik, itu pujian. Para pecundang bertahan untuk tahun kedua, dan memang "tidak banyak dari mereka, dan saya belum pernah melihat mereka di perusahaan kami" - begitulah biasanya jawaban para manajer tentang tim mereka. “Di suatu tempat,” tapi tidak di sini. Jadi, jika Anda berpikir bahwa karyawan itu baik, Anda memberinya empat, karena C ... ya, ada C, dan jika Anda berteman, maka Anda dapat memberi lima - jangan ragu. Hal ini menyebabkan peringkat miring, persentase balita yang tinggi dalam survei,yang merosot menjadi hampir dua poin: dengan empat dan lima.
Penilai pengajaran adalah proses yang lambat dan menyedihkan (yah, tidak selalu sedih) yang mencakup penjelasan: bagaimana instrumen bekerja; bagaimana menilai seseorang dengan benar, tanpa menimbulkan kekaguman setelah hasil satu interaksi tunggal, atau negatif setelah satu huruf kasar; seperti apa skala penilaian itu, berbeda dari yang digunakan di sekolah; gambaran umum kesalahan umum pengulas, dan sebagainya. Sangat penting untuk membuat orang rileks, untuk menjauh dari persepsi mereka tentang proses sebagai alat membosankan lainnya, untuk menghilangkan ketakutan bahwa penilaian akan mempengaruhi hasil keuangan rekan kerja. Pada dasarnya penting di sini untuk tidak membuat keputusan personel yang terburu-buru dan tidak menyesuaikan staf komando di jalur baru.
Pernyataan proses analitis dari sudut pandang karyawan HR ditata dengan baik dalam teksdari Avito, yang sangat saya sarankan untuk dibaca. Orang-orang mengamati bias yang kuat terhadap kebaikan, jumlah empat ("di atas ekspektasi") mirip dengan jumlah tiga kali lipat ("memenuhi ekspektasi"). Kami juga menemukan argumen tentang "baik dan jahat", meskipun kami menggunakan skala desain kami sendiri.
Selanjutnya, suara-suara itu terbagi. Entah itu tim persahabatan yang kuat, atau salah satu dari dua hal. Oleh karena itu, kami dengan cepat meluncurkan tinjauan kedua pada tim yang berbeda,
dan kami memastikan bahwa terkadang, bahkan tanpa pekerjaan tambahan untuk mengklarifikasi skala dan mengkalibrasi perkiraan, kami dapat memperoleh data dengan varians tinggi. Artinya, Anda perlu bekerja dengan orang-orang dan mempertimbangkan kecenderungan organik untuk penilaian yang "objektif". Atau mungkin ini adalah ketidaksepakatan di dalam tim, yang secara umum juga berguna untuk diketahui.
Penilaian 360 umumnya digunakan untuk dua tujuan: pengembangan karyawan dan analisis kinerja. Penting untuk dipahami bahwa keluarannya mungkin berbeda tergantung pada tingkat kesiapan dan keterbukaan pihak yang memberikan umpan balik. Saat kami membuat alat untuk memberdayakan pengembangan karyawan, penting bagi kami untuk memberikan umpan balik anonim dari berbagai sumber untuk membantunya memahami kekuatan dan kelemahannya, memompa keterampilan, mengembangkan kualitas yang hilang. Survei berfokus pada kompetensi atau perilaku yang berkaitan erat dengan kinerja tanggung jawab pekerjaan, dan nilai-nilai organisasi. Saat kami meluncurkan alat semacam itu, kami harus menjelaskan kepada peserta bahwa kami bukankami akan menggunakan hasil untuk keputusan personel. Kisah kami akan menggunakan metode ulasan 360 untuk mengembangkan karyawan.
Data pengembangan karyawan diperlukan untuk menilai kekuatan dan area pengembangan, bukan untuk membuat keputusan bonus / bakat. Penting juga bagi perusahaan untuk memahami bagaimana nilai-nilai seseorang berkorelasi dengan nilai-nilai perusahaan. Hasil 360 selalu dibagikan dengan karyawan dan manajer mereka.
Skor dan hasil survei 360 adalah harta karun data yang dapat digunakan untuk memberikan wawasan dan analitik. Data ini diperlukan untuk menghitung faktor "koreksi" yang akan membantu mendapatkan hasil yang lebih andal, serta untuk mengelompokkan karyawan berdasarkan kompetensi, keterampilan, menyusun "profil" masing-masing tim, dan banyak lagi. Semua kalkulasi ini membutuhkan daya dan kerangka kerja tambahan, yang kami putuskan untuk dipindahkan ke layanan mikro terpisah. Jadi, kami telah memisahkan secara logis bagian yang dilihat pengguna (dari departemen HR) dari bagian "analitis", di mana semua penghitungan analitik tambahan dilakukan. Pendekatan ini memungkinkan layanan ini dikembangkan secara mandiri, dan memberikan kesempatan untuk pemisahan komputasi tambahan.Layanan analitik tidak memiliki database sendiri, semua penghitungan dibuat berdasarkan data yang ada di database layanan utama, dan berinteraksi menggunakan REST-API.
Layanan analitik adalah server terpisah yang ditulis di Flask, dan layanan utama diimplementasikan di NodeJS dengan database PostgreSQL. Skema interaksi yang tidak diragukan lagi sulit ini disajikan di bawah ini:
Pertimbangkan contoh evaluasi survei di tim lain, sebut saja tim A dan tim B. Bayangkan situasi di tim A para karyawannya ramah, memperlakukan satu sama lain dengan baik, dan, karenanya, skor rata-rata bisa sangat tinggi. Berbeda dengan Tim A, misalkan Tim B terdiri dari orang-orang yang lebih kritis yang secara jujur memberikan nilai tinggi hanya kepada karyawan yang benar-benar berkinerja baik.
Bagaimana kita membandingkan dua karyawan dari Tim A dan Tim B? Untuk membandingkan karyawan dari tim yang berbeda, kami menggunakan kalibrasi "tim" khusus untuk mendapatkan skor karyawan relatif terhadap skor rata-rata di timnya. Anda tidak dapat melakukannya tanpa rumus di sini.
Misalkan kita memiliki karyawan x dengan skor 0,9 dari tim A, yang skor rata-rata 0,85, dan ada karyawan y dengan skor 0,65 dari tim B, yang skor rata-rata 0,5. Setelah mengurangi skor rata-rata tim, kami mendapatkan skor "terkalibrasi" untuk karyawan:
Jadi, kami melihat bahwa karyawan y memiliki skor terkalibrasi yang lebih tinggi daripada skor kalibrasi karyawan x.
Contoh yang sama berlaku untuk normalisasi dalam tim. Semua karyawan berbeda dan cenderung mengevaluasi rekan kerja mereka secara berbeda pula. Misalnya, ada karyawan x yang memperlakukan semua rekan kerja dengan sangat baik dan memberikan skor rata-rata 0,8 kepada semua orang, dan ada karyawan y yang memandang orang lain lebih kritis dan memberi rata-rata 0,5 kepada karyawan lain. Ketika karyawan x dan y menilai karyawan z, mereka dapat menilai dia sama baiknya (atau sama buruknya), tetapi dalam sistem nilai mereka sendiri, jadi saat rata-rata skor dalam tim, kami mengurangi rata-rata setiap karyawan, yang dihitung dari data historis. Misalkan karyawan x menilai karyawan z pada 0,9, dan karyawan y pada 0,7, skor rata-rata akan sama.Namun
, jika kita mengurangi peringkat penulis rata-rata historis, kita dapatkan
Setelah kalibrasi ini, kami mendapatkan indikator yang memperhitungkan "sistem nilai" dari setiap karyawan dan, oleh karena itu, lebih "jujur".
Hal yang penting adalah ketika menentukan profil seseorang, kami dapat menimbang peringkat dari pengulas dengan koefisien yang berbeda. Ada banyak bukti bahwa manajer cenderung lebih akurat dan tidak memihak dalam menilai orang (sebenarnya, ini juga alasan mengapa mereka berakhir di tempat mereka sebelumnya), kemungkinan besar karena lebih banyak pengalaman.
Nilai default bobot adalah 0,25, artinya, dalam versi saat ini kami tidak memberikan preferensi kepada kategori responden mana pun, tetapi seperti yang dikatakan dalam satu anekdot lama, “alatnya ada di sana”.
Dengan kata lain, setelah mengumpulkan perkiraan yang dikalibrasi oleh penulis, kami mencoba mendorongnya ke dalam "sistem koordinat" global agar dapat mengekstrak wawasan yang benar dari data. Jika tidak, karena penilaian yang bias, kita dapat menemukan beberapa keteraturan luar biasa yang sebenarnya tidak ada, dan yang bagus, kita akan mulai mengembangkan karyawan ke arah yang berlawanan dengan profilnya.
Semoga kami berhasil, dan kami telah menyusun vektor yang mewakili profil kompetensi karyawan. Selain itu, ada vektor yang diterima dari kolega, manajer, bawahan, dan harga diri. Kami mengumpulkan semua ini ke dalam kubus (tepatnya, parallelepiped, tetapi selanjutnya saya akan menggunakan istilah kubus dengan analogi dengan kubus OLAP).
Tetapi sekarang, dengan membedah kubus di sepanjang sumbu yang berbeda, kita dapat memperoleh berbagai dependensi analitik. Misal, mari kita perbaiki kompetensi dan lihat distribusinya ke seluruh organisasi secara keseluruhan atau lintas tim dalam organisasi. Atau lihat kolom paling kanan dari peringkat manajer dan lihat secara internal varian peringkat untuk melihat apakah ada temuan yang mengejutkan.
Dengan mengembangkan logika ini, dimungkinkan untuk mendapatkan diagram perbandingan karyawan, baik di dalam tim maupun di departemen yang berbeda, yang disebut jaring laba-laba; atau, pada diagram yang sama, Anda dapat memberikan nilai rata-rata kompetensi dalam sebuah tim dan memahami untuk orang tertentu di mana dia tersingkir relatif terhadap tim dan ke arah mana; Anda dapat mengambil tim lain daripada tim tempat karyawan tersebut berada dan membandingkan kompetensi rata-rata dengan kompetensi seseorang. Mengapa, jika Anda mengayun, Anda dapat membandingkan tim dengan tim lain, itulah permainan yang menyenangkan bisa keluar.
Kelompok jenis tertentu dalam suatu organisasi juga dapat dianalisis untuk menemukan orang-orang yang mungkin merupakan komunikator atau ahli yang efektif yang dikenal karena pendekatan mendalam mereka terhadap pemecahan masalah.
Penemuan yang lebih sederhana secara analitis juga dimungkinkan, meskipun tidak kalah menarik. Secara khusus, perbedaan yang tinggi dalam peringkat salah satu karyawan saat disurvei di antara rekan kerja dapat menunjukkan persepsi yang berbeda dari rekan-rekannya.
Bagaimana jika variansnya tinggi saat membandingkan peringkat dari kolega dan dari manajer? Apakah rekan kerja dan manajer menilai karyawan dengan sangat berbeda? Mungkin di sini Anda bisa bertanya-tanya pemimpin seperti apa dia, dan apakah dia terlalu ketat dengan anggota timnya (baik, atau sebaliknya, tidak kritis). Atau buat kesimpulan tentang superobjektivitas fundamental manajer dalam organisasi, jika pola serupa berulang untuk tim lain.
Banyaknya evaluasi yang hilang untuk salah satu karyawan kemungkinan besar menunjukkan bahwa orang tersebut memiliki sedikit keterlibatan dengan rekan kerja. Pada saat yang sama, untuk beberapa tim di X5 ini adalah modus operandi yang cukup, dan tidak ada yang mengejutkan di sini, tetapi jelas bagi beberapa tim ini akan menjadi indikator perlunya perubahan dalam proses kerja.
Di masa mendatang, kami ingin membentuk pertanyaan yang lebih halus dalam bentuk penelitian untuk menghilangkan bias dalam perkiraan pada tahap ini, menghindari pekerjaan manual dengan pengguna layanan dan penjelasan tanpa akhir tentang bagaimana memilih perkiraan yang tepat dan apa artinya. Kami memiliki beberapa ide, mereka sedang dalam proses verifikasi, dan kami pasti akan membagikan hasilnya kepada Anda. Kami juga ingin menerapkan lebih banyak teknik licik pada kubus data, selain pemotongan sepanjang sumbu dan pengelompokan. Di sini kami mencoba berbagai autoencoder, linier dan non-linier, mencari tautan silang antara tampilan sepanjang sumbu koordinat yang berbeda. Secara umum, ada banyak pekerjaan, datanya tidak patuh, dan pengaturan sistem tidak mudah :)
Penulis:
Evgeny Makarov
Valery Babushkin
Svyatoslav Oreshin
Daniil Pavlyuchenko
Evgeny Molodkin