Как предсказать увольнение ключевого сотрудника и перевернуть ситуацию?

Из всех технологичных компаний Ростелеком, пожалуй, может похвастаться достаточно невысоким оттоком персонала, но если посмотреть его в абсолютных значениях, то цифра получится солидная – ежегодно нас покидают порядка 18 тысяч человек (при общей численности нашей группы 130 тысяч сотрудников), – рассказывает Никита Черкасенко, директор департамента HRM-технологий и аналитики «Ростелеком».

Как следствие, возрастает нагрузка на подбор и требуются дополнительные затраты на поиск, привлечение, адаптацию и обучение новых сотрудников. Эти затраты варьируются от 10% до 100% годового оклада, в зависимости от позиции – массовая она или ключевая. Таким образом, расходы исчисляются в миллиардах рублей.

Читайте также: Кадровый резерв: как удержать перспективных сотрудников

Чтобы решить задачу по удержанию ключевых сотрудников и сократить лишние затраты, мы создали сервис прогноза увольнений. С помощью технологии искусственного интеллекта он определяет сотрудников , попадающих в зону риска, и факторы, влияющие на прогноз.

Как это работает?

В основе сервиса лежит предиктивная аналитическая модель: через алгоритмы машинного обучения определяется вероятность увольнения сотрудника, период риска и факторы, влияющие на конкретного человека. Модель анализирует порядка 50 факторов и ранжирует, на кого из них тот или иной фактор оказывает большее влияние. Например, анализируется изменение в модели поведения сотрудника в корпоративных системах, факторы его настроения, интереса к мотивационным и корпоративным программам и другое. Для обучения модели используются как внутренние статистические данные, так и внешние показатели (данные Росстата и анализ соответствия уровня дохода сотрудников со среднерыночными показателями).

Если говорить о технологии, модель обрабатывает данные и делает прогноз на виртуальном ЦОДе на языке Python, используя RandomForest,xgboost, SVM, SGD, Decision Tree. Анализируются не только базовые статистические показатели, такие как зарплата, количество детей или возраст –важно найти нетривиальные зависимости. На уход одного сотрудника влияет карьерный трек и образование, увольнение другого мы сможем предсказать по динамике общения с коллегами или продолжительности нахождения в офисе, риск потерять третьего складывается из непройденных обучающих курсов и частоты отпусков.

Результаты прогноза мы публикуем на внутренней платформе – они доступны сотруднику HR и руководителю любого подразделения. Платформа позволяет увидеть расширенную аналитику по сотруднику, в том числе показать факторы прогноза, сравнить их с ситуацией в подразделении, сегменте, компании и показать слабые зоны.

Что делать?

В большинстве случаев увольнение можно предотвратить, если своевременно распознать проблему и предложить сотруднику варианты решения. Иногда сотрудника, который два года не отдыхал и в высокой степени склонен к увольнению, достаточно просто отправить в отпуск. Пострадавшему от профессионального выгорания можно оплатить обучающий курс или вовлечь в особо значимый проект. Если у человека какие-то личные трудности или, например, он сдает сессию в университете – разработать для него индивидуальный график, а недовольному техническим оснащением – заменить рабочее оборудование на более производительное. Эти меры не избавят от 100% увольнений по собственному желанию, но они точно повлияют на лояльность немалой части сотрудников, и можно будет попробовать найти компромисс.

При запуске модели мы провели пилотный проект с одним из филиалов, и он показал свою эффективность: работая с результатами моделирования, нам удалось удержать 70% ключевых сотрудников, попавших в рисковую зону.

Смотрите также: CREDO позволяет АО Казахтелеком оставаться лидерами рынка

При этом важно непрерывно развивать текущий сервис: мы обладаем хорошей статистической базой, но эти данные не отражают живые эмоции сотрудника. Сейчас мы разрабатываем инструменты анализа счастья и стресса сотрудников: с каким настроением сотрудник пришёл в офис, чего не хватает новичку, как и почему меняется качество внутреннего взаимодействия, у кого высокая вероятность выгорания и что мы можем сделать для предотвращения увольнения . Мы активно анализируем обратную связь сотрудников и разрабатываем цифровые инструменты поддержки, например, одна из последних разработок – бот-помощник для руководителя.

Какие планы?

Мы разрабатываем инструменты для перевода модели в класс прескриптивной аналитики. То есть сейчас алгоритмы показывают, что будет завтра, но решение по исправлению ситуации принимает человек –прескриптивная модель будет сама искать варианты по исправлению ситуации и предлагать наилучший. Мы стремимся к  оптимальным HR-решениям в динамичной среде: разрабатывать профили, управлять карьерой и жизненным циклом сотрудника, влиять на лояльность и производительность компании.

Фото Unsplash

При использовании материала гиперссылка на соответствующую страницу портала HR-tv.ru обязательна