Stálé rubriky

Decision Science v HR: Odhalte rockové hvězdy a odpadlíky

19.05.2016 Lenka Mydlová 4 komentářů

„Algoritmy časem nahradí část lidí, kteří doteď dělali HR,” říká Michal Osuský z Management Consultingu společnosti KPMG. „Stojíme na hraně další vlny, podobné, jako byl nástup masového používání internetu. Tato vlna zásadně změní způsob, jakým bude v následujících letech fungovat HR.”

Michal Osuský, KPMG: „Algoritmy nahradí část lidí v HR.”

Mluvíš o zásadní změně fungování HR, potažmo celých firem. Řekni mi víc.
Nejsilnějším spouštěčem této změny jsou technologie, které směřují do dvou oblastí: analytiky, díky které nás chytré telefony třeba upozorní, kdy je nejlépe odejít z práce, abychom se vyhnuli dopravní zácpě. Takové algoritmy jsou ale zatím v byznysu chronicky podužívané. Časem však nahradí část lidí, kteří doteď HR dělali.

Co třeba?
Například predikci toho, kdo z firmy odejde. Doteď jsme se spoléhali na manažery a šlo o kolektivní zodpovědnost, která fungovala někdy lépe, někdy hůře.

Jaký vliv to ale bude mít na psychiku zaměstnanců? Jak se asi jako zaměstnanec budu cítit, když budu vědět, že mi firma „vidí do hlavy” a dokáže předpovídat můj odchod? A naopak, pokud budu jako zaměstnavatel vědět, že zaměstnanec je pevně rozhodnutý odejít, vyhodím jej rovnou, protože jeho psychické nastavení může ovlivnit efektivitu firmy?
V nějaké karikatuře by to takto mohlo dopadnout. Podobně jako ve filmu Minority Report, kde pár lidí vidělo do budoucnosti a zatýkali pak lidi na základě trestných činů, které ještě nespáchali. To, jak firma analytiku použije, je jen na ní. Často to odpovídá firemní kultuře a tomu, jak má nastavené vztahy se zaměstnanci. Důležitá je transparentnost, díky které zaměstnanec uvidí, co všechno o něm firma ví. Dá se na to dívat i tak, že jako zaměstnanec vím, že díky datům bude šéf vědět, jak se cítím, a více nebo méně včas se mnou rozebere, jak mi může pomoct. Analytika tak dokáže vyvolávat diskuze, které ve firmě chybějí a kvůli kterým jsou lidé často frustrovaní a smutní.

Co ta zmiňovaná druhá oblast?
Jde o zdroje dat a senzory. Příkladem jsou třeba logy z e-mailového serveru, které dokážou popsat síť sociálních vztahů, jež v organizaci funguje. Díky datové analytice se tak dají vytipovat názoroví vůdci, přes které směřuje komunikace.

Víme, že dají výpověď, ještě než to řeknou

Na co jiného než predikci výpovědí se data a na ně navázaná analytika dají použít? Přece jen odchody z firmy nejsou zrovna veselým příkladem…
Dá se tak třeba odhadnout budoucí potenciál člověka, který nemusí být snadno rozpoznatelný. Tzn. odhadnout, jak na sobě bude zaměstnanec pracovat, rozvíjet se a jak se z pohledu organizace stane výkonným.

Neměla by ale zrovna tohle být zásadní role manažerů?
V ideálním světě to tak funguje. Nadřízenými se ale ne vždy stávají lidé, kteří mají dobré manažerské a interpersonální schopnosti. Často je za tím spíš naplánovaný kariérní posun nebo musejí splňovat zákonem stanovené podmínky, mít pětiletou „zkušenost s řízením jádrové elektrárny” a podobně.

Pokud podle chování lidí na internetu, v e-mailech, příp. využívání interních systémů dokážeme odhadnout jejich potenciál, znamená to, že v budoucnu odpadne i potřeba výkonnostních testů, psychometrie nebo pohovorů?
Byl bych velmi překvapený, kdyby do budoucna existoval model, který na základě internetové stopy za deset minut odhadne člověka. Spíš jde o postupné vytváření tak zvaných datových vrstev, které to při správném poskládání pomohou odhadnout.

Firmy už taková data mají a nevyužívají je, nebo je teprve musí získat?
Z e-mailových logů se dá odvodit, kdy člověk začíná pracovat. Z telefonních účtů se zase dá zjistit, kdy telefonuje. Dá se tak stanovit, zda se e-mailům a telefonátům věnuje průběžně nebo činnost dělí do dávek. Z frekvence, rozložení nebo podle toho, s kým komunikuje, se dá odhadnout, jak bude produktivní. Ověřovali jsme hypotézu a zjistili, že pokud jsme v intenzivním kontaktu s vysoce výkonnými lidmi, pomáhá nám to být vysoce výkonnými. Otázkou je, jak tato dostupná data využít, aniž by se lidé cítili sledovaní, a zároveň aby to zaměstnanců a manažerům pomáhalo dobře se rozhodovat.

Mezi punkem a expertními odhady

Nakolik je na toto sledování připravena česká, potažmo evropská legislativa?
Právě nedávno prošla Evropským parlamentem tak zvaná General Data Protection Regulation. Tato regulace má být do dvou let ratifikována ve všech státech Evropské unie. Potřeba takové regulace vznikla z otázky, nakolik je možné využívat volně dostupná data o lidech. Dosud totiž nebylo zcela jasné, kdo je vlastníkem těchto dat. Zmíněná regulace například poměrně jasně definuje vlastnictví dat nebo obsahuje právo „být zapomenutý” – to znamená, že lidé mohou chtít, aby jejich data byla ze systémů vymazána. Také je tam definováno, jak a do kdy mě jako člověka musí informovat, že data o mně unikla a jak se to řeší.

Bavíme se o době, která nastane za dva roky. Jak jsme na tom teď?
Nacházíme se někde mezi punkem a expertními odhady toho, co je asi legální. Je to taková šedá zóna; pokud se někdo soudí, má asi stejnou šanci, že vyhraje nebo prohraje. Je to podobné jako s auty, která se řídí sama – zákony na to ještě neexistují, ale pár takových aut už se po kalifornských silnicích pohybuje.

„Nemyslím si, že data a emoce stojí v opozici. Pracovat na základě dat neznamená, že se chovám jako stroj.”

Myslíš, že jsme na automatizované využití dat připravení? Přece jen spousta lidí v HR, manažerů, majitelů firem ještě stále funguje v tabulkách, o cloudu neslyšeli a veškerou komunikaci stále primárně řeší přes e-mail…
Připravení nejsme a ani jsme být nemohli. Jde o věc, která se právě vyvíjí. Dokážu říct, jak jsme na tom teď, co bude za rok, ale nedokážu už odhadnout, jak to bude vypadat za tři roky nebo pět let. Je spousta neznámých, které to ovlivňují a špatně se odhadují – třeba počítače, resp. jejich hardware a výkonnost. Přirovnal bych to k běžci, který běží, a když se změní počasí, tak si natáhne svetr a běží dál – prostě se přizpůsobí.

Nové HR: žongléři, archeologové a vědci

Vzniknou kvůli datové analytice nové profese?
HR bude najednou do týmu potřebovat nové lidi. Třeba datového archeologa, který se hrabe v datech a vykopává z datových systémů „zlaté žíly”. Potřebovat budou také datového „žongléra”, který surová data očistí a vytahá z nich to podstatné. Sháňka bude také po datových vědcích, kteří dokážou vytvořit algoritmus a říct, zda se daná věc dá vůbec predikovat. V lepším případě dnes HR oddělení mají datového vědce, ti ostatní ale chybí.

Jsou takoví lidé na trhu?
Podobně jako je nedostatek programátorů, nedostává se ani datových analytiků. Z Čech odchází poměrně dost datových mozků, protože zahraniční trhy si je vysávají. Firmy se snaží vychovávat si datové analytiky, ale poptávka po takových specialistech výrazně převyšuje nabídku. Pokud tento rozhovor budou číst studenti, kteří si vybírají zaměření studia, doporučil bych jim algoritmy a programování. Jestliže k tomu přidají oborovou analýzu, třeba HR, budou je zaměstnavatelé nosit na rukou.

Zatím to zní tak, že datová analytika bude vhodná jen pro velké firmy, které obsahují prvek anonymity a kvantity. Bude ale možné podobné postupy predikce z dat použít i ve firmách třeba o sto lidech, nebo to pro ně bude zbytečné?
Zbytečné to určitě není, ta investice se jim ale nevrátí. Bavíme se totiž o případném novém hardwaru, možná upravení procesů, najmutí nových specialistů – to se malým firmám nevyplatí. Nejčastěji spolupracujeme s firmami o tisících lidí, ideální je, když jde o firmy mezinárodní, kdy firma projekt vyzkouší a následně jej zavádí ve svých zahraničních pobočkách. Rozhodnutí, zda do analytiky v této míře investovat, stojí na otázce, kolik může analytika ušetřit. A tady už může být návratnost investice až překvapivě vysoká. Umím si představit malé firmy, které tímto ušetří až čtyřicet procent nákladů. A na druhé straně mohou existovat velké firmy, které například kvůli komplexitě pozic, jazykové bariéře a podobně neušetří vůbec nic.

Pokud se nějaká firma chce věnovat datové analytice, od čeho by se měla odpíchnout?
Na začátku stojí explorace dat. To znamená, že se do mapy zakreslí systémy, datové zdroje, které zrcadlí tvrdé záznamy typu rodná čísla, výplaty a podobně. Pokračuje to až do výsledků výzkumů spokojenosti a podobných dat. Cílem je, aby se na to mohl někdo podívat a říct, co se z veškerých dat dá vytáhnout. Zároveň se může zamyslet nad tím, zda firma všechna data opravdu chce sledovat, zda se některá nedublují a zda jsou užitečná, případně jaká data je potřeba doplnit. Explorace dat také odhalí, jaká data firma vyhazuje, a přitom jsou hodnotná.

Cílem ale není získat jen mapu. Co s ní dál?
Špatným prvním krokem je podívat se na data a navrhnout, jaký algoritmus z nich vytvořit. Naopak správným prvním krokem je začít si klást byznysové otázky: Máme problém s odchody lidí? S výkonností? S dodržováním hodnot? A právě k analýze takových otázek je potřeba datová mapa, která to všechno propojí.

Emoce a intuice v datové analytice?

Jak daleko je v datové analytice britský trh, kde jsi také působil?
V Británii se kola byznysu točí podstatně rychleji a navíc zde má spousta firem svou matku. Tyto výhody posouvají tamní trh do úspor z rozsahu, které dávají jednoznačné ano na otázku, zda se firmě vyplatí analýza dat. Firmy si tam analytiku mohou dovolit, jsou tak výrazně napřed. Ty nejvíc progresivní už mají svá interní datová oddělení.

Jak si stojí firmy v Česku? Představuje pro ně datová analytika úplnou novinku?
Firmy, se kterými se bavím, už mají povědomí o tom, co se dá s datovou analytikou dokázat, a chtějí o tom slyšet víc. Tato změna se dá v oblasti HR pozorovat zhruba poslední dva až tři roky. Dobrou reklamu datové analytice udělali marketing, obchod a operation. Neviděl jsem v Česku moc firem, kde by už nebylo co dělat, protože mají analytiku perfektně zvládnutou. Zajímavým příkladem je firma Google, která své HR oddělení přejmenovala na People Operations. Laszlo Bock, který oddělení řídí a napsal o něm knížku Work Rules, tvrdí, že rozhodnutí, kterými se v HR řídí, se opírají o data, a vysvětluje, jak se k takovým datům a rozhodnutím dostat. Tedy že nestaví na intuici, která může generovat hypotézy a být vstupem k rozhodnutím, ale neměli bychom na jejím základě rozhodovat.

Proč ne?
Protože intuice je zrádná, a pokud se potkají dva lidé se silnou intuicí, která míří opačnými směry, nemají se jak dohodnout. Malcolm Gladwell popisuje ve své knížce Mžik, u koho a za jakých podmínek bude intuice fungovat. Zmiňuje pravidlo 10 000 hodin, tedy že lidé, kteří se něčemu věnují takovou dobu, už mají danou činnost tak pod kůží, že potom na základě intuice dokáží udělat správná rozhodnutí. Určitě existují lidé, kteří mají sinou a správnou intuici. Bohužel je nedokážeme rychle a jednoznačně rozlišit. A tak lidé, kteří se v byznysu pohybují už nějakou dobu, mají pocit, že mu rozumějí a že se mohou rozhodovat na základě intuice. Jejich rozhodnutí ale často bývají katastrofická.

U dat je to ale přece podobné. Jedno číslo může mít dvě různé interpretace.
I my už na to narazili, proto vždy před závěrečnou prezentací děláme workshop, na kterém ještě jednou procházíme výsledky, které se nám zdají šokující nebo velmi zajímavé. Ptáme se technických specialistů, zda jsme správně pochopili vstupní data, ze kterých se výsledek skládá, a zda to není jen o tom, že jsme chtěli, aby to tak vyšlo, ale číslo ve skutečnosti znamená něco docela jiného.

Kde ve vší té datové analytice zůstává prostor na emoce, tedy to lidské, co data asi nepokryjí nebo nezachrání?
Nemyslím, že data a emoce stojí v opozici. Je to podobné, jako když nikdo není čistě maskulinní nebo femininní. S daty je to podobné. Pracovat na základě dat neznamená, že se chovám jako stroj. Na projektech jsem zažil i situace, kdy se někdo rozhodl jít proti datům, protože pocitově danou věc nechtěl udělat. Nebo situace, které jsou na hraně etiky či v nesouladu s vlastním smýšlením a hodnotami. Data nejsou alibi pro naše rozhodnutí, jsou jen jedním z důležitých vstupů.