{{title}}
{{date}} {{postparts}}
{{text}}
Смотрите также:
За последние годы HR-функции заметно продвинулись в работе с данными. Во многих компаниях уже есть дашборды по численности, текучести, подбору, отсутствиям, обучению и вовлечённости. Но автоматизация отчётности сама по себе не превращает HR в аналитическую функцию.
Gartner в исследовании Move Beyond Dashboards by Connecting People Analytics to Business Value прямо указывает на этот разрыв: CHRO нужны возможности HR-аналитики, которые показывают влияние инвестиций в персонал на бизнес, однако многие функции по-прежнему остаются на уровне описательных дашбордов.
Deloitte в исследовании зрелости people analytics 2026 года получил похожую картину. 43% обследованных организаций достигли продвинутого уровня зрелости, но более 70% продолжают использовать статическую отчётность. Исследование охватывало более 85 организаций в Индии, поэтому эти показатели нельзя механически переносить на российский рынок, однако сам разрыв между наличием данных и их использованием в решениях показателен.
Компания может измерять десятки HR-показателей и при этом практически не иметь HR-аналитики. Отчёт отвечает на вопрос, что произошло. Аналитика начинается там, где данные помогают понять причину, оценить последствия и выбрать действие.
От отчётности к решению: четыре уровня HR-аналитики
CIPD определяет people analytics как анализ данных о людях для решения бизнес-проблем. Это важная формулировка: объектом работы являются данные о персонале, но конечной точкой должна быть не HR-метрика, а управленческая задача.
| Уровень | Главный вопрос | Пример |
|---|---|---|
| Отчётность | Что произошло? | Текучесть выросла с 14% до 18%. |
| Диагностика | Где и почему возникло изменение? | Основной рост приходится на три массовые роли и сотрудников первых шести месяцев работы. |
| Прогнозирование | Что произойдёт при сохранении тенденции? | Компания получит дополнительную потребность в найме, рост стоимости замещения и дефицит людей в критичных подразделениях. |
| Поддержка решения | Какое действие даст наибольший эффект? | Приоритетом становится не общая программа удержания, а изменение адаптации и работы руководителей в конкретных группах. |
Не каждой задаче требуется сложная прогнозная модель. CIPD отдельно подчёркивает, что более продвинутая аналитика не гарантирует более ценного вывода: иногда качественного описательного анализа достаточно. Вопрос не в сложности метода, а в том, соответствует ли он задаче.
HR-метрика становится полезной, когда появляется связь с бизнес-показателем
Текучесть, время закрытия вакансии или доля завершивших обучение важны для управления HR-процессом. Но для руководителя бизнеса обычно важен следующий уровень: как изменение показателя влияет на производительность, выручку, качество, сроки, клиентский результат, стоимость операций или способность выполнить план.
Поэтому аналитическая задача должна начинаться не с вопроса «какие показатели вывести на дашборд?», а с формулировки бизнес-проблемы. Например, производственная компания видит снижение выпуска. HR-аналитика должна проверить, какую часть проблемы объясняют незакрытые позиции, ранняя текучесть, отсутствия, скорость выхода новичков на требуемую производительность и различия между руководителями подразделений.
Сначала вопрос бизнеса, потом данные
Хороший аналитический проект начинается с конкретной управленческой задачи. Сначала нужно определить, какой бизнес-результат требует объяснения или изменения, затем сформулировать гипотезы о факторах, которые могут на него влиять, и только после этого определить необходимые данные и способ анализа.
Например, если задача — сократить раннюю текучесть в массовом найме, недостаточно вывести динамику увольнений. Нужно проверить, в каких подразделениях и у каких руководителей проблема выше, как она связана со скоростью адаптации, графиком, нагрузкой, оплатой и источником найма. Ценность аналитики появляется тогда, когда вывод позволяет выбрать конкретное действие и затем проверить его эффект.
Одна из главных ошибок — принять связь показателей за причину
HR-аналитика особенно уязвима к убедительным, но преждевременным выводам. Если сотрудники, прошедшие обучение, показывают более высокую производительность, это ещё не доказывает эффект программы. Возможно, на обучение чаще направляли сильных сотрудников. Возможно, и обучение, и результативность связаны с качеством руководителя или особенностями подразделения.
CIPD разделяет корреляцию и причинность именно по этой причине. Корреляция показывает, что показатели связаны. Для управленческого решения этого часто недостаточно: необходимо проверить альтернативные объяснения и понять, насколько обоснован вывод о причине.
Чем дороже решение, тем опаснее переходить от «мы видим связь» к «мы знаем причину» без дополнительной проверки.
AI снижает стоимость ответа, но повышает требования к качеству аналитики
Генеративный AI постепенно меняет интерфейс работы с HR-данными. Вместо поиска нужного отчёта руководитель может задать вопрос обычным языком и получить нужный показатель или краткое объяснение. Gartner в 2026 году уже описывает переход корпоративной аналитики от статических BI-дашбордов к аналитическим агентам и интерфейсам на естественном языке.
Однако удобный интерфейс не устраняет методологические риски. McKinsey, описывая собственную работу с генеративным AI в people analytics, делает акцент на доверии к ответам. Для повышения надёжности система использует внутренние определения показателей, контролируемые инструменты получения данных и заранее подготовленные запросы вместо свободного формирования логики моделью.
Для HRD здесь важен практический вывод. AI может быстрее найти показатель, собрать срез и сформулировать объяснение, но он не должен самостоятельно определять корпоративные метрики, подменять проверку причинности или принимать решение на основании данных, качество которых неизвестно.
AI не отменяет профессию HR-аналитика
Чем проще становится получить ответ из данных, тем важнее способность правильно сформулировать вопрос, проверить исходные определения, увидеть ограничения анализа и отличить правдоподобное объяснение от подтверждённого вывода.
Российский контекст: следующий этап после автоматизации отчётности
Для российских компаний практическая развилка проходит не между «есть аналитика» и «нет аналитики», а между несколькими уровнями зрелости. В одной организации данные о численности, подборе, обучении и текучести всё ещё собираются вручную из разных систем. В другой уже построен BI-контур, но HR и бизнес используют его преимущественно для регулярной отчётности. В третьей данные о людях начинают сопоставлять с операционными и финансовыми показателями.
Именно третий уровень даёт HRD возможность обсуждать с бизнесом не только состояние HR-процессов, но и экономику решений. Стоимость текучести можно связывать с потерями производительности и стоимостью замещения. Эффективность обучения — с изменением рабочих показателей целевой группы. Адаптацию — со скоростью выхода новичков на требуемый результат и ранними увольнениями.
Главное ограничение здесь часто не технология. Чтобы соединять данные из кадровых, финансовых и операционных систем, компании нужны единые определения показателей, понятные владельцы данных и согласованная логика расчётов. Без этого новый дашборд или AI-интерфейс лишь быстрее показывает несогласованные цифры.
С чего HRD начинать развитие аналитики
Не с покупки новой платформы и не с расширения набора метрик. Полезнее выбрать несколько решений, где качество данных действительно влияет на деньги, людей или выполнение бизнес-плана.
- Определить управленческое решение. Какой вопрос должен решить руководитель?
- Зафиксировать бизнес-результат. Какой показатель бизнеса должен измениться?
- Сформулировать гипотезы. Какие факторы персонала могут быть связаны с результатом?
- Соединить источники данных. HR-данных почти всегда недостаточно без операционных или финансовых показателей.
- Проверить альтернативные объяснения. Не превращать корреляцию в причинный вывод автоматически.
- Измерить эффект решения. Аналитический проект заканчивается не презентацией вывода, а проверкой того, изменилось ли то, ради чего принималось решение.
Зрелая HR-аналитика начинается не там, где компания умеет показать больше данных. Она начинается там, где данные уменьшают неопределённость перед важным управленческим решением.
Источники и методологическая база
- Gartner — Move Beyond Dashboards by Connecting People Analytics to Business Value, 2026.
Исследование о переходе от описательных дашбордов к аналитическим возможностям, связывающим данные о персонале с ценностью для бизнеса. - Deloitte — Future of Work and People Analytics Maturity: The Indian Story, 2026.
Исследование зрелости people analytics более чем в 85 организациях Индии: развитие связи с бизнесом при сохраняющейся высокой доле статической отчётности. - CIPD — People Analytics.
Методологическая база по описательной, прогнозной и предписывающей аналитике, работе с бизнес-проблемами, корреляцией и причинностью. - McKinsey & Company — Putting gen AI to work in the People function, 2026.
Практический разбор использования генеративного AI в people analytics и требований к определениям, контролю получения данных и надёжности ответов. - Gartner — How to Transition From BI Dashboards to Analytics Agents, 2026.
Аналитический материал о переходе от традиционных BI-дашбордов к аналитическим агентам и интерфейсам на естественном языке.