Вопрос оптимального подбора персонала, или «правильной расстановки» людей на соответствующие позиции, остается ключевым аспектом стратегического управления бизнесом. Кадры продолжают решать если не все, то многое, и успех в этом направлении может рассматриваться как движение по портеровскому пути «делания правильных вещей правильным образом».
При этом в условиях высококонкурентного и динамичного рынка труда функционал рекрутмента наполняется новым содержанием. Основная цель –минимизация риска ошибочного найма – остается неизменной и напрямую влияет на конкурентоспособность бизнеса через текучесть кадров, но возникает дополнительная задача – снижение субъективности выносимых HR-оценок. Несмотря на значительное количество публикаций про механизмы оптимального поиска, конкретный способ ранжирования кандидатов не раскрывается, что неизбежно ведет к применению рекрутерами субъективных оценок.
Хотя полностью устранить субъективные суждения при подборе персонала с текущим уровнем развития технологий невозможно, мы можем существенно повысить объективность получаемых результатов при помощи структурированных подходов.
Одним из таких инструментов является метод анализа иерархий (МАИ), предложенный профессором Томасом Саати. Этот метод активно используется для принятия решений в любой области – от строительства дорог в Судане до решения психологических проблем «трудных» подростков. Давайте посмотрим, как можно использовать этот метод для повышения рациональности и прозрачности в процессе выбора кандидатов на должность.
Как работает метод анализа иерархий: теория
В рамках процессного подхода рассмотрим рекрутмент как последовательность шагов:
- Привлечение квалифицированных кандидатов – фокусировка производится на формальных требованиях к вакансии и ее продвижении на рынке.
- Отбор лучших специалистов – фокусировка на оптимальных критериях фильтрации пришедших кандидатов.
- Удержание талантов – фокусировка на создании условий для карьерного роста и поддержании мотивации.
Основной вызов, как для HR-специалиста, так и для кандидата, состоит в получении оптимальных оценок на втором этапе, именно здесь метод Саати будет наиболее полезен, хотя может применяться и в дальнейшем, например, при калибровке систем мотивации. Следует отметить, что метод не предоставляет однозначного ответа на вопрос о правильности или неправильности самого решения, но позволяет оценить, какой из рассматриваемых вариантов наилучшим образом соответствует потребностям аналитика и пониманию им решаемой задачи. С позиций организации такая задача может быть сформулирована как подбор кандидата, который способен увеличить долгосрочную стоимость бизнеса.
В основе метода анализа иерархий лежит попарное сравнение значимости характеристик критериев и кандидатов с позиций оптимального вклада в развитие компании в случае найма. Для этого принимается шкала оценки, распространенная версия которой содержит натуральные числа от 1 до 9 с шагом 2. Это нужно, чтобы сделать более четкими различия между самими рангами, но при необходимости можно использовать и промежуточные значения.
Рис. 1. Шкала оценки
Данная шкала отражает следующие отношения (количественный пример рассмотрим ниже):
- Эксперт ставит 1, если не видит различий между альтернативами.
- Значение 3 – это небольшое, но различимое преимущество одной альтернативы над другой.
- Значение 5 говорит о сильном преимуществе, которое очевидно эксперту.
- Значение 7 указывает на очевидное преимущество, которое видно не только эксперту, но и неспециалисту в предметной области.
- Значение 9 ставится крайне редко, а также должно подтверждаться не только субъективной оценкой эксперта, но и технической документацией. Если проводить аналогию, различие на уровне 9 – это как долетевший до точки назначения самолет и потерянный с радаров.
На следующем этапе производится построение иерархии критериев, по которым будет оцениваться кандидат.
Рис. 2. Простейшая иерархия
Как работает метод анализа иерархий: практика
Теперь рассмотрим применение МАИ на примере. Предположим, стоит задача подбора лучшего кандидата на позицию IT-директора. Допустим, после экспертного обсуждения были выделены пять критериев, по которым будет осуществляться отбор:
- Знание бизнес-процессов компании.
- Опыт управления IT-подразделением.
- Умение влиять на топ-менеджмент.
- Навыки работы с IT-подрядчиками.
- Бизнес-образование.
Критерии могут быть абсолютно любыми, а по количеству рекомендуется использовать не более 15, так как с увеличением количества критериев влияние каждого из них в общем зачете будет сокращаться. Предположим, сформировался список из пяти кандидатов. Вы можете попробовать интуитивно выбрать «лучшего» кандидата, чтобы впоследствии сравнить свой выбор с модельной оценкой.
Рис. 3. Потенциальные кандидаты на позицию IT-директора
После определения критериев производится их попарное сравнение с точки зрения значимости для организации. Проще всего выполнять такие сравнения в табличном процессоре. Если имеется правильно подготовленный файл, можно заполнить только правую верхнюю половину матрицы сравнения, а вторая половина заполнится обратными значениями автоматически.
Также нужно контролировать транзитивность выбора: если A>B и B>C, то A>C, и в этом помогает индекс согласованности выбора, рассчитываемый моделью автоматически. После заполнения матрицы альтернативы с более высокой значимостью оказываются предпочтительны. Так, в рассматриваемом примере опыт управления IT-подразделением и навыки работы с IT-подрядчиками окажутся ключевыми.
Рис. 4. Ранжирование критериев выбора по их значимости для успеха компании
Дальнейший анализ строится аналогичным образом – кандидаты последовательно ранжируются в рамках каждого критерия (рис. 5-9).
Рис. 5. Ранжирование кандидатов по критерию знания бизнес-процессов компании
Рис. 6. Ранжирование кандидатов по критерию опыта управления IT-подразделением
Рис. 7. Ранжирование кандидатов по критерию умения влиять на топ-менеджмент
Рис. 8. Ранжирование кандидатов по критерию навыков работы с IT-подрядчиками
Рис. 9. Ранжирование кандидатов по критерию наличия бизнес-образования
После завершения оценок кандидатов по всем критериям можно приступать к получению итоговой сверки: каждый кандидат получит итоговое значение, определенное как произведение матриц значимости исходных критериев и значимости кандидатов в рамках каждого критерия.
Рис. 10. Итоговая матрица
После завершения расчетов можно определить победителя, им оказывается Татьяна. Вспомните свой выбор, если сделали, и сравните его с предложенным моделью значением. Такой процесс отбора кандидатов существенно экономит время и усилия HR-подразделения, поскольку предлагает структурированное и легко автоматизируемое решение. Кроме того, подобная формализация улучшает сравнимость кандидатов в рамках географически распределенных компаний, и это помогает получать сопоставимые оценки, а также отбирать в резерв потенциально интересные кадры.
Рис. 11. Принятый на позицию кандидат
Выводы
Методология анализа иерархий – это эффективный инструмент для оптимизации процессов найма, и ее внедрение в HR-процессы позволяет не только минимизировать субъективность оценок, но и существенно повысить качество принимаемых решений. Для упрощения применения методологии рекомендуется использование простейших средств автоматизации, подойдет любой табличный процессор вроде Excel.
В случае необходимости массового и распределенного найма сотрудников руководство может рассмотреть возможность разработки специальных программных средств для успешной реализации расчетов. Также следует иметь в виду возможность простой и краткосрочной подготовки сотрудников кадровых подразделений для работы с методологией – в пределах одного часа. Таким образом, можно рекомендовать применение метода анализа иерархий для формирования объективной системы оценки кандидатов и упрощения переговорного процесса с ними.
Фото в анонсе: freepik.com
Также читайте:
Субъективность - неотемлемое свойство любого метода схожего назначения. Так, что предложенный метод заметно выигрывает у других. Да, нужно тщательно и критически определять веса, коэффициенты и т.д. тогда и результат будет ближе к действительности, т.е. говоря Вашими словами - повысится эффективность.
Здорово! Только не всегда под рукой найдется гора, подходящая для оценки текущего кандидата..
А по моему мнению, такая условная "гора" всегда под рукой - называется "ТК РФ Статья 70. Испытания при приеме на работу". Если мы, конечно, про решение совершенно конкретных прикладных задач в условиях повседневной рутины.
Что касается теории вопроса - сдаюсь ))
Метод конечно достоин как минимум внимания, но вопрос. А много ли таких позиций в современном найме (не беру низшие позиции), где он может быть применен, при наличии такого количество релевантных кандидатов?
да, да... и снова классическон: "дьявол кроется в деталях ...."
Как ни странно, с подходом Саати ситуация обратная. Мне он попался более 15 лет назад: после кризиса 2008 года перед моей командой была поставлена задача перевести корпоративный банк в ритейл-сегмент, для чего потребовалась разработка скоринговой модели. В то время актуарной статистики по дефолтам просто не существовало, а зарубежная литература предлагала решения вида: «сменился акционер – минус 5 баллов, имеется резерв капитала – плюс 10 баллов». Меня заинтересовал вопрос, почему минус 5 баллов, не -3,47, например. Внятного ответа не было, и я стал смотреть теоретические разработки в этой области, в ходе которых и обнаружил подход.
За пару дней удалось воссоздать в Excel ход расчетов в публикации и получить те же числа на выходах модели. После чего был составлен прототип скоринга на условных данных, и после 1 млн. симуляций удалось получить мат. ожидание рейтинга ВВВ, что уже сильно опережало наши ожидания от первой итерации. Сделали небольшую коррекцию, и модель была запущена в работу. За 9 месяцев кредитный портфель банка, росший до этого более 15 лет, был удвоен за счет розницы, причем без неконтролируемых дефолтов.
Основная заслуга метода – именно встроенный контроль непротиворечивости оценок: индекс согласованности должен оставаться менее 0,1, и если он растет, значит, в предположениях возникает противоречие. Такой контроль радикально сокращает время на поиск причин «странных» результатов, если они вдруг появляются.
Следующий кейс был связан с бизнес-разведкой: уходивший на пенсию директор конкурентов должен был выбрать себе приемника, и нужно было «угадать», кто им станет. Разработали примерный список критериев, которые могли быть релевантны предпочтениям уходившего топа. После анализа по модели получился никем не ожидавшийся результат – фигура из «второго круга», о которой никто и не думал всерьез. Через пару недель объявили о назначении… С тех пор я стал очень большим сторонником алгоритма, и за годы применения метода не было ни одного случая, где он бы себя не оправдал.
Можно достаточно долго спорить о сложности метода или необходимости мат. подготовки, но я рекомендовал бы составить собственное мнение. Нужно просто потратить пару вечеров на чтение исходного описания в работе Саати – там уровень средней школы, а главное – можно самостоятельно воссоздать модель и использовать в любых проектах. Никакого «дьявола в деталях» просто не получится.
сознательный опыт субъективен по своей сути и связан только с одной точкой зрения. Опыт невозможно объяснить в объективных терминах. Именно субъективность сознания делает невозможным для человека понять опыт, который сильно отличается от его собственного. Поэтому все модели построенные на опыте ненадежны. К тому же опыт стремительно деградирует
Блестящие воспомиания и очень поучительно! Благодарю Вас!
... тем более, что математика там примитивная... буквально - арифметика...
Вы могли бы уточнить, какую работу Вы имеете в виду (Саати опубликовал немало на тему AHP), и что за модель Вы предлагаете воссоздать и применить в любых (!) проектах?
К вопросу о применимости AHP (и ANP) см., например, тут и тут. Как и любые формализованные подходы в области Decision Making и системного анализа, AHP имеет свои ограничения, о которых нужно знать. И ничего простого там нет.
Книгу я уже упоминал выше, но продублирую: Саати Т. Л. Принятие решений. Метод анализа иерархий. — М.: Радио и связь, 1989. — 316 с. (ссылка).
В отношении модели - воссоздать можно модель, описанную в публикации, после чего уже использовать полученный опыт для построения индивидуальных моделей под каждую ситуацию, требующую анализа. Разумеется, никакой "универсальной" модели быть не может - универсальным является сам подход, и его уже можно применять в любых задачах.
Дополню: периодически встречается критика подхода, основанная на том, что в некоторых случаях могут возникать проблемы со сверткой разных уровней иерархии. Да, теоретически такое возможно, но для реальных прикладных задач это не создает проблем. Приведу аналогию: академически более правильно считать финансовые коэффициенты на основании средних значений баланса за отчетный период, но подавляющее большинство практиков рассчитывает по закрытию периода, и это не приводит к критическим ошибкам.
В моем опыте применение подхода Саати всегда оправдывало усилия. В частности, однажды удалось проверить "правильность" весовых коэффициентов на проекте у одного заказчика, которому поставили "черный ящик" для оценки контрагентов. Матрица 5х5 в Excel дала примерно похожий результат, что и софт, за который заплатили около $1 млн. (нужно, впрочем, признать, что интерфейсы были отрисованы очень красиво, а искусство может стоить дорого).
Значит, у нас разные представления о сложности - возведение числа в квадрат в Excel я никак не могу признать сложной задачей.