Трудовые будни: От выживания к вовлеченности

Жесткие данные можно использовать двояко. Во-первых, как видимый результат изменения вовлеченности. Например, Институт Гэллапа и некоторые другие консалтинговые компании иллюстрируют пользу работы с вовлеченностью ее взаимосвязью с объективными данными (абсентеизмом, текучкой, несчастными случаями и т. д.). Во-вторых, как инструмент замера текущей вовлеченности, которая неизбежно проявляется в определенных формах поведения персонала.

Вовлеченность – не только внутренняя сущностная установка сотрудника: она реализуется вовне. Например, инициатива не может быть просто атрибутом, она обязательно проявляется – в склонности предлагать решения, брать на себя ответственность, включаться в решение задач, которые напрямую не связаны с рабочими обязанностями сотрудника. И даже там, где инициативному работнику поручили выполнить что-то в рамках его должностных задач, он будет искать и предлагать более оптимальные способы решений, следы которых останутся в жестких данных.

Сопоставление жестких и гибких данных позволяет выявить и декларируемый, и реальный уровень вовлеченности работников – через опросы и анализ поведения, которое проявляется объективно. Например, в одном исследовании (о нем будет более подробный рассказ ниже) мы выявили, чем отличаются в опросах уходящие работники от остающихся. Это позволило компании определить особую роль отношений в коллективе и приоритет адаптации сотрудников для их удержания.

Жесткие данные всегда честные: на них не влияет персональное отношение к происходящему сотрудников или руководства. Но работники могут по-разному смотреть на любой жесткий показатель, по-своему воспринимать одни и те же цифры. Поэтому жесткие и гибкие данные нужны именно в связке: мы должны и собирать объективную информацию, и понимать, как персонал ее воспринимает, знать отношение сотрудников к происходящим в компании процессам, быть в курсе их настроения, тревог и ожиданий. Например, в опросники мы обязательно включаем пункты про инициативность. А из внутренних отчетов берем объективные данные на ту же тему, например сколько рацпредложений вносят сотрудники. После сравнения гибких и жестких данных можно понять, насколько эффективно выстроена система работы с рационализаторскими предложениями, насколько она неформальна, действительно ли работники в нее вкладываются. Тем же способом можно увидеть отношение персонала к идущим изменениям: насколько сотрудники их поддерживают, с какими сложностями сталкиваются, как оценивают качество и скорость внедрения перемен.

В других исследованиях мы соотносили индивидуальную эффективность сотрудников с их ответами по вовлеченности. В этом случае общей информации обычно бывает меньше по объему, но она более подробная – содержит оценку каждого сотрудника руководителями. В этом случае напрямую соотнести эффективность и вовлеченность удалось не сразу. Руководители ставили оценки каждый по-своему: одни слишком лояльно, другие строго. В итоге потребовались дополнительные математические процедуры для обработки данных – устранения разброса и несогласованности в оценках. После чего мы получили отчетливую связь между вовлеченностью и эффективностью сотрудников.

Начало практической работы с гибкими данными включает решение множества задач: как должна формироваться выборка, что общего у не ответивших на вопросы, как учесть это смещение выборки. Нужно понять, почему часть сотрудников не отвечает – им все равно или они боятся? А если боятся, то насколько достоверны ответы остальных?

Как проводить опросы – отдельная задача. Опрашивать ли всех сотрудников до одного? А что делать, если это по какой-то причине невозможно? Как учитывать тех, кого не смогли опросить? Говоря математическим языком, нужно решить, как должна формироваться выборка в ограниченных генеральных совокупностях, – примерно такую же задачу решают социологи, когда формируют выборку для мониторинга настроений в стране.

Сразу оговоримся, что очевидный вариант «опросить все 100 %» почти никогда не работает. Более того, когда руководство крупной компании добивается ответов от каждого сотрудника, оно обычно получает искаженные данные. Как правило, это означает, что сотрудников так «построили» и они вряд ли решатся высказать всю правду – скорее привычно «отдадут честь» и постараются ответами угодить начальству.

При достаточной теоретической базе эйчар-служба может и самостоятельно создать вполне эффективную систему сбора и обработки данных. Но все же лучше учиться не на своих ошибках, а воспользоваться проверенными методиками и практиками. Также нужно решить, насколько организации нужна собственная система мониторинга, а она стоит немало. Если компания планирует только ежегодный мониторинг и анализ состояния вовлеченности сотрудников, дешевле будет обратиться к внешним экспертам.