Вчера на экзамене (да-да, я учусь) мне попался вопрос про матричные методы планирования. И в процессе подготовки ответа я вспомнил про собственный матричный метод, который время от времени использую.

На прошлой неделе я его упоминал во время выступления на ВДНХ с темой «Искусственный интеллект и производительность труда», а ровно 4 года назад рассказывал, как его применять для эффективного обучения прямо на рабочем месте. И раз столько совпадений, еще раз о нем напишу.

Метод позволяет определять, кому какие задачи назначать.

Предположим, по отношению к задаче наша команда делится на две части: новички и эксперты. Новички это не обязательно начинающие специалисты. Нет, просто подобные задачи делают нечасто или не делали вообще. Эксперты —
те, кто подобные задачи решал неоднократно, знает лучшие практики, особенности решения, подводные камни.

Алгоритм выглядит следующим образом:
1. Определяем важность задачи и ее срочность.

Критерии могут быть разными. Та же «срочность» может означать и «час», и «месяц» — в зависимости от размера задачи. Когда задача — запустить федеральный проект через пару месяцев (как было три года назад с «Пушкинской картой»), эти «пара месяцев» вполне попадают под определение «срочно», ведь обычно так быстро их не запускают.

Аналогично с «важностью». Можно измерять в потенциальной выручке, количестве создаваемых рабочих мест, влиянии на будущие поколения — вам виднее.

2. Определяем, кто «новичок», а кто «эксперт» в подобных задачах.

Критерии экспертности смотрите выше.

3. Распределяем задачи согласно матрице.

3.1. Срочные и важные отдаем экспертам. Но новичок обязательно должен хотя бы наблюдать и получать объяснения, почему нужно делать так.
3.2. Несрочные и неважные можно отдавать новичку. Эксперта привлекать смысла нет, только мотивацию снижать.
3.3. Срочные и неважные отдаем новичку. Но с возможностью привлечь эксперта для помощи, совета, участия в сложной части решения и так далее. Новичку твердое плечо придаст уверенности.
3.4. Несрочные важные задачи тоже отдаем новичку. Эксперт может проверять ход дела, качество результата, давать советы на отчетных встречах, но не вмешиваться операционно.

Что это дает:
- Снижаем риски на срочных важных задачах, но даже на них отращиваем дополнительную экспертизу
- Дублируем компетенции между сотрудниками
- Улучшаем социальные связи внутри команды
- Имеем «второе мнение» и быстрее реагируем на ошибочные решения.
- Снижаем себестоимость решения.

И да — повышаем производительность.
Как именно — рассказывал на ВДНХ, смотрите презентацию.

А какие матричные методы планирования применяете вы?
И как думаете, почему себестоимость решения снижается, хотя в 3 из 4 случаях в задаче участвуют двое?

Меня достаточно давно волнует тема эффективности работы сотрудников.

Как менеджера, управляющего командами — с точки зрения прогнозируемого достижения результатов нужного качества и поддержки мотивации работы. Как совладельца нескольких компаний — с точки зрения роста выручки, снижения расходов при сохранении (а желательно и повышении) производительности труда. Как начинающего экономиста — с точки зрения снижения трансакционных издержек, повышения производительности труда, роста вклада креативных индустрий в ВВП страны и повышения эффективности госуправления. В общем, причин много.

Специфика деятельности и профессиональных интересов влияет на выбор инструментов достижения эффективности в упомянутых направлениях. Это разнообразные подходы в части работы с профессиональными компетенциями и вообще с архитектурой личности; это использование «цифры», фокус на данные, в том числе, при работе с персоналом; это практическое применение технологий машинного обучения для задачи максимизации эффективности или минимизации ошибок.

Свои идеи я закладываю как в наши проекты (как например, HR-платформа Сигма), так и при консультации органов власти на федеральном и региональном уровне. Минтруд, Минкультуры, Минцифры, Минприроды, Минфин и так далее.

Понятно, что работа эта долгая, непростая. И дойти до конца в одиночку сложно. Поэтому одна из задач — это пропаганда моих подходов. В этом блоге, в моих статьях, на лекциях и мастер-классах, в приватных беседах.

Этим летом уже дважды приглашали выступить.

Первая лекция была в июне на ВДНХ.
Рассказывал об ИИ и производительности труда.

Вторая — на днях в Счётной палате РФ.
Рассказывал про людей, риски и ИИ, который может снизить влияние человеческого фактора.

Темы разные, но фокус, конечно, один и тот же: ориентированность на человека, на его потребности и интересы.

На мой взгляд, тематика перспективная. Особенно, в сложившейся экономической ситуации и ее перспективах до 2040 года. Поэтому приглашаю к дискуссии всех, кому интересна тема улучшения процессов в организациях и отраслях. Неважно, вы IT-менеджер, HR-специалист, госслужащий или сотрудник коммерческой организации. Интересны мнения, опасения, идеи.

Включайтесь сами и шарьте этот пост!

#РазговорилисьСегодня про оценку сотрудников.

Один из инструментов, которые мы используем в работе — это самооценка по моделям компетенций. Например, при отборе студентов на стажировки Кловери.Старт. Или во время мониторинга компетенций гос-HR, проводимых совместно с Министерством Труда РФ в федеральном проекте «Государство для людей».

И регулярно от HR и тим-лидов разных организаций я слышу: «Фу, самооценка. Сотрудники могут указать, что угодно». Могут-то могут. Но есть нюанс. И заключается он в том, что как только есть большой массив собранных данных о самооценке, можно проделать несколько процедур, которые определят степень достоверности конкретно взятой самооценки. Да-да, то самое нормальное распределение, три сигмы и прочее. Это работает и оценке навыков. Любой выброс можно заметить.

Сотрудники могут читерить. Могут читерить даже регионы. Например, в исследовании Минтруда нашелся целый регион с очень выбивающимися показателями относительно остальных регионов страны. И по косвенным признакам, к этому региону должно возникнуть много вопросов. Он откровенно идеален. Заметно, что чиновники этого региона явно подзабыли теорвер и матстат. А мы — нет.

Кстати, если вы HR и хотите подтянуть знания в HR-аналитике, я рекомендую подписаться на блог моего партнера по HR-платформе Сигма — Галины Дейнекиной. Галя круто умеет в аналитику вообще и в HR-аналитику в частности. Много выступает, учит целые компании. И, надеюсь, таким же крутым будет наш совместный цифровой продукт для управлением персоналом на основе данных — Сигма HRM. Кстати, мы его уже внедряем в правительстве одного из регионов нашей страны. В нем тоже есть самооценка сотрудников (и не только она). И степень достоверности оценки тоже в нем появится. Читеры не пройдут! Приходите на демки.

PS. Да, бывают умные люди, выбивающиеся за 3σ. Лично знаю таких. Но их уникальность легко подтверждается и более достоверными и сложными тестами. Только вот таких людей меньше процента 😉

Попросили на днях помочь — дать матрицу ответственности проектной команды. Проект — разработка и внедрение информационной системы.

Задача такой матрицы — наглядно показать, какие крупные блоки задач нужно решить за проект, какие роли участвуют в проекте, за какой блок задач отвечает та или иная роль и в каких задачах она участвует.

Такие матрицы мы составляем и при работе с государством, и при работе над новыми цифровыми продуктами или сервисами. Поэтому давно есть и шаблон такой матрицы, и описание ролей. При старте проекта остается только правильно заполнить.

Алгоритм примерно такой:
1. Берем шаблон и оставляем только те роли, которые у нас точно есть (один человек может выполнять несколько ролей)
2. Оставляем те блоки задач, которые точно будут в проекте.
В некоторых случаях часть блоков можно выбросить. Например, в случае разработки прототипа совсем не обязательно проводить нагрузочное тестирование или обучать пользователей.
3. На пересечении ролей и задач выбираем степень участия:
- Ответственный за задачу: умри, но обеспечь результат
- Участник: мнение важно для конечного результата
- Исполнитель: участник, кому придется поработать руками. Но необязательно ответственный.
- Не участвует
4. Заполняем раздел, где ролям сопоставлены люди. С указанием степени соответствия роли (например, разработчик может тестировать ПО, хотя и не так эффективно, как тестировщик) и контактов.

Вуаля.
Дальше с этой матрицей всегда понятно, кто за что отвечает, куда писать/звонить.

Кстати, мне не жалко.
Можете скачать архив с матрицей, заполненной для одного из проектов, который мы делали. И использовать ее в ваших.

Вот, да. Аналитика ради аналитики - такое себе.

Друзья, добрый день!

Во многих компаниях есть мнение, что на начальном этапе внедрения HR-аналитики нужно считать все, что только можно. При таком подходе нужно учитывать стоимость сбора и расчета данных. Если сборы и расчеты данных осуществляются вручную, вы можете посчитать и оценить стоимость такой работы и ее необходимость.

Если же в компании данные собираются и рассчитываются автоматически, тогда сбор разнообразных данных может себя оправдать для формирования и проверки разнообразных
гипотез.

Приведу пример. Довольно часто встречаю в стандартных отчетах показатели пола и возраста сотрудников. Да, даже вручную эти показатели несложно рассчитать, но всегда на первом месте должен стоять вопрос целесообразности: зачем мы это делаем?

Например, сейчас в рамках внедрения нашей HR-платформы #Сигма в одной компании мы делаем отчет по полу и возрасту сотрудников из-за отраслевой специфики: сотрудники старшего возраста уходят на пенсию, молодых сотрудников не хватает, необходимо организовать систему передачи знаний, планировать подбор в соответствии с выходом сотрудников на пенсию. Пол в данном случае необходим из-за разницы возраста выхода на пенсию мужчин и женщин.

Если же мы внедряем платформу для IT-компании, где средний возраст составляет 29 лет, такой отчет мы не включаем в стандартный дашборд HR-показателей.

Также и с распределением по полу. В международных компаниях есть законодательно регулируемый пункт о гендерном соотношении в управлении. Значит, необходим отчет по полу сотрудников среди руководства.

Если компания не международная и не относится к так называемой «стареющей отрасли», то зачем вам регулярно в отчетах следить за тем, сколько у вас работает мужчин и женщин?

Это требуется эпизодически. Например, на 8 марта для расчета количества и бюджета на цветы для женщин компании.

Совсем другое дело, если вы на основе гендерной информации проверяете гипотезу, кто более эффективен в вашей компании: мужчины или женщины для формирования портрета идеального кандидата. Но чаще всего дальше круговой диаграммы о соотношении мужчин и женщин компании не идут. А зря.

Какое-то лето в этом году цифровое.
Две лекции по ИИ уже провел.
А в воскресенье еще одна — ИИ для госслужбы.
В одном из регионов нашей необъятной.

Кстати, как считаете, где есть место ИИ на госслужбе? 😊