Три шага, которые помогут снизить текучесть сотрудников в компании

Высокая текучесть сотрудников в компании — это всегда плохо и тянет за собой много проблем. В компании Технократия столкнулись с такой ситуацией и смогли увеличить время работы сотрудников в компании при помощи прогнозирования рисков. HR-директор Технократии Алина Габидуллина рассказывает о трех шагах, которые нужно предпринять, чтобы победить эту проблему.

?

Почему высокая текучесть сотрудников — плохо

Казалось бы, ответ на вопрос очевидный, но некоторые компании работают по лебедевскому принципу «Ну уходят и уходят». Такой подход не позволит построить сильную команду, которая будет готова решать амбициозные задачи.

Почему вообще стоит переживать, если текучесть 25% и выше:

• Снижение стабильности команды.
• Падает экспертность на проектах.
• Растут затраты на подбор персонала и онбординг.
• Сложнее прогнозировать годовой Head Count.

Важно, чтобы сотрудники оставались в командах дольше: так сохраняется экспертность, команды выполняют проекты эффективнее и качественнее.

На практике мы получили противоположный результат: персонал становился все более текучим, HR-отделу приходилось активнее заниматься не удержанием, а поиском новых сотрудников. Текучесть не существует одна, вместе с ней у нас был неудовлетворительный цикл работы сотрудника в компании, он составлял 11 месяцев. Его тоже хотелось бы увеличить.

Шаг первый: анализ проблемы

Прежде чем начать решать проблемы нужно разобраться в их источнике, и задать самим себе вопрос «Почему так происходит?» Высокая текучесть может возникать из массы проблем: начиная от высокой загруженности на проектах заканчивая неудовлетворенностью зарплатой и выгоранием сотрудников.

Более подробную картину о кадровом положении дел в компании покажет базовая HR-аналитика. На основе данных аналитики можно принимать взвешенные решения, которые будут положительно сказываться на бизнес-процессах.

Начать построение такой аналитики можно со сбора данных о текущем положении дел. Самый доступный и универсальный инструмент — облачные решения от Google. Для «сырых» данных мы пользуемся Google Sheets, для визуализации используем Google Data Studio — с ее помощью «сырые» данные из таблиц удобно визуализируются и собираются необходимые дашборды. Для анкетирования лучше всего подойдет Google Forms.

На первых порах можно начинать собирать простые метрики, но которые могут помочь посмотреть на ситуацию сверху. Топ-4 метрики для старта:

• Возраст и пол сотрудников.
• Распределение грейдов.
• Текучесть кадров.
• Воронки подбора.

Если с метриками по возрасту, гендерному составу и распределению грейдов все понятно, и графики будут выглядеть примерно так:

То с текучестью кадров и воронкой подбора ситуация становится несколько сложнее. Начнем с текучести кадров.

Если к общей таблице с информацией о сотрудниках (ФИО, пол, дата рождения) добавить столбцы с информацией о дате приема на работу, дате увольнения и причины увольнения, то можно рассчитать коэффициент общей текучести кадров. Он рассчитывается по такой формуле:

В итоге, получается график увольнений по месяцам (2020–2022 годы):

Эта информация может помочь понять причины увольнения сотрудников: после каких процессов случился пик текучести и понять причины ухода члена команды. В Google Data Studio к этому можно добавлять фильтрацию по отделам, чтобы понимать из какого отдела происходит самый сильный отток кадров.

Если говорить о сборе информации о воронке подбора, то тут тоже все сильно проще, чем выглядит на первый взгляд. Вот какие столбцы должны быть в таблице для сборки воронки подбора:

• Имя рекрутера.
• Количество обработанных резюме.
• Количество проведенных интервью.
• Количество выставленных офферов.
• Количество принятых офферов.

Эти параметры должны фиксировать сами рекрутеры, а полученные данные можно анализировать для выявления проблемных позиций для найма, выявления самого эффективного рекрутера, а также помочь в составлении плана на найм и распределения нагрузки на отдел найма.

Конечно, все эти метрики можно и нужно усложнять, связывать таблицы между собой и искать корреляции, чтобы получать больше фактуры для анализа кадровой ситуации в компании, но для старта будет достаточно и этих метрик.

Если возвращаться к случаю Технократии, то после анализа данных, мы поняли, что в нашей компании есть сильный перекос грейдов. Слишком много мидлов на одного сеньора, слишком много джунов на одного мидла. Сеньорам и мидлам не хватает времени, они злятся, джунам не передаются знания.

Для решения этой проблемы нужно выстраивать грейдовый баланс. В нашем случае нужно было сместить акцент на middle-специалистов. Мы разработали систему правил формирования команды по следующему принципу: больше всех в компании должно быть мидл-специалистов (30%), а меньше всего джунов и сеньоров (по 15%). А где же остальные 40% спросите вы, а мы ответим что это специалисты промежуточных грейдов middle+ и middle–.

При таком распределении график становится треугольным, поэтому мы назвали его «Идеальным треугольником». Идеальным он является не по геометрическим свойствам, а по воздействию на HR-процессы, и потому, что похож на татарский эчпочмак (да, Технократия — компания из столицы Татарстана).

Шаг второй: прогнозирование — всему голова!

Анализировать данные — хорошо, но за грамотным анализом должны следовать понятные действия и выстраиваться процессы. Самое логичное, что можно делать на основе цифр — прогнозировать кадровые риски. В этом тоже помогут решения от Google.

В предыдущем блоке мы рассказывали об аналитике прошлого — указанные метрики могут подсветить уже случившийся факт, но для принятия решений и построения прогнозов в реальном времени нужно усложнять эту систему.

Чтобы снизить высокую текучесть кадров нужно понимать состояние сотрудников — из какого отдела и сколько человек хотят уйти, с кем нужно работать на удержание, а кому искать замену.

Звучит утопично, но решение есть — создавать систему прогнозирования рисков для каждого направления. Такая система должна была позволить точечно работать с проблемами и переводить их в задачи.

В Технократии мы создали матрицу эмоционального состояние сотрудников и учитывали в ней следующие характеристики:

• количество сотрудников на проекте;
• форма работы: удаленка/офис/гибрид;
• переработки;
• эмоциональное состояние;
• общая удовлетворенность.

Это происходит в связке с производством, которое регулярно собирает отчет о технических статусах на проекте. Эту информацию нужно учитывать, когда требуется работать с рисками.

Важно! Матрица заполняется не из одного источника. Эту работу ведут HR-специалисты, тимлиды и руководители направлений. Получается взгляд на каждого сотрудника с нескольких точек зрения.

В результате можно заранее знать, какого работника в скором времени придется заменить, а с каким нужно провести работу по удержанию.

Шаг третий: удержать или отпустить?

Когда собрана аналитика и построен процесс прогнозирования рисков можно переходить к необходимым действиям, которые помогут снизить текучесть кадров. На основе данных о состоянии сотрудников можно выделять группы риска сотрудников, с которыми нужно провести работу HR-специалистам.

Для себя мы выделяем четыре градации состояния сотрудников:

1. Happy — сотрудник всем доволен и его все устраивает.
2. Satisfactorily — сотрудник в целом удовлетворен.
3. Focus — сотрудник, у которого есть некритическая неудовлетворенность, но который требует внимания.
4. Critical — неудовлетворенный сотрудник, которому требуется срочное вмешательство со стороны HR-специалистов или руководителя.

Очевидно, что первые две группы сотрудников не требуют особого внимания, а вот вторые две группы — это группы риска разной степени готовности покинуть компанию. С такими сотрудниками в обязательном порядке нужно проводить работу. Где-то будет достаточно отправить в отпуск или провести ротацию проекта, а где-то нужно будет готовиться к exit-интервью и передавать в отдел рекрутинга запрос на поиск нового человека. И да, с такой системой прогнозирования и работы с группами риска проще строить «идеальный треугольник».

Если говорить о нашем опыте применения таких практик, то по итогам тестового полугодия:

• текучесть снизилась до 14%;
• lifetime сотрудников вырос с 11 до 15 месяцев.

Нежелательная текучка упала в два раза, желательная до 1,7%, текучесть на испытательном сроке до 7,7%.

Бонусом стало то, что помимо обычных увольнений, у нас также уменьшилось количество внезапных увольнений, не зафиксированных в рисках. Также есть результаты, которые мы не фиксировали в целях изначально, но которые нас порадовали:

• Научились эффективно выявлять потребности сотрудников. В реальном времени знаем, чего не хватает конкретным специалистам для комфортной работы. Вовремя можем это исправить.
• Создали систему обучения, большая часть которой, — игра. Это стало одним из способов поддержания лояльности сотрудников.
• Научились строить прогноз о будущем сотрудника в компании еще до старта аттестации.
• Строим и визуализируем треки развития, чтобы сделать путь каждого сотрудника компании прозрачным и понятным.

Вот так за три шага можно снизить текучесть сотрудников в компании. Конечно, язык не повернется назвать эти шаги простыми, но тем не менее они действительно помогают улучшить бизнес-процессы в компании и сделать их более устойчивыми.

Источник: © Деловой мир