Случалось ли у Вас, что первое впечатление о кандидате было очень хорошим, а когда принимали его на работу, меняли мнение на противоположное? Или, может быть, человек продолжал вам нравиться, но вау-эффект куда-то исчезал?
Сегодня существуют десятки компаний, которые предлагают различные виды ассессмент-центра (АЦ), помогая отбирать кандидатов, оценивая их навыки и способности. Большинство провайдеров АЦ уверяют, что имеют самые лучшие инструменты и уникальный опыт оценщика. Ассессмент-центр многие воспринимают как панацею, ожидая с помощью него подобрать идеального высококвалифицированного сотрудника. Однако в ходе своей деятельности я часто слышу, что высокие оценки на этапе отбора по результатам АЦ превращаются в низкие результаты работы в будущем, и наоборот.
Многие hr слышали, что компания Google именно поэтому отказалась от использования головоломок на этапе отбора. Они пришли к выводу, что оценки кандидатов по итогам АЦ не имели никакой связи с результатами их работы в дальнейшем. Почему так происходит? Почему АЦ не всегда прогнозирует успешность кандидатов? Что с ним не так?
1. Кто сказал, что Ваша модель компетенций работает?
Для составления модели компетенций (портрета идеального сотрудника) консультанты используют различные методы: анализ рабочих задач, интервью, репертуарные решетки, наблюдение и т.п, но они не делают главного – не валидизируют модель. Для того, чтобы модель работала, а именно, на основании нее можно было с уверенностью делать выбор в пользу того или иного кандидата, нужно проверить, а действительно ли успешные сотрудники обладают данными характеристиками, а не успешные ими не обладают.
2. Вы уверены, что верно подобрали инструмент оценки?
При оценке персонала используются различные тесты, кейсы, интервью по компетенциям, игровые техники и пр. Но как происходит их выбор? Любой тест должен отвечать требованиям надежности (устойчивость результатов при повторном его применении), валидности (измерять то качество, которое должен), показывать достоверные результаты (быть устойчивым к искажениям). Учитываются ли эти требования к оценочным методикам в Вашей компании?
3. Всему виной банальный человеческий фактор.
Личность консультанта, проводящего оценку, его образование, уровень профессионального развития, интеллект, особенности характера – эти, а также ряд других факторов влияют на итоговые результаты и приводят к искажениям.
Что же делать?
Компания Google нашла выход из этой ситуации, начав принимать любые управленческие решения в сфере hr на основе анализа данных. Данный подход был назван «people analytics» и оказался настолько эффективен, что стал примером для многих других компаний. Вот что пишет об эффективности метода Джон Салливэн (Dr. John Sullivan) — профессор Университета Сан-Франциска, автор и консультант множества компаний: «Google – уникальная компания, в которой процесс подбора персонала базируется на научной точке зрения, «people analytics» создает алгоритм предсказания, прогнозируя успешность работы кандидатов после найма».
Выводы:
- Необходимо валидизировать модель компетенций. Компетенции должны не выдумываться экспертами, а создаваться на основе математических моделей (факторного, кластерного анализа).
- Использовать при оценке сотрудников надежные, валидные и достоверные опросники (тесты, кейсы и т.п.)
- Минимизировать участие экспертов в процедуре АЦ. Например, проводить тестирование сотрудников с помощью специальных компьютерных программ, использовать тесты способностей.
- При оценке компетенций экспертами использовать бинарные индикаторы — есть проявление поведения/нет. Это поможет избежать искажений оценки экспертом. Многоуровневые индикаторы, например, оценки от 1 до 5 дают больше искажения.
Автор: Анна Егорова
