Текучесть сотрудников в IT: можно ли предсказать, кто уволится завтра?

Как предиктивная аналитика меняет HR, и почему российские компании уже сейчас начинают инвестировать в эту технологию

Проблема текучести персонала в IT стала похожа на хроническую болезнь. Вчера ещё довольный разработчик или менеджер проекта вдруг оказывается в «красной зоне риска увольнения», и уже через месяц его профиль украшает лаконичное «Open to Work». Бизнес теряет не только людей, но и время, деньги, а часто и накопленную экспертизу. И если ещё недавно HR-специалисты могли только гадать, кто станет следующим «беглецом», то теперь есть способ прогнозировать отток сотрудников задолго до их ухода. Встречайте People Analytics 2.0 – аналитику, которая предсказывает увольнения и помогает удерживать таланты.

«Покажите мне данные, и я скажу, кто уйдёт»

Когда мы слышим «аналитика в HR», многие представляют Excel-таблицы и простейшие графики текучести за последний год. Но современная аналитика – это не про констатацию фактов, а про будущее и способность предвидеть его. И это уже не фантастика: сегодня десятки международных и российских компаний, от IBM до Сбера, активно внедряют предиктивные модели, способные с высокой точностью предсказать увольнение конкретного сотрудника и даже указать причину.

Один из ярчайших примеров – IBM, которая разработала модель на основе искусственного интеллекта, предсказывающую уход сотрудника с точностью до 95%. Система, анализирующая данные 350 тысяч сотрудников, уже успела сэкономить компании 300 млн долларов за счёт своевременных решений по удержанию. Как это работает?

Как аналитика предсказывает увольнения?

Ключ к предиктивной HR-аналитике лежит в сочетании классического анализа данных и машинного обучения. На первом этапе алгоритм анализирует множество данных о сотруднике: его карьерный путь, изменения зарплаты, участие в проектах, оценки вовлеченности, даже количество дней, проведённых в отпуске или на больничном. Потом модель ищет закономерности, «типичные» для тех, кто уже ушёл. Например, оказалось, что резкое увеличение использованных дней отпуска – это не случайность и не просто усталость. Зачастую это прямой сигнал того, что человек уже ищет новое место работы.

«Модель – это такой ранний сигнал тревоги, который показывает, что сотрудник готовится уйти, ещё до того, как он это решил окончательно», – поясняет Татьяна Антонова, HR-консультант, ранее внедрявшая такие проекты в крупной IT-компании.

Но сама по себе модель не удерживает людей, она лишь подсказывает, где проблема. И тут на арену выходит HR, вооружённый инсайтами данных, способный точечно решать проблемы, а не работать по принципу «потушили пожар – и ладно».

Российские реалии: есть ли будущее у People Analytics?

На Западе крупные компании уже вовсю играют в предсказания увольнений и добиваются отличных результатов. А как дела обстоят в России?

«Ещё пару лет назад российский HR смотрел на предиктивную аналитику с осторожностью: много возни с данными, нужна техническая экспертиза, – говорит Дмитрий Корнеев, руководитель направления аналитики крупной консалтинговой компании IBS. – Но сегодня всё меняется: рынок зрелый, технологии доступны, а главное – бизнес видит, что вложения окупаются».

И действительно, российские кейсы вдохновляют. Например, одна региональная IT-компания всего за несколько недель выявила, что наиболее склонны к уходу молодые сотрудники без семьи, которые недовольны уровнем зарплаты и монотонными задачами. Как только компания это осознала, HR сразу же скорректировал условия работы и зарплаты, а руководители стали регулярно встречаться с командой, чтобы обсудить развитие и интерес к задачам. В результате текучесть упала на 4% за несколько месяцев, сэкономив компании миллионы рублей.

Это всё хорошо, а как внедрять?

Первое, о чём предупреждают эксперты, – не торопитесь покупать дорогой софт, если у вас не налажена работа с данными. На старте важнее иметь чистые и структурированные данные хотя бы за 2–3 года: это зарплаты, оценки эффективности, опросы удовлетворенности, записи о карьерных перемещениях. Именно эти сведения и будут фундаментом для работы модели.

Во-вторых, не ждите моментальных результатов. Предиктивная аналитика – это не волшебная палочка, а инструмент, который требует тонкой настройки и тестирования. Лучше всего стартовать с пилотного проекта на отдельном подразделении, проверить точность прогноза, затем масштабировать успех.

Будущее уже здесь, просто распределено неравномерно

People Analytics 2.0 уже прочно вошла в инструментарий крупных компаний и вскоре станет новым стандартом для всех, кто не хочет терять ценные кадры и деньги. На самом деле, текучесть – это не болезнь, а симптом. Аналитика помогает понять, где болит, и начать лечить, пока болезнь не перешла в хроническую стадию.

Так что, пока ваш разработчик думает, стоит ли ему обновить профиль на HeadHunter, вы уже можете знать, почему он вообще об этом задумался. Возможно, ему не хватает роста или зарплата уже не соответствует рынку. Узнать причину раньше, чем прозвучит неприятное «я ухожу», – значит получить реальный шанс сохранить команду и деньги.

Источники:

• Исследование IBM Watson Talent Insights (IBM, 2020)
• Отчёт IBS: «Predictive analytics в российском HR» (IBS, 2021)
• Gartner HR Trends (2022)
• HR Pro: «Как компании используют People Analytics» (РБК Pro, 2023)