Грейдинг, как и любой другой процесс, включает в себя определенные этапы, операции и задачи. При регулярном повторении этих задач возникает потребность и желание некоторые из этих задач оптимизировать и сделать так, чтобы они происходили быстрее и с высокой точностью. Для этого часто используется автоматизация процессов.
В наших проектах, которые мы реализуем, автоматизация используется в нескольких направлениях:
Подготовка драфтов, описаний профилей с использованием искусственного интеллекта.
Создание автоматизированного калькулятора должностей с помощью специальной программы, которая обладает своим интерфейсом, позволяет быстро и удобно оценивать должности в строгом соответствии с заданной методикой.
Выстраивание вилок заработных плат и построение BI-систем.
Единственный этап грейдинга, который, на мой взгляд, менее всего подвержен автоматизации, – процесс калибровок оценочных линий, когда необходимо встречаться с руководителем, обсуждать и достигать управленческого консенсуса.
Матрица должностей. Она позволяет быстро визуализировать оценочные линии и распределять должности по функциям, грейдам. При проведении встреч у руководителя появляется такой удобный инструмент, который позволяет сравнить должности между разными подразделениями и сделать свои предложения по переоценке или согласовать результаты.
Этап оценки – это самый сложный с точки зрения автоматизации процесс, потому что он предполагает, что все методические аспекты, оценочные таблицы, распределение грейдов по баллам, индикаторы оценки и определенные вероятностные ряды, которые возможны в сравнении оценок по одному фактору с другим, должны быть учтены в этом калькуляторе.
В частности, мы используем автоматизированный инструмент, который основывается на методике Hay Group, и мы создали специальный интерфейс для этой оценки. Он позволяет с высокой точностью и c удобством оценивать должности. Это существенно повышает скорость проекта, поскольку нет необходимости сидеть с подстановочными таблицами и заполнять это все в Excel. В целом, Excel является только базой, куда информация про результаты оценки сливается. Но сама оценка происходит в удобном, понятном интерфейсе.
Преимущества такой автоматизации – сокращение сроков проекта и увеличение точности оценки. Точность увеличивается по причине того, что в самом калькуляторе “зашиты” проверочные профили. В методике Hay Group это профили А1, А2, А3, А4, которые позволяют понять, правильно ли оценена должность в зависимости от функции, в которой она находится.
Программные продукты, которые мы используем помимо собственных, – различные BI-системы. Это и Power BI, и другие BI-системы, которые позволяют анализировать большую базу данных, соединять базы данных в одну единую из нескольких источников. Этими источниками для нас являются обзоры заработных плат, которые дают представление о уровне вознаграждения и позволяют выстраивать актуальные окладные сетки по результатам проекта грейдирования.
Основные преимущества автоматизированных систем перед ручными методами грейдирования – уменьшение сроков проекта, увеличение точности, а также стоимость проекта может снижаться за счет автоматизации.
По результатам грейдинга должностей мы предлагаем инструменты, которые позволяют легко обновлять и корректировать систему. За счет калькулятора можно эффективно производить переоценку должностей, либо при помощи нажатия на несколько клавиш осуществлять обновление данных по рынку. Допустим, компания получила новые обзоры заработных плат, и мы настраиваем отчет таким образом, чтобы он брал эти данные и обновлял их внутри разработанной BI-системы, распределял уровень вознаграждения по установленным грейдам.
Также интересным решением, которое мы используем, является применение нейросетей. Нейросети мы больше всего задействуем на этапе описания должностей или создания новых подразделений. Когда нет четкого описания исходя из целей и задач подразделения, можно составить драфты описаний должностей. Здесь я подчеркну, что это драфты, канва, в которой ответственному лицу необходимо внести изменения для того, чтобы этот драфт описания должности превратился в реальное, настоящее описание должности. При таком подходе существенно сокращается время работы самого руководителя, как носителя экспертизы, потому что ему не нужно писать все с нуля.
Помимо использования нейросетей, за время работы по нескольким десяткам проектов у нас накопилась достаточно большая база описаний профилей, которые в обезличенном формате хранятся в нашей специальной базе данных. Практически по любой должности в любой функции мы можем найти описание, которое можно использовать для дальнейшей доработки в другой компании. Зачастую очень многие функции и должности на рынке схожи между собой, но имеют и различия. Получается, что работы, которые необходимо осуществить на этапе описания профиля, больше связаны с тем, чтобы найти эти различия и прописать их в описание должности, но не писать должность с нуля, что существенно сокращает временные затраты и затраты с точки зрения времени консультантов.
Отправляя данные вы подтверждаете пользовательское соглашение