Читать книгу "BIG DATA. Вся технология в одной книге - Андреас Вайгенд"

Если банки не повысят уровень прозрачности и не предоставят клиентам свободу выбора, народ найдет способы заставить их открыться.

Содействие справедливости условий найма

Работая директорам по информационным технологиям инвестиционного банка Dresdner Kleinworth Wasserstein, Дж. П. Рангасвами пришел к неутешительному выводу: пререкания сотрудников отнимали у него слишком много времени[460]. Его электронная почта была забита претензиями к другим службам, менеджерам и сотрудникам. Некоторые из них были обоснованными, но все остальные выглядели типичными офисными дрязгами.

У Дж. П. не было времени на то, чтобы разбираться со всей этой информацией и определять, какие письма требуют его внимания, а какие нет. Будучи ИТ-директором, он мог бы без особого труда создать во внутренней сети компании систему, позволяющую сотрудникам обмениваться оценками своей работы и вклада в общее дело, но понимал, что это могло плохо сказаться на атмосфере в коллективе. И он поступил намного проще: предоставил подчиненным доступ к своей входящей и исходящей электронной почте[461].

Дж. П. сразу же заметил резкое снижение количества электронных писем с жалобами одних сотрудников на других. Нововведение понравилось не всем, и в течение нескольких следующих месяцев часть сотрудников уволилась из банка. Понимание того, что их почту могут читать другие люди, сказалось на поведении работников. Затем Дж. П. заинтересовал вопрос о том, что именно просматривают его подчиненные. Ему хотелось понимать ход их мыслей, или, по его выражению, «что у них на уме»[462]. Он выяснил, что людей больше интересовали его исходящие, то есть то, что сообщал он, а не то, что сообщали ему.

Все это происходило в 2001 году, за три года до запуска Gmail и Facebook и более чем за десять лет до появления коммуникационной платформы Slack, на которой любой сотрудник может знакомиться со всей перепиской, ведущейся в компании[463]. Чтобы ориентироваться в море информации, ставшей доступной сотрудникам, потребовались мощные инструменты ее дополнения и изменения. Люди отмечают популярные ветки дискуссий и посты с помощью хорошо продуманной системы аннотирования, включающей более дорогостоящие по сравнению с лайками или другой символикой эмодзи[464]. В будущем коммуникационные платформы вроде Slack начнут рекомендовать сотрудникам несколько эмодзи на выбор, исходя из содержания черновика сообщения или данных с веб-камеры, обработанных системой распознавания выражений лица.

В наши дни бизнес может без особых затрат изучать информацию, исходящую от сотрудников, и анализировать их удовлетворенность работой и результативность. Предположим, что сотрудники компании участвуют в программе с использованием социометрических бэджей. В этом случае менеджеры получили бы возможность наблюдать, как сотрудники взаимодействуют друг с другом и насколько они продуктивны в различных условиях. Датчики, наблюдающие за внимательностью, настроением и даже ночным сном, могут стать общепринятой практикой. Наличие таких данных могло бы помочь работникам решать, когда и где им лучше заниматься определенными видами деятельности. Система могла бы подсказывать, какого рода задачи лучше соответствуют его настроению в данный момент. С другой стороны, менеджер мог бы на основании тех же данных принять решение отстранить сотрудника от участия в важной презентации. Чтобы понять, стоит ли принимать участие в подобной программе сбора и анализа данных, надо иметь возможность оценивать доходность информации не с точки зрения своего начальства, а со своей собственной.

Поскольку компании используют новые источники информации, работники должны требовать ознакомления с формулами оценки результативности и расчета компенсаций, в том числе с полным перечнем входящих данных и их значимости. Такая прозрачность даст им возможность лучше увязывать свои усилия с приоритетами компании. Использование компанией информации из различных источников, например особенностей коммуникаций в электронной почте и по телефону, данных социометрических бэджей, мнения коллег, рейтингов, результатов анкетирования и так далее, существенно затрудняет фальсификацию результатов работы. Возможности доступа к информации и ее переноса могут быть полезны для выявления действий менеджеров, идущих вразрез с рекомендациями системы, что полезно для обнаружения случаев пристрастного или дискриминирующего отношения.

Внешняя обработка данных, полученных на рабочих местах, позволяет получить лучшее представление о влиянии экономических трендов на трудовую деятельность и карьеру. На основе информации, получаемой от 400 миллионов своих пользователей, социальная сеть LinkedIn может детально описывать состояние отдельных отраслей и компаний. В ее истории был один удивительный случай. В один прекрасный воскресный день 14 сентября 2008 года аналитики LinkedIn обратили внимание на необычно высокий для выходного дня уровень активности на сайте. Они решили, что сайт взломан хакерами, и вызвали специалистов по безопасности. Те ознакомились с происходящим и выявили источник трафика: все запросы исходили от сотрудников инвестбанка Lehman Brothers, судорожно связывавшихся со знакомыми, размещавшими резюме и скачивавшими контактную информацию. Команда LinkedIn сделала вывод, что такая активность означает провал планов по спасению Lehman Brothers от банкротства, хотя официально об этом еще не объявлялось.

Сотрудники, скачивающие все свои контакты, – дурной знак. Исход сотрудников из компании – тоже дурной знак. Если кадры постоянно перетекают к конкурентам, то будущее компании выглядит отнюдь не безоблачным. Сегодня подобная информация доступна только корпоративным клиентам. Сеть LinkedIn уже показывает самых популярных работодателей среди выпускников конкретных университетов в разделе University Pages и могла бы сделать следующий шаг в этом направлении: показывать работодателей, к которым чаще всего переходят из других компаний. Примером в этом смысле могла бы служить система рекомендаций Amazon.

Социальные данные можно использовать не только для оптимизации состава кадров, но и для оптимизации рабочего времени и условий труда. Так, планирование численности сотрудников в рабочих сменах является извечной проблемой предприятий розничной торговли (впрочем, не только их). На количество посетителей магазина в данный момент времени или день недели влияют многие факторы – от погодных условий (резкое похолодание или сильный ливень) до маркетинга (активная промоакция или рекламная кампания на телевидении). Основатель аналитической компании Percolata[465] Грег Танака разработал вместе со своими коллегами систему, прогнозирующую посещаемость магазина и определяющую численность персонала, необходимого для обслуживания покупателей. Главное – оптимизация количества работников. «Каждый третий посетитель уходит из магазина без покупок, потому что не смог найти продавца, готового помочь», – объяснял Грег[466]. Но постоянный «запас» персонала экономически неоправдан, особенно с учетом низкой маржинальности розничной торговли. Нельзя игнорировать и специфические особенности межличностного взаимодействия. Коллектив может представлять собой нечто большее (или меньшее), чем просто набор должностей в смене, и это влияет как на производительность труда и моральное состояние работников, так и на общую атмосферу в магазине.