Выбрать страницу

Введение в контекст проблемы

10 лет я наблюдаю, исследую и разбираюсь в процессах управления. Одну из основных ошибок которуя я встречаю — попытка управлять отдельно взятым событием. Руководитель видит эффективного сотрудника — хвалит его по последним методологиям «похвалы». Руководитель видит не эффективного сотрудника, открывает «50 татуировок» — ищет ответ, применяет его к сотруднику.

Наступает завтра, показатели не эффективного сотрудника не поменялись, как и послезавтра. Хорошо, поставим цели, дадим наставника, составим план развития и будем «лечить». 

Наступает послезавтра, показатели не эффективного сорудника не поменялись или поменялись в определенном диаппазоне доступным ему. 

Что если, для каждого сотрудника есть верхний и нижний диаппазон его эффективности и он зависит не от локальных методово действий руководителя.

Иннокентий и Григорий работают в отделе продаж и принимают звонки. Иннокентий с диаппазоном конверсий от 3% до 8% на картинке слева и Григорий с диаппазоном от 8% до 25% на картинке справа. Локальные действия для первого сотрудника могут привести его к нижнему диаппазону лучшего сотрудника. Но никакие действия не приведут его за его максимальный диаппазон эффективности. 

                       Иннокентий

                           Григорий

Таким образом, инвестиции в Иннокентия выведу его на уровень нижней границы резульатов Григория. Сейчас я не буду давать математических расчетов, просто примерьте на свою рабочу ситуацию. Как часто вы инвестистирует в локальные корректировки сотрудников и сколько из этого времени досталось Гигорию?

Как определить на этапе найма, у нас Иннокентий или Григорий проходит собеседование? 

Постановка задачи для исследования

Компания работает в сфере услуг. В компании есть кол центр численностью 30 человек принимает входящие звонки. Цель звонка — запись на визит в офис компании. Необходимо найти факторы с помощью которых можно предсказать будущую эффективность сотрудника. 

Инструмент для исследования — линейная регрессия.

Имена сотрудников а так же значимые данные были переименованы, т.к. попадают под NDA. 

Подготовка данных для исследования

В ходе подготовки исследования подготовил два набора данных. Статистика по звонкам каждого сорудника кол центра. Умышленно здесь не буду приводить описание всего процесса подготовки.  Отмечу, что в ходе подготовки набора данных мною были созданы дополнительные переменные — процесс называется feature engineering.

Feature engineering — процесс создания дополниельных полезных переменных. У вас есть звонки в кол центре в штуках и оборот по каждому сотруднику в рублях. Что бы сравнить сотрудников вы можете создать дополнительную переменную: оборот в рублях / количество звонков. Таким образом вы сможете сравнить сотрудников по эффективности. Такую метрику мне подсказал Никита Шейн из IT-Agency. 

Второй этап, подготовка категориальных данных по сотрудникам. С помощью таких данных как возраст, опыт работы, время до работы мы попробуем найти факторы влияющие на эффективность сотрудника. Привожу итоговый список переменных.

 

Количественные данные по сотрудникам:

  • Среднее время звонков,
  • Количество записей,
  • Сумма продаж,
  • Город как источник звонка,
  • Средний чек = сумма продаж / количество,
  • Среднее время звонка = сумма разговоров / количество успешных входящих звонков,
  • Запись на звонок = отношение количества записей к количеству звонков,
  • Оборот на звонок = отношение суммы записей к количеству звонков,
  • Возрастная группа = группы сотрудников в диапазоне от 20 — 30 лет, 30 — 40 и 40 — 60 лет.

Категориальные данные по сотрудникам:

  • Возраст,
  • коммуникационный тест DISC,
  • источник привлечения HH.ru или друзья/знакомые,
  • время до работы,
  • опыт работы в продажах до устровства в компанию,
  • удаленность от работы в минутах

Коммуникационный DISC тест

Для сотрудников я провел тестирование по DISC типологии. Цель тестирования обогатить категориальные данные исследования и проверить мою гипотезу что группа с высоким «I» стилем будет иметь связь с результатами по продажам.

Ниже привожу описание каждого стиля. Нижняя часть круга — люди более склонные к контактам и коммуникации, верхняя — люди более склонные к логическим суждения и фокусируются на задачах.

В итоге такого тестирования у меня получились следующие данные:
Петя — D: 18, I: 4, C: 3, S: 2

Чтобы избежать переобучения при построении модели перевел данные в следующие вид.
Петя — D: высокий, I: низкий, С: низкий, S: низкий

Выбор переменной для исследования

В качестве целевой переменной для анализа выбрал оборот на звонок. Хороший показатель, чтобы оценить сотрудника кол центра. Он содержит в себе информацию о качестве принимаемых звонков. Такой показатель как средний чек, содержит в себе информацию о том, как дорого продает сотрудник и сейчас нам не подходит.

Перед построением модели провел нормирование данных, т.к. гистограмма распределения оборота на звонок имела не нормальное распределение. 

Построение модели

Модель построил в R-studio с помощью линейной регресси. Благодаря регрессии можно получить интерпретацию исследуемых факторов. Теперь рассмотрим статистическую выкладку по модели. Часть данных я не могу раскрыть, поэтому они затерты красным. Объект интереса — первые 4 фактора. Выделил в красную рамку.

Отсутствие опыта продаж до начала работы: отрицательно влияет на оборот на звонок.
Низкий I по стилю коммуникации: отрицательно влияет на оборот на звонок.
Низкий S по стилю коммуникации: положительно влияет на оборот на звонок.
Опыт работы в текущей должности: чем больше опыт в неделях, тем выше оборот на звонок.

Таким образом мы получили 4 значимых фактора на основе которых можем предсказать будет сотрудник более эффективен или менее в должности в разрезе показателя «оборот на звонок». Далее разберу еще одни показатель, который поможет укрепить мысль о важности системных действий в управлении. 

Связь времени разговора с оборотом на звонок 

Показатель talktime — время разговора с клиентом. Чем выше время разговора с клиентом у оператора, тем выше оборот на звонок. 

Ниже график, видим линейную зависимость которая подтверждает результат. Данные по всей команде операторов. По оси X — среднее время разговора, Y — нормализованный оборот на звонок.

Сотрудники с высоким I стилем коммуникации
Справа сравнение двух групп. Сотрудники с высоким I и низки I стилем коммуникации. Как видим время разговора первой группы выше. Что дает нам право строить гипотезу, что нанимая сотрудников с I стилем, мы будем иметь более высокое время разговора, а соответсвенно более высокий оборот на звонок. 

Резюме

Руководителю будет полезным искать системные причины для управления результатами деятельности своей команды, подразделения, бизнес единицы. 

Выше я привел один из простых примеров анализа. Анализ можно углубить и расширить используя более сложные методы машинного обучения. 

Мы выяснили, что можно подбирать персонал в кол центр, на основе методов машинного обучения и DISC типологии. Хотя я и не привел достаточных цифровых показателей добавленной стоимости внедрения такого метода. Такой расчет это индивидуальная задача под каждую компанию. 

Share This