Прокопович-Павлюк І. В., кандидат економічних наук, доцент кафедри статистики, Львівський національний університет імені Івана Франка, м. Львів, Україна

ORCID ID: 0000-0002-8316-0127
e-mail: iryna.prokopovych-pavlyuk@lnu.edu.ua

Марець О. Р., кандидат економічних наук, доцент, доцент кафедри статистики, Львівський національний університет імені Івана Франка, м. Львів, Україна

ORCID ID: 0000-0002-4044-7443

Панчишин Т. В., кандидат економічних наук, доцент кафедри статистики, Львівський національний університет імені Івана Франка, м. Львів, Україна

ORCID ID: 0000-0003-3419-4635
e-mail: taras.panchyshyn@lnu.edu.ua

Використання статистичних методів у HR-аналітиці

Анотація. У статті обґрунтовано доцільність застосування методів машинного навчання з метою ефективнішого управління персоналом компанії, проаналізовано чинники, що зменшують чи навпаки збільшують плинність кадрів. Напрямами дослідження є пошук ключових індикаторів, збір та ґрунтовний аналіз яких дозволить своєчасно виявляти причини відтоку кваліфікованого персоналу та ризики, пов’язані з набором некваліфікованого персоналу. Аналіз взаємозв’язків дозволив виокремити низку чинників, а саме: трудовий стаж, розмір щомісячної заробітної плати, займана посада та тривалість перебування на ній, рівень задоволення умовами праці, вік працівника, що зменшують відплив (звільнення) кваліфікованих кадрів. Натомість понаднормові години роботи, складні умови праці, шлюбний статус є ключовими у бажанні працівників шукати кращого місця праці. Обґрунтовано, що застосування розглянутих у статті HR-метрик у поєднанні із технологіями машинного навчання дозволить оперативніше оцінювати загрози, пов’язані зі зменшенням продуктивності праці, низькою мотивацією працівників та завчасно уникнути відпливу кваліфікованих кадрів.

Ключові слова: HR-аналітика; HR-метрика; управління відтоком персоналу; методи машинного навчання; аналіз взаємозв’язків; інтелектуальний рекрутинг.

Література:

1. 10 HR-метрик, которые хочет видеть каждый CEO : веб-сайт. URL : https://neohr.ru/hr/article_post/10-hr-metrik-kotoryye-khochet-videt-kazhdyy-ceo (дата звернення: 20.04.2021 р.)
2. 6 ключевых метрик в HR. Laba : сайт. URL : https://l-a-b-a.com/blog/show/481  (дата звернення: 21.04.2021р.)
3. A Beginner’s Guide to Machine Learning for HR Practitioners. URL : https://www.analyticsinhr.com/blog/machine-learning-hr/ (дата звернення: 10.04.2021 р.)
4. How Machine Learning is Changing HR Industry. Article by Julia Matyunina. URL :  https://codetiburon.com/machine-learning-changing-hr-industry/ (дата звернення: 20.04.2021 р.)
5. HR-аналитика с помощью методов Data Analytics & Machine Learning, разбор кейсов
   URL : http://www.hrmedia.ru/sites/default/files/cis_dai_hr_analytics_deloitte.pdf (дата звернення: 14.04.2021р.)
6. Інструкція зі статистики кількості працівників. Затверджена наказом Державного комітету статистики України від 28.09.2005 р. N 286. Зі змінами від 05.10. 2006 р. (Оновлено 29.10.2006) URL : https://zakon.rada.gov.ua/laws/show/z1442-05#Text (дата звернення: 20.04.2021 р.)
7. Pritula M. Наиболее важные HR метрики (51) : Talent Academy : веб-сайт. URL : https://pritula.academy/tpost/vhlabu6itk-naibolee-vazhnie-hr-metriki-51 (дата звернення: 25.04.2021 р.)
8. Руководство по HR-аналитике для начинающих. Talent Management : веб-сайт. URL : https://www.talent-management.com.ua/3443-rukovodstvo-po-hr-analitike-dlya-nachinayushhih/ (дата звернення: 25.04.2021 р.)
9. Статистика підприємств : навч. посіб. / за ред. С.О. Матковського. К : АЛЕРТА. 2013. 560 с.
10. Штучний інтелект IBM може прогнозувати звільнення працівників з точністю 95%
    URL : https://edwvb.blogspot.com/2019/04/iskusstvennyj-intellekt-ibm-mozhet-prognozirovat-uvolnenie-rabotnikov-s-tochnostyu-95.html (дата звернення: 14.04.2021р.)