Как снизить текучесть кадров в ИТ-компании и причем тут идеальные треугольники

Вводные

В нашей ИТ-компании 100+ сотрудников. Мы занимаемся разработкой: собираем команды под проекты заказчиков. Нам важно, чтобы разработчики оставались в командах дольше: сохранение экспертности, высокая эффективность. На практике мы получили противоположный результат. Персонал становился все более текучим, HR-отделу приходилось активнее заниматься не удержанием, а поиском новых сотрудников.

Сразу обозначим, почему высокая текучесть — плохо:

• снижается стабильности команды;
• падает экспертность на проектах;
• растут затраты на подбор персонала и онбординг;
• Сложнее прогнозировать годовой Head Count.

С 25% текучести все это светило и нам, поэтому мы занялись анализом проблемы.

Читайте в журнале «Директор по персоналу»: «Культурное интервью», чтобы сократить текучесть на испытательном сроке. Как внедрили и что получили >>>

Почему это случилось с нами?

В поисках причин мы изучали распределение грейдов в команде на конец проблемного полугодия. Это стало стартовой точкой в решении проблемы. Распределение показало дисбаланс: слишком много мидлов на одного синьора, слишком много джунов на одного мидла.

Тогда мы вывели гипотезу «Идеального треугольника». В ее основе — избавление от дисбаланса и смещение фокуса на middle-специалистов:

• на одного сеньора — 2-3 мидла;
• на 2-3 мидлов — 1 джун.

Почему треугольник?

Все из-за получившейся формы графика распределения грейдов. Идеальный он, конечно, не по геометрическим свойствам, а по влиянию на HR-процессы, и потому, что похож на татарский эчпочмак.

Получается, что команда состоит из стабильных саморегулирующихся ячеек. При таком распределении сеньоры не перегружены и успевают заниматься менторством, а у джунов большой потенциал для развития, потому что есть доступ к опытным товарищам. ​​По нашей гипотезе такая ячейка более устойчива и сыграна. У специалистов ниже скорость выгорания.

Еще один важный показатель

Здесь мы введем еще один важный фактор в оценке персонала — Life Time сотрудника или время от найма до увольнения. На начало эксперимента у нас в компании он был 11 месяцев, что тоже нас не устраивало: человек за полгода выходил на окупаемость, и в этом режиме у него оставалось всего 5 месяцев. По задумке, мы хотели увеличить его до 18 месяцев: это год полноценной работы после испытательного срока и выхода сотрудника на окупаемость.

Читайте в журнале «Директор по персоналу»: Четыре необычных HR‐инструмента, которые сократят текучесть новичков. Как цифровое обучение и квесты адаптируют, погружают и влюбляют сотрудников в компанию >>>

От гипотезы к практике

Сразу спойлер: гипотеза сработала. Это стало принципом работы HR-отдела. По итогам тестового полугодия текучесть снизилась до 14%, а Life Time сотрудников вырос с 11 до 15 месяцев.

Теперь главное. Графики, гипотезы и цифры — супер, но как это все работает, что внутри системы?

Система прогнозирования рисков

На этом этапе было осознание и принятие страшного: мы знали, что мы хотим, но у нас не было подходящего инструмента, чтобы этого добиться. Для строительства «Идеального треугольника», нужно уметь прогнозировать риски оттока персонала, А мы не умели.

Чтобы формировать ячейки, надо знать, из какого отдела и сколько человек хотят уйти, чтобы вовремя искать замену или работать на удержание. Выход был один — создавать систему прогнозирования рисков для каждого направления. Такая система должна была позволить точечно работать с проблемами и переводить их в задачи. И мы ее создали:

Система прогноза базируется на матрице состояния сотрудников, которая ведется в бесплатной Google Data Studio, поэтому она может быть доступна большинству компаний на рынке. Матрица состоит из данных о критических моментах удовлетворенности персонала:

• количество сотрудников на проекте;
• формат работы удаленка/офис/гибрид;
• переработки;
• эмоциональное состояние;
• общая удовлетворенность.

Параллельно производство собирает отчёт о технических статусах на проекте. Эту информацию мы учитываем, когда работаем с рисками.

Работу по ее заполнению ведут HR-специалисты, тимлиды и руководители направлений. Получается взгляд на каждого сотрудника с нескольких точек зрения. В результате мы заранее знаем, какого работника в скором времени придется заменить, а с каким нужно провести работу по удержанию.

Система прогнозирования рисков — основная и главная часть нашей системы. Все участники, включая топ-менеджмент, в реальном времени видят актуальные статусы сотрудников в дашборде. Это создаёт прозрачность рисков для бизнеса.

То есть у каждого ответственного лица есть понимание, получается ли соблюдать идеальный треугольник, а если получается, то нет ли риска, что баланс нарушится. Дашборды это не про красивую картинку. За каждым стоит работа HR отдела и ответственных менеджеров.

Полезная опция: можно посмотреть на ситуацию с кадрами в целом, и на состояние отдельных сотрудников. Подсвечиваются области риска. Система помогает понять, где ситуация наиболее напряжена. С системой мы:

• видим риски онлайн;
• заранее знаем о проблемных кадрах;
• понимаем, в каких отделах самое высокое напряжение;
• знаем кого, где и в каком количестве скоро придется заменить;
• бесшовно заменяем уволившихся;
• перестаем двигать в слепую и начинаем прогнозировать.

В любом случае система лишь облегчает задачу, всегда остается работа с командой. Как только нужная информация собрана и прогнозы построены, формируется пул задач для HR по конкретному сотруднику: контроль его состояния, отношения к проекту. Продумывается план работы со смежными подразделениями, например, у нас хорошо работает ротация сотрудников на проектах. Также система напоминает, когда лучше отправить человека в отпуск, а технические статусы помогают PM-у вовремя реагировать на конфликтные ситуации в режиме реального времени.

Читайте в журнале «Директор по персоналу»: Онбординг, который снизил текучесть новичков до нуля: полный пакет документов >>>

Подробнее об измерениях

Чтобы не утяжелять текст, выше речь шла только про общую текучесть. Но в работе мы фиксируем не только ее. Вот что мы оцениваем:

1. Общая текучесть.
2. Нежелательная текучесть.
3. Нежелательная текучесть.
4. Текучесть на испытательном сроке.
5. Интенсивность текучести.

К конце тестов все эти показатели также снизились. Нежелательная упала в два раза, желательная до 1,7%, текучесть на испытательном сроке до 7,7%.

Бонусом стало, что помимо обычных увольнений, у нас также уменьшилось количество внезапных увольнений, не зафиксированных в рисках.

Также есть результаты, которые мы не фиксировали в целях изначально, но которые нас порадовали:

1. Научились эффективно выявлять потребности сотрудников. В реальном времени знаем, чего не хватает конкретным специалистам для комфортной работы. Вовремя можем это исправить.
2. Создали систему обучения, большая часть которой, — игра. Это стало одним из способов поддержания лояльности сотрудников.
3. Научились строить прогноз о будущем сотрудника в компании еще до старта аттестации.
4. Строим и визуализируем треки развития, чтобы сделать путь каждого сотрудника компании прозрачным и понятным.