HR-аналитика: от отчётности к управлению деньгами

HR-аналитика становится системой управления, когда у каждой метрики есть порог, ответственный и обязательное действие при нарушении порога — а не когда в компании появился красивый дашборд. Рабочий цикл выглядит так: проблема → вопрос → метрика → порог → владелец → действие → проверка. Если выпало хотя бы одно звено, цикл не работает — сколько бы данных в нём ни было.

1. Что такое HR-аналитика как система управления, а не просто отчётность

Отчёт можно закрыть и забыть. Систему управления — нет: она не считается построенной, пока у метрики нет порога, ответственного и действия, которое обязано случиться. Профессиональные ассоциации определяют HR-аналитику с разными акцентами — CIPD говорит о методах работы с данными, SHRM — об улучшении бизнес-результатов, AIHR — о данных организации в целом. Мы сверили три определения, и общий знаменатель один: данные о людях существуют ради управленческих решений, а не ради презентаций.

CIPD различает три уровня аналитики: описательная отвечает на вопрос «что произошло», предиктивная — «что произойдёт», прескриптивная — «что с этим делать». По оценке CIPD, большинству организаций доступен только первый уровень, а прескриптивный — единицам. Разрыв между «знаем, что произошло» и «решили, что делать» — и есть граница между отчётностью и управлением. Эта статья о том, как её перейти.

2. Как выглядит рабочий цикл: от проблемы до проверки результата

Цикл собирается из семи звеньев: проблема → вопрос → метрика → порог → владелец → действие → проверка. Это наша редакционная компоновка, а не дословная формула из одного источника — она опирается на две проверенные идеи. Первая — модель LAMP Боудро и Рамстада (2004): измерения меняют решения, только когда за ними стоят логика и анализ. Вторая — общий принцип управленческих метрик: без порога, владельца и заранее описанного действия метрика ничем не управляет, потому что ответственность размыта. Похожий цикл из пяти шагов, от вопроса до действия, описывает и AIHR.

На практике это выглядит так. За полгода из одного отдела уволились четыре инженера — это проблема. Вопрос: уходят новички или опытные? Метрика: текучесть сотрудников первого года по отделам. Порог: скажем, 20% в год — цифру компания выбирает сама, выше неё разбор обязателен. Владелец: руководитель отдела, не HR. Действие: пересмотреть ввод в должность и нагрузку наставников до конца квартала. Проверка: та же метрика через три месяца. Семь звеньев — и отчёт превратился в решение с датой и фамилией.

Зачем такая жёсткость? Боудро и Рамстад описывают «стену», в которую упираются даже компании с большими бюджетами: метрик всё больше, аналитика всё изощрённее, а стратегических решений из неё не рождается. Их же пример из FedEx Asia-Pacific показывает, что даёт пройденный до конца цикл: для своевременной доставки и довольных клиентов решающими оказались курьеры и диспетчеры, а не пилоты, на которых привычно направляли внимание и бюджет.

Разбирать LAMP целиком здесь не будем — модель и её четыре компонента разложены в статье о LAMP. Звено «вопрос» тоже заслуживает отдельного разговора: какие вопросы руководителю стоит задавать своей аналитике, мы собрали в отдельном материале.

3. Что доказывает связь аналитики с деньгами, а что нет

Коротко: связь есть, доказанной причинности нет. Зрелость здесь означает просто глубину работы с данными: от отчётов задним числом до прогнозов. Сначала сама связь. По данным Deloitte (2024), 84% опрошенных организаций сформулировали для своей аналитической команды видение и миссию — на 23 процентных пункта больше, чем в исследовании 2020 года. Опрос Insight222 (2025/26) насчитал 52% организаций с измеримыми бизнес-улучшениями от аналитики, а среди сильнейших команд — 90%. У HireRoad лидеры аналитики в 5 раз чаще вносят изменения по итогам анализа, чем отстающие.

Почему это только связь. Deloitte (2020) фиксирует: высокоэффективные организации в 4,3 раза чаще вовлекают HR в управление корпоративными данными. Visier сообщает, что её публичные клиенты обгоняют рыночные ориентиры по марже и рентабельности активов, а доля клиентов с продвинутой аналитикой выросла с 43% до 50% с 2021 года — но это выборка клиентов одного вендора, где успешной компании и так проще инвестировать в аналитику. Это корреляции на смещённых выборках; экспериментальных доказательств пока нет ни у кого.

Вторая оговорка: купить — не значит пользоваться. По данным Insight222 (2024), 71% организаций вкладываются в то, чтобы данные о людях были доступны менеджерам, но высокий уровень реального использования даже внутри HR отмечает меньше половины. Расмуссен и соавторы предлагают лекарство: меньше увлечения моделями, больше пользы для конкретного руководителя. Это позиция практиков, а не доказанный рецепт. И последнее: услышав «мы на третьем уровне зрелости», уточняйте, по чьей шкале — единой в отрасли нет. У Bersin/Deloitte и Crunchr стадии называются и считаются по-разному; сравнение шкал разбираем отдельно. Как довести показатели до прибыли и убытков без двойного счёта — тема отдельного разбора. А какие показатели к какому уровню бизнеса относятся, показывает HC Bridge.

4. При каких условиях цикл вообще работает

Условия три: данные с назначенным владельцем, команда с нужными навыками и поддержка руководства. Без любого из них цикл рвётся на звене «порог → владелец» — метрика есть, а спросить не с кого. CIPD прямо требует назначить владельца данных: человека, который отвечает за то, чтобы данные о людях во всех системах были в порядке, защищены и обрабатывались законно. AIHR добавляет остальное: команде нужны понимание бизнеса, умение анализировать и объяснять, а стратегия аналитики должна совпадать с долгосрочными целями компании — иначе руководство под ней не подпишется.

Слабее всего обычно данные. По опросу SHRM (2023), только 29% HR-специалистов оценивают качество данных своей организации как высокое; 56% говорят о нехватке ресурсов на инфраструктуру данных, 58% — на обучение людей работе с ними. Порог и владелец не спасают метрику, посчитанную по неполным данным: решение по ней будет уверенным и неверным одновременно.

Предупреждение о навыках прозвучало давно. Ангрейв с соавторами ещё в 2016 году писали: HR-функции, как правило, не хватает технической и статистической подготовки, и без её роста аналитика не даст обещанного эффекта. Они же описали сценарий хуже — HR так и останется вне стратегических решений: цифры есть, влияния нет. Как закрепить владельцев, периодичность и правила расчёта за каждым показателем, мы разобрали в статье о системе HR-показателей.

5. Какие ошибки и злоупотребления обесценивают аналитику

Аналитика вредит, когда превращается в слежку без ведома людей или в статистику без контекста — и это зафиксированная практика, а не теоретический риск. Обзор Турсунбаевой и коллег (2021) собрал случаи: алгоритм подбора Amazon сам научился отдавать предпочтение мужчинам, постоянный мониторинг урезает приватность и самостоятельность сотрудников, алгоритмическое планирование смен лишает людей стабильного дохода. Там же цифры: 81% проектов аналитики персонала хотя бы иногда оказывались под угрозой из-за этических вопросов к данным, а 63% сотрудников считают, что работодатель отслеживает их данные без их ведома.

У злоупотреблений есть юридическая цена. Суд ЕС в августе 2025 года постановил: согласование мониторинга с производственным советом не освобождает работодателя от GDPR — европейских правил защиты персональных данных, — а штраф доходит до 4% годового мирового оборота. Управленческую цену описали Ангрейв с соавторами: компании запускают инструменты, не решив вопросы качества данных и цели, и начинают принимать статистику за истину без учёта обстоятельств. Пять организационных ошибок такого рода — с признаками и исправлениями — в статье об ошибках внедрения HR-аналитики.

6. Что показывает российская практика

Три волны измерений — 2020, 2022 и 2025 годов — рисуют одну картину: 30–44% российских компаний не используют HR-аналитику вовсе, и барьер из года в год один и тот же. Это сводка трёх разных опросов с разными выборками, а не одно длинное исследование. В 2020 году, по данным Волковой, аналитику применяли лишь 56% компаний. В декабре 2022-го hh.ru насчитал 30% компаний совсем без аналитики и ещё 39% — с отчётами только по запросу; продвинутый уровень, с прогнозами и сегментацией, показали 9%.

Инструменты объясняют часть картины. По тому же опросу hh.ru, главная платформа российской HR-аналитики — Excel: его назвали 46% компаний, ещё 27% не используют автоматизацию вообще. Навык при этом уже в цене: требование HR-аналитики встречалось в 22% вакансий, а зарплата таких специалистов была на 27% выше средней по HR.

Свежий срез — исследование Свистунова и Лобачева (2025): 164 сотрудника из 12 компаний. Выборка небольшая, поэтому это скорее зарисовка, чем статистика по рынку. Программы для аналитики применяют 9 компаний из 12, а объёмом данных полностью довольны только 3. Удовлетворённость внедрением аналитических инструментов — 2,61 балла из 5. Барьеры те же, что и пять лет назад: нет удобного ПО, не хватает навыков работы с данными.

7. Что сделать завтра

Начинать стоит не с платформы и не с «системы метрик», а с одного решения.

1. Выберите одно дорогое управленческое решение, которое сегодня принимается по отчёту «на глазок».
2. Сформулируйте его как проблему → вопрос → метрику. Новые инструменты не нужны — возьмите показатель, который уже считаете.
3. Назначьте порог и владельца этой одной метрики. Не всех сразу — одной.
4. Зафиксируйте действие при нарушении порога и дату следующей проверки.
5. Только после этого берите следующее решение. Попытка систематизировать всё сразу — частая причина, почему цикл не приживается: барьеры из раздела о российской практике возникают ровно на этом месте.

Когда цикл заработает на первой метрике, его можно тиражировать — например, собрать карту кадровых рисков по подразделениям: тот же цикл, применённый к рискам, а не к одной проблеме. Как эти звенья складываются в нашу собственную модель, показывает VSEM Framework. А если хотите увидеть цикл на живых данных — откройте демонстрацию HR-дашборда или запросите диагностику своей аналитики: оставить заявку. Это следующий шаг, а не готовый результат: финансовый эффект докажет только ваш собственный цикл — порогом, действием и проверкой.

8. Словарь

HR-аналитика (People Analytics) — сбор и анализ данных о людях ради улучшения бизнес-решений; CIPD, SHRM и AIHR определяют её схоже, каждый со своим акцентом (методы работы с данными, оптимизация результатов, организационные данные в целом).

Система управления (в отличие от отчётности) — состояние, при котором у каждой метрики есть порог, владелец и обязательное действие при нарушении порога; без этих трёх элементов данные остаются отчётностью, которую можно закрыть и забыть.

Уровни аналитики: описательная / предиктивная / прескриптивная (Descriptive / Predictive / Prescriptive Analytics) — три уровня по CIPD: «что произошло», «что произойдёт», «что с этим делать»; большинству организаций доступен только первый уровень.

LAMP — модель Боудро и Рамстада (2004): Logic, Analysis, Measures, Process; описывает, что нужно измерительной системе, чтобы данные доходили до стратегических решений. Подробный разбор — в статье о LAMP.

Управленческий цикл (проблема → вопрос → метрика → порог → владелец → действие → проверка) — редакционная компоновка vsem-onboard: семь звеньев, каждое из которых должно быть пройдено, чтобы отчёт превратился в решение.

Порог — заранее установленное значение метрики, при пересечении которого разбор и действие обязательны; без порога метрика ничем не управляет.

Владелец метрики — конкретный человек, отвечающий за метрику и за исполнение действия при нарушении порога; в примере цикла это руководитель отдела, а не HR.

Владелец данных (Data Owner) — по CIPD, человек, отвечающий за то, чтобы данные о людях во всех системах были в порядке, защищены и обрабатывались законно; без него цикл рвётся на звене «порог → владелец».

Модель зрелости HR-аналитики (HR Analytics Maturity Model) — шкала уровней развития аналитической функции; единого отраслевого стандарта нет — у CIPD, Bersin/Deloitte и Crunchr шкалы называются и считаются по-разному. Подробнее — в статье о модели зрелости.

Корреляция vs причинность (Correlation vs Causation) — связь двух показателей не доказывает, что один вызывает другой. Данные о связи зрелости аналитики с бизнес-результатом в этой статье — корреляции на смещённых, клиентских выборках вендоров, а не причинно-следственное доказательство.

Управление данными (Data Governance) — правила и ответственность за то, как данные о людях собираются, хранятся и используются в организации; вовлечённость HR в этот процесс связана с более высокой эффективностью, но связь корреляционная.

GDPR — General Data Protection Regulation, регламент ЕС о защите персональных данных; согласование мониторинга с производственным советом не освобождает работодателя от его требований.

Источники

CIPD, People Analytics (Factsheet), 2025 https://www.cipd.org/en/knowledge/factsheets/analytics-factsheet/

SHRM, HR Professionals Seek the Responsible Use of People Analytics and AI, 2023 https://www.shrm.org/about/press-room/shrm-research-hr-professionals-seek-responsible-use-people-analytics-ai

AIHR, People Analytics: An Essential Guide, 2026 https://www.aihr.com/blog/people-analytics/

AIHR, The People Analytics Cycle, 2015 https://www.aihr.com/blog/people-analytics-cycle/

AIHR, HR Analytics Maturity Model: Test & Improve Your Level, 2025 https://www.aihr.com/blog/hr-analytics-maturity/

Crunchr, HR Analytics Maturity Model: 4 Stages to Advance People Analytics, 2025 https://www.crunchr.com/resources/blog/crunchrs-hr-analytics-maturity-model/

Boudreau J.W., Ramstad P.M., Talentship and Human Resource Measurement and Analysis, 2004 https://ceo.usc.edu/wp-content/uploads/2004/09/2004_17-g04_17-Talentship_and-HR_Measurement_Analysis.pdf

Kissmetrics, Actionable Metrics: A Framework for Tracking What Drives Decisions, 2025 https://www.kissmetrics.io/blog/actionable-metrics-framework

Deloitte, High-Impact People Analytics, 2024 https://www.deloitte.com/us/en/services/consulting/articles/high-impact-people-analytics.html

Visier, People Analytics Maturity Linked to Better Financial Performance, Research Shows, 2023 https://www.visier.com/blog/people-analytics-maturity-linked-to-better-financial-performance-research-shows/

Insight222, People Analytics Trends 2025/26 (via myHRfuture), 2026 https://www.myhrfuture.com/blog/insight222-people-analytics-trends-2025/26-navigating-ai-and-people-analytics-from-ambition-to-action

Insight222, People Analytics Trends 2024 Research, 2024 https://publications.insight222.com/peopleanalyticstrends2024

Rasmussen T.H., Ulrich M., Ulrich D., Moving People Analytics From Insight to Impact, 2024 https://journals.sagepub.com/doi/10.1177/15344843231207220

HireRoad, State of People Analytics Report 2024-2025, 2025 https://hireroad.com/resources/state-of-people-analytics-report-2024

Angrave, Charlwood, Kirkpatrick, Lawrence, Stuart, HR and Analytics: Why HR is set to fail the big data challenge, 2016 https://eprints.whiterose.ac.uk/id/eprint/90734/3/HR analytics article final accepted[1].pdf

Tursunbayeva, Pagliari, Di Lauro, Antonelli, The ethics of people analytics: risks, opportunities and recommendations, 2021 https://www.emerald.com/pr/article/51/3/900/332574/The-ethics-of-people-analytics-risks-opportunities

Ogletree Deakins, European Court of Justice Ruling on Works Agreements: Reinforcing GDPR Compliance in the Workplace, 2025 https://ogletree.com/insights-resources/blog-posts/european-court-of-justice-ruling-on-works-agreements-reinforcing-gdpr-compliance-in-the-workplace/

hh.ru, Как компании используют HR-аналитику: исследование hh.ru, 2022 https://hh.ru/article/30591

Свистунов В.М., Лобачев В.В., HR-аналитика в России: проблемы и пути развития, 2025 https://cyberleninka.ru/article/n/hr-analitika-v-rossii-problemy-i-puti-razvitiya

Волкова А.С., HR-аналитика в России: современное состояние, проблемы и пути их решения, 2020 https://cyberleninka.ru/article/n/hr-analitika-v-rossii-sovremennoe-sostoyanie-problemy-i-puti-ih-resheniya

Смотрите больше материалов по HR-фреймворкам: https://vsem-onboard.com/category/journal/hr-framework/