Угольник измерительный: Угольники — jet-online.ru

Floor Coverings International (сеть розничных магазинов и магазинов на дому)

Я являюсь клиентом MeasureSquare с 2004 года. Я использую его лично и прошел обучение и реализовал его для большой пользовательской базы с широким спектром технических и напольных знаний, и я обнаружил, что это именно то, что вам нужно в программном решении.
Он достаточно интуитивно понятен, чтобы нового пользователя можно было легко обучить его эффективному использованию, а расширенные функции удовлетворяют даже сложные потребности в оценке.
MeasureSquare снизила затраты на обучение и повысила прибыль для наших полевых пользователей.
Кроме того, команда Measure Square на протяжении многих лет была для нас отличными партнерами, и нам понравилось с ними работать.

Райан Ашауэр, вице-президент по информационным технологиям

Измерение включения | Разнообразие и инклюзивность на Square

Инклюзивность и многообразие

Инклюзивность является важным, но часто упускаемым из виду принципом создания разнообразной рабочей силы. Чтобы увидеть полную картину, мы исследуем ряд подходов к измерению и отслеживанию включения.

В нашем последнем посте мы представили обновленную информацию о разнообразии нашей рабочей силы — данные, которые, по нашему мнению, важны для обмена, но они не дают полной картины опыта, когда таланты переступают через дверь. В Square мы ставим «I» перед «D», поскольку считаем, что инклюзивность — это часто упускаемый из виду принцип создания разнообразной рабочей силы. В этом посте мы раскроем подходы к использованию данных для оценки включения. В то время как компании все чаще говорят о важности инклюзивности (и это здорово!), дискуссия о том, как количественно измерить инклюзивность, идет менее интенсивно. По правде говоря, инклюзивность сложнее измерить и отследить, чем разнообразие. Некоторые подходы включают опрос сотрудников для измерения таких настроений, как принадлежность, или отслеживание показателей текучести кадров, чтобы понять, как удержание сотрудников из разных демографических групп сравнивается. Но, как мы обсудим ниже, каждый из этих подходов имеет свои ограничения. Когда дело доходит до измерения инклюзивности, одной метрики недостаточно — нужен многогранный подход, чтобы увидеть всю картину.

Отслеживание настроений сотрудников

Одним из ключевых инструментов, который мы используем для отслеживания вовлеченности, является проводимое раз в два года исследование вовлеченности сотрудников, которое мы называем Pulse. Этот опрос включает в себя множество вопросов, связанных с инклюзивностью — вопросы о принадлежности, принятии решений, возможностях роста, справедливости, признании и т. д. — что позволяет нам отслеживать настроения по этим темам с течением времени и сравнивать их по командам, местам и группам владения. . Кроме того, мы можем исследовать корреляцию ответов на опросы с такими результатами, как увольнение сотрудников.

Pulse дает нам полезный обзор того, как компания и различные команды относятся к вопросам инклюзивности, но он не дает немедленного понимания того, как члены недопредставленных групп чувствуют себя по сравнению с другими. Этот угол имеет решающее значение для изучения, поскольку различия в опыте недопредставленных групп могут быть замаскированы средними показателями команды. В прошлом мы проводили отдельное исследование включения, чтобы оценить групповые различия в включении, но сегодня, стремясь привнести линзу включения и разнообразия (I&D) во все, что мы делаем, мы перешли к более глубокому анализу включения в качестве стандарта. частью нашего процесса Pulse.

Теперь в рамках каждого цикла Pulse мы проводим дополнительный анализ результатов Pulse на основе ответов на вопросы, связанные с включением. Мы ищем любые значимые пробелы в совокупных результатах опроса по признаку пола, расы/этнической принадлежности и возраста (самоотчеты сотрудников). Чтобы защитить конфиденциальность сотрудников, мы проводим анализ только для команд из 25 или более человек, в которых есть не менее 5 членов каждой сравниваемой демографической группы. Выводы объединяются для дополнительной защиты частной жизни. Мы показываем наши результаты в отчете о включении, адаптированном для руководителя каждой организации, показывая, какие вопросы (если таковые имеются) имеют значимые пробелы в средних групповых баллах.

Наглядный пример отчета с сфабрикованными данными

Что нам нравится в проведении статистического анализа включения в рамках нашего постоянного опроса вовлеченности сотрудников, так это то, что он устанавливает соображения включения и разнообразия в качестве стандартной части того, как руководители оценивают здоровья и работоспособности своей команды. Анализ предоставляет руководителям данные, позволяющие понять, насколько хорошо они создают инклюзивные команды, и, что более важно, определить возможности для улучшения работы. Есть надежда, что этот анализ, основанный на настроениях сотрудников, выявит проблемы интеграции, которые можно решить, прежде чем они отразятся на таких результатах, как увольнение. Однако понимание удержания сотрудников также имеет решающее значение.

Измерение удержания сотрудников

В дополнение к данным опроса мы изучаем показатели удержания и текучести кадров, чтобы определить, имеют ли какие-либо демографические группы больше шансов покинуть компанию, чем другие. Более высокая добровольная текучка среди некоторых групп не только может сигнализировать о потенциальных проблемах интеграции, но также может свести на нет работу по созданию разнообразных команд. Ниже приведен обзор некоторых показателей удержания, которые следует учитывать.

Сравнение показателей текучести кадров

Самый простой подход к измерению удержания — это сравнение показателей текучести кадров для различных групп. Оборот можно рассчитать, разделив количество уволившихся сотрудников на среднюю численность персонала за определенный период времени. Например, если за последний год уволились 8 женщин-программистов из 100 человек, это будет 8% текучести кадров. Вы можете сравнить это с текучестью кадров среди инженеров-программистов, которые идентифицируют себя как мужчины — скажем, из 250 человек уволилось 30 человек, что дает вам текучесть кадров 12%. Из этих цифр можно сделать вывод, что женщины-инженеры с меньшей вероятностью покинут вашу компанию. Учитывая, что женщины недостаточно представлены в инженерии по сравнению с населением в целом, вы, вероятно, воспримете это как признак того, что женщины не сталкиваются с серьезными проблемами интеграции.

Однако, поскольку существует ряд факторов, которые могут повлиять на текучесть кадров (в частности, срок пребывания в должности, стаж работы и тип должности), сравнение коэффициентов текучести кадров не всегда дает полную картину. В приведенном выше примере, если женщины-инженеры имели в среднем более низкий срок пребывания в должности, чем инженеры-мужчины (что делает женщин-инженеров менее склонными к уходу), более низкая текучесть кадров среди женщин может в значительной степени отражать это несоответствие в среднем сроке пребывания в должности, а не указывать на особенно инклюзивное Окружающая среда.

Поскольку сравнение коэффициентов текучести на высоком уровне не учитывает влияние этих других факторов, они могут неправильно показать (или скрыть) групповые различия в удержании. Соответственно, мы фокусируем сравнение текучести кадров на группах, которые схожи по факторам, которые, как мы знаем, обычно влияют на вероятность текучести кадров. Например, при сравнении текучести кадров между демографическими группами мы смотрим на сотрудников с одинаковым типом должности, уровнем старшинства или сроком пребывания в должности.

Усовершенствованное моделирование риска удержания

Помимо сравнения показателей текучести кадров, мы также можем использовать более совершенные методы статистического моделирования, чтобы понять, как удерживают наших сотрудников, и активно отслеживать пробелы. Во-первых, логистическая регрессия может выявить, как демографические данные (например, пол, раса/этническая принадлежность или возраст) влияют на вероятность увольнения сотрудника, при этом учитывая другие характеристики сотрудника (например, местонахождение, срок пребывания в должности, тип должности или уровень должности).

Анализ выживаемости — это еще один статистический подход, который помогает определить долгосрочные тенденции удержания. Анализ выживания учитывает срок пребывания в должности по замыслу, начиная с нулевого срока владения и моделируя удержание с течением времени. Этот анализ позволяет нам легко сравнивать удержание среди демографических групп в определенных когортах (например, команда, функция, когорта найма). Хотя этот анализ более сложен, чем простые показатели текучести кадров, его результаты довольно интуитивно понятны, обеспечивая четкое визуальное представление любых расхождений в удержании по группам. Поскольку для анализа выживаемости требуется больше данных за более длительный период времени, эти подходы менее полезны для обнаружения недавних изменений и лучше всего используются для отслеживания долгосрочных тенденций.

Как при простом, так и при расширенном подходе к измерению удержания этот анализ по-прежнему не дает полной картины того, почему сотрудники увольняются или какие аспекты корпоративной или командной культуры не учитываются.