«Навыки» на hh.ru: как методология и алгоритмы сделали из них «бриллиант»
⏱ 13 минут полезного чтения
Skill-based и hh.ru: начало
Skill-based подход подразумевает подбор персонала с опорой на навыки, то есть на то, что кандидат действительно умеет. Это конкретные требования к соискателям, выверенный список профессиональных компетенций и личных качеств, которыми должен обладать представитель каждой специальности, — от софт- до хард-скилов. Те самые навыки, которые включают знания, умения, обладание определёнными технологиями и простые человеческие свойства. Это общемировая тенденция, и сервис hh.ru оказался одним из тех крупных игроков рынка, кто разглядел в тренде skill-based большое будущее для своих продуктов и решил внедрить его на своей платформе.
Руководителю hh.ru Михаилу Жукову было очевидно, что skill-based набирает обороты и остаться в стороне от тренда — значит потерять перспективы развития результативного найма и упустить ключевые знания об этих процессах. В то же время не хотелось использовать готовую психометрику или схему ассесмента, попросту подключив их к опциям сервиса. Внедрение skill-based — не только технологическая, но и методологическая задача. Поэтому, чтобы путь от изучения данных до их алгоритмизации был последовательным, подойти к ней стоило экспертно.
Идея перехода к skill-based хотя и была стратегически обоснована, но несла в себе много неизвестных составляющих. Её разработку начали с нуля. Потребовалось выполнить серьёзную домашнюю работу, чтобы продать идею внутри команды hh.ru: подготовить несколько сценариев развития skill-based подхода и его развёртывания на площадке сервиса, провести качественные и количественные исследования, приблизиться к наглядности будущего результата.
После потребовалось расставить акценты будущего продукта и понять, каким он будет в итоге: широко используемым для топовых ролей на всём hh.ru или чем-то нишевым и узкопрофильным. Уже в самом начале было ясно, что работа с категоризацией навыков и их структурированием коснётся всех систем сервиса и логичнее будет применить новую схему как можно более масштабно.
В итоге якорными инкрементами проекта стали:
- Модели компетенций
- Выделение подролей
Помимо субъективности критериев, поиск усложняется и тем, что в одной роли зачастую может быть сразу несколько профессий. В вакансиях с одинаковым названием работодатели часто подразумевают сотрудников с принципиально разным набором скилсетов. К примеру, объявления с «дизайнером» в заголовке могут содержать абсолютно отличающиеся друг от друга ожидания от компетенций кандидата, ведь категорий и профилей в этой профессии очень много. Поэтому чем точнее и детальнее система позволяет работать с описанием, тем быстрее и чётче мэтчинг между работодателями и соискателями.
Выбор сценария и неожиданный «клад»
Когда работа над «Навыками» только начиналась, перед проектной командой стоял выбор между покупкой и адаптацией готовых таксономий и технологий или же разработкой собственной модели и наращиванием экспертности внутри команды. Двигаться решили по второму пути.
А источником для таксономии неожиданно стал раздел «Ключевые навыки» на hh.ru. Неожиданно, потому что до этого он воспринимался скорее как кладовая, хаотичное собрание всех компетенций, умений, знаний и дополнительных софтов, от пресловутой стрессоустойчивости до категорий водительских прав, от шаблонных качеств, которые предлагает сам сервис, до тех, что пользователи добавляли от себя. На деле же оказалось, что это «сундук» с настоящими сокровищами — данными, которые легли в основу методологической экспертизы навыков и позже помогли создать прочную платформу для автоматизации поиска. Но прежде чем использовать ключевые навыки в качестве сырья для моделей компетенций и работать с информацией о навыках в целом, необходимо было верифицировать все вводные.
Как проверяли достоверность данных
Для начала кастдевили, то есть тестировали спрос на skill-based у работодателей. Необходимо было понять, действительно ли они всё чаще нанимают на основе навыков, а не каких-то других данных, или же тренд преувеличен. Интервью с руководителями компаний и эйчарами подтвердило гипотезу.
Затем перешли к экспериментам.
Чтобы проверить спрос, пользователям предлагали заполнить квалификационную анкету и выбрать те компетенции, которыми они владеют. Эксперимент показал: они заинтересованы в инструменте и готовы использовать ассистанс в описании своей квалификации. Это доказали показатели конверсии в заполнении и конверсии по заполнению до конца, которые превысили установленный барьер успешности.
В основу анкеты же легли модели компетенций, разработанные ещё и для задачи проверки валидности данных в базе ключевых навыков.
Отдельно стояла задача верификации самих моделей компетенций. Для этого при разработке использовали перекрёстную верификацию с участием отраслевых экспертов. Эксперты смотрели не только на модель, но и на то, как её корректируют другие эксперты — лидеры рынка в своей профессии. После того как модели были готовы, они проходили оценку ещё 10 экспертов — на актуальность и полноту.
Только когда команда получила подтверждение тому, что ключевые навыки — это валидный и достаточный источник данных для задачи проекта, сформировали первые модели компетенций с их использованием.
Работа в цифрах и фокус на big data
При создании модели компетенций на каждую топ-роль, то есть роль с наибольшим охватом на hh.ru, на старте работы приходилось до 6000 навыков. После того как она проходила через статистическую обработку и выделение веса навыка, число навыков сужалось до 500. Только по топ-10 самых популярных ролей на платформе команда обработала более 73 000 навыков.
Покажем, как выглядел процесс создания моделей компетенций из ключевых навыков на примере роли бухгалтера: базу в 3500 навыков «сушили», статистически определяя вес каждого навыка для роли — всего до 500 приоритетных навыков. После эти навыки кластеризовали по компетенциям. В итоге получили 308 навыков, распределённых по 22 компетенциям.
«Ключевые навыки» — это уникальная база сведений о рынке, которую за годы работы собрал hh.ru, big data — огромный пласт знаний о работодателях, соискателях и их потребностях, который методологи инвентаризировали, изучили и систематизировали.
Обработанный массив сведений утвердил ключевую мысль, с которой руководство hh.ru и проектная команда брались за направление: продукты, основанные на больших данных, на изученной и классифицированной информации — базис для прорывных возможностей на рынке, причём в глобальном значении. Пусть это и не открытие, но всё же констатация истины, и она стала ещё одним доказательством значимости skill-based, оправданности вложений в него и общих усилий по реализации проекта.
Уточнение продуктовой стратегии
К моменту финального уточнения продуктовой стратегии команда проекта сформировалась окончательно. У него уже был лидер и координатор на платформе hh.ru — Марина Дорохова. И руководитель проекта, СEO сервиса Frontliner Григорий Котомин. Екатерина Беннер, ведущий методолог проекта, лидировала задачи по аналитике данных, подготовке методических рекомендаций и гайдов, выстраивала работу с технической командой. Разработкой со стороны hh.ru руководил Сергей Лобанов. Ещё на этапе старта разработки первых моделей компетенций к проекту подключались коллеги из Frontliner: Никита Давыдов — главный методолог, Светлана Гернер — тимлид разработчиков-методистов, а также отраслевые эксперты по различным специальностям.
После верификационных шагов сфокусировались на автоматизации выделения подролей. Когда механики skill-based стали появляться на продакшене, а пользователи сервиса стали их видеть, встал вопрос о масштабировании и переходе к алгоритмам. Это было необходимо для того, чтобы работать с большим объёмом данных быстро. Чтобы позже система автоматически предлагала и работодателям, и соискателям только то, что им нужно, требовалась data science на базе той информации, которая была добыта методологической экспертизой.
Синергия методологии и разработки, а также lessons learning участников команды
До коллаборации с командой Frontliner разработчики hh.ru уже пытались переосмыслить роль навыков на сервисе и модернизировать их систему. Но без почвы, подготовленной методологами, это оказалось не так эффективно.
Но и работа методологов без технологического подкрепления также осталась бы просто информацией.
На стыке экспертизы и технологии пришлось выполнить ещё и управленческую задачу, чтобы продуктивно соединить разные компетенции и профили команды и не отклониться от курса.
Грамотная интеграция двух направлений, подсвечивание сильных сторон друг друга сработали как фактор успеха и помогли раскрыть потенциал skill-based, переведя идею в разряд того, что можно применять на практике. Конечно, необходимость чёткого разделения функций была понятна сразу. Но магия именно в том, что команде удалось найти баланс в этих процессах, не мешать, а наоборот, помогать партнёрам, продолжая работу по логически выстроенной схеме. Звучит просто, но на практике оказалось довольно сложно найти точку активации взаимодействия двух полюсов. Тем не менее это удалось и стало основным инсайтом команды.
Ещё один выученный урок от Марины Дороховой: «Мы поняли, что каталог ключевых навыков — это кладезь знаний о рынке труда. Навыки — это то, что позволяет намного лучше познать рынок. Речь не только про знания, харды, но и про то, что реально хочет рынок. Это знание, которое позволяет прочувствовать культуру некоторых профессий. Узнав эту формулу, мы получили инструмент для более структурированного управления трудовыми потоками».
Результат работы и что будет дальше
Сегодня у hh.ru есть около 150 моделей компетенций профессиональных ролей, существующих на рынке труда. Сервис точно знает, какими навыками внутри компетенции должен обладать представитель почти любой специальности. Что это даёт?
- Помогает руководителям и HR-менеджерам компаний понимать, какой профиль из карты им нужен, точнее формулировать запрос — быстрее получать результат, максимально приближенный к отправным критериям.
Соискателям модели компетенций дают подсказку, чего именно им не хватает, чтобы получить должность или продвинуться по карьерной лестнице. Это фактически подробный чек-лист навыков, на который следует опираться и развиваться, если в каких-то скилах пробел. - На основе карт компетенций сервис получил и другие производные продукты. Марина Дорохова приводит пример: «Мы можем давать инструменты скоринга каждого профессионала на основании компетенций, так называемые скоркарты. Мы знаем, из чего может состоять профессионал, и даём нанимателям инструменты оценки по тем базисам, которые они закладывают в карту компетенций. Это же базис для дальнейшего развития, когда тот самый соискатель получает работу по найму, HR-директора внутри компании могут основываться на этих картах».
- Это также позволяет влиять на энтропию рынка в целом — упорядочивать его и предлагать ему тех специалистов, которые востребованы сейчас. Подход к найму через проработанные с методологической и технической точки зрения навыки не только ускоряет и упрощает это занятие, но параллельно оперативно ориентирует участников рынка, как они должны меняться.
- Модели компетенций дают возможность вовремя проводить upskilling, reskilling или cross-skilling талантов. Иными словами, корректировать и дополнять квалификацию профессионала в зависимости от потребности рынка и работодателей. Каждый участник становится проектировщиком будущего: работодатели могут ювелирно собрать вакансию из навыков, а соискатели — со временем подогнать свой скилсет под актуальную формулу, о какой бы профессии ни шла речь.
_______________
Оглядываясь на год назад и оценивая всю проделанную работу, участники команды обещают не останавливаться в этой точке успеха и продолжить исследование разработок на основе больших данных. А ещё советуют аудитории держать руку на пульсе и следить за всеми новинками рынка, вовремя внедрять их в свою жизнь.
Так или иначе, проект «Навыки» ещё раз доказал, что за data driven и идеями на этой основе большое будущее. Совместная работа над внедрением skill-based на hh.ru показала, что изучать направление однозначно стоит и дальше, поскольку в создании продуктов для массового потребления на первый план выходят информация и большие данные. Более того, благодаря связке экспертизы и технологии ясно, как применять эти данные. Поэтому действовать в этом направлении продолжат все стороны процесса, который мы описали. Каждый — сам для себя.
↩ К другим статьям