CC BY
109BIG DATA B HR
BIG DATA IN HUMAN RESOURCE MANAGEMENT
ПОЛУЧЕНО 20.04.2020 ОДОБРЕНО 15.05.2020 ОПУБЛИКОВАНО 25.06.2020
БРАГИНА Д.С.
Студент, ФГБОУ ВО «Пермский национальный исследовательский политехнический университет», г. Пермь
BRAGINA D.S.
Student, Perm National Research Polytechnic University», Perm
e-mail: [email protected]
УДК 331.108 DOI 10.12737/2305-7807-2020-76-80
МОЛОДЧИК Н.А.
Канд. экон. наук, доцент кафедры менеджмента и маркетинга, ФГБОУ ВО «Пермский национальный исследовательский политехнический университет», г. Пермь
MOLODCHIK N.A. Candidate of Economic Sciences, Associate Professor, Management and Marketing Department, Perm National Research Polytechnic University, Perm
e-mail: [email protected]
Аннотация
В статье рассмотрены возможности применения big data в сфере управления человеческими ресурсами, показаны трудности, с которыми можно столкнуться, внедряя данные технологии в работу компании. Приведены основные проблемы использования организациями данных о сотрудниках для анализа, прогнозирования и улучшения производственных показателей. Показаны примеры компаний, успешно применяющих big data в своей работе. Даны рекомендации компаниям по внедрению технологий анализа больших данных в сферу управления человеческими ресурсами.
Ключевые слова: big data, HR, управление человеческими ресурсами, HR-аналитика, трудности применения big data. Abstract
The article discusses the possibilities of using big data in the field of human resources management, shows the difficulties that can be encountered when introducing these technologies into the work of the company. The main problems of the use of employee data by companies for the analysis, forecasting and improvement production indicators are given. Examples of companies that successfully use big data in their work are shown. Recommendations how to introduce the technology of big data analysis in the field of human resource management are given.
Keywords: big data, HR, human resource management, HR analytics, the difficulties of using big data.
Высокая производительность труда в развитых странах, безусловно, результат не большого количества рабочих и специалистов, а, наоборот, уменьшения процента непроизводительного труда и вживления современных технологий. HR-функция в этом смысле не исключение — результаты анализа BCG и Всемирной федерации ассоциаций управления персоналом показывают, что финансовые достижения компаний напрямую зависят от умения эффективно управлять персоналом [9]. Основой любых высокопроизводительных технологий являются, прежде всего, аналитические модели. Большие данные вошли практически в каждую отрасль. Организации осознали их важность и пытаются использовать в своих интересах. Одним из подразделений, где большие данные могут быть наиболее полезными, является служба персонала. Для множества иностранных компаний HR-проекты, основанные на технологиях больших данных, давно переросли формат разовых операций и стали повседневной практикой, тогда как для большинства отечественных компаний преимущества аналитики известны пока только в теории. Но HR может помочь компании получить реальную отдачу от целевых вложений в персонал. Так, для производственных предприятий влияние аналитики больших данных на прибыльность составляет 10—12% от продаж, а в сфере услуг этот показатель может достигать
80%. Аналитика в HR очень важна, умение находить нужные данные и правильно их интерпретировать для решения различных задач — существенное преимущество компании, именно поэтому эта тема является актуальной [5].
ЧТО ТАКОЕ BIG DATA?
Термин «большие данные» не имеет общепринятого определения даже в области информационных технологий. Обычно под big data понимают различные инструменты, подходы и методы обработки как полуструктурированных, так и неструктурированных данных для того, чтобы использовать их для конкретных целей. По результатам исследования аудиторской компании KPMG, которое проводилось по всему миру, big data в организациях преимущественно используется для принятия решений, связанных с текучестью персонала, повышением эффективности сотрудников, с оценкой кандидатов при внешнем и внутреннем найме и с развитием компетенций (рис. 1). Часто феномен «больших данных» раскрывают через указание проблем, с которыми приходится сталкиваться на текущем этапе развития технологий при обработке информации. Big data определяются посредством указания следующих основных характеристик: большого объема (volume), разно-
образия данных (variety) и высокой скорости их изменения (velocity).
Направления применения big data в HR
Развитие компетенций 15%
Соответствие должности 13%
Внутренний найм
2%
Эффективность
сотрудников
32%
Текучесть персонала 38%
Рис . 1. Направления применения big data в HR
Откуда аналитики больших данных получают информацию? Существует несколько основных источников, которые можно разделить на внутренние и внешние, для наглядности они представлены в таблице (табл. 1). Компании-лидеры анализируют данные из социальных сетей, опросов, систем управления занятостью, даже из межличностного общения сотрудников, их речевых и телефонных сообщений. Может отслеживаться даже эмоциональная окраска электронных писем и телефонных сообщений.
Таблица 1
Источники больших данных
Внутренние Внешние
ERP Специализированные DataSet
Классификаторы Социальные сети
Архивы СМИ
Базы данных Сайты
Показания различных устройств
В HR большие данные помогают в решении следующих задач: поиск и найм новых сотрудников, поиск талантов, разработка модели корпоративных компетенций, измерение вовлеченности и производительности сотрудников, планирование работы, анализ текучести кадров, анализ ключевых навыков сотрудников, анализ корпоративной культуры и т.д. Оказывается, что благодаря возможности использовать информацию, полученную с помощью инструментов для работы с большими данными, руководители и аналитики могут решать многие проблемы и делать это эффективнее, благодаря более глубокому пониманию причинно-следственных связей [4].
Трудно представить индустрию, в которой технологии анализа больших данных не будут востребованы в ближайшем будущем. В то же время направление больших данных более активно развивается в компаниях, которые накопили огромные слои структурированной и неструктурированной информации: банковский сектор, телекоммуникации, интернет-коммерция, страхование и медицинский сектор.
ДОСТОИНСТВА И НЕДОСТАТКИ BIG DATA В HR
Принимая решение перейти на новый уровень развития и более глубокую, объемную аналитику, необходимо принять во внимание плюсы и минусы (риски), которые это повлечет за собой. Во-первых, нужно понимать, что большое количество данных не приводит к хорошим результатам автоматически. Чтобы добиться успеха, нужно иметь воз-
можность применять грамотные методы аналитики [1]. Персонал должен быть обучен, чтобы данные могли быть правильно интерпретированы. В настоящий момент найти хорошего специалиста — большая проблема, ведь аналитик больших данных должен обладать большим количеством знаний, умений и навыков, например, в сфере программирования. В то время как традиционный аналитик данных мог бы уйти от этого, аналитик больших данных должен очень хорошо разбираться в кодировании. Одна из основных причин этого требования заключается в том, что большие данные все еще находятся в стадии эволюции. Аналитику big data требуется ежедневно производить множество настроек для работы с неструктурированными данными, стандартизированных процессов в этой деятельности практически нет. Требуемые языки: R, Python, Java, C ++, Ruby, SQL, Hive, SAS, SPSS, MATLAB, Weka, Julia, Scala. Как минимум нужно знать R, Python и Java. Также является обязательным опыт работы с реляционными и нереляционными системами баз данных. Примерами реляционной базы данных являются — Mysql, Oracle, DB2. Примеры нереляционной базы данных: NoSql: Hbase, HDFS, MongoDB, CouchDB, Cassandra, Teradeta и т.д. Еще необходимо хорошее понимание таких фреймворков, как Apache Spark, Apache Storm, Apache Samza, Apache Flink и классические MapReduce и Hadoop. И, конечно, специалист должен хорошо разбираться в статистике, линейной алгебре и бизнесе. Именно с таким набором знаний можно стать востребованным специалистом, которого ищут компании. Также важно рассмотреть вопрос о сохранении конфиденциальности. Программы анализа больших данных работают с огромным количеством информации и чем эти данные уникальнее и секретнее, тем более любопытные выводы может сделать из них алгоритм [10]. Еще одной трудностью может стать получение и использование персональных данных сотрудников, поскольку это не всегда может быть полностью законно.
Наряду с существенными недостатками использования больших данных есть весомые преимущества, например, увеличение дохода за счет лучшего понимания процессов внутри компании, снижение затрат за счет оптимизации бизнес-процессов, разумное сочетание объективного контроля над деятельностью сотрудников и постоянный поиск оптимальной для них мотивации на основе полученных данных. Также обезличенные, автоматизированные системы контроля, например, контроля доступа, присутствия на рабочем месте, составления графиков отпусков, работы, обучения, оценка непродуктивного и продуктивного рабочего времени и т.п, в паре с такими интеллектуальными системами, как, например, управление талантами, значительно уменьшают риск погрешности и влияния человеческого фактора при принятии управленческих решений в HR [3]. Big data помогает совершенствовать стратегическое кадровое планирование. Комплексные данные о человеческих ресурсах дают представление о том, как управлять децентрализованным ландшафтом талантов из-за притока сотрудников с альтернативными схемами работы (например, по контракту, внештатных сотрудников и сотрудников с частичной занятостью). Также аналитика рабочей силы может раскрыть мощные идеи, которые влияют на прибыль компании: опыт кандидата, вовлеченность сотрудников, удовлетворенность клиентов и многое другое. Данные помогают определить области возможностей, формируют культуру компании и показывают, каким образом можно оказать положительное влияние в глобальном масштабе [14]. Еще одним направлением использования big data в HR является обучение. Обучение — это жизненно важный элемент для
любой категории сотрудников, а программное обеспечение может трансформировать его в удобный и прозрачный бизнес-процесс. Возможность взглянуть на показатели и аналитику в масштабе всей компании помогает в значительной степени улучшить управление обучением и развитием сотрудников. Например, всестороннее изучение деятельности работников помогает организациям анализировать пробелы в знаниях персонала и разрабатывать для них соответствующие программы обучения.
ПРАКТИКА ПРИМЕНЕНИЯ
Big data в HR активно применяется в банковской сфере. Например, Сбербанк использует big data в следующих направлениях управления персоналом: рекрутинг, адаптация персонала, карьерное развитие и обучение. Компания для работы с большими данными использует SAP Success Factors. Осуществляется работа командой, 70% которой составляют сотрудники из IT и 30% из HR, причем их работа не сразу стала эффективной, так как сотрудникам разных отделов было сложно найти общий язык друг с другом, их сближению поспособствовали различные мероприятия внутри компании. После внедрения новых технологий в работу банка, было решено множество проблем, которые другими способами разрешить не удавалось. Одной из таких проблем был сайт для привлечения выпускников вузов. Его смогли интегрировать с внутренними HR-системами и добиться желаемого эффекта [2].
Другим примером применения big data в HR является проект, созданный компанией МТС. Проект WorkForce Management — это инструмент, позволяющий на основе огромного количества данных (сезонность продаж; время, затрачиваемое на обслуживание клиента; клиентопоток) создать максимально эффективный график работы сотрудников розничной сети. Проект был призван максимизировать выручку компании, оптимизировать затраты на оплату труда, построить взаимовыгодные отношения работника и работодателя. Необходимо было найти оптимальные параметры работы системы WFM, именно поэтому компанией было принято решение создать собственную систему, а не покупать уже готовые решения. Автоматизация процесса построения графика работы с использованием больших данных дает возможность учесть все особенности конкретного бизнеса и решить несколько задач одновременно: увеличить премиальную часть сотрудников за счет присутствия на рабочем месте в часы с максимальным клиентским трафиком, освободить менеджеров от составления рабочего графика, максимально учесть все пожелания сотрудников по организации своего рабочего времени, продолжительности смен и выходным дням. Для реализации проекта была собрана команда, состоящая из самых разных специалистов: HR, IT, менеджеров по продажам, представителей подразделения big data МТС. Проект реализовывался этапами, постепенно распространяясь на всю территорию РФ. В итоге он помог компании решить все поставленные задачи [6].
Keencorp — компания, основанная в Нидерландах и имеющая многолетний опыт работы в области психолингвистики, искусственного интеллекта, организационного управления и корпоративных финансов, последние несколько лет активно использует уникальную технологию оценки производительности персонала, основанную на анализе больших данных. Компания совмещает обработку естественного языка с HR. Сканируя электронную почту сотрудников, компания получает данные о настроении своих работников, оценивает их вовлеченность и компетентность. Keencorp утверждает, что может предсказать вовлеченность
и отношение сотрудников в различных группах путем сканирования данных электронной почты [12].
Компания IBM является одним из крупнейших в мире производителей и поставщиков аппаратного и программного обеспечения, IT-сервисов и консалтинговых услуг. Она использует big data для определения навыков, которые нужно развивать сотрудникам. По каждому сотруднику проводится непрерывный сбор данных о задачах, которые были выполнены, о курсах, которые были пройдены, и об оценках, полученных на этих курсах. После чего модель машинного обучения делает выводы относительно предпочтительного развития определенных компетенций, а HR-специалист формирует для сотрудника подходящую программу повышения квалификации [13].
Google в последние несколько лет работает над интеграцией решений для больших данных в свой отдел кадров, в результате чего срок удержания сотрудников увеличился на 35%. Компания использует алгоритмы удержания, построенные на анализе текучести кадров. Используя науку о данных, компания научилась определять, кто из ее сотрудников с наибольшей вероятностью может покинуть организацию. Оказалось, что сотрудники, внутренне готовые к уходу, демонстрируют определенное предсказуемое поведение. Выявив потенциальные риски, Google удалось снизить уровень кадровой текучести. Корпорация изменила название своего отдела персонала на «people operations», большинство сотрудников сокращенно зовут его POPS («папа»). Казалось бы, это всего лишь изменение имени, но оно отражает другое мышление в бизнесе — данные являются ключом к пониманию людей. За несколько лет Google стал известен благодаря процессу собеседования, который требовал прохождения нескольких раундов. Но команда по работе с персоналом изучила статистику и обнаружила, что после четырех собеседований лучшие кандидаты, как правило, уходят. На основании выявленных данных, количество собеседований было сокращено, в результате процесс найма стал намного короче. Это позволило повысить привлекательность компании в глазах кандидатов с высоким потенциалом [11].
ТРУДНОСТИ ПРИМЕНЕНИЯ BIG DATA В HR
В последние несколько лет произошел бурный рост использования организациями данных о сотрудниках для анализа, прогнозирования и улучшения производственных показателей, но, несмотря на это, HR-аналитика все-таки пока развита недостаточно. Проанализировав множество примеров применения big data в бизнесе различных сфер и масштабов, можно заметить, что в HR диджитализация приходит гораздо медленнее, чем в другие отделы. Так происходит и в России, и во всем мире. Активнее всего новые технологии в HR внедряют IT-компании и стартапы. Из-за особенностей корпоративной культуры и, как правило, молодого коллектива им проще пользоваться технологическими продуктами. Именно через них технологии становятся мейнстримом и проникают в остальные сферы. Вслед за IT-компаниями HR-аналитику начинают внедрять крупные компании, имеющие огромное количество данных о сотрудниках и соискателях, а также потребность анализировать их.
Почему именно в HR диджитализация приходит медленно? Во-первых, из-за сложности интегрирования IT-продуктов и HR-процессов, любое несогласованное изменение на противоположной стороне приводит к тому, что все ломается. Во-вторых, сдерживающую роль играет высокая стоимость программного обеспечения, которое может ана-
лизировать имеющиеся данные. Немногие компании имеют такие финансовые средства и не всегда эти вложения будут оправданы. Однако сейчас существуют облачные сервисы, которые уже настроены и не требуют организации инфраструктуры в компании, поэтому, возможно, в ближайшем будущем проблем с большими финансовыми затратами получится избежать. В-третьих, далеко не все компании используют аналитику вследствие, например, малого количества сотрудников. А если нет аналитики, то и автоматизировать ее не получится. Еще одной причиной медленной автоматизации сферы управления персоналом является отсутствие на рынке достаточного количества специалистов, которые способны работать с различными аналитическими инструментами. Переучить имеющийся персонал также непросто, мест, где могут хорошо обучить HR-аналитике, не хватает. Эта проблема начинает постепенно решаться. Например, в 2019 году появилась магистерская программа «HR-аналитика» в НИУ ВШЭ. Она является первой в России, не имеющей аналогов в мире, программой подготовки по направлению «Менеджмент», формирующей у выпускников комплекс ключевых компетенций, необходимых для успешной реализации аналитических и управленческих типов задач профессиональной деятельности в области управления человеческими ресурсами в организациях, работающих в условиях цифровой экономики [8].
ВЫВОДЫ И РЕКОМЕНДАЦИИ
Каким компаниям стоит внедрять в свою работу технологии для анализа больших данных? Безусловно, тем, которые имеют достаточное количество неструктурированных данных, нуждающихся в обработке и необходимых для решения каких-либо задач в HR. Исходя из опыта компаний, уже использующих big data и опираясь на данные исследования CNews Analitics, можно сказать, что это компании следующих отраслей: банки, телеком, ритейл, транспорт, промышленность, энергетика и нефтегаз [7].
Какие существуют этапы внедрения big data в HR-про-цессы? Первым шагом должна стать подготовка. Внедрение любой новой технологии и особенно методологии — это длительный и итеративный процесс, состоящий из нескольких этапов, как это предусмотрено Межотраслевым стандартным процессом интеллектуального анализа данных (CRISP-DM) [15]. Однако CRISP-DM является методологическим руководством для Data Scientist, и с точки зрения бизнеса, в частности, для HR-специалиста, нужен более абстрактный подход, без технических особенностей. Эта опция, демонстрирующая все необходимые этапы проекта big data, станет циклом принятия управленческих решений Деминга-Шухарта или Plan-Do-Check-Act (PDCA). Процесс принятия и реализации управленческих решений по циклу PDCA актуален для любой сферы бизнеса, включая практику выполнения IT-проектов в направлении big data: сначала планируется деятельность, затем реализуются эти планы, потом проверяется степень достижения целей и, наконец, корректируются выявленные расхождения между плановыми и фактическими целями. Подобные шаги включены в стандарт CRISP-DM: от постановки прикладной задачи до развертывания программных продуктов. Однако эти 6 этапов не включают в себя постоянный мониторинг и коррекцию полученных решений, что, в свою очередь, влечет за собой ошибку деградации моделей машинного обучения (machine learning). Сочетание двух подходов позволит избежать проблем на этапе развертывания CRISP-DM за счет повторения шагов PDCA. Таким образом, одна из итераций по непосредственному внедрению больших
данных в направлении бизнеса выполняется на этапе до, наблюдается и корректируется, а затем снова повторяется с учетом необходимых изменений. После проведенной подготовки, компании необходимо определить конкретные бизнес-проблемы, например, повышение эффективности продаж. Необходимо найти факторы, которые способствуют высокой эффективности менеджеров по продажам в разделе HR-аналитики, чтобы привлечь и нанять подходящих людей, а затем развить их потенциал. Далее стоит заняться фильтрацией данных, созданием словаря данных и очисткой информации. Например, как определить текучесть персонала: нужно ли учитывать людей, которые присоединились к команде меньше чем полгода назад работать неполный день или покинуть компанию в последний день года. Затем следует формулирование гипотез и их реализация. Например, как качество межличностных коммуникаций в команде влияет на эффективность ее работы или какие факторы провоцируют профессиональное выгорание сотрудников и как их предупредить. На этом этапе специалист data science подключается к HR-аналитику, организуя дальнейшую работу над стандартом CRISP-DM: от бизнес-анализа до внедрения модели машинного обучения (machine learning). Далее полученные результаты необходимо проанализировать, улучшить качество построенных моделей, адаптировать их под решение и других бизнес-задач [15].
Big data — это помощник или нет? Big data в HR-анали-тике безусловно является помощником, благодаря которому специалисты отдела управления персоналом освобождаются от части рутинной работы, получая время на выполнение куда более важных задач, их решения подкрепляются более глубокой аналитикой и процент ошибок значительно снижается, персонал работает меньше, но эффективнее, повышается его лояльность к компании, а значит снижается текучесть персонала и т.д. Но, конечно, не каждой компании стоит внедрять новые технологии в свою работу. Важно осознавать, зачем это нужно, оценивать все «за» и «против». Если компания действительно нуждается в глубокой и грамотной аналитике в сфере HR, то big data станет отличным для этого инструментом, который определенно стоит внедрять.
ЛИТЕРАТУРА
1. Абдыкаримова А.Т. Big Data: проблемы и технологии // Международный журнал гуманитарных и естественных наук. — 2019. — № 5-1. — URL: https://cyberleninka.ru/ article/n/big-data-problemy-i-tehnologii (дата обращения: 07.03.2020).
2. Дороговцева А.А., Ерыгина А.В. Тенденции HR-DIGITAL // Управление персоналом и интеллектуальными ресурсами в России -2019. — № 5 (44). — С. 19-22.
3. Митрович С. Специфика интеграции технологий бизнес-интеллекта и больших данных в процессы экономического анализа // Бизнес-информатика. — 2017. — № 4 (42). — С. 40-46.
4. Нагибина Н.И., Щукина А.А. HR-Digital: цифровые технологии в управлении человеческими ресурсами // Вестник евразийской науки. — 2017. — № 1 (38). — URL: https:// cyberleninka.ru/article/n/hr-digital-tsifrovye-tehnologii-v-upravlenii-chelovecheskimi-resursami (дата обращения: 05.03.2020).
5. Назайкинский С.В. Роль HR-аналитики в принятии управленческих решений в организациях / С.В. Назайкинский, О.Л. Седова // Вестник РГГУ. — 2017. — № 3 (9). — С. 9-19.
6. Черкинская Н. BIG Data на службе у розничной сети МТС. — URL: https://hr-tv.ru/articles/big-data-na-sluzhbe-u-roznichnoj-seti-mts.html (дата обращения: 20.03.2020).
7. Большие данные (Big Data) в России. — URL: http://www. tadviser.ru/index.php/%D0%A1%D1%82%D0%B0%D1%82 %D1%8C%D1%8F:%D0%91%D0%BE%D0%BB%D1%8C %D1%88%D0%B8%D0%B5_%D0%B4%D0%B0%D0%BD %D0%BD%D1%8B%D0%B5_(Big_Data)_%D0%B2_%D0 %A0%D0%BE%D1%81%D1%81%D0%B8%D0%B8 (дата обращения: 20.03.2020).
8. Магистерская программа «HR-аналитика». — URL: https://www.hse.ru/ma/hra/ (дата обращения: 20.03.2020).
9. Технологии «больших данных» для HR-аналитики: что нового и полезного? — URL: http://hrpuls.ru/2015/05/ tehnologii-bolshih-dannyih-dlya-hr-analitiki-chto-novogo-i-poleznogo/ (дата обращения: 5.03.2020).
10. Neha Shitut 5 Skills You Need To Know To Become A Big Data Analyst/ — URL: https://analyticstraining.com/5-skills-need-know-become-big-data-analyst/ (дата обращения: 22.03.2020).
11. Google is revolutionising HR with big data. — URL: http:// www.digitalinnovation.pwc.com.au/google-hr-big-data/ (дата обращения: 20.03.2020).
12. How big data applies to HR. — URL: https://www.analyticsinhr. com/blog/big-data-business-intelligence-hr-analytics-related/ (дата обращения: 20.03.2020).
13. IBM Social Business. — URL: https://www.ibm.com/social-business/ph/en/human-resources.html (дата обращения: 20.03.2020).
14. Nine Benefits Of Embracing Big Data In Human Resources. — URL: https://www.forbes.com/sites/forbeshumanresources council/2020/01/02/nine-benefits-of-embracing-big-data-in-human-resources/#1cd6e3f65822 (дата обращения: 22.03.2020).
15. Smart HR: how to quickly implement Big Data and Machine Learning in human resource management. — URL: https:// parsers.me/smart-hr-how-to-quickly-implement-big-data-and-machine-learning-in-human-resource-management/ (дата обращения: 25.03.2020).
REFERENCES
1. Abdykarimova A.T Big Data: problemy i tekhnologii [Big Data: Problems and Technologies]. Mezhdunarodnyj zhurnalguma-nitarnyh i estestvennyh nauk [International Journal of Humanities and Natural Sciences]. 2019, I. 5-1. Available at: https:// cyberleninka.ru/article/n/big-data-problemy-i-tehnologii (accessed 07 March 2020).
2. Dorogovceva A.A., Erygina A.V. Tendencii HR-DIGITAL [HR-DIGITAL Trends]. Upravleniepersonalom i intellektu-al'nymi resursami v Rossii [Human Resources and Intellectual Resources Management in Russia]. 2019, I. 5 (44), pp. 19—22.
3. Mitrovich S. Specifika integracii tekhnologij biznes-intellekta i bol'shih dannyh v processy ekonomicheskogo analiza [Specificity of integration of business intelligence technologies and big data in the processes of economic analysis]. Biznes-informa-tika [Business Informatics]. 2017, I. 4 (42), pp. 40-46.
4. Nagibina N. I., Shchukina A.A. HR-Digital: cifrovye tekhnologii v upravlenii chelovecheskimi resursami [HR-Digital: Digital Technologies in Human Resource Management]. Vest-nik evrazijskoj nauki [Bulletin of Eurasian Science]. 2017, I. 1 (38). Available at: https://cyberleninka.ru/article/n/hr-digital-tsifrovye-tehnologii-v-upravlenii-chelovecheskimi-resursami (accessed 05 May 2020).
5. Nazajkinskij S.V. Rol' HR-analitiki v prinyatii upravlencheskih reshenij v organizaciyah [The role of HR analytics in making managerial decisions in organizations]. Vestnik RGGU [Bulletin of the Russian State Humanitarian University]. 2017, I. 3 (9), pp. 9-19.
6. Cherkinskaya N. BIG Data na sluzhbe u roznichnoj seti MTS [BIG Data in the service of the MTS retail network]. Available at: https://hr-tv.ru/articles/big-data-na-sluzhbe-u-roznichnoj-seti-mts.html (accessed 20 March 2020).
7. Bol'shie dannye (BigData) vRossii [Big data in Russia]. Available at: http://www.tadviser.ru/index.php/%D0%A1%D1%82 %D0%B0%D1%82%D1%8C%D1%8F:%D0%91%D0%BE% D0%BB%D1%8C%D1%88%D0%B8%D0%B5_%D0%B4% D0%B0%D0%BD%D0%BD%D1%8B%D0%B5_(Big_Data) _%D0%B2_%D0%A0%D0%BE%D1%81%D1%81%D0%B8 %D0%B8 (accessed 20 March 2020).
8. Magisterskaya programma «HR-analitika» [Master's program "HR-analytics"]. Available at: https://www.hse.ru/ma/hra/ (accessed 20 March 2020).
9. Tekhnologii «bol'shih dannyh» dlya HR-analitiki: chto novogo i poleznogo? [Big data technologies for HR analytics: what's new and useful?]. Available at: http://hrpuls.ru/2015/05/ tehnologii-bolshih-dannyih-dlya-hr-analitiki-chto-novogo-i-poleznogo/ (accessed 5 March 2020).
10. Neha Shitut 5 Skills You Need To Know To Become A Big Data Analyst/ Available at: https://analyticstraining.com/5-skills-need-know-become-big-data-analyst/ (accessed 22 March 2020).
11. Google is revolutionising HR with big data. Available at: http:// www.digitalinnovation.pwc.com.au/google-hr-big-data/ (accessed 20 March 2020).
12. How big data applies to HR. Available at: https://www. analyticsinhr.com/blog/big-data-business-intelligence-hr-analytics-related/ (accessed 20 March 2020).
13. IBM Social Business. Available at: https://www.ibm.com/ social-business/ph/en/human-resources.html (accessed 20 March 2020).
14. Nine Benefits Of Embracing Big Data In Human Resources. Available at: https://www.forbes.com/sites/forbeshuman-resourcescouncil/2020/01/02/nine-benefits- of- embracing-big-data-in-human-resources/#1cd6e3f65822 (accessed 22 March 2020).
15. Smart HR: how to quickly implement Big Data and Machine Learning in human resource management. Available at: https:// parsers.me/smart-hr-how-to-quickly-implement-big-data-and-machine-learning-in-human-resource-management/ (accessed 25 March 2020).
