Построение talent framework
- Все роли в организации должны быть описаны системно: каждая роль — это набор из 3-4 skills, и этот набор может быть одинаковым в разных командах.
- Нужно определить senior leaders, которые будут own-ить роли в организации и отвечать за то, чтобы формулировать, как выглядит “good” для роли, и проектировать интервью-процесс.
- Можно использовать scorecards с наблюдаемыми поведениями, чтобы задавать разные уровни mastery для каждого skill и объективно оценивать потенциальных и уже работающих сотрудников.
- Talent bar задаёт минимально необходимый уровень mastery по каждому skill и seniority level для конкретной роли и тем самым формирует ожидания к performance кандидата.
Без чёткого определения как на самом деле выглядит “хорошо”, даже лучшая структура интервью не даст консистентных решений. Именно здесь и нужен talent framework.
Он выравнивает всех участников процесса — recruiters, hiring managers и interviewers — вокруг skills, behaviours и expectations, которые нужны для успеха на каждом уровне. Он помогает одинаково применять hiring bar во всех командах и затем становится основой для performance и promotions уже после найма.
Как строить talent framework
По сути, в создании talent framework есть три шага:
- Стандартизируйте роли — похожие роли должны оцениваться по одному и тому же набору skills. Например, вы должны ожидать одинаковое качество engineers во всех командах, независимо от того, кому они репортят.
- Определите skills через scorecards — создайте scorecards с “ideal behaviours”, которые вы хотите видеть у кандидатов по каждому skill в организации. Тогда managers не смогут отклоняться от общего стандарта в найме.
- Задайте понятный talent bar — определите, каким уровнем skill должна обладать каждая роль в организации. Например, вы не будете искать одинаковые признаки problem-solving у junior data analyst и у следующего CFO.
Определение ролей
Роль определяется как набор из 3-4 skills, основанный на том, что реально требуется для работы. Такой набор универсален для всех, кто использует те же skills в компании, независимо от department, product или team.
Для каждой роли нужно определить role owner. Это senior leaders внутри организации, которые способны описать, как выглядит “good”, и отвечают за проектирование interview process, включая сами вопросы. Например, Head of Sales может быть functional leader для Salespeople, а CTO — для Engineers.
Консистентность — ключевая характеристика talent framework. Без неё managers могут использовать разные стандарты, а это подрывает качество таланта в организации.
Scorecards переводят skills в конкретные true/false утверждения о наблюдаемых поведениях. Они используются на интервью, чтобы направлять оценку, и после найма — для performance reviews и promotions.
При создании scorecards держите в голове две вещи:
- Единая шкала оценки — во всех scorecards используется одна и та же 5-уровневая шкала: Poor, Basic, Intermediate, Advanced, Exceptional. Poor — это “red flag” behaviours, которых не должно быть ни у кого. Exceptional — уровень, которого достигают только лучшие в поле.
- Наблюдаемые поведения — думайте о том, какое поведение вы хотите видеть у сотрудников, и стройте scorecard вокруг этого. Такой подход уменьшает manager bias, потому что даёт точные ориентиры и в performance reviews, и в интервью, а сотрудникам — ясные goalposts.
Talent bar
Scorecards дают полезные рамки для понимания того, освоил ли сотрудник или кандидат конкретный skill. Но как понять, какой уровень уже считается “достаточно хорошим”?
Здесь и появляется talent bar. Он определяет минимально необходимый уровень mastery по конкретному skill и seniority. Это структурированный ориентир, который выравнивает ожидания по разным ролям в компании и создаёт чёткий benchmark, по которому можно оценивать кандидатов.
От всех сотрудников ожидается, что они практикуют skills своей роли на уровне, заданном talent bar для их seniority. И при найме вы тоже должны убедиться, что кандидат дотягивается до talent bar.
Пример — Data Scientist
Performance score calculation: применять методологию, statistical inference и offline machine learning models для принятия бизнес-решений.
Talent bar:
Scorecard по skill Data Analysis: