Ласло Бок - Работа рулит! Почему большинство людей в мире хотят работать именно в Google

В-четвертых, проводите обсуждения вопросов оплаты отдельно от вопросов развития персонала. Объединение этих вопросов подрывает стремление учиться. И это справедливо для компаний любого размера.

Есть и другие аспекты управления производительностью: количество рейтинговых категорий эффективности, обозначение категорий числами или словами, периодичность присуждения рейтингов и форма процедуры (онлайн или на бумаге). Но все это не так важно. После долгих дней, посвященных почти пустынным уединениям и размышлениям (не говоря об искушениях дьявола), мы определили набор рейтингов и темп процесса, которые хороши именно для нас; однако нет доказательств в пользу той или иной системы. Поэтому, если вы не собираетесь проводить аналогичные эксперименты, как это делали мы в поисках различий в результатах, я бы не стал волноваться из-за мелких проблем. Лучше сосредоточьтесь на том, что действительно важно: справедливой калибровке результатов с учетом поставленных целей и серьезном подходе к возможности для сотрудников добиться улучшений. Лиза Симпсон, живущая в каждом из нас, хочет, чтобы ее оценивали, потому что желает быть лучшей. Она хочет расти. И вам нужно рассказать ей, как этого добиться.

Правила работы… по управлению производительностью

Правильно формулируйте цели.

Собирайте обратную связь от коллег.

Используйте процесс калибровки итоговых рейтингов.

Проводите обсуждения вопросов оплаты отдельно от вопросов развития персонала.

Глава 8

На разных концах шкалы, или «Два хвоста»

Главные возможности связаны с лучшими и худшими сотрудниками

У вашей команды есть два «хвоста».

Все измеримое сводится к следованию правилу сортировки: от низшего к высшему, от малого к большому, от близкого к дальнему. Помните, когда вы были ребенком, учитель просил класс построиться по росту? Я всегда был среди тех, кто выше. Тогда рассортировать нас было легко. В классе из 30 человек бывали двое-трое, которые точно знали, что их место всегда в правом краю, и еще несколько самых маленьких, которых всегда отправляли налево. А еще было 20 или больше ребят примерно одного роста, с разницей сантиметров в пять, которые сбивались в кучу, лихорадочно пытаясь выстроиться в линию.

Наверное, уже сотню лет учителя сортируют учеников по росту и, похоже, получают от этого удовольствие.

В 1914 г. Альберт Блэксли из учебного заведения, ныне известного как Коннектикут-колледж, попросил студентов выстроиться в шеренгу по росту. Как, наверное, и у вас в классе, большинство студентов в итоге собрались в середине, а несколько человек оказались на разных концах ряда. Показатели роста студентов колледжа обычно соответствуют разбивке в диапазоне от 4 футов 10 дюймов до 6 футов 2 дюймов (от 150 до 190 см); как вы видите, концентрация выше всего в центре.

Реальная гистограмма для 175 студентов колледжа мужского пола122

Рост студентов соответствует нормальному распределению, где два «хвоста» с обоих концов представлены студентами с «экстремальными» показателями роста

То же справедливо и для гуглеров. Мы просили их построиться по росту, и в результате получили нормальное распределение с такими же «хвостами». Гуглеры изрядно повеселились, выполняя задание: я такого не ожидал, если честно123

Любая разбивка описывает паттерн, полученный на основе данных. Показатели роста лучше всего описывает нормальное распределение. Оно также­ известно как колоколообразная кривая из-за формы и как гауссова кривая — по имени Карла Фридриха Гаусса, который описал его в своей работе в 1809 г.124

«Хвосты» в разбивке — члены команды с показателями роста, выпадающими на концы шкалы: скажем, менее 163 см и более 180 см. Это те самые «верхние» и «нижние» 10%, которые представлены в разбивке на примере ниже.

Гауссово распределение (гауссиана) очень популярно у ученых и представителей бизнеса. С его помощью можно описать распределение многих параметров: рост, вес, экстраверсия и интроверсия, ширина древесных стволов, размер снежинок, скорость автомобилей на трассе, процент дефектов изготовления, количество входящих звонков в клиентскую службу и т. д. Более того, все, что распределяется по гауссиане, имеет среднее и стандартное отклонения, с помощью которых можно предсказывать будущее поведение объекта или явления. Стандартное отклонение описывает вероятность определенного числа вариаций (или отклонений). Например, женщины в США имеют средний рост 163 см125, а стандартное отклонение составляет менее 5 см. Это значит, что 68% женщин имеют рост от 155 до 170 см. Это одно стандартное отклонение. 95% значений находится в пределах двух стандартных отклонений от среднего — от 147 до 178 см. А 99,7% находятся не далее чем в трех стандартных отклонениях от среднего: от 137 до 188 см. Если вы проверите, как обстоят дела у вас в офисе или по соседству, то увидите, что в целом все именно так. (Средний рост мужчин составляет 178 см примерно с тем же диапазоном примерно в 5 см на каждое стандартное отклонение. Вы могли заметить, что на фото Блэксли средний рост мужчин — 170 см. Благодаря улучшениям в питании за последние 100 лет американцы стали выше.)

Но в достоинстве гауссова распределения также кроется и его недостаток. Им так легко пользоваться и оно явно описывает так много различных явлений, что применяется даже тогда, когда некорректно отражает реальность. Гауссово распределение как средство прогнозирования занижает периодичность наступления значимых природных и экономических событий­ (сильные землетрясения, ураганы и колебания на фондовом рынке), критические расхождения в экономических результатах для людей (увеличивающаяся пропасть между 1% самых богатых и 1% самых бедных) и исключительные результаты, которых добиваются отдельные люди (Майкл Джордан в сравнении с другими баскетболистами его поколения). Землетрясение 2011 г. в Японии (с магнитудой 9 баллов), размер состояния Билла Гейтса (свыше 70 млрд долларов), даже население Нью-Йорка (8,3 млн человек) заметно отличаются от средних значений, и вряд ли гауссова модель сможет это предсказать в качестве вероятного сценария, хотя, как мы знаем, все это реальные факты126.

Статистически эти явления лучше всего описывает экспоненциальная кривая. На рисунке ниже она представлена рядом с гауссовой кривой.