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.
Сравнение распределения показателей роста людей и магнитуды землетрясений. Рост отклоняется от средних значений примерно вполовину с обеих сторон (выше среднего и ниже среднего). А подавляющее большинство землетрясений имеет магнитуду ниже среднего
Большинство компаний управляет кадрами на основе нормального распределения: большинство сотрудников получают ярлык «нормальных», а самые плохие и лучшие отправляются в «хвосты». «Хвосты» так же несимметричны, как и при распределении по росту, потому что отстающих увольняют, а самых плохих даже на порог не пускают; так что левый «хвост» короче. Кроме того, компании обращаются с кадрами так, как если бы реальность соответствовала распределению по гауссиане. Это неправильно.
На деле производительность в организациях для большинства должностей распределяется по экспоненте. Эрман Агуинус и Эрнест О’Бойл из Университета Индианы и Университета Айовы разъясняют: «Вместо большой группы средних исполнителей, которые преобладают… по закону больших чисел, наблюдается ситуация, при которой основную работу выполняет небольшая группа элитных сотрудников»127. Большинство организаций и недооценивают, и недостаточно вознаграждают заслуги лучших работников, даже не осознавая этого. В главе 10 я объясню, почему это так, и покажу, как можно лучше управлять кадрами и вознаграждать их.
Пока достаточно указать, что у каждой команды есть «хвосты» — люди, которые располагаются с обоих концов кривой распределения рабочей эффективности. Большинство компаний избавляются от «исполнителей нижнего хвоста», которые живут в постоянном страхе совершить ошибку и каждую минуту ожидают увольнения. У «исполнителей верхнего хвоста» жизнь — просто сказка: продвижения, бонусы и восхваления от коллег и начальства.
Помогите нуждающимся
Большинство компаний упускают из виду, что люди из «нижнего хвоста» олицетворяют грандиозную возможность повысить производительность компании, а представители «верхнего хвоста» могут объяснить, как ее реализовать.
Джек Уэлч обеспечил популярность модели управления «вверх или вон», представленной на первых страницах этой книги, когда аттестация сотрудников в General Electric проводилась каждый год и по ее результатам 10% худших увольнялись: либо вы будете продвигаться вверх в своей организации, либо вылетите.
Но разве это не затратный подход? Компания тратит время и деньги, чтобы набрать новые кадры. Они зачастую обходятся дороже старых, их нужно учить новым обязанностям — и иногда безуспешно! Профессор Борис Гройсберг из Гарвардской школы бизнеса провел исследование, в котором участвовали тысячи аналитиков из инвестиционных банков. Он заключил, что «звездные аналитики демонстрируют внезапный и продолжительный спад эффективности», переходя в другую компанию128. Их предыдущие успехи во многом зависели от коллег, доступных ресурсов, вживания в корпоративную культуру и даже личной репутации или созданного ими бренда.
В идеальной ситуации вы бы с самого начала нанимали только подходящих людей, а при наличии объективного, откалиброванного рекрутингового процесса вы, возможно, уже недалеки от цели. Но даже тогда вы наделаете ошибок, и они отдрейфуют на нижний край кривой эффективности.
Мы в Google регулярно выявляем около 5% отстающих. Эти люди образуют нижний «хвост» кривой распределения эффективности. Отметим, что это происходит вне рамок формального процесса управления производительностью. Мы не ищем поводов уволить людей: мы ищем тех, кто нуждается в помощи.
Признаюсь, что у нас нет абсолютно надежной меры результатов каждой работы и мы не форсируем разбивку рейтингов, потому что разные команды выполняют задачи на разных уровнях. Было бы безумием заставлять лидера команды, состоящей из суперзвезд, навешивать на кого-то из подчиненных ярлык отстающего. Так что это процесс, зависящий от человеческого фактора, а не повинующийся алгоритму; здесь и менеджеры, и команда People Operations ориентируются на конкретных людей. На практике «нижний хвост» включает тех, кому «требуются улучшения», и так называемых скиммеров[65]. Это люди, которые долго умудряются скользить на грани между «нижним хвостом» и «соответствует ожиданиям». Так, мы отслеживаем всего 5% на высших уровнях организационной структуры. В некоторых группах в эту категорию не попадает никто, в некоторых — более 5%. Мы задались вопросом: а не уволить ли таких личностей, как во многих других компаниях? Но при этом пришлось бы каждый год отбраковывать 20% действующего состава (по 5% в квартал). Кроме того, это означало бы, что наш рекрутинговый процесс неработоспособен. Если бы мы с успехом искали и находили не просто «мозги на палочке», а блестящих, способных к адаптации, сознательных гуглеров, то в регулярной отбраковке не было бы нужды.
Поэтому, вместо того чтобы пойти по традиционному пути и наградить плохих исполнителей «поцелуем смерти», мы решили применить другой подход. Наша цель — объяснить всем и каждому в категории «нижние 5%», что они в этой категории. Такую беседу вести непросто. Но можно облегчить задачу, донеся до отстающих сообщение: «Вы в числе 5% худших работников Google. Знаю, звучит неприятно. Говорю это потому, что хочу помочь вам улучшить ситуацию и вырасти как специалисту».
Это не разговор по принципу «справляйся или выметайся»; это деликатное общение, имеющее целью помочь человеку добиться личностного развития. Один мой коллега однажды назвал это «сострадательным прагматизмом». Плохие результаты редко бывают следствием того, что человек некомпетентен или просто бяка. Обычно корень проблемы кроется в отсутствии навыков (что иногда можно исправить, а иногда нет) или воли (если отсутствует мотивация к выполнению работы). Последний случай может быть проблемой личности, а может — полезным индикатором, указывающим на то, что в команде есть проблемы посерьезнее, на которые следует обратить внимание.
Наш подход, нивелирующий значение определенных знаний и навыков для назначения на должность, делает нас в некотором смысле уязвимыми: мы любим нанимать людей, которые не очень хорошо представляют, как взяться за предлагаемую работу. Мы верим, что почти все они в итоге разберутся в деле, а в процессе, возможно, изобретут что-нибудь новенькое, в отличие от сотрудников, функционирующих по принципу «иди туда, сделай то».
Если им это не удается, мы сначала предлагаем коучинг и обучение, чтобы развить их способности. Обратите внимание, как сильно это отличается от типовых принципов набора кадров, когда человека сначала нанимают на должность, а потом пытаются вырастить звезду. Наше вмешательство распространяется на маленькую горстку людей, которые испытывают наибольшие трудности, а не весь персонал компании сразу.
Если это не работает, мы стараемся найти человеку другое место в Google. Как правило, в итоге личная результативность сотрудника подрастает до среднего уровня. Может показаться, что это немного, но взгляните вот с какой стороны. В группе из 100 человек Джим был среди пяти худших. После указанных мер он переместился на 50-е место129. Не суперзвезда, конечно; но теперь результаты Джима выше, чем у 49 других сотрудников, а раньше таких было всего трое или четверо. Чего добьется ваша компания, если все худшие продемонстрируют такие же улучшения? А если даже эти последние 49 человек в целом показывают результаты лучше, чем в среднем по организации?
Из категории «последних» кое-кто уходит сам, кого-то мы вынуждены увольнять. Жестоко, но в итоге они остаются довольны, поскольку мы проявили понимание, пытались им помочь, а под конец дали время найти себе другое место.
Однажды мне пришлось уволить сотрудника из своей команды. Уходя, он сказал: «Я бы никогда не смог дорасти до вашей должности». Я ответил: «Смог бы — только в компании, где требования другие». Три года спустя он позвонил мне, чтобы поделиться новостью: его назначили на должность руководителя отдела по управлению персоналом в компании из списка топ-500 по версии Fortune; он был в восторге. Он рассказал, что темп работы чуть помедленнее, чем в Google, но ему это вполне подходит. И он сумел стать доверенным советником главы компании исключительно благодаря своему размеренному, вдумчивому стилю работы.
Подобный принцип вложения усилий в «нижний хвост» кривой распределения означает, что ваши команды демонстрируют улучшения… и весьма неплохие. Люди либо существенно повышают результативность, либо уходят и добиваются успеха где-то еще.
Что показательно: даже «Джек-Нейтрон», как называли Уэлча из-за потока отстранений и увольнений, которыми сопровождалось его пребывание на посту главы GE, смягчил подход, когда рассказывал о нем в поздние годы. В 2006 г. он изобрел принцип сортировки сотрудников под названием rank-and-yank (что-то вроде «сортирнём и ухнем», или «сортируй и выбрасывай»).
Согласно мифу о распределении под названием «сортируй и выбрасывай», нижние 10% подлежат увольнению. В жизни так бывает редко. Более типична иная ситуация: когда человек пребывает в нижних 10% длительное время, менеджер проводит с ним беседу о возможности увольнения. Конечно, иногда отстающий увольняться не желает. Но, будучи поставлен перед лицом суровой реальности и мнением организации, большинство предпочитает уйти по собственному желанию. Часто эти люди находят компанию, которой больше подходят их умения и где их ценят выше130.
Далее Уэлч утверждает, что прямо изложить работнику положение дел — проявление доброты.
Сравните это с компаниями, где менеджеры во имя высшей доброты позволяют сотрудникам, особенно отстающим, годами плестись в хвосте. Потом наступает кризис. Отстающие среднего возраста всегда оказываются первыми кандидатами на увольнение. Одного за другим менеджер вызывает их для беседы, которая обычно проходит так:
— Джо, боюсь, тебе придется уйти.
— Как! Почему я?
— Ну… ты ведь никогда не демонстрировал особых успехов.
— Я работаю здесь 20 лет! Почему вы ни разу мне об этом не говорили?
Действительно, почему? Скажи он об этом раньше, человек сумел бы найти работу, где у него было бы будущее. А теперь, когда ему стукнуло 45 или 50, он должен идти на биржу труда, где конкуренция в наши дни намного выше. Вот это действительно жестоко131.
Я особо указываю на то, что наша система выявления «нижних 5%» — совсем не то, что «групповое ранжирование» работников: метод принудительного распределения по категориям рабочей эффективности в пределах фиксированной разбивки. Подобный подход по капле отравляет корпоративную культуру. Сотрудники вступают друг с другом в яростную борьбу, чтобы не оказаться на дне. В 2012 г. Курт Эйхенвальд опубликовал в журнале Vanity Fair уничтожающую сатиру в обвинение принципа группового ранжирования132.
Все сотрудники Microsoft, и нынешние, и бывшие, с которыми я беседовал, — все — называли групповое ранжирование самым деструктивным процессом в компании, в результате которого множество людей просто вышибли за дверь… «Если вы были членом команды из 10 человек, то с первого дня вас ставили перед фактом: неважно, кто и насколько хорош, все равно двое получат великолепные оценки, семеро — средние, а один — ужасные, — говорит бывший разработчик программного обеспечения. — В итоге люди начинают конкурировать друг с другом, а не с другими компаниями».
В ноябре 2013 г. глава HR-департамента Microsoft Лиза Бруммель разослала сотрудникам по электронной почте уведомления об отмене не только группового ранжирования, но и всех рейтингов вообще133.
Как я писал в главе 2, если вы верите, что сотрудники в целом знают свое дело и достойны доверия, будьте с ними честны и открыты. Это также значит, что вы должны сообщать им, если они отстают по результатам работы. Но если вы хотите создать рабочую обстановку, пронизанную духом общей миссии и ориентированную на значимые цели, нужно понимать людей и обращаться с ними соответственно. Большинство отстающих знают, что они отстающие, и стремятся стать лучше. Важно дать им шанс.
Рассматривайте своих звезд под микроскопом
В то же время «верхний хвост», то есть лучшие работники, чувствуют себя в компании иначе, чем среднестатистические или посредственные. По нашим данным, они считают, что комфортнее выполнять задания, чем не выполнять; чувствуют, что их ценят, а их работа более значима, и уходят из компании в пять раз реже, чем сотрудники с худшими результатами. Почему? Да потому, что лучшие живут в заколдованном круге великих побед, отличной обратной связи, новых достижений и хвалебных отзывов. Они каждый день купаются в лучах всеобщей любви, так что любые дополнительные программы, которые вы готовы предложить, не сделают их еще счастливее.
Гораздо важнее, что вы должны учиться у лучших[66].
В любой компании лучшие сотрудники — семена ее будущих успехов. Немногие берут на себя труд изучить их «под микроскопом». Это яркий пример упущенных возможностей: как доказал Борис Гройсберг, высокая результативность во многом зависит от контекста. Бенчмаркинг и проверенные практики — всего лишь методы, сработавшие где-то еще, и не факт, что они будут эффективны у вас.
Естественный вывод из заключений Гройсберга должен звучать так: выясните точно, что именно позволило вашим лучшим сотрудникам добиться успеха именно в вашей уникальной среде. Если выяснится, что успех зависит от специфических местных условий, то полезнее всего будет изучить взаимосвязь между высокой результативностью и этими условиями.
Как вы, должно быть, уже поняли, мы в Google изучаем своих лучших людей самым пристальным образом. В 2008 г. Дженнифер Курковски и Брайан Велле основали Лаборатории по человеческим ресурсам и инновациям (People and Innovation Lab, PiLab) — внутреннюю исследовательскую группу и мозговой центр, получивший задание продвинуть науку о том, как люди воспринимают и выполняют свою работу. Многие сотрудники PiLab имеют докторскую степень по психологии, социологии, организационному поведению и экономике. Их назначили на руководящие должности, чтобы дать возможность применить свои исследовательские навыки к хитроумным проблемам и вызовам большой организации. Классическим примером могут стать Нил Пател и Мишель Донован. Мишель во многом способствовала изменению нашего подхода к управлению производительностью, а Нил — лидер нашей Лаборатории продвинутых технологий и программ (Advanced Technologies and Programs). Их первоначальный план исследований показывает, что можно выяснить, изучив своих лучших людей.