Kao HR profesionalci, svakodnevno se susrećemo sa istim izazovom: kako izmeriti učinak na način koji je fer, održiv i koristan za biznis?
U moru metodologija, jedna decenijama izaziva oprečne reakcije – koncept krive normalne raspodele, poznatiji kao Bell Curve.
Dok ga jedni vide kao neophodan statistički korektor, drugi ga smatraju reliktom prošlosti koji guši timski duh. Hajde da dekonstruišemo ovaj koncept iz ugla nekoga ko gradi timove u organizacijama različitih veličina i struktura.
U svetu statistike, Bell Curve (Gausova kriva) predstavlja normalnu raspodelu podataka. Kada ga primenimo na Performance Management, on podrazumeva da učinak zaposlenih u bilo kojoj organizaciji prirodno prati određenu šemu:
Mali procenat (npr. 10-20%) su top performeri (oni koji prevazilaze očekivanja).
Velika većina (npr. 70%) su prosečni performeri (oni koji ispunjavaju očekivanja).
Mali procenat (npr. 10%) su underperformeri (oni koji ne ispunjavaju očekivanja).
Suština ovog modela je prisilna distribucija. To znači da menadžer ne može svima dati najvišu ocenu; on mora da "ugura" svoje zaposlene u ove unapred definisane procente.
Izgled Bell Curve
Koncept je stekao globalnu slavu 1980-ih zahvaljujući
Jacku Welchu, bivšem izvršnom direktoru kompanije General Electric (GE). On je uveo sistem poznat kao "Vitality Curve" ili "Rank and Yank". Ideja je bila jasna: svake godine se identifikuje donjih 10% zaposlenih koji moraju da napuste kompaniju kako bi se napravilo mesto za nove talente.
Iako danas zvuči surovo, u to vreme je to bio revolucionaran način da se osigura visok nivo kompetentnosti u ogromnim korporativnim sistemima.
Jack Welch I Direktor General Electric (GE)
Iz perspektive People Ops-a, Bell Curve nudi rešenje za jedan od najvećih problema evaluacije: popustljivost menadžera (Leniency Bias).
Statistički je gotovo nemoguće da u timu od 50 ljudi svi budu apsolutni genijalci ili da svi budu neproduktivni. Ako su svi ocenjeni najvišom ocenom, imamo problem – ili su kriterijumi preniski, ili menadžer izbegava teške razgovore.
Ako menadžer tvrdi da su svi u njegovom timu "underperformeri", Bell Curve nam pomaže da shvatimo da problem verovatno nije u ljudima, već u uslovima rada, lošoj motivaciji ili neadekvatnim projektima.
Jasna distribucija pomaže u pravednijoj raspodeli bonusa i povišica, fokusirajući resurse na one koji zaista prave najveću razliku.
Ipak, kao neko ko radi sa ljudima, a ne sa brojevima, moram ukazati na ozbiljne mane:
Najveći problem nastaje kada prestanemo da ocenjujemo zaposlenog na osnovu njegovih postignuća, a počnemo da ga ocenjujemo na osnovu toga koliko je mesta ostalo u određenoj kategoriji. Ako imate tim vrhunskih stručnjaka, Bell Curve vas primorava da nekoga proglasite prosečnim samo da biste zadovoljili formu.
Kada zaposleni znaju da samo dvoje ljudi u timu može dobiti "peticu", kolege prestaju da pomažu jedni drugima i postaju konkurenti.
Nazvati 70% tima "prosečnim" može delovati kao uvreda za ljude koji su stabilni stubovi vaše organizacije, što često vodi do pada angažovanosti.
Uspeh u General Electric-u:
Tokom Welchove ere, tržišna vrednost GE-a porasla je za 4.000%. Bell Curve je tada bio motor rasta jer je agresivno eliminisao neefikasnost.
Neuspeh u Microsoft-u: Početkom 2000-ih, Microsoft je koristio sličan sistem ("stack ranking"). Rezultat? Zaposleni su se više fokusirali na interne političke igre nego na inovacije, što je dovelo do "izgubljene decenije" za kompaniju. Microsoft je zvanično napustio ovaj model 2013. godine.
Empty space, drag to resize
Bell Curve nije "zlo", ali nije ni univerzalno rešenje. On najbolje funkcioniše u velikim sistemima gde je potrebno uvesti bazični red u procese evaluacije. Međutim, u modernim, agilnim timovima gde su saradnja i inovacija ključni, rigidna statistika često gubi bitku protiv
individualnog pristupa i kontinuiranog feedbacka.
Naša uloga je da pronađemo balans: da koristimo Bell Curve kao kontrolni mehanizam koji nas opominje kada evaluacije nisu realne, ali da nikada ne dozvolimo da statistika postane važnija od čoveka i njegovog doprinosa.
