На выходных была в гостях у C&B эксперта, поэтому и пост соответствующий 😜

В математике есть такое понятие как сжимаемость данных. Понятие выросло из теории информации, основу которой в 1948 году заложил Клод Шеннон. У любого источника данных есть энтропия, которая задаёт теоретический предел того, насколько сильно данные можно сжать без потерь. То, что можно предсказать, хорошо сжимается, уникальную же информацию сложнее сжать без потерь.

Вот, например, грейды. Это способ сжать сложную информацию о профессиональном уровне сотрудника до понятной и измеряемой метрики. С одной стороны, сжать эти данные полезно. Это попытка систематизировать и удержать фокус на главном. С другой стороны, мы неизбежно теряем часть информации. И это нормально, но как не потерять важное, ведь на основании этой информации могут приниматься кадровые и управленческие решения? Как сохранить возможность найти ответы на вопросы: «Почему сотрудник показал именно такой результат?, «Почему он задерживается на этом грейде?», «За счет чего у человека именно этот грейд?» Это могут быть контекст, инновационность и самостоятельность принимаемых решений и многое другое. Поэтому рабочая система грейдов определяется не столь количеством критериев, а  способностью сохранить критический для принятия решения сигнал. В нашей системе грейдов 4 критерия, только один из них - профессиональные компетенции. А профессиональные компетенции в свою очередь мы делим на ролевые, корпоративные и управленческие. Получается вот такая объемная модель для оценки профессиональных возможностей сотрудника.