Вопрос конфиденциальности данных беспокоит не только пользователей, но и разработчиков таких сервисов. Например, сервис KeenCorp[15] не «собирает и не хранит в отчетах» информацию об отдельных сотрудниках. Вся информация, позволяющая идентифицировать личность, удаляется.
Машинный анализ текста все еще находится на стадии разработки. Пока нет уверенности в том, что он не регистрирует ложноположительные показания и улавливает все потенциальные угрозы. Но очевидно, что разработчики найдут решения и будут расширять области применения мониторинга настроений персонала, например, начнут анализировать не только письменную, но и устную речь и выражения лиц.
В настоящий момент пассивный анализ мнений лучше всего работает в сочетании с данными из других источников, таких как ежегодные опросы персонала, пульс-опросы, личные беседы руководителей, фокус-группы и анализ косвенных показателей.
Анализ косвенных показателей[16] Коэффициент текучести кадров. Вовлеченные сотрудники хотят работать в компании долго, а невовлеченные уходят к конкурентам, поэтому коэффициент текучести – логичная метрика для определения вовлеченности команд. Подразделения или категории персонала, в которых текучесть высокая, как правило, имеют низкую вовлеченность. Однако стремиться к нулевому значению текучести не имеет смысла. Она полезна: в компанию приходят новые люди со свежим взглядом на проблемы.