HR保卫自己的新武器:数据分析

行走的帆2019-07-03 23:01:50

优秀的HR都爱关注“行走的帆”


文丨李斌(盖雅学院执行院长、盖雅工场HRD)

转自公众号:盖雅学院(ID:thinkwithgaia)



HR以及HR的拥趸者不得不面对越来越多的批评:囿于执行和事务层面、不能贴近业务、缺乏有效的产出等。拉姆·查兰在《分拆人力资源部》一文中,曾经这样的尖锐地批评:很少有首席人力资源官 “能像首席财务官那样,成为很好的董事会成员和值得信赖的合伙人,并凭借他们的技能,将员工和业务数据联系起来,从而找出企业的优势和劣势,令员工与其职位相匹配,并为企业战略提供人才方面的建议。


警言在耳,但似乎又没有哪个部门能像HR部门这样不停的自我探索和革命:囿于执行和事务?战略HR应运而生;不能贴近业务?三支柱和HRBP星火燎原。


现在,HR又在利用新的技术来自我革新,这一次他们甚至跑到了财务部门的前面。



HR超越财务,成为数据分析领导部门


近期,Oracle发布了一篇题为《HR Moves Boldly Into Advanced Analytics With Collaboration From Finance》的报告。


他们在全球范围内调查了23个国家的1510份样本,最后发现在数据分析的高级应用上,HR已经超越了传统上被认为与数字关系更密切的财务部门。这在过去是不敢想象的,比如在拉姆·查兰那里,CFO对于业务数据的使用就是CHO的榜样。


更多的研究结论还包括:


  • 51% 的HR受访者表示, 他们可以操作预测性(predictive)或指导性(prescriptive)分析,而只有37% 的财务受访者可以进行这些更高级的分析形式。


  • 89% 的受访者同意或非常同意“我们公司的人力资源部门非常擅长使用数据来确定未来的劳动力计划",只有1% 的人不同意。


  • 94% 的受访者同意“我们能够在较高的可信度下预测关键岗位的离职可能性”。


  • 当询问 "您使用了以下哪几种分析类型?”时,31%的受访者选择了"人工智能" ,占比最高。


  • 当询问受访者如何使用 AI 时, 最常见的回答包括“通过消耗模型(attrition modeling)识别有风险的人才”、“预测新入职员工中的有潜力者“ 和 “通过简历分析寻找最适合的候选人”。


  • 82%的受访者同意或非常同意“整合HR和财务数据是我们公司当前的重要任务”,只有5%反对。


通过这份报告,我们发现HR正在改变传统的“执行命令”角色,并利用先进的智能分析技术成为公司重大事项的决策者。


那这一切又是从何开始的呢?



Google公司的人力运营部


Google显然是早期推动人力资源分析的代表,这当然又与它的人力资源最高管理者拉兹洛·博克(Laszlo Bock)有关系。


时钟拨回到2006年,当时年仅34岁的博克接到Google的电话。这位在麦肯锡呆过四年,当时正在GE下面的一家公司做薪酬主管的罗马尼亚人最终加入Google,担任人力资源部的负责人。


就在那一年,博克做了一件被后人津津乐道的事,他把Google的人力资源部门改名为“人力运营部”(People Operations)。


相比于传统的HR,“运营”显然带有更多的含义。博克后来在他的畅销书《重新定义团队》中提到改名的真正目的:“在谷歌,我们寻求颠覆所有的传统思维和语言。人们总会把HR视作一种事务性和官僚性的工作职能部门。与此相反,在谷歌这种工程师文化主导的公司,工程师们会把‘运营’视作一个值得信赖的职能,因为它意味着能够真正地去解决问题。”



为了解决问题,在博克的领导下,Google公司的POPS(对于人力运营部的简称)俨然成为了一间行为实验室。这个部门的核心是一套复杂的员工数据追踪系统,它旨在获得关于Google员工生活和工作的各种经验数据,不仅仅是薪酬的带宽、福利的多少,还包括餐厅桌椅的理想尺寸和形状,甚至排队队伍的长度等。


  • 为了帮助员工在餐厅排队时最大限度地利用排队时间与周围人交流,Google人力运营部门专门分析了员工排队候餐的数据,得出最理想的排队时间,并重新设计了员工餐厅布局。


  • 为了寻找搭建完美团队的万能公式,Google专门在内部启动了“亚里士多德计划”(Project Aristole)。通过数据分析高绩效团队的特征,最终发现对于高绩效团队来说最重要的因素是团队的心理安全感。(盖雅学院历史文章:《如何打造高效能团队,模型篇GRPI》,有关于这个计划的详细介绍)


  •  Google借助自己开发的一个数学算法积极并成功地预测到哪些员工很有可能会离职。这项举措允许管理者在为时过晚之前采取行动,并为员工留任提供个性化解决方案的空间。


当然这样的案例还有很多。在招募、人才培养,以及薪酬福利、行政管理这些传统的事务性、职能性的领域,Google的人力运营部门都通过严谨的数据分析和算法工具进行创新。


这也为数据分析在HR领域的应用开创了先河。


HR分析到底要做什么?


所谓数据分析,简单来说就是:通过一定的工具从数据或数据集中提取到有用的结论和知识。


人力资源部门接触到的数据非常多:从面试到入职,从培训到发展,从薪酬到福利,凡是个人、团队和组织的任何互动、沟通都会留下一定的数据。只要我们有合适的工具追踪数据,再从中去挖掘,就一定能够得到有价值的信息。


美国历史上第一位首席数据科学家DJ Patil博士把商业性的数据分析分成四个层次,对应的人力资源的分析也可以有四个层次。



第一个层次,描述性分析


描述性分析((Descriptive Analysis))是最简单的一种分析层次,是指对状态的一种描述,告诉我们“是什么”。


比如新进员工离职率是多少、Top Lier的员工薪酬占比是多少、等类似问题。HR可以通过固定报表和不定期分析的方式,为管理者呈现相应的报告。


第二个层次,诊断性分析


如果你已经知道事实如何,诊断性分析(

Diagnostic Analysis)要做的是追问原因是什么,告诉我们“为什么会发生”。


大部分的老板不仅关心现状是什么,更关心为什么会发生。所以你不仅要告诉老板我离职率很高,还要告诉他出现这样情况的原因。


追问原因,寻找对策,这也构成了HR重要的工作内容。但不少时候,我们大部分人仅凭自己的感性认知或者通过样本的访谈进行诊断,而这往往是不准确的。


现在流行的OD中最核心的其实是组织诊断,通过建构模型,收集数据,来对组织的优势和劣视进行诊断。


第三个层次,预测性分析


预测性分析(Predictive Analysis)很好理解。对于趋势的预测,不仅仅看现状,还要看“接下来会发生什么”。


通过数据的建模和机器学习,组织可以利用历史数据对未来节点下的各种状态进行预测。这不仅仅可以预测整体,更多的复杂数据甚至可以支撑对个人行为的预测。前面谈到的Google对于员工个人离职或者关键岗位的离职预测,就是一种典型的预测分析。


第四个层次,指导性分析


指导性分析(Prescriptive Analysis),也翻译成规范性分析、处方式分析。如果说前面的分析更重要的是告诉你信息,方便你做决策,指导性分析则能直接给你“开处方”,告诉你“应该怎么做”。


常见的指导性分析比如仿真技术,优化技术。比如所有的企业老板都希望降低成本,提高利润率,那在这种限制性条件下,企业如何达成上述目标就是一个优化问题。当然这个手段会有很多。


除了以上四种分析之外,当前的AI的发展让另外一种所谓的认知分析(cogitative analysis)也开始变得热门起来,认知分析旨在能过机器模仿人脑来操作一些任务,AI、算法等等可以归入到这个分析层次了。当然这个更复杂。


数据时代,如何保卫自己不被替代?


毫无疑问,我们已经进入了数据时代。我们整天跟各种系统打交道,这背后产生的都是巨量级的数据。如何适应这个时代,或者在数据时代如何保卫自己显得尤为重要。


我这里讲的保卫是职业的安全系数,一方面是个人的职业安全,如何不被淘汰;另外也是整体的职业安全,如何不被替代。我想每一个HR应该都会关心这样的问题。


有本书《The Power of People》,讲的是成功的企业是如何利用劳动力分析的技术来提升业绩产出的。这本书里把企业的员工分为三类:


  • Analytically Savvy,接受过严格的数据分析技术培训,熟练地分析数据,并且能够将数据转化为事实。


  • Analytically Willing ,对于数据分析持开放思维,虽然缺乏系统的训练,但是愿意去学习。


  • Analytically Resistant,对于数据分析的观念持怀疑和敌视的态度 ,更加相信直觉。


我们当然不希望做最后一种人,在一个数据堪比石油的年代,我们肯定希望改变。


这种改变是两方面的:


一是认知上。除了开放思维之外,我们起码要有关于数据分析的商业和业务认知。


Linkedin的一份报告里强调,越来越多的企业管理者认识到HR分析的重要性,全球的认可度是71%,而在中国是81%。所以不变革不行,执于窠臼的下场,可能就是被淘汰。


这种思维还包括对云产品的接纳,对于新技术的接纳。在所有的企业职能中,HR部门更多的产品运行在云中,而整合分析的云产品也越来越多。所以我们要改变过去只看职能的观念,把眼光放在更加长远的价值选择上。


二是实践上。也许我们做不了高难度的指导分析、预测分析,但我们至少可以尝试去做描述分析、诊断分析。


也许我们被算法、模型、人工智能这些词语迷糊了双眼,实际上大部分的数据分析并没有那么复杂,只要你愿意去学,还是可以学会。只是在于你肯不肯去挑战你的舒适区了,毕竟很多人都不太爱数学。但学习好了数据分析,会给你的职业加上一把安全锁。


—— End ——


课程通知:由本公众号开设的、广受学员好评的人力数据分析(HR Analytics)线下课程下一期将于7月19-20日在上海举办,具体的报名信息请参考:


7月19-20日HR Analytics 实战训练营开始报名



欢迎在下方评论交流

如果觉得这篇文章对你有帮助

欢迎分享帮助更多人



关于我,公众号【行走的帆】及【HR成长部落】创办人,美国康奈尔大学人力资源硕士,前世界500强公司人力资源总监,倾心著作:《世界500强人力资源总监管理手记》,畅销译作《奈飞文化手册》。现创业中,为广大HR的职业成长及企业组织发展贡献一份力量。

微信搜索公众号

行走的帆

长按二维码关注,从此拥有HR成长锦囊


欢的话,点下「在看」哟

https://www.wxwenku.com/d/201068377