• People Analytics
    【专家谈】关于人力资本分析的4个错误之处交流下,附录原文 最近,HBR海外版发表了一篇关于人力资本分析的文章,题为 "人力资本分析是否使你的员工失去人性?"  (Are People Analytics Dehumanizing Your Employees?)在这篇文章中,作者提供了一个关于人力资本分析的暗淡而单一的观点,如果不结合实际情况来看,将损害这一领域,并淡化人力资本分析对人力资源的现有和潜在贡献。 在这篇文章中,我们想驳斥一下我们认为HBR对人力资本分析的四点误解。这些误解对该领域是危险的。它们可能使我们在过去十年中在人力资源管理方面取得的大部分进展倒退。让我们深入了解一下! 1.人力资本分析将人简化为数据 根据作者的说法,"员工正越来越多地被定义为他们的数据"。在一个传统上依赖本能和直觉的领域,我们不认为这是一个坏的趋势。 数据驱动的(或基于证据的)决策已经彻底改变了它所应用的每一个学科。例如,循证实践已经彻底改变了我们在医疗保健中确定诊断和治疗病人的方式。它为拯救无数的生命做出了贡献。事实上,基于证据的预防服务可以防止美国每年250万例死亡中的一半。 在人力资源管理中增加循证实践是非常必要的。从招聘和选拔中的偏见到绩效评估,甚至是常用的无效的反偏见培训,人力资源部门将从对其产生的影响进行批判性的审视中获益。要做到这一点,唯一的办法就是客观和负责任地查看数据。 在这样做的时候,人力资本分析有可能推动许多人力资源学科的发展。例如,HBR最近的另一篇文章强调了由指标驱动的多样性、公平和包容(DEI)实践给组织带来的机会。 我们也看到这种方法被纳入到工作设计中。最近谷歌公司的一个种族平等人力资本分析(Race Equity People Analytics)的空缺就说明了这一点: 其他的贡献包括数据驱动的组织设计,劳动力规划,奖励,员工价值主张,以及整体福利。与文章中所说的相反,在每一个实例中,数据都有助于创造一个更个性化的体验。 掌握数据有助于了解一个组织中人的整体体验。一个组织利用分析来监测不同地区的COVID相关疾病的趋势,使该组织能够主动向员工发送额外的支持。另一个例子包括利用数据来定义个性化的福利体验和支持。 我们认为HBR文章的作者应该欢迎以更多的证据为基础的方法来管理工作中的人,我们只能希望人力资源部门能进一步将其决策植根于数据。 2.人力资本分析等同于员工的间谍和监视 第二个更具破坏性的错误是,根据这篇文章,人力资本分析主要涉及员工监视。"监控深入到工作日越来越多的部分,意味着员工的隐私几乎被抹去,他们的工作经验受到了负面影响"。 作者犯了一个常见的错误,即把网络安全团队所做的技术监控与专注于劳动力的团队所完成的人力资本分析工作混为一谈。人力资本分析不是为了监控,而是为了帮助我们了解如何在人类和组织需求的背景下最好地设计(混合)工作。 当组织越权使用数据来 "监视 "员工时,这并不是对人力资本分析的反映。相反,它反映了一种不信任和有毒的文化以及管理成熟度和价值观的缺乏。我们不能责怪我们现有的这些工具和技术,而不去看谁在使用它们以及如何使用。 大多数组织对谁访问和分析数据以及出于何种目的都有严格的内部控制。人力资本分析的领导者在公司的法律团队、工作委员会和数据隐私官员的恩惠下运作。他们往往被要求达到比其他一些分析职能部门高得多的标准--这是很正确的 我们承认,如果使用不当和不负责任,人力资本分析会对组织产生负面影响。然而,其他各种领域也是如此,如组织发展、奖励和心理评估。我们认为,不使用人力资本分析法对创建公平、无偏见和知情的人力资源实践、流程和政策构成更大的风险。 3.人力资本分析是人工智能(AI)的结果 关于人力资本分析、人力资源技术和人工智能(AI)有很多误解。文章称,"人力资本分析来自于组织越来越多地使用人工智能(AI)来促进效率"。这可能是文章中最大的误解。 人力资本分析的一些最大收益并不是来自先进的算法、技术或部署AI的工具。事实上,人工智能往往是华而不实的转移了分析所能带来的真正影响。 人力资本分析最重要的增值是创造一种基于符合道德指导原则和价值观的最佳可用证据的决策文化。人工智能在这个过程中很少发挥作用。 作者还认为,人力资本分析是迈向自动化的一步,会导致员工被取代。 我们不同意这种说法的原因有两个:首先,人力资本分析是为了做出更多有数据依据的决策,希望能让员工和组织都受益。我们承认,这有时可以为与自动化有关的决策提供信息。不过,这些决定至少是在客观上了解了自动化是否会带来价值的角度下做出的。 其次,我们认为各种科学有助于自动化的可能性,如流程再造和商业分析。这些领域和类似领域的重点应该是以负责任和人性化的方式管理因这些过程而产生的变化。处理因自动化而产生的对变化的恐惧是一个现实。然而,这不是人们分析的结果,而是第四次工业革命对工作世界的影响。 4.人力资本分析发生在组织背景之外 人力资本分析发生在更广泛的组织理念、文化和价值体系中。这关系到我们如何对待人,如何与员工打交道,以及我们想要推动的行为。 我们如何、在何处以及何时应用人力资本分析,都应该与更广泛的组织背景下的动机和意图相一致,而绝不会在空洞的情况下发生。 人力资本分析本身也超越了数据的统计分析。相反,它是关于一种挑战假设的思维方式,测试假设,并使用合理的科学原则,如数据的三角测量,以告知和指导洞察力。 一个不能展示数据和证明人事政策影响的人力资源专业人员,在为员工辩护方面的效率会降低。他们将无法有效地为企业提供最佳行动方案的建议。同样,一个不信任其员工的组织将更有可能应用监控技术。这就是为什么不应该孤立地看待人力资本分析法的应用。相反,需要在组织的背景下看待它。 例如,两个缺勤率同样高的团队可能有很大的不同。一个团队可能运作良好,但有一两个身患绝症的员工,而在另一个团队中,糟糕的领导和高工作压力导致缺勤率飙升。数据往往是一个起点。然而,在通过定性访谈、焦点小组等方式对数据进行三角分析和支持之前,它永远无法说明整个故事。 成熟的人力资本分析专家充分意识到,他们需要在其他促成因素的背景下看待数据。 展望未来 人力资本分析使人力资源部门能够做出基于证据的决策,并提高他们在企业中的可信度。这意味着人力资源部门可以在他们的倡议和建议中更加有效和有影响。它应该对员工个人以及更广泛的组织都有好处。 到目前为止,人力资本分析的从业人员一直在领导这个领域。现在是时候了,学术机构、研究人员和期刊应该接过接力棒,努力将人力资本分析学的内容(和不是)更好地概念化。他们应该展示如何衡量它对人力资源部门和整个企业的影响,并帮助创建良好的人力资本分析实践标准,以指导从业人员。 在过去的十年里,我们看到人力资本分析慢慢地改变了人力资源的运作方式。我们希望人力资源部门继续发展成为一个更加以数据为导向和以证据为基础的学科,在这里,决策是基于现有的最佳证据,并符合包括员工在内的所有利益相关者的最大利益。 这将导致一种数据驱动的科学,能够切实地促进我们对工作场所中人类行为的理解。然后,它可以帮助组织为其员工、客户、底线和更广泛的社会做出更好的决定。 为了实现这个目标,仍有许多障碍需要克服。这些障碍包括: 教育组织如何负责任地使用人力资本分析技术。 向员工和人力资源部门传达人力资本分析的作用和贡献。 工业界和学术界之间的合作,以确定行为的道德准则。 以及将人力资本分析视为综合人员价值链的一部分。 随着组织克服这些障碍,人力资本分析将不会使员工失去人性,而是赋予他们权力。毕竟,一个组织,如果不是为共同的未来而努力的人,又是什么呢?   文章来源:AIHR 作者:Erik van Vulpen,Erik van Vulpen是一位通过将技术创新引入人力资源范畴来塑造现代人力资源实践的专家。 *本文仅代表作者个人观点   HBR原文附录: 人力资本分析是否使你的员工失去人性? 摘要:公司比以往任何时候都更多地使用数据来衡量和塑造员工的工作日。人力资本分析使用统计方法和智能技术(如传感器、数字设备)来创建和分析员工行为的数字记录,并雇用他们。 很久以前,组织是由人组成的。今天,它们由数据组成。随着公司学会挖掘他们的数据,以更好地识别新的机会,改善预测,并作出更好的决定,人们的兴趣已经从做工作的人转移到他们在工作时间所做的数据(例如,他们发送了多少电子邮件,他们与多少人交谈,他们休息了多少次)。特别是,员工数据正被越来越多地用于人力资源管理(HRM)--以及最近的人力资本分析(PA)--并且员工正越来越多地被定义为他们的数据。 这种转变的影响是巨大的。用数据来定义人和他们对公司的价值(实际的和预测的)的方法,有可能使组成公司的人失去个性,使他们在雇主眼中沦为可交换的物品。此外,它有可能创造一种否认员工隐私的工作文化,使人们感到更不安全。 这种将员工非人格化的趋势并不一定是新的。一段时间以来,人力资源管理部门不太注重将员工作为一个 "整体 "来对待,而更多地是提倡用一种一刀切的方法来管理员工。为了降低成本,促进合规和标准化的效率,人力资源管理部门主要从他们应该达到的配额、他们的销售、他们完成的交易等方面来对待员工。这其中有一个丑陋的逻辑:把员工当作可互换的商品,可以更容易地施加不断增加的官僚主义的负担,而这正是当代组织的特征。 然而,最近,这种方法发生了变化:人力资源管理为人力资本分析铺平了道路,它使用统计方法和智能技术(如传感器、数字设备)来创建和分析员工行为的数字记录,并采用循证方法来提高组织的效率和生产力。今天,高达70%的高管认为实施人力资本分析(PA)能力是重中之重,预测到2025年,全球大数据分析市场的价值将达到680亿美元左右。 公共关系超越了衡量和量化员工绩效的传统程序--与大型、非结构化、实时数据和聚合数据集一起工作的智能技术使组织能够做出预测,而不是简单地衡量产出。但是,真正与传统人力资源管理实践相背离的是,公共关系往往意味着员工一直在越来越亲密的层面上受到监视和分析。来自摄像头、蓝牙信标、手机、物联网可穿戴设备和环境传感器等设备的数据被分析,目的是进行预测,使主管人员能够处理、评估和--如果需要--惩罚员工行为。例如,这种情况已经导致公司在发现这些员工正在申请其他工作时解雇他们。欧盟委员会发现,在2019年4月至2020年4月期间,全球对雇员间谍软件的需求增加了一倍多,而且在2020年封锁期间,追踪雇员实际用于任务的时间的监控软件增加了四倍。 然而,这种监控是有代价的。监控深入到工作日越来越多的部分,意味着员工的隐私几乎被抹去,他们的工作经验受到了负面影响。担心有人总是在你的(象征性的)肩膀上看着你,破坏了信任;监控会伤害员工的士气,实际上使人们的行为不那么道德。换句话说,监控会产生与预期相反的效果,并创造一个与当代教练、顾问和培训师的建议背道而驰的工作环境,即今天的组织需要发展一种赋予人们权力的文化,而不是回到中央控制和僵化的流程。 实施人力资本分析时需要考虑的问题 引入并强化一种将人简化为数据的思维方式,可以创造一种工作文化,对绩效和员工体验的伤害可能比预期的要大。因此,重要的是,采用人力资本分析的组织不要把人力资源部门变成专注于监测和优化工人效率的IT部门,而是确保他们以授权的方式保障员工的利益。为了做到这一点,下面我们简要地讨论一下今天的组织所注意的三个策略,以确保PA的使用和被视为对人类员工的授权。 1.明确它不是走向自动化的一步。 PA来自于组织越来越多地使用人工智能(AI)来促进效率。然而,这里存在一个固有的风险:这种操作性的工作方式可能会促进这样一种想法,即人对于监控他们的系统来说是次要的,导致员工觉得他们只是在为他们的人工智能老板生产数据,而且他们越来越可以被替代。这可能会灌输这样的观念,即扩音机是迈向自动化的一步,人们正在训练将取代他们的机器。相反,当PA被实施时,它应该被设定为一个增强员工能力和表现的战略,从而表明人类是第一优先,机器只是次要的。 2.认识到人的分析不仅仅是关于效率,并将其表现出来。 清楚地告诉大家,人力资本分析不仅仅是用来预测个别员工的表现--这种方法会削弱信任,侵犯员工的隐私。组织应该避免将绩效本身作为目的,这就意味着员工只是实现这一目的的手段。相反,公司应该把重点放在如何以整体而非狭隘的方式利用监测和分析来帮助员工作为人的成长和发展,并在与员工的沟通中强调这一重点。例如,可以通过收集数据来确定员工在哪些方面遇到压力,并由组织提供帮助,以处理个人成长的障碍。事实上,跟踪员工的情绪--以匿名的方式--并确定重要的趋势,可以帮助促进负责人更多的同情心,同时加强对工作中所经历的压力的共同理解。 3.避免给人贴上数据的标签。 成功地使用公共关系来激励员工也取决于所使用的叙述方式。例如,当人力资源部门在发给主管的电子邮件中抄送员工时,要避免使用抽象的语言,将员工视为一个数字或以非个人化的方式描述。把人描述成数据、公司资产或需要显示一些投资回报率的投资,传达出员工被视为一个对象,因此在某种程度上不值得对其自身的发展和成长给予人性化关注。不要忘记,人们把他们的整个自我带到了工作场所,因此,他们会在组织欣赏他们真正是谁的程度上做出反应。 综上所述,在一个组织以数据为导向,智能技术以各种方式促进对员工的跟踪和评估的时代,人类感到被包容、被重视,并以授权的方式对待,比以往任何时候都更重要。 采用公共关系策略的组织,主要是将员工识别为数据集,以提高关于每个人是否在做他们的工作的透明度,这有可能造成一个同理心的差距,员工会觉得--尽管收集了大量的个人数据--不被理解。在这种情况下,公共关系可能会被视为更多的是为了创造一个没有面孔的劳动力,像机器一样高效,而不是创造有利条件,让员工觉得组织投资于他们的成长和自我发展。因此,我们有必要认识到,收集和分析员工的数据对组织来说是有用的和有价值的,但如果它主要是让员工觉得自己是机器驱动下的可量化的对象,那就不是了。 文章来源:HBR 作者:David De Cremer & Jakob Stollberger
    People Analytics
    2022年07月04日
  • People Analytics
    如何执行有效的人力资本分析(People Analytics)项目   如何更好的执行有效的人力资本分析项目。 执行有效的项目 作为人力资本分析领域的新领导者,执行有效的人力资本分析项目对于展示您为组织带来的价值至关重要。我不记得我在哪里遇到过它(原谅缺乏归因),但是“你知道的越多,你使用得越少”这句话真的让我印象深刻。在讲授人力资本分析时,我用这句话来引用OLS回归和相关性在人力资本分析中的价值,但我想重新应用它来向科学方法及其与执行有效的人力资本分析项目的关系致敬。关于这个主题有很多文章,这些文章帮助指导了我为运行有效项目而建立的模型,但我担心真正的归因会回到科学本身。科学方法是组织干预的真正OG,在我看来,它还没有被取代。你知道的越多,你使用除科学方法之外的任何东西就越少。 Alec Levenson和Alexis Fink非常有先见之明地谈到了人力资本分析的真正价值如何位于分析和OD之间的连接点,因为分析和组织开发对于有效地对业务产生持续影响是必要的。真空中的人力资本分析没有多大作用。在执行有效的人力资本分析项目之前,您必须知道通过哪些步骤解决问题。伊恩·库克(Ian Cook)最近发表了一篇关于如何确定合适的人力资本分析项目的文章。这是确定解决问题的正确条件的良好入门书。我个人对如何解决问题的看法如下,我称之为“人力资本分析问题解决步骤”。这些步骤是我遇到的多种解决问题方法的混合体,但主要与科学方法有关。 人力资本分析问题解决步骤 确定业务问题/研究问题 回顾以前的发现 选择要检验的变量和假设 收集数据 数据分析和建模 展示结果并采取行动 检查和调整 在文章的后面,我将通过注释详细介绍这些步骤。但是,在这样做之前,这里有第二个资源用于运行有效的人力资本分析项目,新人力资本分析领导者会欣赏:“人力资本分析项目范围模板”,如下所示。有效地确定人力资本分析项目的范围是一种未充分利用的秘密武器,以确保项目成功并对业务产生影响。有效的范围应包括以下内容: 人力资本分析项目范围模板 在研究问题上保持一致 哪些研究问题需要回答? 我们如何知道研究问题是否得到明确回答? 每个研究问题需要测试的具体假设是什么? 数据收集 需要哪些数据和分析来检验每个假设? 时间表 — 签到、里程碑和关键决策 什么时候需要完成项目才能有时间采取足够的行动来解决手头的问题? 我们将如何跟踪项目的进度? 谁是所涉及的主要利益相关者和决策者? 将从结果中采取哪些措施? 利益相关者是否愿意根据研究结果采取行动/改变方向?如果答案是否定的,就不要做这个项目*** 他们愿意采取什么行动?成功是什么样的?如何衡量成功? 结果如何在未来持续下去,需要进行哪些持续的衡量? 为什么这个范围模板如此重要?根据我的经验,大多数人力资本分析项目等到“呈现结果并采取行动”步骤(来自上面的“人力资本分析问题解决步骤”)来考虑将从结果中采取哪些行动。这为时已晚。在就项目达成一致意见之前,适当范围的项目应了解将从结果中采取哪些行动。如果没有预先提交任何操作,请不要执行该工作。就是这么简单。不过,你可能会想,“但是,如果我们不知道分析结果,我们怎么可能知道我们将采取什么行动呢?对这种有效批评的回答是,大多数(如果不是全部的话)研究问题和假设都可以被括入一个决策树中,根据结果采取什么行动。这种决策树的一个例子,简单地说,是“假设1指出变量1将上升(或下降)。如果它上升,我们承诺做ABC来解决这个问题。如果它出现故障,我们承诺执行 XYZ 来解决它。”很简单,对吧? 同样,回答“你怎么知道你正在做的事情是有效的?”这个问题也非常重要。我开玩笑地说,我以回答这个问题为职业。Adam McKinnon在概述使用R衡量人力资源项目影响的技术方面做得很好。但是,引用范围模板,在项目开始之前回答诸如“如何衡量成功”之类的问题非常重要。创建和嵌入测量机制以确保此项目永远不需要再次完成,这是需要考虑的下一级解决方案。这就是我称之为“项目到流程”的转变。学习它,爱它,使用它。 评论 有很多文章指出了如何在理论世界中运行一个成功的项目,在这篇文章中,我对做同样的事情感到内疚。但是,在实际世界中运行人力资本分析项目呢?为了好玩,我想分享一个关于“管理人力资本分析项目的真实步骤”的有点滑稽的评论。我以前从未见过这样的主题,所以我希望你喜欢它。 管理人力资本分析项目的实际步骤 1.确定一个需要解决的真正的业务问题 — 四处打听。人们会告诉你什么是坏的。这是最重要的一步。在这里获得采取行动的承诺。 2.评估最小必要力和 80/20 规则**,以帮助确定要修复的正确问题和正确顺序 — “大多数研究人员都错过了这一步,这浪费了大量的精力。在进行任何数据分析之前,请先执行此步骤。**找到占影响80%的20%的问题。 3.检查内部(政治)或外部(出版/供应商研究)是否有人以前试图回答过这个问题 — 很可能有人以前试图解决这个问题,通过检查,你会知道你通过解决这个问题的真正目的。 4.找到哪些数据可以回答问题 — 如果数据存在,即使数据不完善,也要提供快速的分析和结果。仅针对有足够时间回答的大型复杂问题收集新数据。此外,展望未来,创建数据收集机制,收集数据以本地回答多个未来业务问题,以便在问题出现时,您将准备好快速回答它们。 5.分析数据 — 在分析和可视化数据时,始终牢记您计划如何呈现结果。在分析时制作你的叙述/故事,而不是在分析之后。 6.介绍结果 — 将建议的行动和这些行动的预期结果纳入介绍。可悲的是,几乎没有人在乎你的分析有多“酷”。他们只想知道发生了什么,如果他们对此做些什么,将修复什么 - 以及可能要花多少钱。请记住,利益相关者应该已经承诺根据结果在第1步采取行动。 7.跟进并协助变革管理 — 大多数人跳过这一步。这就是为什么在他们展示结果后什么也没发生,他们“坐在架子上”。找到使解决方案制度化的方法,并尽可能帮助其他人做出改变。 8.衡量你的建议和行动是否真的有效 — 直到你走到这一步,你才能切实证明你工作的投资回报率。大多数人在两步前停止。忍耐。这就是人力资本分析的美妙之处。执行此步骤可以让您展示自己如何支付费用。利润中心>成本中心。   作者:Cole Napper 往期系列文章: 第一期:如果你正在领导人力资本分析(People Analytics),现在该怎么办?创建人力资本分析仪表板  第二期:如果你正在领导人力资本分析(People Analytics),现在该怎么办? 人力资本分析的战略和实施 
    People Analytics
    2022年06月20日
  • People Analytics
    为什么人力资本分析( People Analytics )对HR如此重要? 今天的劳动力市场很紧张。由于大流行病、社会动荡和大辞职带来的环境变化,企业领导人和人力资源专业人士正在努力学习更多关于人力资本分析的知识,以及如何帮助他们不仅保持竞争力,而且保持对员工需求的关注。 什么是人力资本分析? 正如Jonathan Ferrar所定义的, People Analytics 人力资本分析是:"发现、解释和交流劳动力相关数据中的有意义的模式,为决策提供信息并提高绩效。" 人力资本分析团队的主要作用是为组织提供洞察力,使他们能够做出更好的商业决策,从而提高业务绩效,同时改善员工体验和福利。从本质上讲,人力资本分析侧重于人员和他们所产生的影响,它为人力资源部门向企业提供的价值提供了一个由外而内的视角。 从历史上看,人力资源的分析主要集中在跟踪基本的人力资源指标,或向经理提供关于人数和减员的报告。然而,人力资本分析团队现在越来越关注使用数据来了解人员如何影响业务价值和运营的每一部分,将分析嵌入实时应用程序和我们的工作方式,以获得洞察力并支持企业做出数据驱动的决策。 人力资本分析多年来是如何发展的 在90年代之前,人力资源部门主要涉及行政程序。在这个行业工作的同事主要负责点 "I "和划 "T",当他们提供建议时,是基于过去的经验和人事管理的工作知识。他们的角色更多的是被动的,在出现问题时处理,如填补职位空缺,指导新员工,记录由于缺乏表现而采取的纪律处分,或为员工辞职提交文件。 但随着时间的推移,人们对人力资源部门可以主动出击的理解也在不断加深。发现人类的行为可以被测量和评估,从而产生最佳实践,这使人们对将数据纳入商业决策产生了兴趣。因此,人力资本分析的开始,虽然在开始时发展缓慢,但现在看到了快速变化的工作环境所带来的加速兴趣。 在Insight222发布的2021年人力资本分析趋势报告中,61%的公司在过去12个月中增加了他们的人力资本分析团队规模。展望未来的18-24个月,我们的研究表明,对人力资本分析团队的投资将变得更加强大。在2021年接受调查的114家公司中,只有一家公司预测其人力资本分析团队的规模将在未来12个月内减少。只有一家! 人力资本分析在人力资源中的重要性是什么? 使用数据来推动讨论,为人力资本分析创造了潜力,围绕公司应该如何调整他们在整个人力资源的所有部门的做法,从招聘、保留、绩效管理、员工敬业度等方面做出明智的决定。正如荷兰银行的Patrick Coolen所说,由于人力资本分析的存在,重要的问题正在被提出。 "如果我要很快证明人力资本分析,也就是我们刚才的定义,对我们的业务是有益的,这也是人力资源部门内部的一个很好的卖点,因为他们当然喜欢这样。因此,了解是什么在推动业务?是什么让他们在晚上睡不着觉?他们看到了什么机会?他们说的是什么语言?了解和理解是非常重要的。我总是喜欢讲这样一个故事:当我们走进一个管理团队时,在我们旅程的早期,我只是问,你想了解你的劳动力是如何影响你的业务成果的吗?当然,没有人对这个问题说不。虽然我还没有发现有人对这个问题说不。这是一个很好的起点,可以开始讨论,我们如何能从我们的人力资本分析实践中支持这个问题?" 人力资本分析如何推动更大的商业价值? 在领先的公司中,人力资本分析和洞察力被注入到公司的运营和战略中,并在外部对组织在其领域的发展起到了主导作用。有了精通数据的熟练的人力资源职能部门,这些公司在更大程度上专注于建立咨询和影响、产品管理和变革管理的能力。这表明他们希望通过关注使其解决方案和预测有效。 业务成果通过人力资本分析得到改善,收集和评估信息,为决策者提供他们所需的工具,以实施推动其独特业务的做法,并帮助他们保持竞争力。 从我们的研究中,我们发现人力资本分析在以下方面具有巨大的商业价值: 多样性和包容性--在一个员工和雇主都意识到拥有多样化员工的重要性,并努力让每个人感到被包容的环境中,人力资本分析有很多可以提供更好的招聘实践和改进步骤,使每个人都感到是组织的一部分。 员工敬业度和倾听--随着对员工需求的新认识,如在一个有共同信仰的地方工作,需要更灵活的时间表,希望在职业发展方面得到帮助,以及对混合工作的偏好,人力资本分析已经帮助公司通过积极听取员工的要求来起草政策,使他们能够更快乐和更有成效。 劳动力体验--包括了员工从申请到最后一天工作以及之后的整个体验。在员工看来,有几个因素,通过收集和评估正确的数据可以使这个过程有效。由此,公司可以确定他们是否有能力进行生产,以及员工之间的技能组合。 人力资源流程--应该是清晰和容易遵循的,没有太多的麻烦来执行。人力资本分析协助评估哪些流程是有效的,哪些流程是无效的,以及如何改进这些流程,使招聘、入职、L&D或绩效审查变得更合理。 工作系统--应该为员工尽可能有效地工作而准备就绪。采取对当前或未来技术的评估,人力资本分析可以努力继续创造一个富有成效的环境和员工,以满足公司的增长或业务的转变。 技能组合--通过评估不断变化的人才市场和工作的内部转变,人力资本分析为人力资源专业人士提供了洞察力,以便在需求变得相关之前寻找人才,或为即将到来的角色提高现有员工的技能,或在员工的现有工作变得过时时,对其进行再培训,使其转向新的角色。 当人力资本分析参与进来,并确定每个人是否有相同的目标和在相同的心态下工作,公司文化可以看到实质性的改善。通过评估组织的 "脉搏",经理和人力资源部门的领导可以获得实时的知识,从而做出或大或小的改变,以更好地引导文化走向推动最佳商业价值的道路。 人力资本分析在人力资源和商业目标的所有方面提供了商业价值,这让许多人感到惊讶。人力资本分析提供了关键的洞察力,否则就不会被探索。正如Capital One的Guru Sethupath所描述的: "当我们可以利用一个洞察力或一个想法来改变某人对他们所做的决定的思考方式时,这绝对是不可思议的。我无法告诉你有多少次我遇到的人说,天哪,我不知道人力资源部门可以这样做。我不知道我们有这样的数据,也不知道我们能得出这样的见解,这改变了我对这个问题的思考。这就是你在这个领域所渴望的。我只是认为,随着越来越多的人、企业领导人接触到这一职能,并与这一职能进行互动,你就会看到灯泡亮起,看到它如何改变他们对人才、组织和决策的看法。” 为什么人力资源需要洞察力驱动? 对于人力资源专业人员来说,要想在他们为所有利益相关者提供的工作中发挥最大的效力,他们需要在新的环境中具备特定的技能。洞察力驱动为他们提供了基础,使他们能够在不断变化的人力资源领域和令人振奋的人力资本分析领域发挥自己的作用。 洞察力驱动可以解决所有的问题。 交付结果 - 使用适当的数据,您可以清楚地确定公司挑战的解决方案,并确定克服问题的最佳途径。 认真对待 - 通过掌握支持您结论的信息,高级领导者很难驳回您的建议。 推动商业价值变革 - 有了正确的信息,您就拥有成为变革拥护者的专业知识,帮助公司实现其目标,无论是发展积极的员工体验,降低人员流动率,提高再培训水平还是创建更高效的团队。 拥有交付技能 - 意味着你有心态来获取你所看到的,并以这样一种方式评估它,考虑到大局,你能够通过知道要收集什么,如何评估它以及如何在没有偏见或假设的情况下正确地解释它来充分利用数据。 关键要点 一旦了解了人力资本分析在工作场所的重要性以及它如何使企业受益,下一步就是开发数据驱动的人力资源。您需要评估您和您的员工目前拥有的人力资源分析专业知识水平。接下来是确定人们在分析方面有多精明,思想开放和愿意接受数据支持的过程。然后是必要的培训,以培养成功实施人员管理人力资本分析所需的数据驱动技能和信心。   文章来源:myHRfuture 作者:Manpreet Randhawa
    People Analytics
    2022年06月07日
  • People Analytics
    什么是人力资本分析(People Analytics)中的六种治理类型? 在过去的几年里,在人力资源中实施人力资本分析的做法越来越受欢迎。由于意识到最佳实践不能仅从过去的经验和知识中得出,人力资源专业人员和企业领导人正转向利用坚实的科学,在他们实施的政策和程序中创造真正的商业价值。为此,公司正在寻找最大的手段来确保他们投入到人力资本分析中的时间和精力具有最大的价值。领先的公司发现,增加机会的一种方式是通过采用人力资本分析的治理。 治理的定义是什么? 治理是指人力资本分析 "运作 "的机制、过程和程序。它是所有分析的基础,确保正确的人提供工作方向,确保管理数据和项目的结构和管理权得到实施和适用,并确保风险得到适当管理。 由于对人力资本分析的投资在2021年加速,并且预计在未来几年内只会扩大,因此对实施治理的需求越来越大。自2020年以来,人力资本分析团队已经从之前12个月的每4000人中有一人发展到每2900名员工中有一人。 治理是如何改善人力资本分析的? 在我们的调查中,42%的公司表示他们有一个利用人力资本分析的数据驱动文化,90%的公司相信这项工作能够为企业带来价值。 这就是为什么没有治理,分析工作就会失去重点,并有可能进行不必要的工作,产生不合格的价值增加。在最坏的情况下,治理不善会增加负面宣传的风险,增加声誉受损的机会。 人力资本分析需要一个坚实的基础。通过具有明确的目的、标准、隐私、道德和安全的强大治理,人力资本分析的团队将对他们的工作内容有一个明确的关注。 六种治理类型 治理是关于管理团队,或你的职能的运作模式。这包括把结构中的所有东西都集中起来,形成一个机制,你可以通过团队、技术和与你互动的人交付成果。 1.使人力资本分析与业务战略相一致 治理的一个重点是人力资本分析是否在努力为企业提供价值。为了能够做到这一点,人力资本分析团队应该专注于为更多的利益相关者提供商业价值。他们在为组织创造最佳实践时,不仅需要考虑到高管,还需要考虑到经理和整个员工队伍。 2.为职能提供一个使命和方向 如果不知道企业的目标是什么,就很难完成很多事情。通过让人力资本分析团队知道公司计划通过他们的努力来完成什么,团队就有了一个开始研究的地方,并了解最终的结果。 另外,通过了解公司所面临的挑战,以及他们希望在六个月或一年后达到的目标,可以让人力资本分析人员知道最终的目标,这样他们就可以规划出达到目标所需的步骤。这也可以防止他们偏离方向,把时间和精力投入到一个不是主要目的的实践中。 3.提供对职能的管理,包括数据、隐私、道德和财务责任 如果没有对人力资本分析的个别功能提供一些指导,球就会被丢掉。由两个元素组成--数据标准和数据安全,数据管理可以防止人力资本分析的失误。 数据标准是指同意管理人员数据的固定定义和协议。 数据安全的重点是保护从员工那里收集到的数据,以及为人力资本分析项目安全地分发这些数据,以免数据落入坏人手中。 需要关注的领域: 数据 - 被收集的信息本身。 隐私--这保证了正在收集的数据的安全性。如果员工担心他们的个人信息会被泄露出去并被恶意使用,他们将不太愿意提供意见。 道德--与个人数据的隐私一样,重要的是通过将收集到的数据用于业务需要而建立信任,同时不使用它来歧视、欺诈或以任何报复的方式使用。 财务--分配的预算让团队知道他们可以利用哪些资源,以及在这个过程失去商业价值之前他们可以有多深入。 4.帮助确定工作的优先次序 由于每一个人力资本分析项目都可能耗费大量的时间和资源,因此,团队保持对什么是最重要的检查至关重要。人力资本分析团队在努力确定项目的优先次序时,会问两个问题: 我如何知道应该从哪个项目开始,以推动最大的影响,并确保对我的人力资本分析功能的持续投资开始? 我怎样才能确保我做的每个项目都能为整个企业的大多数利益相关者带来最大的业务影响,而不是为少数--通常是非常高级的--利益相关者提供 "白手套 "式的待遇? 提供帮助,使这些团队的领导清楚地知道什么是对所有参与的人都至关重要的,可以增强团队对他们持续贡献的信心。 5.管理与特定人力资本分析项目相关的风险 随着任何项目的进行,有可能出现挑战,导致昂贵的失败,包括诉讼、安全或收入的损失。通过意识到风险和它们可能带来的后果,然后形成反击行动来防止这种风险,可以降低业务受挫的机会。 6.对人力资本分析团队进行问责 同样,为了使人力资本分析成功运作,需要有一个衡量成功的标准。引入团队合作,包括财务部门,他们计算数字并协助确定是否有投资回报,可以使人力资本分析部门意识到他们的努力是否提供了预期的结果,或者是否有改进的空间。这也是一个认可的机会,可以建立起参与感。 实施人力资本分析治理的方法 为你的人力资本分析项目实施管理,首先要关注在你的组织中创建一个数据驱动的文化。宣传和教育数据支持的决策系统的重要性和好处。 接下来,创建一个数据管理委员会,专注于数据治理和定义,这将消除整个组织对数据含义和数据定义的困惑。 然后,考虑一个价值链,你可以自己做,也可以通过Insight222®的人力资本分析运营模式来操作,该模式通过三个引擎提供规模化的价值: 需求引擎--顾问直接与企业高管合作,提供最重要的业务(不仅仅是人力资源)挑战和机会的漏斗。 解决方案引擎--由专家分析师、数据科学家、行为科学家和管理人组成,提供洞察力和建议。 产品引擎--由设计师、产品工程师和变革经理组成,以建立和实施有价值的大规模分析产品。 主要启示 在你的人力资本分析中进行管理,将缓解你在利用人力资本分析的组织中发展数据驱动文化时可能存在的任何不安全因素。有了一个良好的结构,所有的利益相关者都能清楚地了解定义和流程,你的人力资源战略规划的改进机会肯定会更加确定。 作者:Jonathan Ferrar
    People Analytics
    2022年05月24日
  • People Analytics
    人力资本分析(People Analytics)在组织中的地位? 一些人相信,人力资本分析People Analytics的未来不是作为人力资源(HR)的一部分,而是将成为整个组织分析的一个关键部分。 实际上,在目前的市场上,在人力资源部门内设有人力资本分析职能的公司--由数据分析师、科学家、工程师和顾问/翻译组成--与其他组织的分析职能位于IT、首席执行官办公室或商业智能/洞察力内,并在人力资本分析方面为人力资源部门提供服务的公司之间存在着良好的平衡。在第二种情况下,人力资源部门是客户之一,但不幸的是,往往不是最重要的客户。 但是,这两种情况的优点和缺点是什么?我们将在下面探讨这个问题。 让我们从13个不同的方面来看看在人力资源部门内拥有一个专门的人力资本分析团队与作为整体卓越分析中心(CoE)一部分的集中式分析的利弊。 下面的图片总结了我们如何看待组织中的分析或数据科学结构。 值得注意的是,在组织中对人力资本分析的定位没有正确或错误的决定。这在很大程度上取决于你的组织的规模,你拥有的资源,以及你的领导和利益相关者。很多时候,没有明确的人力资本分析团队,而是两种模式的混合体。随着我们走向未来,这种情况可能会进一步转变和发展。 1.策略 人力资源专业人力分析团队      该战略将由人力资源部门决定,因此与人力资源战略保持一致,并重点关注人。 人力资源部门的人力资本分析团队可能意味着在业务成果方面缺乏战略和问责制,从而难以实现业务目标。 集中式分析作为整体分析 CoE 的一部分 该战略将由公司整体战略决定,并更加关注业务目标。 这一更广泛的业务战略将与业务的短期和长期目标保持一致,并有助于提高生产力、收入和利润。 中央分析团队可能对 CoE 将向谁报告存在一些模糊性,并且可能需要额外的员工。 这样的团队需要角色明确,以避免成为所有人力资源相关数据的“垃圾场”。 2.优先级               人力资源专业人力分析团队      人力资源部门的人力资本分析团队能够通过以人为本的第一种方法专注于长期的战略影响。 它允许演示结果,并使整个组织看到对专门的人力资本分析团队的需求。 它保证关注直接影响员工的紧急和相关劳动力问题。 集中式分析作为整体分析 CoE 的一部分 中央分析团队通常会更多地关注可证明的财务影响,并将较低的价值归因于长期的人员影响。 在您展示结果之前,可能无法以这种方式集中分析功能。 中央分析团队意味着人力资本分析职责将被集成到整个 CoE 中,这可能导致 HR 被置于更紧迫的业务目标背后的底层。 这种设置可能会导致人力资源领导者感到得不到支持,因为对人事的关注较少。 3.实验/好奇心 人力资源专业人力分析团队 人力资源部门的人力资本分析团队拥有专门的预算和自主权,可以进行更多实验并遵循他们的好奇心,而不会占用他们的时间和预算的服务交付期望。 集中式分析作为整体分析 CoE 的一部分 中央分析团队在实验方面受到限制,因为较小的团队时间和资源有限,首先分配给实现业务领导者设定的期望。 该团队将由不同的专业知识和背景组成,从而提供开箱即用的观点。 4.影响 人力资源专业人力分析团队 人力资源部门的人力资本分析团队缺乏业务背景,可能会错失机会或过于关注人力资源问题。 该团队将对人力资源特定问题有更深入的见解和经验,因此在这一领域产生更大的积极影响。 集中式分析作为整体分析 CoE 的一部分 中央分析团队的项目组合可能会受到预期影响和投资回报率的驱动。 一个专门的团队可以在整个企业中产生更大的影响。 组建一个独立且高绩效的中央分析团队是一项艰巨的任务,需要时间来产生明显的影响。 5.技能获取和利用 人力资源专业人力分析团队      人力资源部门的人力资本分析团队可能难以吸引、获取和保留人力资源人才库中人力资本分析所需的必要数据科学和机器学习技能。 然而,创建这样一个团队为愿意学习这个角色的技术方面留下了空间,而人力资源需要实践经验。 人力资源部门专门的人力分析团队为人力资源特定技能和经验奠定了现成的基础,这在试图支持业务中的人力资源领导者时至关重要。 在人力资源部门建立一个人力分析团队,使得为必要的数据科学和机器学习技能制定预算(并找到)这些技能,并在仅专注于人力资源时有效地利用这些技能更具挑战性。 集中式分析作为整体分析 CoE 的一部分 中央分析团队通常可以更轻松地吸引具有所需数据技能的人员。 人力资源部门以外的人员可能缺乏管理此角色的人力资源方面所需的知识、软技能和经验。 另一方面,团队成员可能能够学习这些咨询技能,而分析技能组合被认为更难教授。 中央分析团队可以为人们提供分析和咨询技能的正确组合,以解释分析结果并与业务领导者有效合作。 创建中央分析团队为高需求的稀缺数据科学和机器学习技能提供了规模优势。 6.人力资源机会 人力资源专业人力分析团队      该团队与人力资源专家关系密切,可以轻松发现分析可以增加价值的机会。 人力资源部门的人力分析团队创造了一个机会,使人力资源部门更加以数据为导向,这对人力资源专业人士和领导者很有吸引力,因为这是人力资源的未来方向。 这也是一个与商界领袖一起获得一席之地并成为更强大的战略合作伙伴的机会。 集中式分析作为整体分析 CoE 的一部分 缺乏人力资源知识加上与职能的距离增加可能导致人力资源机会无法确定。 人力资源部门可能会被其他被认为更紧迫的话题所掩盖。 将中央分析团队作为分析 CoE 的一部分,通常会带来更多样化的视角和背景,从而产生更具创新性和更不标准的项目。 7.人力资源知识 人力资源专业人力分析团队      人力资源部门的人力资本分析团队由具有人力资源知识的人力资源专业人员组成,他们了解分析的工作原理以及如何有效地使用它们,这是使分析工作的重要组成部分。 人力资源部门的人力资本分析团队确保正确解释人力资源流程和人力资源数据。 如果组织已经依赖人力资源知识和数据,则此设置可能是首选,因为启动 CoE 可能更具挑战性。相比之下,如果一个组织很少依赖人力资源知识和数据,他们可能会发现这更容易。 集中式分析作为整体分析 CoE 的一部分 中央分析团队利用跨职能专业知识作为专业知识中心的一部分。 由于这个团队可能具有更多样化的观点和背景,他们可以在人力资源方面提出创新的解决方案。 中央分析团队可能会在没有特定人力资源知识和专业知识的情况下实现人力资源愿景变得具有挑战性。 8.结果/职能的可信度 人力资源专业人力分析团队      由于人力资源部门内部的人力资源解决方案,人力资源部门的人力资本分析团队可能不太可信。 但是,由于人力资源部门作为一个整体是以证据为基础的,因此可信度更高。 获取有意义的业务信息可能具有挑战性。 团队可能很难获得领导者和利益相关者的尊重和支持,因为人力资源部门长期以来一直享有“软技能”职能的声誉。 集中式分析作为整体分析 CoE 的一部分 中央分析团队将自动获得信誉,因为它在业务中的地位更高。 它还可能更广泛地认识到人力资源和劳动力视角对解决问题的重要性。 9.关系 人力资源专业人力分析团队 人力资源部门的人力资本分析团队有助于与人力资源利益相关者建立关键关系,并被视为值得信赖的顾问和人力资源团队的一部分。 团队通常可以提供一些最有价值的人力资源见解,以解决企业领导者面临的最大挑战。 集中式分析作为整体分析 CoE 的一部分 中央分析团队意味着人力资源部门成为客户,并与PA运营的共享资源建立了纯粹的服务交付关系。 团队可以战略性地使用分析和预测来建立重要的关系,影响业务领导者和利益相关者,并引导他们支持分析。 10.商业环境 人力资源专业人力分析团队      人力资源部门的人力资本分析团队可能缺乏业务背景,并且很容易错过连接到其他数据的重要机会。 集中式分析作为整体分析 CoE 的一部分 中央分析团队位于组织中更核心的部分,与所有关键部门都有联系,并且具有出色的业务上下文见解。 这样的团队增加了不同数据集被连接、分析和利用的可能性。 11.数据  人力资源专业人力分析团队 人力资源团队确保正确解释人力资源流程和人力资源数据。 它可能会更加了解并因此严格遵守数据收集和隐私法,以保护组织及其员工。 人力资源主管和数据隐私官将能够在创建和实施数据访问模型时提供所需的输入,该模型将允许连续和不受限制地访问数据。 人力资源团队增加了开发数据访问模型的可能性,机器学习和人工智能未来预测的成功将取决于此。 集中式分析作为整体分析 CoE 的一部分 中央分析团队能够连接到人力资源部门以外的其他数据,并创建一个单一的事实来源。 团队利用其他业务功能,这些功能在收集和利用数据方面通常领先于人力资源部门,并据此提出业务建议。 12.工具与技术 人力资源专业人力分析团队 人力资源部门的人力资本分析团队可能在工具方面受到限制,并且可能无法采购所需的工具和技术来执行其工作。 可能缺乏使用新软件和技术的技能,缺乏提高技能/再培训所需的投资。 集中式分析作为整体分析 CoE 的一部分 中央分析团队有更大的预算来投资数据、工具和专家。 该小组将能够获得更广泛的资源库。 13.数据素养 人力资源专业人力分析团队 人力资源中的人力资本分析团队允许人力资源组织使用数据驱动的循证方法积极解决问题。 它还允许人力资源组织提高工作技能。 人力资源部门的人力资本分析团队强化了这样一种信念,即管理人员是一项适合人类的工作。在做出关键决策时,机器和算法不应该取代人类,人力资源专业人员也明白这一点。 集中式分析作为整体分析 CoE 的一部分 中央分析团队将负责人力资源部门的数据和分析 这样的团队通常由具有特定分析技能的员工和顾问组成,因此可能具有更高的数据素养。 团队必须知道为什么他们要做出与招聘、晋升和解雇有关的决定,而不是简单地遵循“科学”。如果数据管理不当,可能会适得其反。 下一步做什么? 那么,既然您已经对选择在组织内定位人力资本分析的利弊有了深入的了解,那么接下来应该采取哪些步骤呢? 如果您选择将人力资本分析放在人力资源部门 了解更大的(企业)图景 至关重要的是,分析必须采取中心观点,建立业务敏锐度,并花时间了解业务的关键挑战和整体愿景。这使您可以获得信誉并培养与领导者和利益相关者的关系。 确保与业务问题的连接 在查看、分析和报告数据时,请在数据与业务当前挑战之间建立清晰的联系。 使用的不仅仅是人员数据 人员数据应与来自整个企业中其他部门的数据相结合。这使团队能够获得最大的洞察力,并充分利用潜在的增长机会。 避免只关注人力资源问题/问题 当人力资本分析被置于人力资源部门时,很容易只关注人力资源问题,而无法解决可能引起更大或同等关注的公司范围的问题。避免这样的人力资源偏见,并确保根据紧迫性和重要性解决问题。 将时间投入到业务影响、人力资源改进和实验中 确保您的人力资本分析团队将时间分配在与直接业务影响、人力资源改进和尝试新想法相关的任务之间。这确保了组织的所有关键领域都得到照顾,同时为创造力和创新留下了空间。 数据素养方面的工作 数据素养是所有人力资源专业人员应该努力追求的核心技能之一,以便在日益以技术为主导的工作世界中取得成功。数据已经极大地改变了我们的工作场所,并将继续这样做。 如果我们想充分利用数据的可能性,知道如何读取和解释数据至关重要。将现有的人员技能与数据素养技能相结合。然后,您就拥有了一个强大的组合,保证为您赢得与商业领袖的席位。 如果您选择将人力资本分析放在人力资源/卓越中心之外 确保团队中的人力资源/心理学知识 虽然拥有中央分析团队意味着您拥有出色的分析技能,但在做出人员决策以及与经理和领导者进行对话时,人力资源知识以及与人员联系和理解人员的能力同样重要。 做一个有意愿和好奇心的合作伙伴/致力于数据素养 将人力资本分析放在 CoE 中时,提高整个团队的数据素养同样重要。确保它得到妥善管理。这样,领导者就可以理解为什么要做出决策,而不是盲目地遵循呈现的数据。他们必须愿意与业务中的所有部门合作,对意想不到的模式和见解持开放态度,并跟进这些模式和见解以保持主动性而不是被动性。 根据所需的输入解释您的项目想法 输入是指项目中实现它所需的任何内容。这可能包括员工(外部或内部),融资,软件,办公空间等。确保向领导层解释拟议的项目所需的投入,以及这些投入将如何帮助实现预期的结果。 将项目理念转化为短期投资回报率和长期战略能力 在解释拟议的计划时,向领导团队明确短期和长期利益。解释这如何直接影响企业的成功。您越能展示投资回报率,就越有可能获得前进所需的资源和支持。   在决定人力资本分析在组织中的位置时,请考虑业务需求和可用资源。最终目标是使人力资本分析功能成为业务战略的一部分,继续成为日常运营的一部分,并最大限度地提高组织的成功率。 文章来源:AIHR 作者: Paul van der Laken
    People Analytics
    2022年05月16日
  • People Analytics
    为什么数据是HR最重要的资产? 正如商业数据对于建立、营销和销售新产品至关重要一样,员工数据对于发展和维护一支有影响力的员工队伍也至关重要。商业数据,以及像Salesforce这样的消化数据的平台,早已证明了它们的价值。然而,直到最近,员工数据才被认为具有同等价值,并有技术以一种有意义的综合方式使用它。 员工数据将公司联合起来 员工数据是一个关键,可以用来连接和捆绑公司使用的所有不同的点SaaS系统。 想想工资单、福利、时间和考勤系统所产生的数据。这些数据可以与传统上与人力资源无关的系统产生的数据结合起来,如客户服务、设备管理、安全等等。一旦一个公司整合了其人力资源和IT系统,它就可以开始在这些系统中实现工作流程的自动化,在合并的数据集上运行报告等等。 正如Rippling的首席执行官Parker Conrad所指出的,"对于数据库专家来说,我们认为员工数据是在所有商业软件中创建一个单一的、统一的模式所需的秘密成分。因为几乎所有的商业系统在他们自己的模式中都有一个雇员的维度表,你可以使用雇员数据作为连接条件,将所有这些系统绑定在一起。" Rippling如何帮助团队利用数据 Rippling 基于第一个统一劳动力平台构建,以直观且有影响力的方式提供更多数据,涉及更多事物。它帮助人力资源团队使用定量指标,在员工组织范围内发挥最佳水平。此外,它还包含运营数十家公司或全球员工所需的所有应用程序 — 一切都在各个规模上统一起来。 数据是人力资源深刻转型的核心 麦肯锡公司在其报告《新的可能:人力资源如何帮助建立未来的组织》中指出,在一个后大流行时代,"基于旧规则的管理系统--解决统一性、官僚主义和控制的等级制度,将不再有效。取而代之的应该是一个更加灵活和反应迅速的模式,围绕着四个相互关联的趋势:更多的连接、前所未有的自动化、更低的交易成本和人口结构的变化。" 这一观点强调了二十年来人力资源的深刻变革。曾经主要负责入职/离职、员工内部管理和相关任务的战术单位,现在已经成为整个企业的一个深刻的战略组成部分。 德勤在其重要的全球人力资本趋势报告中说:"人力资源部门正在承担一个新的角色,即这些新的人员流程的管理者和设计者......这意味着人力资源部门正在重新设计它所做的几乎所有事情--从招聘到绩效管理到入职到奖励制度。" 麦肯锡的报告同样指出,"人力资源部门应该通过建立分析能力来严格管理人才,以挖掘数据来雇用、发展和保留最好的员工。"而且,"为了让企业领导参与到对人才的定期审查中,他们(人力资源部门的领导)可以开发半自动化的数据仪表盘,跟踪关键角色的最重要指标。" 这种仪表盘传统上只提供给有资源的公司来建立自己的仪表盘。但是,有了Rippling,它们成为了标准。这只是一个可定制和统一的劳动力平台的一角。 你无法管理你没有测量的东西 三个令人惊讶的统计数据: 只有5%的大数据投资用于人力资源部门,即通常负责管理人力资源分析的部门。 只有9%的公司认为他们很好地了解了哪些人才维度推动了他们组织的表现。 只有11%的公司拥有与组织目标高度一致的奖励系统,23%的公司不知道他们的员工重视什么奖励。 我们可以从这些数字中推断出什么?企业明白人力资源数据是有价值的,但收集这些数据,并从中提取价值,仍然具有挑战性。被动获取数据和自动分析的能力将帮助人力资源团队积极地影响企业及其员工的发展轨迹。 使用数据和既定分析技术的量化方法可以帮助企业制定有效和公平的流程,消除偏见并帮助加强整个劳动力。 人力资本分析法的实践 谷歌的 "氧气项目 "是人力资源数据被用来重新定义全公司管理实践的最早和最好的例子之一。该项目于2008年启动,"根据两个量化指标来定义经理人的质量:经理人的绩效评级和来自谷歌年度员工调查的经理人反馈。这些数据很快显示,经理人确实很重要:拥有优秀经理人的团队更快乐、更有生产力。" 该项目是对人力资本分析能力的一个最好说明。从广义上讲,人力资本分析使用 "分析技术,从报告和指标到预测分析,再到实验研究 "来 "发现新的见解,解决人员问题并指导你的人力资源行动。" 传统上,人力资源部门主要通过 "基于情感、直觉和轶事 "的定性辩论来应对挑战。然而,使用数据和既定分析技术的定量方法可以帮助企业制定有效和公平的流程,消除偏见,帮助增强整个劳动力。 Rippling是数据驱动的人力资源 Rippling Unity使企业能够将接触员工的每个系统连接到一个真相来源。这意味着更多的数据,关于更多的事情,以一种可消化、有洞察力的方式提供。它帮助人力资源团队使用量化指标,在整个组织中发挥员工的最佳能力。 有了这样的整合,也就有了使几乎所有工作流程自动化的能力。无论是检测到薪酬差异时触发的人力资源警报,还是出现安全漏洞时通知员工的IT警报,以及任何类型的财务和工程工作流程,都有数以百计的工作流程和报告预设并随时可用。 对于人力资源团队来说,这种自动化意味着结束了阻碍业务中人的方面的行政工作。在其核心,Rippling的自动化是高度可配置的,这意味着该平台可以随着人力资源团队的需求而增长和弯曲。新的业务指令?预计招聘人数激增?需要发布全公司的政策变化?Rippling为你的未来提供了保障。 作者:Nathaniel Brewster
    People Analytics
    2022年05月11日
  • People Analytics
    【收购】人力资本分析领导者Visier宣布收购Yva.ai,帮助企业发现组织内部隐藏的真相 Visier是全球公认的人力资本分析和按需为人力企业提供答案的领导者,它于2022年5月4日宣布已经收购了Yva.ai的资产。Yva.ai是一家领先的协作分析供应商,利用人工智能和深度协作分析与同行调查的创新组合来照亮员工福祉、满意度和生产力,以获得对员工、团队及其工作环境的深入了解。 这一消息是在Visier的年度客户大会Outsmart上宣布的,该会议汇集了推动当今以人为本的业务转型的思想领袖和从业人员。 Visier联合创始人兼首席执行官Ryan Wong说:"我们相信,未来25年最成功的公司将是那些了解其员工并最有效和最负责任地使用这些知识的公司。这次收购反映了我们的目标,即通过揭示人们的工作方式和合作方式,帮助企业深入了解其组织内部的人类真相和隐藏真相。” Yva.ai是谁? Yva.ai总部位于加利福尼亚州圣克拉拉,它提供了一种创新的协作分析方法,将来自企业工具的数据,如微软Office 365和微软团队、Zoom、Slack和其他协作工具,并通过每周来源的同行反馈加以加强。 通过这种方式,从系统中自动收集的数据与个人的洞察力叠加在一起,共同为工作、福祉提供更深入的见解,并为组织内部隐藏的真相提供丰富的理解,包括: 哪里有紧迫的倦怠风险? 哪些团队合作得最好? 混合和远程工作的影响是什么? 哪些人对业绩和文化有不成比例的影响? "Yva.ai成立的原则是,了解人们如何工作以及人们如何一起工作,对于建立一种既能带来巨大成果又能带来良好员工体验的高绩效文化至关重要,"Yva.ai的首席执行官David Yang说,"Visier对这一原则有着坚定的信念,以无与伦比的人力资本分析产品为基础,以及更广泛的人员云愿景,使这些公司成为完美的组合。" 迈向更完整的人类真相 在今天的企业中,了解员工与了解客户同样重要。Visier称这种对员工的理解为 "人类的真相"。辞职潮、全球劳动力的萎缩,以及大流行病和混合工作环境的影响,给企业带来了非同寻常的压力,要求它们更好地了解自己的劳动力。 这要从360度的视角开始: 他们做什么--洞察员工的旅程,员工如何有效地工作,以及他们对目标、关键绩效指标和业务成果的影响。 他们的感受--通过对来自多个来源的反馈数据的持续跟踪。 他们如何协同工作--通过了解团队动态、非正式领导结构以及信任和专业知识网络。 这为组织的各个层面提供了洞察力和指导: 对于领导者来说,他们能够为企业和员工做出更好的决定,并深入了解团队如何合作、做出决定和获得结果。 对于人力资源部门来说,他们能够识别整个员工队伍中的差距、风险和机会。 对于个人来说--他们得到了比较基准和数据驱动的辅导,以改善他们自己的表现并指导他们的职业成长。 随着Yva.ai加入其产品组合,Visier成为从各个维度了解员工的最全面的平台,并有能力利用这些洞察力来推动公司、经理和员工的积极成果。 Visier董事长兼联合创始人John Schwarz说:"我们对Yva.ai加入Visier的解决方案组合感到兴奋,并欢迎创建它的新团队。Yva.ai的协作分析增加了一个重要的员工视角,以完成Visier对组织内人类真相的全面了解。" 除了收购Yva.ai的技术资产外,Visier还雇用了30多名Yva.ai的工程师和数据科学家,占其全球劳动力的大部分。 关于Visier Visier 是人力资本分析领域公认的全球领导者,为以人为本的企业提供按需答案。每个伟大的品牌、产品或想法的背后都是人类真相,而Visier People Cloud揭示了基本问题和可操作的真相,能够将您的员工和业务提升到新的高度。Visier由商业智能的先驱于2010年创立,在全球75个国家拥有15,000名客户,包括Adobe,BASF,Bridgestone,Electronic Arts,McKesson,MerckKGaA,Uber等企业。Visier总部位于不列颠哥伦比亚省温哥华,在全球设有办事处和团队成员。
    People Analytics
    2022年05月05日
  • People Analytics
    为什么扩展人力资本分析(PA)像引体向上,做1个容易,做100就难了? 创建一个关于员工的有洞察力的仪表板就像引体向上:做一个很容易,做100个很难。 为几位高管制作一个引人注目的仪表盘,并不会让一个熟练的数据团队不堪重负。但是,高管们不可避免地希望做出改变,将一个仪表板项目变成一个永无止境的传奇故事。 最重要的是,向整个组织的管理者提供人力资本分析,不仅仅是向高管层提供,正成为雇主的首要任务。在这样的规模下,仪表盘上的“肌肉”很快就会耗尽。 为什么人力资源领导者需要对他们的团队有深入的了解 直到2019年,大多数拥有人力资本分析功能的组织都专注于向少数高管提供洞察力。这些领导人正在询问一系列关于人力资源活动的基本业务问题,例如。我的员工在哪个部门?为什么有人离开组织? 当自上而下的雇主-雇员社会契约成为常态时,这已经足够了。但时代已经改变。 随着混合工作、高倦怠率和对社会公正的要求,工作世界已经变得无限复杂了。在以人为本的组织中,雇主仍然可以从鸟瞰的角度了解人力资源的趋势,但他们也不得不与员工进行持续的对话。数据支持的管理者是这些互动的核心。 例如,如果一些员工在脉搏调查中报告压力激增,管理者可以看到这个数据,并与其他团队在总体水平上进行比较。然后,管理者可以确定压力激增是否是由于他们组内的问题造成的,并在必要时采取行动。 像今天商业的许多方面一样,管理者需要从理解的角度来领导团队,而不是从直觉的角度,这意味着他们需要有数据洞察力。 人力资本分析造就敏捷型人才领导者 当填补空缺职位的时间达到历史最高点时,管理者们在帮助组织更明智地招聘方面也发挥着关键作用。考虑到招聘经理需要行动的速度,等待人才招聘团队的每月更新是不可能的。一个拥有最新和准确数据的经理可以以事实为基础管理他们的人才管道和招聘资源。 来自Insight222的研究表明,企业不仅仅是在做人力资本分析,而是希望更广泛地扩展其能力。根据该报告,60%的公司在2020年6月至2021年6月期间增长了他们的人力资本分析团队。75%的人力资本分析领导者预测,在2022年6月之前,他们的团队将获得更多的投资。 如果有更多的组织投资于人力资本分析,他们也期望从该投资中产生价值。我们自己的研究表明,当检索洞察力的能力超出数据科学和报告团队的范围时,组织在财务上就会蓬勃发展。 然而,假设你的解决方案目前为20个人力资本分析用户提供服务,将能够扩展到1000个用户,可能会让你失败。 扩展人力资本分析就像做100个引体向上一样 根据Visier的基准数据,一个典型的大公司每100名员工将有11名经理--在一个5000人的企业中,这意味着需要为近500人提供见解。一些组织可以轻松地做到这一点。例如,Merck KGaA已将其用户群扩大到3500个用户,其中包括业务和人员领导的所有管理层,以及人力资源职能部门。这些用户中,直线经理占了3000个。 其他组织在试图支持如此多的用户时,就会陷入困境。使用传统的商业智能工具提供仪表盘并确保它们的安全,可能会妨碍达到这种规模水平,而且当你没有合适的“肌肉”时,感觉很像做100个引体向上。 3个原因 1. 压倒性的安全要求 人员数据是敏感的。管理者应该只看到直接报告的细节,而不是组织中的所有人。他们还需要看到他们与企业其他部门的比较,而不需要访问个人的细节。当来自组织结构中不同层级的领导想要获得相同的洞察力时,他们可能想要定制内容。但是,支持每个领导的个人需求并保证数据的安全很快就会变得不堪重负。 使用人工方法在整个组织内提供这种水平的服务是根本无法持续的。数据分析师很快就会忙于整理数据和建立仪表盘,为不同的受众解决大量的问题。保持在所有这些不同的需求之上,意味着数据团队将创造出大量的复杂性,需要更多的人去管理。 2. 有限的灵活性 人事管理者的探索性分析是关于自由调查模式和趋势,因为它们与诸如福利、生产力和薪酬平等有关。 这种自由探索在传统BI方法中是不可能的。使用这种方法,主题和数据源的数量是有限的,因为逻辑需要事先建立在仪表盘上。如果不向他们的分析小组或团队提交修改请求,管理者们就不能临时提出新问题。这种方法造成了积压,因为给每个领导提供他们自己的 "数据管家 "并不具规模,而且会导致妥协和静态内容。在一天结束的时候,用传统的商业智能工具建立的仪表盘可以在视觉上令人惊叹,但你看到的就是你得到的。 3. 繁重的手工任务 正如分析专家Brent Dykes所描述的那样,在企业对数据采取行动并从其分析投资中获得价值之前,有许多里程碑式的事情必须要做。 这对于人员数据来说尤其如此。鉴于其复杂性和数量,建立一个仪表盘通常需要将一个可视化工具连接到某种数据存储,如数据仓库或数据湖。但是,不断变化的层次结构,安全要求,以及像基准数据这样的外部来源都不容易被这种方法所支持。 当如此多的工作被捆绑在数据准备和提取上时,企业就不太注重确定如何最好地分析数据和采取行动。Dykes认为,这是一个问题,因为决策阶段才是分析团队产生价值的真正所在。太多的时间花在人工任务上意味着分析投资永远不会得到回报。 作者:Steve Holder
    People Analytics
    2022年04月21日
  • People Analytics
    【Laura Stevens访谈】如何将人力资本分析和员工体验联系起来 在本次访谈中,DSM全球战略分析和员工体验副总裁Laura Stevens和David Green讨论了: Laura 如何利用她之前作为人力资本分析顾问的经验,影响她在DSM的人力资本分析职能战略 通过设计以人为本的服务,可以在员工体验和人力资本分析之间利用协同效应和机会 人力分析团队如何帮助支持 HR 业务合作伙伴和经理,使其更加以数据为导向 Laura 关于如何确定人力资本分析团队应处理的领域优先级的提示,以确保他们能够成功扩展 采访实录 David Green: 欢迎DSM全球人力战略、分析和员工体验副总裁 Laura Stevens。Laura,您能给听众简要介绍一下您和您的在DSM的角色吗? Laura Stevens:当然!我是比利时人,我也是一位母亲。我有神经心理学领域的背景和博士学位。我是DSM负责P&O战略、分析和员工体验的副总裁,在这个职位上,我向全球CHRO汇报工作。不到一年前我加入了公司。 David Green:我们稍后会回到DSM的职位上来,因为我认为将人员战略、分析和员工体验结合在一起特别有趣。但首先,我希望您能与听众分享您的职业历程?您之前曾与我们共同的朋友Luk Smeyers一起在iNostix工作,然后担任德勤的顾问,也许可以分享一下您对过去五六年中人力资本分析领域发展的看法? Laura Stevens:是的,确实如此。在加入DSM之前,我在德勤咨询公司工作了大约七年,领导并发展了一条人力资本分析服务线。正如你所提到的,这也包括收购了当时一家领先的人力资本分析初创公司,以前也被称为iNostix。多年来,我们一直在成长和发展这个团队,使其成为20名专门的人力资本分析顾问,我认为这使我们可能是欧洲最大的人力资本分析服务线。 在我看来,在最初的日子里,人力资本分析仍然处于我所说的,一种书呆子实验阶段。由于大多数公司所做的基本上是一次性实验,通常由单个数据科学家或分析专家进行,这也与组织的其他部分完全脱节。我还记得,成熟度思维主要由问题决定,公司是否在进行描述性分析,所以一方面报告一些相关性,另一方面报告高级或预测分析。Luk Smeyers当时是该领域的绝对权威之一。他是高级和预测分析的大力倡导者,而出于多种原因,我有点怀疑。我认为,首先,将高级分析作为绝对最成熟度的关注确实分散了与实际业务挑战或真正商机的联系。那么,如果我们甚至没有彻底讨论过,一个组织的挑战是什么,或者公司面临什么样的机会,那么为什么要开始一个专注于“HOW”的对话,如此的描述性或预测性或规范性。 其次,对人力资源预测分析的关注,通常通过参考营销或客户分析领域的成功用例来证明其合理性。尽管我发现人力资源部门可以从该领域学到很多东西,但另一方面,人力资源与营销和销售之间也存在显着差异。因此,在人力资源领域,我们几乎不使用任何大数据,因此我们的数据量和速度与营销和客户分析领域有很大不同,因此在人力资源领域将分析模型产品化的价值远不那么明显。 许多高级分析用例经常使我认为,也许最好的情况是,一些有趣但难以使用的发现。因此,人们通常会说"这很有趣",然后像往常一样回到他们的业务中。 David Green:实际上激发乔纳森和我写这本书的原因之一,就是你提到的那些成熟度模型,你必须做描述性分析,然后再上升到预测性和规范性。当我们与更成熟或更高级的人力资本分析团队交谈时,他们并没有这样想。他们在想,我们的组织面临哪些重大业务挑战,分析如何支持这些挑战?在一天结束时,它可能是一个很好的描述性模型,可以提供洞察力,可以解锁解决这一挑战的洞察力的答案。因此,当我们写这本书时,我们实际上讨论了人们正在关注的许多领域,无论是围绕治理和设置所有数据标准,在团队中获得正确的人际技能,正确的技术和正确的数据,然后是结果。归根结底,正如你所说,这是关于结果的。你谈到了一些用例,也许人们会说"哦,那很好",然后"好吧,下一步是什么?您在担任顾问期间看到的分析的最佳用例是什么?而且,您是否能够与听众分享其中的一些示例? Laura Stevens:是的,绝对的。对我来说,可能最有影响力的用例是劳动力市场组织的用例。因此,基本上是一家将求职者分配到合适工作的公司。在开发分析模型之前,临时顾问通常会根据求职者的简历以及与求职者的个人对话来指导他们对某项工作的搜索和建议。他们几乎不知道求职者确实找到工作的机会有多大,他们实际上也不知道如何最好地建议或协助求职者增加在某个领域部署的机会。 因此,通过开发的分析模型,为这个基于直觉的流程带来了真正的根本性变化。事实上,对于每个求职者,该模型预测了该人在特定时间范围内在某个地区确实找到工作的机会,并且它使用各种不同的数据源(包括简历数据)以及例如该求职者的历史搜索行为。在这个模型上,我发现非常有趣的事情是,该模型还阐明了该人可以做些什么来增加他或她的机会。因此,我认为用例不是基于内部人力资源或员工数据,而是基于劳动力市场数据,但我仍然提到它,因为显然它仍然与人力资本主题有关。 因此,这意味着该模型已经产品化,现在它已成为该临时机构新工作方式的真正嵌入部分。但不幸的是,我看到了更多的用例,这些用例从未像往常一样真正嵌入或集成到业务中。我认为这并不奇怪,因为许多用例在设计时从未考虑到过最终游戏。这意味着长期以来,我们一直在设计分析模型,而没有对最终用户有透彻的了解,因此谁最终应该从见解中受益,甚至是对结果如何推动经常性决策的反思。我认为我们基本上太专注于自己和我们花哨的建模技术了。 David Green:是的,并不总是最复杂的模型可以带来最佳结果。 Laura Stevens:我认为留存率分析对我来说就是这些典型例子之一。我与许多客户进行了互动,这些客户在分析上开发了一个相当强大的保留模型,然后产生了个人风险评分,但公司当时不知道如何在组织中实现该模型。他们使用个人风险评分,显然我们知道GDPR不仅限制了使用个人风险评分的使用,而且根据具体情况管理保留也是不可行或可取的。 因此,尽管该模型具有分析稳健性,但它的影响是有限的,因为它无法真正集成或嵌入到工作方式中。我认为这是一直困扰我的例子之一。 David Green:是的,我认为一个非常关键的一点是,你如何使这些见解具有可操作性,并且对于经理来说,也许在他们的日常工作中?事实上,在过去的一年里,你已经转向了人力资本分析从业者和领导者。您在担任该职位时学到了哪些知识,这对您在DSM的职能战略有何影响? Laura Stevens:首先,我并不是为了做一些高级的事情而追逐高级分析用例。我记得在介绍我的策略时,我的团队说:"高级分析用例在哪里?”他们非常失望。我认为这肯定源于我的背景和经验以及我作为顾问所看到的事情。第二。我也从来不会在没有非常清楚地了解最终用户的情况下开始一个项目,是什么让这些用户在晚上保持清醒,以及某些见解将如何带来变化。所以,人力资本分析不再是做一些有趣的事情,我们真的需要将重点转移到相关性上。我总是告诉我的团队,没有行动的洞察力是高收费的。我们根本不应该这样做。对我来说,这是一个设计原则,它不是我们一开始就考虑的事情。因此,我认为可操作性对我和我的团队来说是一个强大的资格和设计标准,而不是我们只在分析工作完成后才考虑的事情。 David Green:我认为这很棒,你需要在一开始就考虑最终目标,而不仅仅是投入工作。还要让最终用户,赞助商,实际上有他们想要解决的问题并准备对此做些什么的人。有趣的是,Laura,显然在加入DSM之前,您在市场上闻名的一件事是,您是员工倾听和持续倾听方面的专家。这就是为什么我认为你对人力资本分析和员工体验都有所有权。您认为两者之间是否存在可以利用或已经在利用的协同效应? Laura Stevens:是的,绝对的。因此,我感到非常幸运,在我的投资组合中同时拥有人力资本分析和员工经验,因为这两个学科严重依赖彼此才能取得成功。 我认为最直观的是,我们知道员工体验是个人的,它是主观的,所以这是关于连接和理解对我们的员工最重要的事情。因此,根据定义,这从倾听开始,从研究开始,从分析开始,而不是从假设开始。因此,对我来说,员工倾听和分析确实是员工体验努力的命脉。这是其一。 可能不太容易理解或直观的是,员工体验对分析同样重要,因为最终员工体验本质上是在设计解决方案和服务时考虑到人类。我坚信,这种以人为本的设计对于加速分析领域的进步和采用实际上非常关键。如果我们不了解最终用户是谁,或者如果我们不从最终用户开始,并彻底了解是什么让这些人在晚上保持清醒,我们将永远无法真正将分析嵌入到我们的工作方式中并从中获得可持续的价值。这是其二。 因此,员工体验对分析同样重要,就像分析和员工倾听对员工体验至关重要一样。 David Green:我认为对于组织来说,在进行人力资本分析方面面临的挑战之一,是在数据周围的隐私中,与工作委员会合作,实际上将大量分析工作集中在理解和改善员工体验上。这如何支持这些对话? Laura Stevens:是的。员工倾听实际上是最强大的,但也可能是最简单的方式,可以快速收集有关情绪,行为,对我们员工最重要的事情的可扩展信息,这也是我优先考虑许多员工倾听计划的原因。长期以来,分析一直专注于我们拥有的数据。在员工体验领域,丰富的数据显然来自我们自己员工的声音。从GDPR的角度来看,从数据隐私的角度来看,如果我们对这些结果将如何用于优化员工的体验非常透明,这实际上很容易。倾听员工的声音,比使用被动数据和系统数据来了解人们如何行动或与我们的系统交互要容易得多。 David Green:我认为你暗示了员工倾听的另一个关键要素,那就是,我们走出去,我们向员工提问,我们收集数据,但最终它需要导致行动,我想这又回到了你对结果的见解。 Laura Stevens:是的。在员工倾听的空间中,我的团队正在处理几件事,其中之一显然是闭环和行动。 如前所述,如今,特别是在大型全球组织中,只有少数事情可以像精心设计和强大的倾听策略一样强大和有影响力。当我谈到彻底的改变时,对我来说,这首先意味着所有倾听的努力都应该与我们的战略重点有非常明确的联系。我们基本上是调查供应商告诉我们要衡量什么,而不是根据我们的战略重点进行正确的问卷调查,这绝对是我和我的团队试图带来改变的领域之一。 第二个是可操作性。我在那里利用了我在神经心理学方面的背景,其中很多行动不是关于繁重的行动或由人力资源驱动的冗长的推出计划,而是关于激活个人并使用神经心理学和行为科学领域引入的一些推动原则。因此,这些是我们优先考虑的几个元素,以更好地闭合循环。 David Green:你可以看到,赋予个人权力是你真正看到行动发生的地方,然后我想你可以用你的倾听来检查A]如果它正在发生,B]影响是什么。 Laura Stevens:当然。将个人视为促进敬业度,幸福感等的积极因素,是一个非常重要的元素。这不仅仅是人力资源。这不仅仅是领导力。   David Green:我们将回到您关于以人为本的设计的观点。当您考虑从以人为本的设计角度考虑最终用户时,您是否也考虑将人力资源业务合作伙伴以及经理视为您的用户?如果是这样,您如何帮助这两个群体使用数据并支持员工体验? Laura Stevens:绝对的。我和我的团队的雄心壮志之一是在整个P&O职能部门或人力资源部门中嵌入和扩展数据驱动的决策。我们希望我们职能部门的每个人,基本上都能够做出数据驱动的决策。但我们也意识到,为了实现这一目标,我们需要确保我们的员工(包括业务合作伙伴)能够轻松访问正确的数据。这意味着在一个平台上,通过一个具有直观前端的平台提供,这也鼓励他们非常快速地探索数据和见解,即使没有分析背景。这样一个平台需要产生与我们的业务合作伙伴及其各自的业务领导者明确相关的见解。因此,它立即需要为他们的成功做好准备,因为他们可以与他们的商业领袖一起提供更明智的客观决策或建议。 我们现在正与我们的业务合作伙伴进行大量合作,以了解他们的战略以及他们的战略推动因素,以便我们可以确保我们的平台提供他们所需的见解,尽可能出色地完成工作。事实上,我们的目标是使我们的关键内部客户获得简单且相关的见解,显然,从这个意义上说,人力资源业务合作伙伴是一个关键用户。 David Green:您的团队和其他人力资本分析团队如何帮助支持 HR 业务合作伙伴过渡到更加数据驱动?我很想听听您对您在DSM所做的一些事情的看法,以帮助人力资源业务合作伙伴,以及组织如何在这段旅程中支持人力资源业务合作伙伴? Laura Stevens:我对这个问题的回答可能非常简短和简单。在我看来,如果我们的举措被视为另一件需要学习或获得的东西,我们就没有做正确的事情。因此,分析团队需要连接到业务优先级,然后通过数据驱动的见解加速这些优先级的交付。如果我们所做的任何事情都被认为是"还有别的东西需要学习"或"还有一些东西需要获得",那么我认为我们需要审视自己,并想知道我们是否支持正确的优先事项。 David Green:因此,您再次与您正在采取的一种方式进行了交谈,即从您的业务P&O业务合作伙伴那里了解他们需要什么来帮助他们进行对话和讨论他们正在对其业务职能或业务部门所做的工作。所以这是双向的事情,我认为有时我们认为这只是关于人们分析事情,把事情推出去,但实际上我们需要理解并确保我们推出的东西是相关的,并且有助于他们的工作。 Laura Stevens:当然。我根本不喜欢在"按需"的基础上工作,所以我是推动事物的倡导者,但我们需要推动正确的事情。 David Green:CHRO和HR领导团队,人力资源部门和其他P&O部门围绕数据驱动的重要性提供了哪些支持或传达了什么信息? Laura Stevens:数据驱动是我们P&O转型的核心支柱或元素,不仅是我们P&O转型的一部分,也是全公司的首要任务。因此,我们正在做很多工作,以发展成为一个洞察驱动的组织,好事是,现在我们正在中央分析团队在中央层面推动的东西之间创造协同效应,成为IDEO并带领人们,然后从这个意义上说,我们从P&O转型的角度做了什么。 重要的是要确保所做的任何事情都是相互加强的,而不是被视为来自人力资本分析的东西,来自全球分析团队或中央分析团队的东西,因此我们正在创造协同效应,并确保数据精通,分析精通成为一个机会,在职能之间简化,从中心点优先考虑的事情。 David Green:归根结底,这是一个团队的努力。我们去年所做的研究,我认为有22%的人处于你的位置,直接向P&O或CHRO的负责人报告,并且是人力资源领导团队的一员。这是一个非常明显的问题,但是,这如何帮助您履行职责,以确保您正在做的事情与最重要的业务优先事项相关联? Laura Stevens:我是全球P&O领导团队的一员,这确实有助于了解不同COE,全球业务合作伙伴,人力资源的优先事项,因此我坐在非常接近决策的地方。CHRO的支持极大地帮助了我,并在战略,实现以及与整个业务和组织优先事项紧密相连时加速了一些雄心壮志。 David Green:这很有趣,因为我记得Luk Smeyers,在几年前的一次会议上,实际上挑战了房间里的一些人力资本分析领导者,并说"如果你不向CHRO报告,我建议你去别的地方工作。" Laura Stevens:对我来说,这是我接受向DSM过渡的重要原因之一。因此,对我来说,向CHRO报告是一个基本条件,以确保无论决策在哪里,你都可以推动这些决策。我希望避免处于价值链的接收端,而是宁愿确保我和我的团队能够参与战略对话。 这就是我的角色真正让我兴奋的地方,也是我期望人力资本分析领域也真正加强的地方,我们不是一个执行引擎。我们将分析专业知识与对人员和组织的非常透彻的理解相结合,正是这种功能专业知识和分析专业知识的结合证明了我们的存在。否则,您为什么不将自己限制在中央分析团队中呢? David Green:很好。对于即将进入新的人力资本分析领导者角色的人,您有什么建议?特别是如果他们只有一个小团队。 Laura Stevens:很明显,这取决于你的野心,以及你的公司在数据分析领域建立的基础,我认为这是一件公平的事情。 但是,如果你的目标是提供战略影响,这是我的目标和我团队的目标,我绝对建议你继续坐在驾驶座上。所以这就是推与拉的关系。因此,要专注于一套精选的大单,战略优先事项。 
优先考虑那些有可能在整个组织内扩展的项目,以确保你的知名度和影响最大化。 我和我的团队将可扩展性作为最高资格标准之一。因此,我们避免最终进入非常特定于某个业务领域或非常特定于某个区域的项目,因为这永远不会帮助我们扩大影响并最终成为数据驱动的功能。这是最终的游戏,它不仅仅是交付分析项目。 David Green:这是一个挑战,不是吗?因为你可以完全被请求淹没,并且拥有一些你已经谈到的技术和速度,一个平台,可以满足一些日常请求,那些临时请求,只要你使用的技术易于人们使用,那么他们就可以自己找到这些信息,正如你所说, 然后,团队可以专注于将对业务产生最大影响的东西,这些内容也可以在整个组织中扩展。 Laura Stevens:我完全同意,特别是能力建设。你可以向人们解释你在做什么,你没有做什么,但有时它首先需要加强组织的其他部分,从事你不一定认为是你投资组合一部分的活动,并让人们在某些领域自给自足,比如基本报告。这就是为什么我的团队现在使组织,首先是P&O职能部门,能够轻松访问数据,以便他们在提取报告时变得更加自给自足,以便我们有时间真正专注于更高级的价值创造。   David Green:是的,你必须同时考虑这两件事。因此,这很好地引出了下一个问题。许多分析领导者面临的一个挑战是,对请求说"不",并确定他们应该在哪些领域开展工作。您有什么建议,如何说"不",并帮助确保他们保持专注? Laura Stevens:我想,这主要是一个在你的定位上投入时间的问题,也是一个教育组织了解你的战略和提供帮助人们理解你的目标是什么,这在优先事项和工作方式方面意味着什么? 
根据我的经验,帮助人们理解对所有事情说 "是 "永远不会为职能部门或组织的成功奠定基础,正如我已经分享的那样。 因此,如果您忙于处理15个不同的按需项目,并且团队非常小,您将永远无法专注于构建职能部门所需的正确可扩展基础,从而成为数据驱动的人力资源职能部门。正如在这个问题之前已经提到的,我认为有时它确实需要加强组织的其他部分。我认为,这对我来说是最重要的学习之一。这不仅仅是说,我想做什么。因此,现在我们非常专注于自给自足,基本报告以及组织其他方面的能力建设,以确保我们能够真正实现运营模式和理想设置。 David Green:我想,在首席人员和组织官、CHRO和人力资源领导团队中拥有强有力的倡导者和支持者也是如此重要的地方。 Laura Stevens:是的,这可能是所有这一切中最有影响力的因素。 David Green:我们现在进入最后一个问题,这是我们在这个特定系列中向每个人提出的问题,我非常有兴趣听到您对此的看法。技术在支持员工体验方面的作用是什么? Laura Stevens:在我看来,技术是员工体验的众多不同驱动因素之一,就像文化或物理环境一样。然而,公平的是,随着技术现在成为我们工作方式和交付价值的方式中越来越核心和更重要的一部分,对员工体验的影响可能是指数级的。 
因此,我认为今天人们需要的工具是有趣的、简单的、与完成他们的工作相关的。但是,他们今天更需要的,也是研究证明的,是一个连接和整合的技术环境。今天,积极体验的最大障碍可能是大量不同的脱节系统和技术,这要求用户花费太多时间来找到他们正在寻找的东西并完成他们需要完成的任务。这不仅对员工体验产生了非常负面的影响,而且最终也会对生产力和公司绩效产生负面影响。 此外,我的团队正在支持开发集成的数字路线图,以确保我们不会在独立的基础上处理每一项技术,但我们也考虑未来以及这些不同的系统将如何相互通信,以及我们如何为我们的员工创造简单性,以便他们可以在更快的时间内做得更好。 David Green:实际上,你还谈到了另外两个领域,显然是文化和物理环境。我开始看到的一件事,特别是在美国的一些组织中,是人力资本分析团队,除了收集劳动力数据,也在收集工作场所的数据,特别是希望我们开始回到我们的实体办公室。 
你认为这对DSM来说是个机会吗?同样,如果我们考虑到混合工作,了解我们在办公室时将如何使用办公室,然后可能将办公室设置为真正实现这一点,例如创新和协作。这是你正在考虑的事情,或者在时机成熟时将会考虑的事情吗? Laura Stevens:是的,绝对的。我认为最后一个细微差别是正确的。DSM正在我们所谓的"混合工作场所"上投入大量资金。显然,与许多其他公司一样,随着COVID的爆发,我们已经开始进行一些脉搏检查,这也围绕着我们如何促进或帮助我们的员工在混合环境中发挥最佳作用。因此,这是我们发起并正在进行的一项工作。 其次,我们显然也将探索如何使用其他数据源来促进人们重返工作岗位的过渡,我真的相信人力资本分析可以在那里发挥关键作用。但是,这更像是未来的管道。
    People Analytics
    2022年04月19日
  • People Analytics
    成功实现人力资本分析(PA)数据民主化的八个步骤 Insight222的《2021年人力资本分析趋势》研究提出了一个数据驱动的人力资源文化模型。关键因素之一是将数据驱动的决策嵌入到整个HRBPs和管理人员中。总而言之,这涉及到: 通过投资可访问且易于使用的工具,使整个组织的数据民主化。 提高HRBPs的数据知识技能,以及其他辅助技能,如咨询和影响。 通过确保来自CHRO的清晰一致的沟通,并激励采用数据驱动方法的职业旅程,支持人力资源部门的变革管理流程。 什么是数据民主化? 数据民主化是使组织中更广泛的人群可以访问数据和洞察力的过程,他们将从数据的使用中受益。Gartner预测,到2023年,促进数据共享的组织将在大多数商业价值指标上超越同行。 许多人力资本分析领导者最关心的问题是,"我应该提供的第一个大规模解决方案是什么,以实现数据的民主化?”根据人力资本分析领域的"领先公司"的说法,通过投资第二波人力资本分析技术,如基于SaaS的数据民主化系统(例如,Visier,Crunchr,One Model),或使用Microsoft Power BI或Qlik等工具构建仪表板套件,为管理人员和人力资源专业人士提供大规模的洞察力是明智之举。 本文将探讨使用分析仪表板实现人员数据民主化时,对成功至关重要的八个步骤。 实现人员数据民主化的八个成功步骤 1.CHRO赞助和关键业务利益相关者的支持 有一个关键的利益相关者很少需要说服人力资源部门的数据驱动文化的重要性,那就是CHRO本身。在Insight222最近的研究中,90%的受访公司表示,他们的CHRO已经明确表示,数据和分析是人力资源战略的重要组成部分。 因此,让CHRO赞助一个带有分析仪表板的人员数据民主化计划至关重要。这应该是建立数据驱动型人力资源职能的更广泛战略的一部分,该职能部门定期传达给人力资源同事。 如果要向业务成功启动分析仪表板,则相同的原则也适用。确定几位对经理有权访问人员数据以做出决策充满热情的高级业务主管是成功的关键。如果这些高级领导者能够与他们的团队一起设定期望,让他们使用这些数据来为有关其人员的讨论提供信息,这将开始推动高层的行为变化。 2.明确对业务问题的理解 如果仪表板仅关注人力资本分析团队认为重要的要求,则数据民主化将失败。必须花时间与人力资源业务合作伙伴、关键业务利益相关者和其他用户群体一起,了解他们面临的挑战、他们收到的问题以及他们与利益相关者的对话。在这些对话中,数据可以推动更有效的讨论。 然后,人力资本分析团队必须考虑如何将这些问题转化为仪表板可以回答的分析问题。为了在这方面取得成功,Insight222人力资本分析运营模型推荐了人力资本分析顾问的需求引擎。咨询团队直接与业务和人力资源利益相关者合作,了解、理解业务战略和挑战,并将其转化为解决方案引擎可以解决的假设。 在一家总部位于欧洲的大型全球金融服务组织中,人力分析咨询团队负责人采访了 50 多名 HR 和业务利益相关者,以收集自助服务仪表板的要求并确定其优先级。仪表板的目的是回答有关劳动力的关键业务问题,并减少人力资本分析团队的手动报告开销。仪表板已扩展到 HR 和业务部门的 2,000 多个用户。它在以前的尝试失败的地方取得了成功,因为它旨在满足人力资源和业务需求。咨询负责人理解并优先考虑这些要求,同时在整个项目中直接与利益相关者沟通,并根据他们的反馈迭代产品的设计。将手动报告从 3,000 份减少到 600 份以下所节省的成本用于资助高级分析团队的建立。 顾问的角色将继续成为该人力资本分析团队转型的关键驱动因素,自助服务仪表板是构建数据驱动型人力资源职能的基础推动因素之一。 3.开发用户角色和旅程 通过关注体验和结果,将以人为本的设计原则应用于仪表板的开发,将有助于开发为所有利益相关者带来价值的解决方案。以人为本的设计可以被定义为设计以人为本的产品、流程和体验的一种方式。必须考虑仪表板的目标用户,并为每个用户创建角色。要考虑的问题包括: 谁是仪表板的不同预期用户? 他们将在什么情况下使用仪表板?他们的用户旅程可能是什么样的?他们的兴趣、动机和需求是什么? 他们面临哪些挑战?仪表板如何帮助降低它们所经历的复杂性和摩擦? 他们需要如何使用数据和见解,因此哪些可视化效果最合适 将产品思维模式应用于仪表板的开发,并将用户(而不是人力资本分析团队)置于设计思维的中心,这一点很重要。正如ServiceNow首席创新办公室的布道者Nerys Mutlow所说:"人们喜欢以不同的方式消费信息。人们喜欢以不同的方式工作。有些人非常视觉化。例如,有些人对书面沟通类型的反应更好。” 了解"体验"本身就是产品思维的核心。正如Tata Steel人力资源战略、分析和人力资源创新实验室负责人Vipin Sharma所概述的那样:"我们所有的分析项目,无论是可视化仪表板、描述性分析还是预测模型,都是从最终用户及其解决的业务问题开始的。对于所有可视化仪表板,我们与领导层和HRBP就他们需要实时改进决策的KPI和见解进行了深入讨论。” 让用户参与仪表板的构建、测试和迭代可能是 HR 的一种新工作方式。尽管如此,从长远来看,它将使产品更加成功,而让HR参与设计和构建的过程将有助于为HR开发数据驱动的文化。 4.与数据隐私的合作伙伴关系 与人力资源部门的首席数据隐私官的合作伙伴关系对于确保人员数据的道德使用至关重要,这也适用于数据民主化计划。成功的人力资本分析团队与数据隐私团队建立了牢固的合作伙伴关系,并定期与他们会面,讨论人力资本分析项目、新兴数据源以及有关共享数据的隐私注意事项。 步骤 3 中创建角色的过程也应为仪表板创建安全角色配置文件提供信息。并非所有用户都需要相同的数据访问权限 - 他们应该有权访问其角色所需的数据,并且根据其角色类型和职责范围,这看起来会有所不同。 人力资本分析团队和数据隐私之间的合作伙伴关系对于正确实现这一目标以及在将新数据源合并到仪表板中时管理未来需求至关重要。同样重要的是,应用强大的数据管理,为仪表板中的数据元素和指标创建和记录标准定义。 5.试点并建立实践社区 仪表板的持续采用和使用可能是人力资本分析团队在此类工作中面临的最大挑战之一。为了增加成功的可能性,在更广泛地推出仪表板之前,必须先试用仪表板的启动以进行测试和学习。一种方法是首先启动到对产品支持和需求最大的特定队列或业务领域。另一种有效的方法是创建一个拥护者网络。这些拥护者是仪表板的早期采用者,一旦它在各自的团队中更广泛地推出,就会继续支持其使用。 创建网络或"实践社区(CoP)"有许多好处,例如支持提高人力资源和管理人员技能的计划,使其更加数据驱动。在 CoP 表面用例之间讨论和共享示例,其他用户可以从中受益。最后,有效的 CoP 通过利用 CoP 来鼓励和动员旅途中的其他同事,从而支持人力资本分析团队扩大工作规模。 在Merck Group,除了CHRO赞助之外,大使网络一直是培养数据驱动型人力资源专业人员的关键成功之一。Merck Group人员数据和技术集团负责人Alexis Saussinan解释说:"我们很早就意识到的一件事,特别是三四年前,是如果你想提高数据素养,那就忘记这个工具。这不是关于工具,而是关于你可以围绕它做些什么。这就是我们在人力资源部门内部以及更广泛的业务中建立社区的地方,这些社区聚集在一起,分享他们如何从人员数据和技术见解中获得价值。因此,能够建立一些大使网络,作为你技能提升努力的倍增器,这已被证明是非常成功的。” 6.与技能提升计划一起启动 人力资源领域最成功的数据民主化计划与人力资源专业人员的教育和技能提升计划同时启动。这些计划旨在帮助人力资源专业人员了解数据驱动意味着什么,以及如何在日常角色中应用这些数据。数据素养技能对于有效的数据驱动决策至关重要,但它们是未来人力资源专业人员需要的众多技能之一。其他包括以业务为中心的技能,如组织敏锐度,利益相关者管理和讲故事。 Insight222最近的研究发现,只有43%的组织认为他们的HRBP正在培养数据素养技能,尽管超过80%的CHRO希望他们这样做。 在不断发展的数字数据驱动环境中,深思熟虑的决策并不意味着每个人力资源专业人员都必须成为数据科学家。但是,每个人力资源专业人员都需要具备数字素养和分析能力。对于人力资源专业人员来说,收集数据和见解以告知决策并确保以新的创新方式将新的视角应用于挑战至关重要。 为人力资源专业人员和管理人员配备正确的工具,以便他们能够使用数据和见解来指导关键利益相关者的决策,这是建立数据驱动型文化的核心部分。但是,除非它伴随着一个专注于分析思维和数据素养应用的学习计划,否则它不会成功。 7.有意识地管理文化变革 重要的是要启动具有沟通计划的仪表板,其中包括来自CHRO,高级业务利益相关者的消息以及经过深思熟虑的营销活动以创造兴奋感。然而,一旦工具启动,数据民主化计划就不会完成。为了取得成功,至关重要的是,它们必须伴随着持续的变更管理过程。 业务和人员战略将继续发展,仪表板应经过持续的开发和发布周期,以确保它们反映业务和人力资源不断变化的需求。同样,组织中将有人员流动和新加入者,因此需要持续的营销,沟通和技能提升,以确保工具继续使用。重要的是要考虑如何将仪表板整合到员工旅程和计划中,例如新加入者入职以及表彰显示数据驱动的行为。 8.衡量影响 一个经常被忽视的步骤是测量数据民主化的影响。根据项目的最初目标,这可以以多种方式应用。例如,部署仪表盘的目标可能是减少对人员分析团队的临时请求,从而为人力资本分析团队创造能力,使其专注于更多增值的分析项目。 重要的是,随着时间的推移,衡量这种情况是否已经发生,并专注于仪表盘的持续嵌入,以确保采用。使用数据将确定人力资源和业务用户中哪些地方采用率高,哪些地方采用率低。这些数据可以用来为人力资源部门的进一步技能提升计划提供信息,并在高采用率的用户中确定冠军和使用案例,以帮助教育和促进工具的使用。作为人力资本分析管理的最佳实践的一部分,在财务和人力资本分析分析团队之间建立合作关系也很重要,以商定如何衡量商业价值和数据民主化计划和其他分析项目的投资回报。 最后的思考 通过投资可访问且易于使用的工具,来实现整个组织的数据民主化,是发展数据驱动的人力资源文化的一个关键部分。Insight222最近的研究发现,在人力资本分析功能提供易于用于做出即时决策的数据的公司中,超过80%的公司拥有人力资源驱动的数据文化。 正如微软人力分析主管Dawn Klinghoffer在这项研究的采访中分享的那样,"我们不仅提供数据,我们与团队合作,创建正确类型的准备材料,帮助他们有效地完成工作。这不仅仅是关于数据,而是关于你如何使用数据。虽然掌握数据质量问题和选择正确的技术很重要,但本文中概述的八个步骤至关重要,也应该纳入工作计划,以确保通过分析仪表板成功实现数据民主化。   作者:Naomi Verghese
    People Analytics
    2022年04月18日
  • 1234567891011 19 跳转至