Prescriptive Analytics - HRTechChina.com

Prescriptive Analytics

HR中的Prescriptive Analytics是什么？文/Chiradeep BasuMallick 从静态到描述性再到预测性，人力资源分析已经走过了很长的路。现在，我们正处于下一个转折点，围绕规定性分析和它对人力资源的作用展开讨论。我们分享埃森哲报告中的见解，并考虑一位工作日的商业领袖要说些什么。在过去的几年里，分析已经成为人力资源部门的一个主要流行语。从简单的静态报告，HR团队现在期待着部署各种分析模型并做出更好的HR决策。在当今可用的各种分析技术中，描述性分析可能是最常见的(它告诉我们事件发生的原因)，而预测性分析是最常被谈论的(它阐明了接下来会发生什么)。第三个类别是规范性分析，这还处于讨论的初级阶段。说明性分析结合了静态模型和描述性模型的历史功能，并具有前瞻性。因此，用户不仅可以了解接下来会发生什么，还可以了解他们下一步应该做什么。虽然这在理论上听起来很有希望，但研究表明，关于规定分析的讨论还没有开始。什么阻碍了Prescriptive Analytics在人力资源管理中的应用规定性分析已经被Netflix和Spotify等科技颠覆者应用于媒体和娱乐领域。该技术处理海量的消费者数据流，查看过去的使用模式，预测未来的需求和偏好。然后，说明性层介入，建议应该显示哪些建议，如何定制特定的促销活动，以及是否可以部署任何特定的消息来吸引用户。在HR中，这可以转化为数据驱动的劳动力计划策略，其中分配、优化和添加(招聘)的每个元素都由预定义的路线图指导。然而，当前的劳动力规划策略往往依赖于数据不足和遗留工具。应用规定性分析的机会是巨大的。它将有助于整合新的数据流，使雇主能够超越对未来趋势的全面了解，并实际识别未来的动向。考虑到这些好处，理想情况下，公司应该尽早采用并探索规定性分析如何转变它们的人力资源功能。但对数据质量的担忧，以及这项技术的颠覆性影响，阻碍了这项技术的实施。垃圾输入/垃圾输出原则意味着，通过规定的分析生成的洞见只与输入其中的数据一样好。没有上面讨论的基本分析功能(静态的、描述性的，然后是预测性的)的公司会发现很难跨出这一步。另一个问题是，必须仔细评估和调整规定性分析输出，以确定最相关的操作领域。对于缺乏内部数据科学能力或强大战略人才的公司来说，这可能是一个具有挑战性的过程。关键用例及前进方向埃森哲(Accenture)在一项发人深省的研究中发现，应用规定性分析可以帮助企业找到其现场员工表现更好的领域，为公司带来更多利润。虽然这在理论上听起来很简单，但该模型分析了4500多名现场工程师、300万件设备和7种产品，在超过12000种潜在场景中找到了可操作的见解。这项计划的规模和特殊性是巨大的——规定性分析能够将数据栈分解为最细粒度的细节，从而为处理无数工作场景提供建议。从员工计划到内部调动，从制定培训计划到激励方案，说明性分析可以颠覆所有现有的模型。 “就像Netflix的商业模式一样。它根据我们过去看过的电影来预测一部电影，”Workday、澳大利亚和新西兰董事总经理罗布•威尔斯(Rob Wells)表示。就像亚马逊或Netflix的推荐一样简单，所有这些推荐都可以通过一个简单的界面轻松地传递给经理们——无需IT或数据分析师的帮助。“为了使这一愿景成为现实，克服之前详述的挑战，我们需要在技术、创新方面取得重大进展，并集中精力改善所有规模雇主对人力资源技术的可及性。” 以上为AI翻译，内容仅供参考原文链接：What is Prescriptive Analytics in HR?

Prescriptive Analytics
2019年04月11日