• People Analytics
    人力资本分析指南--重返工作岗位选择方案 在员工重返职场并面对经济受损的情况下,人力资源部门的领导者们正在转向人事分析工具,帮助他们做出艰难的决策。无论是确定如何保证员工的安全,还是做出解雇和裁员的决定,或者确:鲜适?康脑惫そ?牒鲜实慕巧,这些技术都可以收集、融合和分析人员数据,指导人力资源领导者进行 "如果 "情景规划。 研究表明,即使在冠状病毒危机发生之前,人力资本分析软件的使用就已经在上升。现在,专家表示,许多人力资源领导正在加倍使用这些工具。 整合数据的平台 Platforms Integrate Data 人力资本分析平台可分为几类。 一类可以帮助用户整合和分析与COVID-19和员工队伍组成有关的各种数据集。它们可以帮助回答一些问题,比如哪些关键角色的员工可以回到工作场所,哪些人应该继续远程工作;协助制定第一和第二层的接班计划,以防员工生病或需要离开公司协助家人;帮助调整员工队伍规划,以适应业务战略的变化和不确定的收入预测。 AON公司是一家拥有分析工具的供应商,该公司的分析工具可以帮助人力资源领导在COVID-19中思考劳动力成本问题。这家总部位于伦敦的公司的人才模型平台可以帮助确定裁员的影响,或者帮助领导者从一系列的选择中做出选择,如裁员、减员、减薪或裁员。 专家表示,复杂的人才分析还可以帮助领导层评估裁员的替代方案,如冻结招聘或晋升,缩短工作时间,或减少房地产支出等成本。 Nicholas Garbis是One Model公司的人事分析战略副总裁,该公司是一家在德克萨斯州奥斯汀市设有办事处的人事分析供应商,他在COVID-19疫情爆发期间,与他交谈过的人力资源领导都看到了这一变化。他说,随着企业开始制定重返工作岗位的计划--这主要是为了解决员工对COVID-19感染的恐惧,以及监测托儿所的重新开放,现在更多的企业开始为今年夏天出现的 "万一 "情况做计划。 这个即将到来的阶段要求人力资源部门的领导们要有更好的数据和洞察力,了解目前员工队伍的状态,以及短期内可能需要如何改变。"你需要能够准确评估你的能力,从3月初到现在可能出现的那种劳动力缺口开始,"Garbis说。"比如说,你有哪些人才因为裁员、裁员或健康问题而流失?" One Model的分析平台将不同形式的人才数据收集并融合到一个统一的模型中,帮助浮出这类洞察力。Garbis说,HR应该检查企业中的 "人才段 "的状态,以及衡量潜在的冠状病毒风险,然后创建一个短期战略计划,以确定未来的劳动力需求。 "HR的业务伙伴现在就应该与企业领导人进行咨询,说:'这就是你现在的人员和角色的组合。'6到12个月后,你需要你的员工队伍会是什么样子?'"他说。'"他说,"你要确保你在你应该增长的地方增长,在你想收缩的地方收缩。" 人力资本分析还可以帮助将员工重新部署到需求增加的领域。总部位于加拿大不列颠哥伦比亚省温哥华市的Visier公司的人事解决方案副总裁Ian Cook说,他所认识的一家金融服务公司正在考虑裁员,直到另一个领域--人寿保险销售激增,才考虑裁员。库克说:"这让他们可以将一些一线客户服务人员转到销售人寿保险单上,"库克说。 在另一个案例中,一家地区性银行利用分析方法决定将呼叫中心转移到工作和平行工作团队,纽约市研究和咨询公司普华永道(PwC)的全球联合领导、人员和组织部门负责人Bhushan Sethi说。 "目标是帮助管理呼叫中心的能力和感染风险,"Sethi说。"在普华永道最近的一项调查中,近50%的CFO表示,当他们带人回到工作场所时,他们将不得不实施某种形式的轮班工作。" 员工辅导分析 Employee Coaching Analytics 员工辅导工具可以让管理者和员工反馈他们的沟通或管理风格如何因远程工作安排而改变。该领域的一个供应商是Cultivate,它创建的报告可以给员工在家中的数字化行为总结。 "这些分析可以向经理们展示,例如,他们对某些员工在家庭工作环境中的反应如何,或者他们与某些员工的总体相处时间有多长,"位于加州伍德赛德市的人力资本研究和咨询公司RedThread Research的联合创始人兼首席分析师Stacia Garr说。 衡量远程工作期间的包容性 Measuring Inclusion During Remote Work 这类分析可以帮助HR了解远程工作如何影响领导力发展、基于绩效的晋升或包容多样化的员工群体。一些专家认为,例如,远程工作环境会使隐性或无意识的偏见更容易生根发芽。 "我们知道,人们的人际网络因为远程工作而收缩,对员工绩效的洞察力也会减少。"Garr说。"当我们没有那么频繁地见面,也没有那么多的时间去了解别人在做什么或在想什么,这就会为无意识的偏见和成见打开大门。" Garr说,组织网络分析技术可以追踪员工的联系,让HR更好地了解远程员工在COVID-19期间是如何互动的,Garr说。"这些工具可以让你了解到谁被纳入了谈话内容,谁在邮件线程中,谁被邀请参加会议。它可以帮助你看到整个组织中的人是否被平等地纳入到会议中。" 这些供应商包括TrustSphere、Polinode、Innovisor和OrgAnalytix。 员工调查和情绪分析 Employee Surveying and Sentiment Analysis 许多公司正在部署员工倾听工具,以了解员工在家中的感受,并评估他们对返回工作场所的情绪。像Qualtrics、Yva、Perceptyx和Limeade等平台都提供了这样的调查工具,其中一些平台还包括人工智能功能,使其更容易编译和分析调查结果。 "企业正在利用这些调查来衡量员工对重返职场的感受,但要知道,并非每个人对重返职场的想法都是一样的。"Garr说。这类调查有时会要求员工登记他们对重返职场的偏好。比如说,他们是否希望在某些日子轮班工作,或者在某些日子进办公室,其他日子在家工作? COVID特定的员工健康与安全追踪系统 COVID-Specific Employee Health and Safety Tracking 一些人事分析软件已经适应了这一点,让人力资源领导将公开的COVID-19数据与其内部的人事数据合并在一起,以协助进行人力规划。Visier整合了COVID-19的数据源和自动分析,帮助用户在人员配置方面做出更明智的决策。 Visier的数据库让领导者能够看到哪些员工处于受冠状病毒影响最大的区域,并帮助管理业务连续性挑战。 "我们已经将最新的COVID-19病例数据分层到该应用程序中,这样企业用户就可以按地理区域查看病毒对其人群的影响程度,并可以查看华盛顿大学模型中关于各州高峰和变化的预测,"Visier的库克说。 原文标题:People Analytics Guide Return-to-Work Choices 作者:By?Dave Zielinski 来自SHRM 由AI翻译完成,仅供参考。  
    People Analytics
    2020年05月27日
  • People Analytics
    利用人力资本分析管理转型和变革 我们生活在一个以闪电般的速度变化着的世界里,信息量过大,技术革命不断改革,并且充满不确定性,就像我们每个人都在经历着Covid-19的阶段。所有这些变化都在改变着我们的生活方式,改变着我们如何相互沟通,改变着我们如何创造和分享知识,改变着我们如何做个人的事情,甚至改变着我们如何处理人际关系。 原文标题:Managing Transformation and Changes Using People Analytics 挑战和转型 全球性的Covid-19大流行对企业的管理方式提出了新的挑战。各个组织不仅在日常业务上发生了巨大的范围变化,而且经济秩序也发生了重构。现在,许多组织为了生存,不得不转变业务、组织和工作方式。与分布式团队合作就是这样一个很好的例子,这种业务转型适用于现在的大多数组织。 最大的挑战是,组织也必须以同样的速度在这些变化中运作。因此,他们需要不断调整之前的业务管理方式。由于世界已经变得如此变幻莫测,因此,在任何经济领域的快速变化中,采用这种方式已经成为任何经济领域的唯一出路。因此,现在对于企业来说,必须要以新的弹性、适应性的方式来开展业务,在其生态系统中参与并提供经济价值。 虽然这很有挑战性,但也为组织创造了一个机会,让组织通过渐进式的战略进行自我转型,以实现长期的可持续发展。为了实现转型,组织不能只关注技术赋能和流程,他们需要重新思考组织战略、领导力、文化和人才。组织必须激活、调整、激励和装备领导者,以激发和推动变革。 此外,让员工参与其中并赋予其权力也至关重要,因为变革是由最复杂的系统--人组成的。今天,组织需要基于分析的洞察力来帮助他们管理和跟踪这些复杂的组织变革的进展迹象,改变员工的行为、领导能力和业务成果。 利用人力资本分析,超越一般做法 人力资本分析不仅仅是人力资源组织所需要的。其他业务职能部门也已经认识到,他们需要用人员数据来分析和规划,并对入职、离职、绩效、薪资、留用、参与、继任、学习、领导力等人员职能进行循证决策。 此外,还可以利用这些数据为企业提供最优质的客户服务,带来创新,帮助企业转型。与不这样做的企业相比,那些对员工进行数据驱动决策的企业能够获得更高的绩效、更好的结果,并获得更高的回报。 虽然根据LinkedIn发布的《2020年全球人才趋势》(Global Talent Trends for 2020),人力资本分析(People Analytics)是第2大热门趋势,但我们还没有看到与变革、文化和转型相关的热门实践(还没有)。目前,企业主要是利用人力资本分析实践来衡量员工绩效、战略劳动力规划、识别技能差距、评估招聘渠道、评估人才供/需、识别飞行风险以提高留用率,以及减少招聘/晋升中的偏差等方面的人员分析实践。 根据LinkedIn的数据,许多组织在开发人力资本分析功能方面还只是处于早期阶段。从最初努力以有组织的方式收集数据,到利用洞察力获取竞争优势,需要经历一条陡峭的学习曲线。 人力资本分析是一个不断发展的过程,并且随着组织网络分析(ONA)、文化分析、工作场所分析等领域的扩展而不断发展。通过这些新的应用和领域,组织可以从分析员工的行为、价值观、人际关系、工作场所习惯和社会情绪中获得洞察力。这可以帮助他们在改善员工体验、未来学习等诸多挑战中获得帮助。 两年前,我介绍了文化分析及其用例。我解释了文化是如何对任何组织来说,文化是一个关键的基石。无论你考虑的是人才招聘、人员参与、业务绩效,还是任何转型,文化都是这一切的核心。使用文化数据来识别企业文化的行为特征,识别出高度一致的个人,是任何企业未来成功的关键。 这些数据还可以帮助我们利用对个人与组织当前或目标文化的契合度的洞察力进行招聘、发展和晋升。在很多情况下,我们需要重新审视我们当前的文化,并将其推向一个全新的方向。文化分析,可以看作是人分析的一个分支,它是利用计算和可视化的方法来推导和利用对组织中的共同价值观和信念的洞察力。而变革管理的转型和组织文化变革是使用人分析的关键用例。 在组织变革中使用人力资本分析法 与转型相关的组织变革并不容易,因为它需要有一个适应性的战略,并得到领导者的大力支持,能够培养一种拥抱变革的文化。从员工队伍和工作场所的不断变化,以及组织面临的诸如Covid-19等不可预知的事件所带来的挑战,可以清楚地看到对适应性战略的需求。捕捉正确的数据对于假设、实验、测量和利用探索性数据分析产生洞察力,为这些变化做出更好的决策非常重要。 组织在考虑转型时,需要数据来评估与领导力和文化变革相关的风险、进展、采用和使用情况。对于组织变革,重要的是确定改变的行为、工作方式和员工之间的持续协作。与其应用检查表的方法来进行变革管理,组织最好是专注于倾听员工的声音,并采用这种投入来确定变革的关键驱动力。 要开始收集信息,数据的来源可以根据需求、限制、基础设施和隐私设计的不同而有所不同。有不同形式的数据,当这些数据经过正确的分析后,可以从字面上转化为一些有价值的见解;在这种情况下,实时沟通和协作数据在企业内部是最常见的,无论是你的电子邮件、在线会议工具、客户平台甚至是项目管理平台,都可以成为企业的数据。 总有机会利用调查数据进行变革评估,比如说参与度数据,以及其他持续的倾听技术来强制执行结果,但要看需求。这些从不同来源收集的数据,当与组织和人力资源数据点相结合时,可以提供一些奇妙的洞察力,以便做出更好的行动驱动决策。下面的图1显示了可以构建的完整景观,可以为管理变革和转型提供可操作的洞察力。 在我们使用正确的可视化工具产生有用的见解之前,适当的数据工程、相关性和建模是至关重要的。它们可以为我们提供一种可访问的方式来查看和理解数据中的趋势、离群值和模式。当我们能够将这些数据段整合到现有的业务仓库中,并利用数据挖掘功能来发现有用的模式时,这将是一个很大的优势。此外,还有大量使用组织网络分析(Organizational network analysis (ONA)工具来了解人与人之间的联系及其关系,这为协作和信息流提供了一个数据驱动的视图。 最后,当我们在处理文本时,大多是从这些沟通和协作数据中收集到的文本,总能利用文本分析将非结构化的文本数据转化为有意义的数据进行分析,对意见、反馈、情感分析、实体建模等进行测量,以支持基于事实的决策。过去几年产生的大部分数据都是非结构化数据,主要是文本,但也有图像、视频等;这在很大程度上仍然是大多数组织没有开发的,尤其是在人力资源和人员数据方面。 使用自然语言处理科学的员人力资本分析可以非常有用地推动业务成果。总的来说,人力资本分析可以通过产生定量的行为洞察力,了解人们在工作中做什么、转型将如何影响他们的工作,以及行为的改变如何提高业务绩效,从而真正改变组织变革。 因此,在洞察力方面,这些数据可以产生关于劳动力行为和工作方式的有意义的分析和度量,包括变革行为、协作模式和沟通效率。这些都可以帮助组织在转型过程中监控理想的行为和目标工作方式。任何变革和转型的另一个重要方面是了解领导的角色和行为,同时确定非正式的领导者和变革推动者。 对于任何成功的转型,总是需要完全重新思考组织的设计。这些数据点也可以让我们对决策有效性指标、当前的瓶颈、组织发展范围有一个更好的认知,这对重新设计目标组织、保持组织的精益化有很大的帮助。除此以外,对于理解多样性和文化也可能会有宝贵的见解。虽然文化分析完全是一个独立的话题,但正如我前面提到的那样。 组织活动指标,如参与度、保留率和内部岗位轮换频率等,也可以用来支持转型。然而,最有效的分析是,当利用这些数据产生的洞察力还能提供生产力、效率和绩效的清晰图景,以及风险指标,可以帮助领导者在管理变革时对业务结果做出更好的决策时,才是最有效的分析。根据转型目标的不同,组织可能会利用所有这些数据产生不同的其他洞察力。 BCG认为,人力资本分析可以识别出最有效地提高绩效和放大转型效果的车轮。他们的分析经验表明,通过提高员工的留用率、通过更好的领导力减少减员,以及赋予女性推动业务发展的能力,组织可以将客户满意度提高21%。正确使用人力资本分析,可以发现令人难以置信的可操作性的洞察力,从而找到真正需要解决的业务问题的核心。 利用人力资本分析技术实现数据驱动的变革 我们很多人都知道Spotify的敏捷方法论,它是一种以人为本的自主框架,在强调文化和网络的重要性的同时,也强调了敏捷的扩展性。Spotify还引入了 ‘Tribes’, ‘Chapters’, 和 ‘Guilds’等团队术语,这些团队的目标是促进团队合作、协作和创新的好方法,也让团队成员有了主人翁意识和赋能感。 所以,这个方法论使用了Squads、Tribes、Chapters和Guild,其基础是Squad,它的作用就像一个Scrum team。Squad会自我组织,决定最佳的工作方式,从Scrum sprints到Kanban,再到混合式工作方式。Squad是以单产品和单项目为中心。 产品负责人为Squad确定优先级并管理积压的产品,而敏捷教练则与他们一起工作,加速转型。Tribe是由一群在共同领域工作的小队组成。Tribe与小分队合署办公,人数限制在100人以内。分会是小分队的一部分,是一个团队成员共同工作的小组。最后是行会,是一群有共同兴趣的人组成的团体。上图2说明了两者的关系。 Time is Ltd.提供了一个非常有见地的案例,他们用他们最喜欢的生产力工具如Slack、G Suite、O365、Zoom等来衡量一个组织的各个团队的数字化协作,这些工具可以节省时间、节省金钱,提高团队的工作效率。在他们的一个客户采用Spotify的敏捷方法论的过程中,他们提供了一些假设,如图3所示,以确定正确的KPI来成功衡量敏捷转型。因为能够持续监控所实施的结构是否也反映在员工的协作行为中,这一点至关重要。 图3 - 衡量敏捷转型的关键假设 这些关键假设被选为测试对象之一,并在监测本组织敏捷转型期间的进展情况时用作指标。这些数据是通过Office-365日历数据的汇总来获得的,这些数据记录了组织内相当一部分的协作活动。通过捕捉电子邮件、聊天记录、Jira、Slack或Google Doc等沟通数据,总能获得更精确的结果。另一个数据源则是为团队获取组织的数据。 通过使用频率分析和社会化映射(OSA工具)对协作模式的分析,团队获得了下面的洞察力,用于上述各自的假设。 1、原始员工网络和新的敏捷设计的网络之间的互动频率的变化。 2、聪明的人在各自的班组和部落内部的关注时间比例随时间的推移而变化。 3、员工在会议中的行为,包括会议的参会人数、重复性会议、会议邀请、一对一会议、会议时长等。 图4是对比敏捷转型进度的不同图表。更多关于此案例研究的详细信息,请通过数据驱动的变革管理下载完整版。使用被动数据衡量敏捷转型。 这些分析对于衡量转型和了解组织设计或重新设计的必要性至关重要。最终,这些洞察力有助于组织利用已有的数据,并确定新的KPI指标,从而更有效地管理正在进行的敏捷转型。这也适用于管理我们身边正在发生的其他转型和变革。此外,组织还可以探索与员工福利、烧伤率、参与度、生产率等相关的指标。 总结: 我们已经看到,人力资本分析是如何将数据与有效的决策联系在一起的,以及如何从人类行为中获得洞察力,帮助员工和组织更好地履行职责。人力资本分析不再是人力资源部门的必备工具箱。它是企业需要建立的一种实践,这样他们就可以利用所获得的洞察力来获得竞争优势。 诚然,企业正经历着不断的变化,面临着来自不确定性、市场不稳定、数字化、新的工作方式和全球化的挑战。人力资本分析能够带来相关的数据,使变革管理能够回答许多问题,而这些问题对于企业正在经历的不断变化是至关重要的。 以上由AI翻译完成,仅供参考
    People Analytics
    2020年05月25日
  • People Analytics
    为什么HR必须要掌握People Analytics Why an HR Professional Must use People Analytics 随着时间的流逝,人力资源得到了巨大的发展,并且日新月异。HR不仅涉及人的方面,而且随着时间的推移,越来越多地使用数据和技术,这是过去十年来出现的。Human resources has evolved greatly over time, and continues to do so with each passing day. Moving beyond just the human aspect, HR is over time working more and more with data and technology, something that came about over the past decade. 数据的重要作用及其对HR各方面的影响,是HR分析技术的诞生。按照Heuvel & Bondarouk,2016年的说法,是指 "系统地识别和量化业务结果的人的驱动因素,并将其量化。" 它探讨了捕捉、测量和组织人员信息的不同方法,以发掘对组织的人力资源战略有价值的见解。 一个组织如何使用人力资源分析?How does an organization use human resource analytics? 人事分析在促进人力资源部门为组织的战略决策做出更好的贡献方面发挥着至关重要的作用。它通常用于解决特定的挑战,例如。 HR收到的工作申请质量不高。 在过去一年中招聘的员工流失率激增 特定团队的生产力下降 HR对分析的具体用途是什么?What specific uses does HR have for analytics? 具体的挑战可能会有所不同,但利用人力资源分析的杠杆作用通常是其中之一。我们的想法是利用数据来。 用既定的指标标准来衡量组织的绩效。 观察并总结出应对所面临挑战的可能解决办法 根据假设的解决方案改变流程,以解决挑战。 监测变革的结果,以了解其效果如何,并对其进行调整,将其推广到其他流程中(如果在这里成功的话),或将其回退(如果未能实现目标的话)。 分析学对HR的工作有什么影响?How has analytics impacted the work of HR? 随着经济和人力资源团队的工作按照数字时代的要求不断发展,那些希望成为人力资源专业人员并在人力资源领域创造未来职业的人,在他们的工作中需要能够很好地与数据打交道,这也是他们在工作中所戴的许多帽子中的一个。他们必须能够利用人员分析来筛选数据,并得出有价值的见解,为组织提供战略方向。 下面列举了人力资源部门工作中受分析影响最大的具体领域。 ·绩效和效率: 这些是最常见的监测指标,用来判断人力资源活动和流程的成功与否。例如,按来源追踪留用率,可能会发现,比如说内部招聘显示的留用率明显高于LinkedIn发布的职位。然后,HR专业人员可以重新组织他们的工作流程,将内部招聘优先于其他来源,从而提高HR工作的效率。通过类似的方式使用数据来跟踪工作流程的绩效和效率,可以对资源配置进行关键性的选择,从而将重点放在影响最大的领域。 ·招聘和录用方面:无论是在时间上还是在金钱上,这些都是人力资源团队处理的最昂贵的活动之一。人力资源分析可以通过改善这些重要流程,在节约成本方面发挥重要作用。 例如,人力资源部门可以将成功地被本组织聘用的人和不成功的人的数据与未来招聘的人进行比较。这将有助于更好地判断该人是否适合当前的角色和组织文化,这两个关键因素。在第一次招聘的时候就能准确地判断出一个人是否合适,可以节省重新招聘的宝贵精力,并通过减少摩擦和更好的福利等措施,将更多的精力用在留住现有员工上。 ·员工体验:人力资源部门的工作不仅仅是招聘员工来填补现有职位。他们的工作的一个重要部分是创造良好的员工体验,并努力改善员工的体验,因为快乐的员工总是更好地参与其中。这种参与度可以通过以下几个方面来帮助员工。 ·提高生产力 ·提高保留率 ·实现更高的总体成功率 员工的出勤率、参与度和生产率只是人事分析可以跟踪的一些指标,可以更细致地了解员工的体验。这可以提出人力资源部门需要改进的地方,并能带来优化的福利、休假政策以及培训和发展机会。 "这不仅仅是招聘,还包括留住、激励和发展强大的员工。"东北大学人力资源管理硕士课程讲师Tom Penque说。"人力资源分析归结起来就是能够...........利用所有这些信息来改善组织和员工。"   以上由AI翻译,仅供参考 作者: Aileen Scott
    People Analytics
    2020年05月10日
  • People Analytics
    【调研】人力资本分析(People Analytics)在企业中职能发展与应用实践调查 尊敬的阁下: 诚挚邀请参与《人力资本分析(People Analytics)在企业中职能发展与应用实践调查》 参与调研地址:http://hrnext.cn/MX60L 调研简介: 行业领先的公司越来越倾向借助数据分析发现问题和引领人力资源管理价值创造,人力资本分析(People Analytics)成为当前热门话题,PA在企业中的实际运用情况究竟如何?针对这一系列问题,HRTechChina联合Keystone 科石咨询启动了 “中国企业人力资本分析(People Analytics)职能发展与应用实践”的调查研究,旨在了解人力资本分析(People Analytics)职能的在中国企业的实际发展和应用现状。 请在5月31日前填写并提交本问卷,合格的内容提交者将获取本次活动的调查报告与相关洞察。 本次调研由HRTechChina联合Keystone科石咨询?共同发起。提交内容我们会认真审核提交内容,仅作为本次调研报告使用,不会泄露任何公司隐私信息。 适合参与调研的对象:CHRO、HR总监、HRSSC负责人、HRIS负责人、PA专业人员、HR经理人等相关专业人士 适合参与企业的规模:100+以上规模企业(总部规模可小于100人) 关于HRTechChina HRTechChina 是中国首家领先的专注人力资源科技商业服务平台。HRTechChina核心报道中国人力资源科技创新企业及产品信息,关注并实时分享全球的人力资源科技资讯。同时,以原创角度独家报道人力资源科技公司和创业公司;每月关注并独家发布人力资源科技投融资数据及报告,业已成为人力资源科技领域创业者以及行业精英获取全球人力资源科技行业资讯和动态的主要渠道。 HRTechChina率先在国内引入PA概念以及推广培训活动。 关于Keystone科石 科石(Keystone Consulting)是一家聚焦于组织与HR创新的咨询机构,业务涉及管理咨询、学习发展和信息调查。科石是国内第一家聚焦组织与人力资源数据与效能分析的管理咨询机构,引领该领域管理实践与方法论的建立。通过培训、咨询等方式,推出了一系列创新产品,辅导多家企业创造业内最佳实践。 项目联系:pa@hrtechchina.com 微信客服:hrtechina 科科 参与调研地址:http://hrnext.cn/MX60L
    People Analytics
    2020年05月09日
  • People Analytics
    如何建立一个优秀的人力资本分析(PA)团队 How to build a people analytics team 正确地组成人力资本分析团队是解决业务问题的关键所在 "数据就是新的石油"。这句话很少有人记得自己第一次听到这句话的时间和地点,但现在很多人都会自信地点头同意。 事实上,这句话可以追溯到数据科学家(也是Tesco Clubcard背后的大脑)Clive Humby,他早在2006年就创造了这句话,用来解释今天数据的不可抗拒的价值。 Humby解释说,就像石油一样,"如果未经提炼,[数据]就不能真正被使用"。也就是说,数据要想有任何价值,就必须将其分解成更简单的形式并进行分析。 在人力资源领域,这个数据提炼过程同样重要。它通常被称为 "people analytics" 人力资本分析,多年来,它导致了人力资本分析团队的诞生。 不过,虽然它已经出现了一段时间,但人力资本分析的进展却一直很缓慢。德勤发布的《2019年人力资本趋势报告》发现,尽管企业对更好的数据管理产生了浓厚的兴趣(在2017年的报告中,71%的企业将人力资本分析列为高度优先考虑的事项),但仅有26%的企业有效利用技术和分析技术。 "如果我们坐进时光机,回到10年前,我当时说的是关于人力资本分析的事情。那是因为它仍然有一个未实现的潜力,"南加州大学马歇尔商学院有效组织中心的高级研究科学家Alec Levenson说。 "典型的情况是,人们把注意力集中在眼前的数据上,而不是想出正确的问题。他们会说'一定有什么东西我们可以从这些数据中学习到',是的,总会有一些洞察力。"他说。"但如果你只看数据,而不把它嵌入到更大的业务背景中去,问一些更大的问题,比如你想解决什么问题,那么它可能会把你带入死胡同、兔子洞和爱丽丝梦游仙境之类的冒险。" 施华洛世奇公司人力资本分析和数字人力资源总监Oliver Kasper补充说,团队过于专注于报告,而不是挖掘预测性或规范性分析的可能性。 "人力资本分析可以往两个方向发展,"他解释说。"一个方向是回顾过去,所以报告过去发生的事情。然后是展望未来的活动--这就是预测性和规范性分析。我会说只有1-2%的大公司在做第二个方向。 "而这就像在谈论蒸汽火车和电动车的区别。报告是蒸汽火车,预测性和预见性分析是电动汽车。" 那么,在数据的重要性只增不减的情况下,HR如何打造一支真正能带来业务成果的人力资本分析团队? 职权范围Remit 人力资源转型咨询公司LACE Partners的首席执行官Aaron Alburey说,首先,人力资源部门应该退一步,确定自己究竟想要从人力资本分析中得到什么,人力资源转型咨询公司LACE Partners的首席执行官说。 "这是关于理解这个职能的目的是什么,以及你一开始为什么要设置它,"他说。"在你明白你想覆盖什么以及如何覆盖之前,你无法理解你需要什么。" 在Facebook负责人力资本分析和劳动力战略的副总裁Alexis Fink看来,这个职能的目的应该有三个方面。"我试图沿着三个轴来思考这个问题。首先,沿着X轴,就是员工的生命周期。通过选拔、入职、员工态度和离职调研,从候选人库中的点点连接起来有很大的机会。她说:"Y轴是分析层面--个人、团队、组织、企业,甚至超越了组织的边界,延伸到行业、劳动力市场和社区。 "最后,Z轴是关于你使用数据的方式。你是在执行流程、做报告、分析寻找模式,还是创建能够有效推荐行动方案的算法?" Levenson认为,看待人力资本分析团队的作用有 "两种非常不同的方式"。"一种是认为它只是一个数据处理功能。如果你这样建立一个人力资源分析团队,你就不用担心业务影响或成为真正的业务合作伙伴----从字面上看,你只是一个数据处理的黑猩猩。"他说。 "但如果你的目标是获得能够帮助业务其他部分更好地运行的洞察力,你就不能只是一个数据处理者。它需要的是洞察力,而不仅仅是人力资源的洞察力,而是业务的洞察力。" 后者--专注于业务数据和问题,而不仅仅是人力资源数据和问题--是团队应该努力的方向,德勤劳动力转型实践中的人力资本分析和劳动力规划专家领导David Fineman表示同意。"高影响力的人力资本分析发生在整个组织中的合作伙伴关系中,"他说。"分析应该专注于业务挑战,因此,人力资本分析团队应该从人力资源的角度出发,但他们应该专注于实现更广泛的组织目标。" 在施华洛世奇,这意味着人力资本分析团队在零售和生产两大部门的战略目标中发挥着重要作用。在零售部门,这涉及到利用人力资本分析来提高转化率,而在生产部门,则是为产品质量和生产效率提供信息。 "这些都是我们在幕后支持的关键业务挑战,"Kasper说。"我们不是为了解决纯粹的人力资源问题而存在。" 报告线 Reporting line 随着团队被期望从更广泛的业务角度出发,他们在组织中的位置也有待商榷。根据Fineman的说法,最常见的方法是由人力资源部门内的一个专门的团队负责人力资本分析,向人力资源部门领导汇报。"通常情况下,它是独立于报告小组之外,不一定是人力资源部门的一部分,而是直接向CHRO报告。" Levenson同意这一点:"人力资本分析应该是一个卓越的中心,它可以向人力资源部门汇报,也可以向更大的分析小组汇报。" 虽然注意到这是一种远不常见的做法,但Alburey说,他曾见过一些人将业务运营和人力资源部门结合在一起创建一个团队,由人力资源部门和企业共同拥有。虽然 "这两种模式都不比其他模式好",但他觉得共管的方式可以帮助团队更贴近业务。 "在HR内部建立团队的风险在于,他们最终只为HR出具大量报告--他们更多的是以HR为中心来看待他们想看的东西,所以像人才数据和薪酬洞察之类的东西,他们不一定清楚自己能带来什么样的业务成果,因为他们离业务有点远,"他说。"如果把业务和HR结合在一起,就更容易找到需要解决的业务问题,并把工作导向业务成果。" 架构 Structure 报告线只是其中的一部分,团队的组成也很重要。"大多数人分析团队都很小--只有几个人--因此他们的结构相当不稳定,往往会有很多不同的变化。"Fink说。 然而,在较大的团队中,应该有更多的结构,Fineman说,他将该职能分解为四个不同的子团队:报告;数据科学、洞察和分析;数据治理;平台管理。?reporting; data science, insights and analysis; data governance; and platform management 这就需要多样化的工作角色。Alburey指出,需要一名数据经理、报告撰写者和业务分析主管。然而,有一个角色他很快就被否定了,那就是数据科学家。"很少有人分析团队需要一个真正的数据科学家--你可以从业务的其他部分获得这种专业知识,"他说。"如果你是一个真正的数据科学家,你需要大量的数据来工作,而没有足够的人数据--所以你需要一个数据经理,是的,但数据科学家呢?我不这么认为。" Levenson也有这样的感慨,他同意 "一个纯粹的数据科学家是我最不愿意雇佣的人进入人力资本分析小组的人之一"。 "外面有一种印象,认为如果你只是雇佣一个数据科学家,他们就能解决你所有的问题,但他们不会。"他说。"你会把数据科学家放在一个面向客户的角色中,与企业中的人或CHRO交谈吗?这就是要问的试金石问题。而战略人员会说'绝对不会,因为他们不知道该说什么是正确的。" 技能集Skillsets 在Levenson看来,这与技术性的、分析性的角色和技能无关,而更多的是定性的、软性的技能,比如职业心理学。 "一个数据科学家通常不了解组织科学和企业如何运作,实际上你需要良好的职业心理学,"他说,"一个数据科学家通常不了解组织科学和企业如何运作,实际上你需要良好的职业心理学。"然后,你需要团队中的商业咨询技能--知道如何卷起袖子解决问题的人。 "这就是那句老话,即需要关注因果关系而不是相关性。除非有组织科学和商业咨询,否则你不会知道该问什么正确的问题来计算出正确的数字。" 在Fink眼中,正是这种无所不能的咨询专业知识在现在的大多数团队中都是紧缺的。"通常情况下,人们的分析团队真正的功能是提供服务,他们得到的很多请求都只是捕风捉影。他们可能提供了很好的服务,但他们回答的问题并不是特别有力,也不会导致行动。她说:"影响和咨询方面的专业知识对克服团队整体效率的这一障碍有很大帮助。 卡斯帕概述了团队需要的六大 "基石": 人的技能("比如金融知识");沟通技巧;咨询技巧;数据科学知识;隐私、道德和流程方面的人力资源知识;最后是工作心理学和行为科学知识。 (human skills (“like financial literacy”); communication skills; consulting skills; data science knowledge; HR knowledge in privacy, ethics and process; and, lastly, work psychology and behavioural science knowledge.) "理想中的人都会具备这六种技能,但很多人只是具备一些,"他说。"这很好,但你确实需要团队中的这六种技能都要具备。" 寻觅人才Sourcing talent 但是,这种多样化的技能组合能在现有的人力资源专业人士中找到吗?不一定,Fineman说。"团队中的人学习领域知识很重要,但通常情况下,数据治理角色的人更多来自于IT和IT战略背景,"他说。 Fineman认为,人力资源背景对团队中的洞察力和分析角色会有帮助。鉴于这项工作涉及到作为分析团队和业务之间的接口,优秀的HRBP应该在这里茁壮成长。"这就是有趣的地方,因为团队中的洞察力和分析小组可能是HRBP职业道路上的一个台阶。"他说。 "他们的工作是既要把业务挑战的信息带进来,解决业务挑战,又要在另一边解释分析的结果。" "这些同事是劳动力分析团队的眼睛和耳朵;他们可以利用自己的业务知识来识别业务挑战和项目,"劳埃德银行集团的人员洞察总监Andy Papworth同意这一点。 Fink指出,她所工作过的团队里有很多背景和专业知识,甚至超越了人力资源和IT领域。"她说:"一般来说,团队的核心成员都是研究生级别的工业和组织心理学家,也有其他社会科学背景的人,如认知、社会、教育和发展心理学、人类学、经济学或政府;有MBA和咨询背景的人,还有物理、化学、数学、工程、甚至地质学等硬科学背景的人。 "我见过真正有效的人来自于律师助理,或教书育人......或人力资源部门的一般角色。" Fink告诫说,不要把人力资本分析团队建设成硬性的、快速的规则。"就像育儿一样,没有一个正确的方法来处理人力资本分析工作。我的团队的结构和章程反映了我当时所服务的组织的规模、复杂性、优先级、挑战和文化。"她说。 "人力资本分析工作的乐趣和令人兴奋的部分在于,它不是一刀切的。" 作者:Rachel Sharp? 这篇文章刊登在2019年10月的《人力资源科技增刊》上。 以上由现金的AI翻译完成,HRTechChina发布仅供参考。
    People Analytics
    2020年05月08日
  • People Analytics
    如何清洗人力资源分析数据?给你6个详细的步骤指南! 数据清理是人力资源分析中的关键因素。在你分析数据之前,你需要对数据进行 "清洁"。在这篇数据清理指南中,我们将解释为什么数据清理很重要,以及你如何进行数据清理。在文章的底部,我们附上了一个有用的数据清洗信息图。 在数据分析中常说的一句话是。"垃圾进,垃圾出"。 这句话的意思是,你可以在数据分析中投入大量的心思和精力,得出很多结果。但是,如果输入的数据不准确,这些结果就没有任何意义。事实上,这些结果甚至可能是有害的,因为它们会歪曲现实。 为什么数据清理很重要? HR数据往往是脏的。脏数据是指任何包含错误的数据记录。这可能是由不同的原因造成的。 最简单的是数据丢失。其他脏数据的例子有:同一工作职能的不同标签、同一人在一个系统中的多个记录、不同系统中的不匹配记录等等。 对这些数据进行清理和排序可能是一个耗时的过程。事实上,将所有这些不同的数据源的数据进行汇总,并使其符合要求,可能需要数周甚至数月的时间。这对于国际公司来说尤其如此。这些公司往往使用不同国家的不同系统来记录相同的数据。 数据的问题是很容易被弄脏。只要数据采集程序有丝毫的差异,数据就会变得不一致。 作为公司,你可以决定一次性清理所有的数据。有些公司选择了这种策略。然而,这可能需要大量的时间。因此,只清理你需要执行特定分析的数据是更明智的做法。 这种方法可以避免很多不必要的工作,并能更快地产生结果。根据第一次分析的结果,你可以决定需要清理哪些额外的数据来运行下一次分析。 数据清理有助于运行分析的顺利进行。它还有助于正常的人力资源报告,因为清理后的数据可以反馈到人力资源系统中。这将有助于提高数据质量,对后期的数据分析和数据汇总工作极为有利。 因此,数据清洗是人力资源分析过程中的必要步骤。 数据清洗的过程 在清理HR数据的时候,有两点是你需要了解的。第一是数据的有效性,第二是数据的可靠性。 当数据不有效或不可靠时,它可能告诉你的东西和你要找的东西不一样。下面的章节将对此进行更深入的探讨。理解这两个术语是很重要的。不过,如果你想找一个更实用的分步指南,可以向下滚动到下一节。 有效性 有效性是指你是否真正衡量了你需要衡量的东西。考核系统是否只测量个人的绩效,还是(也)测量谁最受经理的喜欢?数据是在整个组织中均匀地收集,还是有这样或那样的倾斜? 举个例子。波士顿市做了一个应用程序,他们的司机可以在智能手机上安装。该应用程序将测量道路上的颠簸,并通过GPS报告其位置。这些颠簸被记录下来,然后由城市道路服务部门进行修复。据一位发言人称, "该数据为城市提供了实时信息,它用于修复问题和计划长期投资"。 遗憾的是,并不是每个人都能平等地从这个系统中受益。该应用程序主要是由年轻人和较富裕社区的年轻人使用。同时,较贫困的社区并没有平等地获得智能手机和移动数据。这是数据中的一个明显的偏差。(公平性的问题) 你可以问自己的问题,以检查其有效性。 这些数据是否代表了我们想要测量的内容? 我们测量数据的方式是否存在偏差? 数据收集的方式是否清晰、一致? 数据中是否存在离群点? 可靠性 可靠性是指反复测量同样的事情并得到同样的结果。 当你在上午测量某人的参与度时,你希望得到的结果与下午再测量时的结果相似。这是因为参与度是一种随着时间的推移相对稳定的特质。 对于不同的测评人来说也是如此。如果你让比尔和吉姆给温迪的参与度打分,你希望比尔和吉姆都给温迪打出同样的分值。然而,当用来给温迪打分的量表是:?,可以有不同的解释,比尔和吉姆很可能会给温迪不同的评价。这就是所谓的评分者偏见,最好避免。 这听起来可能很明显,但事实并非如此。通常情况下,报告的数据取决于其他因素,如给出的指示,以及给出评分的人的心情。当我们谈论可靠性时,这就是一个大问题。当不同的人在一天/一周的不同时间,用同样的方法测量同样的数据,是否能得到同样的分数? 在这个过程中,程序起着重要的作用。在对绩效进行评分时,如果一个经理考虑的是员工过去六个月的绩效,而另一个经理只考虑过去两个星期的绩效,那么绩效评分很可能会有差异,不可靠。明确记录的程序将有助于不同的经理人以同样的方式衡量绩效。 在这种情况下,你应该问自己的问题是: 当同一事物被多次测量时,我们是否一致地得出了相同的结果? 我们是否使用了有明确记录的数据收集方法? 每一次的数据收集说明是否都得到了遵循? 一个简单的数据清理检查表 前面关于有效性和可靠性的问题可以帮助你分析你的输入数据是否足够准确,以产生可靠有效的结果。你的数据还需要符合其他几个标准。例如,你的数据必须是最新的。 过时的数据会产生潜在的不相关的结果,可能会破坏你的结果。此外,你需要检查你是否拥有所有的相关数据:记录经常会丢失。根据您分析数据的方式,这可能会或不会造成问题。有些分析方法允许数据缺失,而其他算法在数据缺失时则会很费劲。 数据缺失会缩小你的人群范围。另外,数据缺失的人群之间确实有可能存在共同的相似性。例如,如果一个部门仍然使用过时的绩效管理系统,遗漏了某些问题,这将意味着你将缺乏该部门所有员工的数据。这就会使你的结果严重偏向于其他部门,并威胁到结果的普遍性。 这是一份实用的检查表,里面有六个步骤来清理数据。 1.检查数据是否是最新的。 2.检查是否有重复出现的唯一标识符。有些人担任的职位不止一个。系统往往会为每个职位创建单独的记录。因此,这些人最终会在一个数据库中拥有多个记录。根据不同的情况,这些记录可能会被浓缩。 3.检查跨多个字段和合并的数据集的数据标签,看看是否所有的数据都匹配。 4.计数缺失值。当缺失的值在组织的特定部分中占比过高时,它们可能会歪曲你的结果。我们在前面的例子中看到了这种情况。此外,缺失值太多(即数据不足)的分析有可能会变得不准确。这也会影响到你的结果的通用性。 5.检查数字上的离群值。计算出描述性统计数字和量值。这些数据可以让你计算出潜在的离群值。最小值和最大值是一个很好的起点。 此外,您还可以计算出区间范围。您可以通过将量值3(Q3)和Q1之间的差值乘以1.5来实现。这个结果可以加在Q3上,再从Q1中减去。超出这个范围的值被认为是离群值。这篇维基百科的文章详细介绍了如何做到这一点。 6.定义有效的数据输出,并删除所有无效的数据值。这对所有的数据都是有用的。对字符数据进行明确的定义。例如,性别被定义为M或F,这些都是有效的数据值。任何其他值都被假定为无效值。这些数据可以很容易地被标记出来进行检查。 通过使用本指南,您将能够找到大多数数据不一致的地方。提示:始终仔细查看您的干净数据,您可能会发现自己遗漏的东西。:迷耍   以上由智能的AI翻译完成,仅供参考。来自AIHR 作者:Erik van Vulpen
    People Analytics
    2020年05月03日
  • People Analytics
    专访workday:如何使用数据和分析实现员工体验 和罗马一样,高绩效的团队不是一天建成的。但是,它们由数据构建。workday的领导力和组织有效性高级副总裁 Greg Pryor 分享了数据如何使员工能够做到最好工作。 建立高绩效团队的秘诀是什么?答案很简单:数据。最有创新精神的公司都会使用数据和分析方法来经:饬吭惫さ奶逖。这为企业提供了他们所需的洞察力,为员工创造一个能让他们发挥最佳工作能力的环境。但是,他们是如何衡量这些成功的条件的呢?我们负责领导力和组织效率的高级副总裁Greg Pryor分享了Workday自身员工体验的见解。以下是我们谈话的重点内容。 数据和技术的快速发展如何改变了员工的期望? 公司的体验与消费者的体验非常相似。无论我们在提供乘车服务或餐厅体验的反。?颐亲魑??颜叨蓟崾实钡匮盗纷约何首约,"这种体验是好还是不好?" 将这种实时反馈体验转化为您的员工也很重要。对于我们Workday来说,我们每周五都会通过 "最佳工作日调查 "来衡量员工的感受。人们经常会说:"每周五?嗯,这似乎有点太频繁了。" 而我的回答是,"我们的员工一直都有重要的时刻。" 通过调查,我们已经收集了超过150万个数据点,实际上,我们可以看到,员工的体验比我们想象的要动态得多。 与用年度快照来了解员工体验不同,我们通过非常及时的员工情绪衡量标准来了解员工的状况,特别是在这个变化莫测的时代,我们知道人们的状况。通过每周一次的 "最佳工作日调查",我们每个季度都会轮流对整个调查的34个问题进行调查。有些公司可能一年或两年做一次,而我们实际上是一年做四次。 这使得我们能够进行我们所谓的文化冲刺,这让我们能够了解员工的体验,并尽快做出反应。由于我们掌握了元数据,我们可以看到,例如,我们是否在不同性别、不同年龄段、不同地域、不同种族背景的员工之间提供了类似的归属感体验。我们收集到的洞察力使我们能够帮助我们的员工领导将注意力集中在最有影响力的领域。 企业如何利用数据来更好地进行个性化的职场体验? 你必须专注于对人真正重要的东西,并牢记我们在消费体验的世界里处于什么位置。比如说,想想看交通情况。我手机上的GPS并不能告诉我整个湾区的交通状况是什么样子的,它告诉我回家的路线上的交通在哪里。这就是消费者的体验:高度相关。 现在,把它应用到你自己的环境中。在Workday的背景可以是:"我是普莱森顿的人际关系领导,负责下面的团队。" 然后,我们会查看数据并制定具体的行动方案。当我们为员工领导设计内容时,我们会根据他们团队的反。??皇瞧骄?。在Workday,我们使用机器学习和其他数据分析来增强这些反。?⑻峁└叨认喙氐慕ㄒ。我认为这将成为所有企业的一个越来越基本的要素。 在不确定时期,HR如何利用数据来快速提升员工体验? 无论目前的环境如何,敏捷性仍然是企业现在和未来的核心。我认为,我们最近刚刚得到了一剂大剂量的药,比我们预期的要大,但这种敏捷的能力将越来越重要。我们衡量的一个数据点是我们办公室员工的员工体验与在家或远程员工的员工体验的对比。由于 Workday 拥有这些元数据,我们知道--而且已经跟踪了一段时间--我们可以比较这两种体验。 考虑到最近的大流行。?颐侵挥幸桓雒魅返木龆:让我们的员工远程工作,以保障他们的健康。但我们有数据表明,虽然我们必须要做一些工作,但总的来说,我们的员工领导和员工在支持远程工作方面有很好的记录。有了这些数据点,我们就可以进行调整,并知道我们在不同领域的比较,这样我们就可以更了解情况,从而更加灵活。   "Our aspiration is not to have a remarkable employee experience for some, but to have a remarkable employee experience for all." Greg PryorSenior Vice President of Leadership and Organizational Effectiveness at Workday "我们的愿望不是让一部分人拥有非凡的员工体验,而是让所有人都能拥有非凡的员工体验。" Greg Pryor? Workday公司领导力和组织效率高级副总裁   组织如何衡量一些难以量化的指标,如包容性和归属感? 得益于我们与Great Place to Work的良好合作关系,我们调查的六个问题都与我们所说的 "归属感指数 "有关。这些问题旨在衡量人们的包容和归属感。在我们的首席多元化官员Carin Taylor的出色领导下,我们的目标是在美国的性别、年龄、地域、职业水平和种族背景方面的差异不超过3%。 Carin用一个高中舞蹈的例子来解释包容性。包容意味着你被邀请参加舞会。然而,归属感是建立在 "我觉得我被邀请来跳舞吗?我觉得音乐能引起我的共鸣吗?我在舞池里感觉舒服吗?" 我们的诉求不是让一部分人拥有非凡的员工体验,而是让所有人都能拥有非凡的员工体验。我们利用 "归属感指数 "中的洞察力,努力确保每个人都能感受到被包容,并在某些人感觉不到的时候采取具体行动。 您对希望采用更多数据驱动的HR方法的领导者有什么建议吗? 我们通过我们的 "最佳workday脉动调查"(Best Workday Pulse Survey)创造了一种消费者的体验和期望,它是由数据的民主化驱动的。这其中最重要的是,我们将洞察力 "推送到边缘",并将其掌握在员工领导手中--在最重要的地方,我们可以采取行动。然后,我们让这些人根据数据做出正确的决策,并根据数据做出结果。我不知道我们如何才能提供这些洞察力。每个组织都必须以某种形式接受这一点,以便能够吸引、参与和启用最好的员工队伍。 以上来自workday,由智能的AI翻译完成,仅供参考。 原文标题:Using Data and Analytics to Enable the Employee Experience 作者:Ghadeer Redler
    People Analytics
    2020年04月27日
  • People Analytics
    好文:HR如何更好的优化人员分析(People Analytics) 关键点: 人力资源部应更有意地收集整理工作场所数据 侧重于绩效预测指标而不是一般绩效审核 数据分析需要特定、明确的结果 这是数据时代,数据分析正在彻底改变人力资源。 埃森哲计算,从数字可用的工作场所数据的新来源来看,大型上市公司在美国有3.1万亿美元的收入机会。 但是,人力资源部是否准备好此机会? 长期以来,人力资源一直被视为"硬"数据的保管人,如用工成本、离职成本、缺勤率、劳动力成本等。所有这些信息都至关重要,但这些信息都是衡量业绩和生产力的滞后指标。等到数据出来的时候,再想改变策略已经太晚了。 HR可以---而且应该是----更有意地转化领先指标劳动力数据。要做到这一点,CHRO必须更加努力地推动核心人员分析,特别是在战略绩效和人才管理方面。对战略人力资源组织来说,维护数据的日子已经过去了。   CHRO必须更加努力地推动核心人员分析,尤其是在战略绩效和人才管理方面。 CHROs must drive core people analytics harder, particularly concerning strategic performance and talent management. 充分利用绩效领先指标 Fully Leverage Leading Indicators of Performance 战略分析需要领先指标和整理、综合和分析数据的能力。人力资源部还要求授权部门通过绩效分析实施真正的组织变革。但是,为了做到这一点,人力资源部门需要非常具体的数据。 例如,根据盖洛普的研究,只有29%的员工强烈认同他们的绩效评估是公平的,26%的员工强烈同意他们的绩效评估是准确的。然而,很少有人说,他们被管理的方式,激励他们做出色的工作。这些精细的详细信息与组织级绩效和增长问题一起出现。 人力资源部应了解其组织中每个指标的百分比。这些数据解释了预测绩效的因素(如员工敬业度、人才绩效、更替驱动因素等),帮助领导者了解在仍有机会时可以改变哪些因素。 但是,人力资源部门有很多方法可以帮助领导者真正利用预测分析的力量,并加快质量决策。但是,关键是要确定最少的员工和员工绩效指标,这些指标对关键结果提供最大的解释能力。根据我们的经验,以下步骤至关重要: 审核和组织来自多个来源和年份的现有数据到单个数据库(劳动力、运营和业务数据)。 利用高级分析确定哪些指标对关键业务成果(即营业额、生产率、销售额、盈利能力)以及数据质量最高的指标最可靠、最有指示性和预测性。 使用裁员指标的缩减列表来监控和预测业务绩效、通知战略更改以及确定干预和变革计划的优先级。重点回答有助于业务推动价值的基本问题。例如:我们如何有效地根据申请人数据预测特定职位的人才招聘质量?哪些因素增加了顶尖人才留在公司并继续表现的可能性? 领导者重视这种战略分析,因为它有助于他们做出正确的决策。尽管如此,人力资源部门需要更好地使用此类分析来讲述公司长期价值(与其战略目标一致)的故事,而不是仅基于描述性分析的狭隘的短期员工增强计划。 破解人才分析? Disrupt Talent Analytics 例如,考虑人才管理讨论。根据我们的经验,人才审查是经常、持续滥用的一个领域。长期以来,大多数公司都依赖于将人才分为"九盒"模式,这种模式将人才分为顶尖人才、一贯的超级明星或表现稳健的超级明星以及表现不佳的类别。 没什么不对的。但数据的质量和客观性令人担忧。 传统上,"高潜力"员工被评定为反映一组能力。员工的经理指定了该标签,但经理的评价往往充满了偏见。整个评估过程需要几个月才能完成。之后是无休止的等待行政投入,最后,个人发展计划的制定。与此同时,员工们也继续行动;发展投入迟迟或不相关。 漫长而繁琐的传统人才审查过程需要被打乱。首先是评估和分析更客观的潜在指标。但是,一旦完成了客观的审核,人力资源部门就可以更快地将评估洞察转化为真正的发展计划,特别是帮助顶尖人才的经理在与每位员工的辅导对话中定期使用这些见解。与现在一样,只有 23% 的员工强烈同意他们的经理提供有意义的反。?盟?堑却?父鲈虏拍芙?杏衅??钠拦,这是提高绩效的可疑方法。 冗长、繁琐的传统人才评审流程需要被打乱。这要从评估和分析更客观的潜力指标开始。 The long, cumbersome traditional talent review process needs to be disrupted. This starts with the assessment and analysis of more objective indicators of potential. 谷歌(Google)是一家基于硬分析的所有决策的公司,为更好地利用数据提供了一个很好的例子。早期,Google 人员分析团队想出了一个算法来优化软件工程师的关键晋升决策。 该算法用于做出令人印象深刻的 90% 的促销决策。但是工程师们想要更高的透明度,而算法不是答案。因此,谷歌停止了该计划。公司知道人们应该做出决策,而分析只是为了用最可靠的见解来武装决策者。从本质上讲,拥有正确的数据与拥有足够的数据是需要记住的关键。 将数据分析与长期目标联系起来 HR 创新使用预测数据分析应具有明确定义的结果,所有项目都应采用。但是,为了达到最大效用,这些可交付成果需要与特定的客户、运营和业务成果以及组织层面的结果(如上市时间、缩短周期时间、快速产品创新或加速质量改进)相关联。 为了真正敏捷,人力资源必须超越结果,在领先指标(如客户和员工敬业度指标、人才和发展影响)上持续提高质量。这些是真正推动业务绩效的因素。 在客观数据的支持下,并在管理人员的实时支持下,人力资源部门可以做世界上所有分析都做不到的事情:导致可预测、可衡量、成功的结果。 直截了当地说,人力资源部门有潜力将危机转化为机会,但它必须首先能够将人员分析转化为业务决策。   作者:VIBHAS RATANJEE? 来自盖洛普gallup.com 原文标题:How HR Can Optimize People Analytics 由AI翻译完成,仅供参考。欢迎交流
    People Analytics
    2020年04月27日
  • People Analytics
    【新知】2020人力资本分析(HR&PA)虚拟论坛5月13日 举办,专业前沿,名额有限,抓紧抢票! 2020人力资本分析(HR&PA)虚拟论坛 HR&People Analytics Virtual Summit 时间:5月13日 周三(9:30-17:00) 形式:Virtual Conference 报名:http://hrnext.cn/o4mn82? 前200位企业人力资源管理者且4月30日前免费报名,非内部HR同仁请选择付费门票(4月30日前仅需198元/人 2人同行仅需298元)。 论坛介绍 HR&PA虚拟峰会将前沿专业的话题通过线上的模式传递给到所有能够接触到的专业同仁,这次峰会旨在帮助参会者通过论坛获得新知,保持在职业发展中的优势地位,并及时了解全球最新的人员分析、劳动力计划,敬业度管理等方面内容,同时通过数据如何帮助如何更好的预测,诊断和解决常见的工作挑战等。 企业研究论坛的一项研究发现,69%的大型组织(拥有10,000多名员工的组织)现在拥有一个人员分析团队。 我们都知道人力资源部门拥有相当大量的数据信息,特别是数字化转型后的纷繁复杂的人员数据,社交数据,数据产生和使用的场景日益多样,大的计算能力出现后,使得看似不关联的数据会产生不同的解法。HR如何更加专业和技术的去使用、测量、分析从而使组织或业务受益! C级管理者与员工期望的提升,技术的巨大进步,会使得我们HR需要进一步的掌握新的技能和知识。尤其对于决策者来讲,从以往的:??萁崧鄣侥壳暗娜肆Χ床。 我们相信这是一场前沿探索和改变认知和行为的交流论坛,我们邀请行业中优秀的探索和实践者们,他们通过他们的实践和观察以及工具来帮助人力资源工作者,帮助企业管理者决策者更清晰的获得数字化的概览的能力,结合所在行业、专业、经验、理论推动组织业绩增长! 时间:5月13日 周三(9:30-17:00) 形式:Virtual Conference 报名:http://hrnext.cn/o4mn82? 前200位企业人力资源管理者且4月30日前免费报名,非内部HR同仁请选择付费门票(4月30日前仅需198元/人 2人同行仅需298元)。   更多会议信息不断更新中!抢先占座!机会难得!   报名参会: 联系我们:科科 微信:hrtechina hi@hrtechchina.com 商务合作:Annie? (名额有限) 18621292818 (微信) annie@hrtechchina.com  
    People Analytics
    2020年04月07日
  • People Analytics
    长篇经典:People Analytics的运营模式探讨 作者:Richard Rosenow? 来自Medium 阅读需30分钟 我看到很多文章都是围绕着People Analytics的 "为什么 "展开的,也看到了很多关于People Analytics数据科学 "如何 "的文章,这是一个令人鼓舞的趋势,但是探索People Analytics功能运营的文章并不多。 我认为现在是挖掘这一领域的关键时刻,即我看到了整个People Analytics的发展趋势,这表明很多团队的运营模式即将发生转变。 在下面的文章中,我将触及到最初启动许多People Analytics团队的运营模式,深入到现在许多团队运营的服务运营模式,并为下一阶段的运营模式--平台运营模式铺设一个框架。 请大家审视一下下面的论点和观点,并取其精华,为自己对外界趋势的理解加油。我非常期待在文章后的评论中的对话(评论、批评和质疑)。 初步的运营模式 Initial Operating Model 虽然PA职能的某些部分可以追溯到40年代(IO心理学 IO psych),但在2000年代,人们第一次被招聘到正式的HR分析、员工洞察或People Analytics的 "职能"。我之所以把 "职能 "放在引号里,是因为这些早期团队的预算大多只有一个人,如果运气好的话,两个人。这些早期的职能部门做的是全面服务和白手起家的人员分析。他们处理从数据收集到清理,到报告,到合作,甚至从头到尾的研究项目。 对于小团队或新团队来说,这种运营模式是由全能型的领导者来定义的,他们在People Analytics中戴着每一顶帽子。几乎所有的团队都是从这个模式开始的(你必须从一个雇佣者开始),我听说在这种模式下运作的团队仍然是快速了解People Analytics领域各方面知识的最佳方式之一。 当职能的前十年是由精干团队定义的时候,有几个超级团队出现了(Google的People Operations/People Analytics小组,详见《工作规则》“Work Rules”),其他公司的投资也开始开放。在接下来的十年里,完整的职能部门开始从这些一体化的团队中涌现出来。 服务职能? The Service function 从这些一线团队中,我看到大多数团队在未来十年(2010-2020年)成长起来的运营模式,最终形成了我所说的报告、合作关系、研究和运营等松散的子部门。报告是一个一线团队,负责生成定制化和规模化的报告,合作伙伴关系是指基于客户的决策支持,研究是解决深层次的问题,需要博士和重度数据科学家,而最小的投资是运营....滚动......运营的功能(项目管理、工具化,有时还有HRIS)。 如果说我在这里急于描述这种功能的安排,那是因为很多其他的人都讲过这种模式。我也猜想,对于大多数要找到这篇文章的读者来说,你至少对这个模式有一点熟悉,因为它已经成为了一个相当广泛的领域。 对于好奇的人来说,从我所看到的情况来看,似乎有两条共性的路径,那些全能型的团队成长为这种模式。 一、报告开始Reporting start 1人力资源信息系统的报告分析员开始收到越来越多的请求,因此开发了一个正式的报告功能,以了解收到的请求,并使报告的产出和质量标准化。 2随着该报告功能越来越复杂,研究人员也被请来处理开始出现的较难的问题。 3高管们最终提出的要求越来越多、越来越具体,要求的白手起家的方法与大多数博士或数据人培养的白手起家的方法不同,于是顾问们被请来做为分析合作伙伴。 4一旦团队规模扩大,就会发展出一个运营小组来操作内部的职能部门或支持整个团队的技术推广(Tableau、Visier等)。 调查开始Survey start 1 一个1-2人的人才、接洽、IO心理或调查职能部门开始越来越多地要求进行复杂的下游分析,这也是一个复杂的下游分析的要求。 2 他们带来了更多的研究人员,最终开始与其他HR和业务职能部门建立起更紧密的合作关系。 3 随着越来越多的高管需要分析支持,团队会引入顾问或研究项目经理来支持研究人员。 4 最终,该职能部门建立了强大的声誉,成为人力资源数据的首选资源,但为了保护研究人员不受所有数据请求的影响,他们建立了一个报告功能,作为第一道防线,以应对传来的请求。 5 运营再次出现在最后,以帮助稳定功能和管理整个团队的项目。 服务模式还有很多其他途径,但这两条路径是我见过的最常见的(最近我甚至看到HR团队推出了全额预算,并计划在前面成长)。这可能是一个自然平衡的PA功能,报告团队保护研究人员并提供可扩展的洞察力,分析合作伙伴协调资源到战略位置,并为关键领导提供白手套支持,研究人员交付大赌注,而运营则支持整个团队。 或者,也许这种看似 "自然 "的结构是一个紧密的PA社区的结果,领导者之间相互支持,分享笔记,并经常在公司之间跳来跳去组建团队。不管是哪种情况,这种运营模式已经大量涌现,并为People Analytics提供了很好的服务。 我会把这种运营模式归类为服务功能。有时人们会对 "服务 "这个词反感,认为听起来不太有战略意义,但我却会反推这一点。在我看来,在人力资源部门内部(在成熟的团队中,在人力资源部门外也有成熟的团队),有的客户需要帮助做出与劳动力相关的决策,而People Analytics功能提供的是一种服务,即生成数据、报告、分析或研究,以支持决策。这仍然是一个高度战略性的职能,但我们必须承认,这项工作是根据客户的需求来进行的。在PA内部可能会有独立的研究工作,与客户的要求分开,但最终这些研究总是需要到客户手中去影响业务。 服务职能的事情是,服务职能本来就是依赖人力资本的。如果你想扩大支持规模,你需要更多的人。许多PA职能部门很快就发现了这一点,因为工作需求迅速超过了人才供给(后面会有更多的介绍)。理想情况下,被支持的客户和人员分析团队成员的比例应该大于1:1(比如一个合伙人可以支持多个领导,或者一个研究员可以支持L&D研究),但对于VIP客户(CHRO、招聘主管等),可能需要1:1或更多的合伙人支持,随着时间的推移,合伙人的支持量开始变得很重。 我说的也只是核心的People Analytics功能,因为很多团队可能会拥有People Analytics+其他HR功能。我见过把People Analytics和HR战略、HR技术、劳动力规划、人才或薪酬结合在一起的,在这些情况下,能够管理好多个职能部门,是那个领导的功劳。在这个框架下,整个超级功能可能更多的是提供混合服务支持和运营主导权,但如果你能把People Analytics的工作和其他功能分开,People Analytics作为一个服务功能来运作,由SME个人为需要决策支持的客户提供服务。 有什么变化?What’s changing 你可能会说:"理查德,这个运营模式似乎可行","理查德,听起来很不错!"或者 "理查德,你疯了。如果我们能获得构建你描述的功能所需的投资,我们会杀人灭口",你说的完全正确(除了在诉诸暴力之前,有更好的、尽管速度更慢的方法来获得这种投资之外)。 上文详述的People Analytics服务运营模式,在全球许多公司都取得了巨大的成功。全文到此为止。如果你想建立一个People Analytics功能,现在的服务运营模式很好用,而且在很长一段时间内,这种服务运营模式的投资回报率会高于成本。也有很多小公司,精简版的服务运营模式甚至是最初的模式,可能是无限期的最佳模式。 我甚至不希望提出一个论点,说这个模式在今天已经被打破或没有兑现承诺。我希望强调的是,在某些风向标公司,我看到这种模式正在积极改变,我相信这种转变告诉我们一些关于功能的东西。如果我们能找出这种转变的一些根本原因,那么我们就能从这些公司身上学到什么,从而更好地让其他团队为未来做好准备。 在这里埋下伏笔,引起我注意的趋势是最近出现在人力资源和人员分析职能部门的产品角色的增加。我所说的产品角色是指创造软件产品所需的角色集合(如产品经理、数据工程师、软件工程师和机器学习工程师)。 我在下面的Google drive链接中收集了一些这些产品角色的例子。这些职位描述都是在某一天拉出来的,但这篇文章已经有好几周的时间了,因为我看到越来越多的公司发布和招聘产品角色到他们的PA团队中。 例子 PA 产品职位描述(均为2/15/20日发布) PA团队转入产品的例子(如果PAFOW拿下谈话,链接可能会断裂)。 Al Adamsen分析认为,未来的人脉分析是在产品上 为什么People Analytics需要像初创企业那样行事 - Dirk Jonker Example PA Product job descriptions (all pulled on 2/15/20) Example of PA team moving into Products (link may break if PAFOW takes down talk) Analysis by Al Adamsen that the future of People Analytics is in Products Why People Analytics needs to behave like a startup — Dirk Jonker 如果你看上面的服务运营模式和上面的例子,这些产品角色在前两次迭代的PA运营模式所需要的角色中脱颖而出。在HR中,我们需要这么重的火力是什么?这些角色在服务运营模式中的地位在哪里?它开始讲述一个不同类型的PA运营模式的出现或者说是PA运营模式的演变。 是什么在推动着这种变化--规模化?What’s driving the change — Scale 在这里谈一下驱动因素,我认为推动这种运营模式转变的一个主要因素和促成这种转变的两个因素。我认为这些角色的出现背后的驱动力是人们分析的规模化需求。 驱动因素:服务模式的规模化成本较高? Driving factor: Service models are expensive to scale 我听人说过,有一个支持People Analytics的飞轮。 People Analytics Flywheel 1 人力资源部门的团队不知道他们需要People Analytics。 2 他们可以从一个PA团队中领略到了他们的真知灼见。 3 他们的要求更多 4 PA职能获得更多投资 5 飞轮旋转(返回步骤2) 这就是PA职能部门如何在短短几年内从少数几个报表分析员或调查博士,变成巨型团队的原因。HR作为一个整体,一直以来都在渴求数据支持,当他们终于得到数据支持时,就会立刻想要更多的数据支持。 这个飞轮可能从支持一个关键的利益相关者开始。这有时是CHRO,有时是拥有分析能力的母机构(通常是Comp或Talent)。PA团队可能会将该利益相关者与分析业务合作伙伴配对,指导他们之间的关系,并由研究人员挖掘利益相关者的问题,以了解驱动他们业务的杠杆。 当利益相关者开始看到成功的时候,他们不仅会要求获得更多的支持,其他的HR团队也会向PA职能部门寻求帮助。HR把数据带到桌面上是成功的秘诀,成功的消息传得很快。那些已经看到了那第一个行动者的成功的其他职能部门会渴望得到同样的支持,并将数据驱动的洞察力带入关于自己的组织和业务伙伴的决策中。 但是,研究和定制分析需要时间和难得的技能。每个人力资源部门都希望自己独特的最后一公里问题得到解决。报告最终会被运行和重新运行,并进行小的调整,而分析工作也在进行,然后对某一行的业务进行剪裁,然后对新的业务进行重做和重新切割。新客户,他们的直接报告,以及他们的直接报告,都要向PA团队寻求支持。一段时间后,所有的白手起家的工作都开始加人头。在这种模式下,增加人头是满足额外需求的唯一途径。 在增加人头以满足飞轮的需求时,服务模式的投资开始变得沉重,因为它反映了HR,或者更现实的是,投资停止了。当这种投资停止的时候,人分析团队就不得不发出一个号召,优先考虑客户,停止提供超过组织中某一层次的分析支持,或者将自己的资源泡沫化,留给一组特殊的客户。 那么,这些产品工作到底是什么东西可以帮助扩大规模呢?事实证明,服务职能的规模化问题不仅仅发生在人力资源部门。我们已经在许多被打乱的服务行业中看到过这样的情况:Airbnb的一个车库里坐满了软件工程师,就能让一个旅行社的代理商行业倒闭;Uber的一个软件工程师创业公司,就能让一个过去接电话要求告诉出租车司机去哪里的行业倒闭。 当人分析的服务运营模式在企业中达到一定规:,投资软件来进行规模化的洞察,开始变得更有意义。好消息是,在过去的十年里,有一些外部因素在后台转移,使得PA和HR能够进入软件驱动规模化的下一个阶段。虽然HR之前在自动化方面落后于合作伙伴,但由于技术领域的进步,现在有机会跃升为平价。 有利因素Enabling factors 如果我跳过那些让HR能够跳槽到开发产品的有利因素,那我就太失职了,但同时,我可以写一篇关于这些因素的文章,而这篇博客已经很长了。所以,以下是我的速战速决论点,说明为什么环境已经发生了变化,让HR能够实现产品的这一跳。 总结了一下:数据科学、数据工程和机器学习人才以及计算能力,过去是非常昂贵的,但近几年来,成本的暴跌让HR现在可以进入这个空间。 导致用软件扩大人力资源规模成本下降的因素 1 其他职能部门开始冲击数据科学和数据工程人才的规模效应 (你不需要第10个数据科学家,就像你需要第1个数据科学家一样)。 2 这导致了产品人才市场的人才市场趋于正常化和饱和。这意味着,HR对产品人才提出的要求不再离谱,而随着教育在这个领域的发展,产品人才的供给开始向HR这个职能部门看齐,将其作为进入该领域的一种途径. 3 开源数据科学、编程和自动化工具(如R/Python包)也出现了爆炸式增长,这大大降低了HR开始开发产品的成本门槛。 4 通过AWS、谷歌云和Azure等服务,将开源运动与廉价的云处理和存储的大量增长相结合,意味着一个有能力的人现在可以在几个小时内为产品打下基础。 5 我们看到HR技术能力的急剧上升,这也是有道理的,以前的计算和人才壁垒的下降,这也是有意义的。在过去十年里,像Workday和SAP这样的现代人力资源管理系统的价值已经被广泛接受,我们看到了像Visier、Swoop Talent、OrgVue、One Model这样以数据为导向的人力资源科技公司的出现,这些公司的介入,做了很多硬性的工作,将洞察力组织化和民主化。这些公司中的许多公司不仅提供数据报告,还提供标准化的数据录入,充当数据仓库,提供清理,并提供自己的分析。 这种计算人才和产品人才进入门槛的下降,为HR们打开了进入产品领域的大门。 平台运营模式 Platform Operating Model 如果你是一家企业技术公司的一员,你会发现以下职能部门在企业内部工作,为客户提供技术服务 企业技术模式 1 产品 - 构建技术产品和提升产品以满足客户需求的人员(研发、SWE、数据工程师)。 2 解决方案 - 解决方案团队与买家合作,确保他们从产品中获得最大价值。 3 培训 - 培训团队由专家组成,帮助客户学习如何使用产品。通常是规模化支持(视频、讲座)和一些定制化支持(现场设置)。 4? 客户获取 - 客户获。ㄓ惺北怀莆???拖?郏┑墓ぷ魇窃黾邮谐≌加新,加入新客户,并跟踪当前客户的使用组合,以确保续约协议。 5 专业研究 - 没有任何产品能100%满足客户的需求,所以有些商店有一个定制研究或定制工具组来完成最后一公里。 6? 运营--人力资源科技公司需要一个运营团队来运营公司的业务。项目管理、项目管理、项目管理、业务分析人员、内部运营。 Product?— People who build the tech product and enhance the product to meet customer needs (R&D, SWE, Data Engineers) Solutions?— Solutions teams work with buyers to ensure that they are getting maximum value out of the product. Training?— Training teams consist of specialists who help customers learn how to use the product. Usually scaled support (videos, lectures) and some custom support (on-site setup). Client acquisition?— Client acquisition (sometimes referred to as marketing & sales) works to increase market share, onboard new clients, and track portfolios of current client’s usage to ensure renewal agreements. Specialty Research?— No product serves 100% of client needs, so some shops have a custom research or custom tooling group to go the last mile Operations?— HR tech firms need an operations team to run the business of the firm. Project management, program management, business analysts, and internal operations. 在未来十年,我相信People Analytics正在向类似的运营模式转变,尤其是在专注于产品的时候。通过支持一个产品,你可以对一个核心的软件进行增量改进,然后把这个软件卖出一万倍的规模化支持,而不是依靠人力资本的增加来扩大团队规模。 我把一个平台人员分析团队可能是什么样子的松散的草稿放在下面。还记得我之前提到过要谨慎对待这些论点吗?现在是一个很好的时机,你可以适当的加点盐。我很想听听你对下面这个模式的看法,我特别期待听到你是否在实践中看到过这种模式,或者你是否认为这是一个可以让你的团队运作的模式。   平台Platform 平台团队是People Analytics机器的引擎。这种模式中的People Analytics平台团队是一个由内部和外部构建的产品集合,为整个业务和支持人员提供分析服务。这涉及到像Visier和One Model这样的工具,将报表或定制化的仪表盘扩展到HR技术产品中内置的内部分析,一路走来。在这种模式下,你甚至可以将一些100%的人力流程作为 "产品 "来管理,但这是另日的文章。 平台内的每一个产品都有自己的产品经理,而内部产品则由开发人员、数据工程师、研究科学家和分析师组成的团队。用户体验技能组将作为整个团队的集合资源,支持产品团队更好地了解业务中的客户。这个子职能部门将构建、维护、支持和理解将人员分析扩展到业务中的工具。 我在图中列举了一个例子,说明哪些类型的工具可以归入人员分析平台的工作领域。 由于冗余的原因,一个People Analytics团队不太可能拥有上面列出的所有工具,但我想举例说明一下平台团队所拥有的工具。未来,一些People Analytics团队可能会决定拥有并构建一个单一的全栈产品,将数据采集、数据仓储,并将数据和洞察力反馈给用户,但由于所需的大量前期成本和外部人力资源技术的进步,团队似乎更有可能拥有一个由内部构建和外部购买的人力资源技术混合的生态系统。 支持这部分运营模式所需的人才类型:数据工程师、产品经理、数据科学家、开发人员、可视化专家、前HRIS、用户体验等。   解决方案Solutions 解决方案团队是专注于提高HRBP、HR线、财务、业务从平台中获得的价值的团队。它不同于合作伙伴团队的服务模式,因为它是一个集合资源的团队,而不是客户分配的团队。这个团队的加入是为了让企业客户和平台团队之间的用户体验价值最大化。 这个团队的工作可以包括直接教育生态系统(去哪里找什么),帮助HR团队成员启动需要生态系统中的数据或洞察力的项目(带着让团队自助服务的心态),或者根据需要对平台进行技术调整(与平台组合作),让平台为终端用户服务。 解决方案团队通过建立一个资源池,而不是1:1的合作关系,直接为客户提供支持,也有助于规模化的PA,但也有助于规模化的PA,让平台团队专注于80-90%的需求,并为10-20%的客户需求填补空白。如果没有解决方案团队,平台团队就会被客户直接要求对核心产品进行定制化修改,导致技术欠账、系统分叉、产品开销增加,平台团队就会被客户的直接需求挤占。 人才类型:技术咨询、项目经理、投资组合负责人、人力资源分析合作伙伴、企业技术解决方案合作伙伴。 培训Training 培训团队对新客户或整个公司的新客户进行入职培训,让他们了解如何与平台上的产品互动。虽然解决方案团队仍然需要人力资本与业务互动(虽然比合作伙伴模式少),但培训团队可以与精干的团队一起运营,创建规模化的资源,如视频培训、互动演示或常见问题解答等,通过自助服务工具访问。 培训通过努力抢先于向解决方案团队提出请求,帮助扩展People Analytics。向解决方案团队提出的请求是培训团队应该开发什么内容的重要数据来源,但培训团队也可以通过向解决方案组提出的常见问题减少多少票量来衡量成功与否。这有助于提升解决方案团队所推动的价值,这反过来又进一步保护了平台团队。 在大多数公司中,PA获得专门的L&D/培训职能可能并不现实,但在那些无法实现的情况下,与L&D直接合作是至关重要的。 人才的类型。L&D专业人员、顾问、培训师、设计师、制作人员。 客户获取 Client Acquisition 构建一个内部营销和销售团队的想法似乎很奇怪,但交付一个People Analytics平台所需要的技能组合与销售People Analytics的工作是不同的。很多时候,我看到People Analytics团队会请一个STEM背景的博士来向企业的高管推销一个项目的想法或潜在项目的影响,虽然有一些罕见的人可以做到这一切,但更多的时候,数据科学团队中的销售技能并不具备。 Ian O'Keefe在最近的PAFOW西部论坛上的一次演讲中说了以下几句话: 我经常遇到的一个问题是,你们是靠什么来招聘的?你们看中的是什么样的技能?技能和技能的组合是我加入时首先看中的东西之一,随着时间的推移,我们也会继续看中。 通常情况下,我们会看到有人从四个不同的领域来找我们,他们在一个领域很深,而且在另一个领域足够危险,足够优秀。我还没有遇到过这样的人,他们有数学专业的高学历,有在技术栈管理的时间,也有在顶级战略咨询公司工作的时间,也有在IO心理研究或团队领导力方面深入的人。如果你是这样的人,请在讲座结束后来找我。 A question I get a lot is what do you hire for. What kind of skills do you see in this space? Skills and the combination of skills is one of the first things I looked at when I joined and that we continue to look at over time. Typically we see people come to us from four different areas and they’re deep in one and dangerous enough to be good enough in another one. I’ve yet to meet someone who has an advanced degree in mathematics, spent time managing a tech stack, has also spent time at a top tier strategy consultancy, and has also gone deep on IO psych research or team leadership. If you are one of those people, come see me after the talk. 当我们让人发挥自己的优势,我们就会打造出更强大、更多元化的团队。所以要想把平台扩大到整个企业,有一个专门的团队,专注于如何把People Analytics平台内的产品卖给100%的HR或企业,这是一个关键的技能。 这也是一个一举两得的团队。他们会向新的潜在客户推销平台,并向这些客户推销培训和解决方案支持结构,但他们也会充当平台的眼睛和耳朵,做竞争分析,了解客户的痛点。在企业技术领域,市场和销售都在第一线,每天与客户交谈,并将这些信息反馈给从事产品研发的人员是至关重要的。 另外,值得注意的是,People Analytics的飞车式采用也可能意味着,那些在早期就能获得使用权的职能部门也是今天获得最多的部门。当People Analytics团队的投资额度达到极限时,他们就会开始优先考虑和关闭新客户,因为他们的规模化,这可能并没有实现业务战略价值的最大化。建立一个客户获取团队可以确保PA为战略客户组合提供服务。 人才的类型。用户体验、市场营销、销售团队、内容创作、投资组合管理 专业研究 Specialty Research 即使有了一个完整的、运转良好的产品平台,一次性的、定制化的项目也不会消失,但如果平台团队、培训团队、解决方案团队都在做自己的工作,那么剩下的来自业务的需求就会变得非常复杂。这就是最后3%的项目,有时会消耗整个PA团队的能力。总会需要有人去解决那些不太适合平台的战略项目或高关注度的项目(还没有或永远不会),而专业研究团队就像一个特警队一样,去解决这些需求。 专业研究团队的存在,也让平台的科学家们可以研究规模化的解决方案,而不是陷入一次性的高优先级请求的循环中。通过将这些团队分为平台数据科学和专业研究,平台团队可以修复根本原因,而专业研究则可以专注于高关注度的火候。同样,建立一个培训和解决方案团队,可以确保这个专业组织不会被定期报告或教育请求所困住。 从长远来看,专业研究的另一个目标也应该是作为平台的外部研发职能。如果他们发现自己重复做同一个项目3次,就应该有一个与平台的连接点,找到一个HR技术解决方案,或者构建一个可扩展的产品,支持那个重复的问题向前推进。 人才类型:全栈swat团队、IO心理学、数据科学、项目经理、咨询师、数据工程师 运营Operations 最后,人员分析功能需要运营来维持所有的齿轮运转。在服务模式的今天,我们才刚刚开始看到运营角色的出现,我认为这种缓慢的出现可以追溯到服务模式的根源。运营角色有时会让人觉得是团队可有可无的 "自顾之忧",当你的客户要求更直接的服务支持时,你很难选择投入到看似运营开销的事情上。 然而,运营角色是杠杆式的角色,可以提高人脉分析的整体运营效率和效果。一个强大的运营团队来跟踪各小组的项目和优先级,可以帮助平衡整个团队的工作量。虽然每个子团队可以专注于自己的孤岛,但运营团队应该是跨孤岛的分析,以保持团队的平衡,并与跨职能伙伴合作。 平台运营模式可视化   平台运营模式示例Platform Operating Model Example 为了说明,我在下面的例子中把平台操作模型的一个小单元的例子放在了一起。我们很容易想象这个运营模式在一个围绕Visier实例构建的平台上工作的情景。 团队成员: 1 名数据工程师(平台 1 名数据分析员(平台) 1x 客户获取/培训 (客户获取/培训) 1x 解决方案合作伙伴/培训 (解决方案/培训) 1名研究员(专业研究人员) 1名组长(业务) 软件: Workday 招聘系统(ATS) 视觉效果 Tableau Team members: 1x Data Engineer (Platform) 1x Data Analyst (Platform) 1x Client Acquisition / Training (Client Acquisition / Training) 1x Solutions partner / Training (Solutions / Training) 1x Researcher (Specialty research) 1x Team Lead (Operations) Software: Workday Recruiting System (ATS) Visier Tableau 在本例中,该平台将由Workday和ATS组成,直接输入Visier。数据管道和数据质量/完整性将由团队中的一名数据工程师管理。数据分析员将与人力资源团队及其客户获取同事合作,根据客户的需求,为人力资源职能部门开发可扩展的报告。由于团队是精益化的,所以数据工程师也会和数据分析员合作,直接从Workday和其他HR系统中拉取数据,在Tableau中生成更多的缩放报表。 而本着保持精干团队的精神,企业如何使用 Visier 和 Tableau 报告的培训将由解决方案员工和客户获取员工分担。在这个团队精简时,独立的培训角色可能没有意义,但如果/当平台的复杂性增加时,可以将其添加到团队中。 客户获取员工将负责跟踪、监控并在全公司范围内推广 Visier,而解决方案员工将与新加入的团队合作,教他们如何构建自定义报告,并管理与团队扩展后的 Visier 和 Tableau 仪表板相关的问题和请求的基于票据的队列。 专业研究人员将直接从所有系统和 Visier 中提取数据,以生成自定义分析。他们将从事从薪酬研究到多样性分析等项目的工作。他们的工作将听从CHRO的指导,为整个企业的决策提供支持。 团队领导将管理团队,管理系统合同,与数据分析员和数据工程师合作,为规模化报告制定战略方向,确保整个团队的工作量平衡,并衡量整个团队的KPI指标。 随着团队的成长,你可以看到数据分析师转变为Visier的产品经理角色,为他们工作的数据分析师或可视化报告的少数数据分析师或可视化报告。额外的产品,如 ONA 工具或劳动力市场工具,也可以添加到平台上,增加对额外产品团队和客户获取小组的需求。 随着产品的复杂性增加,对独立的数据仓库的需求可能会增加,将开发人员、数据工程师和自动化专家纳入其中,以简化数据的摄取、清洗和向产品交付数据的过程。随着PA项目的飞轮旋转,一个集中化的解决方案团队可能会站起来,并建立起一套票务系统来更好地服务于企业,而独立的培训功能可能会出现。 虽然当你把这种模式发挥到前面,池化的客户端模式和通过软件专注于规模化的服务,让这种运营模式能够规模化地支持整个企业。   变化The shift 这并不是理论上的转变。我相信我只是对这种模式进行了阐述,因为实践者们已经开始将其付诸实施。在一些团队中,有一些团队正在朝着这个方向进行彻底的改革,但在其他团队中,这是一种微妙的转变,他们更加关注数据解决方案、自动化和HRIS。我看到今天的团队都在朝这个方向发展,而且在未来几年内,这个步伐会加快。 总结一下,如果我们想在所有企业客户中推广People Analytics,那么让我们走到这里的东西可能并不能让我们走到今天。当他们准备好冲击下一个规模的时候,People Analytics团队可能会开始从支持白手套定制报告和分析的运营模式转向支持白手套定制报告和分析的运营模式,并将更多的精力投入到支持软件的规模化平台的运营模式上,并帮助HR参与到软件中来。 我很高兴看到这个未来的发展,并在未来十年内帮助这个未来的发展,我希望你也是如此。 以上由智能的AI翻译完成,HRTech仅为传播交流。来源medium.com 原文标题:People Analytics: Platform Operating Model
    People Analytics
    2020年04月05日
关于我们  | 商务合作  | 加入我们  | 那年今日  | 招聘科技峰会精彩回顾  | 上海科技峰会回顾  | 首届HR区块链峰会  | 2017HRTech年度颁奖  | people analytics  | 候选人体验大奖  | 友情链接  | HR科技极客大奖  | 深圳科技峰会精彩回顾  | HR共享服务平台  | 三支柱论坛2018  | 2018数字人力资源科技奖榜单  | 2018 数字人力资源科技奖  | 北京2018HRTechCon精彩回顾  | 2018HRTechXPO  | 2018TOP100人物榜单  | 2019年度活动计划  | 2018年度大奖揭晓  | 2018投融资报告  | 2017投融资报告  | INSPIRE 2019精彩回顾  | 2019海外活动计划  | 2019北京招聘科技论坛精彩回顾  | 2019深圳人力资本分析峰会精彩回顾  | 2019中国人力资源科技峰会上海精彩回顾  | 2019HR科技极客大奖  | 北京HRTechXPO未来馆精彩回顾  | 深圳·2019招聘科技创新论坛精彩回顾  | 2019候选人体验大奖榜单  | 中国人力资源科技云图  | 招聘科技云图  | 2019上海招聘科技创新论坛精彩回顾  | 深圳7月19日HRTechXPO精彩回顾  | 2019HRPA上海站精彩回顾  | 2019中国人力资源科技创新奖  | 深圳·2019中国人力资源科技年度峰会精彩回顾  | 2019北京HR科技峰会精彩回顾  | 2019数字人力资源科技奖榜单  | 2019HRTechChina TOP人物榜单  | 2019HRTechTOP人物列表  | 2019HRTechXPO-上海精彩回顾  | 2020HRTechChina品牌活动计划  | 2020HRTech云图入口  | 共同战疫专题  | 2019年度评选榜单  | 2020招聘科技创新虚拟峰会精彩回顾  | 助力企业共同抗疫专题  | 2020企业数字化福利采购
 Hotline: 021-31266618   Email:hi@hrtechchina.com