People Analytics - HRTechChina.com

People Analytics

利用数据的力量，重塑人力资本战略，以更好地支持员工在过去的十年里，人力资源部门的数据可用性和使用量成倍增加，并继续以惊人的速度增长着。我们中的许多人现在都面临着这样的问题："我们如何使用和关注数据来重塑人力资本战略？" 在MetLife，我们设想建立一个人力资源团队，能够利用数据的力量，成为更重要的业务伙伴，更好地管理我们的员工，并使组织有能力做出有针对性的、细分的和定制的明智投资。 MetLife的崇高宗旨—"永远与您在一起，打造更有信心的未来"—是我们的核心，并指导我们如何为员工、客户、社区和股东服务。以我们的宗旨为框架，我们认识到MetLife有机会改变我们收集、使用和存储数据的方式，以最大限度地提高我们团队的参与度和效率。于是我们全力以赴。转变思维方式转变领导者的思维方式，从传统的 "报告商店"转向使用数据来发现人力资本中的优势、改进和机会，是我们的第一个障碍。为了做到这一点，我们调整了劳动力分析团队的工作重点，并投资于一家小型初创公司提供的数据分析人力资源工具。该工具消除了中央团队在电子表格中分析基本人员数据的需要，如招聘、离职和晋升，并将在线仪表板直接交到有资质的个人手中。现在，我们正在教育和授权那些可以使用该工具的人了解数据隐私、存储和使用，并帮助他们建立必要的数据敏感性。这个工具的好处是，它不会做出任何影响我们员工的有意义的决定—这总是留给我们的人力资源专业人士和业务领导人—但它允许我们的人把更多的时间花在这些重要问题上。随着基本报告数据的民主化，24/7全天候和近乎实时地提供给有资格的个人，我们的分析团队现在专注于更深入的人员洞察。通过数据讲述业务语言在过去的几年里，理解人力资本风险变得越来越重要。我们的利益相关者希望对我们的员工、文化和人才有一个客观的看法，以及他们与组织的整体健康状况的关系。用数据来处理这些问题为我们提供了某种程度的可信度。我们可以自信地说 "我知道 "而不是 "我认为"。我们的年度员工倾听调查是我们用来获得这些见解的一个工具。我们每年两次为员工把脉，在数据中看到明显的趋势，让我们知道我们的员工对为MetLife工作感到自豪，并有强烈的归属感。同样地，我们知道我们的员工正在寻找更多的时间来学习。虽然我们使用调查中的定量数据来衡量情绪，但我们也花了大量的时间使用自然语言处理来分析通过员工评论的定性数据。我们将定量和定性的调查结果与其他人口统计学和交易数据配对，以深入了解整个MetLife的人群。我们还利用这些数据来了解我们可能存在的风险或改进的机会。这两类数据的使用使我们能够计划更加本地化和定制化的干预措施。尊重客户和员工的隐私权是MetLife的核心宗旨，因此我们不遗余力地确保调查是匿名的，而且答案和评论不能被追溯到个人。这有一个额外的好处，就是给我们的员工一个安全的平台，让他们给MetLife提供诚实的反馈。持续激励员工很重要。因为，比如说，财务数据有一个结束点，而人的数据则有一个持续的流动。这些数据随着我们的员工和当前的全球格局不断增长、发展和变化。在讲述有关人员数据的故事时，必须要有一定程度的复杂性和对人类行为的理解。为了提供帮助，我们创建了一个新的角色，负责向潜在的候选人和现有的员工传达和放大我们的员工价值主张。在我们的团队中，有一个具有研究和企业品牌技能的人，帮助开发和实施为满足未来人才需求而定制的持续营销活动，对于将我们的人力资本战略提升到新的水平至关重要。提出正确的问题并深入挖掘我们很早就意识到超越表面结论的价值。保持开放的心态和对故事的深入挖掘，我们利用数据来关注有意义的解决方案。我们的呼叫中心的离职率是一个重点领域。我们没有仅仅关注离职率，而是利用数据来更好地了解与雇用和培训人才有关的成本，并确定了帮助我们最大的资产—我们的员工蓬勃发展的方法。MetLife最近将美国的最低工资提高到每小时20美元，为我们的员工提供安全感和信心，就像我们为客户提供的一样。协作是另一个例子。当我们考虑合作的时候，我们往往只关注谁在连接，谁没有在连接。然而，当你深入挖掘数据时，你会发现工作是如何完成的，并看到非正式的组织结构出现了。通过了解网络并不断地问自己 "为什么"，我们会发现更丰富的信息，帮助我们提高新团队成员的速度，发现更有效的领导模式，并了解更多关于关键连接者的信息。除了正式的网络分析，在2021年春天，我们回应了内部众包挑战的反馈，表明职业发展是希望留在MetLif的员工的首要任务，我们承诺成为人才市场的早期采用者。截至2021年12月，我们已经为900多人正式分配了项目，并帮助300多名跨职能的团队成员建立了网络联系—所有这些都在9个月内完成。我们计划在2022年底前将该平台扩展到所有员工。善用数据由于工作之外的数据科学，我们的生活正在演变成一个礼宾服务的集合。在像MetLife这样的大公司里，汇总的数据使我们能够确定行为趋势，更好地了解我们的员工和他们的需求。例如，员工可能会对一个分析员工进出的刷卡的公司感到犹豫不决。从表面上看，这些数据似乎是在监控员工，但在依法使用并考虑到员工隐私问题时，它可以帮助我们更好地了解员工的行为。为什么大群人来来往往？是否有一种行为模式显示人们需要离开以照顾孩子？我们可以利用这些数据来为我们的员工引入更强大的支持系统。另一个例子是，通过我们的年度员工调查，我们发现了一个机会，可以更好地调整我们全球各地的员工领导，以确保每个员工都有一个积极、一致和有影响力的领导经验，并以我们的成功原则为基础。去年，超过5500名员工领袖参加了由领导力专家开发的多季度学习计划，使我们的领袖具备了为今天和明天发展所需的技能。还有两个季度的学习，以及我们的年度调查刚刚完成，我们现在可以将2020年年度调查的问题与2021年领导人行为的结果进行分析，以确定潜在的影响。坚持我们的承诺和管理风险人员数据对于我们今天的工作方式和未来的建设是非常宝贵的。然而，一个显而易见而又被忽略的事实仍然是我们如何获得和使用我们的人员数据，以及我们能走多远？我们考虑了两个问题。什么数据是作为员工的数据？以及哪些员工数据是雇主可以使用的？在这个领域，仍然有很多灰色地带。例如，如果员工不打算与雇主分享这些信息，那么从公开的社交媒体数据中收集求职行为洞察力是否可以？雇主需要有明确的政策和标准，围绕着他们将去和不去的地方来解决这些问题。回到我们的目的，我们希望我们的员工信任我们将如何使用他们的数据。当我们通过调查进行员工倾听时，我们会解释数据将如何被使用，并采取额外的预防措施以确保匿名性。此外，鉴于这种大流行病，我们都比以前更了解彼此的个人生活。正如我们对客户所做的那样，我们必须遵守对员工的承诺，以确保数据的完整性和维护信任。向多样性靠拢对数据的发现过程持开放态度也可能意味着要面对无意识的偏见。你的数据会让你知道你是否在组织中鼓励了多样性、公平和包容。对于MetLife来说，拥有正确的机制来确保我们的运作具有多样性、公平性和包容性是我们数据分析战略的首要任务。当我们收集数据时，我们确保我们拥有所有需要的数据维度，以确保数据的准确性。然后，我们让具有不同背景的人对数据进行测试，对非多元化群体可能忽略的所有事情提供意见。在数据收集过程的所有元素中主动建立多样性、公平性和包容性，确保思想、观点和背景的多样性。通过我们所有的努力，我们明白总是有更多的问题要探寻，有更多的解决方案要发现。在我们浏览数据所揭示的故事时，我们的目的将是我们的指路明灯。作者：Susan Podlogar, Laura Shubert, Robin Gordon, MetLife

People Analytics
2022年03月08日
People Analytics

【高阶训练营】HR未来关键技能—人力资本分析（People Analytics）高阶训练营即将开班，欢迎报名人力资本分析（People Analytics）高阶训练营简介：目前在优秀人力资源工作者技能需求中，People Analytics 成为关键能力之一，国内尚处于早期阶段，对于PA岗位基本年薪高于HR同职级岗位50%，PA人员的需求也极大。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，从以往的模糊数据结论到目前的人力洞察。 HRTechChina作为国内最早倡导和推动人力资本分析的媒体平台，特别联合科石咨询（Keystone Consulting）凭借在HR数据分析领域长达十年的推广耕耘，共同推出人力资本分析（People Analytics）高阶训练营，帮助优秀的你，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！您，是时候加入其中了！适合的对象：人力资源总监、HR数据分析师、组织与人才效能分析专家、HRSSC负责人、HRIS负责人、PA部门同仁以及其他HR同仁该训练营在12个月的周期内，为学员提供专属认证课程、前沿论坛、实践案例、企业参访、奖项评选、调研趋势报告、专业社群等综合的全方位支持。训练营领衔专家：杨冰 Robin Yang “中国人力资源数据分析第一人” 国内组织与人才效能分析领衔专家 HRTechChina人力资本分析业务合伙人 Keystone科石咨询创始合伙人特别安排PA训练营顾问：田旭宏首期学员，名额有限价格：19800元/人现在报名赠送HRTech礼包一套，还可享受超值优惠 2人同行，可享受9折优惠 3人及以上，可享受8.5折优惠 5人以上，可享受8折优惠训练营项目联系人：科科微信：hrtechina 报名链接： http://hrnext.cn/usho83

People Analytics
2022年03月06日
People Analytics

人力资本分析（PA）中的系统理论 — 开放世界游戏的乐趣简介 Uncharted系列游戏和Zelda系列游戏都有伟大的故事情节，精心编写的人物，激烈的动作场面和强大的情感回报，那么这些游戏之间的主要区别是什么？Uncharted是一个线性的故事体验，有点像读一本书，有特定的事件顺序，有开头、中间和结尾，你在如何体验故事方面没有什么自由。 Zelda 则完全相反，它是一个开放的世界游戏，意味着你有充分的行动自由，故事的发展是由你的行动或探索决定的。两者都提供了非常不同类型的体验，一些玩家热衷于开放世界游戏，而另一些玩家则喜欢体验更有条理的游戏方式。这与系统有什么关系？系统思考的工具更符合上面的未知体验—我们设置了场景，介绍了一些清晰的例子，并给你提供了各种工具，暗示你如果把这些应用到你的人力资本分析项目中，最后会有一个整洁的解决方案。虽然这为你提供了一个坚实的基础，但系统的内容远不止这些。系统理论是包含系统思考的总体理论，是一个精确的框架。它让你清楚地认识到，在人力资本分析实践中，你应该把探索和实验的方向放在哪里。从这个意义上说，理解系统理论更像是被扔进 Zelda 的大型游戏世界，带着一把小剑，在没有很多指引的情况下自生自灭。虽然系统理论需要用一生的时间来掌握，但你只需使用它的少数核心工具就能取得巨大的成果。因此，我们有必要向我们的人力资本分析和人力资源专业人员和学者同行多介绍一些它的概念。系统理论概述让我们从作者的一个真实故事开始。想象一下，你在一家中型科技公司的人力资本分析团队工作，你被告知在过去的12个月里，研发部门有不少工程师相继离职。这对所有高级利益相关者来说都是一个紧迫的问题，所以你开始按照常规步骤，尽可能多地收集数据。你采访当地的利益相关者，收集来自人力资源信息系统、ATS和LMS的各种数据，并开始创建预测模型,但令人沮丧的是，所有的预测模型都显示早期预警信号，而不是告诉你工程师流失的真正根源。尽管这是一个相当基本的例子，但从中可以很好地说明系统理论的第一个原则。所涉及的人力资本分析团队主要关注员工个人的数据，并在一定程度上关注团队/公司的内部环境，而没有考虑这种情况所发生的更广泛的系统。如果该团队使用了一些系统理论的原则，他们会更幸运地找到问题的根本原因。那么，什么是系统理论，它可以应用于人力资本分析业务吗？顾名思义，系统理论是一种跨学科的系统理论，起源于生物学。它的核心是通过系统的边界和内部以及外部的专业化来定义系统（Willke, 2000）。根据这个定义，任何事物都可以是一个系统。开放和封闭系统系统理论最重要的区别之一是封闭系统和开放系统的区别。封闭系统是固定的实体，完全独立于其周围环境而运行。例如，我们写这篇文章的电脑主板就是一个封闭系统—无论我们是在办公室还是在家里，或者在希腊岛的海滩上，它的运行都是一样的。开放系统只有在与环境接触时才会依赖和发展。像我们例子中的大型组织和公司，被认为是具有两个关键特征的开放系统： 1.所有的组织和组织行为者都被嵌入到一个更广泛的、分层的系统中，他们的所有行动都是由他们所处的环境决定的。 2.系统中任何元素之间的相互依存关系意味着，组织中一个领域的任何变化必然会引起其他领域的变化。系统层次我们将在下面的建议中重新审视这两个特征。现在，让我们来看看组织开放系统的基本构件： 1.我们从个人系统开始—我们每个人都是由多个相互依赖的子系统组成的，例如认知（头）、情感（心）、观念（手）三者。两个人在某个中立的地方相遇，就代表了一个dyadic系统。当他们互动时，他们与他们的子系统互动，主导系统之间的不匹配可能是麻烦的来源；例如，一个人可能专注于认知，而另一个人可能专注于情感。 2.当第三个人出现的时候，一个微观系统就出现了，在这个微观系统中，每一方都与所有其他方相连。 3.一旦一个更大的、相关的背景与该微观系统相连，超过了原来的微观系统，一个中观系统就产生了。例如，如果三个人相遇并创办了一家公司。随着最初的中间系统的成长和扩展，更多的微系统将在其中被创造出来。在这一点上，中间系统塑造了微观系统，因为微观系统塑造了中间系统，两个系统都塑造了个体系统，因为个体系统也塑造了它们。地方塑造人，人也塑造地方（Schneider, 1987）。 4.这个概念可以通过把两个中观系统放在一起，形成一个外观系统，例如一个行业，在行业协会或卡特尔的情况下，甚至可以在其中创造一个新的等级制度来进一步旋转。许多行业和其他系统形成了社会，许多社会形成了超级结构。这种更广泛的系统层面被称为宏观系统。上述内容对人力资本分析和人力资源专业人士的影响是显而易见的。更多的时候，我们只关注个人系统（如HRIS或ATS中的个人记录）或微观系统（如团队），而忽略了相关的高层系统。特别是一些需要评估的外系统和宏观系统的因素，例如，包括： - 政治影响 - 集体谈判协议和劳动法规 - 竞争者的影响 - 文化规范和法规 - 环境因素同时，对个体和特定微观系统的关注意味着我们对这些系统之间的相互关系和它们的互动没有给予足够的重视。系统理论概述：涌现、自我组织和等价性涌现指的是复杂系统中存在的行为，这些行为可能不存在于其单独的部分—换句话说，系统的不同部分一起做什么，而它们并不单独做。俗话说，整体大于部分之和。涌现的概念由来已久，植根于生物学、哲学和社会学。用一个通俗的比喻来说，"涌现 "就是同时看到森林和树木，而不是只关注其中的一个。对于了解整个组织和它们所面临的问题来说，理解涌现可能是关键。例如，考虑到对领导者的崇拜，创始人和其他有影响力的领导者可以在组织中创造出持续很长时间的结构和政策，并影响工作场所的新兴行为，这在个人层面上是无法观察到的。每当面临组织问题时，牢记涌现的概念是理解问题的各个方面的关键。自我组织是一个类似的话题。实际上，涌现和自组织经常被捆绑在一起作为复杂性的科学。将其简化为一个核心定义，它指的是系统能够在没有外部控制的情况下获得并维持自己的结构的方式。它明确地谈到了对明确控制的缺乏需求。大多数系统似乎有一种内在的能力来寻找秩序，而不是依赖任何计划或来自外部的强制秩序。当涉及到一个组织选择的结构方式时，这一点尤其重要，当然，人力资源政策和法规是其中的一个重要部分。理解自组织的概念对于人力资源和人员分析的专业人士来说是关键，特别是在考虑由于结构过于僵化，不允许在微观和宏观层面的子系统之间轻松沟通和流动信息而产生的问题。我们想介绍的最后一个概念是 "等价性"。卡茨和卡恩（Katz and Kahn，1966）对此的官方定义是：组织可以从不同的初始条件和通过不同的手段获得相同的最终状态。用通俗的话来说，这意味着没有 "一刀切 "的方法来实现一个目标。在人力资源实践中，这是一个令人惊讶的未被充分探索的概念，因为在这个行业中，人们一直在竞相遵守最佳实践，追随最新的管理潮流，而没有意识到可能有多种 "正确 "的道路可以通向理想的结果。例如，以绩效管理（PM）为例，它是一个关键的人力资源系统，目标是提高员工绩效。绩效管理本身是由多个子系统组成的；每个子系统都要做出各种决定，例如，设定目标、观察绩效、评估绩效、反馈、绩效审查和会议等等。每一个目标都可能在正式与非正式的尺度上有所不同，并且高度依赖于其他多种因素，如评估者和被评估者的人口统计学因素、个体差异、培训和问责制、所有权、组织结构和文化，以及商业战略。除非在你自己的组织中很好地理解所有这些因素，否则仅仅追随最新的 "最佳实践 "潮流，如完全取消绩效评级和审查，在最好的情况下是短视的，没有考虑到全面的情况，在最坏的情况下，会达到PM的相反目标。现在，我们将尝试在理论背景的基础上提供一些实用的提示。实用技巧 1.使用你的全部战略工具库。回顾开放系统的第一个特征：所有的组织和组织行为者都嵌入在一个更广泛的系统中。在此基础上，我们肯定应该探索我们公司所处的外部系统和宏观系统，以确定是否有任何外部原因导致流失。在这里，我们可以借用战略和营销领域的同事们长期以来一直使用的一些关键工具，包括经典的PEST（EL）和SWOT分析。事实上，我们的建议是，定期进行PEST(EL)分析，这样你就能随时发现甚至是主动期待影响劳动力事务的趋势。培养与负责公司PEST(EL)分析的部门的关系，并从劳动力的角度贡献你自己的发现，以确保你始终是与时俱进的。在上面的例子中，人力资本分析团队的外部研究揭示了一些与内部因素无关的关键因素。有一个系统性因素的组合，包括： - 政府立法使某一特定行业对公司非常有吸引力 - 该行业的雇主在税收优惠的地方开设办公室 - 该公司的员工因其内部开发的特定能力而非常受欢迎这些因素的结合意味着，当挖角开始时，该公司几乎没有办法对抗员工流失。这是一个明显的例子，说明个别系统影响了外在系统和宏观系统，并被其影响。如果对系统理论有更深入的了解，人力资本分析团队本可以更早地制定保留人才的策略。需要强调的是，PEST(EL)分析对小型组织和大型组织同样重要。例如，小型组织通常无法在薪酬或品牌声誉方面与大型企业竞争，因此，对其外在系统和中间系统有一个全面的了解，将使他们能够部署替代的人才吸引和保留战略。 2.加入ONA的行列。如果说PEST（EL）是你可以用来探索影响你的组织的外系统和宏观系统的主要工具之一，那么组织网络分析（ONA）则是探索中系统和微系统的关键工具。正如我们上面提到的开放系统的第二个特点。系统中任何元素之间的相互依赖性意味着，组织中一个领域的任何变化都必然会引起其他领域的变化。此外，请记住我们在上一节介绍的涌现原则，单个系统的组合往往会产生令人惊讶的结果。很多时候，人力资本分析团队只关注单个系统，或者一个独立的微观系统，而忽略了这些系统之间的相互联系。ONA已经存在了几年，但仍然被严重低估或误解。ONA的核心是研究中间系统内多个单独系统和微系统之间的关系。它可以应用于各种场景，从观察信息流、协作模式、识别连接，到探索每个系统的运行情况。在我们的例子中，将ONA应用于研发团队，发现了另一个有趣的，虽然与主要流失问题趋势无关的问题。人力资本分析团队发现，与那些有现场入职经历的员工相比，新员工入职时的内部网络更小，这反过来又降低了这些新员工的参与度。这导致了对入职体验的全面重新设计，以确保早期建立重要的网络。 3.作为系统的人力资源流程绝大多数情况下，自然减员发生在个人系统层面；然而，它与几个层面的微观系统和中观系统相互作用，如参与、绩效、入职和学习。而这些反过来又嵌入到诸如组织文化和价值观等较难定义的中间系统元素中。如果流失是一个结果，不要忽视员工生命周期的关键驱动因素，包括招聘、入职、目标设定和绩效，以及福利。然而，为了以适当的方式衡量它们，当然要把它们分解。对于你们中的极客来说，我们期望预测模型的AUC最多在0.65和0.85之间，其中一个主要原因是不同的系统水平有不同程度的影响，而我们大多缺乏确切的措施来量化这些。 4.记住自我组织和等价性最后，按照等价性原则：不断追逐该领域的最新时尚和最佳做法通常是被误导的。每个组织都有许多变量需要考虑，简单地效仿别人的例子通常会以痛苦告终。一方面，这可能是相当可怕的，似乎是混乱的。但另一方面，它为每一个人力资源团队开辟了一个创新的世界，也为人力资本分析团队提供了一个由数据支持的更全面的画面，为他们的组织建立正确的流程。一旦你开始建立这些流程，请始终牢记自我组织原则—只要你为个人和子系统提供正确的渠道进行有效的沟通，并了解你的网络是否在有效地工作，大多数系统都会找到有效的组织方式。总结开放世界游戏的魅力在于，没有一个人在玩的时候有相同的体验。如果你从我们的文章中得到一个论点，那就是也没有单一的最佳实践的人力资本分析或组织原则。如此多的系统性因素会影响到选择一种方法，从组织的规模到领导团队的成熟度，到你的团队和员工的技术能力，再到你的可用预算。因此，我们鼓励你努力成为一个内部创新中心—推动边界，尝试东西，不随波逐流。从本质上讲，根据系统理论，拥抱组织令人难以置信的复杂性，然后让你所做的一切尽可能地简单。作者：Peter Romero & Andreas Kyprianou

People Analytics
2022年02月28日
People Analytics

PA实践分享：如何利用技能数据来支持劳动力规划和改善员工体验越来越多的人开始关注技能，这可以说导致了人力资源的彻底转型。也许这并不会令人惊讶，因为74%的首席执行官对关键技能的可用性感到担忧，并担心人才短缺会限制增长。此外，世界经济论坛的《2020年未来工作报告》预测，到2025年，随着9700万个新工作岗位的出现，50%的员工需要重新掌握技能，8500万个工作岗位将因人类和机器之间的劳动转移而被取代。根据Gartner的预测，这种压力将转化为人力资源的压力，人力资源的首要任务是为其组织建立关键的技能和能力。我们在Insight222对未来劳动力规划的研究中发现，虽然几乎所有的公司都希望建立一个基于技能的劳动力规划过程，但只有四分之一的公司正在积极地这样做。我最近采访了ING的人力资源战略和人力资本分析主管Luigi Maria Fierro，以听取更多关于ING如何利用人员数据来了解整个银行所需的技能和能力，以及如何利用这些见解来指导他们的未来劳动力战略。 1.请您简要介绍一下您在ING的背景和职责？我是ING的人力资源战略和分析的全球负责人。在这个职位上，我负责人力资源战略，确定我们的人力资源部门要在哪些方面做出努力以确保我们的员工能够创造业务影响。我还为我们的人力资本分析实践指明了方向，使我们能够在业务中做出更多数据驱动的决策。我对数据带给我们的机会感到非常兴奋。人员数据可以让我们对整个银行的技能和能力有重要的洞察力，帮助我们在正确的领域进行投资，从而确保我们为未来做好准备。同时，它可以让我们的员工深入了解他们可以在哪些方面发展他们的技能，以保持竞争力和领先优势。 2.在人力资源部门中，先进的分析技术和人的决策之间的最佳平衡点是什么？这是一个非常重要的问题。多年来，我们一直在讨论机器是否会取代人类。我相信情况不会是这样，因为人工智能从来就不是为了取代人类，特别是在人力资源部门，它的作用是促进有价值的人际互动。我认为人工智能在很大程度上是帮助人类决策、简化流程或提供更多标准化的一个推动者。我们的想法是利用不同来源的数据，但要支持人类做出更好的决策，而不是取代他们。人工智能可以协助你筛选最佳候选人，确保你未来的采用需求。然而，在招聘方面，人类是不可缺少的。招聘人员仍然需要人与人之间的互动，以确保你任命合适的候选人。因此，虽然人工智能确实可以支持我们，并加强数据驱动的决策，但在我看来，人的因素将永远占上风。 3.考虑到整个人力资源部门的数据民主化，你如何支持HRBPs变得更加数据驱动？在人力资源部门，我们中的许多人正在努力变得更加以数据为导向，数据对于支持决策越来越重要。在ING，我们目前正在努力优化我们的数据，确保不同的系统相互沟通，以提高我们的数据可比性和质量，从而提高我们整体的人员洞察力和决策能力。例如，我们分析当前我们内部拥有的能力和权限，这使我们能够确定我们需要改进的领域，或者在哪些领域我们需要引进具有特定技能的人。在ING，我们定义了未来几年需要关注的六种关键能力—三种与众不同，三种基础性的。我们也正在制定智能方法，以衡量我们的员工队伍中已经拥有的这些能力的程度，从而确定员工队伍发展的领域。 4.您能给我们讲讲您在ING的人力资源中使用高级分析的例子吗？在ING，人力资本分析与人力资源部门的其他成员密切合作，确定我们可以利用数据增加价值的领域。我们关注一些广泛的主题，包括劳动力分析和员工倾听。首先，我们使用高级分析来加强我们对员工足迹的理解，并优化我们的招聘策略。这方面的一个例子是，根据搜索量最大的资料，扫描外部市场的最新技能趋势。为我们的HRBPs带来一个外部观点，例如 "什么技能是目前的趋势"，"我们的竞争对手正在招聘什么技能 "等，使他们能够更好地规划ING的未来劳动力。其次，我们已经实施了自然语言处理解决方法，以完全匿名的方式，更好地了解我们的员工对关键话题的看法，如职业发展。我们将这些见解提供给人力资源部门，以便他们能够将员工的反馈纳入到改进我们的人才发展方法中。这些只是几个例子，我相信随着技术的不断成熟，可以得出更多有影响力的应用。尽管如此，重要的是要强调，人与人之间的互动仍然是最重要的因素。 5.您的工作所发现的未来技能是什么？是否有任何意外，或者与你的人类预测相一致？我们的研究仍处于早期阶段，但最初的指标都指向更好的数据技能。这不是一个非常令人惊讶的发现，因为我们已经知道这是一个越来越重要的领域。所有的大型科技公司都是数据驱动的，对于银行和许多其他企业来说，这也是完全一样的。这是一个我们想要提高技能和能力的领域，这也是为什么我们将数据流畅性和网络安全列入我们的六大能力，作为我们想要关注的领域。在未来几年，数据只会变得更加重要，因此拥有数据技能和引进新的专业知识对大多数企业来说是至关重要的。 6.您如何结合内部和外部技能数据进行劳动力规划？对于希望转向基于技能的数据驱动的劳动力规划的其他组织，您有什么建议？我们正在向一个更加基于技能和能力的组织转变。通过分析，它可以帮助我们了解员工队伍的技能组合，确保我们提高技能，并为未来的员工队伍做好准备。我们还可以利用这些洞察力来提供某些学习旅程，这是我们目前正在努力开发的东西。这将有助于我们的员工以及ING确保我们拥有适合未来的技能。我相信外部市场的洞察力也是非常有价值的。以市场上要求的技能为基准来衡量自己，可以帮助你保持领先。它可以通过确保我们将具有某种技能的候选人列入名单，来支持HRBPs将合适的人才纳入合适的角色。 7.这项工作的早期影响和反馈是什么？我们看到更多的数据驱动的对话是市场技能基准测试的直接结果。我们还看到了人力资源决策的标准化。但更重要的是，我们正在为HRBP和我们的员工带来可见性。由于这些见解，HRBP和业务领导者已经开始更好地了解他们的员工队伍，他们现在对我们仍然需要改进或额外引入的技能有了更好的了解。我们鼓励员工建立自己的技能并设计自己的职业生涯，使他们能够确定自己的技能优势以及他们的发展领域。我们的目标是为员工提供一个无缝的旅程，从了解他们的技能，确定发展需求，然后通过学习模块，短期项目或新的工作角色找到建立这些需求的机会。 8.最后，数据驱动如何让未来的工作更加具体？人力资源部门的角色是实现业务绩效，我们的员工是实现我们战略的关键。这就是为什么我们需要投资和了解我们员工的技能和能力，以及我们可以共同改进的地方。拥有广泛的数据洞察力，可以帮助我们看到员工队伍中能力和技能的高级趋势。它可以使我们的业务领导者能够根据数据驱动的事实而不是假设做出更好的决策。作者：Luigi Maria Fierro & David Green

People Analytics
2022年02月26日
People Analytics

PA实践分享：实现决策中人员数据的民主化，提高HRBP战斗力根据Insight222最近对人力资本分析趋势的研究，90%的首席财务官明确表示，数据和分析是人力资源战略的重要组成部分，但只有42%的公司拥有人员数据和分析的数据驱动文化。对发展人力资源数据驱动文化至关重要的三个组成部分之一是在整个组织内 "嵌入数据驱动决策"。为了做到这一点，HRBP尤其需要发展他们的数据素养技能。该研究再次显示，期望和现实之间存在明显差异，因为81%的首席财务官期望HRBP在日常工作中使用人员数据和分析，但只有43%的公司中的HRBP正在发展他们的数据素养技能。我最近向Tata Steel人力资源战略、人力资本分析和人力资源创新实验室负责人Vipin Sharma了解了他的团队如何应对这些挑战。他们的工作重点是同时实现决策中人员数据的民主化，提高HRBP和更广泛的人力资源社区的技能，这使他们能够很好地解决人力资本分析的重要业务挑战，包括绩效管理中的偏见。 1.为什么在整个组织内实现人员洞察力的民主化是很重要的？将人员洞察力民主化并提供给领导、经理和HRBP，以便将数据驱动的有关人员事务决策制度化，这是非常重要的。人力资本分析的主要目标之一是改善我们做出的决策，并消除偏见，因此，当领导者或管理者做出此类决策时，他们能够获得相关的人员数据，这一点非常重要。 2.在Tata Steel，你们如何实现人员数据访问的民主化？当我们在4-5年前开始我们的人力资本分析时，我们意识到，一个坐在组织的角落里的人员分析团队产生的洞察力和模型将无法产生巨大的影响，除非我们让更大的HRBP团队参与进来。因此，在我们的每一个项目或倡议中，我们让HRBP和其他职能部门的人力资源人员与我们合作，不仅作为人力资本分析的用户，也作为人力资本分析的扩展部门。我们还致力于提高HRBP团队的能力，并提出了一个结构化的方案以及自助分析门户，以实现人员数据的民主化。我们在以下领域开展工作：数据：我们以一种非常集中的方式工作，以提高数据质量，并努力为人员数据建立一个业务库。我们让人力资源团队的其他成员参与各种项目，以提高数据质量，并成立了一个数据委员会，明确负责维护人力资源主数据的数据质量。这也帮助我们整合了不同系统的人员数据，并提供了单一的事实来源，这为所有的人力资本分析计划奠定了基础。分析：我们所有的分析项目，无论是可视化仪表盘、描述性分析还是预测性模型，都是以终端用户和它所解决的业务问题为出发点。对于所有的可视化仪表盘，我们与领导层和人力资源部门就他们需要的关键绩效指标和洞察力进行深入讨论，以改善他们的决策。同样地，任何分析项目都要从明确阐述相关的业务问题开始。能力：我们为人力资源团队设计了一个结构化的分析能力发展项目，名为 "Marvel"，我们每1-2年向20-25名参与者推广一次。该计划为期2-3个月，涵盖人员分析的各个方面。我们从这个项目中挑选出4-5名参与者，并带领他们完成一个高级分析项目。为了引起人们的兴趣，我们组织了 "Datathons"，并将游戏化纳入我们的许多举措中。多年来，我们看到此类活动的巨大参与度，我们已经能够提高绝大多数人力资源专业人士的技能。我们还推出了我们的人力资本分析门户 - Analytica。这是一个自助式的人力资本分析平台，我们在这里托管所有的仪表盘、分析报告、分析能力项目和全球的人力资本分析新闻。这个平台是我们在整个组织内实现人力资本分析民主化的核心。 3.解决绩效管理中的偏见对企业有什么影响？绩效管理是一个关键的人事流程，对员工的参与度有非常大的影响。参与度对业务成果的影响已得到充分证明。绩效管理是我们参与结果的关键改进因素之一，多年来，我们根据员工和经理的反馈对流程进行了各种修改。当我们开始研究绩效管理偏见模型时，我们分析了我们的参与数据，并与部分员工进行了讨论，然后进一步深入研究数据，了解员工对绩效管理偏见的看法。我们做了探索性分析，测试了各种假设，并得出了一个模型，突出了统计学上显著的偏见信号。这个模型为我们的中央绩效管理团队和HRBP团队提供了关键的见解，他们又将这些见解传达给经理和领导。额外的数据驱动的洞察力有助于使这个过程更加稳健并减少偏见。 4.在实施这项工作时，是否有来自管理人员的阻力？如果有的话，你们是如何克服的？我们在去年部署了这个模型，并利用它来帮助管理人员和HRBPs更加清醒地意识到偏见。我们确实面临一些担忧，但我们能够通过关注数据来克服它。 5.你们接下来希望用高级分析法解决什么问题？我们正在研究 ONA（组织网络分析）的各种使用案例。我们每年都会推出360度调查，并正在探索使用ONA为每个人推荐利益相关者。考虑到混合劳动力，各种福利措施可以通过ONA产生的洞察力变得更加强大，我们也在探索心理特征分析，这在市场营销中被广泛用于客户特征分析。我们在评估所有干预措施时都考虑到了数据隐私规范。最终，我们的目标是通过数据驱动的方法更好地了解我们的员工，从而打造一流的员工体验。作者：Vipin Sharma & David Green

People Analytics
2022年02月23日

People Analytics

【指南】20个人力资源分析师面试需要准备的问题，让你的面试更高效！在大数据时代下，人力资源分析师在商业世界中发挥着至关重要的作用。通常，他们帮助组织数据，发现市场趋势并支持业务决策。无论你是在招聘人力资源分析师，还是在准备这个具有挑战性的职位的面试，多了解一下什么是有效的人力资源分析师面试问题—在提问和回答的角度上，对你都是有利的。求职面试仍然是大多数公司用来评估候选人是否适合某一特定职位的方法。它使候选人有机会表达他们的成就、目标和其他兴趣点。这里罗列了许多不同类型的人力资源分析师面试问题，从以属性为重点到以情景为重点，希望能以此作为你的人力资源分析师面试指南，或以此为你的组织聘请一名出色的人力资源分析师。以个人和动机为重点的面试问题在求职面试中，雇主会分析候选人的个人特质。了解是什么促使应聘者愿意从事人力资源分析师的工作，并借此深入了解这些品质。下面是一些适用于这一领域的人力资源分析师面试问题：请告诉我你最大的两个弱点。是什么促使你申请我们公司的工作？你认为你将如何适应并融入这里的文化？你能告诉我你职业生涯中学到的最大教训吗？如何回答这些面试问题在回答这一些类型的面试问题时，需要关注你的积极品质。例如，你可以提到完美主义是一个弱点，但随后解释你如何努力改善。你也可以有意识地设定更合理的目标，确定并坚持优先事项等等。简而言之，即使你谈论的是弱点或经验教训，也要保持积极的态度。如果你正在面试一个候选人，寻找一个能在其他领域提供这些属性的明确示例的人。面试官想衡量的另一件事是，你的公司文化偏好与你所实际申请的公司文化如何匹配。在面试之前，你有必要了解该公司的一些基本情况，以便能够解释关于你的动机和文化适应性的问题。至少，提前查看他们的网站和他们的职业页面。基于行为的面试问题人力资源分析师的角色要求被选中从事这项工作的人具有某些态度和行为。人力资源分析师必须从分析的角度来处理事情，利用具体数据来改善人力资源行为。可以考虑以下这些人力资源分析师的行为面试问题：分享一个你和困难客户/内部利益相关者的经历。你用什么系统来掌握你所从事的各种项目？你如何确定最佳数据的来源？你是否曾经在某些方面犯过错误？如果有，你做了什么来纠正问题？如何回答这些面试问题上述面试问题的回答最好具有一定程度的个性化。事实上，这也是雇主应该寻找的东西。照本宣科的回答是行不通的，回答时要独特且有趣。想一想具体的情况中你是如何表现的，以及你本可以做得更好的地方。不用立即回答，花一分钟时间思考是完全可以的。招聘经理可以根据候选人回答问题的诚实程度来评估他们。基于特定角色的面试问题人力资源分析师在组织中扮演着一个有趣的角色，经常与关键决策者一起工作。这需要一套非常特殊的技能。基于角色的人力资源分析师面试问题可以深入了解这些技能，以下是一些示例：当评估在现有部门内创建一个新的工作角色的成本时，你会求助于哪些软件工具？你认为对细节有敏锐的洞察力有多重要？你为一个项目编制的最有趣的分析报告是什么？你管理数据的首选工具是什么，为什么？如何回答这些面试问题如果你想有机会得到一份人力资源分析师的工作，请回顾该工作的技能和要求，并将你的答案集中在这些方面。例如，如果你对公司在招聘启事中提到的某种工具有很多经验，那么在回答特定角色的问题时一定要提及这一点。如果你没有使用该特定工具的直接经验，你可以谈谈你如何使用类似的工具。如果你能谈谈这些要点，然后分享一些你所接触到的数据的例子，以及你是如何在工作角色中利用这些数据的，那么你可能就把工作收入囊中了。不要忘记提到你的证书，以及它们是如何帮助你获得人力资源分析师所需的能力。例如，如果你最近完成了人员分析证书课程，请指出你学到的内容，以及它们与该角色的关联性。基于情景的面试问题当困难的情况出现时，雇主需要确保他们可以依靠人力资源分析师做出正确的决策。因此，人力资源分析师的情景面试问题可以帮助识别最理想的反应。以下是一些你作为候选人可能会遇到的问题，或者如果你在招聘时问到的问题。你是否曾有过一个会影响大量员工的决定，如果有，你是用什么数据来做这个决定的？分享一下你收到建设性批评的时刻。你是如何利用这些反馈来改进你的分析工作的？你曾经处理过哪些不寻常的数据分析工作？你能告诉我们在工作场所调查期间，数据何时提供了见解或证据？如何回答这些面试问题所有这些问题都需要在人力资源和/或处理数据方面有一定程度的经验。同样重要的是，你要有一些故事可讲。一个很好的起始点是为你的雇主做出的重大业务决定，并将其与你亲自处理的任何日期联系起来。其中一些问题可能会让你感到困惑，但要与他们愉快地交流，并且要诚实。基于解决问题的面试问题除了能够以合理的方式做出反应，利用人力资源的最佳实践和数据外，人力资源分析师应该利用这些信息来解决组织问题。问题可以包括人力资源的许多领域，包括招聘问题，员工参与度，生产力，留存率和绩效。请关注以下人力资源分析师解决问题的面试问题：你认为在解决业务问题时，人力资源分析师最关键的技能是什么？今天大多数人力资源专业人士面临的最具挑战性的问题是什么？你是否曾在以前的工作场所协助实施一项新政策？如果有的话，你是从哪里开始的？请告诉我们你从数据中收到意外结果的情况，以及这对你执行解决问题的能力有什么影响。如何回答这些面试问题一次有质量的求职可以包括尽可能多地了解工作要求。花点时间研究和发现人力资源分析师处理的主要职责。在回答面试问题时，考虑他们解决的问题以及他们如何为组织服务。在人力资源分析师面试中取得成功的策略：除了练习面试技巧以及如何回答上述问题外，还有其他方法可以为人力资源分析师的面试做好准备。以下一些策略概要： 1.确认你的简历和社交媒体资料上的所有信息都是最新且正确的。 2.多关注网络，特别是你列入参考的人选，提醒他们你正在找工作。这样一来，他们就可以更加警觉地意识到，他们需要对你的相关询问作出回应。 3.第一印象很重要。确保你在面试当天看起来专业而清爽。如果你是亲自面试，你可以询问工作场所的着装要求，然后穿上相应的衣服。即使是远程面试，你仍然希望在这一过程中保持最佳状态。 4.事先尽可能多地对公司进行了解。没有两份人力资源分析师的工作是完全相同的。你在一份新工作中所做的事情可能与你以前的工作有很大的不同。准备好问问题，尽可能多地了解工作机会和公司本身。 5.面试时要牢记工资信息。这是一个经常出现的问题，因此你要准备好一个你能接受的范围。一个好的经验法则是，至少要比你最近的工作多赚5%。 6.与朋友或教练一起练习你的面试技巧。你要尽可能感到舒适，也要做好准备。当然，你不希望看起来过度练习或排练。记住，在回答问题时要真实和诚实。 7.在进入面试前，仔细查看招聘信息，思考你的经验和资格与职责要求是否匹配。可能有你不具备的资格或经验，这没关系，但是要准备好如何解决这个问题。也许你有一些其他方面的才能或专业知识，你可以把它展现出来。 8.在面试的前一天好好休息一下，准备一些笔记和问题。请务必准时，并用虚拟软件或亲自测试的方式测试路线。作者：Tess C. Taylor

People Analytics
2022年02月22日
People Analytics

【关键】2022年人力资本分析(People Analytics)中重要的指标十年前，当我开始在人力资源部门分析人员数据时，这件事仍然是相当 "新颖"的。我们报告自然减员、招聘周期、绩效分布......这些都是为了让公司领导层和董事会知情或受益。这可能是有用的，也可能是战略性的，但这只是个例外。如今，我的角色和经历发生了变化：变得更加关注我们所分析的数据，以及它如何使我们的公司受益。然而，直到数据隐私发生演变（以及各地人员分析的日益成熟），我才开始真正看到其帮助每个员工和改造人力资源的力量。我很幸运地将这一经验带到了TIBCO软件公司，由于我的团队不断地 "推陈出新"，加上TIBCO领导层的鼎力支持，我们已经建立了一个世界级的人力资本分析（People Analytics）实践。在过去的几年里，我们建立了一种 "将洞察力付诸行动 "的文化，致力于利用数据来改善我们所有全球团队成员的经验、成长和技能。我们在留住人才方面变得更加慎重，在提高代表性和包容性方面变得更加全面，在理解职业倦怠、健康、投入、流动性和职业发展方面变得更加动态。我们在透明度和分享有用数据的能力方面有所提高。幸运的是，我们得到了TIBCO Spotfire这一令人难以置信的数据科学工具的支持，这一可视化分析工具使我们能够以一种变革性的方式广泛地分享人员数据。即使是处在2020年和2021年的不确定性和挫折感中，这仍旧令人激动不已。现在，团队正着眼于2022年。我无法想象如何重新讨论那些已经发表的关于大迁移，健康倡议的重要性，多样性和包容性的转变等所有令人难以置信的研究，但我可以谈一谈我们今年正在衡量的指标，以及为什么我们认为它们对我们的关键目标之一至关重要：改善我们所有团队成员在TIBCO的体验，特别是在虚拟和动态经济中。在以下每个简短的章节中，我概述了我们为什么关心这些指标，以及我们可以利用这些指标所进行的分析。我还在最后一章节中分享了关于TIBCO Spotfire的一些情况，尽管有人对这个工具存在偏见，但它无疑是同类型中优秀且发人深省的商业智能工具（尤其是在人力资源领域）。混乱的劳动力市场中的招聘指标几乎在每个行业和每个国家中，减员的势头都在持续增加。机会是无限的，地点的限制已经减少了。与以往任何时候相比，公司的价值主张和候选人的体验都至关重要。第一印象非常关键! 招聘人员和招聘经理有责任向潜在的求职者推荐一份公开的工作。从历史上看，我们一直倾向于衡量招聘周期（从一个职位空缺到该职位被填补的时间）。许多人力资源团队仍然会报告这一综合指标，但我们已经试图在招聘说明中更加有针对性一些（特别是在进入2022年时）。这些是我们今年所依靠的指标，以讲述我们今年的招聘事例。寻找候选人的时间：从职位空缺开始到你最终雇用的候选人进行申请需要多长时间？这个招聘周期的分区告诉我们，我们的雇主品牌有多大的吸引力，它可以按国家、或团体、甚至按职位描述中使用的语言进行细分。这个指标主要属于招聘人员，它显示了我们的人才招聘战略在为工作找到最佳人选方面的有效性。面试时间：另一部分是指从候选人申请日期到他们与招聘经理面试所需的时间。虽然招聘周期代表着整个过程，但这个指标真正定义了候选人的体验。他们需要等待多久才能收到你公司的消息？多久才能与他们未来的领导进行讨论，并开始设想自己与你一起工作？这就是第一印象指标。与招聘经理分享这些见解以加快他们的决策也是至关重要的。我们通过候选人调查、网页流量、LinkedIn帖子的参与度来增强这些指标，但上述两项，尤其是在细分后，对于我们如何完善和理解我们的招聘策略起到举足轻重的作用。我们还发现，当上述两个指标都处于良好状态时，生产力提升率、新员工参与度和入职满意度之间也存在着显著的相关性。超越代表性的多样性指标员工资源小组的扩展、招聘网站上的多样性页面以及代表性目标都是进步的显著标志。然而，在TIBCO，我们正在努力提高我们的DEI分析水平，以指导和革新我们的战略。在2020年和2021年，我们通过调查来获得一个能够更好、更持续地了解我们的包容性文化的窗口。我们也衡量了招聘、减员、晋升和我们人口群体的薪酬公平性。然而，我们想真正强化我们的战略，以超越代表性。TIBCO的DEI专家Elijah Ross帮助我们改变了这方面的分析动态，同时也展示了多元化团队的底线价值。在2022年，我们将关注其中的一些关键指标：招聘的多样性：当控制特定的国家或职能领域时，我们发现DEI的一个出色的指标是看我们如何招聘与我们招聘人员划分情况。例如，男性与女性招聘经理相比，招聘女性的比例分别是多少。这可以帮助我们发现是否存在无意识的偏见，使我们在培训和处理时更加谨慎。雇员推荐的多样性：与上述情况类似，我们发现推荐可能倾向于现有的代表性，而不是任何变革性。我们通过衡量这一点以了解哪些战略可以改变代表性，哪些会使现状扩大。多样性指数：利用生物学中的香农指数方法，TIBCO的Elijah Ross能够从多个维度观察团队的多样性。他发现，我们最多样化的团队有更高的留存率和自我报告的参与度。对我们来说，在这个多元化人才的竞争日益激烈的市场中，在庞大的、不断增长的DEI保护伞中，更有针对性地看待这个指标是至关重要的。职业发展和留存指标我将是第一个承认我不喜欢减员指标的人。它们都是以时间为单位的，而且可能会受到其他因素的干扰。在TIBCO，我们倾向于在任期内的任何时间点看留任的概率，但自然减员是一个必要的指标。在2022年，我们也意识到，竞争激烈的劳动力市场使得公平和职业发展比以往任何时候都更加重要。为此，我们将重点关注几个关键的KPI指标。新员工流失率：在COVID和后COVID的世界中，临时工经济被重新定义，我们想了解我们是否留住了那些任期不到6个月的员工。如果我们没有，我们必须找出可能导致提前辞职的原因。关键人才的流失：留住关键资源和优秀人才是任何公司的目标，但当流失率上升时就显得尤为重要，你必须优化你的留人策略。我们根据角色来评估关键性--寻找替代者的难易程度、继任计划、对企业的影响。然后，我们看一下关键子集，以了解我们真正的减员挑战存在于哪里，以及哪里或许只是需要更好的规划。职业停滞：我们在TIBCO使用的一个指标是，在我们的团队中，至少有3年的任期，在3年以上的时间里没有看到有意义的职业发展，并且工资范围低于市场的成员的百分比。如果将其与关键性、绩效或其他人口统计学指标相比较，这可以帮助我们真正完善我们的留任战略，并确保没有人在其岗位上停滞不前。我们已经看到，当职业停滞不前，当新员工流失率较低时，我们往往会有更高的参与度，更高的绩效，以及更多的员工净晋升分数（eNPS）的倡导者。当我们需要确保我们的文化和团队从人才竞争对手中脱颖而出时，这些是至关重要的衡量标准。 TIBCO Spotfire 如果在分享我们的一些关键指标时不谈及我们的支持工具，以及它们对我们的价值，那就太遗憾了。拓展人员分析需要一个同步成熟的商业智能应用程序。如此，不仅能够生成上述指标，而且能够轻松地将它们与公司或团队业绩等底线驱动因素联系起来，或者利用K-means聚类将它们划分为值得注意的领域，或者找到统计意义与名义的差异，这彻底改变了我们以权威方式谈论我们的人员分析的能力。它也可以作为一个平行的过程来完成：我们在建立人员分析实践的过程中最大的收获之一是，它应该与数据收集和质量改进同步进行。人员分析可以帮助你在不断增长的数据架构旁边导航，而不是在它之后。我们利用TIBCO Spotfire创建的仪表盘也能够使我们的人力资源业务伙伴、经理和TIBCO领导层民主化这些洞察力。我们的仪表盘可以查看自然减员、招聘策略、招聘效率、雇主品牌、薪酬公平和多样性/平等性/包容性。今年有许多事情需要衡量，因为我们要确保我们仍然是一个优异的工作场所，能够为我们的全球团队提供强大的价值主张。以上是我们的人员分析团队的一个重点子集，它肯定会挑战和吸引我们。这是充满挑战的两年，但我们对2022年和我们可以转变的战略感到非常乐观。作者：Nick Jesteadt Senior Director of People Analytics at TIBCO

People Analytics
2022年02月21日
People Analytics

【荷兰】人力资本分析（PA）平台Crunchr完成Oxx B轮融资 Crunchr是一个领先的人力资本分析平台，帮助企业了解其劳动力和组织内发生的事情，并获得可操作的见解，以提高劳动力生产力和员工参与度。 Crunchr将利用新的资金投资于产品开发和国际扩张，并计划在18个月内将团队扩大两倍。该公司已经宣布了由Oxx领投的一轮融资，并与全球企业客户合作，包括MetLife、Jacobs Douwe Egberts（JDE）、AkzoNobel、Rabobank和Randstad。2021年对Crunchr来说是成功的一年，该公司公布的净收入保留率为130%。这意味着，从实际情况来看，客户正在留下来，实现了价值，并在不断增长。阿姆斯特丹，Crunchr企业人力资源团队的人员分析平台近日宣布其最新的融资，由专业SaaS投资者Oxx领投。Oxx加入了该公司现有的战略投资者，即全球最大的招聘机构Randstad和荷兰大型保险公司National-Nederlanden。这笔资金将用于为Crunchr平台增加预测分析功能，这将进一步扩大该平台的员工保留、基于技能的劳动力规划和数据驱动的讲故事功能。剩余的资金将用于推动国际扩张，该公司计划在美国开设一个办事处，并将团队规模扩大两倍。近年来，企业人力资源团队已经采用了一系列不同的人力资源软件工具，每个工具都专注于企业人力资源工作流程的不同要素。由于这些全球性公司在多个办事处和地区管理数以万计的人员，采用一套新的、互不相干的工具，只会增加本已很高的复杂性。 Crunchr提供了世界上最直观的企业平台，用于自助式人员分析、人力资源仪表盘和战略劳动力规划。使用Crunchr，大型企业可以清楚地了解他们的劳动力和组织中真正发生了什么。该公司的人员分析平台已被世界各地的公司采用，包括大都会人寿（43,000名员工）、阿克苏诺贝尔（32,000名员工）、荷兰合作银行（41,000名员工）和Randstad（38,000名员工）。2021年，Crunchr的净收入保留率达到130%。这意味着，它的跨国客户名册正在留存，实现了平台的价值，并且正在增长。人员分析平台在现有的人力资源系统之上工作，它将劳动力数据收集到一个安全的综合平台，提高其质量，并使每个需要它的人都能获得它--不仅仅是数据科学家--使工作场所的洞察力民主化，以实现可持续的商业影响。这使人力资源领导和团队能够产生具有战略意义的人员战略，并大大改善决策和劳动力规划。 Crunchr的创始人兼首席执行官Dirk Jonker将该公司描述为 "针对人的分析"。他解释说。"大多数组织都有人力资源系统，但他们很难将所有的数据转化为洞察力。没有清晰的洞察力，准确的决策就有风险，实现你的商业目标就会很困难"。 "但是，通过一个易于使用的劳动力报告和分析解决方案，Crunchr把基础工作做对了。通过结合专业知识、数据和分析，用相关的洞察力支持劳动力决策，它使人力资源团队能够接受人员分析的力量，并使公司的所有员工能够在几秒钟内做出数据驱动的决策。" Crunchr的技术在全球范围内得到了Gartner和Bersin的认可，它使包括Randstad、AkzoNobel、MetLife和Jacobs Douwe Egberts在内的各行各业的知名公司从人员分析所释放的价值中获益。而且该公司正在快速增长，计划在2022年将其团队扩大到三倍，并在国际上进行扩张。 Oxx的负责人Bob Thomas评论说："我们与全球各地的人员分析专家进行了交谈，有一个主题非常清楚地显现出来。Crunchr的易用性意味着可以快速、清晰地以丰富的数据方式讲述企业内部的人事故事。在2022年，企业面临的人员数据问题比以往任何时候都更加紧迫，因此我们很高兴能与Dirk和团队合作，并期待着更多的企业通过Crunchr释放其人员数据的价值。" 关于Crunchr Crunchr的使命是通过对人的洞察力产生影响，通过使人的分析变得自助-简单，给组织带来真正的人的优势。凭借其直观的、可定制的界面，Crunchr的智能引擎能快速分析数据，揭示所有人力资源领域中可操作的、基于事实的洞察力。这使人事分析员、人力资源部门和领导层能够预测趋势，设计更好的人事战略，并为一个健康、高效的工作环境做出贡献。准确了解他们的劳动力如何工作。Crunchr发展迅速，已经成为Randstad, AkzoNobel, Rabobank, Arcadis, MetLife和JDE等公司的首选解决方案。愿他们的劳动力与他们同在! Crunchr的总部设在荷兰阿姆斯特丹，有40名员工。专业投资者包括Randstad Innovation Fund和Oxx Venture Capital。

People Analytics
2022年02月09日
People Analytics

如何利用People Analytics建立一个公平的工作场所概要：自动化正向人力资源部门走来。通过自动收集和分析大型数据集，人工智能和其他分析工具有望改善人力资源管道的每个阶段，从招聘和薪酬到晋升、培训和评估。然而，这些系统可以反映历史偏见，并在种族、性别和阶级的基础上进行歧视。管理者应该考虑到： 1）模型很可能对大多数人口群体中的个人表现最好，但对代表性较差的群体则更差； 2）不存在真正的 "种族盲 "或 "性别盲 "模型，从模型中明确省略种族或性别甚至会使情况更糟； 3）如果人口类别在你的组织中分布不均（在大多数情况下不是这样），即使精心建立的模型也不会导致不同群体的平等结果。人力资本分析，将科学和统计方法应用于行为数据，可以追溯到弗雷德里克-温斯洛-泰勒1911年的经典著作《科学管理原理》，该书试图将工程方法应用于人员管理。但直到一个世纪后--在计算机能力、统计方法，特别是人工智能（AI）的进步之后--该领域的力量、深度和广泛的应用才真正爆发出来，特别是，但不仅仅是在人力资源（HR）管理方面。通过自动收集和分析大型数据集，人工智能和其他分析工具提供了改善人力资源管道每个阶段的承诺，从招聘和薪酬到晋升、培训和评估。现在，算法正被用来帮助管理者衡量生产力，并在招聘、补偿、晋升和培训机会方面做出重要决定--所有这些都可能改变员工的生活。公司正在使用这种技术来识别和消除不同性别、种族或其他重要人口统计类别的薪酬差距。人力资源专业人士经常使用基于人工智能的工具来筛选简历，以节省时间，提高准确性，并发现与更好（或更差）的未来表现有关的隐藏的资格模式。基于人工智能的模型甚至可以用来建议哪些员工可能在不久的将来辞职。然而，尽管人力资本分析工具有如此多的承诺，但它们也可能使管理者严重误入歧途。亚马逊不得不扔掉一个由其工程师建立的简历筛选工具，因为它对女性有偏见。或者考虑一下LinkedIn，它被世界各地的专业人士用来建立网络和搜索工作，也被人力资源专业人士用来招聘。该平台的搜索栏的自动完成功能被发现建议用 "Stephen "这样的男性名字来代替 "Stephanie "这样的女性名字。最后，在招聘方面，一个关于科学、技术、工程和数学（STEM）领域机会的社交媒体广告，被精心设计为性别中立，但在一个旨在使招聘者的广告预算价值最大化的算法中，男性被显示的比例过高，因为女性通常对广告反应更强烈，因此向她们显示的广告更昂贵。在每一个例子中，分析过程中都出现了故障，并产生了无意的--有时是严重的--对某一特定群体的偏见。然而，这些故障可以而且必须被预防。为了实现基于人工智能的人力资本分析的潜力，公司必须了解算法偏见的根本原因，以及它们如何在常见的人力资本分析工具中发挥作用。分析过程数据并不是中立的。人力资本分析工具通常是建立在雇主对员工的招聘、保留、晋升和报酬的历史数据之上。这些数据总是反映了过去的决定和态度。因此，当我们试图建立未来的工作场所时，我们需要注意我们的回顾性数据如何反映旧的和现有的偏见，并可能无法完全捕捉到日益多样化的劳动力中人员管理的复杂性。数据可能直接带有明确的偏见--例如，你公司的绩效评估可能在历史上对某个特定群体有偏见。多年来，你已经纠正了这个问题，但如果有偏见的评价被用来训练人工智能工具，算法将继承并传播偏见。还有一些更微妙的偏见来源。例如，本科生的GPA可能被用作智力的代表，或者职业执照或证书可能是技能的一个衡量标准。然而，这些衡量标准是不完整的，往往包含偏见和扭曲。例如，在大学期间不得不工作的求职者--他们更有可能来自低收入背景--可能得到较低的成绩，但事实上他们可能是最好的求职者，因为他们已经表现出克服障碍的动力。了解你想测量的东西（如智力或学习能力）和你实际测量的东西（如学业考试成绩）之间的潜在不匹配，对建立任何人力资本分析工具都很重要，特别是当目标是建立一个更多样化的工作场所时。一个人力资本分析工具的表现是它所提供的数据和它所使用的算法的产物。在这里，我们提供了三条经验，你在管理你的员工时应该牢记在心。首先，最大限度地提高预测的整体质量的模型--最常见的方法--很可能对大多数人口群体中的个人表现得最好，但对代表性较差的群体则较差。这是因为算法通常是最大化整体准确性，因此在确定算法的参数时，对多数人口的表现比对少数人口的表现有更大权重。一个例子可能是一个用于由大多数已婚或单身且无子女的人组成的劳动力的算法；该算法可能确定使用个人日的突然增加表明辞职的可能性很大，但这个结论可能不适用于那些因为孩子生病而需要时常休假的单亲父母。第二，不存在真正的 "种族盲 "或 "性别盲 "模式。事实上，在一个模型中明确省略种族或性别，甚至会使事情变得更糟。考虑一下这个例子。想象一下，你的基于人工智能的人力资本分析工具（你一直小心翼翼地避免提供性别信息）在预测哪些员工可能在被雇用后不久就辞职方面取得了良好的记录。你不确定该算法到底发现了什么--对用户来说，人工智能的功能经常像一个黑匣子--但你避免雇用被该算法标记为高风险的人，并看到新员工在加入后不久就辞职的人数有了明显的下降。然而，若干年后，你因在招聘过程中歧视女性而遭到诉讼。事实证明，该算法不成比例地筛选出了来自缺乏日托设施的特定邮政编码的妇女，给单身母亲带来了负担。如果你知道，你可能已经通过在工作附近提供日托服务来解决这个问题，不仅避免了诉讼，甚至使你在招聘这一地区的妇女时获得竞争优势。第三，如果像性别和种族这样的人口统计学类别在你的组织中不成比例地分布，这是典型的情况--例如，如果过去大多数管理人员是男性，而大多数工人是女性--即使精心建立的模型也不会导致不同群体的平等结果。这是因为，在这个例子中，一个识别未来管理者的模型更有可能将女性错误地归类为不适合做管理者，而将男性错误地归类为适合做管理者，即使性别并不是模型的标准之一。总而言之，原因是模型的选择标准很可能与性别和管理能力相关，因此模型对女性和男性的 "错误 "程度不同。如何正确对待它由于上述原因（以及其他原因），我们需要特别注意基于人工智能的模型的局限性，并监测其在人口群体中的应用。这对人力资源部门尤其重要，因为与一般的人工智能应用形成鲜明对比的是，组织用来训练人工智能工具的数据很可能反映了人力资源部门目前正在努力纠正的不平衡现象。因此，企业在创建和监测人工智能应用时，应密切关注数据中的代表人物。更重要的是，他们应该看看训练数据的构成如何在一个方向上扭曲人工智能的建议。在这方面，有一个工具可以提供帮助，那就是偏见仪表板，它可以单独分析人力资本分析工具在不同群体（如种族）中的表现，从而及早发现可能的偏见。这个仪表盘突出了不同群体的统计性能和影响。例如，对于支持招聘的应用程序，仪表板可以总结出模型的准确性和错误的类型，以及每个群体中获得面试机会并最终被录用的比例。除了监测性能指标外，管理者还可以明确地测试偏见。一种方法是在训练基于人工智能的工具时排除一个特定的人口统计学变量（例如，性别），但在随后的结果分析中明确包括该变量。如果性别与结果高度相关--例如，如果一种性别被建议加薪的可能性过大--这是一个迹象，表明人工智能工具可能以一种不可取的方式隐含地纳入了性别。这可能是该工具不成比例地将女性确定为加薪的候选人，因为在你的组织中，女性往往报酬不足。如果是这样，人工智能工具正在帮助你解决一个重要问题。但也可能是人工智能工具加强了现有的偏见。需要进一步调查以确定根本原因。重要的是要记住，没有一个模型是完整的。例如，一个员工的个性很可能会影响他们在你公司的成功，而不一定会显示在你关于该员工的人力资源数据中。人力资源专家需要对这些可能性保持警惕，并尽可能地将其记录下来。虽然算法可以帮助解释过去的数据和识别模式，但人力资本分析仍然是一个以人为本的领域，在许多情况下，特别是困难的情况下，最终的决定仍然要由人类来做，这反映在目前流行的短语 "人在环形分析 "中。为了有效，这些人需要意识到机器学习的偏见和模型的局限性，实时监控模型的部署，并准备采取必要的纠正措施。一个有偏见意识的过程将人类的判断纳入每个分析步骤，包括意识到人工智能工具如何通过反馈回路放大偏见。一个具体的例子是，当招聘决定是基于 "文化契合度 "时，每个招聘周期都会给组织带来更多类似的员工，这反过来又使文化契合度变得更窄，有可能违背多样性目标。在这种情况下，除了完善人工智能工具之外，可能还需要扩大招聘标准。人力资本分析，特别是基于人工智能的分析，是一个令人难以置信的强大工具，已经成为现代人力资源不可或缺的工具。但量化模型的目的是协助，而不是取代人类的判断。为了最大限度地利用人工智能和其他人力资本分析工具，你将需要持续监测应用程序如何实时工作，哪些显性和隐性标准被用来做决定和训练工具，以及结果是否以意想不到的方式对不同群体产生不同影响。通过对数据、模型、决策和软件供应商提出正确的问题，管理者可以成功地利用人力资本分析的力量来建立未来的高成就、公平的工作场所。来自HBR ，作者 David Gaddis Ross David Anderson Margrét V. Bjarnadóttir

People Analytics
2022年01月28日
People Analytics

为什么人力资本分析（People Analytics）是解决CEO们最关键业务问题的关键。 Stacia Garr在RedThread Research发布的一份新报告中说，如果最高领导层有效地使用人力资本分析（People Analytics），可以释放出数百万，甚至数十亿的商业成果。在一份由Stacia Garr共同撰写的新报告中——《释放的隐藏超级力量：人力资本分析》（Unlocking the Hidden C-Suite Superpower: People Analytics ），这位分析师敏锐地发现了最高领导决策层在长期的重大趋势下的痛点，如多样性和人口变化，对机器学习和人工智能的关注，以及对更严格的人力资本指标报告的需求增加。Stacia与我们坐下来，回答了关于这些令人惊讶的发现的几个问题，以及为什么在做出关键业务决策时，最高层需要进行人力资本分析（People Analytics）是关键。是什么启发你研究这种 "隐藏的超级力量"？我们看到一个统计数字显示，超过90%的最高领导人认为人力资源部门在大流行病期间做出了有意义的贡献，但其中85%的人说他们不期望在大流行病结束后继续这样。所以我们想，为什么他们没有看到人力资源部门在推动业务成果方面可以做的更广泛的影响？我们决定寻找一些故事，以帮助我们了解人力资本分析（People Analytics）对最高层业务决策的影响。你们发现的影响是什么？我们的主要发现之一是，如果你有效地使用人力资本分析（People Analytics），你可以推动数百万甚至数十亿美元的重大业务成果。人力资本分析（People Analytics）不能只是生活在人力资源部门之下，被视为只为人力资源部门服务，而是这些团队（和技术）必须成为企业的合作伙伴，特别是最高领导层。一旦对话开始，人力资本分析（People Analytics）的领导者就需要被带入对话，尤其是现在。我们的一个重要发现是，如果你有效地使用人力资本分析，你可以推动数百万甚至数十亿美元的重大业务成果。在大流行期间，许多人开始在家工作，我们不知道如何做。现在，我们有很大比例的劳动力是远程或混合的。我们将再次需要从人力资本分析（People Analytics）中获得洞察力，以了解它是如何工作的。人们是否能够按照他们的需要进行联系？他们在工作场所感到安全吗？他们是否感觉到他们有连接和信息，以及他们需要的一切，以完成他们的最佳工作？第二个组成部分是围绕多样性、公平、包容和归属感（DEIB）。我们知道，它现在非常重要，数据可以帮助我们衡量和了解我们在该领域的进展。在与研究参与者的交谈中，有什么让你感到惊讶的事情吗？我们没有想到的是，最高领导层、CHRO和人力资本分析（People Analytics）之间平衡关系的重要性。虽然文化很重要--数据驱动的文化更广泛地来说是很重要的--我听到的其中一件事是最高领导人的个性在设定期望方面的重要性。我们知道，当你将人员数据与销售、财务和客户数据等业务数据结合起来时，这种数据的一些最大力量就会显现出来。但是，我们很惊讶地听到人力资源部门经常在组织内部遇到障碍。考虑到我们知道这种组合可以有多大的威力，这些意想不到的障碍让人有点吃惊。最高领导人不会在不使用财务数据的情况下做出业务决策，也不太可能在不使用营销数据的情况下做出这种决策，所以人力资本分析（People Analytics）应该是进入所有领导人决策中的一个数据点。最重要的是要知道，这实际上不仅仅是关于企业的底线。是什么让最高领导层对接受人力资本分析犹豫不决？缺少一个单一的真相来源。如果没有这一点，我们如何根据可能影响公司数百万美元的信息做出决策？人们对人力资源部门在这方面的能力缺乏信任，不相信他们提供的信息和见解会是准确的，应该达到做出商业决策的水平。另一个组成部分是速度。如果最高领导层需要一个答案，而它需要四个星期才能提供，这就是不能满足需求。人力资本分析和人力资源部门的领导可以做什么来让他们加入？一旦你的基线数据问题获得了人力资本分析（People Analytics）所需的可信度，第二步就是真正帮助最高领导人理解人力资本分析（People Analytics）能做的不仅仅是报告或只是给他们提供基本数据。人力资本分析（People Analytics）的力量在于回答那些对企业来说具体而关键的问题，并且能够迅速扭转局面，提供那些数据驱动的洞察力，以做出更好的决策。反过来说，最高领导人需要做什么工作来激发更多的数据驱动的领导力？首先：在人力资源部门内进行数据投资，在财务部门内进行数据投资，并鼓励两者之间的联系。第二：最高领导人是那些通过使用这些数据并熟练掌握这些数据来树立榜样的人。仅仅告诉你自己的人，"你去做这个，我看一些仪表盘就够了 "是不够的。这是不足够的。最高领导人还需要邀请人们分析团队加入。他们显然是组织中最有权势的领导人，而且人力资本分析（People Analytics）团队也不可能以边缘方式进入会议桌。因此，这意味着最高领导人需要说，"嘿，这上面有什么数据？人员数据是什么？我们对人的了解与我们从财务部了解到的情况有什么相似之处？" 因此，这其中的一个重要部分是邀请他们参与进来，并对他们需要知道的东西设定明确的期望。最高领导人如何利用人力资本分析（People Analytics）来帮助解决辞职潮？人力资本分析（People Analytics）学能够真正擅长的领域之一是预测人员流失。我们在报告中举了一个很好的例子，讲述了一个组织能够以95%的准确率预测员工的离职时间，并且他们制定了可以实施的计划来解决这个问题。该计划在留住员工方面的效率提高了25%，并且有100%的投资回报，因为他们能够将这些关键员工留在组织内。对于领导者来说，尽快在人力资本分析（People Analytics）方面进行这些投资真的很重要，因为在大辞职浪潮中，不一定是开始尝试弄清楚这个问题的时候。关于早点开始比晚点开始好。关于这一点，最后一个问题。领导人如何才能开始使用人力资本分析？如果最高领导人想知道18个月后会发生什么，他们可以预防什么，并使用人力资本分析（People Analytics）来做到这一点，他们需要从今天的数据基础开始。我们在IBM的数据中看到一个非常有趣的统计数字，显示80%的最高领导人认为他们在大流行病期间对员工做得很好，而只有40%的员工有同样的想法。两者之间存在巨大差异。如果你对洞察力和新信息持开放态度，你将真正能够利用这些信息并做出一些积极的改变。一些领导人可能会感到有点不知所措。但我想向人们说明，你只要迈出第一步，把你的数据整理好，问一些有助于做出具体商业决策的问题，就可以开始了。你不需要解决所有的商业决策。你甚至不需要马上解决最大的问题，但要弄清楚你可以用人们的数据做出哪些决定，对这个特定的问题产生重大影响。

People Analytics
2021年12月30日

《 1 2 345 6 7 8 9 10 11 》 20 跳转至