行業動態

未來最吃香的HR工作(四):人力分析能力輪盤模型

發布時間:2018-09-05 10:53:33  閱讀次數:

  當談到人力分析時,其中一個最常被問起的問題是: 人力資源管理
 
  “我的團隊需要哪些不同的能力?”
 
  為了更好展示這些能力以及它們帶來的風險與機會,我們以“人力分析能力輪盤”這一模型進行介紹:
 
  通過6個不同的視角,人力分析能力輪盤將相關的各項能力進行分類,我們今天逐一進行解釋。
 
  1業務視角
 
  重要的事情永遠放在首位——
 
  你需要理解你為之服務的業務。業務的商業模式是什么,所面臨的挑戰有哪些,以及什么是組織的戰略。
 
  你需要清晰地知曉這些問題的答案,以更好地定義及設計相關的分析研究項目。
 
  對我們而言,這是最為重要的出發點:做與業務有關的研究!
 
  我們非常希望通過研究成果影響決策制定,因此,我們會在啟動研究之前竭力爭取高層管理者的批準與大力支持;
 
  另外一項同樣重要的事情是要讓你的研究洞見切實可行——
 
  只有切實可行的洞見才能夠影響決策。
 
  此外,我們同樣發現在分析過程中邀請精通業務的專家介入尤為重要,他們將幫助你檢查并翻譯你的數據與研究結果。
 
  但同時,過多業務導向的陷阱是,
 
  你可能會過度承諾你所能交付的內容與期限:
 
  或許你會做成一個非常模糊的項目(在及時性方面),
 
  或不切實際的研究目標(在數據的可用性方面),
 
  僅僅是因為你過于希望服務你的業務。
 
  請意識到,人力分析需要時間與長期的努力,才能真正得到收益。
 
  2人力資源視角
 
  在一開始,我們的團隊主要由了解一些統計知識的人力資源領域專家組成。
 
  我們使用人力資源的語言進行交流,
 
  我們熟悉人力資源戰略、相關的HR流程以及人力資源數據——
 
  所有的這些優勢幫助我們很快的在組織中開展人力資源分析。
 
  通過人力分析,你主要聚焦的應當是對業務的驅動因素進行解釋,
 
  話雖如此,每一項研究都為我們檢驗HR政策與HR戰略的有效性創造了機會。
 
  例如,我們在多樣性、機動性、敬業度與領導力方面構建了變量,并希望在研究中尋找他們與業務目標的相關性,
 
  通過這些分析,你將能夠得出多樣性在組織中真正的生效之處,或是哪類領導力特質對業務成功最為關鍵。
 
  HR在員工數據分析中同樣有遵守商業道德的職責。
 
  盡管法務部將指出哪些是法律法規或內部政策允許或禁止的行為,
 
  但HR在確保人力分析被用于正確用途之中,
 
  扮演著更為主導性的作用。
 
  一種對人力分析的誤解是它對員工而言是一種威脅,
 
  但事實上,在員工個人發展方面(數據)研究能夠提供有益的幫助——
 
  例如研究分析能夠對最佳的學習干預方式進行識別。
 
  同樣,對人力資源視角的過度強調,
 
  可能導致陷入HR分析成熟度模型的第三層級,(該模型由iNostix于2014年提出,Level3屬于預測性分析的初級階段,其特征是以尤里奇提出的內部視角進行觀察;iNostix已于2016年3月被德勤公司收購)。
 
  這一層級上的研究主要關注人力資源領域的問題與機會,包括開展對員工敬業度、流失率與領導力等方面的研究。
 
  這類的研究非常重要,但是在我們的理念中,人力資源分析更需要回答與真正業務相關的問題。
 
  3咨詢顧問視角
 
  推銷人力資源分析是一項重要挑戰。
 
  基礎的顧問技巧能夠幫助你將你的發現傳遞給他人。
 
  使用業務語言、用有說服力的PPT文檔展示人力資源分析的全過程,
 
  以可視化的方式與通俗的語言進行呈現并啟發洞見,
 
  是優秀的管理咨詢顧問擅長的一些方法。
 
  這一視角下的陷阱在于,
 
  僅僅使用精美的演示文檔、或與業務部門進行良好的溝通仍然不夠,
 
  顧問技巧需要與深入的分析理論和技術有效結合。
 
  我們非常認真地對待我們的業務,
 
  業務人員在數據分析方面也擁有豐富的經驗,
 
  所以你最好在最初的環節就能夠回答一些技術性的問題,
 
  僅僅是看上去聰明還遠遠不夠。
 
  4數據科學家視角
 
  不可忽視的是,你的團隊中需要具備卓越的統計技能。
 
  考慮到你所在組織人力分析的成熟度與雄心勃勃的目標,
 
  或許在“古典”的統計技巧之外,
 
  你還需要一些精通構建或使用機器學習算法的數據科學家。
 
  但首先,你還是需要了解統計的基礎知識。
 
  例如方差分析、A/B測試、相關性或回歸分析等一些相對容易且基礎的方法,
 
  這對于開展人力資源分析而言也是至關重要的,
 
  而缺乏統計可靠性的分析結果是完全無法接受的。
 
  但同時,也別忘了在數據清理與準備方面投入足夠的精力——
 
  一旦不夠細心,你很有可能會得到不精確甚至錯誤的分析結果。
 
  確實,沒有統計技巧就沒有人力資源分析可言,
 
  但過多關注統計方法或機器學習方面也會延緩項目進度,也會令客戶困擾。
 
  切記,你需要尋找的是幫助業務負責人做出更佳決策的洞見,
 
  而不是探求最為科學的最佳模型,
 
  至少不是不計成本的(例如預算、項目周期等)。
 
  另外一點需要注意的是,數據科學家很可能并不在人力資源部門工作。
 
  所以一定在你的組織中尋找是否有其他部門能夠給予你數據分析方面的幫助——例如市場信息部門或其他與匯報性工作有關的部門。
 
  如果你仍然無法找到這些數據專家,那么就招募一位或是與外部的分析專家建立合作關系。
 
  擁有高質量的分析能力與技巧,我們就能夠快速地開展項目研究。
 
  5 IT架構師視角
 
  盡管很少提到,但另外一項你需要的能力是具備一定的IT知識。
 
  人力資源系統是如何產生相關的人力數據的?使用的是哪一種數據接口?
 
  是否采用中央全局數據倉庫?我如何訪問數據?
 
  是否有能夠與其他系統進行數據交換的唯一標識符?
 
  數據是否被適當的定義?
 
  如果你熟知此類問題的答案,你將能夠更為有效地收集你的人力資源數據。
 
  或許“IT架構師”并不是描述這一能力的準確標簽,但毋庸置疑,你需要更加了解你的人力資源信息系統與數據結構。
 
  6應用軟件視角
 
  你需要使用軟件進行分析。
 
  你的團隊是否需要具備使用此類工具的深入知識,
 
  取決于你將自行開展人力分析,還是與外部分析伙伴共同開展。
 
  但好消息是,有很多非常好的軟件能夠為你開展人力分析工作提供幫助。
 
  例如,SAS、SPSS提供強有力的數據分析功能,像R這類的開源統計工具也非常流行;
 
  此外在數據可視化方面也有像Tableau、Qlikview、SiSense、Crunchr、Visier與Tablent Lab這些用戶界面非常友好的工具。
 
  在我看來,《人力分析的未來突破》(the next big thing in HR analytics)一文所描述的景象正是使用對業務用戶友好的、自助服務的分析軟件。
 
  這類軟件相對易于學習、能夠快速瀏覽數據、針對不同需求提供各類分析工具(例如:決策樹一類的回歸分析或算法、最鄰近分析等)、能夠進行預測性分析與影響力分析,并提供優異的數據可視化功能。
 
  一些服務商也會告訴你他們涵蓋了所有的這些功能。
 
  我們的經驗是,它們在某些方面的確表現出色,但某些領域可能也稍遜一籌。
 
  由于我們正在與數據分析伙伴(iNostix)進行合作,因此我們從他們使用分析軟件的經驗與視野中受益良多。
 
  在與他們合作的同時,我們開始使用一個新的機器學習工具,以幫助我們以自助服務的方式使用預測性模型。
 
  在一個測試案例中,基于人力資源與業務數據,
 
  我們對客戶報價是否能夠得到審批進行了預測,
 
  我們同時也采用“古典”方式對同一模型的預測結果進行比驗證,
 
  初步的結果十分令人滿意。
 
  7對多種能力平衡發展進行管理
 
  只有那些能夠成功構建并能夠在多種相關能力之間平衡發展的組織,
 
  才有可能在人力資源分析方面取得優勝,
 
  這也就表明了具備善于對多種不同能力進行協調與發展的能力,成為了重中之重。
 
  當然,人力資源分析管理者應當具備這一能力,但令它融入所有人力分析團隊的血液要更加重要。
 
  一旦你的團隊超過5人,你就可以雇傭專家,但在這種情況下,你仍然需要有效的管理各個職能與各種能力之間的協同。
 
  只有當你令所有的這些能力匹配一致,你才能夠同時實現以下這些目標:
 
  提出與業務關聯的工作任務;
 
  開展高質量的統計研究;
 
  在研究中包含相關的人力資源戰略(例如領導力);
 
  使用更加精密的分析工具;
 
  展現產生業務影響、切實可行的洞見;
 
  優秀的可視化展示;
 
  講述令人振奮的故事。
 
  評估你的人力分析成熟度水平與所需要的能力無疑大有裨益。
 
  人力分析是一種必然的趨勢,也已經成為人力資源管理的重要組成部分,希望這篇文章能夠為你開展人力資源分析提供一些幫助。

快乐赛车统一开奖