行业动态

未来最吃香的HR工作(四):人力分析能力轮盘模型

发布时间:2018-09-05 10:53:33  阅读次数:

  当谈到人力分析时,其中一个最常被问起的问题是: 人力资源管理
 
  “我的团队需要哪些不同的能力?”
 
  为了更好展示这些能力以及它们带来的风险与机会,我们以“人力分析能力轮盘”这一模型进行介绍:
 
  通过6个不同的视角,人力分析能力轮盘将相关的各项能力进行分类,我们今天逐一进行解释。
 
  1业务视角
 
  重要的事情永远放在首位——
 
  你需要理解你为之服务的业务。业务的商业模式是什么,所面临的挑战有哪些,以及什么是组织的战略。
 
  你需要清晰地知晓这些问题的答案,以更好地定义及设计相关的分析研究项目。
 
  对我们而言,这是最为重要的出发点:做与业务有关的研究!
 
  我们非常希望通过研究成果影响决策制定,因此,我们会在启动研究之前竭力争取高层管理者的批准与大力支持;
 
  另外一项同样重要的事情是要让你的研究洞见切实可行——
 
  只有切实可行的洞见才能够影响决策。
 
  此外,我们同样发现在分析过程中邀请精通业务的专家介入尤为重要,他们将帮助你检查并翻译你的数据与研究结果。
 
  但同时,过多业务导向的陷阱是,
 
  你可能会过度承诺你所能交付的内容与期限:
 
  或许你会做成一个非常模糊的项目(在及时性方面),
 
  或不切实际的研究目标(在数据的可用性方面),
 
  仅仅是因为你过于希望服务你的业务。
 
  请意识到,人力分析需要时间与长期的努力,才能真正得到收益。
 
  2人力资源视角
 
  在一开始,我们的团队主要由了解一些统计知识的人力资源领域专家组成。
 
  我们使用人力资源的语言进行交流,
 
  我们熟悉人力资源战略、相关的HR流程以及人力资源数据——
 
  所有的这些优势帮助我们很快的在组织中开展人力资源分析。
 
  通过人力分析,你主要聚焦的应当是对业务的驱动因素进行解释,
 
  话虽如此,每一项研究都为我们检验HR政策与HR战略的有效性创造了机会。
 
  例如,我们在多样性、机动性、敬业度与领导力方面构建了变量,并希望在研究中寻找他们与业务目标的相关性,
 
  通过这些分析,你将能够得出多样性在组织中真正的生效之处,或是哪类领导力特质对业务成功最为关键。
 
  HR在员工数据分析中同样有遵守商业道德的职责。
 
  尽管法务部将指出哪些是法律法规或内部政策允许或禁止的行为,
 
  但HR在确保人力分析被用于正确用途之中,
 
  扮演着更为主导性的作用。
 
  一种对人力分析的误解是它对员工而言是一种威胁,
 
  但事实上,在员工个人发展方面(数据)研究能够提供有益的帮助——
 
  例如研究分析能够对最佳的学习干预方式进行识别。
 
  同样,对人力资源视角的过度强调,
 
  可能导致陷入HR分析成熟度模型的第三层级,(该模型由iNostix于2014年提出,Level3属于预测性分析的初级阶段,其特征是以尤里奇提出的内部视角进行观察;iNostix已于2016年3月被德勤公司收购)。
 
  这一层级上的研究主要关注人力资源领域的问题与机会,包括开展对员工敬业度、流失率与领导力等方面的研究。
 
  这类的研究非常重要,但是在我们的理念中,人力资源分析更需要回答与真正业务相关的问题。
 
  3咨询顾问视角
 
  推销人力资源分析是一项重要挑战。
 
  基础的顾问技巧能够帮助你将你的发现传递给他人。
 
  使用业务语言、用有说服力的PPT文档展示人力资源分析的全过程,
 
  以可视化的方式与通俗的语言进行呈现并启发洞见,
 
  是优秀的管理咨询顾问擅长的一些方法。
 
  这一视角下的陷阱在于,
 
  仅仅使用精美的演示文档、或与业务部门进行良好的沟通仍然不够,
 
  顾问技巧需要与深入的分析理论和技术有效结合。
 
  我们非常认真地对待我们的业务,
 
  业务人员在数据分析方面也拥有丰富的经验,
 
  所以你最好在最初的环节就能够回答一些技术性的问题,
 
  仅仅是看上去聪明还远远不够。
 
  4数据科学家视角
 
  不可忽视的是,你的团队中需要具备卓越的统计技能。
 
  考虑到你所在组织人力分析的成熟度与雄心勃勃的目标,
 
  或许在“古典”的统计技巧之外,
 
  你还需要一些精通构建或使用机器学习算法的数据科学家。
 
  但首先,你还是需要了解统计的基础知识。
 
  例如方差分析、A/B测试、相关性或回归分析等一些相对容易且基础的方法,
 
  这对于开展人力资源分析而言也是至关重要的,
 
  而缺乏统计可靠性的分析结果是完全无法接受的。
 
  但同时,也别忘了在数据清理与准备方面投入足够的精力——
 
  一旦不够细心,你很有可能会得到不精确甚至错误的分析结果。
 
  确实,没有统计技巧就没有人力资源分析可言,
 
  但过多关注统计方法或机器学习方面也会延缓项目进度,也会令客户困扰。
 
  切记,你需要寻找的是帮助业务负责人做出更佳决策的洞见,
 
  而不是探求最为科学的最佳模型,
 
  至少不是不计成本的(例如预算、项目周期等)。
 
  另外一点需要注意的是,数据科学家很可能并不在人力资源部门工作。
 
  所以一定在你的组织中寻找是否有其他部门能够给予你数据分析方面的帮助——例如市场信息部门或其他与汇报性工作有关的部门。
 
  如果你仍然无法找到这些数据专家,那么就招募一位或是与外部的分析专家建立合作关系。
 
  拥有高质量的分析能力与技巧,我们就能够快速地开展项目研究。
 
  5 IT架构师视角
 
  尽管很少提到,但另外一项你需要的能力是具备一定的IT知识。
 
  人力资源系统是如何产生相关的人力数据的?使用的是哪一种数据接口?
 
  是否采用中央全局数据仓库?我如何访问数据?
 
  是否有能够与其他系统进行数据交换的唯一标识符?
 
  数据是否被适当的定义?
 
  如果你熟知此类问题的答案,你将能够更为有效地收集你的人力资源数据。
 
  或许“IT架构师”并不是描述这一能力的准确标签,但毋庸置疑,你需要更加了解你的人力资源信息系统与数据结构。
 
  6应用软件视角
 
  你需要使用软件进行分析。
 
  你的团队是否需要具备使用此类工具的深入知识,
 
  取决于你将自行开展人力分析,还是与外部分析伙伴共同开展。
 
  但好消息是,有很多非常好的软件能够为你开展人力分析工作提供帮助。
 
  例如,SAS、SPSS提供强有力的数据分析功能,像R这类的开源统计工具也非常流行;
 
  此外在数据可视化方面也有像Tableau、Qlikview、SiSense、Crunchr、Visier与Tablent Lab这些用户界面非常友好的工具。
 
  在我看来,《人力分析的未来突破》(the next big thing in HR analytics)一文所描述的景象正是使用对业务用户友好的、自助服务的分析软件。
 
  这类软件相对易于学习、能够快速浏览数据、针对不同需求提供各类分析工具(例如:决策树一类的回归分析或算法、最邻近分析等)、能够进行预测性分析与影响力分析,并提供优异的数据可视化功能。
 
  一些服务商也会告诉你他们涵盖了所有的这些功能。
 
  我们的经验是,它们在某些方面的确表现出色,但某些领域可能也稍逊一筹。
 
  由于我们正在与数据分析伙伴(iNostix)进行合作,因此我们从他们使用分析软件的经验与视野中受益良多。
 
  在与他们合作的同时,我们开始使用一个新的机器学习工具,以帮助我们以自助服务的方式使用预测性模型。
 
  在一个测试案例中,基于人力资源与业务数据,
 
  我们对客户报价是否能够得到审批进行了预测,
 
  我们同时也采用“古典”方式对同一模型的预测结果进行比验证,
 
  初步的结果十分令人满意。
 
  7对多种能力平衡发展进行管理
 
  只有那些能够成功构建并能够在多种相关能力之间平衡发展的组织,
 
  才有可能在人力资源分析方面取得优胜,
 
  这也就表明了具备善于对多种不同能力进行协调与发展的能力,成为了重中之重。
 
  当然,人力资源分析管理者应当具备这一能力,但令它融入所有人力分析团队的血液要更加重要。
 
  一旦你的团队超过5人,你就可以雇佣专家,但在这种情况下,你仍然需要有效的管理各个职能与各种能力之间的协同。
 
  只有当你令所有的这些能力匹配一致,你才能够同时实现以下这些目标:
 
  提出与业务关联的工作任务;
 
  开展高质量的统计研究;
 
  在研究中包含相关的人力资源战略(例如领导力);
 
  使用更加精密的分析工具;
 
  展现产生业务影响、切实可行的洞见;
 
  优秀的可视化展示;
 
  讲述令人振奋的故事。
 
  评估你的人力分析成熟度水平与所需要的能力无疑大有裨益。
 
  人力分析是一种必然的趋势,也已经成为人力资源管理的重要组成部分,希望这篇文章能够为你开展人力资源分析提供一些帮助。