• People Analytics
    Workday、Ultimate、Slack的收购关注两因素:生产力和员工体验 文/JOSHBERSIN 如今,人工智能的收购已经很难跟上步伐,仅在2017年,就有超过108亿美元的资金投资于人工智能初创企业。在我所到之处,我发现软件公司都在开发更智能、更有预见性、更智能的工具。 在过去的几周里,我想提到的有三个重要的交易,每个都集中在一个主题上:使用人工智能和对话界面来改善员工体验,并对我们的生产力产生积极的影响。 太多的信息:工作效率正在下降  正如我在过去一年中所写的,生产率落后是一个经济问题,导致工资下降,很多人加班。如今,人们每天有35%的时间在阅读电子邮件,而我们在交流的新工具上花费过多。 我们对超连通职场的研究发现,平均每家公司都有7个不同的沟通系统,70%的高管预计会购买更多。技术供应商正以最快的速度发明它们。 Slack现在有800万用户,微软有20多万家公司使用团队,Facebook有3万家公司使用Workplace, Gmail上有12亿多用户,所有这些用户都可以使用Hangouts。在我们的消费者生活中,它甚至更容易让人分心:统计数据显示有15亿人使用WhatsApp, 13亿人使用Facebook messenger, 10亿人使用微信,3亿人使用Skype。  我们问人们这些新工具是否对他们的工作有帮助,超过三分之二的人告诉我们新工具正在阻碍我们。我们喜欢我们的个人工具,但我们花太多时间处理这些工具。一项相当惊人的研究发现,我们每6分钟检查一次这些系统,而我们40%的人在工作中从未有过30分钟不受干扰的时间。 这是荒谬的。我们的交流模式被打破了。为什么公司中的任何人都有机会在我们向他们发送电子邮件,给我们发送消息或在Slack上提及我们的时候分散我们的工作注意力? 这是不健康的。研究表明,为了应对这一冲击,压力会大幅增加。作为回应,我们现在正在购买“幸福解决方案”,为这个问题贴上“创可贴”的标签。当然,瑜伽、正念和冥想都很好——但真正的原因不正是效率低下的工作场所吗?  生产力成为人力资源的新主题  虽然我知道你们大多数人都有一个专注于“员工体验”的新项目,但我真的认为人力资源的新重点应该放在生产力上。生产力是健康、快乐和工作投入的关键,很多研究都支持这一点。 也许最令人信服的是特里萨·阿玛比尔的《进步原理》一书。通过对员工工作日志的分析,她令人信服地证明,工作中最令人愉快、最有价值的部分是“把事情做完”。所以,让我们把注意力集中在提高人们的工作效率上,我们将看到参与程度、幸福感以及其他衡量标准的提高。 当然,我们必须处理工作场所、管理实践、目标和奖励等问题,但最终如果我们想办法帮助人们完成他们的工作,所有这些项目都有更多的关注和价值。例如,如果你在管理一个研究部门,你的人才战略应该集中在帮助人们进行伟大研究的项目上。销售、市场营销和其他业务部门也是如此。 而这个问题,即简化工作的需要,正导致一些大型的人力资源技术并购。 Workday收购Stories.bi 我要强调的第一个是Workday收购一家名为Stories.bi的增强分析公司。 我刚刚看到这个系统的演示,它让我大吃一惊。 该公司使用人工智能监控和分析公司数据库(现在主要集中在Workday),以识别趋势,数据偏离范围,或与计划的差异。然后,它会用简单的英语(或其他语言)生成一个对话界面,指出它学到的东西。 这是一个例子: 正如你所看到的,这些小卡片准确地告诉你正在发生什么,你不需要进入一个电子表格,点击一个仪表盘,或者雇佣一个统计学家来弄清楚为什么一些商业指标没有朝着正确的方向发展。它是一个人工智能工具,叫做增强分析(Augmented Analytics),但实际上它是为了提高生产率。Workday计划将该系统整合到其平台和新的Workday Prism分析产品中,这将使我们的生活变得更加轻松。 我研究分析学已经有30年了,整个市场仍然是一个工具。虽然许多像Visier这样的高级供应商现在提供开箱即用的解决方案,但是它是像 Stories.bi这样的工具。这将使分析对每个人来说都很容易。我必须相信,这种增长将出现在我们的大多数人力资源产品中。 Slack收购使命 第二个我想指出的是Slack的使命收购,在Slack内部创造工作流程和“员工旅程”。 如果你接受这样一个事实:我们一半的生命都在这些消息平台上度过,为什么我们不利用它们来做更有意义的事情呢? 一群小型初创公司正在构建工具来阅读和解释你的信息,并发送提示、建议和培训提示,使你的工作生活更轻松。 (其中有一个叫迪斯科的,当你对某人说“谢谢”的时候,你会知道,并建议你把这些信息发送给他们的员工记录。) 刚刚获得的产品Slack是帮助人力资源部门(以及其他部门)在消息传递平台上构建员工体验的工具。这种类型的“嵌入式人力资源工作流”正变得非常流行(IBM的认知助手也这么做),而Slack现在正使其成为产品的一部分。 虽然大多数公司还没有把Slack作为企业范围的平台(微软、谷歌和Facebook也都想要这个市场),但我认为这个功能使这个目标更有可能实现。Slack现在被我们称为“员工体验平台”,是一个巨大的新兴快速发展的商业市场。(这里的领导者有ServiceNow、PeopleDoc、Salesforce等。) 在接下来的几个月里,我将会写更多关于这个领域的文章,但从某种意义上说,Slack刚刚“进入这个市场”。 这里的目标是生产力。我们不需要离开我们的“生产力系统”去完成我们的人力资源工作,这是市场上一个巨大的趋势。 Ultimate 收购PeopleDoc  我想指出的第三个交易是我的ERP朋友们正在关注的: Ultimate软件收购PeopleDoc,一个快速增长的员工体验平台。这家公司的总部设在法国,因此它为许多欧洲公司提供服务,在这些公司,单是雇佣合同的管理就令人头疼。 在过去几年,PeopleDoc发现了员工自助服务、案例管理、文档和服务管理软件(我称之为“员工体验平台”市场)的市场,他们开始疯狂扩张。(目前这个市场最大的玩家是ServiceNow,他们正在创造一个市场,随着时间的推移,这个市场可能会变成一个价值数十亿美元的市场。) 虽然我还没有关于Ultimate软件计划的任何细节,但我可以再次向您保证,这项交易也是出于提高生产率和员工工作经验的需要。Ultimate软件公司(Ultimate Software)是市场上管理最好的人力资源软件公司之一,最近收购了Kanjoya(一个基于人工智能(ai)的员工调查和参与工具),这正好符合该公司的战略。 关注人力资源技术的更多信息  秋天即将来临,所以我已经开始着手我的年度“人力资源技术中断”年度研究。我想指出的一个大主题是人力资源软件市场从“参与系统”到“生产力系统”的巨大转变。这三桩交易只是冰山的一角,在接下来的几个月里,我们将拭目以待。 以上内容由AI翻译,仅供参考 原文链接:https://joshbersin.com/2018/07/ultimate-workday-and-slack-acquisitions-focus-on-productivity-and-employee-experience/
    People Analytics
    2018年07月23日
  • People Analytics
    人力分析领导者的角色-第1部分:建立能力 文/David Green 第1部分:建立团队和组织能力。 第2部分还将介绍people analytics leader的角色和职责,如何创建分析文化和分析的未来 正如我之前所写的,在人力资源分析和数据驱动决策中,成功开发和构建了可持续能力的组织具有许多共同的特点。 领先公司共有的一个特点是有一个鼓舞人心的领导者——“人力分析主管”。乔纳森•费拉尔(Jonathan Ferrar)撰写的这篇文章,收录了2017年40篇最佳人力资源分析文章。“人力分析”(People Analytics)的负责人阿伦•奇丹巴拉姆(Arun Chidambaram)列出了乔纳森描述的所有问题,他在“人力分析”领域工作了15年。在此期间,Arun帮助了四家财富500强公司在人员分析方面建立了可持续的能力。 Arun当之无愧地被同行认可为该领域的主要权威和梦想家之一。他经常被邀请分享他在会议上的见解,就像他去年在伦敦的人物分析世界(见此处的亮点)和费城的人物分析和工作的未来(见下图和此处的重点)。对于那些在纽约地区的人,您将能够在4月5日的Hunt Scanlon主持的数据驱动公司活动中看到Arun(见下图)。 2017年9月,Arun Chidambaram在费城的人力分析和工作未来发表演讲 PEOPLE ANALYTICS LEADER的角色-第1部分:建立团队和增强组织能力  我很高兴Arun同意分享他在《人物分析领袖的角色》这两集系列文章中的一些见解。“第1部分涵盖以下领域: 人员分析团队所需要的技能和能力,以及这些技能是如何随时间发展的 关于团队应该如何与业务保持一致的不同选项。 进行人员分析项目的方法 开发团队成熟度的关键里程碑 关键的学习和成功的秘诀。 问1:嗨,Arun,根据你的经验,在一个人分析团队中你需要的技能范围是什么? 团队的技能和组成取决于许多因素,包括组织在分析方面的成熟度,以及团队是否也负责报告。如果我们把报告部分放在一边,我所建立和领导的分析团队将拥有数据科学、行为经济学、工程和数学背景的成员结合在一起。直接向CHRO或CHRO的一个领导团队报告非常重要,因为它向业务和人力资源部门证明了分析是人员战略的一个组成部分。 问2:团队应该如何与业务保持一致? 通常,大多数人分析团队最初都是按照部门和关键的人力资源兴趣区域进行协调的。在我的经验中,这种结合一开始可以很好地工作,但是随着业务需求的增长,您需要以不同的方式思考。您需要这样做,一方面是为了优化容量,另一方面也是为了确保团队正在进行对业务很重要的项目。对工作进行优先排序可能很快成为一个问题,这对分析人员的负责人来说是一个重大挑战。为了缓解这一问题,我采访并与人力资源领导团队进行定期对话,共同确定最重要的3-5个主题,这是实现业务和人力资源战略的关键。然后,我将团队中的一名成员作为每个主题的中小企业来管理传统和创新的分析项目。 优先考虑这项工作可能是人力分析的主要挑战。 问3:你能解释一下“传统”和“创新”项目是什么意思吗? 当然,传统工作仅限于对现有的一般人力资源项目进行微调,并利用分析来获得更大的价值,例如在继任规划等领域。相反,创新的工作包括使用新的和新兴的方法,如组织网络分析(ONA)来帮助解决业务问题。你如何平衡你在每个项目上花费的时间取决于你的组织成熟度。 下面的图1说明了组织成熟的重要性。图上的顶线显示分析能力以指数速度增长。底线代表了人力资源消费者的意识,从我的经验来看,这一意识增长得更不规律,而且速度也更慢。知道你适合的地方和差距的程度有助于传统和创新之间的过渡和平衡。 图1 -了解你的适合程度和差距的程度-人分析的组织成熟度(Y轴=投资/成熟度/产品等);X轴-时间)-来源:Arun Chidambaram 2月13日与Arun一起参加网络研讨会,与Stela Lupushor和Antony ebel - ebanda一起讨论组织网络分析(ONA)的实际应用。 问4:团队的结构是如何随着时间演进的?这与组织成熟度有什么关系?  好的问题和团队结构是我非常感兴趣的话题。不用说,团队的结构会在公司之间有所不同,但我相信组织成熟度的水平在这个结构随着时间的发展过程中也扮演着重要的角色。 我使用的模型(见图2)描述了我在这个领域的想法: 图2:人员分析团队结构和业务一致性的演进(来源:Arun Chidambaram) 部门一致  一个典型的人力资源结构有一个商业伙伴支持每一个业务,包括奖励和多样性等专业领域。我所见过的最常见的人员分析结构将一个团队成员与支持一组业务单元/部门的HRBPs联合起来。随着你的组织趋于成熟,需求将远远超过供给,而这种结构有崩溃的危险。 人力资源主题一致  组织你的团队的第二种方式,除了部门一致性之外,是了解公司的关键人力资源优先事项,并使你的团队专注于这些关键主题,如员工规划和人才预测。这种方法可以帮助您确定工作的优先级,并在一定程度上解决需求海啸。然而,就像在业务单元/部门一致中一样,随着人员分析能力的增强,这种结构将无法维持需求的强大力量。 中小企业一致  最后,随着需求的增长和成熟度的不断提高,我认为人员分析功能将需要划分为两个主要领域:1)面向客户;ii)主题专家(或非客户端)(见图3)。 图3 -将人员分析团队与主题专家和面向业务的顾问组织起来并进行对齐(来源:Arun Chidambaram) 在此模型中,人员分析团队中面向客户的团队与业务部门和HRBP建立联系,以了解问题,管理项目并运行事后分析和干预。虽然这个团队应该具备基本的核心分析技能,但他们的专业技能将更侧重于咨询、讲故事、沟通以及项目和项目管理。 中小型企业(或非面向客户的角色)需要跨关键学科的深入主题专业知识,如数据工程、研究和数据科学、实验和设计思维、可视化/报告和技术。我设想每一个中小企业都是由一个致力于自己专业领域的人领导的。 如今的团队结构通常会让成员同时面对双方(中小企业和客户)——这种模式的潜在挑战是,当一些分析师在决定专攻哪个方向时,他们会发现很难放弃另一方。 问5:根据您的经验,在组织内建立一个坚实的人员分析基础的关键里程碑是什么? 根据我的经验,我将把它归纳为五个主要里程碑: 建立一个可持续的和长期的分析能力,重点是交付业务结果 与业务中的其他分析团队建立紧密的合作关系,并开发一个实践社区来共享过程、技术和科技。 开发一个严格的5步方法,所有项目都要涉及,这对成功至关重要 建立与法律和数据隐私的关系,以便更好地理解人才分析中数据的使用 建立一个人才分析实验室,测试分析思维,并尝试新的举措,如组织网络分析(ONA)  问6:请您提供您的5步研究方法的更多细节,以及它是如何对您的成功至关重要  每个潜在项目的方法始于人力资源和业务同事之间关于问题声明的对话,遵循五个严格的步骤,从撰写研究建议到支持业务进行事后分析,并参与下面图4所示的行动后审查。 图4:People Analytics的五步研究方法(来源:Arun Chidambaram) 这五个步骤可概括为: 问题范围——这一步涉及到与人力资源或相关团队成员沟通,以了解业务问题及其影响 概念设计——对于每一个被接受的研究提案,我的团队会制定项目的概念设计 数据——收集和管理来自调查业务问题所需的各种来源的数据。 分析——这是我们花时间构建、分析和测试模型的技术步骤 Post hoc -这个关键步骤包括评估干预的影响和测量结果/ROI,以及检查模型是否符合规范,并在必要时进行必要的调整。 这5个步骤的方法有助于团队、人力资源和业务客户对业务问题达成相互理解,并以有效和及时的方式解决问题。 问7:在构建组织能力和领导人们分析功能时,你遇到过哪些典型的挑战和关键经验?  在我工作过的机构中,建立本质上是一种新能力的做法,既有回报,也有挑战。关键经验包括: 理解组织的分析成熟度(参见图1和对问4的响应)对于保持这种能力是绝对重要的 平衡定性和定量科学 与法律和隐私密切合作——不要认为你的人力资源团队应该或确实知道关于数据隐私规则的一切 区分分析和报告——两者都很重要,但是您需要清楚您的愿景和人员分析的目标。 为人员分析团队创建正确和最优的结构来支持业务目标 倾听人力资源利益相关者和商业同事的意见,并加强合作 在工作中保持透明,专注于你正在做的事情,而不是你如何去做。 以上内容由AI翻译,仅供参考 原文链接:https://www.linkedin.com/pulse/role-people-analytics-leader-part-1-building-capability-david-green/
    People Analytics
    2018年07月20日
  • People Analytics
    数据显示:人力分析能为企业增加价值 HR Tech China获悉人力分析最新数据,下面我们来看这组数据: 数据显示: 人力分析能为企业增加价值 全球75%的人力资源专业人员正在使用数据来了解员工绩效和生产力问题 65%在企业中具备强大的人力分析文化的专业人士,报告说业务表现强劲 在那些分析文化较弱的企业中,只有32%的人报告说业务表现强劲  对人力资源能力缺乏信心 全球53%的人力资源专业人士认为,他们的人力资源团队具有可证明的数字和统计技能,而金融专业人士的这一比例为36% 英国的人力资源分析能力和信心落后于其他市场 21%的英国人力资源专业人士有信心进行高级分析,而在东南亚,这一比例为46% 以上内容由HR Tech China综合整理报道
    People Analytics
    2018年07月17日
  • People Analytics
    你能让你的老板把芯片放在你身上吗?-少数员工同意皮下植入但这个想法正在蔓延 Dave Coplin试图向我解释为什么两大洲的人们突然允许他们的雇主将微芯片放在他们的皮肤下。 “我这样对待我的狗 - 我为什么不自己做呢?”科普林说。我不相信,所以他发起了关于地中海派伊维萨岛上一个俱乐部的轶事,人们可以在那里筹码,然后用芯片买饮料。科普林怀疑这是因为他们没有穿很多衣服。 但是,因为你是半裸的而且没有钱包的口袋,所以要让你的雇主给你筹码是非常不同的。那么,我们是怎么来到这里的? 担任Envisioners咨询公司负责人的科普林表示,如果我们只能克服自己的娇气,那么雇主和员工都会受益匪浅。“如果它增加价值,我就是全力以赴,”他说。“今天我们看看人们这样做,感觉有点奇怪,但实际上有一些不可避免的事情。” Patrick McMullan是威斯康星州三广场市场的总裁。在斯德哥尔摩的瑞典孵化器Epicenter进行实验后,该公司自2015年以来一直在试验切片,他的公司决定进一步开发该技术。当然,作为供应商和开发商,McMullan自己也有一个芯片植入物 - 一个大致相当于拇指和食指之间植入皮肤下的一粒米的大小。它基于近场通信(NFC)技术 - 与非接触式信用卡或移动支付中使用的芯片相同。使用注射器和非常少的血液快速简单地完成植入。 McMullan说,目前的一个限制是,由于芯片是无源器件,因此无法对其进行跟踪。就目前而言,这意味着该芯片用于访问建筑物,登录计算机以及从食堂支付费用。但麦克马伦的员工正在执行“改变世界”的使命,他说,到目前为止,已有70多名员工自愿参与实验。 “我这样对待我的狗 - 我为什么不自己做呢?” 这个想法似乎正在蔓延。除了三坊市场外,至少有160人参加了Epicenter的月度“ 筹码派对”。辛辛那提监控公司CityWatcher.com的一些员工已经获得了芯片,一些人在数字营销公司工作。在比利时称为NewFusion。毫无疑问,这是一个很好的宣传,但削弱倡导者真正相信这将成为未来十年的普遍做法。 McMullan认为,随着技术的进步,芯片将提供更多的好处。“我们正在开发能够监测生命体征的医疗用途。医生将能够主动治疗患者,而不是总是做出反应,“他说。McMullan认为,全球削减员工的数量将在几年内达到数百万,因为低于100美元的芯片的好处可能是巨大的。 自然进步? McMullan认为没有任何不利因素,尽管人们明显担心,以难以控制或消除的方式与雇主建立密切联系感觉完全是反乌托邦。采用他自己的芯片监控人们健康的想法:未来的嵌入式技术有明显的优势,可以监测胆固醇,血糖水平,甚至只是脱水。 但是,如果某人有一块芯片监测酒精摄入量,作为退出协议的一部分呢?外科医生会被允许拒绝接受手术吗?如果保险公司从车上掉下来,可以提高患者的保费吗?随着芯片变得更先进和更广泛,可以或应该收集哪些信息以及它可能或应该去哪里的问题将变得更加复杂。其他专家也提出了对黑客行为的担忧,以及已知与宠物类似芯片相关的已知健康问题。 “显然,隐私是一个巨大的问题,”科普林补充说。“人们将如何处理这些数据?谁会去看?实际上,我必须携带手机和我的钱包,这已经够糟了。如果这解决了其中一些问题,那我就是为了它。“ 尽管存在这些担忧,但很多人似乎都接受了这种情况 - 并且很快就会发生。Lynda Shaw博士,认知神经科学家,Your Brain Is Boss的作者,认为切片是一种自然进展,可能更容易为年轻人所接受。 “If you think of young men, when they’re teenagers, we often think of them as driving too fast, hotheaded,” Shaw explains. “In evolutionary psychology, that’s vital to have in society. In the old days, if a village’s crops failed, they would get the strongest young men to go and find food. They would go and find food by going beyond their usual areas and by being curious.” We may no longer be hunter-gatherers, Shaw’s theory goes, but young people will still test the boundaries, be curious, and do new things; it’s part of what they are. 在某些方面,这已经是一项成熟的技术,至少在有健康问题的人中是这样。Shaw指出,我们已经使用芯片进行人工耳蜗植入,甚至在脑损伤的情况下绕过大脑的部分区域。她说:“切削人体并不是新闻,但我们总是那些邪恶的一面说这有点过于奥威尔式。” 人们可能会担心生活在他们体内的计算机病毒或者当硬件被破坏时会发生什么。 “它将摆脱身份通行证” 智库快速未来的未来主义者兼首席执行官罗希特·塔尔瓦(Rohit Talwar)认为,削片变得非常迅速,尤其是那些希望证明自己具有前瞻思维的科技公司。 Talwar说,在那些希望获得极高安全性的公司中,人们不会进入系统或者他们不应该建造的部分建筑,以及谁想向客户证明他们在安全方面处于领先地位条款。您可能还会看到它被用作使人们能够在食堂,自动售货机上兑换货币的方式 - 它将摆脱身份通行证。“ Shaw也看到了好处。如果有人生病并且有起搏器或使用抗凝药物,通过快速扫描获得该信息可以挽救他们的生命。但她也指出了对犯罪现场的暗示。在犯罪率高且尸体被肢解的地区,Shaw指出,犯罪分子不需要整个身体来破坏安全,只需要插入芯片的肢体。她说:“你最终可能会无意中煽动比原先考虑的更可怕的罪行。” 塔尔瓦尔认为,反乌托邦是旁观者的眼睛。作为数字原生代出生的一代人可能会认为这是一种自然的进化,塑料传递为过时的,神秘的,当然也无法捕捉到我们身体内的芯片可以捕获的信息,比如健康。 “老一代人可能会认为这是非常具有侵略性的,”塔尔瓦尔说。“我去年参加了一个活动,那里他们只是为了好玩而扒人,而且这些线路正在人们的走廊上等待被破坏 - 为了故事和体验。” 我们与机器对话的一部分 那么,切削在哪里?Talwar认为这是一个不可避免的过程的一部分,在这个过程中,先驱者已经说了一段时间,如果人类要跟上人工智能的步伐,我们就必须加强我们的大脑和身体。 “这只是该过程的起点。你可以很容易地预测你的手机内存被插入你,芯片可以加速你的记忆和你的大脑,“Talwar说。“随着我们加强和扩充自己,进入超人类世界,我们可以看到这方面的巨大加速。” “你可能最终无意中煽动了比原先考虑的更可怕的罪行。” Coplin认为切削是关于我们如何与机器相关的对话的一部分。他指出,澳大利亚的一名男子试图从旅行卡中取出芯片并将其嵌入手中失败,因为条款和条件说不会损坏卡。“目前,这感觉很奇怪,”科普林说,“但此刻,我可能会在我的手腕上放置一种可能具有该技术的设备。为什么不在我的皮肤下更远一点?“ 社会一直在争论技术的潜力及其所带来的变化。四分之一世纪以前,很少有人预测到手机的出现 - 我们更多地预计会将它们用作相机和音乐中心。现在,技术面临着额外的压力。 “我们真的失去了对处理我们数据的人的信任 - 银行,谷歌,Facebook,”科普林说。“在赢得信任之前,我们会非常担心这种事情。而且我认为这是一个真正的耻辱,因为我们可以获得的好处。“   盖伊克拉珀顿 Guy Clapperton是英国的资深记者,大约30年前开始研究人与技术之间的关系。   以上AI自动翻译完成,仅供参考! 原文 Would You Let Your Boss Put a Chip in Your Body?
    People Analytics
    2018年07月17日
  • People Analytics
    贵公司是否准备好进行人力资源分析 Is Your Company Ready for HR Analytics? 尽管许多公司一直在大数据和分析方面进行大量投资,但将分析应用于人力资源的成功案例却很少。但这可能即将改变。 作者:Bart Baesens是比利时鲁汶的KU Leuven教授,也是英国南安普顿南安普顿大学管理学院的讲师 大数据和分析在当今的商业环境中无处不在。更重要的是,诸如物联网,不断扩展的在线社交图以及开放的公共数据的出现等新技术只会增加对深层分析知识和技能的需求。许多公司已经投入大数据和分析,以更好地了解客户行为。事实上,由于引入了各种监管指南,一些最成熟的分析应用程序可以在以客户为中心的保险,风险管理和财务欺诈检测领域找到。 但是,如何利用大数据和分析来深入了解贵公司的另一组关键利益相关者:您的员工?虽然我们看到许多公司加大了对人力资源分析的投入,但我们还没有看到该领域的许多成功案例。由于人力资源分析是业务分析应用程序中的“新手”,我们相信其从业者可以从将分析应用于以客户为中心的领域中获得的经验教训中大大受益 - 从而避免了许多新手错误和昂贵的初学者陷阱。 基于我们的研究和我们在以客户为中心的分析方面的咨询经验,我们提供了四个关于如何成功利用人力资源分析来支持您的战略性劳动力决策的课程。更具体地说,我们将客户分析中的一些最新研究和行业见解与人力资源分析并列,并强调四个重要的溢出效应。 第1课:建模,衡量和管理员工的网络动态。在我们自己的研究中,我们发现客户之间的关系(例如社会关系,与同一商家进行的信用卡交易,或公司之间的董事会成员关系)在解释和预测集体行为(如客户流失,客户响应)方面非常有意义。营销外展或欺诈。我们相信,这些原则可以很容易地用于在人力资源分析中收获一些悬而未决的成果。特别是,可以构建一个网络 - 员工作为节点,并根据诸如(匿名)电子邮件交换,联合项目,主机托管和人才相似性等因素与他们之间的链接进行构建,并且可能对最近这样的连接的加权进行加权。然后可以利用该网络来了解新员工融入您的员工网络的顺利程度; 出于同样的原因,在解雇或解雇员工时,了解员工的社会影响和影响非常重要,以防止病毒影响或人才流失发生在您的网络或公司中。在制定解雇决策时,应仔细联系在组织网络中充当社交影响者或社区连接器的员工,以避免在功能上断开网络的基本部分。 第2课:大数据和分析并不神奇。与任何新技术一样,从一开始就设定适当的期望非常重要。虽然它们可以成为有价值的工具,但分析技术并不是解决公司所有关键任务和困难人力资源决策的灵丹妙药。毕竟,几乎只要分析人力资源模型投入生产,它就会变得过时,因为它的生态系统(包括但不限于公司战略,员工组合和宏观经济环境)经常会发生变化。因此,人力资源最终用户使用他或她的商业智慧,经验以及对问题和组织的了解来批判性地解释,反映,调整和操纵分析模型的结果,这一点至关重要。例如,如果您的分析模型告诉您,您的招聘和解雇政策完全没有 - 或甚至是歧视性的,该怎么办?你使用错误的选择标准或正在寻找不可能的?最近客户流失可以追溯到特定员工的离职?任何意外但有效的分析结果都应该以认真和深思熟虑的方式进行。显然,这需要人力资源经理具有既知情又开放的心态。 第3课:分析人力资源模型应该做的不仅仅是提供统计绩效 - 他们应该提供商业见解。在任何业务环境中部署分析模型时,典型的新手错误是对统计性能(如拟合,相关,R平方等)和过于复杂的分析模型的盲目痴迷。统计绩效很重要,但分析性人力资源模型应该做得更多。另外两个重要的绩效标准是模型可解释性和合规性。 可解释性意味着任何基于分析的人力资源决策都应该得到适当的激励,并且可以简单地向所有涉及的利益相关者解释。这种对简单性的追求阻碍了使用过于复杂的分析模型,这些模型更多地关注统计性能而不是正确的业务洞察力。 另一个关键性能标准涉及模型合规性 保护法规,隐私和道德责任对于成功部署HR分析至关重要。这在人力资源应用中尤为重要。应始终谨慎解释分析模型,在选择构建分析HR模型的数据时,应尊重性别平等和多样性。 第4课:回溯测试分析人员模型的影响。在客户分析中,模型的平均寿命为两到三年,我们没有理由相信这在人力资源分析中会有所不同。然而,考虑到人力资源决策对组织和个人的影响,重要的是通过将预测与现实进行对比来不断地对人力资源中的分析模型进行反向测试,以便可以立即注意到任何性能下降并采取行动。例如,从招聘的角度来看,应该不断评估招聘前的有效性(哪些招聘渠道给我们的候选人提供正确的资料?)和招聘后的有效性(招聘渠道给我们最好的候选人?)。 我们相信现在是时候增加您对人力资源分析的投资了。一旦您的人力资源分析工作成熟,我们就会期待组织的下一个变革步骤。我们认为,当组织将人力资源分析的结果与客户分析的结果汇总在一起时,我们就会发生这种情况。然后,公司可以更全面地了解他们的两个关键人力资产组合之间的关系:员工和客户。 关于作者 Bart Baesens是比利时鲁汶的KU Leuven教授,也是英国南安普顿南安普顿大学管理学院的讲师。他还是“ 大数据世界中的分析:数据科学及其应用基本指南”一书的作者(John Wiley&Sons,2014)。Sophie De Winne是KU Leuven的副教授。Luc Sels是KU Leuven的经济学和商业学院教授和院长。 Is Your Company Ready for HR Analytics? Although many companies have been investing heavily in big data and analytics, there have been few success stories in applying analytics to human resources. But that may be about to change.   Big data and analytics are omnipresent in today’s business environment. What’s more, new technologies such as the internet of things, the ever-expanding online social graph, and the emergence of open, public data only increase the need for deep analytical knowledge and skills. Many companies have already invested in big data and analytics to gain a better understanding of customer behavior. In fact, due to the introduction of various regulatory guidelines, some of the most mature analytical applications can be found in customer-focused areas in insurance, risk management, and financial fraud detection. But what about leveraging big data and analytics to gain insights into another group of your company’s key stakeholders: your employees? Although we see many companies ramping up investments in HR analytics, we haven’t seen many success stories in that area yet. Because HR analytics is “the new kid on the block” in business analytics applications, we believe its practitioners can substantially benefit from lessons learned in applying analytics to customer-focused areas — and thus avoid many rookie mistakes and expensive beginner traps. Based upon our research and our consulting experience with customer-focused analytics, we offer four lessons about how to successfully leverage HR analytics to support your strategic workforce decisions. More specifically, we will juxtapose some of our recent research and industry insights from customer analytics against HR analytics and highlight four important spillovers. Lesson 1: Model, measure, and manage your employee network dynamics. In our own research, we have found that ties between customers (such as social ties, credit card transactions made with the same merchants, or board membership ties between companies) are very meaningful in explaining and predicting collective behavior such as customer churn, customer response to marketing outreach, or fraud. It is our belief that these principles can be easily used to harvest some low-hanging fruit in HR analytics. In particular, a network can be constructed — with employees as the nodes and with the links between them based upon factors such as (anonymized) email exchanges, joint projects, colocation, and talent similarity, and possibly weighted for how recent such connections were. This network can then be leveraged to understand how smoothly new hires will blend into your workforce network; it also can be used to quantify the optimal mix, from a performance perspective, between behaviors that bring cohesiveness to the employee network and those that bring diversity.   By the same token, when laying off or firing employees, it is important to understand the social influence and impact of an employee in order to prevent viral effects or talent drain from happening to your network or company. Employees who serve as social influencers or community connectors within your organization’s network should be carefully approached when making firing decisions to avoid functionally disconnecting essential parts of your network. Lesson 2: Big data and analytics are not magic. As with any new technology, it is important to set appropriate expectations from the outset. While they can be valuable tools, analytics techniques are not a panacea for all of your company’s mission-critical and difficult HR decisions. After all, almost as soon as an analytical HR model is put into production, it becomes outdated, since its ecosystem (including but not limited to company strategy, the employee portfolio, and the macroeconomic environment) is constantly subject to change. Hence it is of key importance that the HR end user critically interprets, reflects, adjusts, and steers the outcomes of the analytical models using his or her business acumen, experience, and knowledge of the problem and organization. For example, what if your analytical model tells you that your hiring and firing policy is not at all sound — or is even discriminatory? That you are using the wrong selection criteria or are searching for the impossible? That the recent loss of customers can be traced back to the departure of a specific employee? Any unexpected yet valid analytical findings should be approached in a careful and thoughtful way. Obviously, this requires HR managers with a mindset that is both informed and open. Lesson 3: Analytical HR models should do more than provide statistical performance — they should provide business insights. A typical rookie mistake when deploying analytical models in any business context is a blind obsession with statistical performance (such as fit, correlation, R-squared, etc.) and overly complex analytical models. Statistical performance is important, but analytical HR models should do more. Two other important performance criteria are model interpretability and compliance. Interpretability means that any HR decision based upon analytics should be properly motivated and can be simply explained to all stakeholders involved. This quest for simplicity discourages the use of overly complex analytical models that focus more on statistical performance than on proper business insight. Another key performance criterion concerns model compliance. Safeguarding regulations, privacy, and ethical responsibilities is crucial to successfully deploying HR analytics. This is especially important in HR applications. Analytical models should always be interpreted with caution, and gender equality and diversity should be respected when selecting the data to build your analytical HR models. Lesson 4: Backtest the impact of your analytical workforce models. In customer analytics, the average lifespan of a model is two to three years, and we have no reason to believe that this will be different in HR analytics. However, given the impact of HR decisions on the organization and on individuals, it is important that analytical models in HR are constantly backtested by contrasting the predictions against reality, so that any degradation in performance can be immediately noticed and acted upon. For example, from a hiring perspective, both the pre-hire effectiveness (which recruitment channels give us the candidates with the right profile?) and post-hire effectiveness (which recruitment channels gave us the best candidates?) should be constantly evaluated. We believe the time is right to boost your investments in HR analytics. And once your HR analytics efforts have matured, we look forward to the next transformative step for organizations. That, we think, will take place when organizations can bring together findings from HR analytics with those from customer analytics. Then companies can more fully understand the relationships between their two key sets of human assets: employees and customers. ABOUT THE AUTHORS Bart Baesens is a professor at KU Leuven in Leuven, Belgium, and a lecturer at the University of Southampton School of Management in Southampton, U.K.; he is also the author of the book Analytics in a Big Data World: The Essential Guide to Data Science and its Applications (John Wiley & Sons, 2014). Sophie De Winne is an associate professor at KU Leuven. Luc Sels is a professor and dean of the faculty of economics and business at KU Leuven.
    People Analytics
    2018年07月16日
  • People Analytics
    如何加速创造人力资源分析价值的进程 文/Andy Charlwood教授 7月中旬,利兹大学的Andy Charlwood教授和3n Strategy的Nigel Dias将主持一个网络研讨会,讨论他们最近发布的人力资源分析战略报告的发现。 六年前,3n Strategy设计了一个框架,将人力资源分析功能分解为六个战略开发领域。 这些领域是(并且是)基于我们的战略性人力资源数据实践方法,我们在与组织合作设计其完整的人力资源分析战略时使用这些方法。 2015年,我们设计了一个工具,要求人力资源分析领导者回答28个问题(现在是37个),衡量他们在所有六个领域的优势和劣势,为投资时间和资源提供建议。在一次会议上,来自荷兰银行的Patrick Coolen和Auke IJsselstein建议我们将该工具大众化,对房间里的每个人进行基准测试——人力资源分析智库诞生了。 在2018年,智库已经超越了任何一个会议,超过100位人力资源分析专家允许我们分析他们在过去三年的旅程。该智库与英国利兹大学(University of Leeds)教授安迪•查尔伍德(Andy Charlwood)领导的学术智库合作,现在可以研究以下主题: 1、不同的人力资源分析功能创造了什么价值? 2、对人力资源分析的哪些类型的投资创造了这种价值? 3、在不到12个月、1-2年、2-3年和4年以上的时间内可以创造出什么样的价值? 4、公司能做些什么(有证据支持)来加速人力资源分析价值的进程? 在加速行程之前,你知道那次行程是什么吗? 创建人力资源分析价值的最大障碍之一是无法明确人力资源分析的价值。 在去年的研究中,我们决定验证“描述性”,“诊断性”,“预测性”和“规定性”成熟是否合理,以及这些差异在实践中的作用。77%的研究社区认为自己是“描述性的”或“诊断性的”,当被追问时,很难解释什么是更高级的分析价值。 记住!归根结底,人力资源分析将为你的企业增加多少价值,直接关系到它将在多大程度上改善你的公司做出人为决策的方式。或者更具体地说,回答关于您的员工的问题的方式 - 如果您使用人力资源数据和指标没有帮助某人在正确的时间用恰当的观点回答正确的问题,那么它就没有增加加它应该(或不应该)的价值。 关于如何进行人力资源分析的最佳实践建议并不缺乏——我们的研究表明,这些建议存在一些关键的局限性 人力资源分析功能的类型 虽然我们想要测试“描述性”到“规范性”分析的概念,但我们想要更详细地探索我们是否能够确定不同类型的功能如何形成的趋势,以及它们如何成长为当前状态。我们想要探索目前越来越普遍的假设,即高级人力资源分析功能需要提供更不成熟和更成熟的分析。 我们的研究结果可以在最终报告中更详细地找到,表明有五种分析类型: 1、基本报告 2、自动化先进的报告 3、高级BI 4、基本人才洞察力 5、高级人才洞察力 是什么阻碍了你实现人力资源分析价值的进程? 从下面的高管典型视频(或通过阅读报告)中可以看出,企业采用人力资源分析有许多障碍。最大的障碍之一不是关注人力资源分析职能的利益相关者是谁 - 大部分职能都是由业内最资深的人力资源部门赞助 - 而是他们对人力资源分析职能本身的理解 - 这一发现与2016年的调查结果数据相呼应。 对于人力资源分析知识较弱的利益相关者,他们的分析功能的成功程度更低,更难以表达他们所创造的价值,更不能帮助他们建立他们需要的团队,更不能打开正确的技术门,甚至更多。对HR分析有更好理解的利益相关者更能够将报告转移到HR数据的更高级用途。 对于希望创造更高级价值的功能,使用更高级的分析技术来回答HR的问题,关键是要确保您的高级涉众能够理解高级术语之外的HR分析。 从哪里开始? 行程的定义取决于您的去向以及您从哪里开始。 虽然我们可以使用分析工具来确定人力资源分析功能目前所处的位置,但分析当前正在分析的人力资源领域以及未来将要分析的内容非常有用。 同样,作为我们2016年报告的反映,有一些分析领域是公司优先考虑的,并且更容易分析。为什么有些组织首先攻击人力资源的更多主题领域,比如多样性,而有些组织则更容易从数据和统计能力方面进行分析。 实现人力资源分析价值的加速并不一定是困难的——将自己归类为更高级的功能,其平均年龄为29个月,仅比去年人力资源分析功能的平均年龄高出8个月。在研究中,我们更详细地探讨了差异可能是什么。 人力资源分析智库社区似乎正在努力解决两个主要问题: 定义人力资源分析的价值——他们很难定义分析将为他们的业务创造的价值,因此无法解开我们的智库网络研讨会演讲者(见下)能够解开的价值 使用高级分析——参与者的功能能够创造分析价值,但并没有得到他们希望的那么多影响力 这些主题以及更多的主题将在当前的报告中进行检查,并将在下一个报告中进行更详细的探讨。 以上内容由HR Tech China AI翻译,仅供参考
    People Analytics
    2018年07月13日
  • People Analytics
    挖掘“人力资源”是人力资源未来的核心:专家 文/Marcel Vander Wier 用于导航不断变化的工作场所,职业发展的坚实工具 根据该领域的专家大卫格林的说法,雇主正在转向数据“以支持更好的决策,改善员工体验,并实际提高人力资源的影响力”。 英国伦敦分析专家大卫格林表示,在人力资源领域,随着“数字革命”的推出,人力资本分析正变得越来越重要。 “我们正处于一个巨大的变革时期,”他说。 “变化从来没有发生过这么快,可以说再也不会这么慢了。 公司现在似乎在不断变革,不断尝试发明新的产品或服务,以适应在世界上的生存和发展。 格林说,在过去两年中,人类收集的数据量是以前世界历史收集量的九倍。 格林最近在多伦多举行的人力资源技术论坛上表示:“这确实提升了CHRO和人力资源部门的作用,几乎成为公司内三个最重要的角色之一,与首席执行官和首席财务官并重。” 他说,自动化角色和技能培训需要适当的准备和人力规划,分析证明是一个可靠的导航工具。 分析状态 “分析和数据是人力资源数字议程的核心,”格林说。 “它可以帮助我们理解:我们需要的组织形式是什么? 我们公司需要哪些技能?" “分析可以真正帮助将所有这些结合在一起,为公司提供一定程度的确定性。” 他说:“从本质上讲,人力资源部门正在从营销人员的书中学习经验,许多人使用分析来做出近20年的决策。” 格林说,分析可以提供高达13倍的美元回报率。 “我们可以谈论的人力资源项目并不多。” 他说,为了追求高绩效团队,高级领导人已经接受了人力资本分析是成功的重要因素,促进了这一领域的进一步发展。 大大小小的公司都在转向这些数据,以“支持更好的决策,改善员工体验,并实际提升人力资源的影响力。” 格林说,数据驱动的文化和基础来自于将分析的好处传达给所有员工 - 而不仅仅是人力资源。 “要透明。 与员工沟通您收集的数据以及原因,对他们有什么好处以及对公司有什么好处。" 最佳做法 格林表示,人力资源数据质量和一致性仍存在挑战,但大多数雇主应该有足够的资金开始。 但仅凭数据还不够。 他说,用于分析的报告数据并不总是与业务相关。 “不要从数据开始。 从业务问题开始,然后您就可以开始了解需要哪些数据源来解决这个问题,"格林说, “这不一定是在人力资源范围内使用分析和数据。 我们必须尝试打破孤岛心态,真正集中精力解决我们的业务问题。" “通常情况下,一个组织试图解决的每个业务问题,都有个人的因素。” 他说,例如,将人员分析(如员工敬业度)与业务绩效联系起来是有帮助的。 让CHRO完全相信数据的力量在识别关键业务问题,联系利益相关者,将见解转化为行动也是有益的。 格林说:“这不是要在人力资源部门内创建一个团队。” “这是关于跨职能的协作......利用人力资源外部资源的能力确实是关键。” “高级人员分析团队使用多个数据源,”他说。 “这不仅仅是围绕内部人力资源系统或调查。” “ 请放心,并非所有人力资源部门都需要突然学会如何成为数据科学家 。” Green在收集数据和进行分析以给出可操作的见解之前,推荐了一种方法,构建业务问题和建立可靠的假设。 他说,出色的故事可以促使高层领导推动建议。 前面的路 虽然人力资源趋势进一步向人力资本,但是至少在最初阶段,管理期望是必要的。 “不幸的是,当人们投资人力资本分析时,他们预计会立即回归,”格林说。 “它不一定会发生,除非你碰巧用你工作的第一个项目挖到了黄金。” 他说,个性化的职业轨迹是人力资本分析的根据,数据为工人提供技能路径,使他们能够获得他们所希望的工作。 “这对员工来说非常好,因为它真的支持了职业发展,而且它真的为员工个性化......如果没有数据和分析支持,你就无法做到这一点。” 数据收集的道德和隐私需要尽早考虑,因为在欧盟运营的所有雇主现在都必须遵守“一般数据保护条例”(GDPR)中规定的数据保护规则。 格林说,81%的分析被道德或隐私问题“危害”。 “如果你无法向员工阐明收集数据或做人力资本分析项目的好处,也许你不应该做。” 但他表示,虽然数据,分析和其他新兴技术可以增加人力资源在组织内的影响力,但人力资源将始终处于实践的最前沿。 “这不是取代判断或经验,”格林说。 “这是为了强化它,并希望它变得更好。” 用科技平衡人类 人力资源和招聘服务提供商Randstad Canada的首席执行官Marc-Etienne Julien表示,在分析时代,人力资源保持人性化仍然很重要。 “利用技术的好处和保持人性化的方法并不相互排斥,”他说。 在劳动力市场短缺的时期,公司应该利用技术来简化求职者的求职和申请流程,以及自动化人力资源流程中的重复性工作。 朱利安说:“这使得雇主再投资时间在积累更多经验上,通过面对面互动建立人际关系的方式。” 他说,虽然工作领域变化迅速,但人力资源从业者明智地开始实施分析,以便应对特定和即时的挑战,例如高流动率或招聘特定技能的问题。 Julien说,用户体验应该是整个过程的核心焦点。 “优先考虑用户体验对于为求职者和员工开发可访问和可用的工作场所工具至关重要。 尽早让您的员工参与进来,因为他们是主要用户。" 他说,通过技术解决方案节省的时间,再投资培训项目。 以上内容由HR Tech Cina AI翻译,仅供参考
    People Analytics
    2018年07月12日
  • People Analytics
    为什么非正式网络将彻底改变人力资源和人力资本分析? 文/Greg Newman 迄今为止,在利用全球人力资源和全球人力资源系统领域的非正式网络和团队的力量方面所做的工作很少。 团队合作的流动性和非正式性一直意味着在任何规模上都不可能捕捉到不断变化的团队成员和动态。 虽然由Karen Stephenson和Rob Cross等人开创的组织网络分析(ONA)背后的科学已经成熟,经过试验和测试,但是这些强大的数据点成为主流的能力一直是扩大这些洞察力的主要障碍。 毫无疑问,基于ONA的传统调查产生了很好的结果,但其“时间点”性质和高成本开销意味着虽然可以识别和衡量团队和联系,但几乎不可能保持数据最新。 非正式网络终于可见了 图1:揭示支撑正式级别结构的关系。 像我自己(trustsphere.com)这样的公司最近的技术飞跃已经将ONA从基于纸张的流程转变为实时连续的数据流,这改变了组织映射其非正式网络的能力,并了解工作真正完成的方式。 随着人力资源和新成立的人力资本分析/劳动力分析团队试图解决看似Sisyphean的挑战,试图衡量参与度,生产力和员工幸福感,作为一种直接的替代方案,ONA可以提供硬数据并回答特定的业务问题。 我预测2017年将成为ONA成为主流的一年,并最终得到应有的认可,因为它展示了它如何能够快速阐明这些类型的业务关键问题: 谁是我们最有影响力的员工? 图2:找到将网络连接在一起的隐藏影响者。 通过测量中心性,特征向量中心性(以及其他一些秘密调料),ONA可以快速量化员工施加影响的能力(甚至可以在组织内部实际影响他们的非正式网络)。这使组织能够在组织中找到可以帮助推动变革和支持业务转型的隐藏影响者。 我们实际上需要做谁的持续计划? 图3:谁拥有最独特和最有用的网络? 持续计划一直是一个相当公式化和粗略的过程,通过简单地查看员工在正式层级中的位置来确定目标角色。通过查看每个员工的网络,其独特性,隔离性和重叠量,ONA帮助组织找到那些对管理关键内部和外部网络至关重要的员工,以及实际应该进行持续计划工作的员工。下一步是了解哪个员工最适合,谁已经建立了类似的网络或显示可能的继任者的网络潜力。 我的员工如何融入在组织中? 图4:反映员工融入人际网络的改变。 从跟踪新的首发网络的速度和传播到识别隐藏的僵尸,吸血鬼和识别潜在的飞行风险,ONA可用于提供员工内部和外部网络的增长,平稳,停滞和收缩的实时洞察,员工总体参与和表现的主要信号。 良好的领导行为是什么样的? 图5:领导行为的量化证据。 衡量一线经理与其直接报告之间的强大关系数量,了解优秀领导者网络如何在整个组织中传播,并对最佳领导者的网络进行基准测试现在都是可能的。提供重要数据和面向行动的辅导建议可帮助组织培养自己的领导者。 我们在哪里协作得好,哪里不好? 图6:衡量个人和团队的协作。 衡量协作一直很困难,衡量协作的变化,几乎不可能,但ONA提供有关信息流,关系的力量以及个人及其工作的团队和单位的网络活动的数据。突然间,合作已经从抽象和理论,到可衡量和可行的。 ONA能够帮助识别所有这些行为和活动,然后监控其变化,这为世界各地的组织提供了识别,培养和留住顶尖人才的独特竞争优势。 人力资源团队非常关注组织的正式结构和级别结构,但随着市场中的计算进步和创新技术,最终有可能大规模地研究组织中的非正式网络。 以上内容由HR Tech China AI翻译,仅供参考
    People Analytics
    2018年07月11日
  • People Analytics
    人力资本分析:组织网络分析和未来的工作 来源/trustsphere.com 文/Antony Ebelle 简介 在当今的超级协作组织中,经常被忽视但重要的洞察力来源是员工培养获取知识,分享信息,创新和创造工作价值的无数关系网络。 这些协作网络也被称为组织的社会资本,对于工作实际完成,企业成长和人员成功至关重要。这意味着,通过将网络维度应用于组织内的不同员工组,HR可以以更相关的方式为企业生产力,人才实践和组织效率做出贡献。 ONA如何衡量社会资本 传统上,人力资源数据侧重于人力资本方面,如员工人口统计,资格,经验和技能,并且始终只在个人层面进行衡量。 图一、完美组合 社会资本由员工在团队中,整个组织内部以及与外部各方在工作过程中发展的非正式关系组成。 事实上,正是通过这些关系和网络他们的大部分工作实际上都已完成。 在今天的网络化团队组织中,社会资本比以往任何时候都更加重要。 除了在个人层面进行测量外,还可以针对团队和部门进行测量。 组织中的社会资本表现在六种不同类型的关系网络中: 工作网络:员工与他们交流信息,作为日常工作的一部分。 创新网络:员工与谁合作或启动新想法。 社交网络:与员工建立友好关系,无论在工作或下班,知道员工发生了何种事情。 学习网络:员工与谁合作改进现有流程或方法。 专业网络:员工转向专业化或就工作相关问题提供建议。 战略网络:员工向谁寻求未来的建议。 社会资本的资源可以通过个人和商业网络获得。 社会资本的有效性取决于这些个人和商业网络的规模,质量和多样性,如上面六个确定的组成部分所述。但除此之外,如果您通过网络与他们间接联系,社会资本还取决于您不知道的人。 证据表明在商业环境中,社会资本显著提高了生产力,效率和绩效。与不能或不愿释放社会资本力量的同行相比,建立和使用社会资本的个人获得更好的工作,更好的薪酬,更快的晋升,并且更有影响力和有效性。 组织也是如此。 以下案例研究是社会资本如何增加价值的例子。 它是如何应用的? 识别HiPo员工 有效的高潜力(HiPo)开发计划的好处是众所周知的,很明显,识别HiPos对于组织的持续成功至关重要。 证据令人信服: HiPos比普通员工多贡献了21%的工作量,比核心员工产生的价值高出91%,并且作为未来领导者的成功率是其三倍。 然而,识别和保留HiPos的难度也很复杂: 排名前四分之一的员工中只有29%是HiPo员工。 25%的HiPos计划在明年内离开公司,而另外75%的HiPos比其他员工离开的可能性高10%。 HiPo员工的愿望,能力和敬业度都很少见。 这些概念是无形的,难以可视化。 因此,在传统的过程中无法识别和量化它们。 绩效评估: 协作:他们知道信息所在的位置,并可以与其他人一起访问。 能量:HiPos一直有动力改善自己,其他人则受其影响精力充沛。 勇气:冒险是他们节奏的自然组成部分,他们不怕面对艰难的挑战。 生产力:他们在更短的时间内完成更多的工作。 影响:HiPos可以通过让人们喜欢的方式与其他人交谈,从而提高社交网络技能。 许多HiPo特征都存在于员工的社会资本中,通过测量和分析网络行为,ONA使组织能够发现这些特征并识别HiPo员工。 必须指出的是,这种衡量只能通过社会资本视角来实现。 要得到应该考虑到员工的全貌,传统的人力资本措施和社会资本措施。 ONA可以根据经验测量以下HiPo特性: 网络关系和力量: 员工与同事之间的关系有多强? 这些关系越强烈,价值创造的越好。 网络覆盖面: 员工的网络覆盖范围有多广,他们与同龄人,高级和初级员工,不同团队,部门和不同物理位置的关系如何? 影响力: HiPos对于信息流的影响至关重要。组织,通常是将网络连接在一起的关键连接器。这标识了可以推动和支持组织变革,创新和专业知识共享的关键员工。 图2、HiPos构建40%以上与普通员工的关系 协作:员工之间的关系和网络证明了他们在团队内部以及其他团队和部门中施加影响的能力。 测量完成后,可以通过两种方式使用此HiPo数据: 1、测量当前HiPo库的质量 现有HiPo库员工的社会资本可用于验证其社会资本的强度,并在验证库的质量时,为未来的HiPo库成员建立基准和目标。 2、通过组织识别隐藏的人才 通过使用社会资本数据开始识别过程,可以以无偏见和标准化的方式选择候选人,从组织中的任何地方凭经验识别具有高水平社会资本的员工,并通过偏见和弱流程减少问题,这意味着许多HiPo 库的潜力并不高。 结论 随着工作的未来变得更加协作,组织转向敏捷团队网络,了解个人和团队如何工作和建立关系的能力对于业务成功变得越来越重要。 ONA利用实时社会资本洞察力增强传统的人力资本数据,使前瞻性组织能够支持数据驱动的决策,减少无意识的偏见,加强各种人力资源流程,并为企业提供基于证据的观察 增强本能,实现更高绩效,更具包容性和更高效的组织。 以上内容由HR Tech China AI翻译,仅供参考。
    People Analytics
    2018年07月10日
  • People Analytics
    人力资本分析:通过人员数据分析推动业务绩效 来源/CIPD 文/Edward Houghton 目前在我们这个世界上和世界杯一样狂热的话题,是人力资本分析。 6月底,Jonathan Ferrar向欧洲客户推出了Insight222全新的Nine Dimensions for Excellence Analytics in People AnalyticsTM模型。 Insight222的董事顾问与Jonathan合作开发这个模型。 关于模型的更多细节将在未来几周内发布。 人力资本分析对于组织来说是一个不断增长的议程,特别是考虑到在工作场所技术的兴起,现在能够跟踪个人的行为,并更深入的洞察他们的工作表现,业绩和福利。 随着技术进一步影响到工作领域,预计组织中数据的使用将继续推动业务和员工的成果,投资者和潜在员工在内的更多利益相关者对人员数据表现出兴趣。 为了解人们如何使用人力资本分析来理解人员数据,我们调查了全球3,852名商业领域的专业人士观点和意见。 图1:我们研究的参与者 研究目的: 我们使用调查结果来了解: 人力资本分析如何影响组织层面的成果,如绩效和文化 人力资源和财务等不同的专业团队如何看待人力资本分析的影响 HR功能在人力资本分析和人员数据方面的能力如何 如何使用人力资本分析来了解组织面临的业务挑战和人员风险 结果显示: 强大的人力资本分析文化可带来良好的业务成果 通过调查,我们能够描述组织中存在的强大的人力资本分析文化: 积极利用人员数据来解决业务问题 拥有经常讨论人员数据透明度,观点和价值的重要性的管理团队 让一线经理基于人员数据来做出业务决策。 图2:与强势文化相比的强劲业务表现(%) 我们还发现,人力资源专业人员正在使用人员数据来应对其组织面临的重大挑战。 我们的调查发现,全球四分之三(75%)的人力资源专业人员正在使用人员数据解决劳动力绩效和生产力问题,这说明了这些信息对战略性劳动力问题的重要性。 图3:使用人员数据解决关键业务挑战(%) 访问人员数据以进行决策 我们发现数据的可见性(例如通过数据仪表板)与改进的结果相关联,但访问因职业而异:尽管全球人力资源专业人员中有近四分之三(71%)可以访问人员数据,但只有五分之二(42 %)财务专业人士说他们这样做,说明了专业之间的明显差距。 图4:您是否可以访问组织生成的劳动力/人员数据?(%) 我们发现,人员数据的可见性改善了对绩效的看法,73%的绩效优异企业的受访者同意或完全同意他们可以访问人员数据的仪表板,相比之下,50%的人表示他们的业务是平均表现。 图5:管理员可以访问人员数据仪表板(%) 图6:人员数据技巧和信心 在我们对英国数据的分析中,我们发现英国人力资源专业人士尚未发现潜力:我们发现21%的英国人力资源专业人士表示,他们对更先进的技术(如结构方程模型)充满信心或非常有信心,但只有6% 英国人力资源专业人士表示,他们将这些用于日常工作,这表明许多人力资源专业人员没有机会在他们的角色中运用他们的技能。 我们还调查了有关人力资源技能和能力的其他专业观点。 图7:人力资源人员数据技能的专业观点(%) 人员风险,数据保护和数据安全 劳动力数据的数据保护仍然是所有专业团体的一个重要问题:所有专业团体都普遍认为整体人员数据应得到充分保护。但 不到三分之二(61%)的人力资源专业人士认为他们的组织采用联合方法来保护其数据。 关于数据保护的专业观点(%) 我们还调查了可用于了解关键人员相关风险的人员数据质量。 我们发现数据质量通常评价很高,但是一些关键人物风险领域的风险管理(例如高级职位的更替)的有效性水平较低。 结论 我们发现,如果要由一线经理在决策中使用,特别是那些与财务相关的角色,那么劳动力数据的透明度至关重要。 人员数据的可见性有助于人力资源和非人力资源部门做出决策。 本研究的另一项重要发现是人力资本技能的重要性和促成良好结果的信心。 区域差异显示技能和信心如何与结果相关,东南亚通常以更高质量的分析技能领先实践。 英国在信心和技能水平方面都特别受限,突出了未来能力的潜在风险。 我们还发现,通过人员数据的应用,人们可以理解风险,这是实践中的一个新兴领域。 鉴于最近在欧盟实施了“通用数据保护条例”并对使用人员数据进行衡量,人员数据安全等问题变得非常重要。 但是,仍然有一些方法可以改善人力资源专业人员如何阐述更广泛的人员风险和机会问题。 这项工作突出表明,在人力资源团队生产和消费数据方面,人力资源专业人员仍然有很多潜力可以实现人员数据对其结果的潜在价值。 人力资源部门必须率先将人员分析作为未来循证专业的核心组成部分。 只有做到这一点,我们才相信人力资本分析所承诺的潜在价值最终将会实现。 以上内容由HR Tech China AI翻译,仅供参考
    People Analytics
    2018年07月09日