• 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
  • People Analytics
    【趋势】建立未来的组织,对2022年人力资源的12个预测 在许多方面,2021年延续了前一年大流行病所带来的道路。好的方面(以疫苗的形式),坏的方面(新的变种和封锁)和丑的方面的混合。 2021年还暴露了高管和他们的员工之间在返回办公室时越来越大的鸿沟,以及未来混合工作场所的形状。这只放大了人力资源领域的重要性。大多数专家认为,未来的工作已经加快了5-10年,但这一流行病也提升了人力资源的作用--特别是在这些职能由数据驱动、体验主导、业务集中的地方。 这一切对2022年意味着什么?嗯,正如我在去年的预测中强调的那样,我赞同道格拉斯-亚当斯(撰写了《银河系搭车指南》)的观点。"试图预测未来是一个杯具的游戏"。亚当斯也承认,这是一个我们都必须玩的游戏,因为。"世界变化如此之快,我们需要对未来的实际情况有某种想法,因为我们将不得不生活在那里,可能在下周。" 鉴于我们所处的时代,很难有不同意见。 2022年预测: #1人力资源部门协调通往混合型的道路 雇主和员工之间的脱节越来越严重,雇主已经准备好恢复大量的亲自出席,而员工则没有准备好(见图1中麦肯锡的一项研究)。基于现场的陈旧工作理念与 "随时随地工作 "之间的辩论将在2022年主导对话。事实上,我们可以合理地假设,关于 "伟大的辞职 "的喧嚣,大部分可以归因于领导者和他们的员工之间日益扩大的鸿沟。谁能比人力资源部门更好地在这些愤懑的派别之间促成交易呢?通过扩大员工的声音(见预测5),并抓住机会尝试敏捷创新,人力资源部门可以安排好前进的道路。 在数据的支持下,人力资源部门可以引导领导者采取同理心的方式来满足员工的需求,并帮助他们进行大胆的思考:甚至可以摒弃传统的9-5工作模式? 同时,人力资源部门可以帮助员工驾驭微软所定义的 "混合悖论"(人们希望有在任何地方工作的灵活性,但同时又渴望有更多的人际关系),并在 "新常态 "下培养公司文化。我们已经看到这种情况在包括Spotify、渣打银行、IBM和Salesforce在内的公司中上演。把握好混合动力可以把 "伟大的辞职 "的威胁变成 "伟大的吸引力 "的机会。这只是人力资源部门大大提升其作用的众多机会之一。 图1:资料来源。McKinsey & Company   #2 人力资源的作用(甚至更多)提升 在过去的两年里,大流行病、疫苗、重返办公室和关于混合工作的辩论都将人力资源职能推到了聚光灯下。麦肯锡提出的由CEO、CFO和CHRO组成的中央智囊团组成的人才驱动型组织的愿景正在逐步实现。随着更多的曝光,人们对他们的期望也越来越高。 因此,更多的责任被压在了CHRO的肩上。这也不仅仅是大流行病。当你考虑到当今组织最重要的一些议题:技能(见预测4)、员工体验和福利(见预测5)、工作场所的心理健康(也见预测5)、多样性和包容性(见预测6)以及可持续性(见预测8),人力资源部门要发挥关键作用。 BCG的一份研究报告对人力资源部门的未来作用做了如下概括。"人力资源部门必须成为一个不断变化的组织的发动机,为员工服务。这是人力资源部门建立未来组织的机会,用Dave Ulrich的话说:"我们不能错过这个机会"。作为人力资源专业人士,我们有一个千载难逢的机会来设计以员工为中心的工作场所,并精心打造更具包容性、更有同情心、更公平、更健康、更人性化的组织文化,并最终获得更大的成功。我们准备好了吗?让我们开始工作吧。   ##3人员分析是关于业务的 在《卓越的人员分析》中,乔纳森-费拉尔和我主张,这种大流行病已经将人员分析推进到一个新的时代。价值时代,重点是为企业提供价值,而不是人力资源。在过去的两年里,首席执行官和首席财务官需要更深入地了解他们的劳动力,以便为他们应对大流行病、重返办公室和混合工作以及其他复杂的话题,如技能、多样性和福利提供信息。在其最有影响力的时候,人员分析正在为企业的顶线和底线贡献数百万美元的价值,并对劳动力体验、文化甚至社会产生积极影响。Insight222的最新研究(以及RedThread Research等机构的其他研究)强调了这一领域的发展,以及领导者对通过人员分析团队的工作而形成的洞察力的日益依赖。 Insight222人员分析趋势2021研究的主要发现是有启发性的: i)领先的公司在人员分析方面投资更多,拥有更大的团队,规模化的分析,并拥有数据驱动的人力资源文化 ii)首席财务官一致认为数据和分析很重要(90%的首席财务官明确表示人员分析是人力资源战略的重要组成部分) 以及iii)数据驱动的人力资源文化(见图2)带来商业价值。 在参与研究的114家全球公司中,有75%的公司告诉我们,他们的团队将在未来18个月内增长,预计在2022年将看到对人员分析的更多投资。我认为我们还将看到更多的产品化,更多的公司将工作场所和劳动力数据结合在一起,并加强人员分析在DEI、基于技能的劳动力规划、员工倾听和文化变革等领域的作用。如果人力资源部门要成功抓住眼前的黄金机会,那么人员分析将发挥巨大作用。 #4 推进基于技能的组织 BM的Anshul Sheopuri将技能描述为 "贯穿员工旅程的银线"。同样,德勤最近将技能列为新的劳动力操作系统,将从根本上改变人才管理的所有方面。我们自己在Insight222对劳动力规划的未来进行的研究发现,那些劳动力规划做得好的公司注重技能(以及成本),并利用新的外部数据来源,不仅探索他们已经拥有的技能和人员,而且还需要在市场上找到什么才能成功。有趣的是,研究还发现,几乎所有的公司(90%)都表示希望建立一个基于技能的劳动力规划方法(见图3),但只有四分之一的公司目前正在这样做。 向以技能为基础的组织转型的规模不应该被低估,但它有可能为企业(帮助企业 "看到角落",正如Ernest Ng和Jimmy Zhang所概述的那样)、人力资源(通过打破人才、学习和招聘方面的传统孤岛)和劳动力(包括通过创建个性化的学习和职业建议)创造巨大的价值。 在2022年,我希望看到人才市场继续激增   图3:基于成本和技能的劳动力规划(来源:Insight222)   #5 扩大员工的声音 也许这种大流行病的一个积极后果是,大多数领导人对员工的体验更感兴趣。这使得公司加强了他们的员工声音和倾听项目,作为优先考虑员工福利和更好地了解合作和生产力的一部分。在微软,正如首席人事官凯瑟琳-霍根(Kathleen Hogan)在最近一集数字人力资源领导者播客中向我解释的那样,从2500名员工的日常脉搏中获得的洞察力,加上对协作数据的分析(例如来自Teams的数据),有助于塑造微软的混合工作方法。 另一个例子是Uber,对调查问卷的分析和来自Slack和Zoom等协作工具的数据突出了远程工作对专注时间的压力。通过信息和授权的双管齐下的方法,Uber能够帮助其员工解决协作过载的问题。将主动(调查)和被动(来自电子邮件、日历、Zoom、Teams和Slack等协作工具的元数据)的数据源配对是一个强大的组合。设置这些分析,使劳动力直接受益,使你更有可能得到首席隐私官、工作委员会和员工本身的支持。其潜力是巨大的,可以为推动以下领域的成果的决策提供信息:推进多样性和包容性,减少偏见,发展领导行为,提高团队效率和提升心理健康(人力资源领导的主要责任)。 这应导致激活更快乐、更健康、心理安全的文化,推动更好的业务绩效,提高员工的体验,并为 "伟大的辞职 "提供完美的解药。   #6 多样性、公平、包容和归属感从空谈变成行动 在我们最近对100多个全球组织的研究中,多样性和包容性成为人员分析增加最大商业价值的首要领域。这感觉是一个重要的时刻。多样性、公平性、包容性和归属感(DEIB)长期以来一直被认为是一个潜力未被开发的领域,但也许一系列独特的情况正在帮助改变这一天平。 首先,关于DEI的商业价值的证据更容易获得(两个例子包括每年的《职场女性》,以及RedThread Research最近关于创建DEIB文化的研究)。 第二,种族不平等危机(由 "黑人命案 "运动引发)已经促使各组织采取行动。 第三,也许至关重要的是,员工声音的放大(见第5条)让领导者清楚地认识到,现在员工对DEIB话题的行动是有期望的。 最后,人员分析的发展有助于组织获得更多的洞察力,并推动对DEIB主题的行动(例如,薪酬平等、偏见、包容性和同质性)。 正如世界领先的DEIB专家之一Joan C. Williams在最近一集数字人力资源领导者播客中告诉我的,关于公司实施年度偏见培训等过程。"你不可能通过做一次事情来改变你的公司文化"。还有很多工作要做,但值得庆幸的是,DEIB的精灵似乎终于从瓶子里逃脱了。 #7用道德解锁信任红利 向提供数据的人--即员工--提供分析的好处,对企业绩效产生积极影响。因此,在使用人员数据时建立信任,并正面解决道德和隐私问题是很重要的。其中一个步骤是制定道德宪章,提供透明度并规范对人员数据的明智和道德的使用。 在Insight222,我们已经与一些组织合作,帮助他们制定道德宪章。Excellence in People Analytics中的一个案例研究描述了劳埃德银行集团如何制定道德宪章(见图4中的指导原则),以保护员工并推动公司的价值。通过对道德规范的透明化,一个组织有可能获得员工的更多信任。 通过创造信任,并通过这种信任能够从员工那里获得更多的人际关系数据,那么就可以提供更多的价值。事实上,埃森哲的一项研究发现,如果一个组织在使用人员数据方面采取负责任的策略,信任红利的价值可能超过未来收入增长的6%。 随着监管机构(包括欧盟、平等就业机会委员会甚至纽约市)越来越多地关注立法来管理组织对人工智能的使用(针对员工和客户),我希望看到更多的公司在2022年实施管理人员数据使用的道德宪章。 图4:来自LBG的图(来源:《卓越人才分析》,Jonathan Ferrar)。Excellence in People Analytics, Jonathan Ferrar and David Green - Kogan Page, 2021)   #8 人力资源的作用扩展到可持续性和社会 2021年早些时候,备受尊敬的爱德曼信任晴雨表报告称,员工现在被认为是公司长期成功最重要的利益相关者。这与麦肯锡的研究相吻合,麦肯锡的研究发现,当员工觉得他们的目标与组织的目标一致时,他们比没有目标的员工更有生产力,更健康,更有韧性。这就是人力资源部门的作用--帮助将目标从言辞变成行动。让我们以气候为例。一方面,人力资源部门在帮助组织实现其气候战略和可持续发展目标方面可以发挥战略作用。 此外,人力资源部门必须专注于满足员工对其雇主如何应对气候变化的期望,因为这正迅速成为员工价值主张的一个关键部分。韦莱韬睿公司最近的研究发现,目前仅有超过50%的公司的人力资源部门参与了气候战略,虽然92%的公司认为在员工价值主张中制定明确的气候战略是很重要的,但目前只有微不足道的13%。目的性超越了可持续发展,与其他社会议题有着内在的联系,如多样性、公平和包容。 这可能是今年最新潮的预测--也是更有可能在长期内而不是在未来12个月内实现的预测。 #9对工作技术的投资继续爆炸性增长 自大流行病开始以来,人力资源/工作技术市场的增长已经激增,2021年,风险资本对工作技术的投资将达到150亿美元(比去年增长300%)。现在估计至少有24家工作技术独角兽公司。在过去的12个月里,我们看到Peakon被Workday收购,Qualtrics部分从SAP剥离,Emsi和Burning Glass合并,微软Viva的推出,以及对大量工作技术的额外投资,包括Visier、Gloat、SmartRecruiters和Culture Amp。可以预测,2022年的市场将出现更多的整合和投资。 特别是要注意工作技术的四个子类别的动向。 i) 外部劳动力市场数据和分析(这一领域的公司包括Emsi Burning Glass、Claro、HR Forecast、Gartner Talent Neuron) ii) 人才市场(Degreed、Eightfold、Fuel50、Gloat、Paddle HR) iii) 技能和劳动力规划(Orgvue、eQ8、TechWolf、Simply) 以及iv) 组织网络分析(TrustSphere、Worklytics、Yva、Cognitive Talent Solutions、Maven 7)。   #10 为了实现目标,人力资源部门要提高技能,使其更加以数据为导向,以体验为主导,以业务为重点。 为了利用职能部门面前的机会--并满足领导和劳动力日益高涨的期望,人力资源专业人员的技能需要不断发展。在Insight222的 "数字时代的人力资源 "研究中,我们为未来的人力资源专业人员确定了三个类别和九种技能,使其更加以数据为导向,以体验为主导,以业务为重点(见图5)。这些技能将使人力资源部门能够解决业务挑战,对战略产生更大的影响,支持创建包容性文化,并提供更好的员工体验。我们最近对100多个全球组织的研究发现,90%的首席人力资源官明确表示,数据和分析是人力资源战略的一个重要组成部分,因此已经取得了进展。然而,仍有很大的改进空间,同一研究发现,这些组织中只有42%的人目前有一个数据驱动的文化,用于人员数据和分析。2022年是缩小这一差距的一年。 图5:未来人力资源专业人士的九大技能(来源:Insight222)。   关于作者 David Green 是一位在全球范围内备受尊敬的作家、演讲者、会议主席,以及关于人员分析、数据驱动的人力资源和未来工作的执行顾问。作为Insight222的管理合伙人和执行董事,他全面负责Insight222人员分析项目的交付,该项目支持80多个全球组织的人员分析的推进。在共同创立Insight222并在TrustSphere担任董事会顾问之前,David在人力资源和人员分析领域积累了超过20年的经验,包括在IBM担任人员分析解决方案的全球总监。因此,David在帮助组织提高价值、影响和关注度方面有着丰富的经验,这些经验来自于对人员分析的明智和道德的使用。大卫还主持了数字人力资源领导者播客,并且是Insight222的myHRfuture学院的讲师。他与Jonathan Ferrar合写的书《卓越人员分析》。如何使用劳动力数据来创造商业价值》于2021年夏天出版。 Building the Future Organisation: 12 Predictions for HR in 2022
    People Analytics
    2021年12月07日
  • People Analytics
    2022 年的人力资源:影响员工体验的 7 个主要趋势 员工人力资本分析将在人力资源政策的购买中发挥重要作用。同时,管理人员在聘用、培训和晋升时需要有这样的心态:他们不需要知道所有的答案。 事实上,根据EngageRocket最近发布的一份题为《人力资源2022年展望》的报告,在2020年最初的积极姿态和 "最佳状态 "时期之后,员工的复原力水平、心理健康和雇主在2021年出现了下滑,在2020年至2021年期间,亚太地区对其组织的未来充满信心的员工减少了17%。报告指出,这一年里,职业倦怠也增加了9%。 因此,"现在人力资源部门有责任阻止这种趋势,并制定前瞻性的政策,将员工置于中心位置,"报告补充说。 根据这一点,报告强调了将在2022年影响员工体验的七个关键趋势--心理健康和复原力将如何推动增长,人力资本分析在促进对人力资源政策的认同方面的作用等等;以及在未来一年解决这些问题的重点领域。 趋势一:"新工作 "将以新的和意想不到的方式表现出来 在新工作模式中,一个人把他们的工作看成不仅仅是有报酬的就业。除了为获得报酬而进行的劳动交易外,人们还关注目的、成就感和福祉。不幸的是,报告强调,大多数组织还没有完全承认和理解这种方法的重要性。 例如,Gartner最近的一项调查发现,75%的领导层认为他们经营着一种灵活的文化,但只有57%的员工同意。同样比例的领导层也认为他们在决策中纳入了员工的声音,而47%的员工同意。 显然,人力资源政策或推动这些政策的领导层战略与员工的实际情绪之间存在脱节--劳动力中新工作需求、冲动和愿望的转变强调了这一点。公司需要相应地调整他们的战略,使这种转变对他们有利,而不是对他们不利。 因此,该报告强调了人力资源部门在2022年需要关注的以下领域。 · 制定一个双向的沟通策略。倾听员工的声音(VoE),并在员工意见的基础上进行未来的沟通。这些反馈可以帮助形成后续行动,形成一个闭合的反馈回路。 · 部署持续倾听。如果你还没有,可以从进行员工生命周期调查和脉搏调查以及360度审查开始。 · 让员工和经理之间进行更频繁的检查。这将有助于你在早期发现并解决问题领域。 趋势二:人才战正迅速成为一场 "零和 "游戏 有少数公司--无论大小--被广泛认为是一个地区的顶级雇主,而没有在人才战中投资的公司正被甩在后面。报告指出,由于短期内人才供应有限,这导致了一场 "赢家通吃 "的零和游戏。 因此,人力资源部门需要在2022年加倍努力争取和保留人才,创造一个对现有和新员工都有吸引力的雇主品牌和工作环境。 2022年人力资源部门的重点领域。 ·制定清晰透明的职业道路和继任计划。促进员工和管理人员之间的双向沟通,优先考虑多样性和包容性,不要将职业发展限制在管理职位上。 ·鼓励及时认可,通过非工作活动参与,并在工作之余能够断开联系。这将有助于提高员工的参与度,让每个员工觉得他们比他们的生产力成果的总和还要多。 趋势三:员工心理健康和复原力将推动增长 在2022年,心理健康和复原力将不再只是流行语。公司将被迫投入真正的资金来提高员工的福利,并确保他们在面对新的挑战和机遇时保持弹性和信心。事实上,这将是人力资源部门需要解决的一个重要领域。 2022年人力资源部门需要关注的领域。 ·建立一个心理安全的氛围。创造一种文化,让每个人都感到安全,可以就工作和职业相关的谈话发表自己的意见,而没有被训斥的风险。这一优先事项需要明确,并灌输到组织内的各个层面。 ·制订缓解压力的政策。诸如员工援助计划和弹性工作等政策,让员工可以休息一天,喘口气。 是人力资源部门可以探索的一些方法,以促进健康和复原力。 趋势四:人力资源部门将变得分散,激发新的管理技能 根据该报告,典型的集中式人力资源职能必须让位于 "超本地模式",在这种模式下,人力资源部门可以通过管理人员将与每个员工的最后一英里联系外包。这可以适用于人力资源职能的不同要素--从战略和政策制定,到活动和参与。 它补充说,经理评估和晋升的通常方法也需要改变。与其选择 "任务协调者 "担任管理职务,公司将不得不提升那些具有领导力和辅导/指导技能的人。这些经过适当挑选、装备和培训的经理人将有助于调动组织的人才,而不需要人力资源部门的集中和自上而下的控制。 以下是人力资源部门在2022年需要注意的重点领域。 ·重新审视经理人评估的关键绩效指标。鼓励经理人关注人才和技能发展,而不是只关注业务执行的能力。 ·放弃经理人可以而且必须拥有所有答案的心态。聘用、培训和晋升管理人员时,需要有这样的心态:他们不需要知道所有的答案。只有在这种心态下,他们才能从绩效管理者转变为培养者的教练。高层领导需要示范和支持这种心态,以推动整个公司的转变。 ·用工具和数据赋予管理者权力。用正确的技术工具来放大更好的经理人选择和培训的效果。他们应该能够利用数字渠道来调查员工,提供反馈,分析数据,进行远程沟通/协作,并做出决策。 趋势五:多样性和包容性将是一个主要的竞争差异化因素 根据麦肯锡的数据,在领导层性别多样性方面处于前四分之一的公司比处于后四分之一的公司更有可能拥有高于平均水平的盈利能力。不幸的是,许多组织还没有充分投资于多样性和包容性(D&I),作为一个关键的文化和运营宗旨。 2022年人力资源的重点领域。 ·将D&I议程传达给组织的各个层面。使用有数据支持的洞察力来加强你的D&I案例,因为研究表明,员工大多不知道组织收集和分析D&I数据以建立一个包容性的工作场所。一个明确沟通的计划将确保及时买入和适当的执行。 ·在D&I方面以身作则:积极将D&I纳入经理人选拔和培训,以解决领导角色中的性别平等问题。 趋势六:人力资本分析将促进对人力资源政策和变革的认同感 在2022年,组织不能再推迟人力资本分析的实施。虽然有正确的方向,但还有更多的工作要做。分析、虚拟工作技术和升级的学习平台是人力资源的首要任务。然而,根据引用的一项调查,自2019年以来,HR对其使用数据和分析能力的信心下降了3个百分点。 2022年,HR应该关注哪些领域? ·拥抱从直觉到数据驱动的心态转变。直觉、过去的经验和一般的直觉在整个组织的政策中发挥了重要作用。通过人力资本分析,人力资源部门和领导可以更有信心地做出明智的决定。 ·对人力资源团队进行分析、战略和价值创造方面的培训。60%的首席执行官和执行总裁认为人力资源部门是一个管理者,而不是一个价值驱动者,但74%的首席财务官不同意。人力资本分析培训和实施可以帮助弥合这一鸿沟。 ·确保有一种持续倾听的文化。透明的沟通和获得整个组织对持续倾听的认同是获得人力资本分析投资收益的一种方式。 趋势七:需要新的生产力关键绩效指标来评估员工绩效 在2022年,人力资源和企业领导人需要考虑更适合 "新工作 "和远程/混合工作的生产力指标。协作、沟通、积极的工作-生活行为和教练心态可能是更好的绩效指标。 以下是人力资源部门在2022年可以关注的领域。 · 采用绩效审查的闭环模式。这包括反馈、校准和补偿。 · 根据新的衡量标准,打击偏见的风险。一个匿名的、多评判人的审查系统增加了绩效评级的可靠性,并减轻了来自一个人的判断偏见。   原文来自humanresourcesonline
    People Analytics
    2021年11月16日
  • People Analytics
    【产品】人力资本软件Paycor在Paycor Analytics中推出新的预测性辞职功能,使企业能够预测员工流失率 Paycor 的新功能允许领导者识别潜在的高风险员工,以帮助防止当前动荡的市场中的人员流动  Paycor HCM, Inc. (Paycor)(纳斯达克股票代码:PYCR)今天宣布在其Paycor Analytics工具中发布新功能,该工具将为其客户提供关于员工流失的预测分析。这项功能使人力资源(HR)和企业领导人能够从其公司数据中获得可操作的见解,包括识别有风险的员工、驱动辞职风险的因素、不同组织和地点的预期辞职情况,以及未来12个月内员工离职的概率和程度。 盖洛普最近的一项研究发现,51%的现有员工目前正在寻找新的角色,而最近发出通知的员工中,有52%的人是可以防止离职的。该研究的进一步见解显示,高管们认为使员工辞职的原因,与员工所提到的离职原因之间往往存在脱节。像预测分析这样的工具有助于识别有风险的员工或部门,这样领导者就可以在挑战变成无法解决的问题之前解决它们。 "Paycor首席产品官Ryan Bergstrom表示:"随着全国各地的公司继续面临'伟大的辞职',领导者了解员工离职的原因以及雇主可以采取哪些措施来防止或更好地计划这种结果,比以往任何时候都更加重要。"留住顶级人才的能力对任何企业来说都是关键,这项新的服务是Paycor在为客户的业务决策提供信息方面信任数据分析承诺的延伸。" 这项新产品研究了员工辞职的首要驱动因素,并突出了对每个员工预测的五个最重要的方面,从而可以在数据驱动的结果基础上进行有针对性和以问题为导向的讨论。与Paycor分析中的其他指标一样,预测性指标可以按组织中的职位、地点、任期等进行过滤。 Paycor的新产品是他们与Visier现有伙伴关系的结果,Visier是全球公认的人员分析和规划领域的领导者。两者自2019年开始合作,Paycor是第一个将预测性分析技术带给其客户并向中小企业提供这一解决方案的客户。 预测性辞职是Paycor Analytics即将推出的众多预测性报告功能中的第一个,有助于确定直接影响公司底线的劳动力趋势。 关于PAYCOR Paycor为那些希望有所作为的领导人创建了人力资本管理(HCM)软件。我们的HCM平台实现了人员管理的各个方面的现代化,从招聘、入职和发展人员的方式,到支付和保留人员的方式。但真正使我们与众不同的是我们对企业领导人的关注。30年来,我们一直在听取领导人的意见并与之合作,所以我们知道他们需要什么。节省时间的人力资源技术、提供可操作见解的强大分析以及个性化的支持。这就是为什么超过28,000名客户相信Paycor能够帮助他们解决问题并实现其目标。
    People Analytics
    2021年11月11日
  • People Analytics
    人力资本分析的六步法 这并不是一个秘密。许多人力资本分析项目失败了。很多人力资本分析的自助解决方案已经实施,但很少被使用。人力资本分析的潜力没有得到充分利用的主要原因是人力资源部门内缺少人力资本分析的思维方式。对于大多数人力资源专家来说,分析并不自然。他们应该如何利用他们不知道的东西?甚至在做决定之前要求分析性的见解?人力资源部门内的分析缺陷是众所周知的。但仅仅提及这种缺失的心态并不能解决问题。我们需要把它带到人力资源部门。 那么,实际上需要什么来进行分析性的思考和决策呢?同样重要的是,我们如何才能最好地沟通这种思维方式?为了准确回答这些问题,我和英飞凌人事分析团队的同事们开发了一个六步法。这些步骤旨在确保以科学的、分析驱动的、基于事实的方法来进行决策。然而,这种方法很容易被那些不熟悉这种思维方式的人所理解。最后我们意识到,在建立正确的心态方面,这种类型的方法比仅仅谈论心态这样模糊的东西或教授统计技能要有效得多。 1. 澄清问题 这听起来更像是一种形式,但令人着迷的是,它经常被忽略掉。在这一步中,你要确保你对问题有一个清晰的认识。一份书面的问题陈述可以帮助你将自己对问题的理解与他人的理解进行反复检查。很多时候,我们似乎在某些方面达成了一致,但后来却发现每个人对这件事的解释都非常不同。 问题陈述也提醒我们,我们实际上想解决一个问题。经常发生的情况是,我们已经有了一个解决方案,但却不了解我们想要解决的问题到底是什么。 2. 形成假设 在下一个步骤中,我们要提出关于某件事情发生的原因的理论,例如,为什么某个部门的减员率这么高。提出假设对我们来说并不新鲜。每当我们在日常生活中处理决策时,我们都会下意识地对潜在问题的根本原因形成假设。然而,人力资本分析方法要求对这些假设进行明确陈述。而且,它要求你的假设不能仅仅基于你的直觉。包括文献和互联网研究,以及同事和其他主题专家的意见,是一个好主意。 现在你可能会说,我们为什么需要假设呢?数据不是应该告诉我什么是错的吗?不,这不是它的工作方式。有两个原因。第一,我们不知道该看哪些数据。外面有大量的数据。一个适当的假设有助于引导我们寻找正确的数据。第二,甚至更重要的是,数据只是数据。为了将数据转化为有意义的信息,它需要被置于背景之中。数据需要解释。再说一遍,假设正是这样做的。如果没有至少对我们正在寻找的东西有一个粗略的想法,我们就不会找到答案。没有假说的数据是毫无用处的。这就是为什么数据科学家团队永远无法单独完成工作的原因。它总是需要与主题专家紧密合作。 3. 收集数据和测试假设 在提出假设之后,就是使我们的方法真正具有分析性的阶段。我们用数据来测试我们的假设。而不是像我们在日常生活中通常做的那样,只是相信我们是对的,我们现在要证明或拒绝我们的假设。假设的提出和测试是一个反复的过程。我们形成一个假设,测试它,有时接受它,完善它,然后再次测试它。显然,人力资源从业者在这一步骤中需要很多支持。这种支持可以是来自人力资本分析团队的咨询,也可以是来自分析自我服务工具。这些自助服务工具可以从简单的Tableau或PowerBI仪表盘到复杂的云解决方案,如Visier或SplashHR。由于我们已经建立了人力资本分析心态,对先进工具的投资将不再被认为是不合理的。现在,人力资源专家是要求使用这些工具的人,因为他们需要这些工具来测试他们的假设。他们实际上利用了驱动因素和相关分析。这种情况与以前非常不同,以前一些分析专家试图推销这种解决方案,但没有人愿意。 4. 得出适当的决定 现在我们已经确定了问题的根源,是时候在第四阶段选择正确的决策方案了。这一直是人力资源从业者的核心能力,他们也确实擅长此道。由于适当的假设制定和测试,他们现在能够选择那些真正解决根本原因的措施。 5. 通过讲故事用事实和数据说服人 这一步是通过使用 "用数据讲故事 "的技巧来交流你的发现。人力资源部门越是想成为一个有战略意义的机构,就越是发现自己处于咨询的角色。而咨询意味着要说服别人。现在,许多人力资源专家已经习惯于谈论数据了。他们介绍最近的人数,或者谈论员工流失率的变化。但我们需要做的是用数据来说服人。而这恰恰是本阶段的重点。如果你正在寻找一些关于如何有效地用数据讲故事的好主意,我推荐Cole Nussbaumer的同名书籍和课程。 6. 执行决定,监测并采纳它们 最后,这一步是关于执行衍生措施和监测。即使我们采用了科学的决策方法,也不一定意味着我们得到了所有的权利。我们需要监测我们措施的成功。根据结果,我们可能需要调整措施或重新定义我们的假设。人力资本分析方法并不是一种打了就跑的事情。相反,对措施的监测为假设的制定和扩大我们基于经验的知识提供了宝贵的输入。 通过遵循这简单的6个步骤,你的人力资源工作者应该习惯于分析性思维和基于事实的决策。这最终会引发对分析自助工具、新数据和人力分析团队的咨询服务的需求。而这种来自你的人力资源从业者的需求正是一个成功的人力资本分析功能所真正需要的。 作者:Christian Otto
    People Analytics
    2021年11月05日
  • 1234567891011 19 跳转至