• 数据支持
    为什么扩展人力资本分析(PA)像引体向上,做1个容易,做100就难了? 创建一个关于员工的有洞察力的仪表板就像引体向上:做一个很容易,做100个很难。 为几位高管制作一个引人注目的仪表盘,并不会让一个熟练的数据团队不堪重负。但是,高管们不可避免地希望做出改变,将一个仪表板项目变成一个永无止境的传奇故事。 最重要的是,向整个组织的管理者提供人力资本分析,不仅仅是向高管层提供,正成为雇主的首要任务。在这样的规模下,仪表盘上的“肌肉”很快就会耗尽。 为什么人力资源领导者需要对他们的团队有深入的了解 直到2019年,大多数拥有人力资本分析功能的组织都专注于向少数高管提供洞察力。这些领导人正在询问一系列关于人力资源活动的基本业务问题,例如。我的员工在哪个部门?为什么有人离开组织? 当自上而下的雇主-雇员社会契约成为常态时,这已经足够了。但时代已经改变。 随着混合工作、高倦怠率和对社会公正的要求,工作世界已经变得无限复杂了。在以人为本的组织中,雇主仍然可以从鸟瞰的角度了解人力资源的趋势,但他们也不得不与员工进行持续的对话。数据支持的管理者是这些互动的核心。 例如,如果一些员工在脉搏调查中报告压力激增,管理者可以看到这个数据,并与其他团队在总体水平上进行比较。然后,管理者可以确定压力激增是否是由于他们组内的问题造成的,并在必要时采取行动。 像今天商业的许多方面一样,管理者需要从理解的角度来领导团队,而不是从直觉的角度,这意味着他们需要有数据洞察力。 人力资本分析造就敏捷型人才领导者 当填补空缺职位的时间达到历史最高点时,管理者们在帮助组织更明智地招聘方面也发挥着关键作用。考虑到招聘经理需要行动的速度,等待人才招聘团队的每月更新是不可能的。一个拥有最新和准确数据的经理可以以事实为基础管理他们的人才管道和招聘资源。 来自Insight222的研究表明,企业不仅仅是在做人力资本分析,而是希望更广泛地扩展其能力。根据该报告,60%的公司在2020年6月至2021年6月期间增长了他们的人力资本分析团队。75%的人力资本分析领导者预测,在2022年6月之前,他们的团队将获得更多的投资。 如果有更多的组织投资于人力资本分析,他们也期望从该投资中产生价值。我们自己的研究表明,当检索洞察力的能力超出数据科学和报告团队的范围时,组织在财务上就会蓬勃发展。 然而,假设你的解决方案目前为20个人力资本分析用户提供服务,将能够扩展到1000个用户,可能会让你失败。 扩展人力资本分析就像做100个引体向上一样 根据Visier的基准数据,一个典型的大公司每100名员工将有11名经理--在一个5000人的企业中,这意味着需要为近500人提供见解。一些组织可以轻松地做到这一点。例如,Merck KGaA已将其用户群扩大到3500个用户,其中包括业务和人员领导的所有管理层,以及人力资源职能部门。这些用户中,直线经理占了3000个。 其他组织在试图支持如此多的用户时,就会陷入困境。使用传统的商业智能工具提供仪表盘并确保它们的安全,可能会妨碍达到这种规模水平,而且当你没有合适的“肌肉”时,感觉很像做100个引体向上。 3个原因 1. 压倒性的安全要求 人员数据是敏感的。管理者应该只看到直接报告的细节,而不是组织中的所有人。他们还需要看到他们与企业其他部门的比较,而不需要访问个人的细节。当来自组织结构中不同层级的领导想要获得相同的洞察力时,他们可能想要定制内容。但是,支持每个领导的个人需求并保证数据的安全很快就会变得不堪重负。 使用人工方法在整个组织内提供这种水平的服务是根本无法持续的。数据分析师很快就会忙于整理数据和建立仪表盘,为不同的受众解决大量的问题。保持在所有这些不同的需求之上,意味着数据团队将创造出大量的复杂性,需要更多的人去管理。 2. 有限的灵活性 人事管理者的探索性分析是关于自由调查模式和趋势,因为它们与诸如福利、生产力和薪酬平等有关。 这种自由探索在传统BI方法中是不可能的。使用这种方法,主题和数据源的数量是有限的,因为逻辑需要事先建立在仪表盘上。如果不向他们的分析小组或团队提交修改请求,管理者们就不能临时提出新问题。这种方法造成了积压,因为给每个领导提供他们自己的 "数据管家 "并不具规模,而且会导致妥协和静态内容。在一天结束的时候,用传统的商业智能工具建立的仪表盘可以在视觉上令人惊叹,但你看到的就是你得到的。 3. 繁重的手工任务 正如分析专家Brent Dykes所描述的那样,在企业对数据采取行动并从其分析投资中获得价值之前,有许多里程碑式的事情必须要做。 这对于人员数据来说尤其如此。鉴于其复杂性和数量,建立一个仪表盘通常需要将一个可视化工具连接到某种数据存储,如数据仓库或数据湖。但是,不断变化的层次结构,安全要求,以及像基准数据这样的外部来源都不容易被这种方法所支持。 当如此多的工作被捆绑在数据准备和提取上时,企业就不太注重确定如何最好地分析数据和采取行动。Dykes认为,这是一个问题,因为决策阶段才是分析团队产生价值的真正所在。太多的时间花在人工任务上意味着分析投资永远不会得到回报。 作者:Steve Holder
    数据支持
    2022年04月21日