• 预测分析
    人工智能对领导者和员工工作场所的影响 在人工智能诞生一周年之际,变革性数据显而易见。值得注意的是,Gartner 在 2023 年进行的一项调查显示,包括谷歌和亚马逊等科技巨头在内,超过 70% 的企业已将人工智能无缝集成到日常运营中,这表明这些技术已得到广泛采用。 实时实例凸显了人工智能在优化流程方面的关键作用。亚马逊对预测分析法的使用就很突出,其算法可以预测客户偏好、完善库存管理并缩短送货时间,从而提高客户满意度。此外,由自然语言处理技术驱动的聊天机器人等虚拟助手已在微软等公司中普及,促进了无缝客户互动。 1. 人工智能领导力的优势 大多数企业和组织都要求员工执行耗时的重复性工作,如数据录入和开具发票。让我们来看看这些公司如何解放员工,让他们专注于需要更多创造力和批判性思维的重要工作: 1.1 预测分析 预测分析是人工智能的一个子领域,它利用数据挖掘、机器学习和统计算法分析近期和历史数据,预测未来的模式或事件。预测分析可以帮助企业通过洞察数据中的模式,对库存控制和客户行为做出更好的判断。 公司利用预测分析技术,通过分析历史销售信息和市场趋势来预测某些商品的需求。通过避免缺货,预测分析可帮助企业优化生产和库存水平,最终降低成本并提高盈利能力。 1.2 自然语言处理 自然语言处理(NLP)是人工智能的一个独特领域,致力于理解和解读人类语言的复杂性。NLP 算法对文本数据进行细致入微的检查,提取细微的含义、情感和意图。这不仅能让企业深入了解客户反馈,还能简化客户服务互动,促进量身定制内容的创建。 1.3 欺诈检测 在欺诈检测领域,企业普遍担心欺诈活动可能带来的经济损失、法律后果和声誉损害。欺诈的性质错综复杂,尤其是当欺诈行为复杂且具有针对性时,有必要采取多方面的方法。这涉及机器学习、行为分析和自然语言处理的融合,以及人工智能在分析大量数据集方面的能力。这些分析方法的协同作用可以识别出与常规不同的异常情况或模式,从而发现潜在的欺诈活动,如不正常的消费模式或交易。此外,人工智能仔细检查用户网络的能力有助于发现欺诈团伙,从而采取先发制人的措施阻止访问并挫败进一步的非法活动。 2. 领导者如何利用人工智能举措改进决策 人工智能的成功融合需要精心制定的战略和不同利益相关者的共同努力,而企业领导者在确保此类举措取得成功方面发挥着关键作用。领导者和高管需要采取积极主动的态度,包括战略性分配充足的资金、人才招聘和发展、与外部实体合作,以及认真考虑道德影响。以下主要方法阐述了领导者如何有效利用人工智能计划来加强决策: 2.1 制定愿景和战略 领导者必须首先掌握人工智能的潜在效益和风险,并将这一认识与总体业务战略结合起来。在领导者向组织阐明自己的意图和目标时,沟通是最重要的,它可以促进利益相关者的支持,确保达成共同愿景。 谷歌首席执行官Sundar Pichai阐述了人工智能整合的全面愿景,强调要创造一个更加互联和智能的世界。这种远见卓识的方法指导着谷歌的人工智能计划,使其与总体业务目标保持一致。 2.2 战略投资和资金分配 高管应全面分配资源,而不仅仅是提供资金支持。重点在于确保和培养合适的人才,并确保组织拥有必要的技术基础设施。这通常涉及招聘专家,如数据分析师、人工智能工程师和其他能够设计、开发和部署人工智能系统的专家。 最近的一份风险投资报告显示,去年人工智能初创企业获得了前所未有的 200 亿美元融资。领导者们现在已经认识到,分配足够的资金来培育和推动人工智能项目作为长期投资,具有重要的战略意义。 2.3 促进合作与伙伴关系 我们鼓励领导者促进与外部实体(从技术供应商到研究机构)的合作。这样可以确保持续了解最新的人工智能趋势和创新,使组织处于进步的前沿。 以辉瑞公司为代表的制药行业展示了合作的力量。与人工智能初创企业的合作加快了药物发现过程,展示了外部合作如何增强组织的人工智能能力。 2.4 解决伦理问题 人工智能的道德层面包括数据隐私、偏见和透明度等问题,需要领导者保持警惕。要确保负责任地开发和使用人工智能系统,就必须实施强有力的控制和保障措施。 亚马逊最近围绕人工智能驱动的招聘工具引发的争议凸显了领导者主动解决道德问题的迫切需要。领导者必须把握偏见和道德影响,确保人工智能应用符合社会期望。 2.5 有效的变革管理 实施人工智能计划不可避免地会引发组织变革,领导者必须理解并善于驾驭变革。与利益相关者的持续对话以及全面的培训和支持变得不可或缺,尤其是在管理抗拒组织变革的团队时。 Elon Musk在特斯拉的领导力提供了一个令人信服的案例。通过强调量身定制的培训计划,马斯克确保了员工适应人工智能自动化的平稳过渡,从而提高了运营效率。 结论 行业领导者的战略决策、对人工智能相关技能激增的需求,以及影响人工智能原则的道德考量,都证明了这一点。 随着企业的不断发展,对员工技能再培训的重视成为适应人工智能驱动经济的一个重要方面。公司投资于员工发展和福利的成功案例,以及提高生产率和创新带来的切实利益,都说明了人工智能与人类合作的积极潜力。 未来的征程需要在拥抱技术进步与维护以人为本的工作场所核心价值观之间取得微妙的平衡。持续学习、道德考量和促进创新必须始终处于组织战略的最前沿。在这一转型时期,领导者和员工如果能拥抱变化,战略性地利用人工智能,并优先考虑员工的福利,就不仅能应对挑战,还能在人工智能不断发展的动态环境中茁壮成长。
    预测分析
    2023年12月05日
  • 预测分析
    人工智能在人力资源领域的前景与陷阱   在充满活力的人力资源领域,人工智能的融合开创了一个充满可能性和挑战的新时代。当企业在错综复杂的员工管理中游刃有余时,人工智能的注入为人力资源中的人工智能提供了诱人的前景和警示故事。 探索人工智能在人力资源领域的潜力和挑战 人工智能在改进人力资源流程方面具有深远的潜力,但它也带来了巨大的障碍,需要在人力资源领域实施人工智能时加以警惕。让我们深入探讨这两方面的问题! 揭开人工智能在人力资源领域的前景: 重新定义招聘效率: 人工智能的出现彻底改变了招聘工作。在人工智能分析能力的推动下,算法可以在极短的时间内仔细检查简历,找出符合预定标准的候选人。这种加速筛选加快了招聘时间,缩短了人力资源部门利用人工智能填补关键职位的时间。 个性化的员工体验之旅: 人工智能从数据中获取洞察力的超凡能力,为人力资源中的人工智能员工打造了个性化的奥德赛。通过辨别个人倾向、学习模式和绩效轨迹,人工智能为员工量身定制培训模块、职业发展轨迹和福利待遇,在人工智能人力资源的帮助下培养员工的参与度并提高员工的留任率。 支持数据驱动的人力资源决策: 人工智能在人力资源领域崛起的基石是其消化大量数据的能力,它能揭示隐藏的模式和相关性,这些都是人类无法观察到的。这种数据驱动的洞察力有助于人力资源专业人员做出决策,包括劳动力规划、人才发展和绩效校准。 利用预测分析进行预测: 利用历史数据,人工智能可以为人力资源提供预测分析。它可以预测员工流失,预知潜在的绩效瓶颈,甚至识别新生的领导人才。这种能力使人力资源部门能够采取积极主动的姿态,在人工智能的推动下,为精心策划的劳动力管理模式制定预防性战略。 增强合规性和准确性: 人工智能人力资源可以细致地处理大量数据,确保符合复杂的法规。这种能力最大限度地降低了薪资处理、员工福利管理和法律文件等领域出现错误和疏忽的风险。 规避人力资源中的人工智能陷阱: 在人力资源领域实施人工智能有很多好处,但也会出现一些问题。请注意这些陷阱,以创建最有效的人力资源管理。 偏见的面纱和对公平的追求: 人工智能的公正外衣可能会掩盖历史数据中根深蒂固的潜在偏见。在人力资源领域,这种担忧更加严重,因为招聘、晋升、薪酬等决策都会产生深远的影响。追求人工智能的公平性凸显了严格校准算法以减少歧视的必要性。 人情味的二分法:人力资源是一个固有的生态系统,充满了同理心、细微差别和个性化判断--这也是人工智能在人力资源人工智能领域努力践行的领域。过度依赖人工智能可能会削弱员工和人力资源专业人员都极为重视的人情味。 数据隐私与安全的堡垒: 人工智能在人力资源领域的坚固性取决于数据汇总和分析。然而,在人工智能在人力资源领域的应用中,该企业要蹚过数据隐私和安全的浑水。要保管敏感的员工数据,就必须制定严格的协议,以防止可能危及保密性的违规行为。 缩小技能差距,克服阻力: 将人工智能融入人力资源需要范式转变,要求人力资源从业人员超越其在人工智能人力资源方面的现有技能。如果不巧妙应对提升技能和消除员工抵触情绪的双重挑战,可能会演变成障碍。 道德困境与透明度: 在人力资源中使用人工智能会带来有关员工同意、数据使用和透明度的道德问题。企业必须确保员工了解他们的数据是如何被使用的,并提供机制来解决有关人工智能驱动决策的道德影响问题。 取得平衡 人工智能在人力资源领域的应用揭示了一个充满创新和潜力的环境,与之并列的是道德考量和对人情味的长期需求。当企业踏上这片未知的土地时,如何在人工智能的技术奇迹与人类管理的精巧之间取得平衡,将为人力资源管理/人力资源的和谐未来指明方向。 常见问题 人工智能能否完全取代人力资源专业人员? 尽管人工智能无所不能,但它无法取代人力资源专业人员的本质。虽然人工智能简化了任务,但人力资源的整体领域需要人类对主观决策、移情互动和文化细微差别的敏锐洞察力。 人工智能如何塑造员工发展? 人工智能的分析鉴别能力可对绩效数据进行剖析,对个人优势和有待培养的领域进行拼凑。这种拼图可以指导定制培训,丰富员工的能力和职业发展途径。 企业如何减少人力资源中的人工智能偏见? 人工智能偏见是一项多维挑战。企业可以安排定期审计,丰富数据来源,组建不同的团队来构建、微调和审查人工智能算法。 人工智能融入人力资源是否会带来法律后果? 不可否认,法律方面的考虑因素非常重要,尤其是涉及数据隐私和歧视的问题。遵守数据保护法规和合乎道德的人工智能使用是避免法律纠纷的关键。 企业如何让员工为人力资源部门拥抱人工智能做好准备? 以员工为中心的全面战略取决于阐明人工智能的增强作用而非替代作用。为员工提供人工智能方面的指导和培训,可以消除他们的忧虑和期待。 文章来源:hrtechfeed
    预测分析
    2023年09月21日
  • 预测分析
    【观点】人工智能如何改变组织的人才招聘策略? 随着人工智能(AI)继续创造最新的商业趋势,人工智能在招聘中的应用也变得越来越突出了。据调查,近三分之二的招聘人员(65%)在招聘过程中使用了人工智能技术,几乎所有人力资源专业人士(92%)都希望在人才招聘过程中使用人工智能。 此外,报告显示,人工智能在招聘中已被证明是有利的: 89%的人力资源专业人士认为人工智能将改善候选人的申请流程。 超过87%的人认为人工智能对特定行业的招聘更有帮助。 58%使用人工智能的招聘人员发现它对寻找候选人最有用(紧随其后的是筛选候选人(56%)和培养候选人(55%)。 尽管市场上有负面批评,但研究表明,人工智能已经消除了43%的人为偏见。 利用人工智能招聘的最大好处之一是它加快了招聘过程。 人工智能招聘软件功能 以下是探索AI招聘解决方案时要考虑的功能列表。 简历筛选:通过申请人跟踪系统 (ATS) 简历数据库,人工智能可以利用电子邮件、社交媒体或其他渠道与选定的候选人取得初步联系。人工智能还可以自动查看社交媒体资料以获取更多有关候选人工作经历的信息。 候选人选择:人工智能可以提供候选人决策不可或缺的数据分析,包括汇集新的求职者、审查现有人才、解释候选人意图以及动态人才库等。 面试安排:人工智能可以通过聊天机器人简化面试流程,聊天机器人可以收集和过滤候选人信息、回复、媒体资料、视频和文档,以及通过聊天、电子邮件或文本进行交流。聊天机器人还可以提示候选人主动申请某个职位,并进行预筛选。面试安排也可以通过人工智能自动同步给招聘人员以及候选人。 入职:人工智能招聘软件可以通过自动化减少人力资源领导层的管理任务。使用AI聊天机器人,新员工可以主动找到相关问题的答案,并在整个入职体验中得到个性化的指导。 可定制的工作流程: 定制工作流程的能力可以彻底改变候选人的体验以及招聘团队的流程。人工智能能够根据内部员工的经验与外部申请人的经验进行定制。例如,与外部候选人不同,内部候选人可能具有明确的职业道路、学习和发展机会、指导和推荐选项。 数据保护和安全:与大多数软件一样,人工智能招聘软件通常具有安全功能,例如双重身份验证,以及用于管理当地法规的内置工具。这些功能对于保护候选人数据保护和安全以及确保遵守地方数据保护的法规是不可或缺的。 人工智能招聘工具 集成:许多AI招聘工具都带有原生集成功能,可与现有软件(最常见的是客户关系管理 (CRM) 软件)配合使用。 文本模板库:虽然AI不一定附带模板库,但您可以使用AI构建一个模板库。人工智能工具能够以适当的语言和语气撰写招聘信息、录取通知书和完成其他写作任务。 预测分析:预测分析提供了候选人个人资料的全面概述,这有助于招聘人员和招聘经理了解候选人能否胜任当前的职位。因此,预测分析是使用数据(如过去的工作经验以及学到的技能)来寻找、面试和评估候选人的真正潜力和对职位的契合度。 招聘自动化:人工智能通过一种称为机器人流程自动化 (RPA) 的技术帮助招聘自动化,该技术使组织能够更有效地执行耗时的招聘任务。这些任务可能包括验证候选人信息等。 AI招聘偏见注意事项 招聘偏见是雇主最关心的问题。尽管人们普遍认为,人工智能可以通过盲检等独特功能来减少招聘偏见,盲检是一种删除姓名、年龄、种族背景、性别等不必要信息的检测过程。 虽然人工智能不能消除招聘过程中的所有偏见,但它可以量身定制以帮助雇主减少偏见。利用人工智能的程序设定,组织可以主动消除任何性别特定的措辞来减少招聘偏见。总之,人工智能在未来工作世界中的应用是不可避免的,AI技术已经渗透到从自动化内部流程到劳动力管理的方方面面。在新的经济环境中让我们应该重新思考招聘方式的变革,了解行业中最佳招聘科技的应用实践。为此,HRTech将于7月14日在上海外滩W酒店盛大举办2023招聘科技创新论坛,欢迎参与! 报名链接:2023招聘科技创新论坛(请点击!) 文章参考:Namely.com
    预测分析
    2023年05月12日
  • 预测分析
    【观点】2023年有助于成功获取专业人才的8种方法 每个雇主对人才招聘成功的定义都不同。但多年来,许多雇主都吸取了宝贵的教训。最近,我们决定吸取其中一些经验教训,以便其他招聘组织可以从中受益。这就是为什么我们邀请业务和招聘领导者来分享人才招聘成功的秘诀。从使用预测分析到在团队成员中培养社区意识,我们收集了一系列答案。下面,我们分享了我们问题的最佳答案。 1. 重新设计您的雇主品牌 我们都知道雇主品牌在社交媒体时代变得多么重要。但我们有时会忽视它是整体人才招聘策略中真正的招聘渠道。通常,它被用作销售公司品牌的营销工具。但我最好的建议是重新设计你的雇主品牌,让它作为一种招聘工具。例如: 开发员工故事。 为行业新手举办职业发展网络研讨会,并从感兴趣的注册者那里收集电子邮件或简历。 针对对工作机会持开放态度的人创建测验或调查,并在您的职业页面之外使用这些预告片来收集更多潜在客户。 如果您是人力资源或招聘专业人士,雇主品牌会挑战您戴上营销帽子。今年,在这种组合中增加一顶销售帽,这样您就可以吸引更多合格的候选人线索。 2. 分享引人入胜的视频内容 我们中有多少人在不知道重要细节的情况下决定买房子或买车?然而,大多数雇主仍然希望候选人满足于这种招聘体验。 问题在于,聪明的人没有时间或愿望跳过所有传统的求职申请圈来找出另一边的情况。这就是为什么精明的雇主在招聘前就公开有关工作的更详细信息,以便他们可以吸引更好的人才。 但是,那些不适合展示在职位描述中的细微问题呢?诸如“您的团队定期解决哪些类型的挑战?”或“与经理一起工作是什么感觉?”之类的问题。这就是视频可以提供帮助的地方。通过录制这些关键问题的视频答案,使雇主看起来更加透明,这有助于他们在竞争激烈的招聘环境中脱颖而出。 3. 保持灵活性 如果您的公司希望吸引和留住人才,您必须提供支持真正灵活性的员工体验,并围绕这种工作方式建立您的文化。新的研究报告发现,领导者认为工作场所是灵活的,因为他们的角色和地位具有自由度。但是,员工没有体验到相同级别的灵活性。希望吸引和留住优秀员工的领导者需要仔细倾听,根据他们在组织中的个人经验为员工设计更紧密、更灵活的体验。 此外,如果您想依靠调查获得反馈,这里有另一个提示。与员工互动,倾听他们的故事,邀请他们坐到谈判桌前,共同创造未来。这样你才能从根本上改善你的工作方式。 4. 使用预测分析 我相信预测分析是今年人才招聘成功的关键。重复分析是使用数据对未来事件进行预测的做法。使用这些工具,您可以在发布职位之前识别空缺职位的潜在候选人。这意味着您可以在竞争中脱颖而出,并在其他组织抢购他们之前雇用最合格的候选人。 此外,您可以使用预测分析来评估个人在特定角色中取得成功的概率。这意味着您的招聘人员可以专注于最有可能成功的候选人。最终,高级分析可以帮助您为合适的角色雇用合适的人,这可以在人才争夺战中带来显着优势。 5. 深化您的多元化计划 对工作场所多样性的重视继续获得动力。现在必须考虑您可能因其种族、性别或其他因素而忽略的候选人。通过利用更多样化的人才库来扩大招聘范围。走出办公室,与劳动力中代表性不足的群体建立联系。例如,您可以在这些人员经常活动的地点举办招聘活动。 与这些领域的学校合作是向学生介绍您所在行业并帮助他们发展相关职业道路的另一种方式。实习还可以帮助您与来自不同背景的年轻人建立联系,并帮助他们为组织的未来角色做好准备。 6. 评估市场并制定适当的目标 为人才招聘成功建立竞争优势需要专注于短期和长期招聘需求。准备好调查当前的劳动力市场,并将尖端技术整合到您的招聘流程中。 通过投资数据驱动的见解,您可以制定创新战略,使您的公司从竞争中脱颖而出。 例如,您可以: 实时评估就业市场, 利用AI和机器学习更高效、更主动地寻找人才, 创建积极的雇主品牌推广活动,以展示您的公司文化 通过有针对性的外展策略与被动候选人互动。 此外,专注于制定全面的远程招聘策略,因为越来越多的公司正在将业务从传统的办公地点转移或扩展。 7. 从潜在客户的角度审核您的雇主价值主张和文化 在竞争激烈的就业市场中,脱颖而出并展示您的文化是吸引新人才的最大竞争优势。现在是确保您的雇主价值主张(EVP)向潜在员工展示他们为什么应该为您工作、您提供什么以及他们如何做出贡献的好时机。雇主价值主张只是您想要吸引、留住和帮助您发展业务的人的橱窗。 我建议您审核您的EVP,以全新的眼光看待您的所有候选人接触点。回顾您的文化,确定您的优势,并分析您的离职调查数据。你能改进什么?您的“职业”网站是否准确反映了您想要的EVP?让您的整个团队参与此评估过程——人力资源、人才招聘和营销部门应共同努力,以正确的方式跨多个渠道展示您的组织。 8. 为人才招聘的成功创造社区意识 如果您的公司提供远程工作,您将拥有巨大的竞争优势。 研究表明,远程工作机会会影响候选人的薪资要求。但远程工作结构并不是全部。候选人还有兴趣了解雇主如何创造一个环境,促进可能不在现场工作的团队成员之间的联系。例如,在远程组织中通过以下做法创建社区意识至关重要: 季度战略团队会议 面对面的团队培训 定期视频午餐和学习 员工资源组 研究表明,至少有7个工作朋友的人留在雇主身边的可能性要高出 35%.大多数表示,与团队互动是他们喜欢上班的关键原因。远程是吸引新员工的绝佳方式,但创造社区意识是保持员工参与的原因。 文章来源:https://talentculture.com
    预测分析
    2023年02月06日
  • 预测分析
    【Laura Stevens访谈】如何将人力资本分析和员工体验联系起来 在本次访谈中,DSM全球战略分析和员工体验副总裁Laura Stevens和David Green讨论了: Laura 如何利用她之前作为人力资本分析顾问的经验,影响她在DSM的人力资本分析职能战略 通过设计以人为本的服务,可以在员工体验和人力资本分析之间利用协同效应和机会 人力分析团队如何帮助支持 HR 业务合作伙伴和经理,使其更加以数据为导向 Laura 关于如何确定人力资本分析团队应处理的领域优先级的提示,以确保他们能够成功扩展 采访实录 David Green: 欢迎DSM全球人力战略、分析和员工体验副总裁 Laura Stevens。Laura,您能给听众简要介绍一下您和您的在DSM的角色吗? Laura Stevens:当然!我是比利时人,我也是一位母亲。我有神经心理学领域的背景和博士学位。我是DSM负责P&O战略、分析和员工体验的副总裁,在这个职位上,我向全球CHRO汇报工作。不到一年前我加入了公司。 David Green:我们稍后会回到DSM的职位上来,因为我认为将人员战略、分析和员工体验结合在一起特别有趣。但首先,我希望您能与听众分享您的职业历程?您之前曾与我们共同的朋友Luk Smeyers一起在iNostix工作,然后担任德勤的顾问,也许可以分享一下您对过去五六年中人力资本分析领域发展的看法? Laura Stevens:是的,确实如此。在加入DSM之前,我在德勤咨询公司工作了大约七年,领导并发展了一条人力资本分析服务线。正如你所提到的,这也包括收购了当时一家领先的人力资本分析初创公司,以前也被称为iNostix。多年来,我们一直在成长和发展这个团队,使其成为20名专门的人力资本分析顾问,我认为这使我们可能是欧洲最大的人力资本分析服务线。 在我看来,在最初的日子里,人力资本分析仍然处于我所说的,一种书呆子实验阶段。由于大多数公司所做的基本上是一次性实验,通常由单个数据科学家或分析专家进行,这也与组织的其他部分完全脱节。我还记得,成熟度思维主要由问题决定,公司是否在进行描述性分析,所以一方面报告一些相关性,另一方面报告高级或预测分析。Luk Smeyers当时是该领域的绝对权威之一。他是高级和预测分析的大力倡导者,而出于多种原因,我有点怀疑。我认为,首先,将高级分析作为绝对最成熟度的关注确实分散了与实际业务挑战或真正商机的联系。那么,如果我们甚至没有彻底讨论过,一个组织的挑战是什么,或者公司面临什么样的机会,那么为什么要开始一个专注于“HOW”的对话,如此的描述性或预测性或规范性。 其次,对人力资源预测分析的关注,通常通过参考营销或客户分析领域的成功用例来证明其合理性。尽管我发现人力资源部门可以从该领域学到很多东西,但另一方面,人力资源与营销和销售之间也存在显着差异。因此,在人力资源领域,我们几乎不使用任何大数据,因此我们的数据量和速度与营销和客户分析领域有很大不同,因此在人力资源领域将分析模型产品化的价值远不那么明显。 许多高级分析用例经常使我认为,也许最好的情况是,一些有趣但难以使用的发现。因此,人们通常会说"这很有趣",然后像往常一样回到他们的业务中。 David Green:实际上激发乔纳森和我写这本书的原因之一,就是你提到的那些成熟度模型,你必须做描述性分析,然后再上升到预测性和规范性。当我们与更成熟或更高级的人力资本分析团队交谈时,他们并没有这样想。他们在想,我们的组织面临哪些重大业务挑战,分析如何支持这些挑战?在一天结束时,它可能是一个很好的描述性模型,可以提供洞察力,可以解锁解决这一挑战的洞察力的答案。因此,当我们写这本书时,我们实际上讨论了人们正在关注的许多领域,无论是围绕治理和设置所有数据标准,在团队中获得正确的人际技能,正确的技术和正确的数据,然后是结果。归根结底,正如你所说,这是关于结果的。你谈到了一些用例,也许人们会说"哦,那很好",然后"好吧,下一步是什么?您在担任顾问期间看到的分析的最佳用例是什么?而且,您是否能够与听众分享其中的一些示例? Laura Stevens:是的,绝对的。对我来说,可能最有影响力的用例是劳动力市场组织的用例。因此,基本上是一家将求职者分配到合适工作的公司。在开发分析模型之前,临时顾问通常会根据求职者的简历以及与求职者的个人对话来指导他们对某项工作的搜索和建议。他们几乎不知道求职者确实找到工作的机会有多大,他们实际上也不知道如何最好地建议或协助求职者增加在某个领域部署的机会。 因此,通过开发的分析模型,为这个基于直觉的流程带来了真正的根本性变化。事实上,对于每个求职者,该模型预测了该人在特定时间范围内在某个地区确实找到工作的机会,并且它使用各种不同的数据源(包括简历数据)以及例如该求职者的历史搜索行为。在这个模型上,我发现非常有趣的事情是,该模型还阐明了该人可以做些什么来增加他或她的机会。因此,我认为用例不是基于内部人力资源或员工数据,而是基于劳动力市场数据,但我仍然提到它,因为显然它仍然与人力资本主题有关。 因此,这意味着该模型已经产品化,现在它已成为该临时机构新工作方式的真正嵌入部分。但不幸的是,我看到了更多的用例,这些用例从未像往常一样真正嵌入或集成到业务中。我认为这并不奇怪,因为许多用例在设计时从未考虑到过最终游戏。这意味着长期以来,我们一直在设计分析模型,而没有对最终用户有透彻的了解,因此谁最终应该从见解中受益,甚至是对结果如何推动经常性决策的反思。我认为我们基本上太专注于自己和我们花哨的建模技术了。 David Green:是的,并不总是最复杂的模型可以带来最佳结果。 Laura Stevens:我认为留存率分析对我来说就是这些典型例子之一。我与许多客户进行了互动,这些客户在分析上开发了一个相当强大的保留模型,然后产生了个人风险评分,但公司当时不知道如何在组织中实现该模型。他们使用个人风险评分,显然我们知道GDPR不仅限制了使用个人风险评分的使用,而且根据具体情况管理保留也是不可行或可取的。 因此,尽管该模型具有分析稳健性,但它的影响是有限的,因为它无法真正集成或嵌入到工作方式中。我认为这是一直困扰我的例子之一。 David Green:是的,我认为一个非常关键的一点是,你如何使这些见解具有可操作性,并且对于经理来说,也许在他们的日常工作中?事实上,在过去的一年里,你已经转向了人力资本分析从业者和领导者。您在担任该职位时学到了哪些知识,这对您在DSM的职能战略有何影响? Laura Stevens:首先,我并不是为了做一些高级的事情而追逐高级分析用例。我记得在介绍我的策略时,我的团队说:"高级分析用例在哪里?”他们非常失望。我认为这肯定源于我的背景和经验以及我作为顾问所看到的事情。第二。我也从来不会在没有非常清楚地了解最终用户的情况下开始一个项目,是什么让这些用户在晚上保持清醒,以及某些见解将如何带来变化。所以,人力资本分析不再是做一些有趣的事情,我们真的需要将重点转移到相关性上。我总是告诉我的团队,没有行动的洞察力是高收费的。我们根本不应该这样做。对我来说,这是一个设计原则,它不是我们一开始就考虑的事情。因此,我认为可操作性对我和我的团队来说是一个强大的资格和设计标准,而不是我们只在分析工作完成后才考虑的事情。 David Green:我认为这很棒,你需要在一开始就考虑最终目标,而不仅仅是投入工作。还要让最终用户,赞助商,实际上有他们想要解决的问题并准备对此做些什么的人。有趣的是,Laura,显然在加入DSM之前,您在市场上闻名的一件事是,您是员工倾听和持续倾听方面的专家。这就是为什么我认为你对人力资本分析和员工体验都有所有权。您认为两者之间是否存在可以利用或已经在利用的协同效应? Laura Stevens:是的,绝对的。因此,我感到非常幸运,在我的投资组合中同时拥有人力资本分析和员工经验,因为这两个学科严重依赖彼此才能取得成功。 我认为最直观的是,我们知道员工体验是个人的,它是主观的,所以这是关于连接和理解对我们的员工最重要的事情。因此,根据定义,这从倾听开始,从研究开始,从分析开始,而不是从假设开始。因此,对我来说,员工倾听和分析确实是员工体验努力的命脉。这是其一。 可能不太容易理解或直观的是,员工体验对分析同样重要,因为最终员工体验本质上是在设计解决方案和服务时考虑到人类。我坚信,这种以人为本的设计对于加速分析领域的进步和采用实际上非常关键。如果我们不了解最终用户是谁,或者如果我们不从最终用户开始,并彻底了解是什么让这些人在晚上保持清醒,我们将永远无法真正将分析嵌入到我们的工作方式中并从中获得可持续的价值。这是其二。 因此,员工体验对分析同样重要,就像分析和员工倾听对员工体验至关重要一样。 David Green:我认为对于组织来说,在进行人力资本分析方面面临的挑战之一,是在数据周围的隐私中,与工作委员会合作,实际上将大量分析工作集中在理解和改善员工体验上。这如何支持这些对话? Laura Stevens:是的。员工倾听实际上是最强大的,但也可能是最简单的方式,可以快速收集有关情绪,行为,对我们员工最重要的事情的可扩展信息,这也是我优先考虑许多员工倾听计划的原因。长期以来,分析一直专注于我们拥有的数据。在员工体验领域,丰富的数据显然来自我们自己员工的声音。从GDPR的角度来看,从数据隐私的角度来看,如果我们对这些结果将如何用于优化员工的体验非常透明,这实际上很容易。倾听员工的声音,比使用被动数据和系统数据来了解人们如何行动或与我们的系统交互要容易得多。 David Green:我认为你暗示了员工倾听的另一个关键要素,那就是,我们走出去,我们向员工提问,我们收集数据,但最终它需要导致行动,我想这又回到了你对结果的见解。 Laura Stevens:是的。在员工倾听的空间中,我的团队正在处理几件事,其中之一显然是闭环和行动。 如前所述,如今,特别是在大型全球组织中,只有少数事情可以像精心设计和强大的倾听策略一样强大和有影响力。当我谈到彻底的改变时,对我来说,这首先意味着所有倾听的努力都应该与我们的战略重点有非常明确的联系。我们基本上是调查供应商告诉我们要衡量什么,而不是根据我们的战略重点进行正确的问卷调查,这绝对是我和我的团队试图带来改变的领域之一。 第二个是可操作性。我在那里利用了我在神经心理学方面的背景,其中很多行动不是关于繁重的行动或由人力资源驱动的冗长的推出计划,而是关于激活个人并使用神经心理学和行为科学领域引入的一些推动原则。因此,这些是我们优先考虑的几个元素,以更好地闭合循环。 David Green:你可以看到,赋予个人权力是你真正看到行动发生的地方,然后我想你可以用你的倾听来检查A]如果它正在发生,B]影响是什么。 Laura Stevens:当然。将个人视为促进敬业度,幸福感等的积极因素,是一个非常重要的元素。这不仅仅是人力资源。这不仅仅是领导力。   David Green:我们将回到您关于以人为本的设计的观点。当您考虑从以人为本的设计角度考虑最终用户时,您是否也考虑将人力资源业务合作伙伴以及经理视为您的用户?如果是这样,您如何帮助这两个群体使用数据并支持员工体验? Laura Stevens:绝对的。我和我的团队的雄心壮志之一是在整个P&O职能部门或人力资源部门中嵌入和扩展数据驱动的决策。我们希望我们职能部门的每个人,基本上都能够做出数据驱动的决策。但我们也意识到,为了实现这一目标,我们需要确保我们的员工(包括业务合作伙伴)能够轻松访问正确的数据。这意味着在一个平台上,通过一个具有直观前端的平台提供,这也鼓励他们非常快速地探索数据和见解,即使没有分析背景。这样一个平台需要产生与我们的业务合作伙伴及其各自的业务领导者明确相关的见解。因此,它立即需要为他们的成功做好准备,因为他们可以与他们的商业领袖一起提供更明智的客观决策或建议。 我们现在正与我们的业务合作伙伴进行大量合作,以了解他们的战略以及他们的战略推动因素,以便我们可以确保我们的平台提供他们所需的见解,尽可能出色地完成工作。事实上,我们的目标是使我们的关键内部客户获得简单且相关的见解,显然,从这个意义上说,人力资源业务合作伙伴是一个关键用户。 David Green:您的团队和其他人力资本分析团队如何帮助支持 HR 业务合作伙伴过渡到更加数据驱动?我很想听听您对您在DSM所做的一些事情的看法,以帮助人力资源业务合作伙伴,以及组织如何在这段旅程中支持人力资源业务合作伙伴? Laura Stevens:我对这个问题的回答可能非常简短和简单。在我看来,如果我们的举措被视为另一件需要学习或获得的东西,我们就没有做正确的事情。因此,分析团队需要连接到业务优先级,然后通过数据驱动的见解加速这些优先级的交付。如果我们所做的任何事情都被认为是"还有别的东西需要学习"或"还有一些东西需要获得",那么我认为我们需要审视自己,并想知道我们是否支持正确的优先事项。 David Green:因此,您再次与您正在采取的一种方式进行了交谈,即从您的业务P&O业务合作伙伴那里了解他们需要什么来帮助他们进行对话和讨论他们正在对其业务职能或业务部门所做的工作。所以这是双向的事情,我认为有时我们认为这只是关于人们分析事情,把事情推出去,但实际上我们需要理解并确保我们推出的东西是相关的,并且有助于他们的工作。 Laura Stevens:当然。我根本不喜欢在"按需"的基础上工作,所以我是推动事物的倡导者,但我们需要推动正确的事情。 David Green:CHRO和HR领导团队,人力资源部门和其他P&O部门围绕数据驱动的重要性提供了哪些支持或传达了什么信息? Laura Stevens:数据驱动是我们P&O转型的核心支柱或元素,不仅是我们P&O转型的一部分,也是全公司的首要任务。因此,我们正在做很多工作,以发展成为一个洞察驱动的组织,好事是,现在我们正在中央分析团队在中央层面推动的东西之间创造协同效应,成为IDEO并带领人们,然后从这个意义上说,我们从P&O转型的角度做了什么。 重要的是要确保所做的任何事情都是相互加强的,而不是被视为来自人力资本分析的东西,来自全球分析团队或中央分析团队的东西,因此我们正在创造协同效应,并确保数据精通,分析精通成为一个机会,在职能之间简化,从中心点优先考虑的事情。 David Green:归根结底,这是一个团队的努力。我们去年所做的研究,我认为有22%的人处于你的位置,直接向P&O或CHRO的负责人报告,并且是人力资源领导团队的一员。这是一个非常明显的问题,但是,这如何帮助您履行职责,以确保您正在做的事情与最重要的业务优先事项相关联? Laura Stevens:我是全球P&O领导团队的一员,这确实有助于了解不同COE,全球业务合作伙伴,人力资源的优先事项,因此我坐在非常接近决策的地方。CHRO的支持极大地帮助了我,并在战略,实现以及与整个业务和组织优先事项紧密相连时加速了一些雄心壮志。 David Green:这很有趣,因为我记得Luk Smeyers,在几年前的一次会议上,实际上挑战了房间里的一些人力资本分析领导者,并说"如果你不向CHRO报告,我建议你去别的地方工作。" Laura Stevens:对我来说,这是我接受向DSM过渡的重要原因之一。因此,对我来说,向CHRO报告是一个基本条件,以确保无论决策在哪里,你都可以推动这些决策。我希望避免处于价值链的接收端,而是宁愿确保我和我的团队能够参与战略对话。 这就是我的角色真正让我兴奋的地方,也是我期望人力资本分析领域也真正加强的地方,我们不是一个执行引擎。我们将分析专业知识与对人员和组织的非常透彻的理解相结合,正是这种功能专业知识和分析专业知识的结合证明了我们的存在。否则,您为什么不将自己限制在中央分析团队中呢? David Green:很好。对于即将进入新的人力资本分析领导者角色的人,您有什么建议?特别是如果他们只有一个小团队。 Laura Stevens:很明显,这取决于你的野心,以及你的公司在数据分析领域建立的基础,我认为这是一件公平的事情。 但是,如果你的目标是提供战略影响,这是我的目标和我团队的目标,我绝对建议你继续坐在驾驶座上。所以这就是推与拉的关系。因此,要专注于一套精选的大单,战略优先事项。 
优先考虑那些有可能在整个组织内扩展的项目,以确保你的知名度和影响最大化。 我和我的团队将可扩展性作为最高资格标准之一。因此,我们避免最终进入非常特定于某个业务领域或非常特定于某个区域的项目,因为这永远不会帮助我们扩大影响并最终成为数据驱动的功能。这是最终的游戏,它不仅仅是交付分析项目。 David Green:这是一个挑战,不是吗?因为你可以完全被请求淹没,并且拥有一些你已经谈到的技术和速度,一个平台,可以满足一些日常请求,那些临时请求,只要你使用的技术易于人们使用,那么他们就可以自己找到这些信息,正如你所说, 然后,团队可以专注于将对业务产生最大影响的东西,这些内容也可以在整个组织中扩展。 Laura Stevens:我完全同意,特别是能力建设。你可以向人们解释你在做什么,你没有做什么,但有时它首先需要加强组织的其他部分,从事你不一定认为是你投资组合一部分的活动,并让人们在某些领域自给自足,比如基本报告。这就是为什么我的团队现在使组织,首先是P&O职能部门,能够轻松访问数据,以便他们在提取报告时变得更加自给自足,以便我们有时间真正专注于更高级的价值创造。   David Green:是的,你必须同时考虑这两件事。因此,这很好地引出了下一个问题。许多分析领导者面临的一个挑战是,对请求说"不",并确定他们应该在哪些领域开展工作。您有什么建议,如何说"不",并帮助确保他们保持专注? Laura Stevens:我想,这主要是一个在你的定位上投入时间的问题,也是一个教育组织了解你的战略和提供帮助人们理解你的目标是什么,这在优先事项和工作方式方面意味着什么? 
根据我的经验,帮助人们理解对所有事情说 "是 "永远不会为职能部门或组织的成功奠定基础,正如我已经分享的那样。 因此,如果您忙于处理15个不同的按需项目,并且团队非常小,您将永远无法专注于构建职能部门所需的正确可扩展基础,从而成为数据驱动的人力资源职能部门。正如在这个问题之前已经提到的,我认为有时它确实需要加强组织的其他部分。我认为,这对我来说是最重要的学习之一。这不仅仅是说,我想做什么。因此,现在我们非常专注于自给自足,基本报告以及组织其他方面的能力建设,以确保我们能够真正实现运营模式和理想设置。 David Green:我想,在首席人员和组织官、CHRO和人力资源领导团队中拥有强有力的倡导者和支持者也是如此重要的地方。 Laura Stevens:是的,这可能是所有这一切中最有影响力的因素。 David Green:我们现在进入最后一个问题,这是我们在这个特定系列中向每个人提出的问题,我非常有兴趣听到您对此的看法。技术在支持员工体验方面的作用是什么? Laura Stevens:在我看来,技术是员工体验的众多不同驱动因素之一,就像文化或物理环境一样。然而,公平的是,随着技术现在成为我们工作方式和交付价值的方式中越来越核心和更重要的一部分,对员工体验的影响可能是指数级的。 
因此,我认为今天人们需要的工具是有趣的、简单的、与完成他们的工作相关的。但是,他们今天更需要的,也是研究证明的,是一个连接和整合的技术环境。今天,积极体验的最大障碍可能是大量不同的脱节系统和技术,这要求用户花费太多时间来找到他们正在寻找的东西并完成他们需要完成的任务。这不仅对员工体验产生了非常负面的影响,而且最终也会对生产力和公司绩效产生负面影响。 此外,我的团队正在支持开发集成的数字路线图,以确保我们不会在独立的基础上处理每一项技术,但我们也考虑未来以及这些不同的系统将如何相互通信,以及我们如何为我们的员工创造简单性,以便他们可以在更快的时间内做得更好。 David Green:实际上,你还谈到了另外两个领域,显然是文化和物理环境。我开始看到的一件事,特别是在美国的一些组织中,是人力资本分析团队,除了收集劳动力数据,也在收集工作场所的数据,特别是希望我们开始回到我们的实体办公室。 
你认为这对DSM来说是个机会吗?同样,如果我们考虑到混合工作,了解我们在办公室时将如何使用办公室,然后可能将办公室设置为真正实现这一点,例如创新和协作。这是你正在考虑的事情,或者在时机成熟时将会考虑的事情吗? Laura Stevens:是的,绝对的。我认为最后一个细微差别是正确的。DSM正在我们所谓的"混合工作场所"上投入大量资金。显然,与许多其他公司一样,随着COVID的爆发,我们已经开始进行一些脉搏检查,这也围绕着我们如何促进或帮助我们的员工在混合环境中发挥最佳作用。因此,这是我们发起并正在进行的一项工作。 其次,我们显然也将探索如何使用其他数据源来促进人们重返工作岗位的过渡,我真的相信人力资本分析可以在那里发挥关键作用。但是,这更像是未来的管道。
    预测分析
    2022年04月19日
  • 预测分析
    2020年将影响招聘的10大趋势 创新和社会专业知识将如何通过自然语言处理、社交媒体招聘和软技能等领域影响2020的招聘。   近年来,招聘行业经历了一些重大变化。新技术和先进的招聘方法无疑起到了一定的作用,在我们进入新的十年之际,这种颠覆没有任何放缓的迹象。让我们看看创新和社会专业知识将如何塑造2020年及以后的招聘世界。 1.自然语言处理 塑造2020年招聘的最大趋势将是使用人工智能(AI)来寻找、评估和筛选员工。自然语言处理(NLP)工具的功能被设置为在方法的每个步骤中进行关键更改。 手动筛选简历仍然是招聘人员面临的最耗时的任务之一,但是使用NLP可以迅速找到最佳应聘者。NLP还可以用于与潜在候选人互动,并使用最新的聊天机器人技术提供个性化的交流。最后,NLP和语音识别相结合,可以帮助分析和审查候选人面试。 但是,任何AI模型的行为都容易携带人为偏见。组织必须确保产生算法的人员必须遵守公司批准的反偏差准则,才能避免出现这种情况。 2.预测分析 推荐系统和预测分析将开始在许多公司的招聘过程中发挥更大的作用。 市场上各种技术参与者已经允许招聘人员根据众多参数(例如位置、过去的经验、学历和关系网络)来确定工作的最佳匹配。借助可为招聘人员提供更多见解的预测分析和推荐系统,这又向前迈进了一步。这些系统能够生成最适合所提供职位的候选人的选择列表,甚至可以发现没有积极寻找新机会的候选人。 除了加快员工选拔过程或激活休眠的人才库之外,智能系统还可以发出信号,告知当前员工何时准备辞职。精明的招聘人员将利用这些见解做出最适当的干预措施和人才决策。 (了解更多: https://hrtechchina.com/) 3.远程工作 灵活的时间表和在家工作的政策正成为求职者寻求的最受追捧的福利之一,组织需要适应员工的工作愿望。 因此,我们越来越看到越来越多的远程公司。通过允许人们远程工作,公司还增加了人才库,因为现在他们可以不受地域限制访问全球人才。 而且,我们将看到更多用于帮助管理远程团队的工具和技术的使用,包括虚拟办公室、增强和虚拟现实工作环境以及高级多媒体通信工具。 4.工作文化 文化是将公司捆绑在一起的粘合剂。但是,远程工作的增加使建立和维护扎实的公司文化更具挑战性。因此,对于组织来说,围绕员工的核心价值观、公司使命和总体愿景来集结员工变得越来越重要。 我们将看到越来越多的组织创建专门致力于仅建立公司文化和团队凝聚力的角色。挑战的一部分将是融合婴儿潮一代、Z代和千禧一代以及他们不断变化的期望和职业抱负都可以接受的公司文化。 5.招聘人员 人是任何公司中最有价值的资产之一。尽管员工可能没有出现在资产负债表中,但员工通常占公司价值的大部分。这就是为什么我们可能会在市场上看到越来越多的收购案。 随着招聘人员花费更多的时间和金钱来寻找理想的人选、人才招聘竞争也日益激烈。因此,招聘人员正在寻找不同的渠道,以主动、快速地建立人才库。以人力资本收购公司是这些技巧之一。 但是,招聘人员应注意此过程中的文化冲突,这可能会限制所涉及公司的顺利整合。专门成立一支跨学科的团队来促进文化融合对于所有员工的成功至关重要。 6.社交媒体招聘 随着招聘人员加倍努力,合乎逻辑的步骤是去他们的潜在应聘者真正所在的地方,其中大多数人已经在社交媒体上。随着越来越多的移动设备使用和移动互动,招聘人员将越来越多地在Facebook或Twitter等平台上吸引用户的注意力。 因此,在2020年,我们将目睹更多使用招聘标签和醒目的内容(包括视频)作为招聘营销的一部分。我们还将看到更多组织鼓励员工分享他们的获奖内容,以吸引新员工并建立他们的招聘影响力。 7.多样性 无数次的事实证明,多元化的团队表现更好,因此,越来越多的人力资源部门、人事代理机构和招聘公司将任命专职人员,专门致力于增加所服务公司的多样性。 组织将加大工作量度,以吸引更多不同的候选人,重塑工作描述中的语言以更加不分性别,并在不同的社区群体中宣传工作。我们还将看到专门从事多元化工作的人员配备机构的数量不断增加,这挑战了代表性不足的性、种族和其他类似人口统计数据的现状。 (了解更多: https://hrtechchina.com/) 8.雇主品牌 人们想在他们引以为傲的公司工作。因此,对于雇主而言,最重要的是建立自己的雇主品牌,并使公司的愿景和使命清晰明了。 根据CareerArc的一项研究,有75%的求职者在申请之前就考虑了雇主的品牌,因此围绕员工的经历建立内容至关重要。这就是为什么我们会看到更多组织专注于构建用于公司使命、员工生活和故事以及其他相关雇主品牌内容的网站部分的原因。 9.软技能 根据LinkedIn的研究,89%的员工通常缺乏软技能,例如创造力、说服力、团队合作、协作、适应性和时间管理。但是,传统上,确定此类技能一直是一个挑战,这就是为什么招聘人员希望随着需求的增长而修改其评估流程的原因。 招聘者会越来越有兴趣从候选人的肢体语言、用词选择、以往的行为模式、团队动态、道德困境、冲突解决以及其他类似的因素中学习。 另一个日益突出的软技能是候选人在不同行业和部门建立大型网络的能力。数字平台允许员工通过自己的网络扩大公司信息的传播范围,在销售、招聘、融资和整体传播方面提供了显著的竞争优势。 10.招聘质量 技术可以用来评估新的候选人,但它也可以逐步用来衡量招聘团队本身的表现。虽然成本和招聘时间更容易量化,但质量更难评估。 招聘人员将试验人工智能模型,通过分析定义的各种指标和团队在一段时间内的整体表现,对他们招聘的质量提供更深入的了解。这些模型不仅会考虑硬技能和专业知识,还会考虑新员工的软技能和整体绩效KPI。 以上由AI翻译,仅供参考! 作者:Dea Wilson 来源:hrtechnologist
    预测分析
    2020年03月19日
  • 预测分析
    2020年了解人力资源技术 在本文中,讨论了公司如何更好地把握其特定的人力资源需求,并开始采用促进长期与员工互动的技术和流程。 人力资源部如何决定哪种技术最有效地帮助他们实现目标?我们着眼于三个关键领域-员工体验、劳动力分析和预测分析,以及人力资源主管如何开始评估市场上的许多技术和服务。 第四次工业革命正在进行中,组织在数字化转型上花费了数万亿美元。其中包括云计算解决方案、集线器技术、人工智能、人员分析、流程自动化、物联网(IoT)和预测分析。个人如何与技术互动以及我们可以使用的新工具正在改变我们的工作方式。HR不能袖手旁观,它必须帮助推动转型。然而,弄清这对HR的影响并非易事。 在2019年人力资源技术会议暨展览会上,我们听到了人力资源专业人员的一些一致主题。大量供应商和定点解决方案在确定他们应该投资的地方时意味着更多的不确定性。许多人努力在已经建立的人力资本管理系统中寻找价值。有人质疑,鉴于他们的情况,什么解决方案最有效,以及组织内部由谁来做决定。在许多情况下,决定正确技术的整个过程似乎都掌握在it部门手中,而不是人力资源部门。 与会者表示,他们始终需要更好地利用构成当前人力资源服务交付的众多不同、不灵活的平台,找到将这些平台结合在一起的方法,以创造更具吸引力的员工体验,并使人力资源团队更容易整合平台,从而提高工作效率。它是关于简化复杂的事物。这种需要一致的员工体验,人力资源计划和员工个人之间的每一个接触点与雇主独特的员工价值主张相一致。 那么组织如何才能理解这个令人困惑的技术市场呢?我相信答案是专注于HR可以用来更快地做出更明智决策的几种最有用和最有前途的技术。   Hub Technologies:以个人为中心的体验 为了使“人”保留在人力资源中,技术应着重于帮助个人就可获得的奖励和发展计划做出明智的决定。 组织显然希望有尽可能最好的人才来执行其任务。正确完成任务后,该任务将直接与其独特的员工价值主张(EVP)联系在一起。制定EVP并没有千篇一律的方法,每个组织都必须根据其独特的品牌和目标感来区分其战略。同样,采用与特定组织相关的人力资源技术也没有“最佳实践”之类的东西。 没有两个雇主拥有相同的人才目标,因此一个组织的正确生态系统可能不适用于下一个组织。一家全球软件开发商与中型中型制造商的人力资源需求截然不同。尽管有很多幕后流程和交易都相似,但是吸引和激励人才的需求需要针对特定​​组织的面向员工的技术组合。 除了创建独特的EVP之外,还有数百万种不同的员工期望。最佳的员工体验是针对我们服务的每个人而设计的,这要求我们使用与每个人的期望相符的沟通渠道、内容、语气和数据来对待每个人。 以人为本的设计,基于您要设计的人员建立完整的用户(在本例中为员工)体验的过程以及以适合他们需求的量身定制的交互结束的过程,有助于吸引这些受众一集中。通用方法对于自上而下的通信可能很有价值,但其他方面却没有太多。即使以角色驱动的模型有助于缩小理想体验,仍然存在过分刻板的风险。个性化的模型可确保个人数据(包括过去的互动)用于通过正确的渠道传递正确的消息和语气来创建有意义的员工体验。 情境体验——在正确的时间提供正确的内容——提供了额外的好处,即仅以相关的工作和生活事件为基础,以超个性化的方式进行工作。对于员工和组织来说,沟通的内容越多,对个人越有价值,就越有可能产生预期的结果。(了解更多:https://hrtechchina.com/) 集线器技术的出现,再加上量身定制的雇主品牌和后端分析,可帮助雇主和员工坚持不懈地提高绩效和所有人的绩效。随着人工智能系统“学习”更多关于个人偏好的信息(通过机器学习),无论后台运行的系统是什么,该技术都能适应个人的偏好。这是公司最适合其供应商选择策略的地方:在保持一致的流程和指标的同时,保持与员工相关的体验。   人力资源分析:改善人员和业务绩效 人力资源分析现已成为HR在员工队伍规划中的角色的命脉。衡量和分析这部分“大数据” —有关绩效、薪酬、人口统计、职业经历、福利、员工行为、时间利用率和人员流失的数据,可以帮助确定劳动力模式和人才风险,预测生产力,应对招聘和保留方面的挑战,从人力资源计划中获取投资回报,并发现可能会错失的领导力机会。 人力资源分析还正在缩小人才、福利、人口健康的狭窄孤岛,使它们相互交叉,影响员工体验,造福个人。   预测分析:洞察力 与人紧密结合,分析是展望未来的力量:预测分析。劳动力数据使HR和企业领导者能够制定基于证据的决策,以解决和改善营业额趋势,留住高绩效人才、预测人才需求,甚至预测绩效低劣者的法律风险。预测性分析越能指导组织选择和发展其才能、奖励和人力资源计划,则对公司和个人的效果都越好。 今年早些时候,参与我们全球幸福调查的机构将预测分析的有效性评价为令人难以置信的84%。但考虑到这项投资的高昂成本,人力资源部和it部门必须协同工作,在整个业务需求范围内纳入多种方案,而不仅仅是预测单独的招聘和发展需求。   总结 市场上有许多人力资源技术和服务。至关重要的是,永远不要忽视目标:技术应该能够帮助公司及其员工更快地做出更明智的决策。在后台运行的管理平台应以改善业务决策和企业成果为目标。面向员工的系统需要支持人们实际使用其福利的方式,跟踪实现其职业目标的进度,并参与公司在健康、财富和职业范围内增强员工体验的方式。(了解更多:https://hrtechchina.com/) 但是,在与员工互动方面从来没有采用现成的方法,而人力资源主管需要不断评估其基础架构和独特的挑战。每个组织都有独特的需求,一旦明确确定了这些需求,就应该指出最能满足这些需求的技术。 我们遇到的许多会议参与者都采用了通过我们一直在谈论的强大分析工具,将整个HR技术领域整合到组织中的模型。他们坚持梦想,可以在汇总所有相关数据的情况下做出人员和业务决策。这说明了人力资源部门需要带头帮助IT部门了解完整人员数据分析的价值。 使员工的个人需求与组织的业务需求保持一致,对于使工人和雇主都取得成功是必不可少的。对于人力资源部门来说,要找出最适合使用的最佳技术,这是唯一会有所收获的策略。   以上由AI翻译,仅供参考! 作者:Scot Marcotte 来源:hrtechnologist
    预测分析
    2020年02月21日
  • 预测分析
    HR部门该如何通过数据分析来提升员工体验? 文| patrick coolen   关于人力资源分析   2018年的德勤人力资本趋势报告显示,70%的受访企业都在进行重大的数据分析项目,并将人员数据纳入决策。我们可以认真地说,(预测性)人力资源分析开始成为主流。更多的组织正在使用统计或数据挖掘技术来分析人员数据,以支持他们的决策。因此,对于更多的组织来说,他们正在打破一堵墙,也就是从描述性分析转变到预测分析。   我们的组织在过去四年中使用预测性HR分析发现了约600种不同的见解。这些见解分布在所有业务线上,通过多种建模技术收集,如(逻辑)回归,(随机森林)-决策树模型,多层次分析和最近的生存分析数据(通常被用于用户流失预测)。   下面您会看到我们的一些商业研究目标(右侧)以及与不同输入变量(左侧)的关系的屏幕截图。正如你所看到的,多年来我们研究了客户满意度,销售额或其他财务指标,比如工作质量,工作效率等等。而且还有更多人力资源话题,例如旷工,参与度,目标和合作。     有很多组织正在从描述性分析转向预测分析。大多数预测分析工作都是在特设方案或项目基础上完成的。来自预测性HR分析项目的见解尚未实现自动化或产品化。为了在数据收集和研究方面采取更持续的方法,并能够将这些见解和创新转化成现有的或者新的产品,您需要更持续的分析方法。换句话说,我们最终需要从预测分析转向持续分析。同时需要与另一个目标结合,即最大化员工体验。     关于员工体验   对我们来说,员工体验一直是去年人力资源战略和转型的核心。我们的目标是为所有新旧员工设计和建造一个高价值,综合和相关度高的体验。我们坚信,当我们能够改善员工体验时,我们将创建一支更有积极性和生产力的员工队伍,以帮助我们实现业务目标。 根据IBM和Globoforce的一项研究,积极的员工体验与更高的工作绩效存在着正向联系,更少的努力和更低的营业额也是这样。   我们接下来将评估更高的员工体验对组织的业务目标的影响。   与许多其他组织一样,我们创建一个员工旅程,里面包含了员工生命周期中的所有体验。从新员工的“最佳开始”,到员工职业生涯和个人生活的“有意义的成长”,以及员工对团队做出重要贡献的时刻。员工离开组织时,会得到“伟大的大使”称号。 正是通过这些“重要时刻”,我们希望为员工带来改变,并最大限度地提升他们的体验。   一年前,我们进行了广泛的调查,以了解我们的员工对旅程项目的看法,并了解他们实际上会在什么时候、通过什么方式接触到HR联系,HR信息,福利,HR服务,HR报告等。   根据调查结果,我们做出了上面的主题列表。我们将它们分为五个阶段并对其进行优先排序,以便我们能够灵活高效地根据研究,开始改进最重要的员工体验主题。   一个例子就是我们在人力资源门户网站上有太多的信息。所以我们来自HR联系、HR共享服务部门和员工体验项目的同事们开始致力于减少内部网页的数量(共有800个)并创建更友好的用户界面,使我们的员工更容易、尽可能快地找到正确的信息。   还有更多的例子可以改善我们的入职体验,比如提升入职体验、掌握学习平台的基础知识和招聘流程。我们开了个好头,但是我们知道我们还没有完全达到目标。我们需要提高处理来自员工的不同信息并将其转化为行动和创新的熟练度和能力。换句话说,我们需要结合我们的员工经验和分析工作来创建持续的倾听策略,以便利用好人力资源并创造更多的员工和业务价值。   关于持续倾听   在我们更详细地阐述我们如何看待组织内的持续倾听之前,最好对此主题进行定义。因为某些组织所指的持续倾听是调查管理,而另一些组织则指的是以更广泛的视角使用各种类型的员工数据。所有的定义都没错,但是我们采用了Laura Stevens的定义(成功持续聆听计划的4个指导原则),所以只有你值得信任,才能够得到员工的信任。 - 持续倾听是一种协调一致的跨职能工作,通过采用以客户为中心的思维模式和分析技术,不断收集,整合和分析各种员工数据,从而最大限度地提升员工体验,并最终推动和提高公司业绩。   因此,为了理解是什么推动我们员工的需求和抱负,我们需要提高自己的能力并愿意“更好地倾听”。   前几年,我们主要通过年度表现调查来倾听员工的意见。许多组织已经从年度绩效管理转向经理和员工之间更持续的对话,但绝大多数组织仍在使用年度表现调查来听取员工的反馈意见。这是一个缓慢变化的过程,但像阿迪达斯(Stefan Hierl)这样的一些组织已经成功实行了一项调查策略,以不断更新的方式,对不同的主题进行调查。   当我们谈论与员工体验相关的数据时,我们需要将主动和被动收集的数据分开。这两种数据对于更好地了解员工需求都至关重要。   积极收集数据意味着我们在积极地听取员工所有的反馈意见。这可以通过年度调查、民意调查或专家小组问卷调查实现。   在这种情况下,被动收集的数据,即我们的系统中已经存在的员工数据,如交易数据(例如福利的使用,工资数额,学习行为,点击门户网站的行为),联系人力资源部门的数据(例如提出问题,投诉的数量)或社交媒体信息数据(比如内部社交媒体上的博客)。   这两种数据都需要管理。主动收集员工数据应该通过调查管理策略,遵守相应的和非常必要的指导方针,以避免GDPR(一般数据保护条例-general data protection regulation)泄漏,调查过度,糟糕的调查设计或简单地收集无效数据。   被动式数据通过现有的人力资源IT项目进行管理,可提高数据质量并以更有效的方式整合数据。   这就是为什么从广义上持续倾听是HR员工体验,人力资源服务交付和人力资源分析的共同责任。   拥有更好,更持续地倾听员工的技术能力是一回事,经常使用它是另一回事。基本上就是要像对待客户一样理解和对待员工。人力资源部门应该将自己定位为员工营销者。我们需要更好地了解不同的员工群体,他们的需求以及改善提升员工体验和表现的机会。   这需要人力资源部门的每个人都有不同的心态,特别是我们的流程和负责端到端体验的产品负责人。他们需要拥有以好奇心为基础,定期了解我们的员工的思维模式 ,识别和掌控员工领头人的能力,使用工具和数据的能力以及将员工反馈转化为动力的能力。   每个员工都是独特的个体,但在工作环境里他们都可以归类为某一种职场角色。比如新员工,经理,执行经理,面向客户的员工,初次管理的员工等等。基于这些角色,他们的职业阶段,家庭状况,需求等等,我们能够更好地专注于特定员工群体的具体解决方案。   最后,持续聆听不仅仅是创建或改进员工数据。这只是短期内的主要关注点,我们不应该忘记创造更明智,更相关的见解,以推动新产品和现有产品的创新。这就是为什么我们认为连续聆听应分三步进行分组的原因。     (1)创建员工体验数据(短期) 这一阶段的目的是主动收集来自调查,面板和pulse软件的员工数据以及来自交易系统的被动员工数据,以便立即改善部分员工体验。 对于主动倾听的部分,我们正在使用Willis Towers Watson的自助式调查平台。大多数调查通过这个平台得到支持。我们正在创建一个日历,在一年中不同时期传播不同的人力资源主题,以便在如参与度,领导力,多样性,协作或绩效等人力资源主题上进行更专注和更具针对性的调查 。   对于面板和pulse软件,我们正在与IBM连接,我们正在与来自Customer Experience(CX)的同事一起使用他们的平台。在这里,我们正在一个志愿者(员工)社区里试验,他们愿意立即回答我们可能对任何可能的人力资源话题或服务提出的问题。   (2)创造员工体验的见解(短期和中期) 这个阶段是关于在集成数据集上应用预测分析。这是一个推动创新的数据集成。通过整合数据和分析,我们更有可能找到类似以下的见解;   ‘新加入者需要做些什么来加速提升他们的生产力并获得最佳地开始?’ - 将反馈或参与数据与销售或绩效数据相结合   ‘首次转入经理角色的员工的具体需求是什么?’ - 将反馈或参与数据与交易数据相结合(转入经理角色) ‘我们如何才能最好地保留员工的特定关键角色?’ - 将反馈或参与数据与职场角色数据结合起来 ‘我们如何帮助销售人员有效选择正确的学习干预?’ - 将反馈或参与数据与学习使用情况以及销售或绩效数据相结合   在我们的案例中,集成员工数据集的方法是一种实验性的高度灵活的方法。根据使用情况,我们需要评估可行性和潜在价值。在分析工具方面,我们使用SAS,Python和BigML的混合体。   (3)创造创新(中期和长期)   这个阶段是最困难的阶段。最后,您希望将您的见解转化为新产品或现有产品的创新。这就是真正的潜力是以更具开拓性的方式最大化员工体验的地方。大多数人力资源组织只是持续倾听之旅的开始 ,它们刚刚开始了解以员工为中心的方法的潜在价值,但仍然无法从综合数据分析中获得所有见解的可能收益。   以下例子说明了一些未来可能的创新。   如果我们能够找到第一次担任经理的员工的具体需求,我们可以通过线上职业指导或者门户聊天机器人将这些情报回馈给相关员工。   假设我们发现与好友(同事)进行每日或者每周一次的会议,对新加入者的生产力影响最大,我们可能会向新加入者,他们的好友和管理员发送“推送”(通知) ,通过WhatsApp,电子邮件或者其他应用程序确保这些对话实际发生。     将客户对他们直接接触的员工的反馈与NPS(消费者推荐该公司或者产品的意愿-net promoter score)评分相结合后,我们发现特定的学习干预对NPS没有贡献,例如闭环反馈干预。当员工在线学习时,他们登录学习系统(T2G)时可能会被推向最有影响力的个人学习干预方向。   如果您还想知道更多提升员工体验的建议,2018年度候选人体验大奖评选已经正式启动,将于7月20号举办颁奖典礼。届时,您可以在现场听到、看到最新最实用的候选人体验案例。我们诚邀您参加,详情可扫描下图二维码。     以上内容由HRTechChina AI编译完成,仅供参考        
    预测分析
    2018年05月14日
  • 预测分析
    为企业提供实时通信的预测分析解决方案,Altocloud获200万美元融资 用机器学习和大数据做市场分析和预测的公司不算新鲜,2 月份刚获得融资的6Sense就想用准确率85%的“第六感”做B2B市场的“预言帝”。6Sense 是预测买家的行为,协助企业商家优化销售业务。但针对消费者实时通信的预测和分析你见过吗?   Altocloud就是这样一家位于美国山景城的创业公司。近日这款实时预测分析解决方案获得了 200 万美元种子轮融资,由 Delta Partners、Digicel Group 和 ACT Venture Capital 领投。公司从去年 3 月份开始到现在一直在私测自己的软件产品。借助这轮融资,Altocloud 将继续完善产品,同时加深和电商、营销自动化供应商之间的合作。   Altocloud 提供的预测分析解决方案能够针对消费者线上实时行为做出预测并自主判断给出合理的建议。比如,Altocloud 的企业客户做的是一个购物网站,当消费者登陆这个网站时,Altocloud 提供的解决方案就会把这名消费者在网站上的行为和以前其他登陆过该网站的消费者行为做对比,做出分析和预测,然后给出一份实时的建议:例如,现在平台是应该向消费者抛出一个 live chat、一个产品打折的 offer、一个 video call、还是一个 phone call 会比较好——或者是什么都不做最好。   当然不止是网站,移动端的应用也是可以的。   Altocloud 的创始人 Barry O’Sullivan 认为,企业针对消费者提供的现有的通信机制,主要以呼叫中心的电话为主,而且是非常死板的电话通信机制,比如“按 1 请求 XX 服务,按 2 请求其他服务”等。这种机制持续的给消费者非常不友好的用户体验。   而 Altocloud 提供的方案可以用机器学习监测、预测消费者的动作,同时配合集成的网站实时互动功能,比如聊天等。在这块市场中,Altocloud 的核心竞争力是:这个平台能够自己智能的判断集成的互动功能应该以哪种形式、在什么时候出现在消费者面前效果会最好,而且不会引起用户反感。   除了实时通信的预测和分析,Altocloud 还为 Cisco、Avaya 和 Genesys 等企业提供传统呼叫中心的改善服务,以及针对 Marketo、HubSpot、Eloqua 和 Pardot 等营销自动化平台的补足服务。   [本文参考以下来源:venturebeat.com, businesswire.com]   扫一扫,关注“HRTechChina",聆听人力资源科技的声音!
    预测分析
    2015年03月19日