• Erik van Vulpen
    【专家谈】关于人力资本分析的4个错误之处交流下,附录原文 最近,HBR海外版发表了一篇关于人力资本分析的文章,题为 "人力资本分析是否使你的员工失去人性?"  (Are People Analytics Dehumanizing Your Employees?)在这篇文章中,作者提供了一个关于人力资本分析的暗淡而单一的观点,如果不结合实际情况来看,将损害这一领域,并淡化人力资本分析对人力资源的现有和潜在贡献。 在这篇文章中,我们想驳斥一下我们认为HBR对人力资本分析的四点误解。这些误解对该领域是危险的。它们可能使我们在过去十年中在人力资源管理方面取得的大部分进展倒退。让我们深入了解一下! 1.人力资本分析将人简化为数据 根据作者的说法,"员工正越来越多地被定义为他们的数据"。在一个传统上依赖本能和直觉的领域,我们不认为这是一个坏的趋势。 数据驱动的(或基于证据的)决策已经彻底改变了它所应用的每一个学科。例如,循证实践已经彻底改变了我们在医疗保健中确定诊断和治疗病人的方式。它为拯救无数的生命做出了贡献。事实上,基于证据的预防服务可以防止美国每年250万例死亡中的一半。 在人力资源管理中增加循证实践是非常必要的。从招聘和选拔中的偏见到绩效评估,甚至是常用的无效的反偏见培训,人力资源部门将从对其产生的影响进行批判性的审视中获益。要做到这一点,唯一的办法就是客观和负责任地查看数据。 在这样做的时候,人力资本分析有可能推动许多人力资源学科的发展。例如,HBR最近的另一篇文章强调了由指标驱动的多样性、公平和包容(DEI)实践给组织带来的机会。 我们也看到这种方法被纳入到工作设计中。最近谷歌公司的一个种族平等人力资本分析(Race Equity People Analytics)的空缺就说明了这一点: 其他的贡献包括数据驱动的组织设计,劳动力规划,奖励,员工价值主张,以及整体福利。与文章中所说的相反,在每一个实例中,数据都有助于创造一个更个性化的体验。 掌握数据有助于了解一个组织中人的整体体验。一个组织利用分析来监测不同地区的COVID相关疾病的趋势,使该组织能够主动向员工发送额外的支持。另一个例子包括利用数据来定义个性化的福利体验和支持。 我们认为HBR文章的作者应该欢迎以更多的证据为基础的方法来管理工作中的人,我们只能希望人力资源部门能进一步将其决策植根于数据。 2.人力资本分析等同于员工的间谍和监视 第二个更具破坏性的错误是,根据这篇文章,人力资本分析主要涉及员工监视。"监控深入到工作日越来越多的部分,意味着员工的隐私几乎被抹去,他们的工作经验受到了负面影响"。 作者犯了一个常见的错误,即把网络安全团队所做的技术监控与专注于劳动力的团队所完成的人力资本分析工作混为一谈。人力资本分析不是为了监控,而是为了帮助我们了解如何在人类和组织需求的背景下最好地设计(混合)工作。 当组织越权使用数据来 "监视 "员工时,这并不是对人力资本分析的反映。相反,它反映了一种不信任和有毒的文化以及管理成熟度和价值观的缺乏。我们不能责怪我们现有的这些工具和技术,而不去看谁在使用它们以及如何使用。 大多数组织对谁访问和分析数据以及出于何种目的都有严格的内部控制。人力资本分析的领导者在公司的法律团队、工作委员会和数据隐私官员的恩惠下运作。他们往往被要求达到比其他一些分析职能部门高得多的标准--这是很正确的 我们承认,如果使用不当和不负责任,人力资本分析会对组织产生负面影响。然而,其他各种领域也是如此,如组织发展、奖励和心理评估。我们认为,不使用人力资本分析法对创建公平、无偏见和知情的人力资源实践、流程和政策构成更大的风险。 3.人力资本分析是人工智能(AI)的结果 关于人力资本分析、人力资源技术和人工智能(AI)有很多误解。文章称,"人力资本分析来自于组织越来越多地使用人工智能(AI)来促进效率"。这可能是文章中最大的误解。 人力资本分析的一些最大收益并不是来自先进的算法、技术或部署AI的工具。事实上,人工智能往往是华而不实的转移了分析所能带来的真正影响。 人力资本分析最重要的增值是创造一种基于符合道德指导原则和价值观的最佳可用证据的决策文化。人工智能在这个过程中很少发挥作用。 作者还认为,人力资本分析是迈向自动化的一步,会导致员工被取代。 我们不同意这种说法的原因有两个:首先,人力资本分析是为了做出更多有数据依据的决策,希望能让员工和组织都受益。我们承认,这有时可以为与自动化有关的决策提供信息。不过,这些决定至少是在客观上了解了自动化是否会带来价值的角度下做出的。 其次,我们认为各种科学有助于自动化的可能性,如流程再造和商业分析。这些领域和类似领域的重点应该是以负责任和人性化的方式管理因这些过程而产生的变化。处理因自动化而产生的对变化的恐惧是一个现实。然而,这不是人们分析的结果,而是第四次工业革命对工作世界的影响。 4.人力资本分析发生在组织背景之外 人力资本分析发生在更广泛的组织理念、文化和价值体系中。这关系到我们如何对待人,如何与员工打交道,以及我们想要推动的行为。 我们如何、在何处以及何时应用人力资本分析,都应该与更广泛的组织背景下的动机和意图相一致,而绝不会在空洞的情况下发生。 人力资本分析本身也超越了数据的统计分析。相反,它是关于一种挑战假设的思维方式,测试假设,并使用合理的科学原则,如数据的三角测量,以告知和指导洞察力。 一个不能展示数据和证明人事政策影响的人力资源专业人员,在为员工辩护方面的效率会降低。他们将无法有效地为企业提供最佳行动方案的建议。同样,一个不信任其员工的组织将更有可能应用监控技术。这就是为什么不应该孤立地看待人力资本分析法的应用。相反,需要在组织的背景下看待它。 例如,两个缺勤率同样高的团队可能有很大的不同。一个团队可能运作良好,但有一两个身患绝症的员工,而在另一个团队中,糟糕的领导和高工作压力导致缺勤率飙升。数据往往是一个起点。然而,在通过定性访谈、焦点小组等方式对数据进行三角分析和支持之前,它永远无法说明整个故事。 成熟的人力资本分析专家充分意识到,他们需要在其他促成因素的背景下看待数据。 展望未来 人力资本分析使人力资源部门能够做出基于证据的决策,并提高他们在企业中的可信度。这意味着人力资源部门可以在他们的倡议和建议中更加有效和有影响。它应该对员工个人以及更广泛的组织都有好处。 到目前为止,人力资本分析的从业人员一直在领导这个领域。现在是时候了,学术机构、研究人员和期刊应该接过接力棒,努力将人力资本分析学的内容(和不是)更好地概念化。他们应该展示如何衡量它对人力资源部门和整个企业的影响,并帮助创建良好的人力资本分析实践标准,以指导从业人员。 在过去的十年里,我们看到人力资本分析慢慢地改变了人力资源的运作方式。我们希望人力资源部门继续发展成为一个更加以数据为导向和以证据为基础的学科,在这里,决策是基于现有的最佳证据,并符合包括员工在内的所有利益相关者的最大利益。 这将导致一种数据驱动的科学,能够切实地促进我们对工作场所中人类行为的理解。然后,它可以帮助组织为其员工、客户、底线和更广泛的社会做出更好的决定。 为了实现这个目标,仍有许多障碍需要克服。这些障碍包括: 教育组织如何负责任地使用人力资本分析技术。 向员工和人力资源部门传达人力资本分析的作用和贡献。 工业界和学术界之间的合作,以确定行为的道德准则。 以及将人力资本分析视为综合人员价值链的一部分。 随着组织克服这些障碍,人力资本分析将不会使员工失去人性,而是赋予他们权力。毕竟,一个组织,如果不是为共同的未来而努力的人,又是什么呢?   文章来源:AIHR 作者:Erik van Vulpen,Erik van Vulpen是一位通过将技术创新引入人力资源范畴来塑造现代人力资源实践的专家。 *本文仅代表作者个人观点   HBR原文附录: 人力资本分析是否使你的员工失去人性? 摘要:公司比以往任何时候都更多地使用数据来衡量和塑造员工的工作日。人力资本分析使用统计方法和智能技术(如传感器、数字设备)来创建和分析员工行为的数字记录,并雇用他们。 很久以前,组织是由人组成的。今天,它们由数据组成。随着公司学会挖掘他们的数据,以更好地识别新的机会,改善预测,并作出更好的决定,人们的兴趣已经从做工作的人转移到他们在工作时间所做的数据(例如,他们发送了多少电子邮件,他们与多少人交谈,他们休息了多少次)。特别是,员工数据正被越来越多地用于人力资源管理(HRM)--以及最近的人力资本分析(PA)--并且员工正越来越多地被定义为他们的数据。 这种转变的影响是巨大的。用数据来定义人和他们对公司的价值(实际的和预测的)的方法,有可能使组成公司的人失去个性,使他们在雇主眼中沦为可交换的物品。此外,它有可能创造一种否认员工隐私的工作文化,使人们感到更不安全。 这种将员工非人格化的趋势并不一定是新的。一段时间以来,人力资源管理部门不太注重将员工作为一个 "整体 "来对待,而更多地是提倡用一种一刀切的方法来管理员工。为了降低成本,促进合规和标准化的效率,人力资源管理部门主要从他们应该达到的配额、他们的销售、他们完成的交易等方面来对待员工。这其中有一个丑陋的逻辑:把员工当作可互换的商品,可以更容易地施加不断增加的官僚主义的负担,而这正是当代组织的特征。 然而,最近,这种方法发生了变化:人力资源管理为人力资本分析铺平了道路,它使用统计方法和智能技术(如传感器、数字设备)来创建和分析员工行为的数字记录,并采用循证方法来提高组织的效率和生产力。今天,高达70%的高管认为实施人力资本分析(PA)能力是重中之重,预测到2025年,全球大数据分析市场的价值将达到680亿美元左右。 公共关系超越了衡量和量化员工绩效的传统程序--与大型、非结构化、实时数据和聚合数据集一起工作的智能技术使组织能够做出预测,而不是简单地衡量产出。但是,真正与传统人力资源管理实践相背离的是,公共关系往往意味着员工一直在越来越亲密的层面上受到监视和分析。来自摄像头、蓝牙信标、手机、物联网可穿戴设备和环境传感器等设备的数据被分析,目的是进行预测,使主管人员能够处理、评估和--如果需要--惩罚员工行为。例如,这种情况已经导致公司在发现这些员工正在申请其他工作时解雇他们。欧盟委员会发现,在2019年4月至2020年4月期间,全球对雇员间谍软件的需求增加了一倍多,而且在2020年封锁期间,追踪雇员实际用于任务的时间的监控软件增加了四倍。 然而,这种监控是有代价的。监控深入到工作日越来越多的部分,意味着员工的隐私几乎被抹去,他们的工作经验受到了负面影响。担心有人总是在你的(象征性的)肩膀上看着你,破坏了信任;监控会伤害员工的士气,实际上使人们的行为不那么道德。换句话说,监控会产生与预期相反的效果,并创造一个与当代教练、顾问和培训师的建议背道而驰的工作环境,即今天的组织需要发展一种赋予人们权力的文化,而不是回到中央控制和僵化的流程。 实施人力资本分析时需要考虑的问题 引入并强化一种将人简化为数据的思维方式,可以创造一种工作文化,对绩效和员工体验的伤害可能比预期的要大。因此,重要的是,采用人力资本分析的组织不要把人力资源部门变成专注于监测和优化工人效率的IT部门,而是确保他们以授权的方式保障员工的利益。为了做到这一点,下面我们简要地讨论一下今天的组织所注意的三个策略,以确保PA的使用和被视为对人类员工的授权。 1.明确它不是走向自动化的一步。 PA来自于组织越来越多地使用人工智能(AI)来促进效率。然而,这里存在一个固有的风险:这种操作性的工作方式可能会促进这样一种想法,即人对于监控他们的系统来说是次要的,导致员工觉得他们只是在为他们的人工智能老板生产数据,而且他们越来越可以被替代。这可能会灌输这样的观念,即扩音机是迈向自动化的一步,人们正在训练将取代他们的机器。相反,当PA被实施时,它应该被设定为一个增强员工能力和表现的战略,从而表明人类是第一优先,机器只是次要的。 2.认识到人的分析不仅仅是关于效率,并将其表现出来。 清楚地告诉大家,人力资本分析不仅仅是用来预测个别员工的表现--这种方法会削弱信任,侵犯员工的隐私。组织应该避免将绩效本身作为目的,这就意味着员工只是实现这一目的的手段。相反,公司应该把重点放在如何以整体而非狭隘的方式利用监测和分析来帮助员工作为人的成长和发展,并在与员工的沟通中强调这一重点。例如,可以通过收集数据来确定员工在哪些方面遇到压力,并由组织提供帮助,以处理个人成长的障碍。事实上,跟踪员工的情绪--以匿名的方式--并确定重要的趋势,可以帮助促进负责人更多的同情心,同时加强对工作中所经历的压力的共同理解。 3.避免给人贴上数据的标签。 成功地使用公共关系来激励员工也取决于所使用的叙述方式。例如,当人力资源部门在发给主管的电子邮件中抄送员工时,要避免使用抽象的语言,将员工视为一个数字或以非个人化的方式描述。把人描述成数据、公司资产或需要显示一些投资回报率的投资,传达出员工被视为一个对象,因此在某种程度上不值得对其自身的发展和成长给予人性化关注。不要忘记,人们把他们的整个自我带到了工作场所,因此,他们会在组织欣赏他们真正是谁的程度上做出反应。 综上所述,在一个组织以数据为导向,智能技术以各种方式促进对员工的跟踪和评估的时代,人类感到被包容、被重视,并以授权的方式对待,比以往任何时候都更重要。 采用公共关系策略的组织,主要是将员工识别为数据集,以提高关于每个人是否在做他们的工作的透明度,这有可能造成一个同理心的差距,员工会觉得--尽管收集了大量的个人数据--不被理解。在这种情况下,公共关系可能会被视为更多的是为了创造一个没有面孔的劳动力,像机器一样高效,而不是创造有利条件,让员工觉得组织投资于他们的成长和自我发展。因此,我们有必要认识到,收集和分析员工的数据对组织来说是有用的和有价值的,但如果它主要是让员工觉得自己是机器驱动下的可量化的对象,那就不是了。 文章来源:HBR 作者:David De Cremer & Jakob Stollberger
    Erik van Vulpen
    2022年07月04日