• People Analytics
    【加拿大】温哥华的人力资本分析平台Visier宣布获得1.25亿美元的E轮融资、 由高盛资产管理公司牵头的融资凸显了市场对改善人员数据的需求 近日,全球公认的人力资本分析和规划领域的领导者Visier宣布,它在高盛资产管理公司(Goldman Sachs)领导的E系列融资中筹集了1.25亿美元,估值超过10亿美元。这项投资标志着人力资本分析市场增长的历史性时刻,Visier成为该领域中第一个达到10亿美元估值的独立供应商。 "Visier首席执行官Ryan Wong说:"企业对更好地了解其组织内的人员有着空前的需求。"从人力资源领导到人事经理和高管,对劳动力的洞察力对于为企业、员工、客户以及公平和公正的社会提供正确的结果至关重要。" "Visier公司联合创始人兼董事长John Schwarz说:"与高盛公司在Visier公司下一阶段发展中的合作,强调了人力资本分析已经成为主流商业实践的事实。"这项投资是将Visier确立为与人有关的商业洞察力的独立全球云平台的关键。" 由于对企业提出的更好地了解、关心和支持其员工的要求越来越多,同时也为企业带来了最佳的业绩,企业正处于迅速和大规模的转型之中。从美国证券交易委员会的法规要求更多关于多样性、公平性和包容性的数据和透明度,到大流行病带来的向远程劳动力的快速转变,对人力资本分析的需求从未像现在这样迫切。 "高盛资产管理公司的董事总经理Holger Staude说:"获取有关员工和组织健康的信息从未像现在这样重要。"我们很高兴在这个关键时刻与Visier合作,并支持该公司的持续增长。" 为了引领这个人力资本分析的新时代,Visier将利用这笔资金扩大和加快产品开发和国际市场扩张。 这项融资公告是在Visier的一个里程碑式的季度之后发布的。该公司最近宣布突破8000名客户大关,并与Cegid、PeopleFluent和Degreed签署了嵌入式合作伙伴协议。截至2021年,Visier在全球75个国家处理超过1200万条员工记录,其企业客户包括Adobe、巴斯夫、普利司通、电子艺术、麦肯锡、默克公司、Uber等。 Visier此前在四轮融资中筹集了9450万美元,使该公司的总融资额达到2.195亿美元。高盛加入了现有投资者Sorenson Capital、Foundation Capital、Summit Partners和Adams Street Partners。 有了这笔投资,Visier加入了人力资源技术供应商的精英名单,在单轮融资中筹集了超过1亿美元的资金;这家位于温哥华的公司还加入了加拿大独角兽公司的专属行列,如Clio、Wealthsimple、Thinkific、Trulioo等等。 LionTree Advisors担任财务顾问,Morgan, Lewis & Bockius LLP担任Visier的法律顾问。Sidley Austin LLP担任高盛公司的法律顾问。 关于Visier Visier是人力资本分析和劳动力规划领域公认的全球领导者。Visier于2010年由商业智能的先驱者创立,它专注于企业领导人所关心的问题:回答正确的问题,甚至是一个人可能不知道该问的问题。这些问题形成了企业战略,为采取行动提供了动力,并通过劳动力优化推动了更好的业务成果。Visier总部位于不列颠哥伦比亚省温哥华,在全球设有办事处和团队成员,在全球75个国家拥有8000名客户,包括Adobe、巴斯夫、普利司通、电子艺术、麦肯锡、默克公司、Uber等企业。  
    People Analytics
    2021年06月30日
  • People Analytics
    HR Analytics, People Analytics & Workforce Analytics有什么区别?为什么重要! HR Analytics, People Analytics & Workforce Analytics 我们经常看到,有啥区别呢? 技术、大数据和分析已经成为战略决策工具箱中的重要项目。其中一个原因是,在过去的30年里,商业价值的驱动因素已经发生了巨大的变化。在过去,商业价值是有形的。想想仓库里的股票,银行里的钱,房地产,等等。而且它们在资产负债表上都有记载。 如今的商业价值也可以与拥有一支能够颠覆市场并带来彻底创新的高素质劳动力有关。想想亚马逊的例子就知道了。他们的估值正在飙升,但这是因为他们的仓库业务,还是其优秀劳动力的真正价值? 公司正在积极寻找好的措施来获取这种劳动力价值。已经有一些倡议在资产负债表上将劳动力作为一种无形资产进行核算。当公司更加意识到他们劳动力的价值和潜力时,他们正在寻找衡量标准和方法,以最大限度地提高效益,优化业务成果。这正是人员分析的意义所在,也是企业积极探索如何实施和接受这种分析的原因。 HR Analytics, People Analytics & Workforce Analytics有什么区别? HR Analytics和People Analytics之间的区别是什么?从一开始,我们就必须澄清对HR Analytics, People Analytics & Workforce Analytics这些术语的误解。 在实践中,这些术语经常被交替使用,然而,它们是不一样的。HR Analytic捕捉和衡量人力资源团队本身的运作--例如,分析KPI(关键绩效指标),如员工流失率、招聘时间等。这样的分析只与人力资源团队有关,他们可以为之负责。 考虑到这一点,我们有必要了解People Analytics的无限范围。真正的People Analytics旨在涵盖人力资源、整个劳动力数据和客户洞察力。People Analytics灌输了测量和分析所有这些信息的方法,并将其编织在一起以改善决策和业务绩效。 然而,重要的是要理解Workforce Analytics包括整个工人群体(不仅仅是全职员工),并允许未来包括人工智能和机器人,这些都有可能取代一个组织内的现有工作。因此,在制定整体的劳动力战略时,劳动力分析更具有描述性。 管理方面的含义:如何利用People Analytics来实现业务成果 德勤(2018)报告称,人力资本分析People Analytics不仅可以帮助组织理解不断变化的工作场所,还可以提供洞察力来推动客户行为和参与。此外,CIPD(2018)最近的一项调查证实,使用人员数据可以改善业务成果。然而,重要的是要明白,实现People Analytics的一个关键障碍是缺乏任何形式的People Analytics战略--更不用说一个与业务战略相一致的连贯战略。 为了使企业在People Analytics方面获得成功,重要的是要有一个深思熟虑的战略,关注对整个企业真正重要的东西;这最终应该与人员的行动和行为相一致。因此,People Analytics不仅能使企业衡量和跟踪与业务战略有关的进展,而且还能协助人力资源部门通过规定未来的行动来管理整个人员战略,最终达到业务战略目标。 你觉得呢?一起来聊聊~  
    People Analytics
    2021年04月27日
  • People Analytics
    知识:什么是人力资本分析People Analytics?定义、流程、趋势和工具 人力资本分析People analytics 被定义为深度数据驱动和以目标为中心的方法,研究工作中所有的人员流程、职能、挑战和机会,以提升这些系统并取得可持续的业务成功根据德勤最近的研究,提高工作录用率、减少人力资源帮助票据和优化薪酬只是人力资本分析迅速成为人力资源新货币的几个方法。 让我们从头开始,了解一下人力资本分析People analytics 的基本知识。 什么是人力资本分析People analytics ? 人力资本分析People analytics 可以被定义为深度数据驱动和以目标为中心的方法,研究工作中所有的人员流程、职能、挑战和机会,以提升这些系统并实现可持续的业务成功。人力资本分析通常也被称为人员分析或人力资源分析,我们这里统称一个 人力资本分析。 从本质上讲,收集和评估人力资本分析可以通过应用统计学和其他数据解释技术来实现更好的决策。更智能、更有战略意义、更有数据支撑的人才决策由此近在咫尺,这适用于整个员工生命周期--从做出更好的招聘决策、更有效的绩效管理到更好的留住员工。与上世纪中期首次在组织中使用时相比,人力资本分析已经有了很大的发展。从规定性分析到预测性分析已经有了明显的转变,有了它,组织现在可以更好地准备面对运营环境的动态性,做到未雨绸缪,而不是被动应付。例如,复杂的数据科学、交互式数据可视化和机器学习--这些都是今天人力资本分析不可或缺的部分,但在几十年前,这些都不是这个过程的一部分。 很多朋友也在问如何搭建自己的PA团队?PA团队如何构成? 有没有现实的案例给我们参考?那么刚好前几天小编的一个LinkedIn一度好友加盟了Nike的PA团队,他们的PA团队Leader 发了一个帖子谈到自己团队的情况,相信可以给你不小的参考。一起看下? 人力资本分析People analytics 的过程 今天的人力资本分析更加直观,预测性更强。在这种期望下,这个过程包括以下几个步骤。 第一步:挖掘重要的数据 这里要问的核心问题是:"哪些数据与我们的业务目标相关?"并据此设定关键绩效指标(KPI)。这样,你就可以只调查那些需要直接监控的领域,比如人员管理范围内的运营任务,从而节省主要资源,并能带来实实在在的业务成功。如果不能增加战略价值,挖掘这些数据可能是浪费时间。知道什么是重点,也有助于应用正确的统计、数据挖掘、机器学习、调查管理和战略性劳动力管理工具。 第二步:实验、探索、丰富。 在一个拥挤且明显分散的市场中,选择人力资本分析工具时,必须对市场进行探索,尝试不同的选项,并分析哪种选项能使组织的内容最丰富。多种产品包括数据挖掘、数据转换和数据可视化技术,所有这些都融合在一个用户友好的自助服务界面中。提供多种功能的平台往往需要大量的人工操作来访问重要的数据,这些方面只能通过系统的实验来测试。 第三步:准备好行动计划 一旦你知道你的最终目标是什么,哪些数据是相关的,以及可用的选项是什么(基于明确的利弊分析),就制定一个行动计划。将大数据和预测分析应用于人才管理、领导力发展和组织能力,往往有助于对行动计划进行微调。此外,拥有一个定义明确的行动计划,能够更好地理解为什么会发生某些变化,以及组织的发展方向,从而有助于获得更多利益相关者的支持。 第四步:避免法律漏洞 确保在收集所有数据的过程中保持法律合规性是至关重要的。在你开始分析项目之前,让法律团队验证数据来源技术和流程。事情并没有到此为止。一旦收集和处理了原始数据,收集到的结果也需要在应用或发布之前得到批准。在我们的数字生态系统中,由于数据保护和隐私法律仍在不断发展,谨慎的做法是紧跟变化,并仔细检查法律合规性。 第五步:建立更精简的系统 无论当前项目的复杂程度如何,流程必须坚持的大战略都需要简单、精干。数据分析和解读的基本流程要做到便于应用、更新和可读。例如,创建基本大纲简化为摄入和设计(数据收集和分析设计)、数据清洗(去除不相关或不可靠的数据)、数据分析(定量和定性探索)、分享见解(数据的解释和展示)。这可以帮助避免不必要的复杂情况,如对所涉及的步骤流程的混淆、时间浪费,或在不规范的流程结构下出现的子流程的重复,同时还可以在必要时留有调整的余地。我们的想法是在有限的运动部件(人和环境的动态性)和流动的、可定制的人力资本分析系统和流程之间找到适当的平衡。当你有了具备相关技能的合适团队,就更容易简化整个流程,并应用质量控制。 第六步:建立一个基于事实、可衡量的人力资源业务战略。 切实可行的人力资源业务战略可以避免职能孤岛,并能使人才与业务无缝对接。对人力资本分析工作有明确的关键绩效指标和投资回报率预期,可以确保经常以透明的方式衡量影响。一个成功的战略需要有数据和有效的行动计划来支持。 第七步:采取技术支持 如今,科技已经穿插在生活的方方面面,像人力资本分析这样的流程更是如此,往往大量的分析数据要在几乎没有误差的情况下进行处理。新时代的人力资源科技工具让实时数据变得容易获取。而这是一个需要被榨取的机会,因为今天,敏捷性和实时智能可以真正让你在竞争中脱颖而出。   四大人力资本分析趋势Four Key People Analytics Trends 由于人力资本分析在很大程度上依赖于不断发展的数据挖掘技术和数据解释策略,因此围绕人力资本分析的趋势也会随着时间的推移而发展。 以下是正在塑造人力资本分析本身及其与业务互动的4大趋势。有些趋势在双循环中起作用--它们影响到人力资本分析,进而影响到人力资源的所有其他方面。 1. 转变HR是什么,做什么 Bersin研究指出,只有微不足道的2%的人力资源组织有成熟的人力资本分析能力可供借鉴。因此,对于试图进入这一领域的创新型、智慧型组织来说,有相当大的先发优势。随着人力资本分析改变了招聘的方式、绩效的衡量方式、薪酬的规划或成长的规划,以及如何更好地管理学习和保留,人力资本分析正在迅速改变人力资源的运作方式。根据德勤最近的研究,提高工作录用率、减少人力资源帮助单、优化薪酬只是人力资本分析迅速成为人力资源新货币的几种方式。此外,随着人力资源流程的发展,以跟上业务需求的步伐,人力资本分析正在从一次性的举措,变成一个实时的、易于修改的工具,HR可以从中获得巨大的好处。 2. 改变HR的业务交互方式 随着工作生态系统的最新趋势,人力资源与业务利益相关者(包括内部和外部)之间的互动也在发生转变。人力资本分析需要随着领导力的最新趋势而改变。更多的透明度是这里出现的一个关键趋势,而智能洞察力是当下的需求。今天的企业需要能够理解看似不相关的数据流,并找到一个或多个因素之间的意义、相关性,甚至可能是相互依赖性,从而更好地预测和管理工作。人力资本分析有可能提供可操作的建议,以实现战略规划和执行过程。 3. 转变HR与员工的关系 如今员工的期望是消费级的。人力资本分析正在为组织提供升级员工体验的坡道。候选人或员工与组织的每一次互动都是一个数据点,可以利用这些数据点来收集有趣的见解。这个想法是需要转变HR与员工的关系--帮助HR成为并被认为不仅仅是一个支持功能。 4. 转变洞察力的质量 在过去的几年中,人们每天所期望的洞察力的质量已经发生了变化。 如果你专注于两个关键方面:分析素养和数据安全,人力资本分析可以达到这些期望。更多的员工需要具备分析素养,以减少对技术人员的依赖性,让更多的观点得以发扬光大。随着人力资本分析成为组织的主流,数据完整性和数据安全将需要升级,并维护所有监听渠道和脉冲检查。 我们讨论了法律合规性,但数据安全最好比这更深入,成为组织内部的一种文化特质,而不是为了合规而做表面检查。 选择合适的人力资本分析工具的三个基于级别的关键检查方法 随着大量可用的供应商、选项和订阅计划的出现,选择合适的人力资本分析工具往往看起来是一项相当艰巨的任务。这里有一个基于需求的三级检查,以做出正确的决定。 第一级:一个有效的人力资源仪表盘 要开始使用人力资本分析,请使用一个基本的仪表板,允许您捕获,汇总和可视化数据。像Power BI、Tableau和Qlik这样的工具可以让你轻松使用和轻松访问数据。有了第1级的要求,你的首要任务应该是让你的人力资本分析系统尽可能的简单。 第二级:具有洞察力的人力资源仪表盘 你可能有稳定的相关数据,需要基本的洞察力来更好地分析并做出更有力的决策。像Excel或SPSS这样的统计工具也很有效,尽管它们可能没有奇特的视觉辅助和社交媒体风格的界面。像Visier这样的工具,虽然需要一些时间来设置,但却带有整体的分析解决方案。 第三级:预测性的人力资源仪表盘 当你的组织不仅寻求分析数据,还寻求根据即将到来的趋势进行直观的预测时,你的组织就处于第三个需求层次。这些工具可以帮助你研究行为,你可以预测下一步的行动。例如,你的员工更新他们的LinkedIn页面、频繁休假,可能与他们在工作中不太满意有一定的关联。虽然这是一个非常简单的情况,但预测工具可以帮助你与行为和决策模式建立联系,否则你可能会错过。Python或RStudio可以帮助你对大量数据进行高级分析,尽管它们可能需要你聘请专门从事该领域的数据科学家。   更新、升级和提升技能,实现更聪明的人力资本分析。 通过最新的人力资本分析和劳动力分析解决方案,你可以深入研究工作中的行为方面,了解工作中不同的人与非人之间的因果关系,并做出更好的决策。要记住的三点是,知道你需要量化和定性的数据是什么,了解最新的趋势是什么,知道你的最终目标是什么。让你的HR能够更新、升级、提升他们的知识和能力,将确保你的组织优化最新的人力资本分析优惠,并能乘着最新的趋势浪潮走向更智能、更快乐的员工队伍。 作者:Prarthana Ghosh 由AI翻译,仅供参考,来自TOOLBOX
    People Analytics
    2021年03月03日
  • People Analytics
    人力资本分析:如何使用人力资源数据来推动业务成果 人力资本分析可提供可行的见解,以改善您的组织开展业务的方式,以及人力资源对底线的影响。 当今的CHRO做出由数据驱动的决策,对整个组织产生连锁反应。新一代的人力资源专业人士了解组织数据的关键类别,人力资本分析如何适合整体运营数据战略,最重要的是,积极影响公司整体绩效的工作场所战略。 什么是人力资本分析? 在不那么遥远的过去,人力资源部门将试图通过记录和跟踪对保留的影响来证明投资,计划和策略的合理性。他们将使用基于外部研究的抽象“更换成本”计算来显示员工参与或参与领导力发展计划如何通过保留更多员工节省资金。 本质上,他们试图间接显示出与盈利能力的相关性。 如今,精通的人力资源专业人员利用快速的数据收集技术和诸如Qualtrics之类的数据分析平台来获取并演示其行为与业务整体绩效之间存在直接关联的地方。 通过这些技术和平台收集的数据是人力资本分析,通常也称为HR分析或劳动力分析。借助人力资本分析,组织能够在整个员工生命周期中做出更明智、更具战略性和数据支持的人才决策,从更多样化的聘用决策,更好的绩效管理到提高的保留率。人力资本分析可提供可行的见解,以改善您的组织开展业务的方式,以及人力资源对底线的影响。 “在罗杰斯通讯公司,我们认真对待人力资本数据。我们对这些数据进行严格的分析,以便我们可以决定要构建哪些人力资本程序,要实施哪些人力资本策略以及最终将使我们的组织迈向新的高度。” 我应该衡量哪些类型的人力资本分析? 为了使用人力资本分析来支持您的组织,您必须查看组织中的四种不同类型的数据: 1. 组织绩效指标,例如: 每位员工的收入——收入除以组织中的员工人数。 营业利润率——利润是指扣除所有营业费用后剩余的收入百分比。 每股收益和股东总回报——衡量公司——股股份持有人将获得的利润或价值的量。 资产回报率(ROA)——净收入除以资产。 2. 工作场所监视指标构成了人们与其他数据集合并时通常称为“大数据”集的基础,以查看哪些单独的元素和组合的元素会影响关键的组织指标。这些指标包括: 公开招聘申请 填写未清申请的时间 每次租用费用 每位员工的候选人/面试人数 员工生产力 员工素质 缺勤率 安全事故 自愿终止与非自愿终止 平均表现等级 3. 关键客户指标通常由营销或客户体验(CX)团队收集和跟踪。HR和CX数据的集中式和组合数据库是分析和跟踪团队对定义(以及更好和完善)工作成果的指标的影响所不可或缺的。一些最常见的客户指标是: 客户满意度/eNPS/参与度 有钱共享 购买的产品数量 客户留存率 每位客户的平均收入 盈利能力 4. 员工数据的声音可帮助组织了解有关员工的行为,观点和其他定性数据,从而使他们能够得出新的结论并查明行动,管理技术和运营变更。这些指标是通过以下方式收集的: 脉搏调查 员工生命周期监控 绩效评估 入职 离职面谈 候选人体验调查 开发计划评估 评估结果 这些数据元素中的每一个都会通知并影响组织的不同领域,但是当一起分析时,它们将使您能够就如何以及为何执行任何计划,项目或计划提出令人信服的业务案例。通过显示每个工作量和指标之间的相关性(或联系),确定希望在每个级别上影响哪些指标以及希望如何影响它们。 人力资本分析的好处是什么? 既然您已经熟悉了要收集和衡量哪些HR数据,那么您可能想知道这样做的好处。 通过人力资本分析程序,您可以: 增强业务绩效。利用人力资本分析可以将每位员工的收入提高4%。 提高多样性和包容性。在招聘过程的每个阶段确定多样性比率的指标有助于确保整个过程的公平性。使用指标,您还可以设定切实的目标,以培养归属感。 解决营业额问题。通过人力资本分析,您可以通过分析与薪酬,旷工,生产力以及学习和发展有关的直接和间接营业成本来确定保留计划的成本节省。 招募您的程序。向您的主管展示您的计划随着时间的推移所产生的影响,并说服他们通过预测工作成果来继续投资于您的工作。 建立世界一流的员工体验。员工与组织的每一次互动都是一个数据点,可用于收集见解并改善EX。 “在强生公司,我们会问自己:成功的销售人员具有哪些共同特征?我们如何招募和发展我们的人力资本以复制将导致成功的特征?人力资本分析可以通过推动直接业务的方式帮助回答这些问题影响。” 人力资本分析程序是什么样的? 与许多组织一样,福特汽车公司也依靠广泛的传统调查来了解员工的感受。 福特公司全球人才分析主管玛丽娜·皮尔斯(Marina Pearce)博士说:“经过广泛研究,我们意识到该组织将从更集中,更频繁和更全面的员工情绪数据中受益。” 结果,福特公司开发了一种“询问-观察”方法,涉及汇编主动和被动数据元素以讲述更全面的故事(例如,每年仅从一项调查收集的数据)。 Pearce博士和她的全球人才分析团队将这些“询问-观察-观察”结果结合在一起,然后与福特内部决策者共享这些结果,以帮助制定新计划以满足员工的需求。 我如何开始进行人力资本分析? 感觉受到启发以制定数据驱动型决策并改善组织的员工体验吗?这是人力资本分析入门的快速指南: 1. 评估组织的准备情况。您的董事会成员或最高管理层成员是否在询问提高效率的方法?领导(其他部门)是否讨论过分析技术的正投资回报率?如果对这些问题的回答是“是”,则您的人力资本分析程序已经处于良好状态。 2. 确定您的数据拥护者。寻找内部(内部)数据拥护者可以帮助您获得认可,建立业务案例,并探索围绕使用人力资本分析而使用的任何潜在的文化变化。 3. 提出有影响力的问题。要深入了解您的组织,请查看您的总体业务目标。确定HR和EX如何满足这些目标,然后倒退处理要回答的问题类型以及要改进的领域。 4. 准备好深入了解数据。人力资本分析将使您超越典型的HR问题,以了解“为什么”,例如: 为什么您的加班预算超支? 为什么总报酬与您员工的实际需求不符? 为什么自愿解雇增加? 5. 选择您的人力资本分析软件。Qualtrics提供了一套HR和EX工具,用于收集和分析人力资本数据。 人力资本分析领域的趋势可随时关注 低估人力资本分析的风险。目前,市场规模估计为17亿美元(并在迅速增长)。那么,机会在哪里,您需要保持什么优势? 1.人工智能,人工智能以及更多人工智能 从招聘到员工体验,当然还有People Analytics,人工智能已渗透到HR的方方面面。 这将释放人力资源以专注于解决问题 令人兴奋的是,People Analytics正在拥抱AI。它做到这一点的一种方法是利用预测算法和建模来完成繁重的数据处理工作,从而使领导者有更多的时间专注于策略和解决大问题的方法。 人工智能不会取代我们 尽管AI在EX中变得无处不在,但普遍的共识是它永远无法完全替代人类。人类和人工智能相辅相成,将获得最佳结果。这是必要的,因为AI缺少了HR的一个至关重要的方面:同理心。 这包括能够预测复原力和情商的事情。尽管如此,我们无疑将继续尝试-但通过使用AI预测这些方面的潜力,我们冒着进一步陷入一个已经深深的基于人类的偏见漏洞的风险。 潜在技能差距 尽管AI在这些领域的出现使某些角色变得多余,但它也随之产生了新的角色。一位发言者认为,对于目前被淘汰的每一项工作,都会创造2-3个以上的工作来支持AI基础设施的建设。 但是,需要提防的主要问题是该领域内可能存在的技能差距,因为这些新角色所需的专业知识是不同的,并且通常更为先进。随着时间的流逝,提高技能的需求可能变得更加紧迫,因此,领先一步至关重要。 激动人心的EX机会 最终,如果做得正确,人工智能将为改善EX提供一个绝佳的机会。例如,人工智能驱动的聊天机器人,库和知识库可以很好地为员工提供与人力资源相关的主题和问题的答案,从而使他们能够自助服务并更快地获取所需的信息。 2.使用人力资本分析来建立故事 希望领导者注意您的分析吗?然后人性化并讲述有关数据的故事。帮助决策者了解数字背后的含义。但是,要当心:这些必须始终与业务挑战联系在一起,否则有被忽视的风险。 建立强有力的叙述 做到这一点的方法是发展自信,连贯的叙述。将这些直接指向您要影响的对象。但是有一点警告:不要被工具和方法所困扰。 人性化数据 过去,目标是使数据和见解民主化。现在的目标应该是使数据人性化。这可以通过讲故事并使人们意识到这项工作可能带来的影响来实现。这不仅是基础,People Analytics团队还有责任做到这一点。 现实点 有必要在雄心与现实之间取得健康的平衡-甚至有人说,由于数据集的限制,HR中没有“大数据”之类的东西。 例如,预测变量或高薪员工,经理偏见等还不如我们需要的那样可靠。随着人工智能和大数据的不断发展,人力资源领导者需要在依赖这些数据集与制定人为决定以推动员工队伍前进之间取得平衡。 3.人力资源部门正在发生组织转变 传统的HR和People Analytics之间一直存在着复杂的关系。 直觉与分析 最初被视为人力资源的营销时尚或品牌重塑,People Analytics现在已经获得信誉和效力。但是,人文科学“地下室极客”与人力资源领导者之间仍然存在脱节。共同努力是弥合这一差距的唯一途径。 需要新的管理模式 鉴于数字化工作环境和AI的破坏,人们呼吁建立新的管理模型。并预言人力资源,运营和IT将合并成为更大的工作策略的一部分。 EX应该是优先事项 员工对雇主的承诺要比消费者对公司和品牌的承诺大得多,那么为什么我们在员工体验上的投入不那么多? 4.采取以用户为中心的“工作技术”方法 “ HR技术”适用于HR人员。相反,我们应该考虑将EX促进为“工作技术”的技术。 工作技术适用于组织中的每个人(包括员工和候选人)。这就是我们查看EX的方式。在所有级别采用它很重要。 旅程图的重要性 People Analytics团队的下一步可能通过旅程规划研讨会以便共同设计流程和体验的工具-所有这些都考虑到了最终用户,并且是流程的一部分。 个性化 正如CX融入个性化为消费者创造更吸引人的体验一样,拥有EX解决方案的雇主也必须如此。 员工越来越希望雇主的技术能够反映他们的消费者体验。但是,插入的供应商,接口和应用程序越多,对EX产生负面影响的风险就越大。变得简单,使其无缝。 以上由聪明的AI翻译完成,仅供参考! 作者:Amanda Wowk 原文标题:People analytics: How to use HR data to drive business results
    People Analytics
    2021年01月19日
  • People Analytics
    企业如何创建一个People Analytics部门? 作者:Chase Rowbotham & Jamie Ostheimer 公司应该在什么时候建立一个PA的部门? 答案很简单。越早越好 People Analytics主要是关于变革管理。我们要求人们以不同的方式来经营他们的业务(从假设开始!),这样就可以捕捉到数据,以推动数据驱动的决策(即,什么项目最有效,我应该继续资助什么项目,什么项目推动什么结果等等)。相对于执行一个项目,然后想知道这个项目是否有效(通常没有捕捉到你所需要的数据来回答这个问题),将数据采集带入项目设计是更好的。与解除和/或改变一个企业多年来的运行方式相比,从一开始就奠定这个基础要容易得多。 哪些数据对于为下一代洞察力提供信息至关重要? People Analytics不知道什么样的数据组合会产生下一代洞察力,所以在你还没有接触到数据之前,你需要创建一个数据访问模型,允许持续和不受限制地访问数据(想要利用人员数据的力量的公司应该致力于实现这一点)。执行这一点,同时与您的人力资源主管、数据隐私官和雇佣法主管密切合作(我们在设计阶段就将其纳入项目中),将最大限度地提高机器学习和人工智能产生下一代洞察力的成功概率,使整个公司取得更好的成果。这些能力可以实现个性化、推荐、自动化,并让各种人力资源系统的互操作性大大提高。想象一下,如果一名员工在Workday中收到了关于某方面机会的反馈,第二天,同一名员工就得到了来自Cornerstone强烈推荐的在线学习机会?这在今天是不可能的,但People Analytics可以实现这种互操作性,从而更好地服务客户。 今天People Analytics使用了以下数据集。(1)人力资源系统核心数据。HRIS、LMS、ATS等;(2)Google日历与地图数据;(3)我们通过定制的调查平台采集的情感数据,该平台是为开箱即用的分析而调整的;(4)EMSI;(5)LinkedIN。 往前想,有大量的数字痕迹数据存放在整个公司,但不属于上述数据集:胸卡数据、志愿服务数据、健身房数据等。这些数字痕迹将使我们能够更好地 "倾听 "员工的声音,当与机器学习相结合时,我们可以建立 "员工体验措施",而无需调查员工来获取这些数据。这就是我们如何从周期性的倾听(即脉冲调查)发展到持续性的倾听。 People Analytics成功的关键要求是什么? 我想到的三个成功要素是:1: (1)高管支持;(2)人才;(3)基础设施.....,依次类推。 我们成功的原因之一是来自CHRO的直接支持,对该职能进行投资和 "保护",使其能够执行先进的分析和实验。我们很容易被事务性的报告要求所困扰,而这些报告要求永远不会让你拥抱真正有趣和创新的机会。因此,拥有高管支持,对这些类型的请求说 "不 "是至关重要的。作为基因泰克HRLT的一员,People Analytics能够有更多的机会影响我们的同行和他们的战略,这一点非常重要,如果我们不是一个高层团队,就很难做到。 许多组织将People Analytics职能置于另一个人力资源中心内。这种组织结构使得People Analytics很难获得同样的成功。 当我们说到人才时,我们指的是持久性和多才多艺等方面。我们稍后将讨论一些硬性技能,但当你启动一个People Analytics功能时,你不会有干净的数据,也不会有能够实现自动化和规模化的关键基础设施元素,而且会有很多从未用证据来领导的人力资源领导者的健康怀疑。所以,你需要的是有拼劲的人,也许是那些曾经在初创企业工作过的人,他们习惯于 "边干边建 "的背景。而且由于一开始你不会有一个强大的团队,所以多才多艺、能身兼多职的人是非常有价值的。可能是一个能进行数据科学和工程的人。可能是一个既能带来商业头脑又能进行变革管理的人。这种多面性在旅程的早期是至关重要的,坦率地说,甚至在规模上也是如此。 PA应该先招聘什么角色? 我们的第一个员工是来自医药组织中产品开发的数据工程师。这位员工不仅带来了围绕大规模管理大型数据的能力,还带来了商业敏锐度和来自潜在客户群的即时可信度。而此后她又转到了多样性与包容性方面(People Analytics可以从业务上获取人才进入人力资源部门的好方法),但她在将People Analytics从一个概念提升到一个创造价值的组织中起到了至关重要的作用。 我们不知道这里有一个 "正确 "的答案,但如果你假设数据访问和基础设施将是不成熟的,那么雇佣一个习惯于在更成熟的数据环境中工作的数据科学家,很可能会导致重大挫折和高概率的流失。同样,如果你雇佣一个更有咨询背景的人去开发客户关系和项目队列,这些项目将以人工方式交付,你的扩展能力将受到很大的限制。 因此,我们真的认为雇佣一个数据工程师(最好是懂得一些数据科学的人)是我们会去的地方。这样一来,你就可以创建自动化的基础设施,让洞察力得到扩展,同时,创建开发下一代洞察力的能力。以规模化的方式提供机器学习洞察力,是People Analytics快速展现价值的好方法。 PA团队需要哪些能力才能成功? 我们认为有四大能力是每个People Analytics团队应该 "拥有 "的,而不是从IT等合作机构 "租用 "的。其中有些东西可以 "灵活",取决于你能接触到的一些能力和人才......但大体上,如果一个People Analytics职能部门拥有以下能力,它将以更高的效率和效果服务于客户。(1)技术与数据管理;(2)概率与统计;(3)商业敏锐度;(4)主题专长。 注:此示意图主要来自与基因泰克People Analytics合作的Ian O'Keefe。 正如你所看到的,当你把这四种能力结合起来,你就实现了一个成功的People Analytics功能的关键属性。(1)数据科学与机器学习;(2)解决方案开发;(3)客户咨询与问题制定;(4)讲故事与可操作的见解 如果有谁能做到以上四点,请直接发邮件给我,这样我们就能给你一个无法拒绝的报价!如果有谁能做到以上四点,请直接发邮件给我,这样我们就能给你一个无法拒绝的报价。 采用什么机制来操作高效的sprint? 我们认为今天整个人力资源行业对sprint有一些非常大的误解。我们对spring有很多了解,因为它是软件开发出来的,而我们的团队中恰好有软件开发人员。我们听到 "6个月的sprint "和 "流向工作 "这样的说法,坦率地说,这些对于敏捷性和敏捷软件流程来说是不合时宜的。 Sprints其实是关于从长的(即6个月)开发周期转向更短的开发周期(即2-3周),这将允许客户在更早更快的周期内进行投入/反馈,最终服务于产品/市场的匹配。最好的办法是在3周后就将一个功能转入或取消,而不是低头呆6个月后才知道客户没有兴趣。 在People Analytics中,我们使用以下机制来操作我们的spring。 Asana - 这是一个在线项目管理工具,它能促进透明度、组织和协作。还有许多其他工具提供类似的功能,如JIRA和Trello。 冲刺周期--我们以3周为一个冲刺增量,让同事们在3周内保持专注的执行状态,然后再上来和客户进行沟通。我们不会偏离这个时间增量。如果一个任务需要的时间超过3周,那么我们就会把这个任务分块,以便它能适应我们的冲刺周期。这种专注需要纪律(因为需求会来),但一旦你发展出保护这些资源的肌肉,产出就会很显著。转换成本极其昂贵 产品所有者--对于我们的每个产品,我们都有一个所有者。他/她的工作是对产品积压进行优先排序,这些积压包括客户的请求,我们将其转化为 "用户故事"(这个过程被称为积压整理)。有时产品所有者是我们咨询团队的成员,有时是实际的客户。一个用户故事的内容是这样的:"作为一个HRBP,我希望能够在我所服务的组织中,将离职调查数据结果可视化到两个层级,这样我就可以更好地了解各个团队的流失情况。" Backlog Sizing - 产品负责人与技术团队合作,对backlog中的每一个用户故事进行大小调整。我们使用XL(7天)、L(5天)、M(2-3天)、S(1天)和XS(半天)。这些都是方向性的估计,以帮助我们确保我们带到3周冲刺中的东西是适合的。每一次冲刺,我们都会在估算方面变得更好。 优先级--PALT(People Analytics领导团队)将对积压项目中的哪些项目进行优先级排序,并将其推入冲刺。我们在冲刺结束时这样做,这样当一个冲刺结束时,下一个冲刺就会开始(冲刺之间没有延迟)。 PA团队的结构和报告线可能是什么样的? 如果你想一想上面的维恩图,那四个圆圈可以组织成更注重技术的人和更注重咨询的人。因此,我们的团队是这样组织的。(1)数据科学与工程;(2)战略与解决方案。 数据科学与工程团队负责管理我们的技术堆栈(Github、Amazon Web Services、Workday的Pipelines等),并创建解决方案(数据产品),使我们的洞察力得以扩展、使用和执行。 战略与解决方案团队负责与客户沟通,作为我们解决方案的产品所有者,管理项目接收和变更管理与特性和功能增强(包括培训),并促进我们的战略工作(包括People Analytics和整个人力资源)。 从报告线的角度来看,我们认为People Analytics应该坐在HR领导团队中。对于HR来说,分析一般不是一个舒适和熟悉的地方(业务领导也同样不熟悉在HR内部接入People Analytics的能力来共同创造实验和解决方案)。当People Analytics被安置在另一个人力资源组织内时,这种不舒服和不熟悉的感觉一般会持续更长时间。通过这种结构,变革管理一般会被减速。 你们的项目入驻流程是什么? 我们希望它是算法,但那是非常理想的,也是不完美的。并非所有的背景都能被编纂,这就是为什么数据能提供信息,但不能做出决策。下面是我们使用的一个框架。 我们发现以下项目维度是最能预测成功的。 (1) 决策权。拥有一个有权将项目见解付诸实施和行动的执行赞助人; (2)战略意义拥有一个公开声明的项目目标的执行赞助人; (3) 激励一致性。有一个愿意为工作提供资金的执行赞助人。 尽管如此,我们在决定承接一个项目时,会考虑以下因素。 (1)与人力资源/公共关系战略的一致性;(2)可解决的市场;(3)可重用性/可扩展性;(4)洞察力的可操作性;(5)所需的努力;(6)可发布性。 如何创建自动化的管道来站立和扩展数据产品? 在一个完美的现代架构世界里,应该有一个数据湖,它的存在的唯一目的就是为了执行分析(预测模型、机器学习、人工智能等)。这个数据湖是不断更新的,并且可以直接查询,这样就可以将数据连接到现代编程语言,比如Python。从数据湖中,我们可以设置自动化的数据管道,让模型、仪表盘和应用程序持续更新/刷新,从而使它们保持与客户相关且有意义。根据数据速度和决策频率,这些产品可以每天、每周、每月等进行更新。 在站立数据产品方面--当你验证了一个实验假设,现在你想扩大这些洞察力的交付规模,以便它们可以被消费以告知决策时,就会发生这种情况。要做到这一点,通常情况下,我们会站立一个服务(AWS让这一切变得非常简单),它可以支持所需的吞吐量(取决于数据的大小和预期的安装基础)。 今天,我们有5个数据产品,我们已经建立或购买并整合了。(1)CalPal;(2)Visier;(3)Surveyor;(4)Exit Survey;(5)People Insights Portal。我们通过冲刺流程培育现有产品并打造新产品(事实上,我们有第6个产品,将在2020年第一季度与我们的竞争情报团队合作推向市场,该产品将WD数据与LinkedIn数据相结合,以便我们能够更好地了解整个公司的人才流动情况)。 你们利用了哪些技术栈/基础设施,为什么? 我们的技术(不包括核心人力资源系统)包括以下内容。 (1)Amazon Web Services ; (2)GitHub; (3)Python; (4)Plotly-dash(用于仪表盘); 5.) MariaDB(安全数据库);6)TypeForm 以上由AI翻译完成,仅供参考。版权归作者
    People Analytics
    2021年01月12日
  • People Analytics
    为什么HR必须要掌握People Analytics Why an HR Professional Must use People Analytics 随着时间的流逝,人力资源得到了巨大的发展,并且日新月异。HR不仅涉及人的方面,而且随着时间的推移,越来越多地使用数据和技术,这是过去十年来出现的。Human resources has evolved greatly over time, and continues to do so with each passing day. Moving beyond just the human aspect, HR is over time working more and more with data and technology, something that came about over the past decade. 数据的重要作用及其对HR各方面的影响,是HR分析技术的诞生。按照Heuvel & Bondarouk,2016年的说法,是指 "系统地识别和量化业务结果的人的驱动因素,并将其量化。" 它探讨了捕捉、测量和组织人员信息的不同方法,以发掘对组织的人力资源战略有价值的见解。 一个组织如何使用人力资源分析?How does an organization use human resource analytics? 人事分析在促进人力资源部门为组织的战略决策做出更好的贡献方面发挥着至关重要的作用。它通常用于解决特定的挑战,例如。 HR收到的工作申请质量不高。 在过去一年中招聘的员工流失率激增 特定团队的生产力下降 HR对分析的具体用途是什么?What specific uses does HR have for analytics? 具体的挑战可能会有所不同,但利用人力资源分析的杠杆作用通常是其中之一。我们的想法是利用数据来。 用既定的指标标准来衡量组织的绩效。 观察并总结出应对所面临挑战的可能解决办法 根据假设的解决方案改变流程,以解决挑战。 监测变革的结果,以了解其效果如何,并对其进行调整,将其推广到其他流程中(如果在这里成功的话),或将其回退(如果未能实现目标的话)。 分析学对HR的工作有什么影响?How has analytics impacted the work of HR? 随着经济和人力资源团队的工作按照数字时代的要求不断发展,那些希望成为人力资源专业人员并在人力资源领域创造未来职业的人,在他们的工作中需要能够很好地与数据打交道,这也是他们在工作中所戴的许多帽子中的一个。他们必须能够利用人员分析来筛选数据,并得出有价值的见解,为组织提供战略方向。 下面列举了人力资源部门工作中受分析影响最大的具体领域。 ·绩效和效率: 这些是最常见的监测指标,用来判断人力资源活动和流程的成功与否。例如,按来源追踪留用率,可能会发现,比如说内部招聘显示的留用率明显高于LinkedIn发布的职位。然后,HR专业人员可以重新组织他们的工作流程,将内部招聘优先于其他来源,从而提高HR工作的效率。通过类似的方式使用数据来跟踪工作流程的绩效和效率,可以对资源配置进行关键性的选择,从而将重点放在影响最大的领域。 ·招聘和录用方面:无论是在时间上还是在金钱上,这些都是人力资源团队处理的最昂贵的活动之一。人力资源分析可以通过改善这些重要流程,在节约成本方面发挥重要作用。 例如,人力资源部门可以将成功地被本组织聘用的人和不成功的人的数据与未来招聘的人进行比较。这将有助于更好地判断该人是否适合当前的角色和组织文化,这两个关键因素。在第一次招聘的时候就能准确地判断出一个人是否合适,可以节省重新招聘的宝贵精力,并通过减少摩擦和更好的福利等措施,将更多的精力用在留住现有员工上。 ·员工体验:人力资源部门的工作不仅仅是招聘员工来填补现有职位。他们的工作的一个重要部分是创造良好的员工体验,并努力改善员工的体验,因为快乐的员工总是更好地参与其中。这种参与度可以通过以下几个方面来帮助员工。 ·提高生产力 ·提高保留率 ·实现更高的总体成功率 员工的出勤率、参与度和生产率只是人事分析可以跟踪的一些指标,可以更细致地了解员工的体验。这可以提出人力资源部门需要改进的地方,并能带来优化的福利、休假政策以及培训和发展机会。 "这不仅仅是招聘,还包括留住、激励和发展强大的员工。"东北大学人力资源管理硕士课程讲师Tom Penque说。"人力资源分析归结起来就是能够...........利用所有这些信息来改善组织和员工。"   以上由AI翻译,仅供参考 作者: Aileen Scott
    People Analytics
    2020年05月10日
  • People Analytics
    如何建立一个优秀的人力资本分析(PA)团队 How to build a people analytics team 正确地组成人力资本分析团队是解决业务问题的关键所在 "数据就是新的石油"。这句话很少有人记得自己第一次听到这句话的时间和地点,但现在很多人都会自信地点头同意。 事实上,这句话可以追溯到数据科学家(也是Tesco Clubcard背后的大脑)Clive Humby,他早在2006年就创造了这句话,用来解释今天数据的不可抗拒的价值。 Humby解释说,就像石油一样,"如果未经提炼,[数据]就不能真正被使用"。也就是说,数据要想有任何价值,就必须将其分解成更简单的形式并进行分析。 在人力资源领域,这个数据提炼过程同样重要。它通常被称为 "people analytics" 人力资本分析,多年来,它导致了人力资本分析团队的诞生。 不过,虽然它已经出现了一段时间,但人力资本分析的进展却一直很缓慢。德勤发布的《2019年人力资本趋势报告》发现,尽管企业对更好的数据管理产生了浓厚的兴趣(在2017年的报告中,71%的企业将人力资本分析列为高度优先考虑的事项),但仅有26%的企业有效利用技术和分析技术。 "如果我们坐进时光机,回到10年前,我当时说的是关于人力资本分析的事情。那是因为它仍然有一个未实现的潜力,"南加州大学马歇尔商学院有效组织中心的高级研究科学家Alec Levenson说。 "典型的情况是,人们把注意力集中在眼前的数据上,而不是想出正确的问题。他们会说'一定有什么东西我们可以从这些数据中学习到',是的,总会有一些洞察力。"他说。"但如果你只看数据,而不把它嵌入到更大的业务背景中去,问一些更大的问题,比如你想解决什么问题,那么它可能会把你带入死胡同、兔子洞和爱丽丝梦游仙境之类的冒险。" 施华洛世奇公司人力资本分析和数字人力资源总监Oliver Kasper补充说,团队过于专注于报告,而不是挖掘预测性或规范性分析的可能性。 "人力资本分析可以往两个方向发展,"他解释说。"一个方向是回顾过去,所以报告过去发生的事情。然后是展望未来的活动--这就是预测性和规范性分析。我会说只有1-2%的大公司在做第二个方向。 "而这就像在谈论蒸汽火车和电动车的区别。报告是蒸汽火车,预测性和预见性分析是电动汽车。" 那么,在数据的重要性只增不减的情况下,HR如何打造一支真正能带来业务成果的人力资本分析团队? 职权范围Remit 人力资源转型咨询公司LACE Partners的首席执行官Aaron Alburey说,首先,人力资源部门应该退一步,确定自己究竟想要从人力资本分析中得到什么,人力资源转型咨询公司LACE Partners的首席执行官说。 "这是关于理解这个职能的目的是什么,以及你一开始为什么要设置它,"他说。"在你明白你想覆盖什么以及如何覆盖之前,你无法理解你需要什么。" 在Facebook负责人力资本分析和劳动力战略的副总裁Alexis Fink看来,这个职能的目的应该有三个方面。"我试图沿着三个轴来思考这个问题。首先,沿着X轴,就是员工的生命周期。通过选拔、入职、员工态度和离职调研,从候选人库中的点点连接起来有很大的机会。她说:"Y轴是分析层面--个人、团队、组织、企业,甚至超越了组织的边界,延伸到行业、劳动力市场和社区。 "最后,Z轴是关于你使用数据的方式。你是在执行流程、做报告、分析寻找模式,还是创建能够有效推荐行动方案的算法?" Levenson认为,看待人力资本分析团队的作用有 "两种非常不同的方式"。"一种是认为它只是一个数据处理功能。如果你这样建立一个人力资源分析团队,你就不用担心业务影响或成为真正的业务合作伙伴----从字面上看,你只是一个数据处理的黑猩猩。"他说。 "但如果你的目标是获得能够帮助业务其他部分更好地运行的洞察力,你就不能只是一个数据处理者。它需要的是洞察力,而不仅仅是人力资源的洞察力,而是业务的洞察力。" 后者--专注于业务数据和问题,而不仅仅是人力资源数据和问题--是团队应该努力的方向,德勤劳动力转型实践中的人力资本分析和劳动力规划专家领导David Fineman表示同意。"高影响力的人力资本分析发生在整个组织中的合作伙伴关系中,"他说。"分析应该专注于业务挑战,因此,人力资本分析团队应该从人力资源的角度出发,但他们应该专注于实现更广泛的组织目标。" 在施华洛世奇,这意味着人力资本分析团队在零售和生产两大部门的战略目标中发挥着重要作用。在零售部门,这涉及到利用人力资本分析来提高转化率,而在生产部门,则是为产品质量和生产效率提供信息。 "这些都是我们在幕后支持的关键业务挑战,"Kasper说。"我们不是为了解决纯粹的人力资源问题而存在。" 报告线 Reporting line 随着团队被期望从更广泛的业务角度出发,他们在组织中的位置也有待商榷。根据Fineman的说法,最常见的方法是由人力资源部门内的一个专门的团队负责人力资本分析,向人力资源部门领导汇报。"通常情况下,它是独立于报告小组之外,不一定是人力资源部门的一部分,而是直接向CHRO报告。" Levenson同意这一点:"人力资本分析应该是一个卓越的中心,它可以向人力资源部门汇报,也可以向更大的分析小组汇报。" 虽然注意到这是一种远不常见的做法,但Alburey说,他曾见过一些人将业务运营和人力资源部门结合在一起创建一个团队,由人力资源部门和企业共同拥有。虽然 "这两种模式都不比其他模式好",但他觉得共管的方式可以帮助团队更贴近业务。 "在HR内部建立团队的风险在于,他们最终只为HR出具大量报告--他们更多的是以HR为中心来看待他们想看的东西,所以像人才数据和薪酬洞察之类的东西,他们不一定清楚自己能带来什么样的业务成果,因为他们离业务有点远,"他说。"如果把业务和HR结合在一起,就更容易找到需要解决的业务问题,并把工作导向业务成果。" 架构 Structure 报告线只是其中的一部分,团队的组成也很重要。"大多数人分析团队都很小--只有几个人--因此他们的结构相当不稳定,往往会有很多不同的变化。"Fink说。 然而,在较大的团队中,应该有更多的结构,Fineman说,他将该职能分解为四个不同的子团队:报告;数据科学、洞察和分析;数据治理;平台管理。 reporting; data science, insights and analysis; data governance; and platform management 这就需要多样化的工作角色。Alburey指出,需要一名数据经理、报告撰写者和业务分析主管。然而,有一个角色他很快就被否定了,那就是数据科学家。"很少有人分析团队需要一个真正的数据科学家--你可以从业务的其他部分获得这种专业知识,"他说。"如果你是一个真正的数据科学家,你需要大量的数据来工作,而没有足够的人数据--所以你需要一个数据经理,是的,但数据科学家呢?我不这么认为。" Levenson也有这样的感慨,他同意 "一个纯粹的数据科学家是我最不愿意雇佣的人进入人力资本分析小组的人之一"。 "外面有一种印象,认为如果你只是雇佣一个数据科学家,他们就能解决你所有的问题,但他们不会。"他说。"你会把数据科学家放在一个面向客户的角色中,与企业中的人或CHRO交谈吗?这就是要问的试金石问题。而战略人员会说'绝对不会,因为他们不知道该说什么是正确的。" 技能集Skillsets 在Levenson看来,这与技术性的、分析性的角色和技能无关,而更多的是定性的、软性的技能,比如职业心理学。 "一个数据科学家通常不了解组织科学和企业如何运作,实际上你需要良好的职业心理学,"他说,"一个数据科学家通常不了解组织科学和企业如何运作,实际上你需要良好的职业心理学。"然后,你需要团队中的商业咨询技能--知道如何卷起袖子解决问题的人。 "这就是那句老话,即需要关注因果关系而不是相关性。除非有组织科学和商业咨询,否则你不会知道该问什么正确的问题来计算出正确的数字。" 在Fink眼中,正是这种无所不能的咨询专业知识在现在的大多数团队中都是紧缺的。"通常情况下,人们的分析团队真正的功能是提供服务,他们得到的很多请求都只是捕风捉影。他们可能提供了很好的服务,但他们回答的问题并不是特别有力,也不会导致行动。她说:"影响和咨询方面的专业知识对克服团队整体效率的这一障碍有很大帮助。 卡斯帕概述了团队需要的六大 "基石": 人的技能("比如金融知识");沟通技巧;咨询技巧;数据科学知识;隐私、道德和流程方面的人力资源知识;最后是工作心理学和行为科学知识。 (human skills (“like financial literacy”); communication skills; consulting skills; data science knowledge; HR knowledge in privacy, ethics and process; and, lastly, work psychology and behavioural science knowledge.) "理想中的人都会具备这六种技能,但很多人只是具备一些,"他说。"这很好,但你确实需要团队中的这六种技能都要具备。" 寻觅人才Sourcing talent 但是,这种多样化的技能组合能在现有的人力资源专业人士中找到吗?不一定,Fineman说。"团队中的人学习领域知识很重要,但通常情况下,数据治理角色的人更多来自于IT和IT战略背景,"他说。 Fineman认为,人力资源背景对团队中的洞察力和分析角色会有帮助。鉴于这项工作涉及到作为分析团队和业务之间的接口,优秀的HRBP应该在这里茁壮成长。"这就是有趣的地方,因为团队中的洞察力和分析小组可能是HRBP职业道路上的一个台阶。"他说。 "他们的工作是既要把业务挑战的信息带进来,解决业务挑战,又要在另一边解释分析的结果。" "这些同事是劳动力分析团队的眼睛和耳朵;他们可以利用自己的业务知识来识别业务挑战和项目,"劳埃德银行集团的人员洞察总监Andy Papworth同意这一点。 Fink指出,她所工作过的团队里有很多背景和专业知识,甚至超越了人力资源和IT领域。"她说:"一般来说,团队的核心成员都是研究生级别的工业和组织心理学家,也有其他社会科学背景的人,如认知、社会、教育和发展心理学、人类学、经济学或政府;有MBA和咨询背景的人,还有物理、化学、数学、工程、甚至地质学等硬科学背景的人。 "我见过真正有效的人来自于律师助理,或教书育人......或人力资源部门的一般角色。" Fink告诫说,不要把人力资本分析团队建设成硬性的、快速的规则。"就像育儿一样,没有一个正确的方法来处理人力资本分析工作。我的团队的结构和章程反映了我当时所服务的组织的规模、复杂性、优先级、挑战和文化。"她说。 "人力资本分析工作的乐趣和令人兴奋的部分在于,它不是一刀切的。" 作者:Rachel Sharp  这篇文章刊登在2019年10月的《人力资源科技增刊》上。 以上由现金的AI翻译完成,HRTechChina发布仅供参考。
    People Analytics
    2020年05月08日
  • People Analytics
    长篇经典:People Analytics的运营模式探讨 作者:Richard Rosenow  来自Medium 阅读需30分钟 我看到很多文章都是围绕着People Analytics的 "为什么 "展开的,也看到了很多关于People Analytics数据科学 "如何 "的文章,这是一个令人鼓舞的趋势,但是探索People Analytics功能运营的文章并不多。 我认为现在是挖掘这一领域的关键时刻,即我看到了整个People Analytics的发展趋势,这表明很多团队的运营模式即将发生转变。 在下面的文章中,我将触及到最初启动许多People Analytics团队的运营模式,深入到现在许多团队运营的服务运营模式,并为下一阶段的运营模式--平台运营模式铺设一个框架。 请大家审视一下下面的论点和观点,并取其精华,为自己对外界趋势的理解加油。我非常期待在文章后的评论中的对话(评论、批评和质疑)。 初步的运营模式 Initial Operating Model 虽然PA职能的某些部分可以追溯到40年代(IO心理学 IO psych),但在2000年代,人们第一次被招聘到正式的HR分析、员工洞察或People Analytics的 "职能"。我之所以把 "职能 "放在引号里,是因为这些早期团队的预算大多只有一个人,如果运气好的话,两个人。这些早期的职能部门做的是全面服务和白手起家的人员分析。他们处理从数据收集到清理,到报告,到合作,甚至从头到尾的研究项目。 对于小团队或新团队来说,这种运营模式是由全能型的领导者来定义的,他们在People Analytics中戴着每一顶帽子。几乎所有的团队都是从这个模式开始的(你必须从一个雇佣者开始),我听说在这种模式下运作的团队仍然是快速了解People Analytics领域各方面知识的最佳方式之一。 当职能的前十年是由精干团队定义的时候,有几个超级团队出现了(Google的People Operations/People Analytics小组,详见《工作规则》“Work Rules”),其他公司的投资也开始开放。在接下来的十年里,完整的职能部门开始从这些一体化的团队中涌现出来。 服务职能  The Service function 从这些一线团队中,我看到大多数团队在未来十年(2010-2020年)成长起来的运营模式,最终形成了我所说的报告、合作关系、研究和运营等松散的子部门。报告是一个一线团队,负责生成定制化和规模化的报告,合作伙伴关系是指基于客户的决策支持,研究是解决深层次的问题,需要博士和重度数据科学家,而最小的投资是运营....滚动......运营的功能(项目管理、工具化,有时还有HRIS)。 如果说我在这里急于描述这种功能的安排,那是因为很多其他的人都讲过这种模式。我也猜想,对于大多数要找到这篇文章的读者来说,你至少对这个模式有一点熟悉,因为它已经成为了一个相当广泛的领域。 对于好奇的人来说,从我所看到的情况来看,似乎有两条共性的路径,那些全能型的团队成长为这种模式。 一、报告开始Reporting start 1人力资源信息系统的报告分析员开始收到越来越多的请求,因此开发了一个正式的报告功能,以了解收到的请求,并使报告的产出和质量标准化。 2随着该报告功能越来越复杂,研究人员也被请来处理开始出现的较难的问题。 3高管们最终提出的要求越来越多、越来越具体,要求的白手起家的方法与大多数博士或数据人培养的白手起家的方法不同,于是顾问们被请来做为分析合作伙伴。 4一旦团队规模扩大,就会发展出一个运营小组来操作内部的职能部门或支持整个团队的技术推广(Tableau、Visier等)。 调查开始Survey start 1 一个1-2人的人才、接洽、IO心理或调查职能部门开始越来越多地要求进行复杂的下游分析,这也是一个复杂的下游分析的要求。 2 他们带来了更多的研究人员,最终开始与其他HR和业务职能部门建立起更紧密的合作关系。 3 随着越来越多的高管需要分析支持,团队会引入顾问或研究项目经理来支持研究人员。 4 最终,该职能部门建立了强大的声誉,成为人力资源数据的首选资源,但为了保护研究人员不受所有数据请求的影响,他们建立了一个报告功能,作为第一道防线,以应对传来的请求。 5 运营再次出现在最后,以帮助稳定功能和管理整个团队的项目。 服务模式还有很多其他途径,但这两条路径是我见过的最常见的(最近我甚至看到HR团队推出了全额预算,并计划在前面成长)。这可能是一个自然平衡的PA功能,报告团队保护研究人员并提供可扩展的洞察力,分析合作伙伴协调资源到战略位置,并为关键领导提供白手套支持,研究人员交付大赌注,而运营则支持整个团队。 或者,也许这种看似 "自然 "的结构是一个紧密的PA社区的结果,领导者之间相互支持,分享笔记,并经常在公司之间跳来跳去组建团队。不管是哪种情况,这种运营模式已经大量涌现,并为People Analytics提供了很好的服务。 我会把这种运营模式归类为服务功能。有时人们会对 "服务 "这个词反感,认为听起来不太有战略意义,但我却会反推这一点。在我看来,在人力资源部门内部(在成熟的团队中,在人力资源部门外也有成熟的团队),有的客户需要帮助做出与劳动力相关的决策,而People Analytics功能提供的是一种服务,即生成数据、报告、分析或研究,以支持决策。这仍然是一个高度战略性的职能,但我们必须承认,这项工作是根据客户的需求来进行的。在PA内部可能会有独立的研究工作,与客户的要求分开,但最终这些研究总是需要到客户手中去影响业务。 服务职能的事情是,服务职能本来就是依赖人力资本的。如果你想扩大支持规模,你需要更多的人。许多PA职能部门很快就发现了这一点,因为工作需求迅速超过了人才供给(后面会有更多的介绍)。理想情况下,被支持的客户和人员分析团队成员的比例应该大于1:1(比如一个合伙人可以支持多个领导,或者一个研究员可以支持L&D研究),但对于VIP客户(CHRO、招聘主管等),可能需要1:1或更多的合伙人支持,随着时间的推移,合伙人的支持量开始变得很重。 我说的也只是核心的People Analytics功能,因为很多团队可能会拥有People Analytics+其他HR功能。我见过把People Analytics和HR战略、HR技术、劳动力规划、人才或薪酬结合在一起的,在这些情况下,能够管理好多个职能部门,是那个领导的功劳。在这个框架下,整个超级功能可能更多的是提供混合服务支持和运营主导权,但如果你能把People Analytics的工作和其他功能分开,People Analytics作为一个服务功能来运作,由SME个人为需要决策支持的客户提供服务。 有什么变化?What’s changing 你可能会说:"理查德,这个运营模式似乎可行","理查德,听起来很不错!"或者 "理查德,你疯了。如果我们能获得构建你描述的功能所需的投资,我们会杀人灭口",你说的完全正确(除了在诉诸暴力之前,有更好的、尽管速度更慢的方法来获得这种投资之外)。 上文详述的People Analytics服务运营模式,在全球许多公司都取得了巨大的成功。全文到此为止。如果你想建立一个People Analytics功能,现在的服务运营模式很好用,而且在很长一段时间内,这种服务运营模式的投资回报率会高于成本。也有很多小公司,精简版的服务运营模式甚至是最初的模式,可能是无限期的最佳模式。 我甚至不希望提出一个论点,说这个模式在今天已经被打破或没有兑现承诺。我希望强调的是,在某些风向标公司,我看到这种模式正在积极改变,我相信这种转变告诉我们一些关于功能的东西。如果我们能找出这种转变的一些根本原因,那么我们就能从这些公司身上学到什么,从而更好地让其他团队为未来做好准备。 在这里埋下伏笔,引起我注意的趋势是最近出现在人力资源和人员分析职能部门的产品角色的增加。我所说的产品角色是指创造软件产品所需的角色集合(如产品经理、数据工程师、软件工程师和机器学习工程师)。 我在下面的Google drive链接中收集了一些这些产品角色的例子。这些职位描述都是在某一天拉出来的,但这篇文章已经有好几周的时间了,因为我看到越来越多的公司发布和招聘产品角色到他们的PA团队中。 例子 PA 产品职位描述(均为2/15/20日发布) PA团队转入产品的例子(如果PAFOW拿下谈话,链接可能会断裂)。 Al Adamsen分析认为,未来的人脉分析是在产品上 为什么People Analytics需要像初创企业那样行事 - Dirk Jonker Example PA Product job descriptions (all pulled on 2/15/20) Example of PA team moving into Products (link may break if PAFOW takes down talk) Analysis by Al Adamsen that the future of People Analytics is in Products Why People Analytics needs to behave like a startup — Dirk Jonker 如果你看上面的服务运营模式和上面的例子,这些产品角色在前两次迭代的PA运营模式所需要的角色中脱颖而出。在HR中,我们需要这么重的火力是什么?这些角色在服务运营模式中的地位在哪里?它开始讲述一个不同类型的PA运营模式的出现或者说是PA运营模式的演变。 是什么在推动着这种变化--规模化 What’s driving the change — Scale 在这里谈一下驱动因素,我认为推动这种运营模式转变的一个主要因素和促成这种转变的两个因素。我认为这些角色的出现背后的驱动力是人们分析的规模化需求。 驱动因素:服务模式的规模化成本较高  Driving factor: Service models are expensive to scale 我听人说过,有一个支持People Analytics的飞轮。 People Analytics Flywheel 1 人力资源部门的团队不知道他们需要People Analytics。 2 他们可以从一个PA团队中领略到了他们的真知灼见。 3 他们的要求更多 4 PA职能获得更多投资 5 飞轮旋转(返回步骤2) 这就是PA职能部门如何在短短几年内从少数几个报表分析员或调查博士,变成巨型团队的原因。HR作为一个整体,一直以来都在渴求数据支持,当他们终于得到数据支持时,就会立刻想要更多的数据支持。 这个飞轮可能从支持一个关键的利益相关者开始。这有时是CHRO,有时是拥有分析能力的母机构(通常是Comp或Talent)。PA团队可能会将该利益相关者与分析业务合作伙伴配对,指导他们之间的关系,并由研究人员挖掘利益相关者的问题,以了解驱动他们业务的杠杆。 当利益相关者开始看到成功的时候,他们不仅会要求获得更多的支持,其他的HR团队也会向PA职能部门寻求帮助。HR把数据带到桌面上是成功的秘诀,成功的消息传得很快。那些已经看到了那第一个行动者的成功的其他职能部门会渴望得到同样的支持,并将数据驱动的洞察力带入关于自己的组织和业务伙伴的决策中。 但是,研究和定制分析需要时间和难得的技能。每个人力资源部门都希望自己独特的最后一公里问题得到解决。报告最终会被运行和重新运行,并进行小的调整,而分析工作也在进行,然后对某一行的业务进行剪裁,然后对新的业务进行重做和重新切割。新客户,他们的直接报告,以及他们的直接报告,都要向PA团队寻求支持。一段时间后,所有的白手起家的工作都开始加人头。在这种模式下,增加人头是满足额外需求的唯一途径。 在增加人头以满足飞轮的需求时,服务模式的投资开始变得沉重,因为它反映了HR,或者更现实的是,投资停止了。当这种投资停止的时候,人分析团队就不得不发出一个号召,优先考虑客户,停止提供超过组织中某一层次的分析支持,或者将自己的资源泡沫化,留给一组特殊的客户。 那么,这些产品工作到底是什么东西可以帮助扩大规模呢?事实证明,服务职能的规模化问题不仅仅发生在人力资源部门。我们已经在许多被打乱的服务行业中看到过这样的情况:Airbnb的一个车库里坐满了软件工程师,就能让一个旅行社的代理商行业倒闭;Uber的一个软件工程师创业公司,就能让一个过去接电话要求告诉出租车司机去哪里的行业倒闭。 当人分析的服务运营模式在企业中达到一定规模后,投资软件来进行规模化的洞察,开始变得更有意义。好消息是,在过去的十年里,有一些外部因素在后台转移,使得PA和HR能够进入软件驱动规模化的下一个阶段。虽然HR之前在自动化方面落后于合作伙伴,但由于技术领域的进步,现在有机会跃升为平价。 有利因素Enabling factors 如果我跳过那些让HR能够跳槽到开发产品的有利因素,那我就太失职了,但同时,我可以写一篇关于这些因素的文章,而这篇博客已经很长了。所以,以下是我的速战速决论点,说明为什么环境已经发生了变化,让HR能够实现产品的这一跳。 总结了一下:数据科学、数据工程和机器学习人才以及计算能力,过去是非常昂贵的,但近几年来,成本的暴跌让HR现在可以进入这个空间。 导致用软件扩大人力资源规模成本下降的因素 1 其他职能部门开始冲击数据科学和数据工程人才的规模效应 (你不需要第10个数据科学家,就像你需要第1个数据科学家一样)。 2 这导致了产品人才市场的人才市场趋于正常化和饱和。这意味着,HR对产品人才提出的要求不再离谱,而随着教育在这个领域的发展,产品人才的供给开始向HR这个职能部门看齐,将其作为进入该领域的一种途径. 3 开源数据科学、编程和自动化工具(如R/Python包)也出现了爆炸式增长,这大大降低了HR开始开发产品的成本门槛。 4 通过AWS、谷歌云和Azure等服务,将开源运动与廉价的云处理和存储的大量增长相结合,意味着一个有能力的人现在可以在几个小时内为产品打下基础。 5 我们看到HR技术能力的急剧上升,这也是有道理的,以前的计算和人才壁垒的下降,这也是有意义的。在过去十年里,像Workday和SAP这样的现代人力资源管理系统的价值已经被广泛接受,我们看到了像Visier、Swoop Talent、OrgVue、One Model这样以数据为导向的人力资源科技公司的出现,这些公司的介入,做了很多硬性的工作,将洞察力组织化和民主化。这些公司中的许多公司不仅提供数据报告,还提供标准化的数据录入,充当数据仓库,提供清理,并提供自己的分析。 这种计算人才和产品人才进入门槛的下降,为HR们打开了进入产品领域的大门。 平台运营模式 Platform Operating Model 如果你是一家企业技术公司的一员,你会发现以下职能部门在企业内部工作,为客户提供技术服务 企业技术模式 1 产品 - 构建技术产品和提升产品以满足客户需求的人员(研发、SWE、数据工程师)。 2 解决方案 - 解决方案团队与买家合作,确保他们从产品中获得最大价值。 3 培训 - 培训团队由专家组成,帮助客户学习如何使用产品。通常是规模化支持(视频、讲座)和一些定制化支持(现场设置)。 4  客户获取 - 客户获取(有时被称为营销和销售)的工作是增加市场占有率,加入新客户,并跟踪当前客户的使用组合,以确保续约协议。 5 专业研究 - 没有任何产品能100%满足客户的需求,所以有些商店有一个定制研究或定制工具组来完成最后一公里。 6  运营--人力资源科技公司需要一个运营团队来运营公司的业务。项目管理、项目管理、项目管理、业务分析人员、内部运营。 Product — People who build the tech product and enhance the product to meet customer needs (R&D, SWE, Data Engineers) Solutions — Solutions teams work with buyers to ensure that they are getting maximum value out of the product. Training — Training teams consist of specialists who help customers learn how to use the product. Usually scaled support (videos, lectures) and some custom support (on-site setup). Client acquisition — Client acquisition (sometimes referred to as marketing & sales) works to increase market share, onboard new clients, and track portfolios of current client’s usage to ensure renewal agreements. Specialty Research — No product serves 100% of client needs, so some shops have a custom research or custom tooling group to go the last mile Operations — HR tech firms need an operations team to run the business of the firm. Project management, program management, business analysts, and internal operations. 在未来十年,我相信People Analytics正在向类似的运营模式转变,尤其是在专注于产品的时候。通过支持一个产品,你可以对一个核心的软件进行增量改进,然后把这个软件卖出一万倍的规模化支持,而不是依靠人力资本的增加来扩大团队规模。 我把一个平台人员分析团队可能是什么样子的松散的草稿放在下面。还记得我之前提到过要谨慎对待这些论点吗?现在是一个很好的时机,你可以适当的加点盐。我很想听听你对下面这个模式的看法,我特别期待听到你是否在实践中看到过这种模式,或者你是否认为这是一个可以让你的团队运作的模式。   平台Platform 平台团队是People Analytics机器的引擎。这种模式中的People Analytics平台团队是一个由内部和外部构建的产品集合,为整个业务和支持人员提供分析服务。这涉及到像Visier和One Model这样的工具,将报表或定制化的仪表盘扩展到HR技术产品中内置的内部分析,一路走来。在这种模式下,你甚至可以将一些100%的人力流程作为 "产品 "来管理,但这是另日的文章。 平台内的每一个产品都有自己的产品经理,而内部产品则由开发人员、数据工程师、研究科学家和分析师组成的团队。用户体验技能组将作为整个团队的集合资源,支持产品团队更好地了解业务中的客户。这个子职能部门将构建、维护、支持和理解将人员分析扩展到业务中的工具。 我在图中列举了一个例子,说明哪些类型的工具可以归入人员分析平台的工作领域。 由于冗余的原因,一个People Analytics团队不太可能拥有上面列出的所有工具,但我想举例说明一下平台团队所拥有的工具。未来,一些People Analytics团队可能会决定拥有并构建一个单一的全栈产品,将数据采集、数据仓储,并将数据和洞察力反馈给用户,但由于所需的大量前期成本和外部人力资源技术的进步,团队似乎更有可能拥有一个由内部构建和外部购买的人力资源技术混合的生态系统。 支持这部分运营模式所需的人才类型:数据工程师、产品经理、数据科学家、开发人员、可视化专家、前HRIS、用户体验等。   解决方案Solutions 解决方案团队是专注于提高HRBP、HR线、财务、业务从平台中获得的价值的团队。它不同于合作伙伴团队的服务模式,因为它是一个集合资源的团队,而不是客户分配的团队。这个团队的加入是为了让企业客户和平台团队之间的用户体验价值最大化。 这个团队的工作可以包括直接教育生态系统(去哪里找什么),帮助HR团队成员启动需要生态系统中的数据或洞察力的项目(带着让团队自助服务的心态),或者根据需要对平台进行技术调整(与平台组合作),让平台为终端用户服务。 解决方案团队通过建立一个资源池,而不是1:1的合作关系,直接为客户提供支持,也有助于规模化的PA,但也有助于规模化的PA,让平台团队专注于80-90%的需求,并为10-20%的客户需求填补空白。如果没有解决方案团队,平台团队就会被客户直接要求对核心产品进行定制化修改,导致技术欠账、系统分叉、产品开销增加,平台团队就会被客户的直接需求挤占。 人才类型:技术咨询、项目经理、投资组合负责人、人力资源分析合作伙伴、企业技术解决方案合作伙伴。 培训Training 培训团队对新客户或整个公司的新客户进行入职培训,让他们了解如何与平台上的产品互动。虽然解决方案团队仍然需要人力资本与业务互动(虽然比合作伙伴模式少),但培训团队可以与精干的团队一起运营,创建规模化的资源,如视频培训、互动演示或常见问题解答等,通过自助服务工具访问。 培训通过努力抢先于向解决方案团队提出请求,帮助扩展People Analytics。向解决方案团队提出的请求是培训团队应该开发什么内容的重要数据来源,但培训团队也可以通过向解决方案组提出的常见问题减少多少票量来衡量成功与否。这有助于提升解决方案团队所推动的价值,这反过来又进一步保护了平台团队。 在大多数公司中,PA获得专门的L&D/培训职能可能并不现实,但在那些无法实现的情况下,与L&D直接合作是至关重要的。 人才的类型。L&D专业人员、顾问、培训师、设计师、制作人员。 客户获取 Client Acquisition 构建一个内部营销和销售团队的想法似乎很奇怪,但交付一个People Analytics平台所需要的技能组合与销售People Analytics的工作是不同的。很多时候,我看到People Analytics团队会请一个STEM背景的博士来向企业的高管推销一个项目的想法或潜在项目的影响,虽然有一些罕见的人可以做到这一切,但更多的时候,数据科学团队中的销售技能并不具备。 Ian O'Keefe在最近的PAFOW西部论坛上的一次演讲中说了以下几句话: 我经常遇到的一个问题是,你们是靠什么来招聘的?你们看中的是什么样的技能?技能和技能的组合是我加入时首先看中的东西之一,随着时间的推移,我们也会继续看中。 通常情况下,我们会看到有人从四个不同的领域来找我们,他们在一个领域很深,而且在另一个领域足够危险,足够优秀。我还没有遇到过这样的人,他们有数学专业的高学历,有在技术栈管理的时间,也有在顶级战略咨询公司工作的时间,也有在IO心理研究或团队领导力方面深入的人。如果你是这样的人,请在讲座结束后来找我。 A question I get a lot is what do you hire for. What kind of skills do you see in this space? Skills and the combination of skills is one of the first things I looked at when I joined and that we continue to look at over time. Typically we see people come to us from four different areas and they’re deep in one and dangerous enough to be good enough in another one. I’ve yet to meet someone who has an advanced degree in mathematics, spent time managing a tech stack, has also spent time at a top tier strategy consultancy, and has also gone deep on IO psych research or team leadership. If you are one of those people, come see me after the talk. 当我们让人发挥自己的优势,我们就会打造出更强大、更多元化的团队。所以要想把平台扩大到整个企业,有一个专门的团队,专注于如何把People Analytics平台内的产品卖给100%的HR或企业,这是一个关键的技能。 这也是一个一举两得的团队。他们会向新的潜在客户推销平台,并向这些客户推销培训和解决方案支持结构,但他们也会充当平台的眼睛和耳朵,做竞争分析,了解客户的痛点。在企业技术领域,市场和销售都在第一线,每天与客户交谈,并将这些信息反馈给从事产品研发的人员是至关重要的。 另外,值得注意的是,People Analytics的飞车式采用也可能意味着,那些在早期就能获得使用权的职能部门也是今天获得最多的部门。当People Analytics团队的投资额度达到极限时,他们就会开始优先考虑和关闭新客户,因为他们的规模化,这可能并没有实现业务战略价值的最大化。建立一个客户获取团队可以确保PA为战略客户组合提供服务。 人才的类型。用户体验、市场营销、销售团队、内容创作、投资组合管理 专业研究 Specialty Research 即使有了一个完整的、运转良好的产品平台,一次性的、定制化的项目也不会消失,但如果平台团队、培训团队、解决方案团队都在做自己的工作,那么剩下的来自业务的需求就会变得非常复杂。这就是最后3%的项目,有时会消耗整个PA团队的能力。总会需要有人去解决那些不太适合平台的战略项目或高关注度的项目(还没有或永远不会),而专业研究团队就像一个特警队一样,去解决这些需求。 专业研究团队的存在,也让平台的科学家们可以研究规模化的解决方案,而不是陷入一次性的高优先级请求的循环中。通过将这些团队分为平台数据科学和专业研究,平台团队可以修复根本原因,而专业研究则可以专注于高关注度的火候。同样,建立一个培训和解决方案团队,可以确保这个专业组织不会被定期报告或教育请求所困住。 从长远来看,专业研究的另一个目标也应该是作为平台的外部研发职能。如果他们发现自己重复做同一个项目3次,就应该有一个与平台的连接点,找到一个HR技术解决方案,或者构建一个可扩展的产品,支持那个重复的问题向前推进。 人才类型:全栈swat团队、IO心理学、数据科学、项目经理、咨询师、数据工程师 运营Operations 最后,人员分析功能需要运营来维持所有的齿轮运转。在服务模式的今天,我们才刚刚开始看到运营角色的出现,我认为这种缓慢的出现可以追溯到服务模式的根源。运营角色有时会让人觉得是团队可有可无的 "自顾之忧",当你的客户要求更直接的服务支持时,你很难选择投入到看似运营开销的事情上。 然而,运营角色是杠杆式的角色,可以提高人脉分析的整体运营效率和效果。一个强大的运营团队来跟踪各小组的项目和优先级,可以帮助平衡整个团队的工作量。虽然每个子团队可以专注于自己的孤岛,但运营团队应该是跨孤岛的分析,以保持团队的平衡,并与跨职能伙伴合作。 平台运营模式可视化   平台运营模式示例Platform Operating Model Example 为了说明,我在下面的例子中把平台操作模型的一个小单元的例子放在了一起。我们很容易想象这个运营模式在一个围绕Visier实例构建的平台上工作的情景。 团队成员: 1 名数据工程师(平台 1 名数据分析员(平台) 1x 客户获取/培训 (客户获取/培训) 1x 解决方案合作伙伴/培训 (解决方案/培训) 1名研究员(专业研究人员) 1名组长(业务) 软件: Workday 招聘系统(ATS) 视觉效果 Tableau Team members: 1x Data Engineer (Platform) 1x Data Analyst (Platform) 1x Client Acquisition / Training (Client Acquisition / Training) 1x Solutions partner / Training (Solutions / Training) 1x Researcher (Specialty research) 1x Team Lead (Operations) Software: Workday Recruiting System (ATS) Visier Tableau 在本例中,该平台将由Workday和ATS组成,直接输入Visier。数据管道和数据质量/完整性将由团队中的一名数据工程师管理。数据分析员将与人力资源团队及其客户获取同事合作,根据客户的需求,为人力资源职能部门开发可扩展的报告。由于团队是精益化的,所以数据工程师也会和数据分析员合作,直接从Workday和其他HR系统中拉取数据,在Tableau中生成更多的缩放报表。 而本着保持精干团队的精神,企业如何使用 Visier 和 Tableau 报告的培训将由解决方案员工和客户获取员工分担。在这个团队精简时,独立的培训角色可能没有意义,但如果/当平台的复杂性增加时,可以将其添加到团队中。 客户获取员工将负责跟踪、监控并在全公司范围内推广 Visier,而解决方案员工将与新加入的团队合作,教他们如何构建自定义报告,并管理与团队扩展后的 Visier 和 Tableau 仪表板相关的问题和请求的基于票据的队列。 专业研究人员将直接从所有系统和 Visier 中提取数据,以生成自定义分析。他们将从事从薪酬研究到多样性分析等项目的工作。他们的工作将听从CHRO的指导,为整个企业的决策提供支持。 团队领导将管理团队,管理系统合同,与数据分析员和数据工程师合作,为规模化报告制定战略方向,确保整个团队的工作量平衡,并衡量整个团队的KPI指标。 随着团队的成长,你可以看到数据分析师转变为Visier的产品经理角色,为他们工作的数据分析师或可视化报告的少数数据分析师或可视化报告。额外的产品,如 ONA 工具或劳动力市场工具,也可以添加到平台上,增加对额外产品团队和客户获取小组的需求。 随着产品的复杂性增加,对独立的数据仓库的需求可能会增加,将开发人员、数据工程师和自动化专家纳入其中,以简化数据的摄取、清洗和向产品交付数据的过程。随着PA项目的飞轮旋转,一个集中化的解决方案团队可能会站起来,并建立起一套票务系统来更好地服务于企业,而独立的培训功能可能会出现。 虽然当你把这种模式发挥到前面,池化的客户端模式和通过软件专注于规模化的服务,让这种运营模式能够规模化地支持整个企业。   变化The shift 这并不是理论上的转变。我相信我只是对这种模式进行了阐述,因为实践者们已经开始将其付诸实施。在一些团队中,有一些团队正在朝着这个方向进行彻底的改革,但在其他团队中,这是一种微妙的转变,他们更加关注数据解决方案、自动化和HRIS。我看到今天的团队都在朝这个方向发展,而且在未来几年内,这个步伐会加快。 总结一下,如果我们想在所有企业客户中推广People Analytics,那么让我们走到这里的东西可能并不能让我们走到今天。当他们准备好冲击下一个规模的时候,People Analytics团队可能会开始从支持白手套定制报告和分析的运营模式转向支持白手套定制报告和分析的运营模式,并将更多的精力投入到支持软件的规模化平台的运营模式上,并帮助HR参与到软件中来。 我很高兴看到这个未来的发展,并在未来十年内帮助这个未来的发展,我希望你也是如此。 以上由智能的AI翻译完成,HRTech仅为传播交流。来源medium.com 原文标题:People Analytics: Platform Operating Model
    People Analytics
    2020年04月05日
  • People Analytics
    为什么人力资本分析对HR来说如此重要? 在过去的十年中,我们看到全世界的HR专业人员开始认识到人员分析对于HR未来的重要性。在人力资源部广泛采用云服务的推动下,公司开始在项目、平台和工具上投入巨资,这些项目、平台和工具利用数据进行各方面的劳动力规划、人才管理和运营改进。根据企业研究论坛(Corporate research Forum)的研究,在拥有10000名或更多员工的组织中,69%的组织现在拥有一个人员分析团队。这就提出了一个问题:为什么人力资源部门必须进行人员分析?   什么是人员分析? 根据Jonathan Ferrar在其在线学习课程“ People Analytics ”中的定义,People Analytics为: “在劳动力相关数据中发现、解释和传达有意义的模式,以为决策提供依据并提高绩效”。 人员分析团队的主要作用是为组织提供见解,使他们能够制定更好的业务决策,从而改善业务绩效,同时改善员工的体验和幸福感。从本质上讲,人员分析关注人员及其带来的影响,它提供了人力资源为企业带来的价值的外在视角。 从历史上看,HR的分析主要集中在跟踪基本HR指标或向经理提供人员总数和减员报告。但是,人员分析团队现在越来越专注于使用数据来理解人们如何影响业务价值和运营的各个方面,将分析嵌入实时应用程序中,以及我们如何获取见解并支持业务创建数据的方式。   数据在人力资源中的重要性 一个多世纪以前,石油被认为是世界上最赚钱的资源。好吧,时代在变化,有一种新的商品在出售。数据,数字时代的石油。数据是新的货币,被认为比石油更有价值。过去两年收集的数据量是以前人类收集数据量的9倍。正如乔纳森所解释的,数据价值的这种转变已经影响了组织的货币和人力资源的职能。 “数据是新的货币。我的意思是世界各地都是靠数据运转的。个人生活,职业生活。你能想到的每一种生意。所以,当你看人力资源函数时,数据都是围绕着人的。因此,分析和数据成为业务或任何业务运行的货币” 现在收集、分析和获得洞察力的速度是数据价值的驱动因素之一。根据Nucleus Research的数据,投资于人力分析机构的每一美元,将获得13.01美元的回报。 乔纳森(Jonathan)解释说: “数据之所以有用,是因为它是基于事实的,并且与观点、判断和其他事物形成鲜明对比。随着这一职业在世界范围内的发展,它变得越来越等同于其他职能。它越来越依靠数据运行,并且数据是关于人的,因此,人员分析已成为任何企业成功的HR职能的相关部分。” 数据的增加正在对整个组织产生影响。首席执行官必须不断改变其组织结构--获得新技能和能力,以在这个数字时代生存和发展。不仅是CEO的世界正在发生转变,而且员工也在受到影响。人们对与员工作为消费者的工作经历相似的期望越来越高。需要随时可用的个性化数据来支持他们做出决定,以推动他们的职业发展。 虽然数据的可用性无疑在推动着快速的变化,但是人员分析功能和人力资源利用这些数据的能力以及这些数据所产生的洞察力的成熟度是缓慢的。在大卫·格林的采访中,乔纳森·费拉尔解释说,人力资源部的情况并没有像你想象的那么好,消费者市场可能会随着消费者数据的出现而发生巨大的变化。   HR如何建立他们的人员分析能力 有许多因素可以帮助解释我们看到的滞后现象,因为许多人力资源职能并未完全体现人员分析的优势。乔纳森概述了三个主要原因。 1.能力 Jonathan解释说,许多人力资源专业人士缺乏能力,这主要是由于他们在获得专业和大学资格的同时,也缺乏学习经验,这是人力资源部门对人员分析反应缓慢的核心原因之一。  “能力,您知道人们并没有完全感觉到自己已经掌握了技能。” 世界上许多学习机构倾向于专注于培训、资源配置、就业法、绩效管理等,而不是专注于构建成功的未来分析功能所需的一些核心学科,如数学、统计和技术,以及这些要素如何改变世界。为了推动人力资源内部的真正变革,学习机构需要接受一个新的面向未来的人力资源专业人员的课程。将人力资源能力的传统方面与一些新兴技能(如技术、统计和人工智能)结合起来,使人力资源专业人员真正能够证明自己的职业生涯。 2.文化 乔纳森(Jonathan)提出了两个非常重要的问题,在确定我们如何构建人员分析能力时应该考虑这些问题: 人力资源作为一种职业文化是否能跟上数据世界变化的步伐?您的人力资源功能文化是否支持学习和使用数据?  作为一项职能,人力资源部可能无法像财务或市场营销等其他职能部门那样处于有利地位,以使其团队具备建立其数据读写能力和信心的能力。乔纳森在采访中解释说: “许多人力资源专业人士对我表示,他们只是没有信心谈论数字和定量的主题,即帮助人们奋斗和成功的组织。” 随着人力资源功能继续推动变化,同时将它与直觉的数据支持时,要真正获得成功,他们必须建立对数据故事讲述和咨询能力的信心,以确保它们推动以数据为基础的业务影响。 3.培训 最后是培训。在人力资源部门建立必要的技能时,重要的是要记住“这比拥有正确的心态和支持你的文化更重要。如果在需要的时候没有培训和对组织内正确学习内容的访问,您将永远无法真正嵌入数据文化并建立员工分析能力。根据德勤(Deloitte)最新的人力资本趋势报告,2019年的头号趋势是,组织需要改变人们的学习方式。仅仅把培训或技能看作是一次性的活动是不够的,一个训练课程或一个讲习班可以解决这个问题。公司需要采取行动,使其员工能够不断适应变化并保持就业能力。 麦肯锡(McKinsey)人力分析主管基思•麦克纳尔蒂(Keith McNulty)在“数字人力资源领导者”(Digital HR Leaders)播客上解释称,在未来几十年的颠覆中,人才管理将成为高效组织的主要区别。随着数据价值的持续增长,HR利用其人员数据(新的业务货币)来确保其作为业务战略顾问角色的机会也在增加。但为了做到这一点,我们必须投资建设和增长未来的人力资源技能。   以上由AI翻译,仅供参考! 作者:Manpreet Randhawa 来源:https://www.myhrfuture.com/blog/2019/10/1/why-is-people-analytics-so-important-for-hr
    People Analytics
    2019年11月29日
  • People Analytics
    专业制胜、引领前沿:人力资本分析峰会(HR&People Analytics Summit)上海站成功举办,汇聚近200位国内最优秀的嘉宾和前瞻的HR同仁 由中国领先的人力资源科技媒体平台HRTechChina举办的前沿专业峰会--人力资本分析峰会(HR&People Analytics Summit)上海站于2019年8月9日上海四季酒店成功举办。 论坛集结了强大的嘉宾阵容,来自全球知名企业的人力资源数据分析专家、人工智能专家和人力资源行业思想领袖,共同呈现了精彩的主题演讲,观点碰撞的圆桌讨论。200+CHRO、人力资源总监、人力资源专业人士一同见证了本场高端峰会的成功举办! 本次峰会受到行业知名前沿的人力资源科技服务商与机构的鼎力支持,它们分别是:易路、中数通、仁云、智思云、HRuno、优面宝等。 首先,主办方特别邀请到科石咨询HR数据分析首席专家Robin Yang作为主持嘉宾为大家开场致辞。在致辞中,Robin Yang谈到人工智能驱动的技术几乎开辟了无限的可能性,人力资本分析在受到技术强力推动下进行了深刻实践。 接下来,平安集团HR数据和AI负责人Bruce Ye为大家带来精彩演讲。在《人力资源智能化转型分享》演讲中,Bruce Ye从培训智能化、绩效智能化、薪酬智能化、员工服务智能化四个方面全面讲解人力资源智能化转型的痛点以及应用解决方案。通过数据分析、机器学习、深度学习、人工智能等技术手段实现“千人千面”个性化的人才培育和人才服务,从而有效推动人力资源智能化转型。 “建议以薪酬为核心,提升人力资源整体数字化能力”--易路副总裁张韵带来主题为《数字化转型下的HR创新管理》的分享。他生动讲述员工数字化核心人力+最佳薪酬实践带来的影响,使到场的参会嘉宾们受益匪浅。 接下来来自Experian的 HR Director Rosa Wang就《离职预测分析》发表了Experian内部的实践以及对于数据分析的观点和见解;对于离职预测分析的模型和前沿分析深度启发在场的HR同仁。 她指出,我们生活在一个数据不断增加的时代,如何获取人才数据以及如何利用数据做出更好的决策都是企业组织长足发展必须研究的课题。德勤(Deloitte)在一次“高影响力人物分析”(High-Impact People Analytics)研究中发现,在创造高级能力方面,最重要的因素是需要创建数据驱动的文化。 在以“创建数据驱动的文化及人力资本分析的边界(Creating A Data-Driven Culture)”为主题的圆桌讨论上,来自博世德国、商汤科技、阿里云、世茂集团、平安集团的嘉宾一同分析探讨了企业创建数据驱动文化的必经之路及必要手段。尤其是谈到世界各地的对于个人隐私保护的不同带来人力资本分析的难度和机会。特别是欧洲的GDPR的数据保护法带来的局限。 下午的峰会迎来了来自世茂集团、中数通、科石咨询等人力资源总监及高管,聚焦人力资本热点话题,结合自身实践,带来了精彩分享,呈现了一场又一场的饕餮盛宴。 “数据是人力资本分析的基础。了解统计数据,了解如何以不同方式查看数据,以及在需要时分析数据,有助于我们做出更好的决策。”世茂集团人力资源高级经理江哲文为大家带来主题演讲 《人力资源数据应用实践》,他的真知灼见使到场的参会嘉宾们收获了许多有益的启发。 紧接着,中数通的汤总在《数字化人力分析助力业务决策》中提出如何将“4Rs”映射到常见的人资管理上。他指出,如果数据是数字世界的燃料,分析工具就是引擎,数据驱动决策的解决方案。并认为数字化指标分析、多维度进行分析、不同角色场景分析、不同模块分析都需要数据量的支撑。其深刻的见解、独到的观点感染了在场参会的嘉宾。 “解决问题的方法论:以数据和事实为基础,以假设为驱动,同时兼具逻辑和真知灼见”--来自前沃尔沃汽车销售亚太区人力资源总监范珂,在《人员效能的数据分析》演讲中,为大家详细梳理了提升员工效能的三大方法:领导力发展、提升员工敬业度、利用科技手段。其特别指出一点,作分析的HR一定要掌握Excel 这个工具! 高质量的人员数据可以为人力分析团队创建正确和最优的结构来支持业务目标,科石咨询HR数据分析首席专家Robin Yang 以《组织与人才数据如何推动业务成功》为题,详细阐述了关于人才数据与业务关系的深刻见地与思考,为参会嘉宾呈现了一场精彩的演讲。 随着人工智能、大数据等技术推动,未来的人力资源部门将更加专业化和技术化,人力资源部门及管理者必须高效利用数据,创造出一种由人工智能、大数据等技术驱动的更加个性化的体验,从而不断吸引和保留优秀人才,释放人才活力,助力企业业务发展。 至此,2019年人力资本高端峰会上海站圆满举办。感谢以上来自全球及中国领先的人力资源咨询公司、服务机构的领导者和创始人们的无私分享,他们结合自身的企业实践案例,以独特的视角分享关于人力资本分析的最新认知,探讨人力资本分析的未来发展趋势。 同时再次感谢所有合作伙伴、演讲嘉宾和参会嘉宾对本次活动的大力支持! 期待12月6日北京站再见! HRTechChina 介绍 HRTechChina 是中国首家领先的人力资源科技垂直媒体平台! HRTechChina核心报道中国人力资源科技创新企业及产品信息,关注并实时分享全球的人力资源科技资讯。同时,以原创角度独家报道人力资源科技公司和创业公司;每月独家发布人力资源科技投融资数据及报告,业已成为人力资源科技领域创业者以及行业精英获取全球人力资源科技行业资讯和动态的主要渠道。 HRTechChina通过举办人力资源科技论坛,培训等丰富的活动,促动人力资源科技行业的交流;举办CEO硅谷创新参访论坛等,带领中国人力资源科技公司,创业者,高官与国外最火热的人力资源科技创业者及公司交流;关注业内的创业项目和投融资动态,促进项目和资金的对接以及提供创业企业人力资源的相关服务。 与世界知名人力资源科技组织建立良好的关系以及开展紧密的合作,向内引进先进的行业资源,向外搭建向世界发声的渠道,与广大业内人士共同致力于中国人力资源科技的进步和发展! HRTechChina官网:http://www.hrtechchina.com 2019人力资本分析峰会图片直播地址:https://live.photoplus.cn/activity/live/pc/50678844/#/
    People Analytics
    2019年08月09日
关于我们  | 商务合作  | 加入我们  | 那年今日  | 招聘科技峰会精彩回顾  | 上海科技峰会回顾  | 首届HR区块链峰会  | 2017HRTech年度颁奖  | people analytics  | 候选人体验大奖  | 友情链接  | HR科技极客大奖  | 深圳科技峰会精彩回顾  | HR共享服务平台  | 三支柱论坛2018  | 2018数字人力资源科技奖榜单  | 2018 数字人力资源科技奖  | 北京2018HRTechCon精彩回顾  | 2018HRTechXPO  | 2018TOP100人物榜单  | 2019年度活动计划  | 2018年度大奖揭晓  | 2018投融资报告  | 2017投融资报告  | INSPIRE 2019精彩回顾  | 2019海外活动计划  | 2019北京招聘科技论坛精彩回顾  | 2019深圳人力资本分析峰会精彩回顾  | 2019中国人力资源科技峰会上海精彩回顾  | 2019HR科技极客大奖  | 北京HRTechXPO未来馆精彩回顾  | 深圳·2019招聘科技创新论坛精彩回顾  | 2019候选人体验大奖榜单  | 中国人力资源科技云图  | 招聘科技云图  | 2019上海招聘科技创新论坛精彩回顾  | 深圳7月19日HRTechXPO精彩回顾  | 2019HRPA上海站精彩回顾  | 2019中国人力资源科技创新奖  | 深圳·2019中国人力资源科技年度峰会精彩回顾  | 2019北京HR科技峰会精彩回顾  | 2019数字人力资源科技奖榜单  | 2019HRTechChina TOP人物榜单  | 2019HRTechTOP人物列表  | 2019HRTechXPO-上海精彩回顾  | 2020HRTechChina品牌活动计划  | 2020HRTech云图入口  | 共同战疫专题  | 2019年度评选榜单  | 2020招聘科技创新虚拟峰会精彩回顾  | 助力企业共同抗疫专题  | 2020年度候选人体验大奖(中国地区)榜单揭晓  | 2020HRTech虚拟峰会精彩回顾  | 提交业务需求  | HR专业直播  | 2020HR科技年度峰会·上海精彩回顾  | 2020HR科技年度峰会·深圳  | 2020中国人力资源科技创新奖榜单  | 2020员工体验中国峰会上海精彩回顾  | 2020数字人力资源科技奖(DigitalHRTech® Awards 2020)获奖榜单重磅揭晓  | 2020中国人力资源科技影响力TOP人物揭晓  | 2020中国人力资源科技影响力TOP人物榜单  | 北京·2020中国人力资源科技年度峰会  | 上海站精彩回顾-2020HRTechXPO未来人力资源科技论坛  | 影响力品牌50强  | 2020HRTechXPO未来人力资源科技论坛·北京站精彩回顾  | HR科技云图认证服务  | EXInstitute.cn  | 2021年度HRTech活动计划安排与评选奖项计划  | 2020年度大奖榜单  | 员工体验研究院  | 2021HRTech创新品牌30强榜单  | 员工体验指数测评  | 2021升级版员工体验旅程图下载  | 2021员工体验大奖榜单  | 2021员工体验中国指数:73.4  | 2021候选人体验大奖榜单