-
People Analytics
人力资本分析如何通过产品化提供大规模的解决方案?
Insight222的《2021年人力资本分析趋势》研究表明，人力资本分析的规模和重要性都在增长。为了取得成功，人力资本分析的领导者需要将解决方案产品化，并承担起为人力资源部门创造数据驱动文化的责任。
除了需求引擎和解决方案引擎之外，Insight222人力资本分析运营模式还建议设立一个产品引擎，由一个实施团队来确保人力资本分析解决方案的有效设计和产品管理。它包括相关的项目管理和变革管理，以提供每个解决方案的有效采用。
本文将通过回答以下问题来探讨产品化在扩展人力资本分析方面的作用。
1. 什么是产品化？
2. 领先企业如何投资于产品引擎以确保产品化的成功？
3. 人力资本分析团队应该提供的第一个规模化解决方案是什么？
4. 人力资本分析团队提供的高级的规模化解决方案的例子是什么？
什么是人力资本分析的产品化？
人力资本分析解决方案的产品化是指让数据驱动的观点在整个组织内都能被接受，换句话说，在正确的时间将正确的数据提供给正确的人，以帮助他们做出更明智的决定。也就是说，产品化利用技术向员工、经理和高管大规模地提供用户友好的解决方案。
为了取得成功，它需要：
建立一个由产品经理、项目经理、变革交付和设计工程师组成的 "产品引擎 "；并对人力资本分析团队的专业角色进行投资，如数据科学家、数据工程、研究。
投资购买或建立技术解决方案，如分析仪表板或专业的人力资本分析技术，如人才管理和技能推断。
一个能够支持可扩展、可重复解决方案的数据基础架构。
采用以用户为中心的思维方式，并致力于根据用户反馈进行持续改进，对于大规模提供成功的分析解决方案至关重要。要提供成功的产品，关键是要考虑用户需求和用户体验，并根据用户反馈不断完善产品。
领先企业如何投资于产品引擎以确保产品化的成功？
去年，Insight222 Research首次提出了对人力资本分析领域 "领先企业"的分析。"领先企业 "是指那些已经证明他们拥有被认为是该领域领导者的人力资本分析功能的公司或组织。
领先企业在人力资本分析运营模式的所有引擎方面都更为先进。特别是，100%的领先企业都对产品引擎和需求引擎进行了投资，此外还有高级分析。
在其他方面，人力资本领域的领先企业将解决方案产品化，以扩展到员工、经理和高管。领先企业在咨询和影响、产品管理和变革管理方面的能力建设，比所有企业都要强得多。这个差异非常大：相差45个百分点。这表明他们希望通过按要求为员工、经理和高管制作 "分析产品"，使他们的解决方案和预测有效。通过他们的工作，领先的人力资本分析团队将分析嵌入整个公司的人员流程中。
人力资本分析团队应该提供的第一个规模化的解决方案是什么？
许多人力资本分析领导者最关心的一个问题是："我应该提供的第一个规模化解决方案是什么？" 通过投资第二波人力资本分析技术，如基于SaaS的数据民主化系统（如Visier、Crunchr、One Model）或使用微软Power BI或Tableau等工具建立仪表盘套件，为管理人员和人力资源专业人士提供规模化的洞察力是明智之举。
在一集数字人力资源领导者播客中，默克公司劳动力分析主管杰里米-夏皮罗（Jeremy Shapiro）解释说，他们大规模提供洞察力的第一个阶段是："在正确的时间获得正确的数据，使用像Visier这样的工具，以确保人力资源业务伙伴和其他人可以轻松简单地分割数据，并在走进会议之前就了解故事"。
通过投资于可访问和易于使用的工具来实现整个组织的数据民主化，这只是发展人力资源数据驱动文化的关键步骤之一。
人力资本分析团队提供的更高级的规模化解决方案的例子有哪些？
在一集数字人力资源领导者播客中， David Green讨论了 "向技能型组织的转变是如何改变人力资源的作用和影响的"。Insight222劳动力规划游戏手册的研究发现，几乎所有接受调查的公司（90%）都表示希望建立一个基于技能的劳动力规划流程。然而，只有四分之一的公司（26%）正在积极地这样做，这表明这种转变还处于早期阶段。
IBM、Salesforce和Vertex Pharmaceuticals等组织的一些人力资本分析团队通过在内部建立能够推断组织内员工技能的技术，为推动这一变革做出了重大贡献。
最后的思考
HR一直在漫长的旅程中，从专注于合规，流程和基于直觉做出决策的职能部门，到将在许多情况下已经专注于产品，个性化和数据的职能部门。对于人力资本分析团队而言，与利益相关者和企业技术合作以大规模交付解决方案对于推动和实现这一变化并最终帮助推动业务向前发展至关重要。将人力资本分析产品化需要对可访问且易于使用的技术进行投资。创建可扩展的产品并将见解交到人力资源专业人员手中，使他们能够做出更明智的决策，这是为人力资源建立数据驱动型文化的关键步骤之一。 同时也使管理人员更有效率，为员工创造更好的体验。
作者：Naomi Verghese
People Analytics
2022年03月09日
-
People Analytics
人力资本分析（PA）中的系统理论 — 开放世界游戏的乐趣
简介
Uncharted系列游戏和Zelda系列游戏都有伟大的故事情节，精心编写的人物，激烈的动作场面和强大的情感回报，那么这些游戏之间的主要区别是什么？Uncharted是一个线性的故事体验，有点像读一本书，有特定的事件顺序，有开头、中间和结尾，你在如何体验故事方面没有什么自由。 Zelda 则完全相反，它是一个开放的世界游戏，意味着你有充分的行动自由，故事的发展是由你的行动或探索决定的。两者都提供了非常不同类型的体验，一些玩家热衷于开放世界游戏，而另一些玩家则喜欢体验更有条理的游戏方式。
这与系统有什么关系？系统思考的工具更符合上面的未知体验—我们设置了场景，介绍了一些清晰的例子，并给你提供了各种工具，暗示你如果把这些应用到你的人力资本分析项目中，最后会有一个整洁的解决方案。虽然这为你提供了一个坚实的基础，但系统的内容远不止这些。
系统理论是包含系统思考的总体理论，是一个精确的框架。它让你清楚地认识到，在人力资本分析实践中，你应该把探索和实验的方向放在哪里。从这个意义上说，理解系统理论更像是被扔进 Zelda 的大型游戏世界，带着一把小剑，在没有很多指引的情况下自生自灭。虽然系统理论需要用一生的时间来掌握，但你只需使用它的少数核心工具就能取得巨大的成果。因此，我们有必要向我们的人力资本分析和人力资源专业人员和学者同行多介绍一些它的概念。
系统理论概述
让我们从作者的一个真实故事开始。想象一下，你在一家中型科技公司的人力资本分析团队工作，你被告知在过去的12个月里，研发部门有不少工程师相继离职。这对所有高级利益相关者来说都是一个紧迫的问题，所以你开始按照常规步骤，尽可能多地收集数据。你采访当地的利益相关者，收集来自人力资源信息系统、ATS和LMS的各种数据，并开始创建预测模型,但令人沮丧的是，所有的预测模型都显示早期预警信号，而不是告诉你工程师流失的真正根源。
尽管这是一个相当基本的例子，但从中可以很好地说明系统理论的第一个原则。所涉及的人力资本分析团队主要关注员工个人的数据，并在一定程度上关注团队/公司的内部环境，而没有考虑这种情况所发生的更广泛的系统。如果该团队使用了一些系统理论的原则，他们会更幸运地找到问题的根本原因。那么，什么是系统理论，它可以应用于人力资本分析业务吗？
顾名思义，系统理论是一种跨学科的系统理论，起源于生物学。它的核心是通过系统的边界和内部以及外部的专业化来定义系统（Willke, 2000）。根据这个定义，任何事物都可以是一个系统。
开放和封闭系统
系统理论最重要的区别之一是封闭系统和开放系统的区别。
封闭系统是固定的实体，完全独立于其周围环境而运行。例如，我们写这篇文章的电脑主板就是一个封闭系统—无论我们是在办公室还是在家里，或者在希腊岛的海滩上，它的运行都是一样的。
开放系统只有在与环境接触时才会依赖和发展。像我们例子中的大型组织和公司，被认为是具有两个关键特征的开放系统：
1.所有的组织和组织行为者都被嵌入到一个更广泛的、分层的系统中，他们的所有行动都是由他们所处的环境决定的。
2.系统中任何元素之间的相互依存关系意味着，组织中一个领域的任何变化必然会引起其他领域的变化。
系统层次
我们将在下面的建议中重新审视这两个特征。现在，让我们来看看组织开放系统的基本构件：
1.我们从个人系统开始—我们每个人都是由多个相互依赖的子系统组成的，例如认知（头）、情感（心）、观念（手）三者。两个人在某个中立的地方相遇，就代表了一个dyadic系统。当他们互动时，他们与他们的子系统互动，主导系统之间的不匹配可能是麻烦的来源；例如，一个人可能专注于认知，而另一个人可能专注于情感。
2.当第三个人出现的时候，一个微观系统就出现了，在这个微观系统中，每一方都与所有其他方相连。
3.一旦一个更大的、相关的背景与该微观系统相连，超过了原来的微观系统，一个中观系统就产生了。例如，如果三个人相遇并创办了一家公司。随着最初的中间系统的成长和扩展，更多的微系统将在其中被创造出来。在这一点上，中间系统塑造了微观系统，因为微观系统塑造了中间系统，两个系统都塑造了个体系统，因为个体系统也塑造了它们。地方塑造人，人也塑造地方（Schneider, 1987）。
4.这个概念可以通过把两个中观系统放在一起，形成一个外观系统，例如一个行业，在行业协会或卡特尔的情况下，甚至可以在其中创造一个新的等级制度来进一步旋转。许多行业和其他系统形成了社会，许多社会形成了超级结构。这种更广泛的系统层面被称为宏观系统。
上述内容对人力资本分析和人力资源专业人士的影响是显而易见的。更多的时候，我们只关注个人系统（如HRIS或ATS中的个人记录）或微观系统（如团队），而忽略了相关的高层系统。特别是一些需要评估的外系统和宏观系统的因素，例如，包括：
- 政治影响
- 集体谈判协议和劳动法规
- 竞争者的影响
- 文化规范和法规
- 环境因素
同时，对个体和特定微观系统的关注意味着我们对这些系统之间的相互关系和它们的互动没有给予足够的重视。
系统理论概述：涌现、自我组织和等价性
涌现指的是复杂系统中存在的行为，这些行为可能不存在于其单独的部分—换句话说，系统的不同部分一起做什么，而它们并不单独做。俗话说，整体大于部分之和。涌现的概念由来已久，植根于生物学、哲学和社会学。用一个通俗的比喻来说，"涌现 "就是同时看到森林和树木，而不是只关注其中的一个。对于了解整个组织和它们所面临的问题来说，理解涌现可能是关键。例如，考虑到对领导者的崇拜，创始人和其他有影响力的领导者可以在组织中创造出持续很长时间的结构和政策，并影响工作场所的新兴行为，这在个人层面上是无法观察到的。每当面临组织问题时，牢记涌现的概念是理解问题的各个方面的关键。
自我组织是一个类似的话题。实际上，涌现和自组织经常被捆绑在一起作为复杂性的科学。将其简化为一个核心定义，它指的是系统能够在没有外部控制的情况下获得并维持自己的结构的方式。它明确地谈到了对明确控制的缺乏需求。大多数系统似乎有一种内在的能力来寻找秩序，而不是依赖任何计划或来自外部的强制秩序。当涉及到一个组织选择的结构方式时，这一点尤其重要，当然，人力资源政策和法规是其中的一个重要部分。理解自组织的概念对于人力资源和人员分析的专业人士来说是关键，特别是在考虑由于结构过于僵化，不允许在微观和宏观层面的子系统之间轻松沟通和流动信息而产生的问题。
我们想介绍的最后一个概念是 "等价性"。卡茨和卡恩（Katz and Kahn，1966）对此的官方定义是：组织可以从不同的初始条件和通过不同的手段获得相同的最终状态。用通俗的话来说，这意味着没有 "一刀切 "的方法来实现一个目标。在人力资源实践中，这是一个令人惊讶的未被充分探索的概念，因为在这个行业中，人们一直在竞相遵守最佳实践，追随最新的管理潮流，而没有意识到可能有多种 "正确 "的道路可以通向理想的结果。
例如，以绩效管理（PM）为例，它是一个关键的人力资源系统，目标是提高员工绩效。绩效管理本身是由多个子系统组成的；每个子系统都要做出各种决定，例如，设定目标、观察绩效、评估绩效、反馈、绩效审查和会议等等。每一个目标都可能在正式与非正式的尺度上有所不同，并且高度依赖于其他多种因素，如评估者和被评估者的人口统计学因素、个体差异、培训和问责制、所有权、组织结构和文化，以及商业战略。除非在你自己的组织中很好地理解所有这些因素，否则仅仅追随最新的 "最佳实践 "潮流，如完全取消绩效评级和审查，在最好的情况下是短视的，没有考虑到全面的情况，在最坏的情况下，会达到PM的相反目标。
现在，我们将尝试在理论背景的基础上提供一些实用的提示。
实用技巧
1.使用你的全部战略工具库。
回顾开放系统的第一个特征：所有的组织和组织行为者都嵌入在一个更广泛的系统中。在此基础上，我们肯定应该探索我们公司所处的外部系统和宏观系统，以确定是否有任何外部原因导致流失。在这里，我们可以借用战略和营销领域的同事们长期以来一直使用的一些关键工具，包括经典的PEST（EL）和SWOT分析。事实上，我们的建议是，定期进行PEST(EL)分析，这样你就能随时发现甚至是主动期待影响劳动力事务的趋势。培养与负责公司PEST(EL)分析的部门的关系，并从劳动力的角度贡献你自己的发现，以确保你始终是与时俱进的。
在上面的例子中，人力资本分析团队的外部研究揭示了一些与内部因素无关的关键因素。有一个系统性因素的组合，包括：
- 政府立法使某一特定行业对公司非常有吸引力
- 该行业的雇主在税收优惠的地方开设办公室
- 该公司的员工因其内部开发的特定能力而非常受欢迎
这些因素的结合意味着，当挖角开始时，该公司几乎没有办法对抗员工流失。这是一个明显的例子，说明个别系统影响了外在系统和宏观系统，并被其影响。如果对系统理论有更深入的了解，人力资本分析团队本可以更早地制定保留人才的策略。
需要强调的是，PEST(EL)分析对小型组织和大型组织同样重要。例如，小型组织通常无法在薪酬或品牌声誉方面与大型企业竞争，因此，对其外在系统和中间系统有一个全面的了解，将使他们能够部署替代的人才吸引和保留战略。
2.加入ONA的行列。
如果说PEST（EL）是你可以用来探索影响你的组织的外系统和宏观系统的主要工具之一，那么组织网络分析（ONA）则是探索中系统和微系统的关键工具。正如我们上面提到的开放系统的第二个特点。系统中任何元素之间的相互依赖性意味着，组织中一个领域的任何变化都必然会引起其他领域的变化。此外，请记住我们在上一节介绍的涌现原则，单个系统的组合往往会产生令人惊讶的结果。
很多时候，人力资本分析团队只关注单个系统，或者一个独立的微观系统，而忽略了这些系统之间的相互联系。ONA已经存在了几年，但仍然被严重低估或误解。ONA的核心是研究中间系统内多个单独系统和微系统之间的关系。它可以应用于各种场景，从观察信息流、协作模式、识别连接，到探索每个系统的运行情况。
在我们的例子中，将ONA应用于研发团队，发现了另一个有趣的，虽然与主要流失问题趋势无关的问题。人力资本分析团队发现，与那些有现场入职经历的员工相比，新员工入职时的内部网络更小，这反过来又降低了这些新员工的参与度。这导致了对入职体验的全面重新设计，以确保早期建立重要的网络。
3.作为系统的人力资源流程
绝大多数情况下，自然减员发生在个人系统层面；然而，它与几个层面的微观系统和中观系统相互作用，如参与、绩效、入职和学习。而这些反过来又嵌入到诸如组织文化和价值观等较难定义的中间系统元素中。
如果流失是一个结果，不要忽视员工生命周期的关键驱动因素，包括招聘、入职、目标设定和绩效，以及福利。然而，为了以适当的方式衡量它们，当然要把它们分解。对于你们中的极客来说，我们期望预测模型的AUC最多在0.65和0.85之间，其中一个主要原因是不同的系统水平有不同程度的影响，而我们大多缺乏确切的措施来量化这些。
4.记住自我组织和等价性
最后，按照等价性原则：不断追逐该领域的最新时尚和最佳做法通常是被误导的。每个组织都有许多变量需要考虑，简单地效仿别人的例子通常会以痛苦告终。一方面，这可能是相当可怕的，似乎是混乱的。但另一方面，它为每一个人力资源团队开辟了一个创新的世界，也为人力资本分析团队提供了一个由数据支持的更全面的画面，为他们的组织建立正确的流程。
一旦你开始建立这些流程，请始终牢记自我组织原则—只要你为个人和子系统提供正确的渠道进行有效的沟通，并了解你的网络是否在有效地工作，大多数系统都会找到有效的组织方式。
总结
开放世界游戏的魅力在于，没有一个人在玩的时候有相同的体验。如果你从我们的文章中得到一个论点，那就是也没有单一的最佳实践的人力资本分析或组织原则。如此多的系统性因素会影响到选择一种方法，从组织的规模到领导团队的成熟度，到你的团队和员工的技术能力，再到你的可用预算。因此，我们鼓励你努力成为一个内部创新中心—推动边界，尝试东西，不随波逐流。 从本质上讲，根据系统理论，拥抱组织令人难以置信的复杂性，然后让你所做的一切尽可能地简单。
作者：Peter Romero & Andreas Kyprianou
People Analytics
2022年02月28日
-
People Analytics
PA实践分享：如何利用技能数据来支持劳动力规划和改善员工体验
越来越多的人开始关注技能，这可以说导致了人力资源的彻底转型。也许这并不会令人惊讶，因为74%的首席执行官对关键技能的可用性感到担忧，并担心人才短缺会限制增长。此外，世界经济论坛的《2020年未来工作报告》预测，到2025年，随着9700万个新工作岗位的出现，50%的员工需要重新掌握技能，8500万个工作岗位将因人类和机器之间的劳动转移而被取代。根据Gartner的预测，这种压力将转化为人力资源的压力，人力资源的首要任务是为其组织建立关键的技能和能力。我们在Insight222对未来劳动力规划的研究中发现，虽然几乎所有的公司都希望建立一个基于技能的劳动力规划过程，但只有四分之一的公司正在积极地这样做。
我最近采访了ING的人力资源战略和人力资本分析主管Luigi Maria Fierro，以听取更多关于ING如何利用人员数据来了解整个银行所需的技能和能力，以及如何利用这些见解来指导他们的未来劳动力战略。
1.请您简要介绍一下您在ING的背景和职责？
我是ING的人力资源战略和分析的全球负责人。在这个职位上，我负责人力资源战略，确定我们的人力资源部门要在哪些方面做出努力以确保我们的员工能够创造业务影响。我还为我们的人力资本分析实践指明了方向，使我们能够在业务中做出更多数据驱动的决策。
我对数据带给我们的机会感到非常兴奋。人员数据可以让我们对整个银行的技能和能力有重要的洞察力，帮助我们在正确的领域进行投资，从而确保我们为未来做好准备。同时，它可以让我们的员工深入了解他们可以在哪些方面发展他们的技能，以保持竞争力和领先优势。
2.在人力资源部门中，先进的分析技术和人的决策之间的最佳平衡点是什么？
这是一个非常重要的问题。多年来，我们一直在讨论机器是否会取代人类。我相信情况不会是这样，因为人工智能从来就不是为了取代人类，特别是在人力资源部门，它的作用是促进有价值的人际互动。我认为人工智能在很大程度上是帮助人类决策、简化流程或提供更多标准化的一个推动者。我们的想法是利用不同来源的数据，但要支持人类做出更好的决策，而不是取代他们。
人工智能可以协助你筛选最佳候选人，确保你未来的采用需求。然而，在招聘方面，人类是不可缺少的。招聘人员仍然需要人与人之间的互动，以确保你任命合适的候选人。因此，虽然人工智能确实可以支持我们，并加强数据驱动的决策，但在我看来，人的因素将永远占上风。
3.考虑到整个人力资源部门的数据民主化，你如何支持HRBPs变得更加数据驱动？
在人力资源部门，我们中的许多人正在努力变得更加以数据为导向，数据对于支持决策越来越重要。在ING，我们目前正在努力优化我们的数据，确保不同的系统相互沟通，以提高我们的数据可比性和质量，从而提高我们整体的人员洞察力和决策能力。
例如，我们分析当前我们内部拥有的能力和权限，这使我们能够确定我们需要改进的领域，或者在哪些领域我们需要引进具有特定技能的人。在ING，我们定义了未来几年需要关注的六种关键能力—三种与众不同，三种基础性的。我们也正在制定智能方法，以衡量我们的员工队伍中已经拥有的这些能力的程度，从而确定员工队伍发展的领域。
4.您能给我们讲讲您在ING的人力资源中使用高级分析的例子吗？
在ING，人力资本分析与人力资源部门的其他成员密切合作，确定我们可以利用数据增加价值的领域。我们关注一些广泛的主题，包括劳动力分析和员工倾听。
首先，我们使用高级分析来加强我们对员工足迹的理解，并优化我们的招聘策略。这方面的一个例子是，根据搜索量最大的资料，扫描外部市场的最新技能趋势。为我们的HRBPs带来一个外部观点，例如 "什么技能是目前的趋势"，"我们的竞争对手正在招聘什么技能 "等，使他们能够更好地规划ING的未来劳动力。
其次，我们已经实施了自然语言处理解决方法，以完全匿名的方式，更好地了解我们的员工对关键话题的看法，如职业发展。我们将这些见解提供给人力资源部门，以便他们能够将员工的反馈纳入到改进我们的人才发展方法中。
这些只是几个例子，我相信随着技术的不断成熟，可以得出更多有影响力的应用。尽管如此，重要的是要强调，人与人之间的互动仍然是最重要的因素。
5.您的工作所发现的未来技能是什么？是否有任何意外，或者与你的人类预测相一致？
我们的研究仍处于早期阶段，但最初的指标都指向更好的数据技能。这不是一个非常令人惊讶的发现，因为我们已经知道这是一个越来越重要的领域。所有的大型科技公司都是数据驱动的，对于银行和许多其他企业来说，这也是完全一样的。这是一个我们想要提高技能和能力的领域，这也是为什么我们将数据流畅性和网络安全列入我们的六大能力，作为我们想要关注的领域。在未来几年，数据只会变得更加重要，因此拥有数据技能和引进新的专业知识对大多数企业来说是至关重要的。
6.您如何结合内部和外部技能数据进行劳动力规划？对于希望转向基于技能的数据驱动的劳动力规划的其他组织，您有什么建议？
我们正在向一个更加基于技能和能力的组织转变。通过分析，它可以帮助我们了解员工队伍的技能组合，确保我们提高技能，并为未来的员工队伍做好准备。我们还可以利用这些洞察力来提供某些学习旅程，这是我们目前正在努力开发的东西。这将有助于我们的员工以及ING确保我们拥有适合未来的技能。
我相信外部市场的洞察力也是非常有价值的。以市场上要求的技能为基准来衡量自己，可以帮助你保持领先。它可以通过确保我们将具有某种技能的候选人列入名单，来支持HRBPs将合适的人才纳入合适的角色。
7.这项工作的早期影响和反馈是什么？
我们看到更多的数据驱动的对话是市场技能基准测试的直接结果。我们还看到了人力资源决策的标准化。但更重要的是，我们正在为HRBP和我们的员工带来可见性。由于这些见解，HRBP和业务领导者已经开始更好地了解他们的员工队伍，他们现在对我们仍然需要改进或额外引入的技能有了更好的了解。
我们鼓励员工建立自己的技能并设计自己的职业生涯，使他们能够确定自己的技能优势以及他们的发展领域。我们的目标是为员工提供一个无缝的旅程，从了解他们的技能，确定发展需求，然后通过学习模块，短期项目或新的工作角色找到建立这些需求的机会。
8.最后，数据驱动如何让未来的工作更加具体？
人力资源部门的角色是实现业务绩效，我们的员工是实现我们战略的关键。这就是为什么我们需要投资和了解我们员工的技能和能力，以及我们可以共同改进的地方。拥有广泛的数据洞察力，可以帮助我们看到员工队伍中能力和技能的高级趋势。它可以使我们的业务领导者能够根据数据驱动的事实而不是假设做出更好的决策。
作者：Luigi Maria Fierro & David Green
People Analytics
2022年02月26日
-
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
【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
【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
扫一扫 加微信
hrtechchina
