• 数据驱动
    【德州】AI数据驱动的人才赋能工具AmplifAI 完成1850万美元A轮融资,复制公司的最佳表现者 人工智能和数据能够激励员工发挥其最大的作用吗?如果你问数据驱动的人员启用平台AmplifAI的首席执行官兼创始人Sean Minter,答案是明确的肯定。而且从今天起,这家有6年历史的初创公司手头有了更多的现金,可以帮助它为人工智能增强的人类劳动力提出理由。 "我们对人工智能的看法是,它在这里不是为了取代人,"Sean Minter说。"我们使用人工智能使人们能够更好地完成他们的工作,并让人工智能成为他们的培训师和教练。" AmplifAI提供了一个SaaS自学平台,可以插入各种公司数据源来分析员工的表现,并向组织结构图中的各级团队成员和经理提供个性化的反馈和可操作的建议。AmplifAI以公司业绩最好的员工为基准,利用其专有的数据智能,生成与业绩相关的建议,旨在提升组织中的其他人。简而言之,它是以数据为动力的职业发展平台。 在去年将其用户群扩大到10倍之后,AmplifAI刚刚宣布获得1850万美元的A轮融资,由Greycroft牵头,LiveOak Venture Partners、Dallas Venture Partners和Capital Factory也参与其中。AmplifAI被家得宝和Omnicare365等品牌的团队所使用,它计划利用这些新资金来扩大其人工智能驱动的平台,并在内部投入更多的销售和支持资源,因为它在继续增长。 ·唯一的综合数据驱动型企业人才支持平台将建立在其类别定义创新的基础上 ·自学平台监控数据,学习高绩效员工的技能和行为,为每一位员工打造个性化的发展行动 ·用户群在过去 12 个月内增长了 10 倍;新的资金允许通过在 16 个不同国家的部署进一步扩展 用人工智能解决以人为本的问题 Minter,一个是连续创业者的人,当他在管理一个在全球拥有超过15000名员工的组织时,知道有一个问题需要解决。对他来说,管理如此庞大的员工队伍的最大挑战之一是解释员工和客户之间的业绩差异,特别是当一个特定的部门--例如技术支持或客户服务--在一个地方莫名其妙地表现良好,但在另一个地方却不是。 "这是一个古老的问题,"明特说。"当你有一大群人的时候,你会有一些人做得非常好,一些人做得不那么好。为什么会发生这种情况?我如何使其他人都能成为更好的表演者?" 为了解开这个谜团,敏特从数据入手。他的团队建立了一个引擎,用于摄取和汇总来自各种公司来源的数据,如CRM软件、协作平台,以及几乎所有可以轻松提取有用数据的面向员工的工具--或者至少在某种程度上,可以轻松提取。 "实施任何新客户[AmplifAI]的首要复杂性是没有数据的标准化,"Minter说。"每个客户都有不同的数据集,不同的系统,不同的能力,不同的需求。" 为了纠正这个问题,AmplifAI建立了自己的专有数据摄取系统,与几十个平台集成,并考虑到从其他各种企业工具流出的广泛的数据格式、模式和API。一旦被摄取和汇总,这个多层面的劳动力数据池就可以被分析和善加利用。 AmplifAI使用无监督学习来阅读这些数据,了解组织的整体劳动力,并找出哪些员工表现出色,哪些表现一般,哪些表现低于平均水平。有了这个关键的情报,AmplifAI就能够创建一个高绩效员工的形象,并为经理、教练和其他希望达到高绩效同事水平--如果不是工资级别--的员工产生和提供它所谓的 "下一个最佳行动"。 使混合型劳动力的员工绩效和参与度最大化的人工智能平台 该自学平台监测数据并学习高绩效员工的技能和行为,最终创建个性化的发展行动,将每个员工提升为高绩效员工。 在过去的12个月里,AmplifAI的付费用户群增长了10倍,同时赢得了财富20强企业的全球RFP。AmplifAI现在在16个不同的国家运营,为家得宝等以人为本的领先品牌服务。 "家得宝客户体验部高级经理Dante Brooks说:"AmplifAI已经证明了它的能力,从两年多前的小规模试点开始,到为所有THD联络中心(包括内部和外包)提供企业范围的智能参与和绩效管理平台。"AmplifAI非常灵活,易于开展业务--这是一个为吸引、发展和愉悦我们的一线员工而建立的合作伙伴。" "人工智能解决方案正在实现智能联络中心的转型,"Aragon Research首席分析师Jim Lundy说。"AmplifAI正在展示人工智能绩效管理和劳动力参与方面的创新,其自我学习、个性化的方法利用企业已经产生的数据来复制高绩效的一线员工。" 投资者对1850万美元A轮融资的看法 "联络中心对全球的公司来说仍然是一个巨大的未开发的机会。代表们在第一线与客户打交道,而大多数人因为培训不足而错过了增加客户价值的机会,"Greycroft的合伙人Will Szczerbiak说。"通过整合底层联络中心系统,并为所有代表创造培训途径,使其表现得像前10名一样,AmplifAI以提高客户满意度、增加收入、竞争差异化等形式为客户提供巨大的价值。我们对迄今为止的产品愿景和执行情况印象深刻,并期待着帮助建立联络中心SaaS领域的类别领导者。" 关于AmplifAI AmplifAI是人工智能驱动的人员启用平台,用于以员工为中心的工作队伍。AmplifAI将员工数据转化为以企业中表现最好的人员为模型的行动--帮助混合型团队最大限度地实现业务成果,提高生产力和改善参与度。随着越来越多的公司探索新一代的混合工作,创新的领导者和组织正在依靠AmplifAI来启用人员,提高绩效,使工作更有趣--无论工作在哪里发生。请访问amplifai.com了解更多。  
    数据驱动
    2021年10月13日
  • 数据驱动
    用数据驱动的方法来了解员工流失率 A data-driven approach to understanding employee turnover 用数据驱动的方法来了解员工流失率 杰森-麦克弗森 数据不仅可以帮助您了解员工离开企业的原因,还可以让您有机会更主动地解决未来的问题。通过将你的员工反馈数据与你的员工流失数据联系起来,你可以了解到哪些因素可能促使人们在未来离开你的组织,以及你的组织中可能出现的问题领域(如部门、职能或人口统计)。 如果你想了解人们离开你的组织的原因,可以考虑使用以下四步数据驱动的方法来理解和解决人员流动和流失的问题。 1. 清洗你的数据并关注正确的人 首先,你需要清理你的数据,确保你的数据集中有正确的人。 最重要的是要关注和了解那些自愿和遗憾离开的人。这些是你最想了解的人,因为他们是你想留住的人。 你不想让那些因为表现不佳而非自愿离开的人,或者那些搬家或退休的人搅乱这些数据。这些人的数据看起来与那些自愿离开的人非常不同。事实上,他们往往看起来很像公司里的其他人员,包括那些留下来的人。因此,包括那些非自愿离开的人可能会混淆你的预测模型。 为了创建你的基本数据集,第一步是看看你的离职调查的结果,并确保你有你需要的数据。离职调查数据应该能够告诉你谁离开了。它还应该在某种程度上表明,离开是自愿的,还是不自愿的。如果是自愿的,那么这个人可能被认为是一个令人遗憾的离职者。如果你没有离职调查数据,来自人力资源信息系统的数据也可以发挥作用。 在这个过程中,最重要的步骤莫过于通过从数据集中删除非自愿离职者来清理你的数据。 2. 包括广泛的关联数据 对于那些自愿离开的人,你通常可以在离职数据中看到主要的趋势。 例如,离职数据是否显示许多人因类似的原因而离职,或者类似的角色或人口统计学群体更频繁地离职? 然后,你可以将这些数据与他们之前的调查回答和反馈联系起来。找到所有可能与你的离职数据有关的信息是很重要的。考虑一下你还有哪些关于他们的数据--他们的年龄,他们的培训情况,他们曾经的晋升。然后,将这些信息与他们的反馈或调查数据结合起来,寻找联系。 反馈数据可以很好地说明一个人在早期的感受。例如,一个很好的预测离职率的方法是问人们他们认为自己什么时候会离开,或者他们是否能在两年后看到自己在这个组织里,后者是我们推荐的员工参与问题之一。 当人们在调查中提供这种反馈时,他们往往会说实话,所以如果有人说他们可能会离开--他们实际上更有可能。这一点至少在一年内保持不变。 在看你的调查数据时,我们总是建议在分析中考虑其他四个具体领域--领导力、学习和发展、一致性和薪酬。 人们如何看待领导力,在他们决定留在或离开一家公司时,会起到重要作用。学习和发展也常常是组合的一部分。关于学习和发展的问题表明,人们是否认为他们在组织中有机会发展他们的职业。即使在人们不相信的行业,如零售业,这也是留住员工的一个主要动力。员工参与度调查也可以给你一个指示,表明某人是否感到与组织同步。 3. 使用正确的统计技术来识别模式 为了说明统计方面的挑战,考虑到对许多公司来说,在任何一年中,只有10-20%的人可能会流失。在这10-20%中,你只想了解那些自愿和遗憾离开的人。这就是为什么你需要能够预测相对罕见结果的统计模型。 最近,我们有一个大型数据集,其中包括数千名离开一个组织的人。我们尝试了几种不同的方法来查看这些调查--随机森林、决策树、逻辑回归和其他算法。最终,我们发现随机森林对这种类型的工作最为有效。 随机森林是决策树的一个延伸。本质上,它包含多个决策树。因此,这种技术不是找到一棵树,而是找到许多最好的树,并将它们结合起来预测一个结果。随机森林在挑选非线性效应和不寻常的组合方面有相当好的预测效果--尽管它们可能很难解释。 我们发现其他有用的技术是生存分析和抽样程序,如ROSE技术(代表随机过度抽样的例子)。这些类型的程序为较少的流失案例提升和调整你的训练数据,以帮助你的模型。 这些并不是每个人都熟悉的工具或技术,但我们的人员科学团队很乐意帮助任何对使用它们有疑问的人。然而,只要看看令人遗憾的流失群体和留下来的人在以前的调查中如何回应的简单差异,就可以发现相当强大的洞察力。 4. 在团体层面上解决问题,而不是个人层面上的问题 与其预测某个特定的人是否会离开你的组织,不如尝试在群体层面上识别和解决这个问题。例如,如果你的模型显示某个角色(如销售经理或工程经理)处于风险之中,你可能会仔细研究该群体的留任问题并采取相应的行动。从这个意义上说,这些数据可以非常强大,因为它使你有可能在你的组织内找到你可以帮助的高危群体。 然而,你能做的最糟糕的事情是开始针对你预测会离开的个人。如果你使用数据来预测个人,你有可能犯一个大错误。人们可能会觉得自己是目标,或者认为你一直在看他们的个人数据。这有可能损害你和你的反馈过程的可信度。那些可能选择留下的人也可能因此而改变主意。没有比离职预测成为自我实现的预言更糟糕的结果了。 最好的预测流失率的因素往往很简单 最好的预测因素往往包括最明显的问题。例如,我们的一个标准基准问题只是问人们,他们是否能看到两年后自己还在公司。 令人惊讶的是,很多人都非常诚实地回答了这个有点直接的问题。在数以千计的公司中,我们发现,那些说两年后看不到自己在公司的人,在未来一年内离开的可能性要高出2.6倍。因此,无论我们使用何种具体的统计技术,这个问题都可以被认为是一个强有力的离职预测因素。 为了说明这一点,下面你可以看到来自一家匿名公司的一些真实数据,显示了一些关键群体的百分比,这些人说他们可以在两年内看到自己在这家公司。 总的来说,你可以看到超过75%的同意或强烈同意该声明的人实际留下来。另一方面,超过50%的强烈反对者和35%的不同意者实际上离开了公司。 通过考虑流失的关键预测因素并遵循这四个步骤,你可以确定你的组织中存在流失风险的群体或领域。这种分析也将帮助你确定人们可能选择离开的原因,以便你能够正面解决这些问题。
    数据驱动
    2021年09月14日
  • 数据驱动
    【英国】心理健康平台87%获得160万英镑的种子资金 87% - 总部位于英国伦敦的工作场所福利平台供应商87%完成了160万英镑的种子资金。该轮融资由英杰华基金领投。 该公司打算利用这些资金继续将其业务范围扩大到企业部门。 87%由Ladbrokes前首席执行官和大奥蒙德街医院儿童慈善机构特别受托人Richard Glynn于2017年创立,由一个心理学家和技术专家团队运营,87%使用临床数据来推动个人和企业可以采取行动改善和加强其福祉基础的洞察力。该公司使用经临床验证的测量方法,为个人提供了解、解决和加强其心理健康的手段。定制的工具和内容、日常练习和反思以及暗示理论技术促进健康的习惯,将心理健康作为日常生活的一部分。 通过与医疗服务机构的一系列合作,包括辅助医务人员学院、皇家急救医学院、英国空中救护车、NHS从业人员健康和伦敦救护车服务,现在总共有超过45000名急救人员可以使用该平台。 来自finsmes
    数据驱动
    2021年08月03日
  • 数据驱动
    【收购】英国的XpertHR收购了人力资本分析公司Gapsquare,该公司聚焦薪酬公平 XpertHR是帮助企业提高效率、降低风险和提高员工参与度的专家见解和实用工具供应商,也是RELX的一部分,今天宣布收购高级人员分析软件供应商Gapsquare,该软件可分析和跟踪薪酬差异、薪酬平等和薪酬差距数据。 Gapsquare通过其旗舰软件FairPay® Pro为人力资源和奖励专业人员提供有关其公司现有薪酬差距的可行见解。先进的统计分析确定了员工人口统计学的变量,如性别、种族、性取向和残疾,确定了薪酬差距的原因,并提出和跟踪补救措施。 Zara Nanu博士在听到世界经济论坛的预测,即需要217年才能消除性别薪酬差距后,创立了Gapsquare。该公司现在正在为全球数十万的员工推动变革,希望在今天实现公平的薪酬。 Gapsquare有价值的解决方案和深厚的专业知识将加强XpertHR在英国和美国的合规性、最佳实践和奖励产品。随着Gapsquare的加入,XpertHR很好地利用其先进的、实时的奖励数据解决方案Cendex来解决组织所面临的薪酬平等挑战。 XpertHR的总经理Scott Walker说:"我很高兴将Gapsquare带入XpertHR的大家庭。我们的使命很简单:为每个组织中的每个人创造有意义的工作场所。两家企业都致力于改善全球数以百万计的专业人士的工作经验。通过将Gapsquare的先进技术与XpertHR在奖励数据方面的专业知识相结合,我们可以更好地让雇主们建立一个工作具有包容性、薪酬符合价值、多样化人才蓬勃发展的世界。" XpertHR将保留值得信赖的Gapsquare品牌,联合创始人Zara Nanu博士和Ion Suruceanu将在XpertHR领导团队的支持下继续领导该业务。 Zara Nanu博士,首席执行官兼联合创始人,评论道。"我们知道对许多企业来说,围绕薪酬公平性和薪酬报告的透明度是议程上的重要内容。Gartner的研究表明,由于劳动力正在发生变化,进入劳动力市场的年轻一代对透明度、可持续性和平等越来越感兴趣,全球80%以上的企业被驱动着围绕薪酬公平和薪酬差距采取行动。通过联手,XpertHR和Gapsquare能够更好地支持我们客户和全球企业不断变化的需求"。
    数据驱动
    2021年08月03日
  • 数据驱动
    更好的员工体验需要使用数据驱动 Driving employee experience using data 我们最近的员工体验网络研讨会的民意调查结果显示,领导者有机会更好地利用数据和人员分析来帮助了解他们的员工体验。事实上,81%的与会者表示,他们要么刚刚开始分析他们的人员分析,要么他们已经有了一些基础知识,但还没有达到他们想要的程度。13%的人说他们不知道从哪里开始使用数据来提高员工体验。 如果我们从2020年学到了什么,那就是公司需要具备为员工重新思考、重塑和重新想象工作场所体验的能力,这是新常态的一部分。而对于人力资源领导者来说,利用他们的数据来了解他们的员工真正想要什么和需要什么,是至关重要的。 今天EX的价值 让我们从为什么员工体验现在比以前更重要开始,在整个全球健康危机中,最真实的情况是,员工是一个组织最强大的竞争优势。而且,随着我们继续从COVID-19的大流行中爬出来,在一个越来越无边界和灵活的工作世界中,对人才的竞争将是非常激烈的。尤班克斯说,员工体验与客户体验相似。员工和客户都经历了不同的情绪、交易和体验。因此,重要的是,不仅要让员工在他们的旅程中参与,而且要为他们提供符合他们需求的体验。 快乐的员工,快乐的客户 Millner强调,对于HR领导来说,关键是要理解员工敬业和员工体验是不同的,但又是互补的。他解释说,一个有敬业感的员工是对他们工作的组织有强烈感情的人。另一方面,体验则与他们对自己的个人工作经历的热情程度密切相关。拥有一个充满激情的员工是最终的目标,因为他们的工作自豪感飙升,这自然会反映在他们的表现上。Millner分享说:"一切真的是为了努力使人们在这里工作得更好,这就是我们努力的方向。而我认为,如果数据能够帮助我们做到这一点,它就不是冷冰冰的,而是代表员工心声"。重点应该仍然是雇主和组织可以做什么,为员工增加有形的价值。 这并不是说,在员工与组织相处的每个方面,每天都需要有一个令人惊叹的因素。正如Eubanks所建议的,体验有也有低谷,他以迪士尼为例。当你回顾迪斯尼的经历时,你不会想到那些 "坑爹的时刻",比如一瓶水要多少钱,或者排队的时间有多长。相反,重点是 "巅峰时刻",如微笑和笑声,或实现童年的梦想。Millner建议说:"我们需要把员工体验看作是一个变革管理的挑战,因为这关系到改变领导、经理和员工的行为,也关系到改变技术,绝对如此。这不仅仅是人力资源部门的事情......这是一项业务举措,显然有一个非常强大的人员焦点"。重点应该是使用数据来设计员工旅程中的这些时刻。 使用数据和人员分析来设计EX意味着什么? 一旦 HR 领导者掌握了数据集,他们就应该从各个方面进行分析,并进行更深入的分析。例如,如果 80% 的员工表示他们目前对自己的工作环境感到满意,从一个角度来看,这听起来是积极的。但是,如果这项调查涉及 10,000 名员工,那也意味着有 2,000 人不满意。那2000人是谁?他们是顶级表演者吗?他们是否在业务的特定部门或职能领域?以这种方式查看数据需要转变思维方式来推动以员工为中心的体验。正如 Milner 所建议的那样,“我们必须始终记住的一件事是关于员工或客户的每条数据背后的一个人。” 当今工作世界中的员工体验不仅仅是一项一次性计划。这是一项战略业务计划,需要与多个业务利益相关者合作,并以数据为先的思维来更好地了解员工并满足他们的需求。
    数据驱动
    2021年06月21日
  • 数据驱动
    员工体验正在改变人力资源部门 随着甲骨文和微软宣布在员工体验(EX)领域进行大笔投入(甲骨文 微软 以及Servicenow),以及WFH推动了对员工体验的日益关注,我们正在超越员工调查和人力资源服务交付,进入一个以员工为中心、由人工智能和自动化驱动的更大的领域,并且远远超出人力资源部门的传统范围。这对人力资源专业人士、传统的HCM供应商以及整个企业应用程序都有很大的影响。ServiceNow专注于客户工作流程已有一段时间,虽然Salesforce刚刚开始宣布该领域的解决方案,但许多Salesforce客户多年来一直使用其功能来支持人力资源服务交付。 随着EX市场竞争的白热化,以下是我们将关注的几件事: 人力资源预算和购买者以外的重点。员工体验超出了人力资源范围,并且对管理人员具有吸引力(在培训和指导等领域),以及由于需要在WFH和混合环境中为员工提供支持而不断扩大的预算,这使得这笔交易变得越来越重要,甚至更多。复杂的销售。 客户体验(CX)专业知识对EX空间的影响。具有CX排行榜的供应商将应用个性化和其他营销功能,生命周期管理,客户流失智能以及其他AI模型和实践来提供更主动和自定义的员工体验。 一种更数据驱动的方法来管理工作回报。随着公司和经理实施永久性WFH和混合策略,临时的排定日程和生产率评估已经为争端成熟。当增加的多样性(即“面对面”时间)参与日程安排,晋升和其他决策时,将需要更多的数据和数据可视化工具来确保对多样化的员工队伍进行管理。 作者:Rebecca Wettemann
    数据驱动
    2021年05月14日
  • 数据驱动
    【PA】人力资本分析(People Analytics)如何改变人力资源? 人力资源部门可以通过基本的数据知识和分析培训,在转型的过程中发挥改变游戏规则的作用。 必须对员工进行培训,让他们了解数据洞察力是如何产生的,如何应用这些数据,如何确定目标受众和优先解决的业务问题。 人力资源正经历着从事务性角色到转型角色的重大转变。数字化转型促使许多组织投资于有效利用数据的技术,而人力资源部门也不甘落后。人力资本分析(People Analytics )法收集、清理和理解人才数据,通过统计洞察力来做出关于人员的正确决策,进一步改善业务成果。它是一个从过去发生的事情到未来可能发生的事情的旅程。 根据LinkedIn 2020年全球人才趋势 - "人力资本分析(People Analytics ) "是四大趋势之一,改变了你吸引和保留人才的方式。 在COVID19期间,人力资本分析(People Analytics )通过迎合员工的福祉、安全、远程工作的影响以及他们返回工作场所,帮助围绕员工体验做出关键决策。随着对什么使员工快乐、什么使他们留下或离开、什么提高生产力或什么创造参与度等信息的大量需求,People Analytics的增长是不可避免的。它是人力资源专业人士想要学习的紧缺技能之一。 除了像SPSS、R或Excel这样的统计工具提供基本的相关性、回归性等,人工智能和机器学习的先进技术正在迅速改变数据分析。它使收集、存储和处理大量数据成为可能,以确定模式和趋势,为困难问题提供解决方案,并预测未来的结果。像联合利华、微软、谷歌、IBM等公司都广泛使用先进的人力资本分析(People Analytics )技术来管理他们的劳动力,以便在人才竞争中保持领先地位。 为什么我们HR需要人力资本分析(People Analytics )? 人力资源部门需要从指标转向洞察力,以改善人员和业务决策,就像报告数字减员率以预测减员,从而及时采取纠正措施。 以下是它如何产生作用的 招聘 除了运营报告,由AI和ML支持的数据驱动的招聘可以改善招聘指标,如招聘时间、招聘成本和招聘质量。它可以通过识别最有效的来源或渠道--招聘门户网站、LinkedIn、职业网页、员工推荐、社交媒体等,来优化招聘成本。它可以根据过去的资历和评估分数预测候选人的未来表现,或者通过考虑社交媒体帖子、技能组合、经验、推荐等数据点,预测被动候选人在接触时的流失率。您可以通过聊天机器人形式的24*7数字援助来提高您的雇主品牌和候选人体验,通过使用自然语言处理来回答关于角色和公司的常见问题,从而降低申请失败率。使用基于数据点的ML算法,可以实现自动寻找、匹配和排名候选人。 学习与发展 随着对灵活的劳动力的需求,培养员工的能力已成为所有组织的优先事项。随着对数字化学习的重视,Covid之后,LMS和其他人工智能支持的工具已经出现,为学习和发展的绩效测量和评估提供报告和分析。人力资本分析(People Analytics )可以帮助推荐一个基于技能差距、职业道路、或员工技能提升、技能再提升、或跨职能技能需求的个性化培训计划。 员工在LMS上的登录次数或时间可以表明员工对推荐项目的参与程度,或者哪些课程对员工的技能组合有价值。学习内容和体验的质量可以通过参考员工的反馈、参会人数、测试分数、完成率、首选的授课模式--演讲、教师授课、电子学习等来持续评估。学习数据的洞察力可以进一步帮助改善员工的学习体验。 持续的绩效管理、参与和保留 用于评估绩效的实时数据分析使管理者能够不断向员工提供及时的反馈,确定技能差距并促进其职业发展。员工的参与度可以通过利用从员工满意度或参与度调查、绩效评级、缺勤、离职率或留任面试中提取的数据来确定。 你可以通过与年龄、在公司和角色的任期、参与度调查结果、报酬、自上次晋升以来的年限、绩效评级、工作满意度、旅行时间等数据点相关联,预测哪些员工可能离开,何时离开,以及为什么离开。可以利用离职面谈中报告的原因或任期等数据点来确定导致员工流失的原因,以及可以及时采取哪些纠正措施,利用数据建立留住员工的策略,以防止高流失率成本,拯救高绩效员工。 如何在人力资源部门建立一个数据驱动的文化 根据德勤2019年 "成为洞察力驱动的组织调查"--对数据驱动的洞察力和决策具有最强文化导向的组织,其大幅超越业务目标的可能性是两倍。" 人力资本分析(People Analytics )帮助组织量化人员和业务成果之间的关系。培养一种文化是至关重要的,在这种文化中,数据驱动的指标和洞察力在解决业务问题时获得更多的可信度。要在人力资源部门建立一个数据驱动的文化,下面提到的方面对实现商业价值至关重要。 数据 为分析而输入的数据的质量在获得有意义的见解方面起着主要作用。具有准确性和一致性的干净和可靠的数据是数据处理的食物。人力资源部门用于分析的数据来源包括员工数据(人口统计)、年度员工参与度或满意度调查、绩效评级、工资数据、人力资源信息系统、ATS招聘报告等。 数据安全和隐私是最重要的,因为必须负责任地处理雇员或候选人的数据。数据治理与数据道德章程应该到位,以指导如何收集、分析、存储、使用员工数据,并将其分配给相关团队,只为完成所需的任务。如果员工相信你在用他们的信息做什么,它将解决什么业务问题,预期的结果,以及你将如何衡量给人们和企业的洞察力或建议的成功,那么数据驱动的文化将得到推动。 人力资本分析(People Analytics )是收集数据并将员工数据与其他业务数据整合,以产生可操作的见解。例如--员工参与度与员工绩效直接相关,而员工绩效最终会影响业务成果,如销售,通过评估销售数字的变化来评估销售团队的培训前和培训后的绩效。孤岛上的数据可能无法达到分析的目的,必须与其他业务功能整合,以回答相关的业务问题。 人力资源部门和企业之间的合作。 如果没有领导团队的支持,一个以数据为导向的文化是不可能的,因为他们对人力资本分析(People Analytics )的潜力和业务成功的需求深信不疑。人力资源部门需要与内部业务职能部门(IT、财务、运营、销售和市场等)或团队建立桥梁和培养信任关系,甚至在需要时与外部供应商建立联系,以推动数据驱动的决策。 人力资源部门必须向关键利益相关者展示基于证据的讨论,说明数据究竟如何使每个职能部门或团队更加有效和高效。从直接影响业务的小型数据项目开始,并好好执行,以获得领导层的认同。基础应该是解决业务问题,以及业务是否已经准备好根据洞察力来采取行动。你的文化应该奖励以数据为导向的思考,以找到解决业务挑战的方法。 技术 现在有了大量的数据,先进的软件,人工智能,ML和RPA,已经增强了预测和规定的分析能力。基于数据点的机器学习算法有助于识别模式,为员工创造个性化的体验。根据Nucleus Research的研究--投资于分析的回报是每投资一美元就有13.01美元。根据分析数据的需要,投资于更好的技术,将推动人力资源部门对数据的使用,以获得洞察力并节省时间或精力。 具有多学科技能的人力资本分析(People Analytics )团队。 由人力资源业务伙伴、数据科学家、研究人员、统计学家、顾问和技术专家组成的团队的正确组合是在一个组织中建立人力资本分析(People Analytics )功能的关键。这个团队应该有足够的能力来开发一个假设,将数据转换成可操作的见解,通过数据故事或数据可视化进行沟通,并在适当的时候向企业提供数据驱动的预测或建议。 人力资源部门可以通过基本的数据知识和分析培训,在转型的过程中发挥改变游戏规则的作用。必须对员工进行培训,让他们了解数据洞察力是如何产生的,如何应用,如何确定目标受众,优先考虑需要解决的业务问题等。它可以创造更多关于数据分析功能的实践方面的意识,培养一种由数据驱动的文化。 实施人力资本分析(People Analytics )或发展数据驱动的文化当然不是一条容易的道路,围绕数据质量、文化障碍、技能差距、技术、数据沟通、领导支持和投资等方面的挑战。但是,如果企业想让人员成为竞争优势的来源,想吸引、发展和保留高绩效的员工,他们就必须释放出数据的力量,做出能使企业成功的人才决策。人力资本分析(People Analytics )可以影响所有的关键利益相关者,利用员工的生命周期数据,得出可以推动收入的见解,使人力资源部门成为像其他业务职能部门一样的战略伙伴。 作者:Nidhi Negi Dixit 来自 humancapitalonline
    数据驱动
    2021年05月04日
  • 数据驱动
    如何说服管理者考虑数据驱动的决策? 变化。 有时人们害怕它。 有时人们认为,如果要求他们改变,就是一种人身攻击。 我们也知道,我们真的无法说服别人改变,除非他们愿意。 从改变一个坏习惯到改变思维方式,都是如此。 改变是个人的选择。企业可以强制推行数据驱动的决策,员工可能会不情愿地使用该工具,同时抵制对该工具全部潜力的探索。 这就导致了部分解决方案,但不是最优方案。 经理人需要信任你的产品。 如何让管理者放心呢? 首先,要让他们放心,他们不是靠自己的力量。 你的办公室不仅提供数据,使用分析工具,而且你还帮助解释它们。 你的工作是和经理们一起工作,而不是把数据扔给他们然后离开。 接下来,建立信任。 这可能需要一些前端的工作。 需要对数据有信任,对你的办公室有信任。 一些基本的建议。 不要承诺不能兑现的东西。 Don't promise what can't be delivered. 如果经理要求提供不能根据事实得出的数据,解释原因。 不要只是告诉他或她 "不"。 反之,要用经理能接受的词语来解释。 如果你不能提供经理要求的东西,提供一个替代方案。 需要把经理的要求考虑进去--你知道那句话。 "把苹果和苹果比,而不是把苹果和橘子比"。 一开始要保持简单。 不要用过多的数据来压倒经理。 经理最终会因为沮丧而把它扔到一边。 你必须认识到,如果他们的眼睛发亮,他们已经把你拒之门外。 强调数据是补充性的,但不能代替经理的决策责任。 不管你信不信,有些经理人担心一些数据分析会让他们变得无关紧要。这是一个数据驱动的决策,而不是数据制造的决策。 一旦经理人比较舒服,你还可以提供以下几点。 数据是可定制的。 鼓励经理讨论他们的具体标准。 数据是时间的快照,未来的决策应该由新的数据来辅助。 你不能根据6个月前的数据来做人事决策。 找出可能需要数据的频率。 根据决策提供使用数据的省时建议,如发放奖金、决定谁接受培训、晋升或调职等。 最后一点:经理们会希望你是专家,他们可能希望你能记住以前谈话的具体内容。 建立信任的一个方法是了解经理之间的不同偏好,无论是在笔记文件、保存的屏幕截图等。 快速回忆对话,表明你支持该经理的具体问题,将有助于建立信任。 这并不意味着一个顺从的工作环境,而是意味着找到用数据来改变现状的方法,帮助经理们信任数据驱动的决策。 作者:Lori Wagner 原文标题 How to Convince Managers to Consider Data-Driven Decisions
    数据驱动
    2021年01月20日
  • 数据驱动
    4个步骤培养数据驱动的人力资源和人才团队 根据Gartner最近的研究 "加速HR 3.0之旅",70%的人力资源高管表示,人力资源的重塑已经成熟。人力资源正在演变为一个更加数据化、数字化的职能部门,它不是由直觉驱动,而是由人工智能和内部/外部数据的证据和可操作的见解驱动。具有前瞻性思维的人力资源专业人员了解随之而来的提升技能的需求。 人力资源领域的自动化和人工智能等趋势可能会让你认为,未来的人力资源需要从业者变得技术至上。但事实并非如此。myHRfuture在2019年对未来人力资源技能的研究表明,人力资源专业人员中最需要的技能不仅仅是技术技能,如人力资本分析和战略劳动力规划。管理与关键利益相关者的关系、影响变革和建立信誉的技能对于数据驱动的HR来说也至关重要。今年,Insight222发布了关于人力资本分析职能部门内角色发展情况的研究。增长最快的角色是数据科学家和业务顾问--再次表明,即使在人力资源分析职能本身,也不全是技术角色。 我们回顾了2020年探讨人力资源专员技能的热门文章,可以看出相同的模式正在出现,HR所关注的不仅仅是技术技能,还有咨询和影响技能。我们将需求量最大的培训归纳为四个方向,当人才主管们计划在未来两年内加倍努力提升人力资源团队的新能力时,这份列表可以成为HR提升技能的趋势指南。   1. 打好人力资本分析的坚实基础 作为人力资源从业者个人,能够准确解读人员数据,并根据这些洞察力提出建议或采取行动,变得越来越重要。在应对组织要解决的挑战时,例如高流失率,统计学可以帮助人力资源专业人士从人的角度理解和验证发生了什么。统计分析可以构成循证建议的基础(而不仅仅是依靠直觉),可以向业务利益相关者提出建议。这种方法有助于将人力资源部门定位为企业的数据驱动型战略伙伴。 任何人力资源专业人员的第一道关口就是培养基本的统计和数据分析技能。从组织的角度来看,人力资本分析功能需要建立一个强大的基础,包括强有力的治理,有效地确定业务挑战的优先级,并提供切实的业务成果。以下"人员分析卓越九大维度 "模型是现阶段人力资本分析团队所需要的。   2. 如何与企业内部进行有效沟通 数据驱动型HR发展的第一步,发生在任何数字运算和分析之前。与其直接提出一个 "热门话题 "或在人力资源职能部门看来可能有趣的东西,不如从一个紧迫的业务挑战开始。解决这些挑战有赖于与业务的高效对接。 了解业务需求需要与业务利益相关者进行良好的沟通,这通常是由HRBP承担的任务。下一步是将这些对话的发现转化为假设,供你的人力资本分析职能部门处理。 如何确保你的人力资本分析项目能增加价值 如何在开始分析之前,先找到企业要解决的问题的核心 如何理解这些问题,并将其转化为明确的假说 如何确保您所做的分析与业务相关,并具有正确的背景 如何准备自己进行分析,或者交给人力资本分析团队来进行分析 人力资源专业人员经常面临的一个共同问题是,如何确定人力资本分析项目或挑战的优先级。一旦你编制了一份紧迫的业务挑战清单,一个很好的方法是按照业务影响和复杂性来确定优先级,如下所示:   3. 用数据讲故事 一旦分析--基于一个紧迫的业务挑战--已经进行,下一步就是与企业沟通见解。必须带领利益相关者从最初的挑战,通过分析到他们应该注意的关键收获,以便采取最合适的行动。如果你不知道如何有效地将你的发现和洞察力可视化,你将失去利益相关者的兴趣。 CEO Cole Nussbaumer Knaflic说:"如果你不能用数据讲故事,你就无法得到你所需要的行动。我认为有一种倾向,特别是对于技术含量高的人或技术背景出身的人来说,他们希望把所有的数据都摆在那里。因为我们假设我们的听众对背景非常了解,他们可以弄清楚什么是重要的。 任何时候,我们在处理数据的时候,我们在做项目的时候,我们做了一个图,我们很清楚这个图是什么意思,因为我们是做图的人,但这意味着我们脑子里其实有很多默契的知识,我们要把它放出来让别人能够用。 所以,我们可以做一些事情,比如少用颜色来引导受众的注意力到我们希望他们看的地方,在我们的数据周围加上文字,不仅要让受众清楚我们看的是什么,还要让他们从中得到什么。"   4. 确保你的人员分析项目正在创造价值 报告《规模价值交付:人员分析的新运营模式》中,明确了人力资本分析现在所带来的商业价值。我们调查了60位人员分析领导者,并提出了这样一个问题:"人力资本分析增值的三大领域是什么?"这项工作的洞察力不再仅仅是为了人力资源而执行人力资本分析,而是针对业务挑战,如危机管理、多样性和包容性以及战略性劳动力规划,带来了切实的成果。 人力资源专业人员热衷于提高技能,以确保他们所做的工作能够带来商业价值,这并不奇怪。随着人力资源职能的不断发展,技术和非技术性技能对于人力资源专员来说都是至关重要的。报告《未来的21个人力资源工作技能》将未来十年内的21个人力资源专员相关工作岗位按低技术性到高技术性进行了整理,展示了为什么数字化技能对HR从业者至关重要。   作者:Caroline Styr (卡罗琳 · 斯蒂尔) 原文标题:4 Steps to Develop Data-Driven HR and People Teams 以上由可爱的AI翻译完成,仅供参考。
    数据驱动
    2020年12月28日
  • 数据驱动
    如何通过数据驱动的继任规划避免人才缺口? 根据TD的数据,只有35%的组织有正式的继任规划流程。这可能是一个危险的命题,特别是当担任关键角色的个人意外地被从你的组织中挑选出来的时候。在危机时期,这些担忧可能会加剧。与大多数事情一样,管理这些风险的最佳方式是做好准备并制定计划。 人才管理工具缓解人才缺口的三个方式 有三种常见的人才管理流程,如果管理得当,可以大大降低组织内关键或重要岗位人员流失的潜在风险。 继任计划:确定对企业运营至关重要的关键职位和员工,并确定能够胜任这些职位的继任者。 人才审核:对组织内的员工进行结构化评估,以评估他们是否具有适应未来职位的潜力。 职业发展:员工驱动的职业管理。通常组织会提供一些工具,让员工探索机会并制定计划,设定目标并采取行动,主动为自己的职业生涯导航。 下面,我概述了可以使用人员分析PA来支持这些流程的不同方式。 利用数据进行继任规划 有一个继任计划是很好的,但你对计划的质量和力度了解多少?分析可以帮助你评估。 您的管道的强度 在这里你需要回答的是。你是否对每个关键职位都有足够的保障?你名单上的继任候选人中是否存在退休风险? 下面的分析可以评估你的候选人库的实力。根据这个虚构组织的分析,很容易看到各职位的板凳规模,以及现在和未来几年准备好的候选人数量。 该分析显示了按职位和候选人准备度划分的接班人候选人库规模。使用的是虚构数据。 深入挖掘还可以根据员工临近退休的时间,显示出继任人选库是否长期可行。 这一分析表明,接班人库中的退休员工可能离退休人员有多近。使用的是虚构数据。 你的人才的准备进度 你需要在这里回答什么?你的发展计划是否有效?继任者是否被提拔到继任职位? 这种分析可以帮助你了解你是否正在随着时间的推移缩小准备度的差距。例如,如果去年你有150名候选人在两年内准备好,你会期望今年会有更多候选人在一年内准备好。如果没有,可以更加注重培养这些候选人的技能、能力和经验,以提高他们承担更多责任的准备度。 该可视化显示了继任者库中候选人的准备情况。使用的是虚构数据。 衡量该计划成功与否的另一个重要标准是有多少准备好的现在的继任者进入继任职位。如果员工已经准备好进入责任更大的职位,而没有看到职业发展,这可能会导致不必要的流动风险增加。 本分析按接班人职位对晋升后的时间进行了细分。使用的是虚构数据。 渠道的多样性 你需要在这里回答什么?目前的继任候选人队伍是否能帮助你实现多元化目标? 在下面的例子中,可以对继任者名单进行评估,从性别和少数族裔员工的角度来确定员工的组合。这有助于确保组织有足够的代表性,以实现多元化目标的最佳定位。 通过这个分析,你可以从性别角度看到继任板块中的员工组合。使用的是虚构数据。 此外,下面的分析显示,虽然似乎关注性别多样性,但候选人名单中的种族多样性并不强烈。这提醒你需要更加关注的领域。 这个可视化显示了你的继任管道的种族多样性。使用的是虚构数据。   基于事实的人才审查 大多数人才评审参与者在讨论员工的绩效和潜力方面准备不足。分析学可以帮助你就员工和组织的需求进行更有力的对话。例如,分析技术可以让你。 评估高潜力人才的承诺 你需要在这里回答什么?一个高绩效的员工是否有飞行风险?他/她与同岗位的其他员工相比如何? 在这个例子中,我们将Abbie与所有担任相同职位的其他员工进行比较。在进行人才审查时,这种内部基准可以帮助确定她在薪酬、绩效、任期和离职风险等诸多因素中与同行的位置。 掌握所有这些信息有助于为她的发展以及留任策略制定更明智的计划。 这种比较分析显示了一个员工在多个因素上与同龄人的比较。这对人才评审很有用。使用的虚构数据。 识别整个组织中可能存在哪些技能差距 在这里你需要回答的是:哪些领域缺乏关键技能?哪些员工具备这些技能? 下面的例子表明,组织上缺乏批判性思维技能。我们可以使用分析法来浮现哪些人表现出了这些技能,和/或这是否是组织重点发展的领域。 该分析按公司内部各部门细分技能,帮助浮现可能存在技能差距的地方。使用的是虚构数据。 本分析显示了组织中哪些员工具有复杂的问题解决能力。使用的是虚构数据。 识别隐藏的人才 你需要在这里回答什么?哪些员工是 "不被关注 "的?   利用组织网络分析(ANA)可以帮助您找到组织中最活跃的连接器和影响者。我们的合作伙伴TrustSphere可以帮助提供这种类型的分析,以显示其他人凝聚在哪些员工周围,并可能表明他们是优秀的领导者。 这种类型的分析有助于帮助识别组织内隐藏的领导者和有影响力的人。通过连通性模式识别这些人,有助于减少选拔过程中的偏见,并揭示出那些通过更传统的视角可能被忽视的员工。 TrustSphere的组织网络分析实例。 数据驱动的职业发展路径 根据SHRM的说法,"当员工认为雇主关心他们的成长,并在完成公司使命的同时提供实现个人职业目标的途径时,他们通常会感到更有参与感。" 面临的挑战是,如果不清楚哪些机会是可能的,这可能会让人感到无所适从,限制了管理者和员工就垂直晋升以外的职业轨道进行有意义的对话的能力。 为了增强员工的职业流动性,你需要给你的人事经理提供正确的工具。而且也不仅仅是 "对话启动器",而是硬数据和易于理解的可视化,可以帮助管理者和员工评估他们现在的位置和可能的发展方向,为两人产生一个清晰的终极规划。 下面的分析显示了其他员工从Abbie目前所处的职位出发,所走过的不同职业道路。 这条职业道路显示了其他员工从事的不同工作,曾经占据了阿比的角色。使用的是虚构数据。 我们还可以查看她可以采取的轨道,以转移到一个可能是她理想的职业目标的位置。 深入挖掘职业发展路径分析,可以看出安妮为了实现目标职称可以从事的不同工作。使用了虚构的数据。   让您的组织走上正确的道路 制定计划来培养企业关键岗位的人才是非常重要的。在这种情况下,继任规划和职业发展路径可以帮助你避免因在合适的时间、合适的地点没有合适的人而带来的风险。 利用所有可用的工具和信息来释放员工的力量是非常重要的。通过打下坚实的基础,制定强大而有意义的计划,并建立分析能力,你一定会走在前面。 作者:卡拉-威廉姆斯 来源:visier
    数据驱动
    2020年11月13日