-
复杂性
2020年12种人力资源趋势
1.人力资源概况
人力资源正在向更全面的方向发展。
使用先进技术并以人为本
为所有利益相关者，不仅是管理层增加价值
结合直觉和全面的分析
内部和外部关注
战略与运营
短期和长期
面向行动和反思（快速和缓慢）
2.较少关注流程改进
在不同的人力资源会议上，我听了许多人力资源主管的演讲。我还参加了各种人力资源技术展览（例如Unleash和Zukunft Personal Europe）。通常，重点放在过程改进上。重新设计了旧流程，并引入了新工具。从表面上看，它是现代的和最先进的，但是真正的改变是很小的。解决方案和计划仍然非常注重组织（我们想要一些东西，如何使我们的员工相处融洽），真正以员工为中心的解决方案很少。
同时，候选人、员工和管理人员看不到人力资源计划的明显好处。这些过程太复杂、太标准化了。尽管多年来我们一直在谈论人力资源的消费化，但在家中的用户体验通常比在工作中更好。
期望很高，但结果却低于期望。是时候让HR重新开始了，让他们更接近不同的客户群体。迫在眉睫的需求和关注是什么？我们今天如何贡献力量？
3.友善！
几周前，我与Mollie的人力资源主管（Ingeborg van Harten）进行了交谈。善待他人是Mollie非常明确的哲学，而人力资源部是善良价值的重要守护者和推动者。实施了一些简单的措施，这些措施反映出友善，例如员工生日那天放假，为家人准备一套漂亮的欢迎礼包，包括Mollie t恤，以及你可以在LinkedIn和其他网站上使用的高质量头像。
我对“友善”运动的了解是有限的，但是如果您对Google友善，就会打开一个全新的世界。
善良无处不在，这肯定是2020年令人鼓舞的人力资源趋势。
警告：当您友善时，人们会怀疑您的诚意。我曾以100欧元的价格将一台旧的（但效果不错）的电视放在网上市场上。在那里呆了两个星期没有任何反应。我想摆脱它，因为它挡住了我们的走廊。最后，一个潜在的买家做出了反应，他问：您的最低奖金是多少？我回答：您可以免费收集。他的回答：为什么免费？这有什么问题吗？我想把它给我妈妈。我的回答：这是一个很好的选择，当然，您很乐意给我一些钱。他的反应：好的，谢谢。您愿意接受75欧元吗？仁慈付出……。
警告：当你善良时，人们会怀疑你的真诚。我曾把一台旧的（但效果很好的）电视放在一个网上市场上，价格是100欧元。它已经在那里两个星期了，没有任何反应。我想摆脱它，因为它挡住了我们的走廊。最后，一位潜在的买家做出了反应，他问：你的最低价格是多少？我回答说：你可以免费领取。他的回答是：为什么是免费的？有什么问题吗？我想把它给我妈妈。我的回答是：这套不错，当然你也很乐意给我一些钱。他的反应是：好的，谢谢。你能接受75欧元吗？善有善报…。
4.更了解复杂性
在一本管理杂志中，我读了我所工作的一家公司的新任首席执行官的访谈。当然，他必须做出许多改变，因为他的前任们本可以做得更好。人力资源不是很好，因为关键职位的继任者中只有70％来自内部。他提到了两个重要的关键绩效指标：内部继任者百分比（目标90％）和自愿离职率（目标10％）。我可以想象他向CHRO发出指令，后者立即开始重新设计人才鉴定和开发流程。
虽然有时候它有助于简化，但它也有助于理解组织和人类行为的复杂性。为什么内部继任者比外部继任者更好？有证据证明吗？对于某些领域来说，这可能更好，但对于其他领域（人力资源、It、数字业务、最高领导层）来说，这可能不太好。自愿离职也一样。为什么要尽可能长时间地留住人们？如果你以证据为基础，你会更好地感受到组织系统的复杂性。
5.自适应系统
当我用荷航预订航班时，系统会询问我要通过哪个渠道接收荷航的消息：电子邮件、Twitter或WhatsApp。当我一次做出选择时，他们下次会记住我的选择。超级简单，不是很先进。在许多组织中，甚至无法做出这些选择，更不用说聪明的系统试图了解用户并使其行为适应用户。
上周，我在一家机构讨论脉搏调查。他们认为无应答率仍然很高(约30%)。他们的调查过程不是很好。所有有电子邮件地址的员工每个月都会收到调查的链接。
你可以做一些调整，例如停止向两三次没有反应的人发送邀请，或者降低频率。调查的内容也可以很容易地根据回答进行调整。技术不是问题，市场上有一些采用自适应测量技术的解决方案。
有很多机会可以使您的系统在2020年变得更具适应性。以下是一些想法：
询问（或推断）求职者是想要快速招聘还是慢速招聘。并非每个人都想全速前进。如果做得好，您的招聘团队将需要更少的能力。
衡量参与者（经理和员工）对绩效评估过程各个方面的满意程度。反馈将允许您提供可以与用户匹配的不同变体。如果您的组织不是那么僵化，您还可以改善员工与经理/教练之间的匹配。
6.人员分析
缺乏信任会影响许多劳动力分析工作。如果重点主要放在效率和控制上，则员工会怀疑是否对他们有任何好处。
总体而言，我们正在转向以员工为中心的组织，尽管有时您可能会怀疑改善员工体验的努力的真实性。
问一个问题：“员工将如何从这项工作中受益？”是大多数人分析项目的一个很好的起点。它还有助于创建买入，这随着GDPR的引入而变得越来越重要。
仅仅衡量员工的“情绪”和其他关键人员指标（生产力、任期）并不一定能给员工带来好处。这实际上可能适得其反：员工感到自己受到控制，而他们的声音没有被听到。
7.在工作流程中学习
如果员工必须主动搜索他所需的学习模块，或者根据对员工行为的实时观察，在工作流中的适当时刻提供微学习模块，则会产生影响。如果你的日记中有与X公司的会议，你的个人学习辅助工具可能会问：“你想了解更多关于X公司的信息吗？”
如果您安排了一次与绩效评分较低的员工开会（计算机在HRIS中获取此信息），则为您提供一个简短的模块“如何与表现欠佳的员工打交道”。在线销售电话中，您会在屏幕上收到有关如何改善对话的建议（“问一些问题”、“尝试结束”），然后将对话与同类最佳示例进行比较，从而获得一些学习成果点。
如果考虑您的个人学习风格和能力水平，解决方案将变得更好。
8.对多元化和平等机会采取更强硬的态度
在许多国家，工作场所男女之间的差异仍然很大。白人和有色人种之间的差异也是如此。差异虽然越来越小，但是非常缓慢。
2020年将是采取更具侵略性和影响力的行动的好年头。软方法似乎不起作用，一些组织已经采取了强硬的措施，并且还将采取更多措施。
金融服务提供商APG 发现男女工资之间存在无法解释的差异，并将女性的工资提高到与男性相当的水平。埃因霍温大学宣布，目前暂时只为女性开放学术人员空缺。为妇女担任高级职位定额总是引起激烈的讨论，但是“赞成定额”群体似乎正在增长。
我们将在2020年密切关注此事，并希望取得真正的突破。
9.包容性领导
员工和其他利益相关者对领导力的期望往往过高。你经常听到：“变革必须从高层开始”，“领导者必须以身作则”。这些类型的语句可能会使人麻木。如果员工在等待高层的指示，如果他们的领导者不是完美的人，他们就会士气低落，那么组织将处于一个糟糕的状态。将领导力转变为更具包容性的领导力，会对组织有益。
包容性领导一直关注包容性领导的特质。这也关系到组织的特点和领导力发展的方法。我仍然看到许多传统的领导力发展课程：高层专属课程、中层管理人员课程和高潜力旗舰课程。像这样的组织并不能加强包容性的领导。人力资源部开始采取新方法的时候到了。
10.生产力
在过去的几年中，并没有太多关注生产力。但现在，我们看到了一个缓慢的变化。
传统上，招募新人解决了能力问题。这导致了几个问题，我已经在快速增长的规模中多次看到了这一点。
由于增长受到寻找新人的能力的限制，因此选择标准（通常是在无意识的情况下）降低了，因为许多人需要快速发展。这些新员工的效率不及现有人员。因为您有更多的人，所以您需要更多的经理。素质较低的人员和更多的经理会降低生产率。
另一种方法是，将重点更多地放在提高现有员工的生产力上，而不是雇用更多的员工，并着重于提高选择标准。
使用人员分析，您可以尝试找到表现最佳的人员和团队的特征，以及有助于取得最佳绩效的条件。
这些发现可用于提高生产率并选择具有最佳绩效的候选人。当生产率提高时，您需要更少的人来达到相同的结果。
11.区块链突破
我绝不是区块链专家，出于某种原因，我认为该主题没有什么吸引力。但人力资源领域中的区块链使用似乎很流行，因此我不得不提起这个概述。
12.公司和员工的积极性
许多组织仍然非常关注内部。关键问题是我们如何解决我们的问题?我们如何解决我们社会中的问题?.承担企业社会责任不仅仅是给员工每年一天的机会去做善事。
Povaddo的研究表明，在美国最大的公司工作的人中，超过一半的人认为，美国公司在解决重要的社会问题上需要发挥更加积极的作用。
有足够的问题要解决，员工要乐于奉献。人力资源可以在促进和激发企业/员工积极性方面发挥重要作用。
以上由AI翻译，仅供参考！
作者：Tom Haak
来源： https://hrtrendinstitute.com/2019/11/26/12-hr-trends-for-2020/
-
复杂性
背调后台管理的一篇技术贴，来自Checkr的工程师，背调的童鞋可以仔细看看
构建软件来管理背景调查的复杂性
在Checkr，我们正在构建软件以帮助公司大规模招聘，我们的背景调查是实现这一目标的重要组成部分。
从表面上看，背景检查看起来很简单 - 您可能认为它就像在数据库中查找记录并返回一些数据一样简单，但实际上它很麻烦而且很慢。
在非常高的层面上，背景调查分为两个阶段：
获取数据 Getting Data
报告数据 Reporting Data
这篇博客文章的目的是帮助揭示Checkr如何构建软件来管理这种复杂性，并帮助我们的客户和寻找工作的人员进行背景调查的现代化。
获取数据
获取数据可能看起来很简单。一对API调用，解析一些JSON，一些for循环，我们进行了后台检查。而在一个非常高的水平你是对的，但是，它远远不是那个干净或简单。
有一些国家数据库可以随意汇总州和县报告机构的记录。它们包括XML文档，其中包含标记，这些标记本身包含base64编码的XML文档🤯。如何描述这些数据没有标准 - 我们必须将其标准化为我们的系统，客户和申请人可以理解的东西。
“Nolle Prosequi”？是的......对于“案件被驳回”而言，这实际上是拉丁语，现在仍在现代法庭中使用！并且，有时（通常）拼写错误！
有54个DMV（是54！不要忘记波多黎各，关岛，美属萨摩亚和华盛顿特区），它们都以不同的方式处理记录。有100个市镇和州数据库。美国大约有大约3,000个县，它们都有独特的法律和法规来管理我们如何报告数据。
让我们关注各县，因为它们代表了我们最大的数据表面区域。我们可以把县分为两组 - 有电子记录的县（快👏）和有实物记录的县（慢😨）。
SELECT court_access_method，SUM（population）
FROM
COUNIES GROUP BY court_access_method;
>>
court_access_method population
electronic_records_available 160,259,716
in_court_researcher 87,369,080
clerk_assisted_county 61,125,939
以上是我们专有的内部数据库之一的查询，用于管理各个县的元数据。它基于各种来源，包括人口普查数据，投票记录，邮政数据和各种政府名单。它告诉我们，目前 48％的美国人口居住在缺乏电子记录的县。（我在看加州...😅）
缺乏电子记录意味着我们需要亲自送人进入法院，排队等候，与法院书记员交谈，进入地下室，打开档案柜，拉出一张实物纸，避免剪纸，阅读记录，将它们输入手机，最后将记录提交给我们。
让我们说一个给定的申请人我们搜索5个县，其中3个离线。我们的系统会将每个县的工作分成长期的异步工作：
有些可能会在几秒钟内完成，有些可能是几天，如果他们离线。
如果我们的质量标准不符合，有些人可能会尝试使用在线资源并回退到离线资源。
有些可能导致指针或转移案件，这意味着我们需要在其他地方开始另一个县搜索。
我们使用Kafka来管理这些异步任务，以便不同的服务和团队可以可靠地实现每种搜索类型。我们正在研究更明确的工作流框架，工具和可视化，以帮助管理生产中的这些工作。
一旦所有工作完成并且我们有最终的结果列表，我们就开始下一阶段......
报告数据
联邦，州和郡法律影响背景调查的运作方式，不同的政府机构负责执行这些法律。他们通常这样做是出于很好的理由 - 保护消费者。仅仅因为某人多年前犯了错误并不总是意味着这会对他们的工作机会产生负面影响。为此，我们需要分析每个结果以确保它符合要求。我们的软件负责帮助保护消费者并遵守这些法律。
甚至有些法律会影响某些类型的雇主如何使用背景调查中发现的结果。例如，法律通常要求医生，护士，财务顾问，家庭护理提供者和运输公司取消具有某些犯罪的个人的资格。而且，这些法律甚至可以相互矛盾！
因此，Checkr需要一个系统来应用这些规则并正确地确定我们能够和不能报告哪些数据。
这是一个示例规则：
if（record.arrest？|| record.dismissed？||
record.alternative_adjudication？）&&
record.date <= 7.years.ago
record.display = false record.save
！
结束
这描述了我们应该如何处理7年前被解雇的记录。record.display = false - 我们不应该报告它们。
这种类型的系统运作良好，但多年来一直存在一些成长的痛苦。
在上面的示例中，规则仅存在于代码中。非工程师无法剖析这一结果并了解发生的情况和原因。如果我们质量团队的某人正在调查记录，我们将无法为他们提供上下文。“这个记录为什么隐藏？”他们可能会问。我们可以像这样扩展它：
record.display = false
record.reason =“隐藏逮捕/解雇/ alt超过7岁”record.save
！
这是一种改进，我们至少有一些原因与现在的结果有关。但是，它仍然与记录模型紧密结合。
有副作用，因为它更新记录上的数据。
合规逻辑是硬编码的（工程师不是专家），因此在我们的法律团队（他们是专家）无法访问的地方。
对当前时间有一种微妙的依赖（如果我们想在以后重新运行这个规则怎么办？或预测6个月后的结果会是什么？）。
我们怎么解决这个问题？
规则引擎
规则引擎提供简单的合同，允许我们拆分规则，数据，结果和代码。
results = engine（规则，数据）
这是与JSON相同的规则，用于输入规则引擎：
{
“event”：{
“params”：{
“display”：false，
“message”：
“隐藏/解雇/替代7岁以上”，
}
}，
“条件”：{
“all”：[
{
“fact”：“applied_filter”，
“operator”：“in”
“value”：[
“arrest_filter”，
“ dismissed_filter ”，
“alternative_adjudication_filter”
]
}，
{
“fact”：“years_since_context_date“，
”operator“：”greaterThanInclusive“
”value“：7
}
]
}
}
为什么规则用JSON表示？
如果你有非常复杂的规则（例如，基于候选人的地理位置，帐户设置，其他规则的存在等），那么if / else语句变得难以管理。
我们现在可以在UI或PDF中呈现这些规则，我们可以以他们能够理解的方式为我们的法律团队和监管机构提供。
我们可以对规则进行快照并针对相同的数据运行多个规则集。例如：当我们进行更改时，我们可能希望针对以前的生产结果运行更改并比较差异（我们在内部称之为回测）。
以下是为我们的法律团队提供的规则：
这是一个更复杂的规则，具有自定义UI和测试工具：
具有WIP UI /测试工具的复杂规则
以上是概念证明，但代表了我们的方向 - 我们还有很长的路要走。但是，最终它将允许我们在法律变化时更快，更自信地行动，因为我们可以轻松地测试和重现结果。
后台检查过程中的每一步都是混乱的，容易出错，难以推理，对于求职者来说很可怕，并且受到一长串不同实体的控制。在Checkr，我们的目标是让这个过程对我们的申请人公平 - 并且从简单直观的界面开始，解决这个复杂的问题。
如果这听起来很有趣，我们正在招聘！还有很多问题需要解决！
以上由AI翻译完成，HRTechChina旨在帮助传递信息，扩大视野~
原文来自：Checkr Ben Jacobson
扫一扫 加微信
hrtechchina
