Nidhi Negi Dixit - HRTechChina.com

Nidhi Negi Dixit

【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

Nidhi Negi Dixit
2021年05月04日