-
数据驱动
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
-
数据驱动
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
-
数据驱动
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
-
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
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
【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
【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
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
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
【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
扫一扫 加微信
hrtechchina
