-
预测分析
2020年了解人力资源技术
在本文中，讨论了公司如何更好地把握其特定的人力资源需求，并开始采用促进长期与员工互动的技术和流程。
人力资源部如何决定哪种技术最有效地帮助他们实现目标？我们着眼于三个关键领域-员工体验、劳动力分析和预测分析，以及人力资源主管如何开始评估市场上的许多技术和服务。
第四次工业革命正在进行中，组织在数字化转型上花费了数万亿美元。其中包括云计算解决方案、集线器技术、人工智能、人员分析、流程自动化、物联网（IoT）和预测分析。个人如何与技术互动以及我们可以使用的新工具正在改变我们的工作方式。HR不能袖手旁观，它必须帮助推动转型。然而，弄清这对HR的影响并非易事。
在2019年人力资源技术会议暨展览会上，我们听到了人力资源专业人员的一些一致主题。大量供应商和定点解决方案在确定他们应该投资的地方时意味着更多的不确定性。许多人努力在已经建立的人力资本管理系统中寻找价值。有人质疑，鉴于他们的情况，什么解决方案最有效，以及组织内部由谁来做决定。在许多情况下，决定正确技术的整个过程似乎都掌握在it部门手中，而不是人力资源部门。
与会者表示，他们始终需要更好地利用构成当前人力资源服务交付的众多不同、不灵活的平台，找到将这些平台结合在一起的方法，以创造更具吸引力的员工体验，并使人力资源团队更容易整合平台，从而提高工作效率。它是关于简化复杂的事物。这种需要一致的员工体验，人力资源计划和员工个人之间的每一个接触点与雇主独特的员工价值主张相一致。
那么组织如何才能理解这个令人困惑的技术市场呢？我相信答案是专注于HR可以用来更快地做出更明智决策的几种最有用和最有前途的技术。
Hub Technologies：以个人为中心的体验
为了使“人”保留在人力资源中，技术应着重于帮助个人就可获得的奖励和发展计划做出明智的决定。
组织显然希望有尽可能最好的人才来执行其任务。正确完成任务后，该任务将直接与其独特的员工价值主张（EVP）联系在一起。制定EVP并没有千篇一律的方法，每个组织都必须根据其独特的品牌和目标感来区分其战略。同样，采用与特定组织相关的人力资源技术也没有“最佳实践”之类的东西。
没有两个雇主拥有相同的人才目标，因此一个组织的正确生态系统可能不适用于下一个组织。一家全球软件开发商与中型中型制造商的人力资源需求截然不同。尽管有很多幕后流程和交易都相似，但是吸引和激励人才的需求需要针对特定组织的面向员工的技术组合。
除了创建独特的EVP之外，还有数百万种不同的员工期望。最佳的员工体验是针对我们服务的每个人而设计的，这要求我们使用与每个人的期望相符的沟通渠道、内容、语气和数据来对待每个人。
以人为本的设计，基于您要设计的人员建立完整的用户（在本例中为员工）体验的过程以及以适合他们需求的量身定制的交互结束的过程，有助于吸引这些受众一集中。通用方法对于自上而下的通信可能很有价值，但其他方面却没有太多。即使以角色驱动的模型有助于缩小理想体验，仍然存在过分刻板的风险。个性化的模型可确保个人数据（包括过去的互动）用于通过正确的渠道传递正确的消息和语气来创建有意义的员工体验。
情境体验——在正确的时间提供正确的内容——提供了额外的好处，即仅以相关的工作和生活事件为基础，以超个性化的方式进行工作。对于员工和组织来说，沟通的内容越多，对个人越有价值，就越有可能产生预期的结果。（了解更多：https://hrtechchina.com/）
集线器技术的出现，再加上量身定制的雇主品牌和后端分析，可帮助雇主和员工坚持不懈地提高绩效和所有人的绩效。随着人工智能系统“学习”更多关于个人偏好的信息（通过机器学习），无论后台运行的系统是什么，该技术都能适应个人的偏好。这是公司最适合其供应商选择策略的地方：在保持一致的流程和指标的同时，保持与员工相关的体验。
人力资源分析：改善人员和业务绩效
人力资源分析现已成为HR在员工队伍规划中的角色的命脉。衡量和分析这部分“大数据” —有关绩效、薪酬、人口统计、职业经历、福利、员工行为、时间利用率和人员流失的数据，可以帮助确定劳动力模式和人才风险，预测生产力，应对招聘和保留方面的挑战，从人力资源计划中获取投资回报，并发现可能会错失的领导力机会。
人力资源分析还正在缩小人才、福利、人口健康的狭窄孤岛，使它们相互交叉，影响员工体验，造福个人。
预测分析：洞察力
与人紧密结合，分析是展望未来的力量：预测分析。劳动力数据使HR和企业领导者能够制定基于证据的决策，以解决和改善营业额趋势，留住高绩效人才、预测人才需求，甚至预测绩效低劣者的法律风险。预测性分析越能指导组织选择和发展其才能、奖励和人力资源计划，则对公司和个人的效果都越好。
今年早些时候，参与我们全球幸福调查的机构将预测分析的有效性评价为令人难以置信的84%。但考虑到这项投资的高昂成本，人力资源部和it部门必须协同工作，在整个业务需求范围内纳入多种方案，而不仅仅是预测单独的招聘和发展需求。
总结
市场上有许多人力资源技术和服务。至关重要的是，永远不要忽视目标：技术应该能够帮助公司及其员工更快地做出更明智的决策。在后台运行的管理平台应以改善业务决策和企业成果为目标。面向员工的系统需要支持人们实际使用其福利的方式，跟踪实现其职业目标的进度，并参与公司在健康、财富和职业范围内增强员工体验的方式。（了解更多：https://hrtechchina.com/）
但是，在与员工互动方面从来没有采用现成的方法，而人力资源主管需要不断评估其基础架构和独特的挑战。每个组织都有独特的需求，一旦明确确定了这些需求，就应该指出最能满足这些需求的技术。
我们遇到的许多会议参与者都采用了通过我们一直在谈论的强大分析工具，将整个HR技术领域整合到组织中的模型。他们坚持梦想，可以在汇总所有相关数据的情况下做出人员和业务决策。这说明了人力资源部门需要带头帮助IT部门了解完整人员数据分析的价值。
使员工的个人需求与组织的业务需求保持一致，对于使工人和雇主都取得成功是必不可少的。对于人力资源部门来说，要找出最适合使用的最佳技术，这是唯一会有所收获的策略。
以上由AI翻译，仅供参考！
作者：Scot Marcotte
来源：hrtechnologist
-
预测分析
HR部门该如何通过数据分析来提升员工体验？
文| patrick coolen
关于人力资源分析
2018年的德勤人力资本趋势报告显示，70％的受访企业都在进行重大的数据分析项目，并将人员数据纳入决策。我们可以认真地说，（预测性）人力资源分析开始成为主流。更多的组织正在使用统计或数据挖掘技术来分析人员数据，以支持他们的决策。因此，对于更多的组织来说，他们正在打破一堵墙，也就是从描述性分析转变到预测分析。
我们的组织在过去四年中使用预测性HR分析发现了约600种不同的见解。这些见解分布在所有业务线上，通过多种建模技术收集，如（逻辑）回归，（随机森林）-决策树模型，多层次分析和最近的生存分析数据（通常被用于用户流失预测）。
下面您会看到我们的一些商业研究目标（右侧）以及与不同输入变量（左侧）的关系的屏幕截图。正如你所看到的，多年来我们研究了客户满意度，销售额或其他财务指标，比如工作质量，工作效率等等。而且还有更多人力资源话题，例如旷工，参与度，目标和合作。
有很多组织正在从描述性分析转向预测分析。大多数预测分析工作都是在特设方案或项目基础上完成的。来自预测性HR分析项目的见解尚未实现自动化或产品化。为了在数据收集和研究方面采取更持续的方法，并能够将这些见解和创新转化成现有的或者新的产品，您需要更持续的分析方法。换句话说，我们最终需要从预测分析转向持续分析。同时需要与另一个目标结合，即最大化员工体验。
关于员工体验
对我们来说，员工体验一直是去年人力资源战略和转型的核心。我们的目标是为所有新旧员工设计和建造一个高价值，综合和相关度高的体验。我们坚信，当我们能够改善员工体验时，我们将创建一支更有积极性和生产力的员工队伍，以帮助我们实现业务目标。 根据IBM和Globoforce的一项研究，积极的员工体验与更高的工作绩效存在着正向联系，更少的努力和更低的营业额也是这样。
我们接下来将评估更高的员工体验对组织的业务目标的影响。
与许多其他组织一样，我们创建一个员工旅程，里面包含了员工生命周期中的所有体验。从新员工的“最佳开始”，到员工职业生涯和个人生活的“有意义的成长”，以及员工对团队做出重要贡献的时刻。员工离开组织时，会得到“伟大的大使”称号。
正是通过这些“重要时刻”，我们希望为员工带来改变，并最大限度地提升他们的体验。
一年前，我们进行了广泛的调查，以了解我们的员工对旅程项目的看法，并了解他们实际上会在什么时候、通过什么方式接触到HR联系，HR信息，福利，HR服务，HR报告等。
根据调查结果，我们做出了上面的主题列表。我们将它们分为五个阶段并对其进行优先排序，以便我们能够灵活高效地根据研究，开始改进最重要的员工体验主题。
一个例子就是我们在人力资源门户网站上有太多的信息。所以我们来自HR联系、HR共享服务部门和员工体验项目的同事们开始致力于减少内部网页的数量（共有800个）并创建更友好的用户界面，使我们的员工更容易、尽可能快地找到正确的信息。
还有更多的例子可以改善我们的入职体验，比如提升入职体验、掌握学习平台的基础知识和招聘流程。我们开了个好头，但是我们知道我们还没有完全达到目标。我们需要提高处理来自员工的不同信息并将其转化为行动和创新的熟练度和能力。换句话说，我们需要结合我们的员工经验和分析工作来创建持续的倾听策略，以便利用好人力资源并创造更多的员工和业务价值。
关于持续倾听
在我们更详细地阐述我们如何看待组织内的持续倾听之前，最好对此主题进行定义。因为某些组织所指的持续倾听是调查管理，而另一些组织则指的是以更广泛的视角使用各种类型的员工数据。所有的定义都没错，但是我们采用了Laura Stevens的定义（成功持续聆听计划的4个指导原则），所以只有你值得信任，才能够得到员工的信任。
- 持续倾听是一种协调一致的跨职能工作，通过采用以客户为中心的思维模式和分析技术，不断收集，整合和分析各种员工数据，从而最大限度地提升员工体验，并最终推动和提高公司业绩。
因此，为了理解是什么推动我们员工的需求和抱负，我们需要提高自己的能力并愿意“更好地倾听”。
前几年，我们主要通过年度表现调查来倾听员工的意见。许多组织已经从年度绩效管理转向经理和员工之间更持续的对话，但绝大多数组织仍在使用年度表现调查来听取员工的反馈意见。这是一个缓慢变化的过程，但像阿迪达斯（Stefan Hierl）这样的一些组织已经成功实行了一项调查策略，以不断更新的方式，对不同的主题进行调查。
当我们谈论与员工体验相关的数据时，我们需要将主动和被动收集的数据分开。这两种数据对于更好地了解员工需求都至关重要。
积极收集数据意味着我们在积极地听取员工所有的反馈意见。这可以通过年度调查、民意调查或专家小组问卷调查实现。
在这种情况下，被动收集的数据，即我们的系统中已经存在的员工数据，如交易数据（例如福利的使用，工资数额，学习行为，点击门户网站的行为），联系人力资源部门的数据（例如提出问题，投诉的数量）或社交媒体信息数据（比如内部社交媒体上的博客）。
这两种数据都需要管理。主动收集员工数据应该通过调查管理策略，遵守相应的和非常必要的指导方针，以避免GDPR（一般数据保护条例-general data protection regulation）泄漏，调查过度，糟糕的调查设计或简单地收集无效数据。
被动式数据通过现有的人力资源IT项目进行管理，可提高数据质量并以更有效的方式整合数据。
这就是为什么从广义上持续倾听是HR员工体验，人力资源服务交付和人力资源分析的共同责任。
拥有更好，更持续地倾听员工的技术能力是一回事，经常使用它是另一回事。基本上就是要像对待客户一样理解和对待员工。人力资源部门应该将自己定位为员工营销者。我们需要更好地了解不同的员工群体，他们的需求以及改善提升员工体验和表现的机会。
这需要人力资源部门的每个人都有不同的心态，特别是我们的流程和负责端到端体验的产品负责人。他们需要拥有以好奇心为基础，定期了解我们的员工的思维模式 ，识别和掌控员工领头人的能力，使用工具和数据的能力以及将员工反馈转化为动力的能力。
每个员工都是独特的个体，但在工作环境里他们都可以归类为某一种职场角色。比如新员工，经理，执行经理，面向客户的员工，初次管理的员工等等。基于这些角色，他们的职业阶段，家庭状况，需求等等，我们能够更好地专注于特定员工群体的具体解决方案。
最后，持续聆听不仅仅是创建或改进员工数据。这只是短期内的主要关注点，我们不应该忘记创造更明智，更相关的见解，以推动新产品和现有产品的创新。这就是为什么我们认为连续聆听应分三步进行分组的原因。
（1）创建员工体验数据（短期）
这一阶段的目的是主动收集来自调查，面板和pulse软件的员工数据以及来自交易系统的被动员工数据，以便立即改善部分员工体验。
对于主动倾听的部分，我们正在使用Willis Towers Watson的自助式调查平台。大多数调查通过这个平台得到支持。我们正在创建一个日历，在一年中不同时期传播不同的人力资源主题，以便在如参与度，领导力，多样性，协作或绩效等人力资源主题上进行更专注和更具针对性的调查 。
对于面板和pulse软件，我们正在与IBM连接，我们正在与来自Customer Experience（CX）的同事一起使用他们的平台。在这里，我们正在一个志愿者（员工）社区里试验，他们愿意立即回答我们可能对任何可能的人力资源话题或服务提出的问题。
（2）创造员工体验的见解（短期和中期）
这个阶段是关于在集成数据集上应用预测分析。这是一个推动创新的数据集成。通过整合数据和分析，我们更有可能找到类似以下的见解;
‘新加入者需要做些什么来加速提升他们的生产力并获得最佳地开始？’
- 将反馈或参与数据与销售或绩效数据相结合
‘首次转入经理角色的员工的具体需求是什么？’
- 将反馈或参与数据与交易数据相结合（转入经理角色）
‘我们如何才能最好地保留员工的特定关键角色？’
- 将反馈或参与数据与职场角色数据结合起来
‘我们如何帮助销售人员有效选择正确的学习干预？’
- 将反馈或参与数据与学习使用情况以及销售或绩效数据相结合
在我们的案例中，集成员工数据集的方法是一种实验性的高度灵活的方法。根据使用情况，我们需要评估可行性和潜在价值。在分析工具方面，我们使用SAS，Python和BigML的混合体。
（3）创造创新（中期和长期）
这个阶段是最困难的阶段。最后，您希望将您的见解转化为新产品或现有产品的创新。这就是真正的潜力是以更具开拓性的方式最大化员工体验的地方。大多数人力资源组织只是持续倾听之旅的开始 ，它们刚刚开始了解以员工为中心的方法的潜在价值，但仍然无法从综合数据分析中获得所有见解的可能收益。
以下例子说明了一些未来可能的创新。
如果我们能够找到第一次担任经理的员工的具体需求，我们可以通过线上职业指导或者门户聊天机器人将这些情报回馈给相关员工。
假设我们发现与好友（同事）进行每日或者每周一次的会议，对新加入者的生产力影响最大，我们可能会向新加入者，他们的好友和管理员发送“推送”（通知） ，通过WhatsApp，电子邮件或者其他应用程序确保这些对话实际发生。
将客户对他们直接接触的员工的反馈与NPS（消费者推荐该公司或者产品的意愿-net promoter score）评分相结合后，我们发现特定的学习干预对NPS没有贡献，例如闭环反馈干预。当员工在线学习时，他们登录学习系统（T2G）时可能会被推向最有影响力的个人学习干预方向。
如果您还想知道更多提升员工体验的建议，2018年度候选人体验大奖评选已经正式启动，将于7月20号举办颁奖典礼。届时，您可以在现场听到、看到最新最实用的候选人体验案例。我们诚邀您参加，详情可扫描下图二维码。
以上内容由HRTechChina AI编译完成，仅供参考
-
预测分析
为企业提供实时通信的预测分析解决方案，Altocloud获200万美元融资
用机器学习和大数据做市场分析和预测的公司不算新鲜，2 月份刚获得融资的6Sense就想用准确率85%的“第六感”做B2B市场的“预言帝”。6Sense 是预测买家的行为，协助企业商家优化销售业务。但针对消费者实时通信的预测和分析你见过吗？
Altocloud就是这样一家位于美国山景城的创业公司。近日这款实时预测分析解决方案获得了 200 万美元种子轮融资，由 Delta Partners、Digicel Group 和 ACT Venture Capital 领投。公司从去年 3 月份开始到现在一直在私测自己的软件产品。借助这轮融资，Altocloud 将继续完善产品，同时加深和电商、营销自动化供应商之间的合作。
Altocloud 提供的预测分析解决方案能够针对消费者线上实时行为做出预测并自主判断给出合理的建议。比如，Altocloud 的企业客户做的是一个购物网站，当消费者登陆这个网站时，Altocloud 提供的解决方案就会把这名消费者在网站上的行为和以前其他登陆过该网站的消费者行为做对比，做出分析和预测，然后给出一份实时的建议：例如，现在平台是应该向消费者抛出一个 live chat、一个产品打折的 offer、一个 video call、还是一个 phone call 会比较好——或者是什么都不做最好。
当然不止是网站，移动端的应用也是可以的。
Altocloud 的创始人 Barry O’Sullivan 认为，企业针对消费者提供的现有的通信机制，主要以呼叫中心的电话为主，而且是非常死板的电话通信机制，比如“按 1 请求 XX 服务，按 2 请求其他服务”等。这种机制持续的给消费者非常不友好的用户体验。
而 Altocloud 提供的方案可以用机器学习监测、预测消费者的动作，同时配合集成的网站实时互动功能，比如聊天等。在这块市场中，Altocloud 的核心竞争力是：这个平台能够自己智能的判断集成的互动功能应该以哪种形式、在什么时候出现在消费者面前效果会最好，而且不会引起用户反感。
除了实时通信的预测和分析，Altocloud 还为 Cisco、Avaya 和 Genesys 等企业提供传统呼叫中心的改善服务，以及针对 Marketo、HubSpot、Eloqua 和 Pardot 等营销自动化平台的补足服务。
[本文参考以下来源：venturebeat.com, businesswire.com]
扫一扫，关注“HRTechChina",聆听人力资源科技的声音！
扫一扫 加微信
hrtechchina
