-
人力资本分析
【推荐】员工体验的黄金标准：个性化（ Personalisation ）
近几个月来，人力资源个性化已经成为员工体验（EX）的黄金标准，并迅速成为人力资源部门关注的主要焦点。
个性化的员工体验和利润增长之间的联系已牢固建立。然而，根据Vishal Muktewar的说法，"只有不到29%的企业组织为其员工提供超个性化的数字体验（DEX），更重要的是，尽管这种个性化的好处是众所周知的，但63%的组织在他们的DEX中没有提供任何个人的个性化服务。”
在这篇文章中，我将定义人力资源个性化；展示人力资源个性化的例子；提醒我们为什么它很重要；并概述一些重要提示，以帮助你开始人力资源个性化之旅。
什么是人力资源个性化？What is Personalisation in Human Resources?
人力资源中的个性化不是 "一刀切 "的做法，而是利用数据让员工选择最适合他们情况和需求的奖励、福利、L&D和其他 "产品 "的要素。此外，员工使用技术来获取他们想要的元素，就像消费者获取公司的产品一样。
人力资源个性化的关键：以数据为导向的设计
简而言之，个性化是根据公司了解到的个人信息来定制体验或沟通的行为。
然而，正如Tom Haak所指出的："今天的大多数人力资本分析工作都非常关注组织的需求。注重人力资本分析对员工的好处，需要采取不同的方法。" 因此，为了向员工提供个性化的奖励、福利、L&D等，组织需要考虑这些不同的元素，不是为员工提供的福利，而是作为员工评估和消费的产品。
如果人力资源部门内的各个支柱将自己视为产品设计师，他们会希望确保他们的最终产品是由客户的需求和愿望塑造的，并将被他们使用和喜爱。产品设计师不只是观察他们的终端用户，他们往往会让他们参与到设计过程本身。
虽然人力资源服务部门已经开始使用设计思维技术来获取员工数据，但对于人力资源支柱部门来说，做同样的事情也同样重要，甚至更重要。
个性化的人力资源产品
想象一下，两个员工，在同一天出生，在同一天加入公司，在公司里担任同样的角色，在公司里担任同样的级别。然而，他们是完全不同的人，有着不同的志向。"一刀切 "会让两人都失败。
例如，在奖励方面，正如《激励与动力》所指出的：如果你表现出色的销售人员不喜欢足球，向他们提供足球票有什么意义？如果你的销售团队中只有一个人或没有人喜欢足球，这就不值得了。
允许员工个性化他们的奖励元素，使他们更加投入。仅仅因为某人已经55岁了，并不意味着他们一定要为他们的养老金投入更多的钱（而且认为他们必须这样做是傲慢的）。在个性化福利的世界里，"员工希望现在就能获得适合他们的福利"。
在学习与发展方面，人们早已清楚，"你不应该再在同一时间给每个人上同样的课""通过允许学习者设定自己的目标，独立于培训师工作......他们可以按照自己的节奏学习，并掌握自己的学习进度。"
个性化的人力资源服务
尽管我们人力资源部门可能希望如此，但人们只有在以下情况下才与人力资源部门接触：
他们的生活中出现了私人事件--也许是孩子的出生
他们正处于员工旅程的某个阶段，例如晋升
人力资源部门发起了互动，例如年度薪酬审查。
不管是什么原因，当人们与人力资源部门接触时，他们要么想要寻找信息，要么想要完成一些事情，要么想要解决一些问题。
在专注于人力资源个性化的人力资源服务体验中：
在寻找信息的时候，员工不会看到冗长的政策文件或常见问题，而是只得到与他们相关的内容--不仅基于他们的角色、任期、地点、就业类型，还包括他们搜索的意图和适合他们学习风格的格式。
当希望完成一些事情时，而不是被期望使用多个人力资源系统进行自助服务（这意味着首先他们必须先接受如何使用这些系统的培训），一个总体的体验层或聊天机器人充当了中介的角色。
当需要解决一些问题时，人工智能会分析他们的问题并将其分配给正确的人，而不是让他们自行处理并向正确的服务台提出案例。
人力资源个性化示例：联合利华的个性化整体福利
在接受Louron Pratt对员工福利的采访时，联合利华前全球福利主管Peter Newhouse说："我们决定，因为不是所有的员工都是一样的，他们需要有机会选择适合他们需求的福利。因此，提供灵活的整体福利，使联合利华能够为其员工提供个性化体验；他们会收到不断的更新，提醒他们有哪些新的福利提供，以及哪些福利最适合他们目前的情况。"
个性化的人力资源服务：门户网站、聊天机器人、API等
拥有个性化的人力资源产品非常好，但是，如果员工访问它们的方式不是个性化的，那么问题就没有得到解决。
而问题在于，员工在工作中使用的技术远远落后于他们在个人生活中使用的技术。
正如Benefex最近指出的：60%的员工说工作场所的技术不如消费者技术先进。而且，正如Sapient Insights Group在其2020-2021年的调查中解释的那样，现在平均每个组织部署了16.24个人力资源解决方案。
"作为第一步，许多组织正在部署个性化门户，在与员工的第一个接触点引入个性化，同时在一个平台上提供所有人力资源服务和内容的访问。"
为了实现人力资源的个性化，API连接到核心系统，浮现数据，并允许数据从这些系统外更新，无论是从门户内还是通过聊天机器人。
但是，在员工享受真正的Netflix式的体验之前，我们还有很长的路要走，他们可以使用系统要求休陪产假，并被提示将他们的孩子加入他们的健康保险!
为什么人力资源的个性化很重要？
简单来说就是钱。有明确的证据表明，优秀的员工体验可以提高员工参与度，这反过来又导致了客户满意度。满意的客户会成为忠诚的客户，从而增加利润。
个性化提供了出色的员工体验。
正如Fujitsu Global的北欧和西欧人力资源主管Jason Fowler所指出的。"个性化的服务为员工和组织之间提供了更大的联系感。通过培养适合员工情况的关系，以及雇主关心这些事情的环境，这意味着个人可以更好地专注于他们的工作，以更多的参与和投入。"
7个关于人力资源个性化的提示和提醒
1. 请记住，员工是人，配置文件是变量。把员工视为消费者和客户。
2. 使用设计思维技术来创造你为员工提供的产品（福利、学习和发展等）。让它们变得灵活并与他们相关。除非法律规定，例如工作场所养老金，否则让他们选择符合他们个人需求的产品。
3. 以销售和市场营销部门建立客户旅程的方式建立人力资源服务旅程。尽可能多地使用数据来实现个性化体验。如果你知道某人在马来西亚，就不要给他印度的详细信息。如果你已经知道答案，就不要问他们问题。
4. 当员工进行信息自助服务时，摆脱那些需要他们搜索与他们相关的内容的常见问题，只为他们提供简单的相关内容。
5.当人们希望完成某件事情时，利用数据和流程，像亚马逊一样行事。
例如，如果有人要求休陪产假，提醒他们将新的孩子加入他们的健康保险（如果有的话）。但要确保他们没有先做这件事!
6.当想要修复一些东西时--比如丢失的工资单，如果需要的话，让员工更容易传递给一个人。
7.通过开发一个全方位的体验层--聊天机器人或门户网站，减少员工必须使用的系统数量。设计本身可以是通用的，但内容应该是个性化的。
结论：个性化的人力资源以提高生产力
简而言之，过去那种由人力资源部门为员工选择人力资源产品，而人力资源服务则依赖于员工的时间和精力的做法已经过去了。
尽管在员工体验领域已经取得了进展，但自由选择和针对个人的数据驱动的客户式体验是未来释放生产力的关键。
-
人力资本分析
2022年，员工体验（Employee Experience）的未来是什么？
员工体验是指员工从申请组织的工作职位开始，一直到最后一天所遇到的一切，包括入职、培训、日常工作、审查、晋升或借调等之间的一切。根据一个组织对重要时刻的重视程度，可以决定员工对组织建立的印象是积极的还是消极的。辞职大潮使许多企业真正停下来考虑他们的员工体验。在过去的一年中，许多辞职的人表示，他们这样做的原因是为了寻求更好的薪酬，更好的机会，更重要的是希望有远程工作的自由和拥抱灵活性。无论给出什么理由，这场运动的总体声明是，员工希望改善员工体验。
为什么员工体验很重要？
正如许多公司正在学习的那样，员工体验可以影响组织的底线和商业影响。对雇主来说，了解和衡量员工体验工作的影响是很重要的。如果一个员工认为他们在公司的经历是具有挑战性和压力的，有两件事会发生。首先，他们在为公司工作时不太可能有生产力，这意味着他们可能会有不良的职业道德，并有可能无法达到公司的目标。其次，口碑和第一手经验对于声誉的建立远比组织利用的许多其他渠道的销售渠道更有价值。因此，那些觉得自己有负面经历的员工，无论是在他们的网络上还是在社会工作平台上，都不太可能对公司进行有利的讨论。
如何改善员工体验？
好消息是，积极的员工体验可以通过收集和分析正确的信息来发展。在我们2020年的研究《规模交付价值：人力资本分析的新运营模式》中，企业领导人将员工体验列为他们可以通过人力资本分析实现商业价值的第二大领域。在我们最近的数字人力资源领导者系列播客中，我们询问了5位思想领袖，他们认为员工体验在未来12个月及以后将如何发展。有了这些信息，雇主们可以将他们的精力转向创造员工体验，他们将看到令人鼓舞的结果。
1. 专注于员工参与
组织的员工参与基本上是，人与人之间的联系。企业需要认识到，那些为公司共同目标工作的人需要感觉到自己是整个使命的一部分。这来自于员工与企业领导和同事的联系。
关键是要让他们聚在一起。根据专门研究人类行为的未来的社会心理学家和Whetston公司的创始人Thimon De Jong的说法，如果你不能让他们在一起，比如在办公室或工作区，那就想办法让他们联系起来。由于大流行和更多的人在远程工作，参与有更大的挑战。雇主们应该超越笔记本电脑的范畴，寻找能让相隔千里的人们聚在一起的技术。
2. 超级个性化
了解不同部门和不同行业的员工每天可能需要克服的独特挑战，将有助于雇主改善员工福利和员工体验。
这都是为了让生活整体上更容易。渣打银行董事总经理兼劳动力管理和分析全球负责人Steve Scott认为，就像Netflix或Spotify从过去的搜索中进行 "提示 "推荐一样，组织可以为员工的学习或职业道路提出个性化的建议。此外，个性化的提醒可以使员工免于错过最后期限的尴尬，或者提示他们去找一个有段时间没联系的同事谈话，这些都使生活更轻松，使员工体验更积极。
3. 改善和增加员工反馈
从员工那里得到反馈，可以让公司诚实地了解事情是如何运作的，以及它是如何真正影响到那些在他们推出的政策和程序下工作的人。有了从员工那里收集到的真实数据，公司可以做出更有用的决定，提高员工体验。
根据Medallia的员工体验实践负责人Melissa Arronte的说法，摆脱匿名或保密反馈是雇主要考虑的一个方向。员工的反馈可以是个人的，并对提供反馈的人有所贡献。这让员工感觉到他们要说的话是很重要的，而且公司希望听到反馈，因为我们都是站在同一边的。
反馈也可以给对方，而不仅仅是上层管理人员。而且，它不一定非得是正式的书面形式。一个快速的电话或一个简短的视频就可以拥抱正在改变人力资源面貌的新技术。
4. 员工体验不等于更好的绩效
重要的是要认识到，员工体验不仅仅是员工参与。需要理解的是，底线是那些能够很好地完成工作并富有成效的员工会比那些只是参与公司的员工感受到更好的员工体验。
对于那些摸不着头脑的人来说，其逻辑是这样的。正如70:20:10研究所的 Charles Jennings 合伙人所描述的那样，当员工有能力很好地完成工作任务时，他们就会有更大的工作满足感，并且对自己感觉良好。因此，在即将到来的一年和以后，雇主要确保他们给员工提供他们所需要的一切，使他们能够以最佳的表现完成工作。
5. 大辞职与混合工作
据预测，大辞职潮还没有结束。尽管如此，许多员工仍在考虑更换雇主，寻求更多的工作/生活平衡，并将家庭和心理健康放在首位。但正因为如此，员工更有可能感到与公司脱节和孤独。认识到这一点，Novartis战略劳动力规划主管Rene Gessenich解释说，公司将希望对激进的灵活性持开放态度，包括人们工作的地点、时间和方式。但他也提到，随着灵活性和混合工作的出现，企业希望努力在团队层面上将人们团结起来。当他们的团队在任何情况下都能高效工作时，企业将改善员工的体验。
主要启示
在新的一年里，商业领袖和人力资源专业人士将看到对员工体验的持续关注，以及它如何帮助公司实现其底线。优先考虑员工体验的组织会看到更快乐的团队，更少的人员流动和更多的员工。
作者：Manpreet Randhawa
-
人力资本分析
如果你正在领导人力资本分析（People Analytics），现在该怎么办？创建人力资本分析仪表板
人力资本分析从业人员所熟悉的话题：人力资本分析仪表盘。
设定场景。
"你刚刚在人力资本分析领域找到了你的第一份重要工作。你一直在努力工作，而组织刚刚抓住机会，让你建立他们新的人力资本分析梦之队。你虽然紧张但又充满能量。你想迅速引起轰动。你会怎么做？"
许多处于这种情况的新的人力资本分析领导者，在对组织进行评估后，会决定采取行动，创建一个人力资本分析仪表板。这是个古老的东西，但也是个好东西。如果你是一个新的领导者，并且专注于速度-价值商数，你可能会从这里开始。但为什么呢？
如果你是一个雄心勃勃的、前卫的领导者，在领导你的第一个人力资本分析功能的情况下，你可能会想："我从组织和人力资源部门的领导那里得到了坚定的职责和积极的授权，以满足他们对前沿人力资本分析的需求。组织领导期待着一个巨大的突破，而我在ML和AI方面的技能已经磨练了多年。让我们给人们他们想要的东西--通过先进的预测性分析来实现工作的未来！"
我祝愿你在这项工作中取得好成绩！这听起来很了不起！我唯一担心的是一旦你遇到创建一个新职能的组织实际情况，你的成功几率就会降低。它们包括但不限于：糟糕的数据、没有数据、缺乏系统、争夺预算、领导不知道如何处理数据、文化冲击，有时甚至更糟糕的数据。
你可以做一些事情，大大增加你的长期可扩展成功的机会，为你和你的团队建立带宽，并以增加人力资本分析的可信度的方式使数据民主化。你可以开发一个人力资本分析仪表盘。
从我的角度来看，开发这样一个仪表盘需要（宽泛地）三个步骤。数据，背景，和故事。
第一步：数据
你可能在想，我很快就淡化了人力资源部门对AI/ML的需求。我没有。在我的职业生涯中，一些最有价值、最有洞察力、最能激发智慧的工作需要先进的技术。然而，在一个人力资本分析职能部门的新领导人的背景下，直接的挑战是可能的事实，即客户没有，从来没有，也不习惯于拥有他们需要的数据来做决策。因此，一个新的领导者的第一步必须是获取、构思和增强数据的民主化。
诚然，人们分析的 "极客"（即可能有编程、数据科学/工程和/或数据基础设施背景的人）会最喜欢这一步，在不灵活的情况下，会卡在步骤1，这可能是他们的死穴。他们会发现这一步对智力的刺激很大，原因是需要解决大量的问题，比如：整合来自多个来源的数据，清理数据流，建立数据处理程序，创建数据字典和定义，试验不同的技术来存储数据，处理数据，和自动化数据处理。这可能是一项永无止境的工作，有些团队从未离开过这个步骤。
尽管有前面提到的注意事项，让你的数据 "正确 "是基础的一步。一个新的领导者将需要一些基础数据源来创建一个有目的、有意义的人力资本分析仪表板。这似乎是一个平淡无奇的话题，但我已经看到整个人力资本分析会议联盟致力于凝聚标准化的人力资源指标，每个企业和企业领导人都应该通过人力资本分析仪表盘来关心这些指标。事实上，适合你的公司的最有意义的数据来源很可能不是标准的，而是针对你的行业、员工构成、你的客户价值主张和你的组织的。尽管每个公司都是不同的，但这并不意味着创建人力资本分析仪表盘的一些数据来源/系统在各组织之间不一致。这些系统包括但不限于以下系统：核心HCM（招聘、人数、营业额、薪酬等。这可能是你最广泛的数据源），销售系统（Salesforce等），运营系统和吞吐量（ERP系统如SAP，自制的内部系统等），安全，技术和工程数据（Jira，Asana等），甚至更多的实验数据（例如，Zoom会议，日历邀请和Slack互动）。
无论数据来源和系统如何，一个新的领导者将需要某种类型的数据库来汇编和存放这些数据。在中长期内需要哪种类型的数据库的决定，通常会归结为新技术的传统 "建造与购买或借用 "的决定。但不可避免的是，我愿意赌上几个硬币，几乎每一个刚接触人力资本分析的团队都可能开始使用Excel/Access或GSheets，至少在他们进行实验/原型设计的时候，将他们的数据整合到初步的可视化中。如果我的经验是指示性的，再加上我遇到的许多其他领导人，在人力资本分析领域更广泛的现实，许多团队从未离开这个原型阶段。我想这并不是世界末日，但对于一个新的人力资本分析团队来说，这绝对是一个早期的高原期。从我的角度来看，这个高原期可能是一个负面的原因，因为它可能会留下 "钱/价值"。使用Excel等工具推送原始和/或汇总的数据报告，并期望企业/人力资源部门的领导用这些数据做一些有价值的事情，这种循环从根本上来说是有缺陷的。我们将在第2步中进一步讨论这个问题。
如果你的团队有兴趣超越一个简单的Excel报告/仪表盘，持续改进产品的周期应该是这样的：集中数据，数据可视化原型，获得用户反馈，投资于与业务影响相关的数据/可视化，重复。这个过程松散地基于敏捷方法论、最小可行产品（MVP）和软件开发（关于资源，请看这样的地方），但显然这个过程应该根据你的团队的技能组合、你的组织、团队/技术的投资水平等进行调整。
与此相关，这里有一个关于前面提到的 "建设与购买 "路线的简单对比。如果你决定走 "购买 "路线，有许多成熟的供应商，如Visier和One Model，以及新兴的供应商，如eqtble，都可以竞争你的业务。所有的供应商都有优点和缺点。相反，如果你决定走 "构建 "路线，你可能会考虑通过R Shiny这样的开源产品，或通过购买的产品，如Tableau或Looker，来创建你自己的网络应用程序来承载你的人力资本分析仪表板。这条路也有它自己的优点和缺点。
第二步：背景
不是所有的人的分析仪表板都是平等的。你猜谁决定了仪表板的价值？是解决方案的架构师吗？还是数据分析师？仪表盘的客户--通常是业务领导、部门领导、人力资源领导--决定它的价值，并最终决定它的使用。决定仪表盘所产生的价值的，或任何被共享的数据的，是背景。然而，背景不能在分析员所隐喻的小房间里得到，而是要在组织决策的舞台上得到。在我看来，有两种背景，它们都是赋予固有的无价值数据以价值的先决条件。
1.组织背景
2.数据背景
首先，作为一个新的领导者，你必须了解组织的背景。这一步是人力资本分析走出纯粹的数据分析领域的地方--因此，这也是 "极客 "们可能感到最不舒服的领域。对许多员工来说，人员成本占公司运营费用的70%左右（显然，这可能因公司和行业而异），这让人感到惊讶，但对任何财务主管来说，这并不令人惊讶。如果你真正考虑到有时是数十亿美元的企业，这是一个惊人的资金和投资数额，而这些是大多数人力资本分析机构所居住的组织。因此，我想的方式是，人力资源组织的汇款是正确投资和衡量组织70%的运营成本的投资回报率。这就是为什么我发现，当讨论一个组织中运营成本较低的部分--如IT、财务、集中式数据科学、运营等--的财务投资时，这些组织往往不会对在技术、数据和基础设施方面投入大量资金以更好地了解其组织的行动背景感到惊讶。而人力资本分析往往要通过乞讨、借用和偷窃来试图建立、构建和实施基本电子表格之外的任何数据机制，以服务于组织最大的OpEx支出。然而，如果人力资本分析的领导者能够充分理解他们产生的数据如何与组织的优先事项保持一致并产生价值，这种不公正就会迅速消失。
其次，一个新的领导者必须了解数据的背景。我发现令人惊讶的是，有时我认识的非常聪明的人并没有意识到，没有背景的数据表面上是没有意义的，无法解释的。他们往往有一种 "梦境 "的心态，认为 "如果你建立了它[即，"它 "是一个可靠、准确的人力资本分析仪表盘，并具有视觉吸引力、动态、实时的方式]，他们就会来["他们 "是企业和人力资源领导人]。这不是真的。这是风格大于内容，这个论点我将在其他时间讨论。当领导者看到这种类型的仪表盘时，双方（领导者和人力资本分析团队）都会感到疑惑。人力资本分析团队期望得到赞扬，并展示了仪表盘，而领导者的反应是 "这看起来不错，但我应该用这个做什么？" 在我看来，只有三种方法可以为数据提供背景，让大家觉得有意义。
- 一个目标
- 一个基准
- 与以前的自己进行比较（即，随时间变化的数据趋势）
没有这些，数据就只是数据。这三个提示给了任何人隐含地查看数据的背景（即，没有科学方法和试图证明因果关系）。它们还允许回答 "我们如何知道我们所做的事情是否有效？"这一问题的许多变种。我个人最喜欢的目标，允许观众以二分法的方式知道 "我们是高于还是低于目标？" 如果你有OKRs、成功指标和/或关键绩效指标，不假思索地规定目标对业务有意义，那就真的有帮助。基准，是我最不喜欢的，因为它很可能鼓励平庸，它可以让观众回答 "我是否与竞争对手/参考点持平 "的问题？一个与以前的自己进行比较的数据点，将你今天的位置与你过去的位置进行比较。这种背景是理想的，可以看到为解决一个问题所花费的努力和资源是否导致焦点变量随时间的推移而增加或减少。
当反思你的组织当前的人力资本分析仪表板时，请随意问自己一个问题："这些数据是被我的客户推送的还是被我的客户拉动的？" 很可能，如果你的数据缺乏背景，你只是把它推给了不高兴的客户。然而，如果你的数据包括必要的组织和数据背景，你就会被拉去做更多的事情。这是一个很好的问题。
第三步：故事
光有背景还不足以让人事分析仪表盘产生影响。仪表盘中的数据有机会来追踪、告知和阐明组织的过去、现在和未来的故事。这个故事很可能具有任何好故事的叙事弧度。想象一下，如果你是一个组织的领导者，而你的组织内部有人能够用数据向你明确地展示你的组织的历史，你的组织现在在感兴趣的指标上的位置，组织在概率意义上的 "去向"，甚至有时 "为什么 "你会看到正在看到的问题。如果做得好，你的组织的故事可以带来增值的 "自我服务的数据即产品"，这是许多人力资本分析功能努力实现的。
理想情况下，随着前面提到的改进人力资本分析仪表板的迭代过程的发展，数据和延伸的 "故事 "变得更加复杂、细致和有价值。我有一个假设，在人力资本分析甚至更广泛的科学中，一个最没有被研究的概念是 "时间 "的概念（有时称为时间效应）。时间有什么影响？想象一下，能够在足够长的时间内讲述组织的故事，你可以对一路走到行政级别的初级员工进行队列分析。撇开幸存者的偏见不谈--这种水平的洞察力难道不令人难以置信吗？另一个让我感兴趣的概念是将影响、成功指标和投资回报率嵌入到这个改进人力资本分析仪表板的反复过程中。作为一个新的人力资本分析领导者，如果你能将实现的价值嵌入到仪表盘本身，为什么要去做六个月的项目评估，以确定你的工作价值？
想想你知道的任何一个好的故事。它是一个单向的对话，独白，还是独白？不是。所有好的故事都包括对话。人力资本分析仪表盘也应该如此。信息的流动不是单向的对话，而是一个持续的递归，数据通过叙述和背景流向决策者，而决策者根据组织的变化进行处理、校准和行动；这反过来又会导致对仪表盘所需变化的反馈，比如背景和所讲的故事。“球一直在跳动”，故事也不会结束。
作者：Cole Napper
往期系列文章：如果你正在领导人力资本分析People Analytics，现在该怎么办？ 人力资本分析的战略和实施
-
人力资本分析
如果你正在领导人力资本分析（People Analytics），现在该怎么办？ 人力资本分析的战略和实施
引言
新的一年我决定，把我的一些想法公诸于众，看看它们是否能给别人带来启示或指导。这些想法是我自己的，并不反映我的雇主的想法。我已经在一些组织中开始了人力资本分析工作，所以还有什么比 "你正在领导人力资本分析，现在该怎么办？"更好的系列标题呢?
人力资本分析的战略
作为一个刚开始从事人力资本分析工作的领导者，在关注短期影响和长期执行之间取得平衡是很重要的。取得这种平衡可能是一种挑战，尤其是在面对你的老板、组织或你的客户可能要求的现实时。当考虑到你的人力资本分析战略时，有两种执行模式需要注意：
1）只用容易得到的坏数据来做太多的高级分析；
2）在提供任何价值之前，只把精力放在改善数据基础上，并持续很长一段时间。
然而，作为一个关键的战略制定，我所建议的是，随着你的发展和成熟，为企业提供价值，换句话说，在企业需要你优秀的地方做到优秀。要像非洲的移动电话一样。让我解释一下。在研究生阶段，我与一家跨国公司合作，将业务扩展到非洲，该组织需要了解在那里开展业务的运营环境。研究的一个重点部分得出结论，非洲的许多地区正在从0G移动电话服务（即没有手机）到4G（在当时，4G技术被认为是领先的），似乎一夜之间。在非洲大陆运营的电信公司跳过了发达国家电信业的所有步骤，直接进入4G，包括成熟期、资本分配，可以说是浪费。以这种方式运营有时被称为落后者的优势，因为 "落后者 "跳过了作为早期采用者的所有痛苦步骤，立即成为 "世界级"。关于人力资本分析，我常说 "在你的公司需要你成为世界级的地方成为世界级，而在你有时间和资源之前，你可以忽略几乎所有其他的事情"。
人力资本分析的实施
作为人力资本分析的新领导者，需要注意的另一个领域是量化人力资本分析工作影响的概念。我个人将此表述为 "我们如何为自己买单？" 在我看来，作为人力资本分析职能部门，有三种方式可以为自己买单：1）直接，2）间接，3）人们喜欢/重视你的工作。
如何为自己买单
1.直接 — 这是最线性的路线。你的团队的工作必须明确显示出对企业的实际利益。一个简单的例子是销售，一个人力资本分析项目可以帮助销售人员销售更多产品。1 + 1 = 2，即时投资回收率。
2.间接 — 这条路线需要更多的科学和时间来证明，但可能更常见。你的团队工作改善了工作业绩的某些方面，从而证明对企业有切实的好处。另一个简单的例子是提高销售领导力。一个人力资本分析项目改善了销售领导力；然后，改善的领导力又改善了销售业绩。分析+领导力=改进领导力。改进的领导力+销售=改进的业绩。
3.人们喜欢/重视你的工作 — 说实话，这条路线有时会让灯亮起来。它不应该，但它确实如此。尽管我很想成为一个纯粹的经验主义者，但为你的团队存在感买单的人喜欢和重视你的工作是相当重要的。
知道你是否在为自己买单很重要，因为有一个我从未听别人说过的观点，但我认为是明显正确的，即 "人力资本分析项目的努力和影响之间没有关联"。作为一个个人的例子，我在 "餐巾纸背面 "上完成的人力资本分析模型，有时比花了几个月或几年才完成的项目对内部利益相关者更有帮助和洞察力。前面提到的箴言需要某种建议，以确保努力不会以无偿的方式浪费，而我的处方是最小的必要力量。前提是：在回答研究问题/假设时，要尽可能地增加分析的复杂性。只有当它是必要的、增加价值的、被利益相关者/客户认为是重要的，才会增加复杂性；否则就停止。实施这一策略将有助于把浪费的精力和资源保持在最低限度。
我发现一个有用的方法来概念化最小的必要力量，就是下面的2 x 2图表。一个轴是项目的 "业务价值"；另一个轴是 "回答问题所需的时间/科学严谨程度"。下面是该表和我在每个象限内的评论：
时间/价值2 x 2图表
领导力
一个新的人力资本分析领导者的成功或潜在失败，有一个不为人知的部分是他们的个人领导风格和新领导者表现出来的操作方法。
当我加入一个新的组织时，有一套操作原则，可以帮助我和我的团队知道在哪里集中精力，如何快速增加价值。这些原则如下：
人力资本分析操作原则
统一性—以慢为快，始终做对企业有利的事情。
可扩展性—为100人做一次事，而不是做100次。
创新—努力使自己每天都有1%的进步，并不断改进我们为企业所做的事情。
公信力—永远要衡量两次，削减一次；公信力一旦失去就永远不会再有。
我过去的团队看到这里会笑的，因为他们知道我重复了多少次这些原则。他们可以从死记硬背中告诉你 "做有用的事，而且只做有用的事"—因为多做（生产过剩）或少做（做得不够好，无法产生影响）都是浪费。
但你怎么知道你所做的事情是有效的呢？答案有三个支柱：
科学—如果没有科学的证明，你就不可能知道你所做的事情是有效的。
数据—没有数据的支持，你怎么能证明它？
执行—如果你不把学到的东西付诸实践，那么这一切都只是一种浪费。
我的承诺
最后，在考虑领导一个新的人力资本分析职能时，还必须考虑到你对你的团队做出的隐性领导承诺。领导者必须问自己一个问题。我如何领导？我个人的领导座右铭是基于我的三个承诺：自主权、掌控权和目标。
自主权—我承诺我将始终赋予为我工作的员工权力，绝不对他们进行微观管理—即使他们要求我这样做。我承诺给员工提供大的角色，让他们能够学习和成长。
掌控权—我承诺始终推动我的团队成员不断改进我们向客户提供的服务。如果我们不首先改进和发展自己，我们就不可能为客户持续改进。因此，我承诺总是首先投资于我的团队，磨练他们的能力，让他们有机会在他们的工作中成为 "世界级"。
目标—我承诺，我们作为一个团队所做的一切都应该对企业和所有员工产生积极影响。这种影响将使团队中的每个人有机会知道他们所做的工作在个人和职业层面上都很重要。
作者：Cole Napper
-
人力资本分析
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
-
人力资本分析
人力资本分析（PA）中的系统理论 — 开放世界游戏的乐趣
简介
Uncharted系列游戏和Zelda系列游戏都有伟大的故事情节，精心编写的人物，激烈的动作场面和强大的情感回报，那么这些游戏之间的主要区别是什么？Uncharted是一个线性的故事体验，有点像读一本书，有特定的事件顺序，有开头、中间和结尾，你在如何体验故事方面没有什么自由。 Zelda 则完全相反，它是一个开放的世界游戏，意味着你有充分的行动自由，故事的发展是由你的行动或探索决定的。两者都提供了非常不同类型的体验，一些玩家热衷于开放世界游戏，而另一些玩家则喜欢体验更有条理的游戏方式。
这与系统有什么关系？系统思考的工具更符合上面的未知体验—我们设置了场景，介绍了一些清晰的例子，并给你提供了各种工具，暗示你如果把这些应用到你的人力资本分析项目中，最后会有一个整洁的解决方案。虽然这为你提供了一个坚实的基础，但系统的内容远不止这些。
系统理论是包含系统思考的总体理论，是一个精确的框架。它让你清楚地认识到，在人力资本分析实践中，你应该把探索和实验的方向放在哪里。从这个意义上说，理解系统理论更像是被扔进 Zelda 的大型游戏世界，带着一把小剑，在没有很多指引的情况下自生自灭。虽然系统理论需要用一生的时间来掌握，但你只需使用它的少数核心工具就能取得巨大的成果。因此，我们有必要向我们的人力资本分析和人力资源专业人员和学者同行多介绍一些它的概念。
系统理论概述
让我们从作者的一个真实故事开始。想象一下，你在一家中型科技公司的人力资本分析团队工作，你被告知在过去的12个月里，研发部门有不少工程师相继离职。这对所有高级利益相关者来说都是一个紧迫的问题，所以你开始按照常规步骤，尽可能多地收集数据。你采访当地的利益相关者，收集来自人力资源信息系统、ATS和LMS的各种数据，并开始创建预测模型,但令人沮丧的是，所有的预测模型都显示早期预警信号，而不是告诉你工程师流失的真正根源。
尽管这是一个相当基本的例子，但从中可以很好地说明系统理论的第一个原则。所涉及的人力资本分析团队主要关注员工个人的数据，并在一定程度上关注团队/公司的内部环境，而没有考虑这种情况所发生的更广泛的系统。如果该团队使用了一些系统理论的原则，他们会更幸运地找到问题的根本原因。那么，什么是系统理论，它可以应用于人力资本分析业务吗？
顾名思义，系统理论是一种跨学科的系统理论，起源于生物学。它的核心是通过系统的边界和内部以及外部的专业化来定义系统（Willke, 2000）。根据这个定义，任何事物都可以是一个系统。
开放和封闭系统
系统理论最重要的区别之一是封闭系统和开放系统的区别。
封闭系统是固定的实体，完全独立于其周围环境而运行。例如，我们写这篇文章的电脑主板就是一个封闭系统—无论我们是在办公室还是在家里，或者在希腊岛的海滩上，它的运行都是一样的。
开放系统只有在与环境接触时才会依赖和发展。像我们例子中的大型组织和公司，被认为是具有两个关键特征的开放系统：
1.所有的组织和组织行为者都被嵌入到一个更广泛的、分层的系统中，他们的所有行动都是由他们所处的环境决定的。
2.系统中任何元素之间的相互依存关系意味着，组织中一个领域的任何变化必然会引起其他领域的变化。
系统层次
我们将在下面的建议中重新审视这两个特征。现在，让我们来看看组织开放系统的基本构件：
1.我们从个人系统开始—我们每个人都是由多个相互依赖的子系统组成的，例如认知（头）、情感（心）、观念（手）三者。两个人在某个中立的地方相遇，就代表了一个dyadic系统。当他们互动时，他们与他们的子系统互动，主导系统之间的不匹配可能是麻烦的来源；例如，一个人可能专注于认知，而另一个人可能专注于情感。
2.当第三个人出现的时候，一个微观系统就出现了，在这个微观系统中，每一方都与所有其他方相连。
3.一旦一个更大的、相关的背景与该微观系统相连，超过了原来的微观系统，一个中观系统就产生了。例如，如果三个人相遇并创办了一家公司。随着最初的中间系统的成长和扩展，更多的微系统将在其中被创造出来。在这一点上，中间系统塑造了微观系统，因为微观系统塑造了中间系统，两个系统都塑造了个体系统，因为个体系统也塑造了它们。地方塑造人，人也塑造地方（Schneider, 1987）。
4.这个概念可以通过把两个中观系统放在一起，形成一个外观系统，例如一个行业，在行业协会或卡特尔的情况下，甚至可以在其中创造一个新的等级制度来进一步旋转。许多行业和其他系统形成了社会，许多社会形成了超级结构。这种更广泛的系统层面被称为宏观系统。
上述内容对人力资本分析和人力资源专业人士的影响是显而易见的。更多的时候，我们只关注个人系统（如HRIS或ATS中的个人记录）或微观系统（如团队），而忽略了相关的高层系统。特别是一些需要评估的外系统和宏观系统的因素，例如，包括：
- 政治影响
- 集体谈判协议和劳动法规
- 竞争者的影响
- 文化规范和法规
- 环境因素
同时，对个体和特定微观系统的关注意味着我们对这些系统之间的相互关系和它们的互动没有给予足够的重视。
系统理论概述：涌现、自我组织和等价性
涌现指的是复杂系统中存在的行为，这些行为可能不存在于其单独的部分—换句话说，系统的不同部分一起做什么，而它们并不单独做。俗话说，整体大于部分之和。涌现的概念由来已久，植根于生物学、哲学和社会学。用一个通俗的比喻来说，"涌现 "就是同时看到森林和树木，而不是只关注其中的一个。对于了解整个组织和它们所面临的问题来说，理解涌现可能是关键。例如，考虑到对领导者的崇拜，创始人和其他有影响力的领导者可以在组织中创造出持续很长时间的结构和政策，并影响工作场所的新兴行为，这在个人层面上是无法观察到的。每当面临组织问题时，牢记涌现的概念是理解问题的各个方面的关键。
自我组织是一个类似的话题。实际上，涌现和自组织经常被捆绑在一起作为复杂性的科学。将其简化为一个核心定义，它指的是系统能够在没有外部控制的情况下获得并维持自己的结构的方式。它明确地谈到了对明确控制的缺乏需求。大多数系统似乎有一种内在的能力来寻找秩序，而不是依赖任何计划或来自外部的强制秩序。当涉及到一个组织选择的结构方式时，这一点尤其重要，当然，人力资源政策和法规是其中的一个重要部分。理解自组织的概念对于人力资源和人员分析的专业人士来说是关键，特别是在考虑由于结构过于僵化，不允许在微观和宏观层面的子系统之间轻松沟通和流动信息而产生的问题。
我们想介绍的最后一个概念是 "等价性"。卡茨和卡恩（Katz and Kahn，1966）对此的官方定义是：组织可以从不同的初始条件和通过不同的手段获得相同的最终状态。用通俗的话来说，这意味着没有 "一刀切 "的方法来实现一个目标。在人力资源实践中，这是一个令人惊讶的未被充分探索的概念，因为在这个行业中，人们一直在竞相遵守最佳实践，追随最新的管理潮流，而没有意识到可能有多种 "正确 "的道路可以通向理想的结果。
例如，以绩效管理（PM）为例，它是一个关键的人力资源系统，目标是提高员工绩效。绩效管理本身是由多个子系统组成的；每个子系统都要做出各种决定，例如，设定目标、观察绩效、评估绩效、反馈、绩效审查和会议等等。每一个目标都可能在正式与非正式的尺度上有所不同，并且高度依赖于其他多种因素，如评估者和被评估者的人口统计学因素、个体差异、培训和问责制、所有权、组织结构和文化，以及商业战略。除非在你自己的组织中很好地理解所有这些因素，否则仅仅追随最新的 "最佳实践 "潮流，如完全取消绩效评级和审查，在最好的情况下是短视的，没有考虑到全面的情况，在最坏的情况下，会达到PM的相反目标。
现在，我们将尝试在理论背景的基础上提供一些实用的提示。
实用技巧
1.使用你的全部战略工具库。
回顾开放系统的第一个特征：所有的组织和组织行为者都嵌入在一个更广泛的系统中。在此基础上，我们肯定应该探索我们公司所处的外部系统和宏观系统，以确定是否有任何外部原因导致流失。在这里，我们可以借用战略和营销领域的同事们长期以来一直使用的一些关键工具，包括经典的PEST（EL）和SWOT分析。事实上，我们的建议是，定期进行PEST(EL)分析，这样你就能随时发现甚至是主动期待影响劳动力事务的趋势。培养与负责公司PEST(EL)分析的部门的关系，并从劳动力的角度贡献你自己的发现，以确保你始终是与时俱进的。
在上面的例子中，人力资本分析团队的外部研究揭示了一些与内部因素无关的关键因素。有一个系统性因素的组合，包括：
- 政府立法使某一特定行业对公司非常有吸引力
- 该行业的雇主在税收优惠的地方开设办公室
- 该公司的员工因其内部开发的特定能力而非常受欢迎
这些因素的结合意味着，当挖角开始时，该公司几乎没有办法对抗员工流失。这是一个明显的例子，说明个别系统影响了外在系统和宏观系统，并被其影响。如果对系统理论有更深入的了解，人力资本分析团队本可以更早地制定保留人才的策略。
需要强调的是，PEST(EL)分析对小型组织和大型组织同样重要。例如，小型组织通常无法在薪酬或品牌声誉方面与大型企业竞争，因此，对其外在系统和中间系统有一个全面的了解，将使他们能够部署替代的人才吸引和保留战略。
2.加入ONA的行列。
如果说PEST（EL）是你可以用来探索影响你的组织的外系统和宏观系统的主要工具之一，那么组织网络分析（ONA）则是探索中系统和微系统的关键工具。正如我们上面提到的开放系统的第二个特点。系统中任何元素之间的相互依赖性意味着，组织中一个领域的任何变化都必然会引起其他领域的变化。此外，请记住我们在上一节介绍的涌现原则，单个系统的组合往往会产生令人惊讶的结果。
很多时候，人力资本分析团队只关注单个系统，或者一个独立的微观系统，而忽略了这些系统之间的相互联系。ONA已经存在了几年，但仍然被严重低估或误解。ONA的核心是研究中间系统内多个单独系统和微系统之间的关系。它可以应用于各种场景，从观察信息流、协作模式、识别连接，到探索每个系统的运行情况。
在我们的例子中，将ONA应用于研发团队，发现了另一个有趣的，虽然与主要流失问题趋势无关的问题。人力资本分析团队发现，与那些有现场入职经历的员工相比，新员工入职时的内部网络更小，这反过来又降低了这些新员工的参与度。这导致了对入职体验的全面重新设计，以确保早期建立重要的网络。
3.作为系统的人力资源流程
绝大多数情况下，自然减员发生在个人系统层面；然而，它与几个层面的微观系统和中观系统相互作用，如参与、绩效、入职和学习。而这些反过来又嵌入到诸如组织文化和价值观等较难定义的中间系统元素中。
如果流失是一个结果，不要忽视员工生命周期的关键驱动因素，包括招聘、入职、目标设定和绩效，以及福利。然而，为了以适当的方式衡量它们，当然要把它们分解。对于你们中的极客来说，我们期望预测模型的AUC最多在0.65和0.85之间，其中一个主要原因是不同的系统水平有不同程度的影响，而我们大多缺乏确切的措施来量化这些。
4.记住自我组织和等价性
最后，按照等价性原则：不断追逐该领域的最新时尚和最佳做法通常是被误导的。每个组织都有许多变量需要考虑，简单地效仿别人的例子通常会以痛苦告终。一方面，这可能是相当可怕的，似乎是混乱的。但另一方面，它为每一个人力资源团队开辟了一个创新的世界，也为人力资本分析团队提供了一个由数据支持的更全面的画面，为他们的组织建立正确的流程。
一旦你开始建立这些流程，请始终牢记自我组织原则—只要你为个人和子系统提供正确的渠道进行有效的沟通，并了解你的网络是否在有效地工作，大多数系统都会找到有效的组织方式。
总结
开放世界游戏的魅力在于，没有一个人在玩的时候有相同的体验。如果你从我们的文章中得到一个论点，那就是也没有单一的最佳实践的人力资本分析或组织原则。如此多的系统性因素会影响到选择一种方法，从组织的规模到领导团队的成熟度，到你的团队和员工的技术能力，再到你的可用预算。因此，我们鼓励你努力成为一个内部创新中心—推动边界，尝试东西，不随波逐流。 从本质上讲，根据系统理论，拥抱组织令人难以置信的复杂性，然后让你所做的一切尽可能地简单。
作者：Peter Romero & Andreas Kyprianou
-
人力资本分析
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
-
人力资本分析
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
-
人力资本分析
【关键】2022年人力资本分析(People Analytics)中重要的指标
十年前，当我开始在人力资源部门分析人员数据时，这件事仍然是相当 "新颖"的。我们报告自然减员、招聘周期、绩效分布......这些都是为了让公司领导层和董事会知情或受益。这可能是有用的，也可能是战略性的，但这只是个例外。如今，我的角色和经历发生了变化：变得更加关注我们所分析的数据，以及它如何使我们的公司受益。然而，直到数据隐私发生演变（以及各地人员分析的日益成熟），我才开始真正看到其帮助每个员工和改造人力资源的力量。
我很幸运地将这一经验带到了TIBCO软件公司，由于我的团队不断地 "推陈出新"，加上TIBCO领导层的鼎力支持，我们已经建立了一个世界级的人力资本分析（People Analytics）实践。
在过去的几年里，我们建立了一种 "将洞察力付诸行动 "的文化，致力于利用数据来改善我们所有全球团队成员的经验、成长和技能。我们在留住人才方面变得更加慎重，在提高代表性和包容性方面变得更加全面，在理解职业倦怠、健康、投入、流动性和职业发展方面变得更加动态。我们在透明度和分享有用数据的能力方面有所提高。幸运的是，我们得到了TIBCO Spotfire这一令人难以置信的数据科学工具的支持，这一可视化分析工具使我们能够以一种变革性的方式广泛地分享人员数据。即使是处在2020年和2021年的不确定性和挫折感中，这仍旧令人激动不已。
现在，团队正着眼于2022年。我无法想象如何重新讨论那些已经发表的关于大迁移，健康倡议的重要性，多样性和包容性的转变等所有令人难以置信的研究，但我可以谈一谈我们今年正在衡量的指标，以及为什么我们认为它们对我们的关键目标之一至关重要：改善我们所有团队成员在TIBCO的体验，特别是在虚拟和动态经济中。
在以下每个简短的章节中，我概述了我们为什么关心这些指标，以及我们可以利用这些指标所进行的分析。我还在最后一章节中分享了关于TIBCO Spotfire的一些情况，尽管有人对这个工具存在偏见，但它无疑是同类型中优秀且发人深省的商业智能工具（尤其是在人力资源领域）。
混乱的劳动力市场中的招聘指标
几乎在每个行业和每个国家中，减员的势头都在持续增加。机会是无限的，地点的限制已经减少了。与以往任何时候相比，公司的价值主张和候选人的体验都至关重要。第一印象非常关键! 招聘人员和招聘经理有责任向潜在的求职者推荐一份公开的工作。
从历史上看，我们一直倾向于衡量招聘周期（从一个职位空缺到该职位被填补的时间）。许多人力资源团队仍然会报告这一综合指标，但我们已经试图在招聘说明中更加有针对性一些（特别是在进入2022年时）。这些是我们今年所依靠的指标，以讲述我们今年的招聘事例。
寻找候选人的时间：从职位空缺开始到你最终雇用的候选人进行申请需要多长时间？这个招聘周期的分区告诉我们，我们的雇主品牌有多大的吸引力，它可以按国家、或团体、甚至按职位描述中使用的语言进行细分。这个指标主要属于招聘人员，它显示了我们的人才招聘战略在为工作找到最佳人选方面的有效性。
面试时间：另一部分是指从候选人申请日期到他们与招聘经理面试所需的时间。虽然招聘周期代表着整个过程，但这个指标真正定义了候选人的体验。他们需要等待多久才能收到你公司的消息？多久才能与他们未来的领导进行讨论，并开始设想自己与你一起工作？这就是第一印象指标。与招聘经理分享这些见解以加快他们的决策也是至关重要的。
我们通过候选人调查、网页流量、LinkedIn帖子的参与度来增强这些指标，但上述两项，尤其是在细分后，对于我们如何完善和理解我们的招聘策略起到举足轻重的作用。我们还发现，当上述两个指标都处于良好状态时，生产力提升率、新员工参与度和入职满意度之间也存在着显著的相关性。
超越代表性的多样性指标
员工资源小组的扩展、招聘网站上的多样性页面以及代表性目标都是进步的显著标志。然而，在TIBCO，我们正在努力提高我们的DEI分析水平，以指导和革新我们的战略。在2020年和2021年，我们通过调查来获得一个能够更好、更持续地了解我们的包容性文化的窗口。我们也衡量了招聘、减员、晋升和我们人口群体的薪酬公平性。然而，我们想真正强化我们的战略，以超越代表性。TIBCO的DEI专家Elijah Ross帮助我们改变了这方面的分析动态，同时也展示了多元化团队的底线价值。
在2022年，我们将关注其中的一些关键指标：
招聘的多样性：当控制特定的国家或职能领域时，我们发现DEI的一个出色的指标是看我们如何招聘与我们招聘人员划分情况。例如，男性与女性招聘经理相比，招聘女性的比例分别是多少。这可以帮助我们发现是否存在无意识的偏见，使我们在培训和处理时更加谨慎。
雇员推荐的多样性：与上述情况类似，我们发现推荐可能倾向于现有的代表性，而不是任何变革性。我们通过衡量这一点以了解哪些战略可以改变代表性，哪些会使现状扩大。
多样性指数：利用生物学中的香农指数方法，TIBCO的Elijah Ross能够从多个维度观察团队的多样性。他发现，我们最多样化的团队有更高的留存率和自我报告的参与度。
对我们来说，在这个多元化人才的竞争日益激烈的市场中，在庞大的、不断增长的DEI保护伞中，更有针对性地看待这个指标是至关重要的。
职业发展和留存指标
我将是第一个承认我不喜欢减员指标的人。它们都是以时间为单位的，而且可能会受到其他因素的干扰。在TIBCO，我们倾向于在任期内的任何时间点看留任的概率，但自然减员是一个必要的指标。在2022年，我们也意识到，竞争激烈的劳动力市场使得公平和职业发展比以往任何时候都更加重要。为此，我们将重点关注几个关键的KPI指标。
新员工流失率：在COVID和后COVID的世界中，临时工经济被重新定义，我们想了解我们是否留住了那些任期不到6个月的员工。如果我们没有，我们必须找出可能导致提前辞职的原因。
关键人才的流失：留住关键资源和优秀人才是任何公司的目标，但当流失率上升时就显得尤为重要，你必须优化你的留人策略。我们根据角色来评估关键性--寻找替代者的难易程度、继任计划、对企业的影响。然后，我们看一下关键子集，以了解我们真正的减员挑战存在于哪里，以及哪里或许只是需要更好的规划。
职业停滞：我们在TIBCO使用的一个指标是，在我们的团队中，至少有3年的任期，在3年以上的时间里没有看到有意义的职业发展，并且工资范围低于市场的成员的百分比。如果将其与关键性、绩效或其他人口统计学指标相比较，这可以帮助我们真正完善我们的留任战略，并确保没有人在其岗位上停滞不前。
我们已经看到，当职业停滞不前，当新员工流失率较低时，我们往往会有更高的参与度，更高的绩效，以及更多的员工净晋升分数（eNPS）的倡导者。当我们需要确保我们的文化和团队从人才竞争对手中脱颖而出时，这些是至关重要的衡量标准。
TIBCO Spotfire
如果在分享我们的一些关键指标时不谈及我们的支持工具，以及它们对我们的价值，那就太遗憾了。拓展人员分析需要一个同步成熟的商业智能应用程序。如此，不仅能够生成上述指标，而且能够轻松地将它们与公司或团队业绩等底线驱动因素联系起来，或者利用K-means聚类将它们划分为值得注意的领域，或者找到统计意义与名义的差异，这彻底改变了我们以权威方式谈论我们的人员分析的能力。它也可以作为一个平行的过程来完成：我们在建立人员分析实践的过程中最大的收获之一是，它应该与数据收集和质量改进同步进行。人员分析可以帮助你在不断增长的数据架构旁边导航，而不是在它之后。
我们利用TIBCO Spotfire创建的仪表盘也能够使我们的人力资源业务伙伴、经理和TIBCO领导层民主化这些洞察力。我们的仪表盘可以查看自然减员、招聘策略、招聘效率、雇主品牌、薪酬公平和多样性/平等性/包容性。
今年有许多事情需要衡量，因为我们要确保我们仍然是一个优异的工作场所，能够为我们的全球团队提供强大的价值主张。以上是我们的人员分析团队的一个重点子集，它肯定会挑战和吸引我们。这是充满挑战的两年，但我们对2022年和我们可以转变的战略感到非常乐观。
作者：Nick Jesteadt Senior Director of People Analytics at TIBCO
-
![]()
人力资本分析
如何利用People Analytics建立一个公平的工作场所
概要：自动化正向人力资源部门走来。通过自动收集和分析大型数据集，人工智能和其他分析工具有望改善人力资源管道的每个阶段，从招聘和薪酬到晋升、培训和评估。然而，这些系统可以反映历史偏见，并在种族、性别和阶级的基础上进行歧视。
管理者应该考虑到：
1）模型很可能对大多数人口群体中的个人表现最好，但对代表性较差的群体则更差；
2）不存在真正的 "种族盲 "或 "性别盲 "模型，从模型中明确省略种族或性别甚至会使情况更糟；
3）如果人口类别在你的组织中分布不均（在大多数情况下不是这样），即使精心建立的模型也不会导致不同群体的平等结果。
人力资本分析，将科学和统计方法应用于行为数据，可以追溯到弗雷德里克-温斯洛-泰勒1911年的经典著作《科学管理原理》，该书试图将工程方法应用于人员管理。但直到一个世纪后--在计算机能力、统计方法，特别是人工智能（AI）的进步之后--该领域的力量、深度和广泛的应用才真正爆发出来，特别是，但不仅仅是在人力资源（HR）管理方面。通过自动收集和分析大型数据集，人工智能和其他分析工具提供了改善人力资源管道每个阶段的承诺，从招聘和薪酬到晋升、培训和评估。
现在，算法正被用来帮助管理者衡量生产力，并在招聘、补偿、晋升和培训机会方面做出重要决定--所有这些都可能改变员工的生活。公司正在使用这种技术来识别和消除不同性别、种族或其他重要人口统计类别的薪酬差距。人力资源专业人士经常使用基于人工智能的工具来筛选简历，以节省时间，提高准确性，并发现与更好（或更差）的未来表现有关的隐藏的资格模式。基于人工智能的模型甚至可以用来建议哪些员工可能在不久的将来辞职。
然而，尽管人力资本分析工具有如此多的承诺，但它们也可能使管理者严重误入歧途。
亚马逊不得不扔掉一个由其工程师建立的简历筛选工具，因为它对女性有偏见。或者考虑一下LinkedIn，它被世界各地的专业人士用来建立网络和搜索工作，也被人力资源专业人士用来招聘。该平台的搜索栏的自动完成功能被发现建议用 "Stephen "这样的男性名字来代替 "Stephanie "这样的女性名字。
最后，在招聘方面，一个关于科学、技术、工程和数学（STEM）领域机会的社交媒体广告，被精心设计为性别中立，但在一个旨在使招聘者的广告预算价值最大化的算法中，男性被显示的比例过高，因为女性通常对广告反应更强烈，因此向她们显示的广告更昂贵。
在每一个例子中，分析过程中都出现了故障，并产生了无意的--有时是严重的--对某一特定群体的偏见。然而，这些故障可以而且必须被预防。为了实现基于人工智能的人力资本分析的潜力，公司必须了解算法偏见的根本原因，以及它们如何在常见的人力资本分析工具中发挥作用。
分析过程
数据并不是中立的。人力资本分析工具通常是建立在雇主对员工的招聘、保留、晋升和报酬的历史数据之上。这些数据总是反映了过去的决定和态度。因此，当我们试图建立未来的工作场所时，我们需要注意我们的回顾性数据如何反映旧的和现有的偏见，并可能无法完全捕捉到日益多样化的劳动力中人员管理的复杂性。
数据可能直接带有明确的偏见--例如，你公司的绩效评估可能在历史上对某个特定群体有偏见。多年来，你已经纠正了这个问题，但如果有偏见的评价被用来训练人工智能工具，算法将继承并传播偏见。
还有一些更微妙的偏见来源。例如，本科生的GPA可能被用作智力的代表，或者职业执照或证书可能是技能的一个衡量标准。然而，这些衡量标准是不完整的，往往包含偏见和扭曲。例如，在大学期间不得不工作的求职者--他们更有可能来自低收入背景--可能得到较低的成绩，但事实上他们可能是最好的求职者，因为他们已经表现出克服障碍的动力。了解你想测量的东西（如智力或学习能力）和你实际测量的东西（如学业考试成绩）之间的潜在不匹配，对建立任何人力资本分析工具都很重要，特别是当目标是建立一个更多样化的工作场所时。
一个人力资本分析工具的表现是它所提供的数据和它所使用的算法的产物。
在这里，我们提供了三条经验，你在管理你的员工时应该牢记在心。
首先，最大限度地提高预测的整体质量的模型--最常见的方法--很可能对大多数人口群体中的个人表现得最好，但对代表性较差的群体则较差。这是因为算法通常是最大化整体准确性，因此在确定算法的参数时，对多数人口的表现比对少数人口的表现有更大权重。一个例子可能是一个用于由大多数已婚或单身且无子女的人组成的劳动力的算法；该算法可能确定使用个人日的突然增加表明辞职的可能性很大，但这个结论可能不适用于那些因为孩子生病而需要时常休假的单亲父母。
第二，不存在真正的 "种族盲 "或 "性别盲 "模式。事实上，在一个模型中明确省略种族或性别，甚至会使事情变得更糟。
考虑一下这个例子。想象一下，你的基于人工智能的人力资本分析工具（你一直小心翼翼地避免提供性别信息）在预测哪些员工可能在被雇用后不久就辞职方面取得了良好的记录。你不确定该算法到底发现了什么--对用户来说，人工智能的功能经常像一个黑匣子--但你避免雇用被该算法标记为高风险的人，并看到新员工在加入后不久就辞职的人数有了明显的下降。然而，若干年后，你因在招聘过程中歧视女性而遭到诉讼。事实证明，该算法不成比例地筛选出了来自缺乏日托设施的特定邮政编码的妇女，给单身母亲带来了负担。如果你知道，你可能已经通过在工作附近提供日托服务来解决这个问题，不仅避免了诉讼，甚至使你在招聘这一地区的妇女时获得竞争优势。
第三，如果像性别和种族这样的人口统计学类别在你的组织中不成比例地分布，这是典型的情况--例如，如果过去大多数管理人员是男性，而大多数工人是女性--即使精心建立的模型也不会导致不同群体的平等结果。这是因为，在这个例子中，一个识别未来管理者的模型更有可能将女性错误地归类为不适合做管理者，而将男性错误地归类为适合做管理者，即使性别并不是模型的标准之一。总而言之，原因是模型的选择标准很可能与性别和管理能力相关，因此模型对女性和男性的 "错误 "程度不同。
如何正确对待它
由于上述原因（以及其他原因），我们需要特别注意基于人工智能的模型的局限性，并监测其在人口群体中的应用。这对人力资源部门尤其重要，因为与一般的人工智能应用形成鲜明对比的是，组织用来训练人工智能工具的数据很可能反映了人力资源部门目前正在努力纠正的不平衡现象。因此，企业在创建和监测人工智能应用时，应密切关注数据中的代表人物。更重要的是，他们应该看看训练数据的构成如何在一个方向上扭曲人工智能的建议。
在这方面，有一个工具可以提供帮助，那就是偏见仪表板，它可以单独分析人力资本分析工具在不同群体（如种族）中的表现，从而及早发现可能的偏见。这个仪表盘突出了不同群体的统计性能和影响。例如，对于支持招聘的应用程序，仪表板可以总结出模型的准确性和错误的类型，以及每个群体中获得面试机会并最终被录用的比例。
除了监测性能指标外，管理者还可以明确地测试偏见。一种方法是在训练基于人工智能的工具时排除一个特定的人口统计学变量（例如，性别），但在随后的结果分析中明确包括该变量。如果性别与结果高度相关--例如，如果一种性别被建议加薪的可能性过大--这是一个迹象，表明人工智能工具可能以一种不可取的方式隐含地纳入了性别。这可能是该工具不成比例地将女性确定为加薪的候选人，因为在你的组织中，女性往往报酬不足。如果是这样，人工智能工具正在帮助你解决一个重要问题。但也可能是人工智能工具加强了现有的偏见。需要进一步调查以确定根本原因。
重要的是要记住，没有一个模型是完整的。例如，一个员工的个性很可能会影响他们在你公司的成功，而不一定会显示在你关于该员工的人力资源数据中。人力资源专家需要对这些可能性保持警惕，并尽可能地将其记录下来。虽然算法可以帮助解释过去的数据和识别模式，但人力资本分析仍然是一个以人为本的领域，在许多情况下，特别是困难的情况下，最终的决定仍然要由人类来做，这反映在目前流行的短语 "人在环形分析 "中。
为了有效，这些人需要意识到机器学习的偏见和模型的局限性，实时监控模型的部署，并准备采取必要的纠正措施。一个有偏见意识的过程将人类的判断纳入每个分析步骤，包括意识到人工智能工具如何通过反馈回路放大偏见。一个具体的例子是，当招聘决定是基于 "文化契合度 "时，每个招聘周期都会给组织带来更多类似的员工，这反过来又使文化契合度变得更窄，有可能违背多样性目标。在这种情况下，除了完善人工智能工具之外，可能还需要扩大招聘标准。
人力资本分析，特别是基于人工智能的分析，是一个令人难以置信的强大工具，已经成为现代人力资源不可或缺的工具。但量化模型的目的是协助，而不是取代人类的判断。为了最大限度地利用人工智能和其他人力资本分析工具，你将需要持续监测应用程序如何实时工作，哪些显性和隐性标准被用来做决定和训练工具，以及结果是否以意想不到的方式对不同群体产生不同影响。通过对数据、模型、决策和软件供应商提出正确的问题，管理者可以成功地利用人力资本分析的力量来建立未来的高成就、公平的工作场所。
来自HBR ，作者 David Gaddis Ross David Anderson Margrét V. Bjarnadóttir
扫一扫 加微信
hrtechchina
