• 预测分析
    Josh Bersin:调查显示,PA团队仍难以产生对业务影响 Josh Bersin公司最新研究揭示了人员分析领域的持续增长!然而,进展有限:470家全球组织中,只有10%的人员分析团队参与了业务级项目.Josh Bersin公司警告,如果人员分析无法系统化且更具商业导向,可能会失去投资和支持,使CHRO无法获得能推动业务影响的宝贵洞察。 忠告是:拥抱AI,并重新定位为“系统性商业分析”提供者,否则可能被边缘化。 多年未解的难题 在我职业生涯的早期,我曾参加HR分析会议,看到许多勤奋的分析师做着惊人的工作,但他们常常感叹无人倾听。25年过去了,这些分析师依然努力,但他们的进展仍令人沮丧。 《人员分析权威指南:通向系统性商业分析的旅程》指出,问题在于企业普遍面临人才约束。尽管AI自动化即将到来,各组织仍在寻找新技能,招聘一线工人,并在婴儿潮一代退休之际填补领导层的空缺。据预测,医疗行业在未来三年内将短缺200万名临床医生,零售业和制造业面临类似挑战。 随着这些劳动力挑战的出现,我们现在却被大量可用数据所淹没。企业使用Eightfold、LinkedIn、Lightcast和Draup等平台来精准定位人才、识别薪资需求和发现关键技能。从理论上讲,HR的分析能力应该像CRM或财务规划系统一样强大。然而,事实并非如此。 尽管在HCM(人力资本管理)平台上投入了数十亿美元,但不到10%的公司能够将HR和人员数据与业务指标直接关联。这是一个严峻的问题。 现状分析:未被充分利用的HR数据 最近我得知,Salesforce计划招聘1000名销售代表来销售其AI代理系统。(一种奇怪的做法:招聘销售代表来推广一种消除销售代表需求的系统。)Mark Benioff(Salesforce的CEO)可能想知道这些新员工需要哪些技能、应具备什么背景,以及内部有多少人可以重新部署。他有这些信息吗?我对此表示怀疑。 这就是普遍存在的问题。我们在HR软件上投入了巨资,但人员分析团队通常被困在“科学项目”中,专注于研究员工保留、技能差距等重要但内部导向的问题。有多少公司能像对待供应链、财务运营或客户保留那样严谨地测量和监控人力资本? 答案是不到10%。某种程度上,这是一种进步:上一次研究时,这个比例还更低。但显然,这个比例还远远不够高。鉴于工资是企业最大的可自由支配支出,我们难道不应该以极高的精确度测量人员的影响吗?答案当然是肯定的,只是这项工作非常困难。 困难的根源 为什么这么难?原因有以下几点: 数据分散在30到40个不同的员工系统中; 数据定义不清,例如由于季节性变化、家庭变化等因素,计算真实的员工保留率需要耗费大量精力; HR系统与业务系统之间几乎没有明确的关联。 尽管我们购买了Workday、SAP、Oracle等ERP系统来整合数据,但这些供应商并未提供直接的跨领域关联能力。例如,要做一份“销售业绩与经验年限相关性”的报告,可能需要一周时间才能整理出正确数据,因此销售经理通常根本不会尝试。 AI带来的变革 然而,变化即将发生,而且速度很快。 人员分析是HR领域中最后一个达到成熟的领域之一,原因在于上述挑战以及某些公司缺乏“数据导向”的思维。 AI的出现正改变这一切。作为一种集成性最强、系统性最强且易于使用的数据管理技术,AI不需要专业背景即可高效操作。例如,通过AI工具如Visier的Vee、Galileo、Illuminate等,HR团队可以轻松将多种数据整合在一起并生成即时洞察。 想象一下,您将员工的销售数据输入Galileo,然后再添加员工历史数据库、薪酬数据和培训记录。如果数据标记正确,AI会立即让您得出“销售收入与任期、培训历史、管理跨度和薪酬之间的关系”这样的答案。虽然AI可能不知道某些销售代表拥有优越的市场区域或某些领导表现差强人意,但它会提供基础信息。 随后,您可以添加其他数据以完善分析。 推动系统性分析进入高层 我们称之为“系统性分析”(Systemic Analytics),即从系统的角度而非单一视角分析问题。例如,招聘对员工流失的影响有多大?工作时间安排对生产力的影响有多大? AI可以帮助企业领导更全面地了解背后的人员问题。例如,在季度末,CEO可以谈论“亚洲地区的员工生产力增长了11%,得益于新的招聘模式和薪酬体系。” 这10%的领先企业已经通过将人员分析定义为“业务分析”职能、赋予HR团队咨询角色以及配备数据工具而取得了巨大成就。 未来已来。让AI为人员分析赋能,释放人力资本的无限潜力!
    预测分析
    2024年11月20日
  • 预测分析
    AI赋能人力资源:HR领导者2025年的变革决策指南 在当今快速变革的商业环境中,人工智能(AI)正重新定义人力资源管理的格局。从招聘到绩效管理,AI在HR的每个子功能中都显示出巨大的潜力和影响力。然而,尽管AI的前景广阔,HR部门的AI应用仍然面临着技术、文化和管理方面的多重挑战。基于《AI与未来工作》报告中的十个关键发现,本文将深入探讨AI在HR中的应用现状、未来趋势以及HR领导者应关注的重点,以帮助他们在2025年制定出更加科学有效的决策。 1. 人才招聘与获取:AI应用的先锋领域 在所有HR功能中,AI在人才招聘与获取领域的应用最为广泛。报告显示,约70%的企业在招聘过程中试点或应用AI技术。这种趋势的背后原因显而易见:AI能够显著提升招聘效率、改善候选人体验,并通过数据驱动的筛选模型减少人为偏见。具体而言,AI可以在候选人筛选、面试安排、技能匹配和候选人评估等方面提供支持,使招聘团队能够更专注于战略性的决策。 然而,HR领导者也需要警惕在招聘中过度依赖AI可能带来的伦理问题。AI算法往往基于历史数据进行决策,如果不进行适当的监督和偏差审查,可能会无意间放大现有的招聘偏见。因此,在应用AI优化招聘流程的同时,HR需建立严格的算法监控机制,确保招聘结果的公平性和透明性。 2. 人力分析和学习发展:AI驱动的数据洞察 人力分析和**学习发展(L&D)**是AI在HR中的另两个重要应用领域,分别有65%的公司在这些领域中试点或使用AI工具。通过人力分析,HR可以基于员工行为、绩效数据和发展需求生成深度洞察,帮助企业优化培训计划、提升人才管理的精准性。报告指出,人力分析在未来5年内的主要应用方向包括预测性分析、员工流失预警和人才发展路径规划,这将帮助企业在快速变化的市场环境中保持竞争优势。 然而,许多HR领导者在推动人力分析的过程中常常忽视了数据质量和隐私问题。为此,HR需要确保数据的准确性和可靠性,并遵循数据隐私和合规要求,保护员工的敏感信息。此外,提高HR团队的数据素养和分析能力也是实现人力分析潜力的关键,这需要公司在数据培训和人才培养上投入更多资源。 3. 薪酬管理和多元化包容性:应用受限的领域 相比于招聘和人力分析,AI在薪酬管理和**多元化与包容性(DEI)**领域的应用仍然较为有限。报告显示,仅有30%的公司在薪酬管理中使用AI,而在DEI领域,这一比例更是只有20%。AI在薪酬管理方面的潜力主要体现在公平薪酬分析、薪酬方案设计和薪酬预测上,而在DEI方面,AI可以帮助识别并减少偏见,为多元化团队建设提供数据支持。 尽管这些领域的应用率较低,但它们在HR转型中的重要性不容忽视。AI可以提供客观的数据洞见,帮助HR在薪酬和多元化管理中做出更加公正和透明的决策。HR领导者应当意识到,虽然这些领域的技术发展较慢,但它们对提升员工体验、吸引多元化人才以及推动企业文化建设有着深远影响。 4. 运营效率和员工生产力的提升 在已经应用AI的公司中,约25%表示AI显著提升了运营效率和员工生产力。这些公司利用AI自动化日常HR流程,从而降低人工成本并减少操作失误。尤其在HR行政管理方面,AI可以显著加速任务执行,提升工作效率。比如,通过AI实现员工数据的自动更新、薪酬计算自动化等,HR部门能够将更多精力投入到增值性工作中。 然而,HR领导者在推行AI自动化时也应注意平衡效率和员工体验。一方面,自动化可以提升HR的运营效率;另一方面,也可能导致员工缺乏与HR的互动,影响员工的归属感。因此,HR需探索自动化技术的合理边界,确保技术提升不会影响企业的人性化关怀。 5. 数据驱动的文化至关重要 报告中最引人注目的发现之一是,92%的受访企业认为数据驱动的文化对未来成功至关重要。AI的应用依赖于大量的数据积累和分析,而这种数据驱动的文化能够帮助HR实现科学决策。然而,尽管许多企业意识到数据文化的重要性,仍有近半数的公司尚未建立支持数据驱动的数字化基础设施,导致数据在跨部门共享和协作上存在障碍。 为了实现数据驱动的文化,HR领导者需推动数据在组织内的无缝流通。这不仅包括技术系统的整合,还需要培养员工的数据意识和分析技能。HR可以通过定期的数据培训和分析工作坊,帮助团队成员掌握基本的数据分析技能,从而更好地应用AI支持业务决策。 6. 自动化HR运营:优先发展的方向 报告显示,在未来的6到12个月内,HR的首要任务是通过AI实现HR运营自动化。这意味着HR部门将优先考虑自动化流程,以减轻员工的日常任务负担,并提升工作效率。许多企业还计划利用AI进行深度数据分析和预测建模,以替代传统的HR指标,支持更具战略性的决策。 然而,HR自动化的成功不仅取决于技术的实施,还取决于HR团队对自动化的接受度和技能掌握情况。HR领导者需制定明确的变革管理计划,以确保团队成员对自动化的理解和支持。同时,通过为员工提供自动化工具的操作培训,可以帮助他们更高效地适应自动化的工作环境。 7. 打破孤岛:促进跨职能协作 AI的应用需要跨部门的密切协作,因此**打破组织内的“数据孤岛”**成为必然趋势。报告中指出,55%的公司通过在AI规划和实施阶段引入关键利益相关者,确保AI工具与组织的战略目标一致。AI在HR中的应用不应孤立于HR部门,而是需要与业务部门、IT部门和高层管理协同合作。 HR领导者在推动AI项目时,应主动与其他部门建立协同关系,推动数据共享和技术合作。这种跨部门的协作不仅可以增强数据的全面性,还能提高AI决策的准确性,有效推动AI在企业中的广泛应用。 8. 变革阻力:AI实施的首要障碍 尽管AI技术应用前景广阔,变革阻力仍是AI实施中的主要障碍。报告指出,许多员工对AI存在抵触情绪,主要原因在于对技术的不了解和对工作岗位的安全感缺失。HR领导者需要通过一系列变革管理措施来降低变革阻力,包括引入创新文化、加强员工沟通和引导员工参与AI项目。 为了帮助员工适应AI变革,HR应在AI应用初期提供充分的技术培训和心理支持,同时明确阐明AI的应用价值,降低员工的恐惧和不安。此外,通过透明的沟通,HR可以让员工更清楚地了解AI将如何支持而非取代他们的工作,从而增强员工对变革的接受度。 9. 持续学习的文化:未来竞争力的保障 报告中明确指出,未来的组织必须具备持续学习的文化,以适应快速发展的技术环境。然而,尽管多数HR领导者认识到持续学习的重要性,只有40%的公司为员工提供AI培训,并将其纳入持续的职业发展计划。这种培训的缺失可能会影响员工的技能升级,使他们难以适应新技术的变化。 HR领导者可以通过建立学习发展平台、提供线上和线下的AI技能培训课程,帮助员工提升AI素养。持续学习不仅有助于提升员工的技能水平,还能培养企业的创新文化,使公司在AI驱动的竞争环境中占据优势。 10. 技能差距:亟待解决的挑战 尽管AI在HR中应用广泛,但技能差距仍然是阻碍AI实施的主要瓶颈。报告指出,许多企业的HR团队缺乏基本的数据分析和技术操作技能,这导致他们在实际操作中难以发挥AI的最大效用。报告建议,HR领导者应投资于系统化的AI技能提升计划,包括数据分析、技术应用和AI操作技能等方面的培训。 技能差距的弥合需要时间和资源的投入,但从长远来看,这种投资将帮助企业更好地适应AI带来的技术变革,并提升整体竞争力。HR应通过定期的培训和考核,确保团队成员掌握必要的技能,推动AI在HR中的成功应用。 特别注意:伦理和数据隐私的管理问题 在AI赋能HR的过程中,有一个容易被HR领导者忽视但至关重要的环节,那就是伦理和数据隐私的管理。AI在数据处理和分析方面的强大能力无疑可以帮助HR提高效率和决策质量,但如果缺乏对数据隐私和伦理问题的重视,这些优势可能会被其潜在风险所掩盖。 许多企业在实施AI时,往往将重点放在技术性能和效率提升上,而忽略了AI决策的透明性和公平性。尤其是当AI用于招聘、绩效评估和人才管理等与员工密切相关的领域时,偏见、歧视和数据隐私泄露的风险增加。调查显示,超过60%的HR领导者承认AI系统中的数据偏差是其面临的主要难题之一,但在实践中,只有不到一半的企业制定了明确的AI治理和数据隐私政策。 因此,HR领导者在推动AI应用的同时,必须优先考虑数据的透明性、隐私保护和伦理审查。这不仅有助于提升员工对AI的信任度,减少对技术的抵触心理,还可以在长期内保护企业声誉,降低法律和监管风险。具体而言,HR可以采取以下措施: 建立AI治理机制:设立专门的AI伦理委员会,定期审查AI系统的算法和数据使用方式,确保系统输出的公平性和准确性。 强化数据隐私保护:采用严格的数据匿名化措施,明确数据收集和使用的边界,尤其是在涉及员工敏感信息时要格外谨慎。 透明沟通:在员工中推广AI的应用价值和管理方式,主动向员工解释AI系统如何工作以及其使用目的,让员工感到更有安全感。 在技术快速发展的背景下,HR领导者不仅需要关注AI带来的效率提升,更应站在战略高度,确保AI的实施符合企业的价值观和道德规范。 综上所述,AI在HR领域的应用正在迅速扩展,为人才管理、员工发展和组织效率带来了深远的变革。然而,AI的成功实施需要克服技术、文化和技能方面的多重障碍。HR领导者应在招聘、人力分析、薪酬管理和运营自动化等重点领域充分挖掘AI的潜力,同时注意数据隐私、伦理问题和变革阻力的管理。 随着2025年的临近,HR领导者需要借助AI驱动的数据洞察,以更具战略性的视角应对未来的工作挑战。我们鼓励各位HR领导者下载《AI与未来工作》报告,获取更多行业洞见,为制定未来的决策提供参考。这不仅将帮助企业在快速变化的市场中立于不败之地,也将推动HR部门从支持角色向战略伙伴的转型。   HRTechChina每年都会聚合新的一年人力资源发展趋势,2025年的趋势是什么?我们一起来看看各家如何预测!2025年趋势专题地址是:http://hrnext.cn/8dK4a3  可以收藏保存,我们会不断更新全球各地的预测,与你分享,决不可错过!
    预测分析
    2024年11月04日
  • 预测分析
    未来十年:人力资源的超自动化革命 在人力资源技术和超级自动化的快速应用推动下,人力资源领域正处于一场革命的风口浪尖。在人工智能(AI)、机器学习(ML)和高级自动化的推动下,超级自动化正在重塑人力资源部门的运作方式,使其变得更加灵活、数据驱动和更具战略性。这种演变不仅简化了流程,还转变了人力资源部门在企业中的角色,使团队能够专注于人才管理和员工体验等高影响力的活动。 随着企业面临越来越大的吸引和留住顶尖人才的压力,超自动化提供了一种解决方案,使人力资源专业人员能够超越日常行政任务。通过将重复性的工作流程自动化,人力资源部门可以将重点转移到更具战略性的举措上,从而推动组织取得成功。行业领导者和分析师预测,超自动化将成为人力资源技术的重要组成部分,Gartner 预测到 2028 年,超自动化将成长为一个价值 265 亿美元的市场。 本文探讨了人工智能驱动的决策和塑造未来人力管理的超自动化趋势,以及首席人力资源官如何利用这些进步来培养一支更具创新性和响应性的员工队伍。 什么是超自动化? 超自动化是一种旨在通过自动化优化业务运营的战略方法。它不是专注于单一技术,而是利用机器人流程自动化(RPA)、低代码/无代码(LCNC)平台、人工智能(AI)和机器学习(ML)等先进工具来简化和自动化各种流程。通过将这些任务自动化,企业可以提高速度和准确性,并加强数据跟踪和分析。超自动化的核心目标是在最短时间内识别并自动化尽可能多的流程,从而推动效率和创新。 HRTech中的超自动化实例: 加强人力资源和员工管理 通过自动化和优化关键流程,超自动化大大改变了人力资源和员工管理。这种先进的方法整合了各种自动化工具,以简化候选人筛选、员工入职、薪资处理、绩效管理和休假管理等任务。其结果是提高了效率,改善了员工体验,优化了人力资源的利用。 超自动化影响的一个典型例子是工资单处理。通过使用自动化工具连接人力资源和薪资系统,企业可以实现整个薪资周期的自动化。这包括计算和支付工资、处理扣款和管理福利。超级自动化通过验证考勤表、处理请假申请以及自动生成工资条和税表来确保准确性。这就减少了人工数据输入错误,保证了准确性,使人力资源专业人员能够专注于更具战略性、重复性较少的任务。 此外,超级自动化还可利用数据驱动的洞察力来加强人力资源决策。通过将 Camunda 等平台与员工数据集成,并采用人工智能和机器学习(ML)算法,企业可以分析模式、趋势和潜在问题,如高流失率或技能差距。这些洞察力可帮助企业做出明智决策、提高员工敬业度、留住人才并支持有效的劳动力规划。 人力资源技术的超自动化趋势 超自动化是一种利用各种技术组合实现尽可能多的流程自动化的战略,它正在迅速重塑人力资源领域的格局。 人工智能驱动决策 预测分析: 人工智能驱动的预测分析正在改变人力资源部门留住员工的方法,通过先进的数据分析加强决策过程。与传统方法相比,人工智能能更高效地处理大型数据集,这对大型企业尤其有利。通过识别复杂的模式和趋势,人工智能可以分析工作满意度、员工参与度甚至工作习惯的细微变化等因素,从而预测潜在的人员流失。这种能力使人力资源专业人员能够根据个人需求制定积极主动的留任战略。例如,人工智能可以帮助创建符合职业愿望的定制化员工发展计划,从而提高忠诚度。此外,人工智能系统还能不断从新数据中学习,随着时间的推移提高预测准确性,并确保模型在组织动态发展中保持有效。这种动态方法使人力资源部门能够预测挑战,并培养一支更投入、更敬业的员工队伍。 人员分析: 在当今数据丰富的环境中,人员分析为提高员工保留率提供了强有力的工具。超越直觉和轶事证据,人力资源专业人员可以利用人员分析做出明智、数据驱动的决策。这种方法将传统的人力资源实践与对员工数据的严格分析相结合,涵盖了从入职反馈、离职访谈到日常互动的方方面面。 例如,如果一家公司在管理层变动后,某个部门的员工流失率激增,那么人事分析就能发现这些变量之间的关联。此外,人员分析还能量化员工敬业度和工作满意度等指标,从而清楚地了解员工动态。通过识别模式和趋势,它甚至可以预测哪些表现出色的员工可能面临离职风险,从而使企业能够积极主动地解决潜在问题。这种以数据为导向的洞察力使企业能够完善留住员工的战略,并培养一支更稳定、更敬业的员工队伍。 智能聊天机器人和虚拟助理 用于员工支持的聊天机器人: 人工智能驱动的聊天机器人通过利用会话搜索和分析大量业务文档(如公司政策),为员工提供全天候支持。这些聊天机器人能准确回答员工的询问,使人力资源团队能够专注于价值更高的任务。它们可以管理请假申请、招聘工作流程、费用报销和内部沟通等常规流程。此外,聊天机器人还能促进实时反馈收集,在互动过程中主动征求意见,并分析数据提出改进建议。这种方法不仅能提高员工参与度,还能为优化人力资源战略提供有价值的见解。 自动简历筛选: 自动简历筛选利用机器学习算法,根据预定义的标准(如关键字、技能和经验)对简历进行评估。这项技术通过自动对申请进行初步审查,加快了招聘流程,大大减少了招聘人员在人工筛选上花费的时间。例如,自动化系统可以有效扫描简历中的特定编程语言、认证和相关经验,从而简化候选人筛选流程。根据最近的调查,67% 的大型企业和 35% 的小型企业采用了求职者跟踪系统(ATS)来加强招聘工作。 超个性化的员工体验 员工福利个性化: 为使员工福利与组织目标保持一致,应让人力资源、财务和员工共同参与制定符合员工需求的计划。个性化的主要方面包括调整补贴金额和资格时间,以有效支持员工。定制计划设计,如允许滚动资金和创建专门的福利钱包,可增强相关性和吸引力。定制支出类别以反映组织价值,并使用个性化信息来提高对计划的理解。提供灵活的报销选项并利用生活方式支出账户(LSA),让员工选择最适合自己的福利,从而提高满意度和幸福感。 人工智能驱动的个性化学习: 人工智能通过分析个人表现来定制内容和课程,从而优化学习。这种方法可根据每个学员的需求调整教育体验,确保培训的相关性和有效性。 人力资源中的增强现实(AR)和虚拟现实(VR) 在员工培训中融入沉浸式学习: 增强现实(AR)和虚拟现实(VR)技术正在通过创造身临其境的学习体验来提高技能的掌握和保持率,从而彻底改变员工培训。这些技术为员工提供了一种动态的参与方式,使他们能够与反映真实世界场景的模拟环境进行互动。从客户服务培训到复杂的操作技能,这种实践方法在各种任务和行业中都非常有价值。 沉浸式学习的优势: 利用 AR 和 VR 进行沉浸式学习有几个主要优势。它创造了安全的培训环境,员工可以在其中进行练习,而不会因现实世界中的错误而产生风险或成本。这种方法还能大大缩短培训时间,与传统方法相比,VR 学员的自信心最多可提高 275%。此外,身临其境的培训更具吸引力,可提供交互式和情境丰富的学习体验,从而增强理解和记忆。此外,它还能最大限度地减少对物理资源和讲师费用的需求,从而降低培训成本。 道德考量与以人为本的自动化 随着自动化技术成为人力资源流程不可或缺的一部分,优先考虑道德因素并坚持以人为本至关重要。人力资源自动化必须兼顾效率与公平,确保系统不会强化偏见或破坏员工隐私。 实施透明的算法并保持人工监督对于防止歧视性做法和保障数据完整性至关重要。此外,让员工参与讨论自动化的影响可以增强信任,并确保技术能够支持而不是取代人的因素。通过注重道德实践和以人为本的设计,企业可以利用自动化带来的好处,同时营造一个公平和支持性的工作环境。 结论 人力资源自动化的未来不仅仅是简单地减少人工任务,而是要让人力资源团队能够专注于战略优先事项,并培养一个更具活力、以人为本的部门。通过自动化日常流程,首席人力资源官(CHRO)可以提高效率、合规性和整体员工满意度。 人工智能驱动的自动化为人力资源运营带来了变革潜力,在快速发展的商业环境中提供了竞争优势。考虑一下人力资源自动化的九大使用案例,它们说明了人工智能如何彻底改变人力资源职能。在采用人力资源自动化时,应从战略性、有影响力的领域开始,逐步扩展,以实现效益最大化。采用正确的自动化方法可以推动人力资源部门变得更加高效、更具前瞻性。
    预测分析
    2024年09月29日
  • 预测分析
    ADP重磅推出AI驱动HCM平台:Lyric HCM,赋能全球人力资源管理 刚刚,ADP宣布推出Lyric HCM,这是一个融合了生成式AI(GenAI)的全球化人力资本管理平台,旨在通过灵活性、智能化和以人为本的设计提升员工体验。Lyric HCM可以帮助企业应对全球员工管理的挑战,提供个性化的服务,并支持在75个以上国家的薪酬管理。Lyric还利用预测分析、实时洞察和异常检测,帮助企业做出更明智的决策并提升效率。 ADP全球产品与创新总裁Sreeni Kutam指出,现代企业需要具备适应性和合规管理能力的工具,而Lyric通过结合ADP庞大的数据集,提供灵活的解决方案,满足了企业不断变化的需求。同时,全球人力资源行业分析师Josh Bersin也强调,Lyric HCM超越了传统的人力资源管理系统,能够帮助员工更高效地完成工作并提升整体工作体验。 Lyric的云原生设计、强大的移动体验以及对GDPR等合规要求的支持,使其成为全球大型企业的理想选择。此外,Lyric可以灵活适应各种企业结构和工作流程,帮助企业无缝扩展并提供个性化的员工体验。 视频可以访问视频号:HRTech ADP Lyric HCM利用生成式AI (GenAI) 提供个性化的全球员工体验 新泽西州罗塞尔,2024年9月23日 - ADP®今日宣布推出ADP Lyric HCM,一个专为满足现代化劳动力不断变化需求而设计的人力资本管理(HCM)平台,涵盖全球HR、薪酬和服务功能。Lyric通过结合灵活性、智能化和以人为本的设计,提供了一个革命性的解决方案,提升了全球范围内的员工体验。 "Lyric为现代工作场所设立了新标准,将先进的HR技术与高度个性化的方法结合在一起," ADP全球产品与创新总裁Sreeni Kutam表示。 "今天的劳动力是灵活且全球化的。企业需要工具来高效管理他们的全球员工,确保合规并具备洞察力。Lyric通过结合行业领先的生成式AI技术与ADP独有的大数据,提供了灵活、智能且以人为核心的HCM解决方案。" 在当今动态的商业环境中,大型企业需要能够快速适应变化的HCM系统。分散的技术往往妨碍HR部门对全球员工数据的全面掌握。随着法规不断变化,企业需要一种设计能够帮助他们主动管理合规的系统。此外,今天的技术娴熟员工期望个性化、实时的服务来解决问题并做出明智决策。 Lyric通过一个一体化的HCM解决方案应对这些挑战,其特点包括: 灵活性:能够轻松操作,适应企业独特的结构、工作流程和实践,无需遵循固定的方法。 智能性:通过预测分析、实时数据洞察、趋势预测、异常检测和个性化建议,提升决策能力并提高运营效率。 人性化:为员工提供个性化的、与其职业发展阶段相符合的体验。 全球性:ADP Lyric HCM支持75多个国家的工资发放,且每个季度会拓展更多地区。 大型企业可依赖Lyric的云原生设计及强大的安全机制,帮助其遵守严格的GDPR及其他合规要求。Lyric提供响应式网页及强大的移动端体验,使其无论何时何地都可以轻松访问,帮助企业扩大规模,管理全球员工并提供服务。 "当今的企业需要一种全新的、灵活易用且融合了AI技术的HR软件,"全球HR行业分析师Josh Bersin表示。 "ADP的Lyric HCM为动态企业量身打造,围绕团队而非层级结构,具备管理新型工作世界的能力。Lyric不仅仅是HR管理工具,还能够使员工的工作更加轻松高效。凭借其先进的智能技术、个性化设计和全球可扩展性,Lyric已成为解决当今HR挑战的首选工具。通过提升人性化体验,Lyric帮助企业有效管理其全球团队,提供适应各自需求的解决方案。" "Lyric HCM让我们能够实现无缝扩展,"Capstone Logistics的执行副总裁Tom Peot表示。 "我们最近在有机增长和并购方面都有显著发展。Lyric帮助我们保持灵活性,并提升了以往无法实现的效率。" 欲了解更多关于Lyric功能的信息或安排演示,请访问 ADP.com/lyricHCM。 关于ADP (纳斯达克: ADP) 通过尖端产品、优质服务和卓越体验,ADP致力于设计更好的工作方式,帮助人们充分发挥潜力。涵盖HR、人才管理、时间管理、福利和薪酬。由数据驱动,以人为本。了解更多信息,请访问 ADP.com。 ADP,ADP徽标和Always Designing for People是ADP, Inc.的商标。其他所有标志均为其各自所有者的财产。 版权所有 © 2024 ADP, Inc. 保留所有权利。
    预测分析
    2024年09月24日
  • 预测分析
    锁定最佳候选人:5大高效招聘策略 在当前的就业市场上,任何组织都很难吸引到人才,因为它变得比以前更加精细。最理想的求职者在市场上并不多见,同时,他们对雇主的选择能力也很强。因此,成功的人力资源专业人士需要采用更有创意的招聘方式,而不是传统的策略。以下是确保最优秀人才加入公司最有效的 5 个技巧。 1. 利用雇主品牌 雇主品牌是寻找高素质求职者过程中的关键一步。这意味着,您的雇主品牌会让受众了解您的组织、公司的主张以及成为公司一员的感受。如今的求职者不再仅仅是为了寻找另一份工作,他们更希望找到一个与他们有着相似信念的组织。研究发现,75% 的求职者在申请某个职位空缺之前会考虑雇主品牌。 要建立雇主品牌,首先要在媒体网站、职业网站和员工口碑中分享组织文化。强调公司的价值观,如晋升机会、在工作和个人生活之间保持健康的平衡,以及多元化和包容性政策。幕后花絮视频、博客更新和员工故事等其他内容也能帮助潜在求职者了解公司的工作环境。这种方式有助于吸引符合企业文化的合适人才;此外,还能提升企业作为目标群体首选雇主的形象。 2. 利用数据驱动招聘 在招聘过程中使用数据和指标的概念被称为数据驱动招聘。通过这种方式,人力资源领域的专业人士可以确定吸引候选人的最佳渠道,加强招聘广告,并为候选人创造良好的体验。例如,招聘是一个发布招聘广告的过程,根据数据,可以确定哪些网站提供的潜在员工素质更高,从而确定在哪里花钱。 在招聘领域,预测分析的使用也非常重要。具体来说,它可以根据历史数据对候选人进行筛选,并预测他们在特定工作中的效率。这种方法可以最大限度地降低招聘风险,确保雇主投资于能够满足组织期望的合格员工。此外,通过数据驱动招聘,组织可以跟踪关键绩效指标,如招聘时间、每次招聘成本或候选人满意度,从而定期做出改进。 3. 实施员工推荐计划 推荐营销可能是企业获取新人才的最有效方法之一。因此,推荐的候选人可能更合格,更认同组织文化,也更有可能在公司工作更长的时间。然而,研究表明,推荐候选人的保留率要比通过其他方式获得的候选人高出 46%。 为使推荐计划在公司更有成效,应确保通过奖金、额外假期甚至公司内部晋升等模范奖励措施,激励员工为该计划推荐候选人。必须确保推荐流程简单明了,并为员工配备所有必要的手段,如预先写好的社交媒体帖子、电子邮件等。此外,还要向员工提供最新的空缺职位信息,以及该职位所需的特定属性或证书。这意味着,通过让员工参与招聘过程,你将能从被动应聘者中吸引到最优秀的人才。 4. 拥抱多样性和包容性 因此,重要的是要明白多元化和包容性(D&I)并不只是一种时尚,而是招聘中的一个重要因素。从更广泛的意义上讲,多元化的群体能产生更具创造性的结果,从本质上讲也符合公司的最佳利益。多元化的员工队伍对雇主也更有吸引力,因为这样可以汇集人才,而且当今的人才会寻找注重多元化的雇主。 要制定全面的人才招聘战略,就必须对当前的招聘程序进行评估,找出其中的偏见因素。这需要对职位描述、面试问题和其他评估工具等方面进行严格评估,以消除有偏见的措施和做法。此外,与关注多元化的组织或门户网站合作,包括多元化招聘网站、妇女、少数民族、退伍军人和类似组织。 D&I 的另一个组成部分是建立一个平等对待和尊重的环境,让每位员工都能茁壮成长。一些策略包括多元化培训、员工资源小组和专业导师制。因此,对多元化计划的承诺使雇主能够吸引不同背景的求职者,并将最优秀的员工带到组织中来。 5. 采用灵活的招聘方法 因此,灵活招聘是一种与灵活性、互动性和节奏性相结合的方法。在当今环境下,新的机遇和威胁频频出现,这种灵活性至关重要。实施、修改和更新招聘方法,如候选人参与、多次招聘、与其他部门合作以战胜对手等,都是非常有效的。 在招聘过程中实现敏捷性的一些方法包括:积累经过预选的候选人,一旦某个职位空缺,就可以联系他们。它提供了一个预先审查过的优秀候选人库,从而最大限度地缩短了招聘时间,并保证为任何重要职位源源不断地提供合格候选人,这在当代劳动力市场上是非常重要的。此外,招聘流程应该是一个持续的过程,因为采用迭代模式意味着你可以随时根据反馈和现有数据更新你的流程。例如,在一轮招聘结束后,从招聘经理和应聘者那里获得反馈,以便发现不足之处,并在下一轮招聘中加以改正。 敏捷招聘还意味着人力资源部门、部门经理和其他组织成员之间的合作。当你们相互协调时,就能确保所有利益相关者都与公司的招聘战略保持一致,并确保整个招聘程序尽可能顺利。 总结 猎头是一个系统化的过程,有别于传统的招聘方式,有助于为工作找到合适的候选人。雇主品牌、数据驱动的招聘、员工推荐计划、多元化招聘和灵活的招聘策略,都能让你吸引和聘用到有助于实现企业目标的员工。在当前市场趋势下,任何组织都必须采用这些先进的方法,以确保培养出一支强大的员工队伍。
    预测分析
    2024年09月03日
  • 预测分析
    人工智能对领导者和员工工作场所的影响 在人工智能诞生一周年之际,变革性数据显而易见。值得注意的是,Gartner 在 2023 年进行的一项调查显示,包括谷歌和亚马逊等科技巨头在内,超过 70% 的企业已将人工智能无缝集成到日常运营中,这表明这些技术已得到广泛采用。 实时实例凸显了人工智能在优化流程方面的关键作用。亚马逊对预测分析法的使用就很突出,其算法可以预测客户偏好、完善库存管理并缩短送货时间,从而提高客户满意度。此外,由自然语言处理技术驱动的聊天机器人等虚拟助手已在微软等公司中普及,促进了无缝客户互动。 1. 人工智能领导力的优势 大多数企业和组织都要求员工执行耗时的重复性工作,如数据录入和开具发票。让我们来看看这些公司如何解放员工,让他们专注于需要更多创造力和批判性思维的重要工作: 1.1 预测分析 预测分析是人工智能的一个子领域,它利用数据挖掘、机器学习和统计算法分析近期和历史数据,预测未来的模式或事件。预测分析可以帮助企业通过洞察数据中的模式,对库存控制和客户行为做出更好的判断。 公司利用预测分析技术,通过分析历史销售信息和市场趋势来预测某些商品的需求。通过避免缺货,预测分析可帮助企业优化生产和库存水平,最终降低成本并提高盈利能力。 1.2 自然语言处理 自然语言处理(NLP)是人工智能的一个独特领域,致力于理解和解读人类语言的复杂性。NLP 算法对文本数据进行细致入微的检查,提取细微的含义、情感和意图。这不仅能让企业深入了解客户反馈,还能简化客户服务互动,促进量身定制内容的创建。 1.3 欺诈检测 在欺诈检测领域,企业普遍担心欺诈活动可能带来的经济损失、法律后果和声誉损害。欺诈的性质错综复杂,尤其是当欺诈行为复杂且具有针对性时,有必要采取多方面的方法。这涉及机器学习、行为分析和自然语言处理的融合,以及人工智能在分析大量数据集方面的能力。这些分析方法的协同作用可以识别出与常规不同的异常情况或模式,从而发现潜在的欺诈活动,如不正常的消费模式或交易。此外,人工智能仔细检查用户网络的能力有助于发现欺诈团伙,从而采取先发制人的措施阻止访问并挫败进一步的非法活动。 2. 领导者如何利用人工智能举措改进决策 人工智能的成功融合需要精心制定的战略和不同利益相关者的共同努力,而企业领导者在确保此类举措取得成功方面发挥着关键作用。领导者和高管需要采取积极主动的态度,包括战略性分配充足的资金、人才招聘和发展、与外部实体合作,以及认真考虑道德影响。以下主要方法阐述了领导者如何有效利用人工智能计划来加强决策: 2.1 制定愿景和战略 领导者必须首先掌握人工智能的潜在效益和风险,并将这一认识与总体业务战略结合起来。在领导者向组织阐明自己的意图和目标时,沟通是最重要的,它可以促进利益相关者的支持,确保达成共同愿景。 谷歌首席执行官Sundar Pichai阐述了人工智能整合的全面愿景,强调要创造一个更加互联和智能的世界。这种远见卓识的方法指导着谷歌的人工智能计划,使其与总体业务目标保持一致。 2.2 战略投资和资金分配 高管应全面分配资源,而不仅仅是提供资金支持。重点在于确保和培养合适的人才,并确保组织拥有必要的技术基础设施。这通常涉及招聘专家,如数据分析师、人工智能工程师和其他能够设计、开发和部署人工智能系统的专家。 最近的一份风险投资报告显示,去年人工智能初创企业获得了前所未有的 200 亿美元融资。领导者们现在已经认识到,分配足够的资金来培育和推动人工智能项目作为长期投资,具有重要的战略意义。 2.3 促进合作与伙伴关系 我们鼓励领导者促进与外部实体(从技术供应商到研究机构)的合作。这样可以确保持续了解最新的人工智能趋势和创新,使组织处于进步的前沿。 以辉瑞公司为代表的制药行业展示了合作的力量。与人工智能初创企业的合作加快了药物发现过程,展示了外部合作如何增强组织的人工智能能力。 2.4 解决伦理问题 人工智能的道德层面包括数据隐私、偏见和透明度等问题,需要领导者保持警惕。要确保负责任地开发和使用人工智能系统,就必须实施强有力的控制和保障措施。 亚马逊最近围绕人工智能驱动的招聘工具引发的争议凸显了领导者主动解决道德问题的迫切需要。领导者必须把握偏见和道德影响,确保人工智能应用符合社会期望。 2.5 有效的变革管理 实施人工智能计划不可避免地会引发组织变革,领导者必须理解并善于驾驭变革。与利益相关者的持续对话以及全面的培训和支持变得不可或缺,尤其是在管理抗拒组织变革的团队时。 Elon Musk在特斯拉的领导力提供了一个令人信服的案例。通过强调量身定制的培训计划,马斯克确保了员工适应人工智能自动化的平稳过渡,从而提高了运营效率。 结论 行业领导者的战略决策、对人工智能相关技能激增的需求,以及影响人工智能原则的道德考量,都证明了这一点。 随着企业的不断发展,对员工技能再培训的重视成为适应人工智能驱动经济的一个重要方面。公司投资于员工发展和福利的成功案例,以及提高生产率和创新带来的切实利益,都说明了人工智能与人类合作的积极潜力。 未来的征程需要在拥抱技术进步与维护以人为本的工作场所核心价值观之间取得微妙的平衡。持续学习、道德考量和促进创新必须始终处于组织战略的最前沿。在这一转型时期,领导者和员工如果能拥抱变化,战略性地利用人工智能,并优先考虑员工的福利,就不仅能应对挑战,还能在人工智能不断发展的动态环境中茁壮成长。
    预测分析
    2023年12月05日
  • 预测分析
    人工智能在人力资源领域的前景与陷阱   在充满活力的人力资源领域,人工智能的融合开创了一个充满可能性和挑战的新时代。当企业在错综复杂的员工管理中游刃有余时,人工智能的注入为人力资源中的人工智能提供了诱人的前景和警示故事。 探索人工智能在人力资源领域的潜力和挑战 人工智能在改进人力资源流程方面具有深远的潜力,但它也带来了巨大的障碍,需要在人力资源领域实施人工智能时加以警惕。让我们深入探讨这两方面的问题! 揭开人工智能在人力资源领域的前景: 重新定义招聘效率: 人工智能的出现彻底改变了招聘工作。在人工智能分析能力的推动下,算法可以在极短的时间内仔细检查简历,找出符合预定标准的候选人。这种加速筛选加快了招聘时间,缩短了人力资源部门利用人工智能填补关键职位的时间。 个性化的员工体验之旅: 人工智能从数据中获取洞察力的超凡能力,为人力资源中的人工智能员工打造了个性化的奥德赛。通过辨别个人倾向、学习模式和绩效轨迹,人工智能为员工量身定制培训模块、职业发展轨迹和福利待遇,在人工智能人力资源的帮助下培养员工的参与度并提高员工的留任率。 支持数据驱动的人力资源决策: 人工智能在人力资源领域崛起的基石是其消化大量数据的能力,它能揭示隐藏的模式和相关性,这些都是人类无法观察到的。这种数据驱动的洞察力有助于人力资源专业人员做出决策,包括劳动力规划、人才发展和绩效校准。 利用预测分析进行预测: 利用历史数据,人工智能可以为人力资源提供预测分析。它可以预测员工流失,预知潜在的绩效瓶颈,甚至识别新生的领导人才。这种能力使人力资源部门能够采取积极主动的姿态,在人工智能的推动下,为精心策划的劳动力管理模式制定预防性战略。 增强合规性和准确性: 人工智能人力资源可以细致地处理大量数据,确保符合复杂的法规。这种能力最大限度地降低了薪资处理、员工福利管理和法律文件等领域出现错误和疏忽的风险。 规避人力资源中的人工智能陷阱: 在人力资源领域实施人工智能有很多好处,但也会出现一些问题。请注意这些陷阱,以创建最有效的人力资源管理。 偏见的面纱和对公平的追求: 人工智能的公正外衣可能会掩盖历史数据中根深蒂固的潜在偏见。在人力资源领域,这种担忧更加严重,因为招聘、晋升、薪酬等决策都会产生深远的影响。追求人工智能的公平性凸显了严格校准算法以减少歧视的必要性。 人情味的二分法:人力资源是一个固有的生态系统,充满了同理心、细微差别和个性化判断--这也是人工智能在人力资源人工智能领域努力践行的领域。过度依赖人工智能可能会削弱员工和人力资源专业人员都极为重视的人情味。 数据隐私与安全的堡垒: 人工智能在人力资源领域的坚固性取决于数据汇总和分析。然而,在人工智能在人力资源领域的应用中,该企业要蹚过数据隐私和安全的浑水。要保管敏感的员工数据,就必须制定严格的协议,以防止可能危及保密性的违规行为。 缩小技能差距,克服阻力: 将人工智能融入人力资源需要范式转变,要求人力资源从业人员超越其在人工智能人力资源方面的现有技能。如果不巧妙应对提升技能和消除员工抵触情绪的双重挑战,可能会演变成障碍。 道德困境与透明度: 在人力资源中使用人工智能会带来有关员工同意、数据使用和透明度的道德问题。企业必须确保员工了解他们的数据是如何被使用的,并提供机制来解决有关人工智能驱动决策的道德影响问题。 取得平衡 人工智能在人力资源领域的应用揭示了一个充满创新和潜力的环境,与之并列的是道德考量和对人情味的长期需求。当企业踏上这片未知的土地时,如何在人工智能的技术奇迹与人类管理的精巧之间取得平衡,将为人力资源管理/人力资源的和谐未来指明方向。 常见问题 人工智能能否完全取代人力资源专业人员? 尽管人工智能无所不能,但它无法取代人力资源专业人员的本质。虽然人工智能简化了任务,但人力资源的整体领域需要人类对主观决策、移情互动和文化细微差别的敏锐洞察力。 人工智能如何塑造员工发展? 人工智能的分析鉴别能力可对绩效数据进行剖析,对个人优势和有待培养的领域进行拼凑。这种拼图可以指导定制培训,丰富员工的能力和职业发展途径。 企业如何减少人力资源中的人工智能偏见? 人工智能偏见是一项多维挑战。企业可以安排定期审计,丰富数据来源,组建不同的团队来构建、微调和审查人工智能算法。 人工智能融入人力资源是否会带来法律后果? 不可否认,法律方面的考虑因素非常重要,尤其是涉及数据隐私和歧视的问题。遵守数据保护法规和合乎道德的人工智能使用是避免法律纠纷的关键。 企业如何让员工为人力资源部门拥抱人工智能做好准备? 以员工为中心的全面战略取决于阐明人工智能的增强作用而非替代作用。为员工提供人工智能方面的指导和培训,可以消除他们的忧虑和期待。 文章来源:hrtechfeed
    预测分析
    2023年09月21日
  • 预测分析
    【观点】人工智能如何改变组织的人才招聘策略? 随着人工智能(AI)继续创造最新的商业趋势,人工智能在招聘中的应用也变得越来越突出了。据调查,近三分之二的招聘人员(65%)在招聘过程中使用了人工智能技术,几乎所有人力资源专业人士(92%)都希望在人才招聘过程中使用人工智能。 此外,报告显示,人工智能在招聘中已被证明是有利的: 89%的人力资源专业人士认为人工智能将改善候选人的申请流程。 超过87%的人认为人工智能对特定行业的招聘更有帮助。 58%使用人工智能的招聘人员发现它对寻找候选人最有用(紧随其后的是筛选候选人(56%)和培养候选人(55%)。 尽管市场上有负面批评,但研究表明,人工智能已经消除了43%的人为偏见。 利用人工智能招聘的最大好处之一是它加快了招聘过程。 人工智能招聘软件功能 以下是探索AI招聘解决方案时要考虑的功能列表。 简历筛选:通过申请人跟踪系统 (ATS) 简历数据库,人工智能可以利用电子邮件、社交媒体或其他渠道与选定的候选人取得初步联系。人工智能还可以自动查看社交媒体资料以获取更多有关候选人工作经历的信息。 候选人选择:人工智能可以提供候选人决策不可或缺的数据分析,包括汇集新的求职者、审查现有人才、解释候选人意图以及动态人才库等。 面试安排:人工智能可以通过聊天机器人简化面试流程,聊天机器人可以收集和过滤候选人信息、回复、媒体资料、视频和文档,以及通过聊天、电子邮件或文本进行交流。聊天机器人还可以提示候选人主动申请某个职位,并进行预筛选。面试安排也可以通过人工智能自动同步给招聘人员以及候选人。 入职:人工智能招聘软件可以通过自动化减少人力资源领导层的管理任务。使用AI聊天机器人,新员工可以主动找到相关问题的答案,并在整个入职体验中得到个性化的指导。 可定制的工作流程: 定制工作流程的能力可以彻底改变候选人的体验以及招聘团队的流程。人工智能能够根据内部员工的经验与外部申请人的经验进行定制。例如,与外部候选人不同,内部候选人可能具有明确的职业道路、学习和发展机会、指导和推荐选项。 数据保护和安全:与大多数软件一样,人工智能招聘软件通常具有安全功能,例如双重身份验证,以及用于管理当地法规的内置工具。这些功能对于保护候选人数据保护和安全以及确保遵守地方数据保护的法规是不可或缺的。 人工智能招聘工具 集成:许多AI招聘工具都带有原生集成功能,可与现有软件(最常见的是客户关系管理 (CRM) 软件)配合使用。 文本模板库:虽然AI不一定附带模板库,但您可以使用AI构建一个模板库。人工智能工具能够以适当的语言和语气撰写招聘信息、录取通知书和完成其他写作任务。 预测分析:预测分析提供了候选人个人资料的全面概述,这有助于招聘人员和招聘经理了解候选人能否胜任当前的职位。因此,预测分析是使用数据(如过去的工作经验以及学到的技能)来寻找、面试和评估候选人的真正潜力和对职位的契合度。 招聘自动化:人工智能通过一种称为机器人流程自动化 (RPA) 的技术帮助招聘自动化,该技术使组织能够更有效地执行耗时的招聘任务。这些任务可能包括验证候选人信息等。 AI招聘偏见注意事项 招聘偏见是雇主最关心的问题。尽管人们普遍认为,人工智能可以通过盲检等独特功能来减少招聘偏见,盲检是一种删除姓名、年龄、种族背景、性别等不必要信息的检测过程。 虽然人工智能不能消除招聘过程中的所有偏见,但它可以量身定制以帮助雇主减少偏见。利用人工智能的程序设定,组织可以主动消除任何性别特定的措辞来减少招聘偏见。总之,人工智能在未来工作世界中的应用是不可避免的,AI技术已经渗透到从自动化内部流程到劳动力管理的方方面面。在新的经济环境中让我们应该重新思考招聘方式的变革,了解行业中最佳招聘科技的应用实践。为此,HRTech将于7月14日在上海外滩W酒店盛大举办2023招聘科技创新论坛,欢迎参与! 报名链接:2023招聘科技创新论坛(请点击!) 文章参考:Namely.com
    预测分析
    2023年05月12日
  • 预测分析
    【观点】2023年有助于成功获取专业人才的8种方法 每个雇主对人才招聘成功的定义都不同。但多年来,许多雇主都吸取了宝贵的教训。最近,我们决定吸取其中一些经验教训,以便其他招聘组织可以从中受益。这就是为什么我们邀请业务和招聘领导者来分享人才招聘成功的秘诀。从使用预测分析到在团队成员中培养社区意识,我们收集了一系列答案。下面,我们分享了我们问题的最佳答案。 1. 重新设计您的雇主品牌 我们都知道雇主品牌在社交媒体时代变得多么重要。但我们有时会忽视它是整体人才招聘策略中真正的招聘渠道。通常,它被用作销售公司品牌的营销工具。但我最好的建议是重新设计你的雇主品牌,让它作为一种招聘工具。例如: 开发员工故事。 为行业新手举办职业发展网络研讨会,并从感兴趣的注册者那里收集电子邮件或简历。 针对对工作机会持开放态度的人创建测验或调查,并在您的职业页面之外使用这些预告片来收集更多潜在客户。 如果您是人力资源或招聘专业人士,雇主品牌会挑战您戴上营销帽子。今年,在这种组合中增加一顶销售帽,这样您就可以吸引更多合格的候选人线索。 2. 分享引人入胜的视频内容 我们中有多少人在不知道重要细节的情况下决定买房子或买车?然而,大多数雇主仍然希望候选人满足于这种招聘体验。 问题在于,聪明的人没有时间或愿望跳过所有传统的求职申请圈来找出另一边的情况。这就是为什么精明的雇主在招聘前就公开有关工作的更详细信息,以便他们可以吸引更好的人才。 但是,那些不适合展示在职位描述中的细微问题呢?诸如“您的团队定期解决哪些类型的挑战?”或“与经理一起工作是什么感觉?”之类的问题。这就是视频可以提供帮助的地方。通过录制这些关键问题的视频答案,使雇主看起来更加透明,这有助于他们在竞争激烈的招聘环境中脱颖而出。 3. 保持灵活性 如果您的公司希望吸引和留住人才,您必须提供支持真正灵活性的员工体验,并围绕这种工作方式建立您的文化。新的研究报告发现,领导者认为工作场所是灵活的,因为他们的角色和地位具有自由度。但是,员工没有体验到相同级别的灵活性。希望吸引和留住优秀员工的领导者需要仔细倾听,根据他们在组织中的个人经验为员工设计更紧密、更灵活的体验。 此外,如果您想依靠调查获得反馈,这里有另一个提示。与员工互动,倾听他们的故事,邀请他们坐到谈判桌前,共同创造未来。这样你才能从根本上改善你的工作方式。 4. 使用预测分析 我相信预测分析是今年人才招聘成功的关键。重复分析是使用数据对未来事件进行预测的做法。使用这些工具,您可以在发布职位之前识别空缺职位的潜在候选人。这意味着您可以在竞争中脱颖而出,并在其他组织抢购他们之前雇用最合格的候选人。 此外,您可以使用预测分析来评估个人在特定角色中取得成功的概率。这意味着您的招聘人员可以专注于最有可能成功的候选人。最终,高级分析可以帮助您为合适的角色雇用合适的人,这可以在人才争夺战中带来显着优势。 5. 深化您的多元化计划 对工作场所多样性的重视继续获得动力。现在必须考虑您可能因其种族、性别或其他因素而忽略的候选人。通过利用更多样化的人才库来扩大招聘范围。走出办公室,与劳动力中代表性不足的群体建立联系。例如,您可以在这些人员经常活动的地点举办招聘活动。 与这些领域的学校合作是向学生介绍您所在行业并帮助他们发展相关职业道路的另一种方式。实习还可以帮助您与来自不同背景的年轻人建立联系,并帮助他们为组织的未来角色做好准备。 6. 评估市场并制定适当的目标 为人才招聘成功建立竞争优势需要专注于短期和长期招聘需求。准备好调查当前的劳动力市场,并将尖端技术整合到您的招聘流程中。 通过投资数据驱动的见解,您可以制定创新战略,使您的公司从竞争中脱颖而出。 例如,您可以: 实时评估就业市场, 利用AI和机器学习更高效、更主动地寻找人才, 创建积极的雇主品牌推广活动,以展示您的公司文化 通过有针对性的外展策略与被动候选人互动。 此外,专注于制定全面的远程招聘策略,因为越来越多的公司正在将业务从传统的办公地点转移或扩展。 7. 从潜在客户的角度审核您的雇主价值主张和文化 在竞争激烈的就业市场中,脱颖而出并展示您的文化是吸引新人才的最大竞争优势。现在是确保您的雇主价值主张(EVP)向潜在员工展示他们为什么应该为您工作、您提供什么以及他们如何做出贡献的好时机。雇主价值主张只是您想要吸引、留住和帮助您发展业务的人的橱窗。 我建议您审核您的EVP,以全新的眼光看待您的所有候选人接触点。回顾您的文化,确定您的优势,并分析您的离职调查数据。你能改进什么?您的“职业”网站是否准确反映了您想要的EVP?让您的整个团队参与此评估过程——人力资源、人才招聘和营销部门应共同努力,以正确的方式跨多个渠道展示您的组织。 8. 为人才招聘的成功创造社区意识 如果您的公司提供远程工作,您将拥有巨大的竞争优势。 研究表明,远程工作机会会影响候选人的薪资要求。但远程工作结构并不是全部。候选人还有兴趣了解雇主如何创造一个环境,促进可能不在现场工作的团队成员之间的联系。例如,在远程组织中通过以下做法创建社区意识至关重要: 季度战略团队会议 面对面的团队培训 定期视频午餐和学习 员工资源组 研究表明,至少有7个工作朋友的人留在雇主身边的可能性要高出 35%.大多数表示,与团队互动是他们喜欢上班的关键原因。远程是吸引新员工的绝佳方式,但创造社区意识是保持员工参与的原因。 文章来源:https://talentculture.com
    预测分析
    2023年02月06日
  • 预测分析
    【Laura Stevens访谈】如何将人力资本分析和员工体验联系起来 在本次访谈中,DSM全球战略分析和员工体验副总裁Laura Stevens和David Green讨论了: Laura 如何利用她之前作为人力资本分析顾问的经验,影响她在DSM的人力资本分析职能战略 通过设计以人为本的服务,可以在员工体验和人力资本分析之间利用协同效应和机会 人力分析团队如何帮助支持 HR 业务合作伙伴和经理,使其更加以数据为导向 Laura 关于如何确定人力资本分析团队应处理的领域优先级的提示,以确保他们能够成功扩展 采访实录 David Green: 欢迎DSM全球人力战略、分析和员工体验副总裁 Laura Stevens。Laura,您能给听众简要介绍一下您和您的在DSM的角色吗? Laura Stevens:当然!我是比利时人,我也是一位母亲。我有神经心理学领域的背景和博士学位。我是DSM负责P&O战略、分析和员工体验的副总裁,在这个职位上,我向全球CHRO汇报工作。不到一年前我加入了公司。 David Green:我们稍后会回到DSM的职位上来,因为我认为将人员战略、分析和员工体验结合在一起特别有趣。但首先,我希望您能与听众分享您的职业历程?您之前曾与我们共同的朋友Luk Smeyers一起在iNostix工作,然后担任德勤的顾问,也许可以分享一下您对过去五六年中人力资本分析领域发展的看法? Laura Stevens:是的,确实如此。在加入DSM之前,我在德勤咨询公司工作了大约七年,领导并发展了一条人力资本分析服务线。正如你所提到的,这也包括收购了当时一家领先的人力资本分析初创公司,以前也被称为iNostix。多年来,我们一直在成长和发展这个团队,使其成为20名专门的人力资本分析顾问,我认为这使我们可能是欧洲最大的人力资本分析服务线。 在我看来,在最初的日子里,人力资本分析仍然处于我所说的,一种书呆子实验阶段。由于大多数公司所做的基本上是一次性实验,通常由单个数据科学家或分析专家进行,这也与组织的其他部分完全脱节。我还记得,成熟度思维主要由问题决定,公司是否在进行描述性分析,所以一方面报告一些相关性,另一方面报告高级或预测分析。Luk Smeyers当时是该领域的绝对权威之一。他是高级和预测分析的大力倡导者,而出于多种原因,我有点怀疑。我认为,首先,将高级分析作为绝对最成熟度的关注确实分散了与实际业务挑战或真正商机的联系。那么,如果我们甚至没有彻底讨论过,一个组织的挑战是什么,或者公司面临什么样的机会,那么为什么要开始一个专注于“HOW”的对话,如此的描述性或预测性或规范性。 其次,对人力资源预测分析的关注,通常通过参考营销或客户分析领域的成功用例来证明其合理性。尽管我发现人力资源部门可以从该领域学到很多东西,但另一方面,人力资源与营销和销售之间也存在显着差异。因此,在人力资源领域,我们几乎不使用任何大数据,因此我们的数据量和速度与营销和客户分析领域有很大不同,因此在人力资源领域将分析模型产品化的价值远不那么明显。 许多高级分析用例经常使我认为,也许最好的情况是,一些有趣但难以使用的发现。因此,人们通常会说"这很有趣",然后像往常一样回到他们的业务中。 David Green:实际上激发乔纳森和我写这本书的原因之一,就是你提到的那些成熟度模型,你必须做描述性分析,然后再上升到预测性和规范性。当我们与更成熟或更高级的人力资本分析团队交谈时,他们并没有这样想。他们在想,我们的组织面临哪些重大业务挑战,分析如何支持这些挑战?在一天结束时,它可能是一个很好的描述性模型,可以提供洞察力,可以解锁解决这一挑战的洞察力的答案。因此,当我们写这本书时,我们实际上讨论了人们正在关注的许多领域,无论是围绕治理和设置所有数据标准,在团队中获得正确的人际技能,正确的技术和正确的数据,然后是结果。归根结底,正如你所说,这是关于结果的。你谈到了一些用例,也许人们会说"哦,那很好",然后"好吧,下一步是什么?您在担任顾问期间看到的分析的最佳用例是什么?而且,您是否能够与听众分享其中的一些示例? Laura Stevens:是的,绝对的。对我来说,可能最有影响力的用例是劳动力市场组织的用例。因此,基本上是一家将求职者分配到合适工作的公司。在开发分析模型之前,临时顾问通常会根据求职者的简历以及与求职者的个人对话来指导他们对某项工作的搜索和建议。他们几乎不知道求职者确实找到工作的机会有多大,他们实际上也不知道如何最好地建议或协助求职者增加在某个领域部署的机会。 因此,通过开发的分析模型,为这个基于直觉的流程带来了真正的根本性变化。事实上,对于每个求职者,该模型预测了该人在特定时间范围内在某个地区确实找到工作的机会,并且它使用各种不同的数据源(包括简历数据)以及例如该求职者的历史搜索行为。在这个模型上,我发现非常有趣的事情是,该模型还阐明了该人可以做些什么来增加他或她的机会。因此,我认为用例不是基于内部人力资源或员工数据,而是基于劳动力市场数据,但我仍然提到它,因为显然它仍然与人力资本主题有关。 因此,这意味着该模型已经产品化,现在它已成为该临时机构新工作方式的真正嵌入部分。但不幸的是,我看到了更多的用例,这些用例从未像往常一样真正嵌入或集成到业务中。我认为这并不奇怪,因为许多用例在设计时从未考虑到过最终游戏。这意味着长期以来,我们一直在设计分析模型,而没有对最终用户有透彻的了解,因此谁最终应该从见解中受益,甚至是对结果如何推动经常性决策的反思。我认为我们基本上太专注于自己和我们花哨的建模技术了。 David Green:是的,并不总是最复杂的模型可以带来最佳结果。 Laura Stevens:我认为留存率分析对我来说就是这些典型例子之一。我与许多客户进行了互动,这些客户在分析上开发了一个相当强大的保留模型,然后产生了个人风险评分,但公司当时不知道如何在组织中实现该模型。他们使用个人风险评分,显然我们知道GDPR不仅限制了使用个人风险评分的使用,而且根据具体情况管理保留也是不可行或可取的。 因此,尽管该模型具有分析稳健性,但它的影响是有限的,因为它无法真正集成或嵌入到工作方式中。我认为这是一直困扰我的例子之一。 David Green:是的,我认为一个非常关键的一点是,你如何使这些见解具有可操作性,并且对于经理来说,也许在他们的日常工作中?事实上,在过去的一年里,你已经转向了人力资本分析从业者和领导者。您在担任该职位时学到了哪些知识,这对您在DSM的职能战略有何影响? Laura Stevens:首先,我并不是为了做一些高级的事情而追逐高级分析用例。我记得在介绍我的策略时,我的团队说:"高级分析用例在哪里?”他们非常失望。我认为这肯定源于我的背景和经验以及我作为顾问所看到的事情。第二。我也从来不会在没有非常清楚地了解最终用户的情况下开始一个项目,是什么让这些用户在晚上保持清醒,以及某些见解将如何带来变化。所以,人力资本分析不再是做一些有趣的事情,我们真的需要将重点转移到相关性上。我总是告诉我的团队,没有行动的洞察力是高收费的。我们根本不应该这样做。对我来说,这是一个设计原则,它不是我们一开始就考虑的事情。因此,我认为可操作性对我和我的团队来说是一个强大的资格和设计标准,而不是我们只在分析工作完成后才考虑的事情。 David Green:我认为这很棒,你需要在一开始就考虑最终目标,而不仅仅是投入工作。还要让最终用户,赞助商,实际上有他们想要解决的问题并准备对此做些什么的人。有趣的是,Laura,显然在加入DSM之前,您在市场上闻名的一件事是,您是员工倾听和持续倾听方面的专家。这就是为什么我认为你对人力资本分析和员工体验都有所有权。您认为两者之间是否存在可以利用或已经在利用的协同效应? Laura Stevens:是的,绝对的。因此,我感到非常幸运,在我的投资组合中同时拥有人力资本分析和员工经验,因为这两个学科严重依赖彼此才能取得成功。 我认为最直观的是,我们知道员工体验是个人的,它是主观的,所以这是关于连接和理解对我们的员工最重要的事情。因此,根据定义,这从倾听开始,从研究开始,从分析开始,而不是从假设开始。因此,对我来说,员工倾听和分析确实是员工体验努力的命脉。这是其一。 可能不太容易理解或直观的是,员工体验对分析同样重要,因为最终员工体验本质上是在设计解决方案和服务时考虑到人类。我坚信,这种以人为本的设计对于加速分析领域的进步和采用实际上非常关键。如果我们不了解最终用户是谁,或者如果我们不从最终用户开始,并彻底了解是什么让这些人在晚上保持清醒,我们将永远无法真正将分析嵌入到我们的工作方式中并从中获得可持续的价值。这是其二。 因此,员工体验对分析同样重要,就像分析和员工倾听对员工体验至关重要一样。 David Green:我认为对于组织来说,在进行人力资本分析方面面临的挑战之一,是在数据周围的隐私中,与工作委员会合作,实际上将大量分析工作集中在理解和改善员工体验上。这如何支持这些对话? Laura Stevens:是的。员工倾听实际上是最强大的,但也可能是最简单的方式,可以快速收集有关情绪,行为,对我们员工最重要的事情的可扩展信息,这也是我优先考虑许多员工倾听计划的原因。长期以来,分析一直专注于我们拥有的数据。在员工体验领域,丰富的数据显然来自我们自己员工的声音。从GDPR的角度来看,从数据隐私的角度来看,如果我们对这些结果将如何用于优化员工的体验非常透明,这实际上很容易。倾听员工的声音,比使用被动数据和系统数据来了解人们如何行动或与我们的系统交互要容易得多。 David Green:我认为你暗示了员工倾听的另一个关键要素,那就是,我们走出去,我们向员工提问,我们收集数据,但最终它需要导致行动,我想这又回到了你对结果的见解。 Laura Stevens:是的。在员工倾听的空间中,我的团队正在处理几件事,其中之一显然是闭环和行动。 如前所述,如今,特别是在大型全球组织中,只有少数事情可以像精心设计和强大的倾听策略一样强大和有影响力。当我谈到彻底的改变时,对我来说,这首先意味着所有倾听的努力都应该与我们的战略重点有非常明确的联系。我们基本上是调查供应商告诉我们要衡量什么,而不是根据我们的战略重点进行正确的问卷调查,这绝对是我和我的团队试图带来改变的领域之一。 第二个是可操作性。我在那里利用了我在神经心理学方面的背景,其中很多行动不是关于繁重的行动或由人力资源驱动的冗长的推出计划,而是关于激活个人并使用神经心理学和行为科学领域引入的一些推动原则。因此,这些是我们优先考虑的几个元素,以更好地闭合循环。 David Green:你可以看到,赋予个人权力是你真正看到行动发生的地方,然后我想你可以用你的倾听来检查A]如果它正在发生,B]影响是什么。 Laura Stevens:当然。将个人视为促进敬业度,幸福感等的积极因素,是一个非常重要的元素。这不仅仅是人力资源。这不仅仅是领导力。   David Green:我们将回到您关于以人为本的设计的观点。当您考虑从以人为本的设计角度考虑最终用户时,您是否也考虑将人力资源业务合作伙伴以及经理视为您的用户?如果是这样,您如何帮助这两个群体使用数据并支持员工体验? Laura Stevens:绝对的。我和我的团队的雄心壮志之一是在整个P&O职能部门或人力资源部门中嵌入和扩展数据驱动的决策。我们希望我们职能部门的每个人,基本上都能够做出数据驱动的决策。但我们也意识到,为了实现这一目标,我们需要确保我们的员工(包括业务合作伙伴)能够轻松访问正确的数据。这意味着在一个平台上,通过一个具有直观前端的平台提供,这也鼓励他们非常快速地探索数据和见解,即使没有分析背景。这样一个平台需要产生与我们的业务合作伙伴及其各自的业务领导者明确相关的见解。因此,它立即需要为他们的成功做好准备,因为他们可以与他们的商业领袖一起提供更明智的客观决策或建议。 我们现在正与我们的业务合作伙伴进行大量合作,以了解他们的战略以及他们的战略推动因素,以便我们可以确保我们的平台提供他们所需的见解,尽可能出色地完成工作。事实上,我们的目标是使我们的关键内部客户获得简单且相关的见解,显然,从这个意义上说,人力资源业务合作伙伴是一个关键用户。 David Green:您的团队和其他人力资本分析团队如何帮助支持 HR 业务合作伙伴过渡到更加数据驱动?我很想听听您对您在DSM所做的一些事情的看法,以帮助人力资源业务合作伙伴,以及组织如何在这段旅程中支持人力资源业务合作伙伴? Laura Stevens:我对这个问题的回答可能非常简短和简单。在我看来,如果我们的举措被视为另一件需要学习或获得的东西,我们就没有做正确的事情。因此,分析团队需要连接到业务优先级,然后通过数据驱动的见解加速这些优先级的交付。如果我们所做的任何事情都被认为是"还有别的东西需要学习"或"还有一些东西需要获得",那么我认为我们需要审视自己,并想知道我们是否支持正确的优先事项。 David Green:因此,您再次与您正在采取的一种方式进行了交谈,即从您的业务P&O业务合作伙伴那里了解他们需要什么来帮助他们进行对话和讨论他们正在对其业务职能或业务部门所做的工作。所以这是双向的事情,我认为有时我们认为这只是关于人们分析事情,把事情推出去,但实际上我们需要理解并确保我们推出的东西是相关的,并且有助于他们的工作。 Laura Stevens:当然。我根本不喜欢在"按需"的基础上工作,所以我是推动事物的倡导者,但我们需要推动正确的事情。 David Green:CHRO和HR领导团队,人力资源部门和其他P&O部门围绕数据驱动的重要性提供了哪些支持或传达了什么信息? Laura Stevens:数据驱动是我们P&O转型的核心支柱或元素,不仅是我们P&O转型的一部分,也是全公司的首要任务。因此,我们正在做很多工作,以发展成为一个洞察驱动的组织,好事是,现在我们正在中央分析团队在中央层面推动的东西之间创造协同效应,成为IDEO并带领人们,然后从这个意义上说,我们从P&O转型的角度做了什么。 重要的是要确保所做的任何事情都是相互加强的,而不是被视为来自人力资本分析的东西,来自全球分析团队或中央分析团队的东西,因此我们正在创造协同效应,并确保数据精通,分析精通成为一个机会,在职能之间简化,从中心点优先考虑的事情。 David Green:归根结底,这是一个团队的努力。我们去年所做的研究,我认为有22%的人处于你的位置,直接向P&O或CHRO的负责人报告,并且是人力资源领导团队的一员。这是一个非常明显的问题,但是,这如何帮助您履行职责,以确保您正在做的事情与最重要的业务优先事项相关联? Laura Stevens:我是全球P&O领导团队的一员,这确实有助于了解不同COE,全球业务合作伙伴,人力资源的优先事项,因此我坐在非常接近决策的地方。CHRO的支持极大地帮助了我,并在战略,实现以及与整个业务和组织优先事项紧密相连时加速了一些雄心壮志。 David Green:这很有趣,因为我记得Luk Smeyers,在几年前的一次会议上,实际上挑战了房间里的一些人力资本分析领导者,并说"如果你不向CHRO报告,我建议你去别的地方工作。" Laura Stevens:对我来说,这是我接受向DSM过渡的重要原因之一。因此,对我来说,向CHRO报告是一个基本条件,以确保无论决策在哪里,你都可以推动这些决策。我希望避免处于价值链的接收端,而是宁愿确保我和我的团队能够参与战略对话。 这就是我的角色真正让我兴奋的地方,也是我期望人力资本分析领域也真正加强的地方,我们不是一个执行引擎。我们将分析专业知识与对人员和组织的非常透彻的理解相结合,正是这种功能专业知识和分析专业知识的结合证明了我们的存在。否则,您为什么不将自己限制在中央分析团队中呢? David Green:很好。对于即将进入新的人力资本分析领导者角色的人,您有什么建议?特别是如果他们只有一个小团队。 Laura Stevens:很明显,这取决于你的野心,以及你的公司在数据分析领域建立的基础,我认为这是一件公平的事情。 但是,如果你的目标是提供战略影响,这是我的目标和我团队的目标,我绝对建议你继续坐在驾驶座上。所以这就是推与拉的关系。因此,要专注于一套精选的大单,战略优先事项。 
优先考虑那些有可能在整个组织内扩展的项目,以确保你的知名度和影响最大化。 我和我的团队将可扩展性作为最高资格标准之一。因此,我们避免最终进入非常特定于某个业务领域或非常特定于某个区域的项目,因为这永远不会帮助我们扩大影响并最终成为数据驱动的功能。这是最终的游戏,它不仅仅是交付分析项目。 David Green:这是一个挑战,不是吗?因为你可以完全被请求淹没,并且拥有一些你已经谈到的技术和速度,一个平台,可以满足一些日常请求,那些临时请求,只要你使用的技术易于人们使用,那么他们就可以自己找到这些信息,正如你所说, 然后,团队可以专注于将对业务产生最大影响的东西,这些内容也可以在整个组织中扩展。 Laura Stevens:我完全同意,特别是能力建设。你可以向人们解释你在做什么,你没有做什么,但有时它首先需要加强组织的其他部分,从事你不一定认为是你投资组合一部分的活动,并让人们在某些领域自给自足,比如基本报告。这就是为什么我的团队现在使组织,首先是P&O职能部门,能够轻松访问数据,以便他们在提取报告时变得更加自给自足,以便我们有时间真正专注于更高级的价值创造。   David Green:是的,你必须同时考虑这两件事。因此,这很好地引出了下一个问题。许多分析领导者面临的一个挑战是,对请求说"不",并确定他们应该在哪些领域开展工作。您有什么建议,如何说"不",并帮助确保他们保持专注? Laura Stevens:我想,这主要是一个在你的定位上投入时间的问题,也是一个教育组织了解你的战略和提供帮助人们理解你的目标是什么,这在优先事项和工作方式方面意味着什么? 
根据我的经验,帮助人们理解对所有事情说 "是 "永远不会为职能部门或组织的成功奠定基础,正如我已经分享的那样。 因此,如果您忙于处理15个不同的按需项目,并且团队非常小,您将永远无法专注于构建职能部门所需的正确可扩展基础,从而成为数据驱动的人力资源职能部门。正如在这个问题之前已经提到的,我认为有时它确实需要加强组织的其他部分。我认为,这对我来说是最重要的学习之一。这不仅仅是说,我想做什么。因此,现在我们非常专注于自给自足,基本报告以及组织其他方面的能力建设,以确保我们能够真正实现运营模式和理想设置。 David Green:我想,在首席人员和组织官、CHRO和人力资源领导团队中拥有强有力的倡导者和支持者也是如此重要的地方。 Laura Stevens:是的,这可能是所有这一切中最有影响力的因素。 David Green:我们现在进入最后一个问题,这是我们在这个特定系列中向每个人提出的问题,我非常有兴趣听到您对此的看法。技术在支持员工体验方面的作用是什么? Laura Stevens:在我看来,技术是员工体验的众多不同驱动因素之一,就像文化或物理环境一样。然而,公平的是,随着技术现在成为我们工作方式和交付价值的方式中越来越核心和更重要的一部分,对员工体验的影响可能是指数级的。 
因此,我认为今天人们需要的工具是有趣的、简单的、与完成他们的工作相关的。但是,他们今天更需要的,也是研究证明的,是一个连接和整合的技术环境。今天,积极体验的最大障碍可能是大量不同的脱节系统和技术,这要求用户花费太多时间来找到他们正在寻找的东西并完成他们需要完成的任务。这不仅对员工体验产生了非常负面的影响,而且最终也会对生产力和公司绩效产生负面影响。 此外,我的团队正在支持开发集成的数字路线图,以确保我们不会在独立的基础上处理每一项技术,但我们也考虑未来以及这些不同的系统将如何相互通信,以及我们如何为我们的员工创造简单性,以便他们可以在更快的时间内做得更好。 David Green:实际上,你还谈到了另外两个领域,显然是文化和物理环境。我开始看到的一件事,特别是在美国的一些组织中,是人力资本分析团队,除了收集劳动力数据,也在收集工作场所的数据,特别是希望我们开始回到我们的实体办公室。 
你认为这对DSM来说是个机会吗?同样,如果我们考虑到混合工作,了解我们在办公室时将如何使用办公室,然后可能将办公室设置为真正实现这一点,例如创新和协作。这是你正在考虑的事情,或者在时机成熟时将会考虑的事情吗? Laura Stevens:是的,绝对的。我认为最后一个细微差别是正确的。DSM正在我们所谓的"混合工作场所"上投入大量资金。显然,与许多其他公司一样,随着COVID的爆发,我们已经开始进行一些脉搏检查,这也围绕着我们如何促进或帮助我们的员工在混合环境中发挥最佳作用。因此,这是我们发起并正在进行的一项工作。 其次,我们显然也将探索如何使用其他数据源来促进人们重返工作岗位的过渡,我真的相信人力资本分析可以在那里发挥关键作用。但是,这更像是未来的管道。
    预测分析
    2022年04月19日
  • 12