-
People Analytics
人力资本分析（People Analytics）在组织中的地位？
一些人相信，人力资本分析People Analytics的未来不是作为人力资源（HR）的一部分，而是将成为整个组织分析的一个关键部分。
实际上，在目前的市场上，在人力资源部门内设有人力资本分析职能的公司--由数据分析师、科学家、工程师和顾问/翻译组成--与其他组织的分析职能位于IT、首席执行官办公室或商业智能/洞察力内，并在人力资本分析方面为人力资源部门提供服务的公司之间存在着良好的平衡。在第二种情况下，人力资源部门是客户之一，但不幸的是，往往不是最重要的客户。
但是，这两种情况的优点和缺点是什么？我们将在下面探讨这个问题。
让我们从13个不同的方面来看看在人力资源部门内拥有一个专门的人力资本分析团队与作为整体卓越分析中心（CoE）一部分的集中式分析的利弊。
下面的图片总结了我们如何看待组织中的分析或数据科学结构。
值得注意的是，在组织中对人力资本分析的定位没有正确或错误的决定。这在很大程度上取决于你的组织的规模，你拥有的资源，以及你的领导和利益相关者。很多时候，没有明确的人力资本分析团队，而是两种模式的混合体。随着我们走向未来，这种情况可能会进一步转变和发展。
1.策略
人力资源专业人力分析团队
该战略将由人力资源部门决定，因此与人力资源战略保持一致，并重点关注人。
人力资源部门的人力资本分析团队可能意味着在业务成果方面缺乏战略和问责制，从而难以实现业务目标。
集中式分析作为整体分析 CoE 的一部分
该战略将由公司整体战略决定，并更加关注业务目标。
这一更广泛的业务战略将与业务的短期和长期目标保持一致，并有助于提高生产力、收入和利润。
中央分析团队可能对 CoE 将向谁报告存在一些模糊性，并且可能需要额外的员工。
这样的团队需要角色明确，以避免成为所有人力资源相关数据的“垃圾场”。
2.优先级
人力资源专业人力分析团队
人力资源部门的人力资本分析团队能够通过以人为本的第一种方法专注于长期的战略影响。
它允许演示结果，并使整个组织看到对专门的人力资本分析团队的需求。
它保证关注直接影响员工的紧急和相关劳动力问题。
集中式分析作为整体分析 CoE 的一部分
中央分析团队通常会更多地关注可证明的财务影响，并将较低的价值归因于长期的人员影响。
在您展示结果之前，可能无法以这种方式集中分析功能。
中央分析团队意味着人力资本分析职责将被集成到整个 CoE 中，这可能导致 HR 被置于更紧迫的业务目标背后的底层。
这种设置可能会导致人力资源领导者感到得不到支持，因为对人事的关注较少。
3.实验/好奇心
人力资源专业人力分析团队
人力资源部门的人力资本分析团队拥有专门的预算和自主权，可以进行更多实验并遵循他们的好奇心，而不会占用他们的时间和预算的服务交付期望。
集中式分析作为整体分析 CoE 的一部分
中央分析团队在实验方面受到限制，因为较小的团队时间和资源有限，首先分配给实现业务领导者设定的期望。
该团队将由不同的专业知识和背景组成，从而提供开箱即用的观点。
4.影响
人力资源专业人力分析团队
人力资源部门的人力资本分析团队缺乏业务背景，可能会错失机会或过于关注人力资源问题。
该团队将对人力资源特定问题有更深入的见解和经验，因此在这一领域产生更大的积极影响。
集中式分析作为整体分析 CoE 的一部分
中央分析团队的项目组合可能会受到预期影响和投资回报率的驱动。
一个专门的团队可以在整个企业中产生更大的影响。
组建一个独立且高绩效的中央分析团队是一项艰巨的任务，需要时间来产生明显的影响。
5.技能获取和利用
人力资源专业人力分析团队
人力资源部门的人力资本分析团队可能难以吸引、获取和保留人力资源人才库中人力资本分析所需的必要数据科学和机器学习技能。
然而，创建这样一个团队为愿意学习这个角色的技术方面留下了空间，而人力资源需要实践经验。
人力资源部门专门的人力分析团队为人力资源特定技能和经验奠定了现成的基础，这在试图支持业务中的人力资源领导者时至关重要。
在人力资源部门建立一个人力分析团队，使得为必要的数据科学和机器学习技能制定预算（并找到）这些技能，并在仅专注于人力资源时有效地利用这些技能更具挑战性。
集中式分析作为整体分析 CoE 的一部分
中央分析团队通常可以更轻松地吸引具有所需数据技能的人员。
人力资源部门以外的人员可能缺乏管理此角色的人力资源方面所需的知识、软技能和经验。
另一方面，团队成员可能能够学习这些咨询技能，而分析技能组合被认为更难教授。
中央分析团队可以为人们提供分析和咨询技能的正确组合，以解释分析结果并与业务领导者有效合作。
创建中央分析团队为高需求的稀缺数据科学和机器学习技能提供了规模优势。
6.人力资源机会
人力资源专业人力分析团队
该团队与人力资源专家关系密切，可以轻松发现分析可以增加价值的机会。
人力资源部门的人力分析团队创造了一个机会，使人力资源部门更加以数据为导向，这对人力资源专业人士和领导者很有吸引力，因为这是人力资源的未来方向。
这也是一个与商界领袖一起获得一席之地并成为更强大的战略合作伙伴的机会。
集中式分析作为整体分析 CoE 的一部分
缺乏人力资源知识加上与职能的距离增加可能导致人力资源机会无法确定。
人力资源部门可能会被其他被认为更紧迫的话题所掩盖。
将中央分析团队作为分析 CoE 的一部分，通常会带来更多样化的视角和背景，从而产生更具创新性和更不标准的项目。
7.人力资源知识
人力资源专业人力分析团队
人力资源部门的人力资本分析团队由具有人力资源知识的人力资源专业人员组成，他们了解分析的工作原理以及如何有效地使用它们，这是使分析工作的重要组成部分。
人力资源部门的人力资本分析团队确保正确解释人力资源流程和人力资源数据。
如果组织已经依赖人力资源知识和数据，则此设置可能是首选，因为启动 CoE 可能更具挑战性。相比之下，如果一个组织很少依赖人力资源知识和数据，他们可能会发现这更容易。
集中式分析作为整体分析 CoE 的一部分
中央分析团队利用跨职能专业知识作为专业知识中心的一部分。
由于这个团队可能具有更多样化的观点和背景，他们可以在人力资源方面提出创新的解决方案。
中央分析团队可能会在没有特定人力资源知识和专业知识的情况下实现人力资源愿景变得具有挑战性。
8.结果/职能的可信度
人力资源专业人力分析团队
由于人力资源部门内部的人力资源解决方案，人力资源部门的人力资本分析团队可能不太可信。
但是，由于人力资源部门作为一个整体是以证据为基础的，因此可信度更高。
获取有意义的业务信息可能具有挑战性。
团队可能很难获得领导者和利益相关者的尊重和支持，因为人力资源部门长期以来一直享有“软技能”职能的声誉。
集中式分析作为整体分析 CoE 的一部分
中央分析团队将自动获得信誉，因为它在业务中的地位更高。
它还可能更广泛地认识到人力资源和劳动力视角对解决问题的重要性。
9.关系
人力资源专业人力分析团队
人力资源部门的人力资本分析团队有助于与人力资源利益相关者建立关键关系，并被视为值得信赖的顾问和人力资源团队的一部分。
团队通常可以提供一些最有价值的人力资源见解，以解决企业领导者面临的最大挑战。
集中式分析作为整体分析 CoE 的一部分
中央分析团队意味着人力资源部门成为客户，并与PA运营的共享资源建立了纯粹的服务交付关系。
团队可以战略性地使用分析和预测来建立重要的关系，影响业务领导者和利益相关者，并引导他们支持分析。
10.商业环境
人力资源专业人力分析团队
人力资源部门的人力资本分析团队可能缺乏业务背景，并且很容易错过连接到其他数据的重要机会。
集中式分析作为整体分析 CoE 的一部分
中央分析团队位于组织中更核心的部分，与所有关键部门都有联系，并且具有出色的业务上下文见解。
这样的团队增加了不同数据集被连接、分析和利用的可能性。
11.数据
人力资源专业人力分析团队
人力资源团队确保正确解释人力资源流程和人力资源数据。
它可能会更加了解并因此严格遵守数据收集和隐私法，以保护组织及其员工。
人力资源主管和数据隐私官将能够在创建和实施数据访问模型时提供所需的输入，该模型将允许连续和不受限制地访问数据。
人力资源团队增加了开发数据访问模型的可能性，机器学习和人工智能未来预测的成功将取决于此。
集中式分析作为整体分析 CoE 的一部分
中央分析团队能够连接到人力资源部门以外的其他数据，并创建一个单一的事实来源。
团队利用其他业务功能，这些功能在收集和利用数据方面通常领先于人力资源部门，并据此提出业务建议。
12.工具与技术
人力资源专业人力分析团队
人力资源部门的人力资本分析团队可能在工具方面受到限制，并且可能无法采购所需的工具和技术来执行其工作。
可能缺乏使用新软件和技术的技能，缺乏提高技能/再培训所需的投资。
集中式分析作为整体分析 CoE 的一部分
中央分析团队有更大的预算来投资数据、工具和专家。
该小组将能够获得更广泛的资源库。
13.数据素养
人力资源专业人力分析团队
人力资源中的人力资本分析团队允许人力资源组织使用数据驱动的循证方法积极解决问题。
它还允许人力资源组织提高工作技能。
人力资源部门的人力资本分析团队强化了这样一种信念，即管理人员是一项适合人类的工作。在做出关键决策时，机器和算法不应该取代人类，人力资源专业人员也明白这一点。
集中式分析作为整体分析 CoE 的一部分
中央分析团队将负责人力资源部门的数据和分析
这样的团队通常由具有特定分析技能的员工和顾问组成，因此可能具有更高的数据素养。
团队必须知道为什么他们要做出与招聘、晋升和解雇有关的决定，而不是简单地遵循“科学”。如果数据管理不当，可能会适得其反。
下一步做什么？
那么，既然您已经对选择在组织内定位人力资本分析的利弊有了深入的了解，那么接下来应该采取哪些步骤呢？
如果您选择将人力资本分析放在人力资源部门
了解更大的（企业）图景
至关重要的是，分析必须采取中心观点，建立业务敏锐度，并花时间了解业务的关键挑战和整体愿景。这使您可以获得信誉并培养与领导者和利益相关者的关系。
确保与业务问题的连接
在查看、分析和报告数据时，请在数据与业务当前挑战之间建立清晰的联系。
使用的不仅仅是人员数据
人员数据应与来自整个企业中其他部门的数据相结合。这使团队能够获得最大的洞察力，并充分利用潜在的增长机会。
避免只关注人力资源问题/问题
当人力资本分析被置于人力资源部门时，很容易只关注人力资源问题，而无法解决可能引起更大或同等关注的公司范围的问题。避免这样的人力资源偏见，并确保根据紧迫性和重要性解决问题。
将时间投入到业务影响、人力资源改进和实验中
确保您的人力资本分析团队将时间分配在与直接业务影响、人力资源改进和尝试新想法相关的任务之间。这确保了组织的所有关键领域都得到照顾，同时为创造力和创新留下了空间。
数据素养方面的工作
数据素养是所有人力资源专业人员应该努力追求的核心技能之一，以便在日益以技术为主导的工作世界中取得成功。数据已经极大地改变了我们的工作场所，并将继续这样做。
如果我们想充分利用数据的可能性，知道如何读取和解释数据至关重要。将现有的人员技能与数据素养技能相结合。然后，您就拥有了一个强大的组合，保证为您赢得与商业领袖的席位。
如果您选择将人力资本分析放在人力资源/卓越中心之外
确保团队中的人力资源/心理学知识
虽然拥有中央分析团队意味着您拥有出色的分析技能，但在做出人员决策以及与经理和领导者进行对话时，人力资源知识以及与人员联系和理解人员的能力同样重要。
做一个有意愿和好奇心的合作伙伴/致力于数据素养
将人力资本分析放在 CoE 中时，提高整个团队的数据素养同样重要。确保它得到妥善管理。这样，领导者就可以理解为什么要做出决策，而不是盲目地遵循呈现的数据。他们必须愿意与业务中的所有部门合作，对意想不到的模式和见解持开放态度，并跟进这些模式和见解以保持主动性而不是被动性。
根据所需的输入解释您的项目想法
输入是指项目中实现它所需的任何内容。这可能包括员工（外部或内部），融资，软件，办公空间等。确保向领导层解释拟议的项目所需的投入，以及这些投入将如何帮助实现预期的结果。
将项目理念转化为短期投资回报率和长期战略能力
在解释拟议的计划时，向领导团队明确短期和长期利益。解释这如何直接影响企业的成功。您越能展示投资回报率，就越有可能获得前进所需的资源和支持。
在决定人力资本分析在组织中的位置时，请考虑业务需求和可用资源。最终目标是使人力资本分析功能成为业务战略的一部分，继续成为日常运营的一部分，并最大限度地提高组织的成功率。
文章来源：AIHR
作者： Paul van der Laken
People Analytics
2022年05月16日
-
People Analytics
为什么扩展人力资本分析（PA）像引体向上，做1个容易，做100就难了？
创建一个关于员工的有洞察力的仪表板就像引体向上：做一个很容易，做100个很难。
为几位高管制作一个引人注目的仪表盘，并不会让一个熟练的数据团队不堪重负。但是，高管们不可避免地希望做出改变，将一个仪表板项目变成一个永无止境的传奇故事。
最重要的是，向整个组织的管理者提供人力资本分析，不仅仅是向高管层提供，正成为雇主的首要任务。在这样的规模下，仪表盘上的“肌肉”很快就会耗尽。
为什么人力资源领导者需要对他们的团队有深入的了解
直到2019年，大多数拥有人力资本分析功能的组织都专注于向少数高管提供洞察力。这些领导人正在询问一系列关于人力资源活动的基本业务问题，例如。我的员工在哪个部门？为什么有人离开组织？
当自上而下的雇主-雇员社会契约成为常态时，这已经足够了。但时代已经改变。
随着混合工作、高倦怠率和对社会公正的要求，工作世界已经变得无限复杂了。在以人为本的组织中，雇主仍然可以从鸟瞰的角度了解人力资源的趋势，但他们也不得不与员工进行持续的对话。数据支持的管理者是这些互动的核心。
例如，如果一些员工在脉搏调查中报告压力激增，管理者可以看到这个数据，并与其他团队在总体水平上进行比较。然后，管理者可以确定压力激增是否是由于他们组内的问题造成的，并在必要时采取行动。
像今天商业的许多方面一样，管理者需要从理解的角度来领导团队，而不是从直觉的角度，这意味着他们需要有数据洞察力。
人力资本分析造就敏捷型人才领导者
当填补空缺职位的时间达到历史最高点时，管理者们在帮助组织更明智地招聘方面也发挥着关键作用。考虑到招聘经理需要行动的速度，等待人才招聘团队的每月更新是不可能的。一个拥有最新和准确数据的经理可以以事实为基础管理他们的人才管道和招聘资源。
来自Insight222的研究表明，企业不仅仅是在做人力资本分析，而是希望更广泛地扩展其能力。根据该报告，60%的公司在2020年6月至2021年6月期间增长了他们的人力资本分析团队。75%的人力资本分析领导者预测，在2022年6月之前，他们的团队将获得更多的投资。
如果有更多的组织投资于人力资本分析，他们也期望从该投资中产生价值。我们自己的研究表明，当检索洞察力的能力超出数据科学和报告团队的范围时，组织在财务上就会蓬勃发展。
然而，假设你的解决方案目前为20个人力资本分析用户提供服务，将能够扩展到1000个用户，可能会让你失败。
扩展人力资本分析就像做100个引体向上一样
根据Visier的基准数据，一个典型的大公司每100名员工将有11名经理--在一个5000人的企业中，这意味着需要为近500人提供见解。一些组织可以轻松地做到这一点。例如，Merck KGaA已将其用户群扩大到3500个用户，其中包括业务和人员领导的所有管理层，以及人力资源职能部门。这些用户中，直线经理占了3000个。
其他组织在试图支持如此多的用户时，就会陷入困境。使用传统的商业智能工具提供仪表盘并确保它们的安全，可能会妨碍达到这种规模水平，而且当你没有合适的“肌肉”时，感觉很像做100个引体向上。
3个原因
1. 压倒性的安全要求
人员数据是敏感的。管理者应该只看到直接报告的细节，而不是组织中的所有人。他们还需要看到他们与企业其他部门的比较，而不需要访问个人的细节。当来自组织结构中不同层级的领导想要获得相同的洞察力时，他们可能想要定制内容。但是，支持每个领导的个人需求并保证数据的安全很快就会变得不堪重负。
使用人工方法在整个组织内提供这种水平的服务是根本无法持续的。数据分析师很快就会忙于整理数据和建立仪表盘，为不同的受众解决大量的问题。保持在所有这些不同的需求之上，意味着数据团队将创造出大量的复杂性，需要更多的人去管理。
2. 有限的灵活性
人事管理者的探索性分析是关于自由调查模式和趋势，因为它们与诸如福利、生产力和薪酬平等有关。
这种自由探索在传统BI方法中是不可能的。使用这种方法，主题和数据源的数量是有限的，因为逻辑需要事先建立在仪表盘上。如果不向他们的分析小组或团队提交修改请求，管理者们就不能临时提出新问题。这种方法造成了积压，因为给每个领导提供他们自己的 "数据管家 "并不具规模，而且会导致妥协和静态内容。在一天结束的时候，用传统的商业智能工具建立的仪表盘可以在视觉上令人惊叹，但你看到的就是你得到的。
3. 繁重的手工任务
正如分析专家Brent Dykes所描述的那样，在企业对数据采取行动并从其分析投资中获得价值之前，有许多里程碑式的事情必须要做。
这对于人员数据来说尤其如此。鉴于其复杂性和数量，建立一个仪表盘通常需要将一个可视化工具连接到某种数据存储，如数据仓库或数据湖。但是，不断变化的层次结构，安全要求，以及像基准数据这样的外部来源都不容易被这种方法所支持。
当如此多的工作被捆绑在数据准备和提取上时，企业就不太注重确定如何最好地分析数据和采取行动。Dykes认为，这是一个问题，因为决策阶段才是分析团队产生价值的真正所在。太多的时间花在人工任务上意味着分析投资永远不会得到回报。
作者：Steve Holder
People Analytics
2022年04月21日
-
People Analytics
成功实现人力资本分析（PA）数据民主化的八个步骤
Insight222的《2021年人力资本分析趋势》研究提出了一个数据驱动的人力资源文化模型。关键因素之一是将数据驱动的决策嵌入到整个HRBPs和管理人员中。总而言之，这涉及到：
通过投资可访问且易于使用的工具，使整个组织的数据民主化。
提高HRBPs的数据知识技能，以及其他辅助技能，如咨询和影响。
通过确保来自CHRO的清晰一致的沟通，并激励采用数据驱动方法的职业旅程，支持人力资源部门的变革管理流程。
什么是数据民主化？
数据民主化是使组织中更广泛的人群可以访问数据和洞察力的过程，他们将从数据的使用中受益。Gartner预测，到2023年，促进数据共享的组织将在大多数商业价值指标上超越同行。
许多人力资本分析领导者最关心的问题是，"我应该提供的第一个大规模解决方案是什么，以实现数据的民主化？”根据人力资本分析领域的"领先公司"的说法，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（例如，Visier，Crunchr，One Model），或使用Microsoft Power BI或Qlik等工具构建仪表板套件，为管理人员和人力资源专业人士提供大规模的洞察力是明智之举。
本文将探讨使用分析仪表板实现人员数据民主化时，对成功至关重要的八个步骤。
实现人员数据民主化的八个成功步骤
1.CHRO赞助和关键业务利益相关者的支持
有一个关键的利益相关者很少需要说服人力资源部门的数据驱动文化的重要性，那就是CHRO本身。在Insight222最近的研究中，90%的受访公司表示，他们的CHRO已经明确表示，数据和分析是人力资源战略的重要组成部分。
因此，让CHRO赞助一个带有分析仪表板的人员数据民主化计划至关重要。这应该是建立数据驱动型人力资源职能的更广泛战略的一部分，该职能部门定期传达给人力资源同事。
如果要向业务成功启动分析仪表板，则相同的原则也适用。确定几位对经理有权访问人员数据以做出决策充满热情的高级业务主管是成功的关键。如果这些高级领导者能够与他们的团队一起设定期望，让他们使用这些数据来为有关其人员的讨论提供信息，这将开始推动高层的行为变化。
2.明确对业务问题的理解
如果仪表板仅关注人力资本分析团队认为重要的要求，则数据民主化将失败。必须花时间与人力资源业务合作伙伴、关键业务利益相关者和其他用户群体一起，了解他们面临的挑战、他们收到的问题以及他们与利益相关者的对话。在这些对话中，数据可以推动更有效的讨论。
然后，人力资本分析团队必须考虑如何将这些问题转化为仪表板可以回答的分析问题。为了在这方面取得成功，Insight222人力资本分析运营模型推荐了人力资本分析顾问的需求引擎。咨询团队直接与业务和人力资源利益相关者合作，了解、理解业务战略和挑战，并将其转化为解决方案引擎可以解决的假设。
在一家总部位于欧洲的大型全球金融服务组织中，人力分析咨询团队负责人采访了 50 多名 HR 和业务利益相关者，以收集自助服务仪表板的要求并确定其优先级。仪表板的目的是回答有关劳动力的关键业务问题，并减少人力资本分析团队的手动报告开销。仪表板已扩展到 HR 和业务部门的 2，000 多个用户。它在以前的尝试失败的地方取得了成功，因为它旨在满足人力资源和业务需求。咨询负责人理解并优先考虑这些要求，同时在整个项目中直接与利益相关者沟通，并根据他们的反馈迭代产品的设计。将手动报告从 3，000 份减少到 600 份以下所节省的成本用于资助高级分析团队的建立。
顾问的角色将继续成为该人力资本分析团队转型的关键驱动因素，自助服务仪表板是构建数据驱动型人力资源职能的基础推动因素之一。
3.开发用户角色和旅程
通过关注体验和结果，将以人为本的设计原则应用于仪表板的开发，将有助于开发为所有利益相关者带来价值的解决方案。以人为本的设计可以被定义为设计以人为本的产品、流程和体验的一种方式。必须考虑仪表板的目标用户，并为每个用户创建角色。要考虑的问题包括：
谁是仪表板的不同预期用户？
他们将在什么情况下使用仪表板？他们的用户旅程可能是什么样的？他们的兴趣、动机和需求是什么？
他们面临哪些挑战？仪表板如何帮助降低它们所经历的复杂性和摩擦？
他们需要如何使用数据和见解，因此哪些可视化效果最合适
将产品思维模式应用于仪表板的开发，并将用户（而不是人力资本分析团队）置于设计思维的中心，这一点很重要。正如ServiceNow首席创新办公室的布道者Nerys Mutlow所说："人们喜欢以不同的方式消费信息。人们喜欢以不同的方式工作。有些人非常视觉化。例如，有些人对书面沟通类型的反应更好。”
了解"体验"本身就是产品思维的核心。正如Tata Steel人力资源战略、分析和人力资源创新实验室负责人Vipin Sharma所概述的那样："我们所有的分析项目，无论是可视化仪表板、描述性分析还是预测模型，都是从最终用户及其解决的业务问题开始的。对于所有可视化仪表板，我们与领导层和HRBP就他们需要实时改进决策的KPI和见解进行了深入讨论。”
让用户参与仪表板的构建、测试和迭代可能是 HR 的一种新工作方式。尽管如此，从长远来看，它将使产品更加成功，而让HR参与设计和构建的过程将有助于为HR开发数据驱动的文化。
4.与数据隐私的合作伙伴关系
与人力资源部门的首席数据隐私官的合作伙伴关系对于确保人员数据的道德使用至关重要，这也适用于数据民主化计划。成功的人力资本分析团队与数据隐私团队建立了牢固的合作伙伴关系，并定期与他们会面，讨论人力资本分析项目、新兴数据源以及有关共享数据的隐私注意事项。
步骤 3 中创建角色的过程也应为仪表板创建安全角色配置文件提供信息。并非所有用户都需要相同的数据访问权限 - 他们应该有权访问其角色所需的数据，并且根据其角色类型和职责范围，这看起来会有所不同。
人力资本分析团队和数据隐私之间的合作伙伴关系对于正确实现这一目标以及在将新数据源合并到仪表板中时管理未来需求至关重要。同样重要的是，应用强大的数据管理，为仪表板中的数据元素和指标创建和记录标准定义。
5.试点并建立实践社区
仪表板的持续采用和使用可能是人力资本分析团队在此类工作中面临的最大挑战之一。为了增加成功的可能性，在更广泛地推出仪表板之前，必须先试用仪表板的启动以进行测试和学习。一种方法是首先启动到对产品支持和需求最大的特定队列或业务领域。另一种有效的方法是创建一个拥护者网络。这些拥护者是仪表板的早期采用者，一旦它在各自的团队中更广泛地推出，就会继续支持其使用。
创建网络或"实践社区（CoP）"有许多好处，例如支持提高人力资源和管理人员技能的计划，使其更加数据驱动。在 CoP 表面用例之间讨论和共享示例，其他用户可以从中受益。最后，有效的 CoP 通过利用 CoP 来鼓励和动员旅途中的其他同事，从而支持人力资本分析团队扩大工作规模。
在Merck Group，除了CHRO赞助之外，大使网络一直是培养数据驱动型人力资源专业人员的关键成功之一。Merck Group人员数据和技术集团负责人Alexis Saussinan解释说："我们很早就意识到的一件事，特别是三四年前，是如果你想提高数据素养，那就忘记这个工具。这不是关于工具，而是关于你可以围绕它做些什么。这就是我们在人力资源部门内部以及更广泛的业务中建立社区的地方，这些社区聚集在一起，分享他们如何从人员数据和技术见解中获得价值。因此，能够建立一些大使网络，作为你技能提升努力的倍增器，这已被证明是非常成功的。”
6.与技能提升计划一起启动
人力资源领域最成功的数据民主化计划与人力资源专业人员的教育和技能提升计划同时启动。这些计划旨在帮助人力资源专业人员了解数据驱动意味着什么，以及如何在日常角色中应用这些数据。数据素养技能对于有效的数据驱动决策至关重要，但它们是未来人力资源专业人员需要的众多技能之一。其他包括以业务为中心的技能，如组织敏锐度，利益相关者管理和讲故事。
Insight222最近的研究发现，只有43%的组织认为他们的HRBP正在培养数据素养技能，尽管超过80%的CHRO希望他们这样做。
在不断发展的数字数据驱动环境中，深思熟虑的决策并不意味着每个人力资源专业人员都必须成为数据科学家。但是，每个人力资源专业人员都需要具备数字素养和分析能力。对于人力资源专业人员来说，收集数据和见解以告知决策并确保以新的创新方式将新的视角应用于挑战至关重要。
为人力资源专业人员和管理人员配备正确的工具，以便他们能够使用数据和见解来指导关键利益相关者的决策，这是建立数据驱动型文化的核心部分。但是，除非它伴随着一个专注于分析思维和数据素养应用的学习计划，否则它不会成功。
7.有意识地管理文化变革
重要的是要启动具有沟通计划的仪表板，其中包括来自CHRO，高级业务利益相关者的消息以及经过深思熟虑的营销活动以创造兴奋感。然而，一旦工具启动，数据民主化计划就不会完成。为了取得成功，至关重要的是，它们必须伴随着持续的变更管理过程。
业务和人员战略将继续发展，仪表板应经过持续的开发和发布周期，以确保它们反映业务和人力资源不断变化的需求。同样，组织中将有人员流动和新加入者，因此需要持续的营销，沟通和技能提升，以确保工具继续使用。重要的是要考虑如何将仪表板整合到员工旅程和计划中，例如新加入者入职以及表彰显示数据驱动的行为。
8.衡量影响
一个经常被忽视的步骤是测量数据民主化的影响。根据项目的最初目标，这可以以多种方式应用。例如，部署仪表盘的目标可能是减少对人员分析团队的临时请求，从而为人力资本分析团队创造能力，使其专注于更多增值的分析项目。
重要的是，随着时间的推移，衡量这种情况是否已经发生，并专注于仪表盘的持续嵌入，以确保采用。使用数据将确定人力资源和业务用户中哪些地方采用率高，哪些地方采用率低。这些数据可以用来为人力资源部门的进一步技能提升计划提供信息，并在高采用率的用户中确定冠军和使用案例，以帮助教育和促进工具的使用。作为人力资本分析管理的最佳实践的一部分，在财务和人力资本分析分析团队之间建立合作关系也很重要，以商定如何衡量商业价值和数据民主化计划和其他分析项目的投资回报。
最后的思考
通过投资可访问且易于使用的工具，来实现整个组织的数据民主化，是发展数据驱动的人力资源文化的一个关键部分。Insight222最近的研究发现，在人力资本分析功能提供易于用于做出即时决策的数据的公司中，超过80%的公司拥有人力资源驱动的数据文化。
正如微软人力分析主管Dawn Klinghoffer在这项研究的采访中分享的那样，"我们不仅提供数据，我们与团队合作，创建正确类型的准备材料，帮助他们有效地完成工作。这不仅仅是关于数据，而是关于你如何使用数据。虽然掌握数据质量问题和选择正确的技术很重要，但本文中概述的八个步骤至关重要，也应该纳入工作计划，以确保通过分析仪表板成功实现数据民主化。
作者：Naomi Verghese
People Analytics
2022年04月18日
-
People Analytics
人力资本分析（PA）功能应该向人力资源部门报告还是企业分析部门报告？
领先的人力资本分析团队正越来越多注重交付商业价值。在Insight222最近的一项研究中，97%的人力资本分析领导者向CHRO本人或人力资源部门报告，只有3%向企业分析部门报告。有些人可能会说，向企业分析部报告会让他们有更多的能力来交付商业价值。但事实并非如此简单。
交付商业价值意味着从 "为人力资源服务 "转变为开始考虑如何与真正的商业机会联系起来。要做到这一点，有两种力量需要精细化管理：
1. 劳动力数据是独一无二的，需要了解如何应用人员数据并处理劳动力数据的细微道德差别。
2. 真正的分析需要客观，不受最适合现有方法和策略的答案影响。
这两种力量之间的紧张关系是产生问题的原因。在与一家大型制药公司的首席执行官交谈时，我们问他为什么将人力资本分析职能转移到企业团队中，他回答说："我希望我们尽可能地接近正确答案，而不关心答案是什么......如果人力资本分析报告成为自己的职能，我们就无法做到这一点。"
如果你正在问自己这个问题，这里有三个重要的话题需要考虑：
1. 定义客户比以往任何时候都更重要：很容易开始将人力资源部门视为最终消费者，而完全忽略了业务。
领先的人力资本分析团队花时间在他们自己、高级HRBP和业务领导之间建立牢固的关系。这种关系必须是平等的，并建立在透明和合作的坚实基础上。如果一个企业的人力资本分析团队开始以人力资源服务水平协议（SLA）为基础来衡量自己，你就知道这种关系正变得更加注重服务，而不是价值。建立一个真正清晰的利益相关者地图和参与方式可以有助于避免这种陷阱。
2. 当不属于该组织时，影响人力资源部门是很难的：从企业层面的人力资本分析功能中获得影响需要一个非常强大的领导者。
人力资本分析领导者面临着艰巨的工作，最好的领导者是技术先进、战略精明和讲故事的天才。将这些技能与影响人力资源的需求叠加在一起，使其变得更加数据驱动和自力更生，而不是成为正式团队的一员，对这个领导者的期望就更高了。不过，这样做的好处是，如果你来自一个与其他商业同事一起的一般分析职能部门，而不是来自人力资源部门（有时会被视为不那么有商业头脑），你可能会得到商业领袖的更多尊重。因此，尽管影响人力资源部门可能比较困难，但影响企业本身可能比较容易--从而提供他们所期望的价值。最关键的是，"从外部 "影响人力资源部门并不容易，但却很容易落入成为人力资源部门服务中心的陷阱，从而失去对商业价值的驱动力。
3. 获得资源的机会更多：在企业团队中，可以更好地获得企业数据、技术和技能，但人力资本分析可能成为其他被认为 "更重要 "的分析功能的 "分支"。
领导人力资本分析团队可以培养一系列的深度分析技能。当你在企业团队中报告时，有很大的机会来分享技能和知识--对技术和数据的访问和分享也是如此。你对其他业务数据的访问，如金融、消费者和房地产，当然应该更容易。然而，由于人力资本分析作为一项分析职能往往没有那么成熟（比方说，财务或营销），人们不一定把人力资本分析看作是他们想提升自己事业的地方。他们可能不愿意分享数据，而这最终可能会进一步孤立团队。
正如上述数据所示，大多数组织已经决定在设计组织时，将人力资本分析工作报告给人力资源部门。这样做的原因有很多：
人力资源部门通常拥有预算
公司内部对人员数据的道德规范是重要的考虑因素，通常由人力资源专业人员自己处理比较好。
人力资本分析探讨的是定量、定性和行为数据之间的衔接，而最后一项通常由人力资源专业人员处理得更好。
人力资源副总裁希望他们的人力资本分析团队在组织上 "紧密"。
然而，尽管有这些观点，并且绝大多数数据都支持将人力资本分析报告给人力资源部门，但也有令人信服的论点证明人力资本分析应报告给企业分析部门。
但重要的是，你要做出最适合公司的决定。如果这个决定是错误的，团队将发现自己处于一个难以影响和有效运作的位置。如果做对了，机会是无穷无尽的。所有成功的要素都需要放在这两种情况下：优秀的领导力，强大的人力资源支持以及真正致力于通过人力资本分析来实现商业价值的组织。
作者：Kate Marks
People Analytics
2022年03月29日
-
People Analytics
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
People Analytics
2022年03月11日
-
People Analytics
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
People Analytics
2022年03月10日
-
People Analytics
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
People Analytics
2022年03月09日
-
People Analytics
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
People Analytics
2022年02月28日
-
People Analytics
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
People Analytics
2022年02月26日
-
People Analytics
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
People Analytics
2022年02月23日
扫一扫 加微信
hrtechchina
