-
![]()
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
-
人力资本分析
为什么人力资本分析（People Analytics）是解决CEO们最关键业务问题的关键。
Stacia Garr在RedThread Research发布的一份新报告中说，如果最高领导层有效地使用人力资本分析（People Analytics），可以释放出数百万，甚至数十亿的商业成果。
在一份由Stacia Garr共同撰写的新报告中——《释放的隐藏超级力量：人力资本分析》（Unlocking the Hidden C-Suite Superpower: People Analytics ），这位分析师敏锐地发现了最高领导决策层在长期的重大趋势下的痛点，如多样性和人口变化，对机器学习和人工智能的关注，以及对更严格的人力资本指标报告的需求增加。Stacia与我们坐下来，回答了关于这些令人惊讶的发现的几个问题，以及为什么在做出关键业务决策时，最高层需要进行人力资本分析（People Analytics）是关键。
是什么启发你研究这种 "隐藏的超级力量"？
我们看到一个统计数字显示，超过90%的最高领导人认为人力资源部门在大流行病期间做出了有意义的贡献，但其中85%的人说他们不期望在大流行病结束后继续这样。所以我们想，为什么他们没有看到人力资源部门在推动业务成果方面可以做的更广泛的影响？我们决定寻找一些故事，以帮助我们了解人力资本分析（People Analytics）对最高层业务决策的影响。
你们发现的影响是什么？
我们的主要发现之一是，如果你有效地使用人力资本分析（People Analytics），你可以推动数百万甚至数十亿美元的重大业务成果。人力资本分析（People Analytics）不能只是生活在人力资源部门之下，被视为只为人力资源部门服务，而是这些团队（和技术）必须成为企业的合作伙伴，特别是最高领导层。一旦对话开始，人力资本分析（People Analytics）的领导者就需要被带入对话，尤其是现在。
我们的一个重要发现是，如果你有效地使用人力资本分析 ，你可以推动数百万甚至数十亿美元的重大业务成果。
在大流行期间，许多人开始在家工作，我们不知道如何做。现在，我们有很大比例的劳动力是远程或混合的。我们将再次需要从人力资本分析（People Analytics）中获得洞察力，以了解它是如何工作的。人们是否能够按照他们的需要进行联系？他们在工作场所感到安全吗？他们是否感觉到他们有连接和信息，以及他们需要的一切，以完成他们的最佳工作？
第二个组成部分是围绕多样性、公平、包容和归属感（DEIB）。我们知道，它现在非常重要，数据可以帮助我们衡量和了解我们在该领域的进展。
在与研究参与者的交谈中，有什么让你感到惊讶的事情吗？
我们没有想到的是，最高领导层、CHRO和人力资本分析（People Analytics）之间平衡关系的重要性。虽然文化很重要--数据驱动的文化更广泛地来说是很重要的--我听到的其中一件事是最高领导人的个性在设定期望方面的重要性。
我们知道，当你将人员数据与销售、财务和客户数据等业务数据结合起来时，这种数据的一些最大力量就会显现出来。但是，我们很惊讶地听到人力资源部门经常在组织内部遇到障碍。
考虑到我们知道这种组合可以有多大的威力，这些意想不到的障碍让人有点吃惊。最高领导人不会在不使用财务数据的情况下做出业务决策，也不太可能在不使用营销数据的情况下做出这种决策，所以人力资本分析（People Analytics）应该是进入所有领导人决策中的一个数据点。最重要的是要知道，这实际上不仅仅是关于企业的底线。
是什么让最高领导层对接受人力资本分析 犹豫不决？
缺少一个单一的真相来源。如果没有这一点，我们如何根据可能影响公司数百万美元的信息做出决策？人们对人力资源部门在这方面的能力缺乏信任，不相信他们提供的信息和见解会是准确的，应该达到做出商业决策的水平。另一个组成部分是速度。如果最高领导层需要一个答案，而它需要四个星期才能提供，这就是不能满足需求。
人力资本分析 和人力资源部门的领导可以做什么来让他们加入？
一旦你的基线数据问题获得了人力资本分析（People Analytics）所需的可信度，第二步就是真正帮助最高领导人理解人力资本分析（People Analytics）能做的不仅仅是报告或只是给他们提供基本数据。人力资本分析（People Analytics）的力量在于回答那些对企业来说具体而关键的问题，并且能够迅速扭转局面，提供那些数据驱动的洞察力，以做出更好的决策。
反过来说，最高领导人需要做什么工作来激发更多的数据驱动的领导力？
首先：在人力资源部门内进行数据投资，在财务部门内进行数据投资，并鼓励两者之间的联系。
第二：最高领导人是那些通过使用这些数据并熟练掌握这些数据来树立榜样的人。仅仅告诉你自己的人，"你去做这个，我看一些仪表盘就够了 "是不够的。这是不足够的。
最高领导人还需要邀请人们分析团队加入。他们显然是组织中最有权势的领导人，而且人力资本分析（People Analytics）团队也不可能以边缘方式进入会议桌。因此，这意味着最高领导人需要说，"嘿，这上面有什么数据？人员数据是什么？我们对人的了解与我们从财务部了解到的情况有什么相似之处？"
因此，这其中的一个重要部分是邀请他们参与进来，并对他们需要知道的东西设定明确的期望。
最高领导人如何利用人力资本分析（People Analytics）来帮助解决辞职潮？
人力资本分析（People Analytics）学能够真正擅长的领域之一是预测人员流失。我们在报告中举了一个很好的例子，讲述了一个组织能够以95%的准确率预测员工的离职时间，并且他们制定了可以实施的计划来解决这个问题。
该计划在留住员工方面的效率提高了25%，并且有100%的投资回报，因为他们能够将这些关键员工留在组织内。
对于领导者来说，尽快在人力资本分析（People Analytics）方面进行这些投资真的很重要，因为在大辞职浪潮中，不一定是开始尝试弄清楚这个问题的时候。
关于早点开始比晚点开始好。关于这一点，最后一个问题。领导人如何才能开始使用人力资本分析？
如果最高领导人想知道18个月后会发生什么，他们可以预防什么，并使用人力资本分析（People Analytics）来做到这一点，他们需要从今天的数据基础开始。我们在IBM的数据中看到一个非常有趣的统计数字，显示80%的最高领导人认为他们在大流行病期间对员工做得很好，而只有40%的员工有同样的想法。两者之间存在巨大差异。如果你对洞察力和新信息持开放态度，你将真正能够利用这些信息并做出一些积极的改变。
一些领导人可能会感到有点不知所措。但我想向人们说明，你只要迈出第一步，把你的数据整理好，问一些有助于做出具体商业决策的问题，就可以开始了。
你不需要解决所有的商业决策。你甚至不需要马上解决最大的问题，但要弄清楚你可以用人们的数据做出哪些决定，对这个特定的问题产生重大影响。
-
人力资本分析
人力资本分析的六步法
这并不是一个秘密。许多人力资本分析项目失败了。很多人力资本分析的自助解决方案已经实施，但很少被使用。人力资本分析的潜力没有得到充分利用的主要原因是人力资源部门内缺少人力资本分析的思维方式。对于大多数人力资源专家来说，分析并不自然。他们应该如何利用他们不知道的东西？甚至在做决定之前要求分析性的见解？人力资源部门内的分析缺陷是众所周知的。但仅仅提及这种缺失的心态并不能解决问题。我们需要把它带到人力资源部门。
那么，实际上需要什么来进行分析性的思考和决策呢？同样重要的是，我们如何才能最好地沟通这种思维方式？为了准确回答这些问题，我和英飞凌人事分析团队的同事们开发了一个六步法。这些步骤旨在确保以科学的、分析驱动的、基于事实的方法来进行决策。然而，这种方法很容易被那些不熟悉这种思维方式的人所理解。最后我们意识到，在建立正确的心态方面，这种类型的方法比仅仅谈论心态这样模糊的东西或教授统计技能要有效得多。
1. 澄清问题
这听起来更像是一种形式，但令人着迷的是，它经常被忽略掉。在这一步中，你要确保你对问题有一个清晰的认识。一份书面的问题陈述可以帮助你将自己对问题的理解与他人的理解进行反复检查。很多时候，我们似乎在某些方面达成了一致，但后来却发现每个人对这件事的解释都非常不同。
问题陈述也提醒我们，我们实际上想解决一个问题。经常发生的情况是，我们已经有了一个解决方案，但却不了解我们想要解决的问题到底是什么。
2. 形成假设
在下一个步骤中，我们要提出关于某件事情发生的原因的理论，例如，为什么某个部门的减员率这么高。提出假设对我们来说并不新鲜。每当我们在日常生活中处理决策时，我们都会下意识地对潜在问题的根本原因形成假设。然而，人力资本分析方法要求对这些假设进行明确陈述。而且，它要求你的假设不能仅仅基于你的直觉。包括文献和互联网研究，以及同事和其他主题专家的意见，是一个好主意。
现在你可能会说，我们为什么需要假设呢？数据不是应该告诉我什么是错的吗？不，这不是它的工作方式。有两个原因。第一，我们不知道该看哪些数据。外面有大量的数据。一个适当的假设有助于引导我们寻找正确的数据。第二，甚至更重要的是，数据只是数据。为了将数据转化为有意义的信息，它需要被置于背景之中。数据需要解释。再说一遍，假设正是这样做的。如果没有至少对我们正在寻找的东西有一个粗略的想法，我们就不会找到答案。没有假说的数据是毫无用处的。这就是为什么数据科学家团队永远无法单独完成工作的原因。它总是需要与主题专家紧密合作。
3. 收集数据和测试假设
在提出假设之后，就是使我们的方法真正具有分析性的阶段。我们用数据来测试我们的假设。而不是像我们在日常生活中通常做的那样，只是相信我们是对的，我们现在要证明或拒绝我们的假设。假设的提出和测试是一个反复的过程。我们形成一个假设，测试它，有时接受它，完善它，然后再次测试它。显然，人力资源从业者在这一步骤中需要很多支持。这种支持可以是来自人力资本分析团队的咨询，也可以是来自分析自我服务工具。这些自助服务工具可以从简单的Tableau或PowerBI仪表盘到复杂的云解决方案，如Visier或SplashHR。由于我们已经建立了人力资本分析心态，对先进工具的投资将不再被认为是不合理的。现在，人力资源专家是要求使用这些工具的人，因为他们需要这些工具来测试他们的假设。他们实际上利用了驱动因素和相关分析。这种情况与以前非常不同，以前一些分析专家试图推销这种解决方案，但没有人愿意。
4. 得出适当的决定
现在我们已经确定了问题的根源，是时候在第四阶段选择正确的决策方案了。这一直是人力资源从业者的核心能力，他们也确实擅长此道。由于适当的假设制定和测试，他们现在能够选择那些真正解决根本原因的措施。
5. 通过讲故事用事实和数据说服人
这一步是通过使用 "用数据讲故事 "的技巧来交流你的发现。人力资源部门越是想成为一个有战略意义的机构，就越是发现自己处于咨询的角色。而咨询意味着要说服别人。现在，许多人力资源专家已经习惯于谈论数据了。他们介绍最近的人数，或者谈论员工流失率的变化。但我们需要做的是用数据来说服人。而这恰恰是本阶段的重点。如果你正在寻找一些关于如何有效地用数据讲故事的好主意，我推荐Cole Nussbaumer的同名书籍和课程。
6. 执行决定，监测并采纳它们
最后，这一步是关于执行衍生措施和监测。即使我们采用了科学的决策方法，也不一定意味着我们得到了所有的权利。我们需要监测我们措施的成功。根据结果，我们可能需要调整措施或重新定义我们的假设。人力资本分析方法并不是一种打了就跑的事情。相反，对措施的监测为假设的制定和扩大我们基于经验的知识提供了宝贵的输入。
通过遵循这简单的6个步骤，你的人力资源工作者应该习惯于分析性思维和基于事实的决策。这最终会引发对分析自助工具、新数据和人力分析团队的咨询服务的需求。而这种来自你的人力资源从业者的需求正是一个成功的人力资本分析功能所真正需要的。
作者：Christian Otto
-
人力资本分析
【纽约】集合CHRO智慧的人力资本分析软件Knoetic完成1800万美元A轮融资
位于纽约市的CPO平台Knoetic，结合了社交网络和SaaS分析工具，获得1800万美元的A轮融资。
本轮融资由Accel领投，纽约时报畅销书作者Adam Grant以及Karan Mehandru（STEADFAST，和以前的Trinity Ventures）、Dan Bomze（MileIQ的创始人/CEO）、Sterling Road（Ash Rust）参与。Bob Tinker（天使投资人和Metamorph Partners）、Jake Stein（Common Paper的联合创始人/CEO）、Bob Moore（Crossbeam的联合创始人/CEO）、Contrary Capital（Eric Tarczynski）、Pear Ventures（Mar Hershenson & Pejman Nozad），以及其他100名高管、思想家和创始人。
新的资本将加速新产品的创新和团队的扩张。
在创始人兼首席执行官Joseph Quan的领导下，Knoetic将1000多名首席人事官的社交网络CPOHQ直接嵌入到其人事分析软件中，提供一个 "洞察引擎"，为首席人事官提供定量和定性的洞察力，从而对其劳动力做出全面的决策。
CHRO们使用Knoetic来建立他们的董事会文件，向他们的CEO展示数据，与同行一起解决挑战，并改善他们的员工保留、薪酬和招聘。
该公司的客户和社区基础包括许多世界顶级技术公司，包括Lyft、Squarespace、Amplitude、Snyk、Dollar Shave Club和Zapier。
下面是他们投资人Accel投资机构对这件事情的评价：
我们很高兴地宣布，我们已经领导了Knoetic的A轮融资，这是一家快速成长的人力资本分析软件公司。
在过去的一年里，有很多关于未来工作的文章，以及它是如何被永久地分布和推到云端的。人们较少讨论的是首席人事官在管理这种过渡和规划新的、复杂的未来方面所感到的沉重负担。在我们的投资组合中，人事领导加班加点，以确保团队成员在这种新的设置中茁壮成长，同时发明了劳动力规划的未来含义。
对他们中的许多人来说，Knoetic是一种关键的超级力量。今天，人才团队面临着一连串的工作流程工具，每个工具都有不同的数据模型。Knoetic整合了这些系统，创造了一个单一的事实来源，并向CPO展示了关键的分析能力，而CPO以前从未拥有过数据驱动的洞察力。在某个地区，在我们的某个员工中，流失率是什么样的？相对于我们在总部附近的补偿范围，我们对这个分布式角色的报价是怎样的？我们的D&I努力在领导层的晋升中是如何体现的？
最好的、最有弹性的公司都有强大而活跃的人员团队。最好的人才团队拥有正确的数据来做出明智的决定。我认为以Knoetic为动力的公司必然会是更强大的公司。我迫不及待地想看到我们在未来几年里所产生的影响。
我们的创始人Joseph Quan和他的团队以 "人 "为生。白天，他们满怀激情地推动他们的产品路线图，激活新客户。到了晚上，他们深入论坛，在用户中开展丰富的对话。你不可能找到一个更坚定、更投入的团队，试图释放人民领袖的潜力。
-
人力资本分析
技术改变了人力资本分析，是好是坏？
一个世纪前，弗雷德里克·泰勒（Frederick Taylor）的科学管理法（Scientific Management）奠定了现代人力资源的基础。他提出的核心前提是，企业应该将工作场所变成现实世界的心理实验室，衡量并监控员工的一举一动，从而提升员工表现，减少其压力。
这一革命性的范式，引领亨利·福特（Henry Ford）等著名实业家在人体工程学方面进行了前所未有的创新，开创了影响深远的流水线，以及一种优化职责、任务和岗位设计以提升员工生产率的科学方法。福特这样的大企业成了应用心理学的试验场，循证人力资源（evidence-based HR）就此诞生。
100多年后的今天，泰勒的理论仍未过时。谷歌、微软等一些最大、最成功的企业正在加大对数据科学的投入，招募大批工业及组织心理学博士，加速进行数字化转型，以便围绕人工智能和大数据部署智能技术，改进人才管理系统。人力资本分析正在蓬勃发展，而且在疫情前就已经相当先进。如今的工作逐渐转向线上（往后甚至可能一直向着这一方向发展），可用于了解和预测员工行为的数据量将继续呈指数级增长，创造更多通过技术和数据进行人才管理的机会。
通常来说，人力资本分析是一种人力资源职能，追求以数据驱动的方式，深入了解企业员工队伍——是的，人力资源也有重视数据的一面。
如果数据是对员工行为的数字记录，那么人力资本分析就是从数据中提炼出有实际操作意义的情报、协助提高企业成效的科学。多数企业坐拥丰富的数据。我们一再听人说“数据是新石油”，可是没有洞察的数据只是毫无意义的数字。
我们需要正确的框架、模式或专业知识，让数据产生意义，然后采取行动，在企业中做出数据驱动的决策、变革，建立数据导向的文化。正因如此，人力资本分析是一种谨慎且成体系的尝试，旨在让企业更加以证据为基础、以人才为中心，进行精英化管理。这种做法有望提升企业生产力。
比如员工体验，以往是通过关于工作满意度或员工敬业度的年度问卷调查进行评估。这些指标虽然与工作业绩呈正相关，但相关性通常很小（敬业度和生产效率之间的重合低于20%），并且与员工个性等无关因素混杂在一起。一年只评估一次员工状态也不合理，为何不多评估几次呢？
正是在这种情形下，更频繁的“意向调查”和员工倾听工具开始受到追捧，而且可以迅速用于推动员工和企业受益的实践。
Glint、CultureAmp、Qualtrics和Peakon等公司都可以帮助企业定期给员工“号脉”，实时了解敬业度和员工情绪。虽然员工倾听已开展了一段时间，但是在新冠疫情期间愈加受人青睐。
荷兰合作银行（Rabobank）、默克公司（Merck）和澳大利亚国家银行（National Australia Bank）等企业都在使用员工倾听工具，来了解员工如何应对新的远程工作安排、对支持的需求如何变化，以及回归办公室的意向。通过分层抽样（替代随机抽样的一种方法，使数据科学家可以划分给定的样本的层次，对该群体进行预测）、对自由文本评论的文本分析（用软件将文字和文字频率解码、转译为情绪或不同的心理特征）以及网络论坛等方法，企业可以在快速变化的环境中了解员工重视的东西，获得有价值的情报，同时在个人层面避免员工产生调查疲劳，且保持匿名。
另一个重要的问题（特别在当下）是，新技术能否用于保证人的安全，监测其身心健康。现在人们广泛讨论雇主如何保障工作场所安全、确保在封闭结束后重新安全地开放办公室，有用的不只是测体温或保持社交距离等寻常措施，可用于支持员工的新技术有很多。如果员工不介意分享数据，现在的可穿戴设备可以检测压力和焦虑程度。聊天机器人可以用来询问员工的情绪状态，并提供建议。
当然，信息可以用来服务人，也可以用来控制人：如果你掌握了一些人的感受，以及生理与心理状态，可以利用这些信息很好地帮助他们、改善他们的状况，也可以操纵和控制他们（人们并不希望如此）。只要技术使组织或其他人深入了解一个人内心深处的情感状态，就会出现这种情况。
值得注意的是，由美国谷歌和苹果公司开发的追踪应用，可以让企业轻松监测和改善员工健康状况。同样，学术界正与开发可穿戴设备的初创企业合作，比如Oura指环与加州大学旧金山分校合作，利用人们自愿提供的生物特征识别数据，进行新冠病毒风险预测。这些创新可以看作是数字版的上班量体温，或医生检查关键症状。
虽然这些措施存在争议，因为可能侵犯隐私和匿名权，但却有越来越多的大企业采用。而且，随着物质生活与数字生活之间的界线逐渐模糊，数字措施和模拟或现实措施也变得越来越难分辨。
另一个关键目标也许是提升员工的业绩或生产率。多数企业都以此为主要目标，哪怕企业非常关注员工士气与幸福感，也主要是因为认为这些与业绩有关。然而，这也是监控显露出可怕之处的地方。电话、传感器、Alexa、可穿戴设备和物联网都能够探测并记录我们的行动，我们真正离线、不被雷达发现的机会少之又少，监控可能会全面侵犯隐私。
比如，一些企业现在考虑推出更具侵入性的监控软件，可以在员工工作期间截屏并追踪其行动，以此跟踪其生产率，监控迅速转为远程工作的员工队伍。今年早些时候，普华永道（PwC）因开发监视系统追踪员工是否离开电脑，而招致了相当多批评。
还有企业在考虑开发针对办公室内新冠病毒传播状况的监测工具。可是，随着越来越多的监测技术被用来应对疫情，员工必须做出何种妥协呢？如果企业以保护员工健康为幌子，强制员工使用这类工具，员工如何保障自身隐私、确保数据不被用于其他目的？因此人力资源部门必须介入，推动交流，设法解决员工信任、企业责任和一切新技术的道德问题，在员工、管理者和企业需求之间取得平衡。
尽管我们仍处于这场革命的最初阶段，但人才管理的每个主要纵向领域都已取得明显的进步，有了一系列有科学支撑的新工具和技术。如果领导者能够向企业灌输一种强调信任、尊重和公平的文化，并按照最有力的道德和法律参数来部署创新（这可不简单），就有机会取得显著进步。
企业在考虑新技术或人力资本分析项目时，只是希望把道德置于首位还不够。我们认为，企业必须正式为人力资本分析制定道德章程，明确规定该做什么、不该做什么，就像使用客户数据或财务数据的指导方针一样。为了建立并维护员工对数据使用的信任，企业需要正视道德和隐私问题，在使用员工数据的问题上对员工做到公开透明。
毋庸置疑，技术加上近乎无所不在的工作及相关行为数字化，可以让企业大规模监控、预测和了解员工的行为（和思想），这是一件前所未有的事。
与此同时，同样的技术如果以不道德或非法的方式被利用，也可以用来控制和操纵员工，破坏信任，不仅威胁到员工的自由和士气，还会威胁隐私。
防止这种情况发生的唯一办法是严格执行相应的法律法规，确保员工掌握主导权，能够授权（或不授权）雇主使用自己的数据，并受益于雇主从数据中提炼的信息。
诚然，对雇主有益和对员工有益，这两者在逻辑上并不相悖。可是，强迫员工进行某些行为，或者利用员工个人数据来对付他们的诱惑，比我们想象的更加强烈。
托马斯·查莫罗普雷穆日奇（Tomas Chamorro-Premuzic）伊恩·贝利（Ian Bailie）|文
托马斯·查莫罗普雷穆日奇是万宝盛华集团（ManpowerGroup）首席人才科学家，伦敦大学学院和哥伦比亚大学商业心理学教授，哈佛大学创业金融实验室研究员。伊恩·贝利是Insight222的COO，myHRfuture的董事总经理。myHRfuture是一个学习体验平台，帮助人力资源专业人士构筑人力资本分析、人力资源技术和员工体验方面的技能。
永年 | 译 蒋荟蓉 | 校 孙燕 | 编辑
来源： 哈佛商业评论
-
人力资本分析
新的调查显示：通过人力资本分析取得成功的3种方法
人力资本分析已经从先驱者的边缘实践转变为既定的最佳实践，十年来的有力证据证明了其价值。例如，拥有成熟的人力资本分析能力的欧洲上市公司的股本回报率比欧洲平均水平高51%，营业利润率高48%。
但是，在未来的12-18个月里，人力资源和企业领导人最关注的是什么？我们在最近与Uber的人力资本分析主管RJ Milnor进行的炉边谈话中请与会者发表意见，他们指出了人力资本分析的三个巨大机会。我们将他们的答案与Visier专家的观点分享如下，以探讨如何在每个领域取得最佳进展。
1. 把数据放在日常决策者的手中
令人振奋的是，39%的受访者认为数据民主化是他们最大的机会领域，因为人力资本分析的价值就在于这种能力。正如Visier公司的高级解决方案顾问Mike Everitt所指出的，"过去未能成功地与企业分享有意义的见解是许多传统BI项目失败的主要原因"。
分析通常被孤立在专业团队中，要求被抛到墙外，由拥有技能的数据科学家来提取洞察力。这是个问题因为：
·它离需求点太远，所以分析员缺乏实地背景来指导和确定问题的优先次序。
·这本身就很难扩展，因为你的数据科学家成为洞察力的看门人。
·对于今天的业务节奏来说，它太慢了；在你提取它们之前，洞察力就已经过时了。
当你消除孤岛，让数据在没有专业技能的情况下被访问，将所有权交给分散的决策者时，数据会变得更有价值。
"理想的状态是业务单位和部门的领导能够不断地获得关于他们的员工和团队的关键见解，从而提高他们交付成果的能力，"Visier的人力资本分析副总裁Ian Cook说。"例如，了解哪些高绩效的销售人员有离职的风险，并采取行动加以解决。"
数据民主化意味着让每天做决定的人能够更好、更快地做决定，以促进更强大的人员和财务成果。正如伊恩在他的Outsmart会议上所说，大规模的答案。人力资本分析的第三次浪潮"，"人力资本分析通常不是你想出一个银弹式的见解就能让你赚到2500万美元的事情。它是这样一种情况：500个更好的决定使你获得5000万美元。
这比在仪表盘上分享指标要重要得多。"迈克补充说："把一个仪表盘放在经理面前，希望他们知道它意味着什么，为什么它很重要，以及他们应该用它做什么，这不太可能产生采用或帮助决策。
现实是，数据的民主化是一个过程和文化的挑战，也是一个技术的挑战。是的，你需要正确的技术和易于使用的仪表盘。但是，你还需要一个吸引人的用户体验，这样人们才愿意参与。你需要业务伙伴的拥护者，他们渴求洞察力，对探索和发现感到兴奋。你需要引导他们找到正确的答案，确保他们在分析之旅的每一步都得到支持。
2. 开拓你的竞争优势
鉴于过去18个月的极端混乱，37%的领导者认为提高业务绩效是他们主要的人力资本分析机会，这并不奇怪。
十年来，我们已经有证据表明，人力资本分析不只是推动更好的人员结果，它还能推动具体的商业价值。在Outsmart会议上，Ian谈到了人们的态度如何演变到真正理解，"我们需要找到一种方法来帮助我们的员工茁壮成长，这样企业才能茁壮成长。让人真正感到困难的是，他们可以选择你的表现如何"。
IDC的一份白皮书发现，拥有成熟的人力资本分析的组织实现了293%的五年投资回报率，20%的人力资源效率提高，9%的人员流失率降低，16%的上市时间加快。他们还减少了79,000美元的运营费用，并获得了额外的285,700美元的收入。
但是，让我们来谈谈你如何到达那里。"伊恩警告说："不要采取典型的人力资源方法，试图一次为所有人提供服务。"当这些项目与一个关键项目或增长领域联系在一起时，它们的效果最好。深入研究并过度投入时间和资源，以确保你提供一个结果。然后，你会发现其他业务部门的领导都在排队等待你的支持。"
"大多数组织在人力资本分析方面的出发点是错误的，"迈克也说。"他们从堆积如山的数据开始，花了很多个月，往往是很多年，试图将其拼接成一个合适的数据模型。然后他们终于开始回答来自人力资源部门、领导和其他业务部门的问题。
这种模式阻碍了进展，破坏了购买力，滋生了愤世嫉俗的情绪，最终使我们上面谈到的广泛的民主参与变得更加困难。这对推动商业价值的有效人力资本分析来说是一张死亡证明。
相反，迈克说，"把这种模式颠倒过来。专注于一个狭窄的问题和数据集，以极早地开始提供价值。
例如，当我们询问欧洲人力资源和商业领袖关于他们在人力资本分析方面的最大关注领域时，建立关键技能位居榜首（劳动力规划、组织设计和员工体验紧随其后）。
这种循序渐进、重点突出的方法可以扩大你的影响，推动绩效的大规模提高。
3. 采用或加速人力资本分析
超过五分之一的受访者认为需要采用或加快他们的人力资本分析议程。这证明了对人力资本分析的需求从未像现在这样迫切。
在大流行病发生时，已经具备条件的组织能够更好地灵活发展，证明价值并激发支持以扩大规模。那些没有达到预期目标的组织已经看到了问题的严重性。
伊恩解释说，大流行病如何 "从根本上改变了我们对人的关注"，因为几乎在一夜之间，"整个企业的员工完全依赖人的数据来做出日常决策。" 向前看，人力资本分析已经成为一种关键的战略业务能力。伊恩说，"我们的工作方式已经永久地改变了。今天，如果不对你的员工有一个详细和分散的了解，试图运行一个组织将意味着你会在竞争中落后。
现在也是建立势头的最好时机。"伊恩总结说："现在是就你的人力资本分析优先事项采取行动的时候了，因为有一条既定的、易于遵循的成功之路，而且企业领导人愿意为之进行必要的投资。
你接下来的步骤取决于你现在使用的工具。自动化和规模化的能力是人力资本分析的两个关键因素--所以你需要能赋予这两个因素的技术。
· 用电子表格是达不到目的。正如一家美国金融服务机构所发现的，电子表格太过手动，太过耗时，太过容易出错，而且太过缓慢，无法促进按需决策，而人力资本分析的成功则取决于此。
· 它也不可能是你现有的人力资源工具。将你的人力资源管理系统迁移到云端并不能实现真正的转型，因为它只是迁移了根本上看起来很落后的静态数据。"Visier的产品营销总监Caitlin Bigsby说："人力资本分析技术与支持你的人力资源系统的技术有着根本的不同。"人力资本分析是一项关键的技术，它将数据点转化为洞察力。它从各个系统中获取你的所有数据，将它们混合在一起，处理它们，并将它们转化为你可以使用的信息"。
· 传统的商业智能工具可以发挥作用，但往往不能。正如Mike在上面谈到的，当你把数据放到日常决策者的手中时，人们分析的价值就会出现--而且你要快速行动，采取渐进的方式来扩大价值。大多数商业智能项目在这两方面都遇到了障碍。
在实践中，自动化和扩展前瞻性的洞察力需要一个专门的人力资本分析平台。因此，问题就在于你的目标是通过建立还是购买这项技术得到最好的服务。
"我们决定我们可以建立我们需要的东西，但我们在市场上已经有了一个伟大的解决方案，即Visier。使用我们自己的资源来做真正与众不同的事情更有意义，"Uber的人力资本分析主管RJ Milnor说。"另外，建设可能需要一年时间，而上线只需要两个月。我希望花费的时间不是让洞察力放在架子上，而是尽快获得可操作性。"
一个令人振奋的人力资本分析进展时期
人力资本分析领域与十年前相比已经不可同日而语，分析技术已经从只有最具创新性和开拓性的组织的边缘活动变成了所有人的既定最佳实践。
这就是说，如果你在人力资本分析方面还没有达到你想要的程度，不要急于进入一个需要多年才能产生价值的项目（如果有的话）。相反，要通过可衡量的、可管理的进展来实现渐进式收益。
本文由Visier团队成员、客户经理Stephen Haigh和项目经理Paul Atkins共同撰写。
-
人力资本分析
【收购】英国的XpertHR收购了人力资本分析公司Gapsquare，该公司聚焦薪酬公平
XpertHR是帮助企业提高效率、降低风险和提高员工参与度的专家见解和实用工具供应商，也是RELX的一部分，今天宣布收购高级人员分析软件供应商Gapsquare，该软件可分析和跟踪薪酬差异、薪酬平等和薪酬差距数据。
Gapsquare通过其旗舰软件FairPay® Pro为人力资源和奖励专业人员提供有关其公司现有薪酬差距的可行见解。先进的统计分析确定了员工人口统计学的变量，如性别、种族、性取向和残疾，确定了薪酬差距的原因，并提出和跟踪补救措施。
Zara Nanu博士在听到世界经济论坛的预测，即需要217年才能消除性别薪酬差距后，创立了Gapsquare。该公司现在正在为全球数十万的员工推动变革，希望在今天实现公平的薪酬。
Gapsquare有价值的解决方案和深厚的专业知识将加强XpertHR在英国和美国的合规性、最佳实践和奖励产品。随着Gapsquare的加入，XpertHR很好地利用其先进的、实时的奖励数据解决方案Cendex来解决组织所面临的薪酬平等挑战。
XpertHR的总经理Scott Walker说："我很高兴将Gapsquare带入XpertHR的大家庭。我们的使命很简单：为每个组织中的每个人创造有意义的工作场所。两家企业都致力于改善全球数以百万计的专业人士的工作经验。通过将Gapsquare的先进技术与XpertHR在奖励数据方面的专业知识相结合，我们可以更好地让雇主们建立一个工作具有包容性、薪酬符合价值、多样化人才蓬勃发展的世界。"
XpertHR将保留值得信赖的Gapsquare品牌，联合创始人Zara Nanu博士和Ion Suruceanu将在XpertHR领导团队的支持下继续领导该业务。
Zara Nanu博士，首席执行官兼联合创始人，评论道。"我们知道对许多企业来说，围绕薪酬公平性和薪酬报告的透明度是议程上的重要内容。Gartner的研究表明，由于劳动力正在发生变化，进入劳动力市场的年轻一代对透明度、可持续性和平等越来越感兴趣，全球80%以上的企业被驱动着围绕薪酬公平和薪酬差距采取行动。通过联手，XpertHR和Gapsquare能够更好地支持我们客户和全球企业不断变化的需求"。
-
人力资本分析
【加拿大】温哥华的人力资本分析平台Visier宣布获得1.25亿美元的E轮融资、
由高盛资产管理公司牵头的融资凸显了市场对改善人员数据的需求
近日，全球公认的人力资本分析和规划领域的领导者Visier宣布，它在高盛资产管理公司（Goldman Sachs）领导的E系列融资中筹集了1.25亿美元，估值超过10亿美元。这项投资标志着人力资本分析市场增长的历史性时刻，Visier成为该领域中第一个达到10亿美元估值的独立供应商。
"Visier首席执行官Ryan Wong说："企业对更好地了解其组织内的人员有着空前的需求。"从人力资源领导到人事经理和高管，对劳动力的洞察力对于为企业、员工、客户以及公平和公正的社会提供正确的结果至关重要。"
"Visier公司联合创始人兼董事长John Schwarz说："与高盛公司在Visier公司下一阶段发展中的合作，强调了人力资本分析已经成为主流商业实践的事实。"这项投资是将Visier确立为与人有关的商业洞察力的独立全球云平台的关键。"
由于对企业提出的更好地了解、关心和支持其员工的要求越来越多，同时也为企业带来了最佳的业绩，企业正处于迅速和大规模的转型之中。从美国证券交易委员会的法规要求更多关于多样性、公平性和包容性的数据和透明度，到大流行病带来的向远程劳动力的快速转变，对人力资本分析的需求从未像现在这样迫切。
"高盛资产管理公司的董事总经理Holger Staude说："获取有关员工和组织健康的信息从未像现在这样重要。"我们很高兴在这个关键时刻与Visier合作，并支持该公司的持续增长。"
为了引领这个人力资本分析的新时代，Visier将利用这笔资金扩大和加快产品开发和国际市场扩张。
这项融资公告是在Visier的一个里程碑式的季度之后发布的。该公司最近宣布突破8000名客户大关，并与Cegid、PeopleFluent和Degreed签署了嵌入式合作伙伴协议。截至2021年，Visier在全球75个国家处理超过1200万条员工记录，其企业客户包括Adobe、巴斯夫、普利司通、电子艺术、麦肯锡、默克公司、Uber等。
Visier此前在四轮融资中筹集了9450万美元，使该公司的总融资额达到2.195亿美元。高盛加入了现有投资者Sorenson Capital、Foundation Capital、Summit Partners和Adams Street Partners。
有了这笔投资，Visier加入了人力资源技术供应商的精英名单，在单轮融资中筹集了超过1亿美元的资金；这家位于温哥华的公司还加入了加拿大独角兽公司的专属行列，如Clio、Wealthsimple、Thinkific、Trulioo等等。
LionTree Advisors担任财务顾问，Morgan, Lewis & Bockius LLP担任Visier的法律顾问。Sidley Austin LLP担任高盛公司的法律顾问。
关于Visier
Visier是人力资本分析和劳动力规划领域公认的全球领导者。Visier于2010年由商业智能的先驱者创立，它专注于企业领导人所关心的问题：回答正确的问题，甚至是一个人可能不知道该问的问题。这些问题形成了企业战略，为采取行动提供了动力，并通过劳动力优化推动了更好的业务成果。Visier总部位于不列颠哥伦比亚省温哥华，在全球设有办事处和团队成员，在全球75个国家拥有8000名客户，包括Adobe、巴斯夫、普利司通、电子艺术、麦肯锡、默克公司、Uber等企业。
-
人力资本分析
【美国】人力资本分析平台ChartHop完成3500万美元B轮融资！GOGOGO!
来自纽约的人力分析领域的领先创新者ChartHop在B轮融资中筹集了3500万美元，由Andreessen Horowitz（a16z）领投，Elad Gil以及之前的投资者Cowboy Ventures和SemperVirens加入。
这项投资是在Andreessen Horowitz于2020年夏天领投ChartHop的1400万美元A轮融资后不到一年的时间。
自2019年以来，ChartHop出现了指数级的增长，从一个人的公司到一个75人的团队。在同一时期，ChartHop建立了一个由130多个企业客户组成的客户群，在过去的12个月里，月度收入增长了17%。
这标志着Andreessen Horowitz对ChartHop的连续第三次投资，他们还在2020年初领导了ChartHop的种子轮融资。
"Andreessen Horowitz的普通合伙人David Ulevitch说："由于人力资源和人事职能对企业的发展和成功如此关键，不幸的是，大多数人力资源团队缺乏关键的人事数据来推动组织决策。"ChartHop是解决这个太过普遍的问题的方案，它是由亲身感受过这种痛苦的公司领导人建立的。"
"Ulevitch说："ChartHop对人员分析的可视化方法使领导者能够自信地做出组织规划和战略决策。"我们很高兴领导ChartHop的B轮融资，因为他们有令人印象深刻的增长，公司的愿景，以及他们所组建的了不起的、以使命为导向的团队。"
ChartHop在人员分析方面的创新方法使公司能够汇总和可视化他们的人力资源数据，在组织的各个层面提供一致性、清晰性和背景。例如，随着公司采用更公平的做法，确保薪酬变化与实际业绩数据相联系是至关重要的。通常情况下，这些数据集生活在完全独立的平台上，使得领导者很难做出基于数据的薪酬调整。这适用于有效的员工人数规划、减少员工流失、跟踪DEI计划的成功等等。
"ChartHop的客户ZoomInfo的人力资源副总裁Sara Howe说："自从今年早些时候实施ChartHop以来，我们看到我们在参与人才常规管理方面有了明显的改善，因为他们是通过ChartHop管理的。"我们的员工发现，简单的用户界面和对他们数据的集中查看是最有帮助的功能。ZoomInfo的领导人也利用ChartHop确保他们的组织结构良好，以支持我们的持续快速增长。"
ChartHop将利用这笔资金注入，通过产品增强、服务和支持方面的投资以及市场推广能力的增长，继续快速扩张业务。
"ChartHop的客户可以获得通常不可能获得的东西：准确、综合的人员数据，"创始人兼ChartHop首席执行官Ian White说。"但数据只有在可以获得的情况下才是有用的。这就是为什么我们通过组织结构图、报告和地图等熟悉的可视化方式提供数据，并让整个组织安全地使用。
"White总结说："这笔资金使ChartHop有机会在我们强大的基础上继续发展，因此我们可以继续帮助我们的客户专注于战略性人员举措，并最终改善组织的健康状况。
关于ChartHop
ChartHop为人员分析提供了新的思路，将不同来源的人员数据汇集到一个动态平台上，使其具有可视化和可操作性。与传统的人员分析解决方案不同，ChartHop被设计为供整个组织使用。这有助于企业改善组织的健康状况，推动一致性和问责制，并节省时间和金钱。ChartHop通过在整个人力资源技术堆栈中的强大集成，与数十种平台发挥了良好的作用，并为BetterCloud、Lightspeed、Starburst和InVision等公司服务。
ChartHop由Ian White于2019年创立，并得到Andreessen Horowitz的支持。
-
人力资本分析
【趋势】这就是亚马逊和谷歌等大公司纷纷投资于People Analytics的5个原因
领先的组织正越来越多地采用复杂的方法来分析劳动力数据，以增强其竞争优势。谷歌、亚马逊、思科和其他公司都能够了解究竟如何吸引、保留和确保其员工的生产力。人力资本分析（People Analytics）已经成为一个不可或缺的战略工具，使这些公司能够提高其卓越的绩效。
如果你想让你的劳动力--你最大的资产--有更好的表现，拥抱人力资本分析（People Analytics）而不是你的本能是前进的方向。
1. 人力资本分析（People Analytics）可以帮助组织理解不断变化的工作场所
工业4.0的引入要求组织在处理其劳动力问题时变得更加灵活。人力资本分析（People Analytics）使组织能够收集行为洞察力，并与现有的人口统计和交易信息相关联。这些洞察力使组织能够管理跨时代和跨大陆的劳动力期望，使组织能够预测不断变化的工作场所。
2. 人力资本分析（People Analytics）可以帮助推动客户的行为和洞察力
大企业开始使用预测性人力资本分析（People Analytics）来获得强大的洞察力，使他们能够吸引和保留他们的外部以及内部客户--员工。就像客户体验一样，我们可以看到在创造员工体验方面的演变，这些体验是通过人力资本分析（People Analytics）发展起来的。优先考虑员工体验已经使组织能够激发他们的潜力。
"最大的公司明白，通过应用数据驱动的工具来改善关于人才的决策，他们可以提高收入和利润。"
3. 人力资本分析（People Analytics）可以描述出促进员工队伍敬业的因素
一个有敬业度的员工队伍的效率要高57%，离职的可能性要低87%。员工敬业度被认为是用来衡量组织绩效的主要因素之一。人力资本分析（People Analytics）使组织能够磨练出获得员工敬业的因素。
4. 人力资本分析（People Analytics）将人力资源部门定位为基于事实的企业战略合作伙伴。
人力资本分析（People Analytics）对人力资源部门的预测和可信度产生了巨大影响。通过人力资本分析（People Analytics）获得的洞察力使人力资源战略家能够优化关键战略领域，如健康和安全、管理技能、领导力发展、参与度、文化协调和继任计划。使得人力资源部门能够向企业提供关于人员方面的战略洞察力。
"领先的组织正在越来越多地采用分析劳动力数据的复杂方法，以增强其竞争优势。"
5. 人力资本分析（People Analytics）有助于释放企业的无形资产的价值
企业的无形资产占企业所产生价值的80%以上。人力资本分析（People Analytics）试图捕捉和综合企业产生的这种价值。最大的公司明白，通过应用数据驱动的工具来改善有关人才的决策，他们可以提高收入和利润。
扫一扫 加微信
hrtechchina
