注册 登录  
 加关注
   显示下一条  |  关闭
温馨提示!由于新浪微博认证机制调整,您的新浪微博帐号绑定已过期,请重新绑定!立即重新绑定新浪微博》  |  关闭

ceo.lin的博客

 
 
 

日志

 
 
关于我

來自清貧的純樸鄉村.漂泊他鄉為異客.事業,親情,心靈的世界誰作主!

网易考拉推荐

人資部門沒有大數據  

2017-07-25 07:21:04|  分类: 默认分类 |  标签: |举报 |字号 订阅

  下载LOFTER 我的照片书  |
人資部門沒有大數據 - 華安 - ceo.lin的博客
大數據」(big data,或稱巨量資料)已成為似乎無所不在的詞,導致企業每個部門現在都覺得,一定得概要說明將如何運用大數據,來改善本身部門的運作。人力資源部門也是如此,而這正是企業投入大部分資金的地方,也是真正價值所在之處(我們想要相信情況真是如此)。

人資部門大數據會特別受到關注的原因之一,是這個部門總是面臨壓力,被要求加強分析能力;這種要求,在某種程度上算是合理。有些人一廂情願地認為,大數據技術的應用,可讓人資部門多少擺脫一些他們不欣賞的特性,例如他們認為人資著重「軟性」議題,沒有詳細說明人資相關投資的報酬率。

就像大多數有關「下一個大趨勢」的商業故事一樣,大數據在某些領域真的非常重要,但在其他領域就沒那麼重要。就字面上的意義來說,人資其實沒有大數據,或者更精確地說,幾乎從未有過大數據。大多數公司有數千名員工,而不是數百萬人,而且,對這些員工的觀察,多半仍是每年進行一次。在這樣規模的公司中,人資部門幾乎沒有理由使用跟大數據有關的特別軟體和工具。

對大多數公司來說,人資部門的挑戰,只不過是單純使用數據資料而已;原因是,與不同任務相關的數據,例如招募和績效管理,通常儲存在不同的資料庫裡。除非我們能讓這兩個資料庫中的數據彼此相容,否則就連最基本的問題都無法提出,例如,求職者的哪些特性,可預測出哪些人將會表現良好。簡單來說,大多數公司,包括許多大型公司在內,並不需要技術高超的資料科學家,而是需要資料庫經理來把數據清理乾淨。它們需要簡單的軟體,有時候,甚至只要Excel試算表,便能完成大多數人資部門所需的分析。

人資分析法的另一項主要差異,在於真正重要的人資問題,比其他大多數商業議題在更早之前就持續受到研究。舉例來說,從第一次世界大戰以來,就以幾乎相同的方式一直在研究,哪些因素決定公司是否能招募到優秀人才。因此,引入機器學習(machine learning)等探索性技術來分析人力資源數據,試圖提出我們還不知道的某些偉大見解,這種想法的成功機率相當渺茫。

例如,Google多年來有一些知名的計畫想要分析員工的數據資料,像是「氧氣專案」(Project Oxygen),這項為期多年的研究專案,設計目標是要釐清優秀經理人應具備哪些條件,而大多數其他公司可能都無法進行如此龐大的專案。這項非常密集的任務所獲得的大部分結論,都是數十年前的研究就已發現的結果,原本就可以在教科書中找到。這並不是表示說,在我們自己的組織裡測試這些管理的標準假設,看看運作情況如何,不是一件有意義的任務,而是說,其實不應該預期這麼做會得到偉大的全新見解。

人資數據資料的特性,會對分析造成一些獨特的限制。比方說,在歐盟內營運的公司都知道,依照法規,不能輕易移動員工數據跨越國界。法律規定,多國籍公司不能同時檢視在不同國家裡員工的數據資料。在美國,如果分析員工資料可能會揭露對受保護群體可能有的不利影響,例如,這個單位的女性員工薪酬比男性低,那麼,就會引發公司採取必要的法律回應,之後管理階層也必須回應,這些都不會發生在企業的其他部門。人資部門必須謹慎,不能把人資數據交給不了解這些限制的其他部門。

那麼,在我們把數據組清理乾淨之後,人資部門應如何處理數據資料?每次分析數據時,都應從最基本的地方著手。首先要檢視整體狀況,也就是呈現整個組織的結果的圖表,然後是呈現這些結果的長期表現的圖表:人員流動率在哪裡達到最高?什時候發生的?是否有哪些地方的員工持續抱怨?其次,更仔細、更頻繁檢視這些數據。例如有一個不錯的做法,就是改用「脈動調查」(pulse survey,指迅速進行的簡短調查,有時是每天進行),來取代繁複沉悶的年度員工士氣調查。比方說,IBM之類的聰明企業,彙總員工自己在公司贊助的社群媒體上產生的數據,以監測員工士氣,並找出員工對職場有哪些顧慮。

最後,人資部門應分析數據之間的關係。首先要問的是,你的人才招募標準與實際績效之間的關係。這一點很重要,不只是因為人才招募可說是組織最重要的任務(部分原因是公司時常在招募員工),也因為我們採用的招募標準,按規定不能夠對受保護群體有不利影響。

畢竟,一切的起點都是數據品質:舉例來說,如果認為績效評估分數不是實際績效的良好指標,就不值得嘗試分析預測哪些人會是優秀的員工。
  评论这张
 
阅读(14)| 评论(0)
推荐 转载

历史上的今天

在LOFTER的更多文章

评论

<#--最新日志,群博日志--> <#--推荐日志--> <#--引用记录--> <#--博主推荐--> <#--随机阅读--> <#--首页推荐--> <#--历史上的今天--> <#--被推荐日志--> <#--上一篇,下一篇--> <#-- 热度 --> <#-- 网易新闻广告 --> <#--右边模块结构--> <#--评论模块结构--> <#--引用模块结构--> <#--博主发起的投票-->
 
 
 
 
 
 
 
 
 
 
 
 
 
 

页脚

网易公司版权所有 ©1997-2017