-
pa
将人力资本分析(People Analytics)与商业成果联系起来！
成功企业的领导人知道，对人才的投资是有回报的。用理查德-布兰森爵士的话说，决策者应该把人培养得足够好，以便他们能够离开；把他们对待得足够好，以便他们不想离开。( decision-makers should train people well enough so they can leave; treat them well enough so they don’t want to.)
当涉及到人力资本分析(People Analytics)时，投资的理由也同样明确。世界上最大和最成功的公司，如谷歌、苹果和微软，已经花了数年时间建立了复杂的人力资本分析(People Analytics)部门，以改善他们的团队并提高他们的效率。
尽管如此，大多数公司仍在努力使用人力资本分析(People Analytics)技术。超过一半的公司说他们在基本人力资本分析(People Analytics)方面需要帮助，尽管近四分之三的公司计划在未来五年内将其作为优先事项。尽管大多数公司并不了解人力资本分析(People Analytics)的来龙去脉，但很明显，人力资本分析(People Analytics)是未来的趋势。
如果你的公司还没有开始考虑这个问题，现在是开始的时候了。
为什么投资于人力资源优化和分析？
人力资源投资和业务成果之间的联系从未得到应有的重视。在《投资于重要的东西。中，Scott Mondore和Shane Douthitt指出，财富500强公司有时会在他们的年度报告中包括关于人力资源的一般数字（如 "10亿美元用于培训"）。然而，这些数字很少与具体的结果联系起来（例如，"在培训上花费10亿美元，使生产力提高了25%，投资回报率达到50亿美元"）。将人力资源实践与真正的商业成果联系起来不是很好吗？
今天，没有理由不这样做。公司有能力获得比以往更多的数据，并可以使用先进的技术来分析这些数据。有了机器学习和人工智能驱动的分析软件，再加上模型构建和科学评估开发方面的统计专业知识，企业可以对其流程进行微调，并获得可衡量的结果。
通过使用人力资本分析(People Analytics)来改善人力资源成果和量化绩效，公司不仅可以在数字化的世界中保持竞争力，还可以大大提升关键业务成果。
以下是今天投资于人力资源和人力资本分析(People Analytics)的一些重要原因。
1. 减少人员流失
预测分析可以帮助你了解谁有可能离开你的组织以及为什么。通过检查现有的数据，雇主可以确定离职的情况，并揭示可能让你吃惊的趋势。
与其对造成人员流失的原因进行假设，人力资源专业人员应该通过预测模型来确定经过验证的变量。一些可能影响离职率的变量包括工资、福利、通勤时间、使用的病假、社区嵌入度和绩效审查分数，这些都是一些常规的罪魁祸首。
减少离职率是很重要的，因为它对组织来说是如此昂贵。每一个员工的离职都要花费该员工年薪的三分之一。根据本文写作时美国这些工作的工资中位数，失去一名营销经理的成本为35,224美元，一名中级软件工程师的成本为29,714美元。流失的成本不仅包括在招聘时花费的时间、精力和金钱，还包括必须培训新员工并使其融入团队而损失的生产力。我们也不要忘记失去机构记忆的无价成本。
2. 提高员工的敬业度
员工的敬业度和参与度对业务盈亏有直接影响。根据盖洛普（Gallup）的荟萃分析，敬业度高的组织的利润率提高了22％，生产率提高了21％，而且营业额也大大降低。员工敬业度的问题在于，它可能难以衡量，甚至难以改善。
通过在公司中建立强大的数据文化，您可以更轻松地了解参与度。您还可以通过简化流程来提高整体参与度。例如，诸如组织网络分析之类的人员分析技术可帮助您确定高度协作的员工，这些员工可能是晋升为管理层的良好人选。由于经理在员工敬业度中占70％的差异，因此寻找和培养优秀的经理对于创建更多敬业度高的团队并从而推动实际业务成果至关重要。
通过在你的公司发展一个强大的数据文化，你可以更容易了解参与度的情况。你也可以通过简化你的流程来全面提高参与度。例如，像组织网络分析这样的人力资本分析(People Analytics)技术可以帮助你识别高度协作的员工，他们可能是晋升到管理层的良好候选人。由于管理人员占员工参与度差异的70%，寻找和发展优秀的管理人员是创造更多参与的团队，从而推动真正的业务成果的关键。
3. 提高生产力
创建更强大的团队和减少人员流动也可以提高你公司的生产力。发表在《哈佛商业评论》上的研究表明，平均而言，公司因 "组织阻力 "或低效结构和流程而损失了20%以上的生产能力。
通过人力资本分析(People Analytics)，你可以改善构成人力资源职能的几乎所有流程，从入职和离职到绩效评估和学习与发展。适当地收集、存储和分析数据将使你对这些职能目前的工作情况有新的认识，以及你可以做什么来改善它们。
4. 鼓励创新
最后，投资于人力资源和人力资本分析(People Analytics)将导致加强创新。94%的高管说，当涉及到创新时，文化是最重要的因素，而文化在很大程度上是由领导者驱动的；领导者创造强大的团队，并为文化雇用合适的人。从字面上看，而不是比喻，是人创造了这个地方。
如果你正在寻找更好的雇员，那么值得看看你的招聘过程，以及你如何能够改进它。从你举行的面试次数到使用的选择评估，一个强大的、以数据为导向的过程可以帮助你为你的企业找到并选择最好的新团队成员。同样，在培养领导者时，你应该把重点放在与业务成果直接相关的能力上，而把不相关的能力（以及那些你 "认为 "应该有所作为的能力）放在后面。
未来在于人力资本分析(People Analytics)
在不断变化的经济中，人力资本分析(People Analytics)已经变得至关重要。1975年，标准普尔500强公司83%的价值与实物资产挂钩，而现在84%的价值与人力资本挂钩。今天的知识型企业以人作为其独特的卖点。不对这些人进行投资将是一个错失的机会（并可能给你的公司带来厄运）。
世界顶级公司已经在使用数据来推动人力资源的成功。全球人才管理实践高级总监Amanda Tomkoria说，以下是耐克如何看待人力资本分析(People Analytics)。"我们有一个人才愿景--最好的人来到耐克，每天都会选择留下来。衡量标准帮助我们把这个愿景变为现实。就像我们用财务和运营数据跟踪业务成功一样，人力资本分析(People Analytics)是我们对自己负责的方式，因为我们衡量进展，知道我们是否在朝着正确的方向实现这个愿景。"
随着技术的发展和环境的变化，选择和建立强大的、训练有素的团队已变得更加重要。COVID-19大流行病揭示了对有效的领导者、适应性强的员工和出错时的应急计划的强烈需求。不过，更广泛地说，人力资源部门的领导人谈论技能差距已经有一段时间了，特别是在数字和高技能领域。寻找、培训和提升最优秀的人才是缩小这种技能差距和推动关键业务成果的关键。在我们寻求投资于最重要的东西--我们的人时，人力资本分析(People Analytics)可以提供一个高度准确的投资策略。
"就像高性能的运动队一样，耐克使用洞察力来确定优先事项。然后，我们利用这些洞察力进行必要的调整，以便我们能够提供对我们的员工最重要的东西--加速包容、高性能、学习和辅导的文化。数据使我们能够创新和快速行动，"Tomkoria补充说。
总结
即使是那些想投资于人力资源和人力资本分析(People Analytics)的公司，开始可能是艰难的。但是许多组织没有专门的人才或软件来开始进行人力资本分析(People Analytics)，他们也可能不具备支持数据文化的流程。好在有很多帮助和资源可以利用（比如HRTechChina早在2018年就设立了PA专栏，你可以充分的学习），无论你是想启动一个特定的项目，培训你现有的员工，还是仅仅想了解更多关于人力资本分析(People Analytics)的信息，都有解决方案。永远不要忘记，人是任何成功公司的核心。有了你的时间和投资，他们可以把你的企业带到新的高度。
作者Craig Wallace是一位组织心理学家，目前是克莱姆森大学商学院的管理学系主任。
-
pa
【好文推荐】如何设计适合你公司的人力资本分析解决方案（Goodbye Reports. Hello Insights.）
这句话形容PA很贴切，推荐给大家：Goodbye Reports. Hello Insights.
与生活中的大多数事情一样，对一个人或一个组织来说，合适的事情不一定适合另一个人或组织。
很少有比经营企业更真实的情况。尽管大多数公司都以增长和盈利为共同目标，但对实现这些目标至关重要的衡量标准或指标却可能存在很大差异。因此，在选择人力资本分析解决方案时，了解自己企业的关键事实很重要。
让我们从人员漏斗的起点开始：招聘。是否没有达到招聘目标？是否不断有新员工来自相同的人口结构？如果是第一项，那么跟踪招聘时间，并按招聘人员或部门进行细分，看看瓶颈在哪里，也许会有帮助。
如果没有实现多样性，或许可以跟踪招聘来源或招聘经理，看看问题是否可能是系统性的，是否需要进行一些整改。有几个关键的招聘指标可以决定招聘过程的效率。
在漏斗的另一端是流动率。优秀的人才是以不可接受的速度离开组织，还是来了之后还没来得及做任何盈利的事情就离开了？需要注意的是，所有的流失率都不是坏的流失率，所以能够区分高绩效和低绩效的人是一个重要的可用指标。另外，如果人们在几个月后离开，了解这些出走的原因可以防止继续徒劳无功。离职访谈，几乎更重要的是，留下来的访谈可以提供很好的数据点，说明一个组织可能需要改变什么，或者得到放大。
一旦建立了最重要的指标，下一个问题应该是。建立这些指标的数据存放在哪里？根据德勤的一项研究，典型的大型企业可能会利用多达15个独立的人力资源系统。能够将这些系统整合到一个共同的平台上，对于获得整体指标至关重要。了解高绩效人员为谁工作，他们是如何被雇佣的，以及他们是否正在接受培训，这些都是重要的数据点，而这些数据点可能在三个不同的系统中。
一旦从整个组织中配置了这些关键指标，将它们趋势化到分析中，就能提供组织是在向积极还是消极的方向发展的背景。但谁需要看到这些信息呢？正确的答案当然是每个领导，但他们是否都需要看到相同的视图？人力资源部门可能需要一个包含所有关键劳动力指标的仪表盘，并将其细化到部门或个人。
然而，C级的领导可能只想看到最上面的数字，而部门经理可能只需要看到与其控制范围有关的信息。因此，系统必须能够根据配置文件对各种视图进行描述，以便让正确的人看到他们需要的东西，而错误的人看不到。
除了确定谁需要看到什么之外，还有一个问题是什么是将数据和见解传达给正确的人的最佳方式。主要在办公桌前工作的人可能对登录仪表板没有意见，而工厂或销售经理可能需要在旅途中获得洞察力。
根据Domo的一项研究，98%的企业高管希望在他们的移动设备上获得更多的公司信息。这包括当有关键性的东西即将到来时，信息以警报的形式出现（主动和被动的差别），而不是必须搜索它。所以要确保购买的任何系统都考虑到这些项目。
最后，组织的需求是否仅仅是历史和当前数据的可视化，还是预测分析是一个引人注目的驱动力？如果是，请确保解决方案具有机器学习和人工智能平台，利用过去的模式和外部数据来预测即将发生的事情，并为更好的明天提供正确的补救措施。
人们常说，员工是公司最大的资产。用正确的人力资本分析解决方案来管理这笔资产，那些增长和盈利的目标肯定会随之而来。
作者：Tom McKeown
-
pa
【专业】ONA组织网络分析如何提高团队协作能力？
所有伟大的工作都发生在团队中
All great work happens in teams. 。
想想你最喜欢的运动队、疫苗开发合作或当地医疗团队的成就。尽管许多管理和人力资源流程都是围绕着个人而设计的，但还是有伟大的成就。这对于负责确保组织拥有正确的基础设施、工具和文化的领导者来说是一个挑战。
随着各行业对数字-科维德时代的响应，将会出现一波合并、收购和重组的浪潮。各种研究报告显示，整合和变革计划的失败率很高，因此，如何确保目标的实现是很重要的。
我们不知道组织的未来状态，但我们知道，工作将由不同的专家完成，他们的雇佣关系从雇员到自由职业者。有时，这些工作将在传统等级结构之外的虚拟团队中完成。
团队合作是如何改变的？
试图通过在PowerPoint图表上切换方框和在Excel电子表格上跟踪预算来设计组织的日子早已过去。
随着工作逐渐从人才等级制度转向协作网络团队，我们需要一套新的工具来了解团队动态。领导者需要新的策略来激励、协调和调整团队网络，共享信息，协同工作。命令和控制自上而下的方法在很多情况下是行不通的。
萨斯喀彻温大学VIDO-InterVac的研究团队
团队的组建和运作方式并不总是可以预测的。它们可能不会经历暴风雨、规范化和执行的线性阶段(Tuckman)----但已经出现了一系列科学证据，证明哪些团队合作因素会对组织绩效产生积极影响。
成功的团队会使用战术性的培训干预，在团队层面采取辅导，并围绕目的、目标和行为进行明确。高绩效团队会定期花时间一起反思，并举行有效的一对一会议。
劳动力越来越分散，因为很多人在组织结构之外工作，从小时专家、平台工作者到直播者、创作者。这些分布式工作者并不是都在孤立地工作，而是形成新的联盟和合作。
释放分散的劳动力。资料来源：Andy Spence。Andy Spence
这种分散化趋势与远程工作的增加相配合，导致公司迫切需要有效地了解和管理内部协作动态。
一系列新的工具和平台正在开发，将形成新的工作基础设施。这些包括可验证的数字证书、点对点平台以及，分散的自治组织（DAO）的行业标准。
从组织结构图到组织网络分析的启示 From Organization Charts to Insights from Organizational Network Analysis
在过去的几年里，劳动力技术已经包含了更多的员工情绪分析。虽然这比年度员工参与度调查更复杂，但它仍然依赖于越来越厌倦的员工队伍的反应。
在解决业务挑战时，另一组有用的数据是来自员工的实际行为，使用组织网络分析（ONA）。它通过分析网络中人与人之间的互动来衡量协作模式，摆脱了静态的组织等级观点。它可以从网络中的角色方面识别出更有用的模式，如中心节点、知识经纪人和那些处于网络外围的人。
按影响程度分类的员工非正式网络。资料来源：Cognitive Talent Solutions
'积极的 ONA'调查研究的是员工群体对组织中的同事和关系的感受。这种方法可以识别非正式的影响者，他们可能并不总是处于传统组织结构图的顶端。非正式的领导力和影响力是基于主观的认知，只有通过直接询问员工，我们才能正确识别组织内的非正式影响者。Active ONA是这里最有用的工具，用于支持有效的入职、变革管理和领导力发展。主动式 ONA 提供了组织在某一特定时间点上的协作网络的快照，它与被动式 ONA 是最好的补充。
'被动 ONA'通过分析沟通模式，例如从 Office 365 等协作工具的电子邮件元数据中，提供了团队协作方式的补充视图。这可以通过监测团队的数字足迹定期提供见解，并已证明在评估生产力和倦怠风险时是有效的。
主动式与被动式ONA 来源 认知人才解决方案
将员工层面的主动式开放式网络分理想的方法是析和总体层面的被动式开放式网络分析结合起来，提供可操作的见解，但也保护员工的隐私。
任何利用人员分析的项目，包括组织网络分析，都必须遵循明确的道德准则。任何危及员工信任的举措都会削弱项目的目标。
从数据隐私的角度来看，主动式 ONA 是相对简单的，因为员工在完成调查时提供了他们的同意。
在被动的 ONA 的情况下，每个员工都需要明确地提供同意，以便在个人层面上分析他们的元数据，因此只在总体层面上进行分析更有效率。这样，企业在提出被动式 ONA 部署的商业案例时，既尊重了员工的隐私，又加快了内部审批周期。
组织如何使用 ONA？
主动式 ONA 在入职培训中也很有用，通过识别非正式的领导者，他们可以成为新员工的 "伙伴"，以加快他们的生产时间，并提高他们的整体员工体验。在大多数员工都在家工作的地方，这对于让新团队成员加快工作速度更为重要。
另一个常见的Active ONA例子是在变革管理中，非正式的领导者被定位为早期采用者，以加速战略变革的采用。例如，一家拥有45,000名员工的公司，使用Cognitive Talent Solutions的ONA技术，确定了非正式领导作为变革项目的超级用户。这加速了项目的采用，并在流程改进中节省了16.1万美元。
被动式 ONA 可以帮助企业通过监测员工数字足迹中的指标来评估员工的职业倦怠风险，如工作时间以外的通信比例、未读信息的比例或平均响应时间。
职业倦怠风险与生产力。来源 认知人才解决方案
这种技术使公司能够识别潜在的员工倦怠情景，并在需要时实施缓解措施。例如，一家财富500强的生物技术公司，在部门层面创建了总结，突出了对职业倦怠风险和生产力的预测性和规范性分析。他们将Passive ONA的聚合级洞察力与Active ONA的个人级洞察力相结合。该公司能够实时分析组织内部协作动态的变化。这使他们能够加快战略变革的采用，并实施更明智的缓解计划。
观察协作模式还可以帮助确定在合并、收购的情况下，哪些地方的信任度较低。了解哪些员工是非正式的领导者，对于防止或缓解并购后整合过程中的文化冲突很有帮助。一个商业利益的例子是，通过加速新的集中式系统对传统系统的替换，帮助加速实现IT协同效应。整合完成后，ONA还可以帮助企业了解遗留组织之间的整合程度及其对企业绩效的影响。
ONA已被证明在多样性和包容性举措中是有效的。按性别、年龄和种族监测组织中的合作模式，可以突出可能需要干预的潜在冲突领域。
网络多元化见解。来源 认知人才解决方案
领导者可以做什么来支持团队What Leaders Can Do To Support Teams
为了更好地支持组织中的团队，领导者可以采取以下行动:
广泛思考设计工作，以及谁最适合做这项工作--从员工到供应商、自动化或自由职业者。监控员工、承包商或机器的最佳组合，以执行一揽子工作。
在你的行业内和相关的学术研究中寻找广泛的证据，以研究如何提高组织的团队效率。
评估可用的新技术工具，包括ONA，以支持围绕入职、变革管理、领导力发展、生产力、职业倦怠、并购以及多样性和包容性的业务挑战。
人力资源部门在未来的作用将越来越多地集中在培育人才网络、评估劳动力工具和监控组织效率上。
下一波成功的组织将适应劳动力的变化，并提供工具来支持我们组织的基础块--我们的团队。
如果您觉得本文有趣，那么请与您的网友分享。
本文由Francisco Marin和Andrew Spence共同完成。你也可以在Andrew Spence的《劳动力未来学家通讯》上阅读。
-
pa
【PA】HR如何通过平衡业务价值、数据可用性和资源能力等要素推动企业内部正确的人力资本分析项目
说到人力资本分析，问题总是多于答案。这个领域的新颖性，人类行为的复杂性，以及组织不断变化的性质，都会产生大量的潜在问题。企业领导者的愿望和想象力很容易让他们的人力资本分析（People Analytics）团队被要求和不切实际的期望所淹没。
交付和展示进展的动力导致人力资本分析团队过度扩张。然而，失去关键高管利益相关者兴趣的最快方法就是错失他们的期望。每一个新兴或成长中的人力资本分析（People Analytics）团队都需要一个流程来确定哪些问题能得到回答，哪些问题不能。
在我们10多年的人力资本分析（People Analytics）领域，Visier确定并建立了丰富的知识库，了解哪些方法可行，哪些方法不可行。
以下决策模型就是这项工作的成果。它可以帮助你快速评估、证明和解释你的人力资本分析（People Analytics）团队该做和不该做的工作。
阶段1：确定PA项目可行性
很容易产生关于人员如何影响业务的有趣问题。人力资本分析（People Analytics）最令人兴奋的方面之一是，问题比答案多。通过人员项目找到新知识、新方法和使业务与众不同的机会是巨大的。不过，所有组织的资源都是有限的，没有办法为每一个出现的问题分配资源。
这种综合因素导致了需要一个注重平衡的决策模型。该模型需要平衡与价值、数据和资源相关的多个部分。该模型的目标是确定哪些项目或 "产品 "是可行的，哪些不是。在这样做的过程中，它需要覆盖各种可能性，从最基本的报告到最引人注目的复杂的新研究选择。
下图显示了组织在对人力资本分析（People Analytics）项目或产品进行决策时应该考虑的组成部分。
这三部分内容如下：
a. 价值。任何人力资本分析（People Analytics）活动的目标都应该是为企业创造价值。当陷入所有复杂的人员数据参考和排列组合中时，很容易忽视这一点。简单来说，企业的每一分钱的支出中，有高达80分钱是花在员工身上的。改善与人有关的结果的行动或决策将为企业带来价值。
对于每一个人力资本分析（People Analytics）项目来说，首先要衡量的是它将如何为企业带来价值。行动和价值之间的联系是否已经确立，比如留住员工和节约成本？还是像网络连接对整体收入的影响那样模糊不清、没有定义？
例如，退出风险模型现在非常普遍地被使用。这是因为它们的价值很明确，很容易与业务结果联系起来。留住一名员工不仅可以节省更换员工的成本，而且还与对收入或风险的影响有关。Visier自己的研究表明，留住员工的项目始终能给组织带来巨大的投资回报率。
在衡量价值时，有两个关键问题需要回答。
在PA工作和拟议的业务影响之间是否存在清晰、明确和普遍理解的联系？
这是个 "是 "或 "否 "的问题。如果你不能阐明这种联系，你就不应该继续进行，直到大家都清楚这种联系。
2. 2.可以提供的价值规模是多少？
这张图解释了人力资本分析（People Analytics）能给你的组织带来的价值规模。
b. 数据。人力资本分析（People Analytics）革命源于人员数据的可用性和处理能力的提高。每天，组织都会记录大量关于员工的信息，包括过去、现在和未来。为了使人力资本分析（People Analytics）项目可行，你需要用数据来支持它，而且这些数据需要适当的结构化才能有用。
最近与一个正在探索如何分析学习行为的小组进行的一次谈话显示，他们没有采用有效的数据采集机制。虽然他们有很多数据，但数据中没有任何东西可以唯一地识别特定的学习经验。
同一个YouTube视频或哈佛大学的论文可以在任何数量的不同记录集中体现，而且没有办法分解出所需的较低层次的细节。有一个记录表明一个人经历了一些学习。然而，没有办法确定这个人与其他人相比经历了哪些学习。
可想而知，这是这个小组的一个挫败感的来源。令人失望的是，由于他们的事务系统是如何设置的，他们认为可用的数据并没有。
在这个例子中，由于缺乏适当结构化的数据，无法回答任何有关学习消费影响的问题。这说明了数据作为燃料的关键重要性，它使人力资本分析（People Analytics）工作成为可能。
更常见的与数据相关的判断是关于是否有足够的数据，足够的质量，以提供一个值得信赖的答案。人力资本分析（People Analytics）团队应该能够进行数据审查，对数据集进行处理，看它是否足够完整，结构是否良好，以支持相关问题的答案。
很少需要完美的数据，重点需要放在符合目的的数据上。人力资本分析（People Analytics）团队需要有能力评估现有数据是否符合目的，并向利益相关者说明。
同样至关重要的是，组织要对他们将使用和不使用的人员数据有一个道德标准。 回答业务问题所需的数据必须符合这个道德标准。
要衡量与业务问题相关的数据的可行性，请问自己。团队是否能获得一个结构合理的数据集，与我们的道德政策相一致，能够支持有效地回答业务问题？
希望上述问题的答案是 "是"。然而，如果答案是否定的，这并不意味着这个问题应该被搁置。重要的是生成数据所需的成本或资源。
c. 资源。 资源涵盖广泛的投入。你可能有一个价值很高的问题，而且有数据可查。但是，如果你没有拥有时间和技能的人，没有合适的技术，也没有相关利益攸关方的支持，项目就不会有进展。
资源错位的一个例子来自于几年前我看到的一个演讲。一个团队建立了一个风险退出模型。两位博士花了半年的时间来收集数据、运行模型、生成结果。CEO对这个结果很兴奋，能看到价值。CEO希望每月提供退出风险信息。
PA团队无法满足这一期望。他们的方法论和基础设施不允许他们每三个月产生一次以上的结果。他们拥有数据，价值也很明确。他们所缺乏的是提供业务所需的一致性洞察力的资源。
这种模式太常见了：分析团队采取以项目为中心的方法，提供一次性的答案。答案可能很有趣，但只有当分析能够持续地支持相关利益相关者的决策时，对业务的价值才会出现。
这就是为什么前期考虑资源很重要。同样重要的是考虑项目整个生命周期的资源需求，以便为所有业务利益相关者提供全部价值。
衡量与业务问题相关的资源需求的最佳方法是使用下面的结构。
此图显示了衡量与业务问题相关的资源需求的最佳方法。
注：上述模型的一个结果是，不要把技术看成是一次性的工具，而要把技术看成是一种投资，支持广泛的项目，扩大PA团队的交付量。
阶段2：分配项目
在概述了可行性模型的组成部分后，下一阶段就是了解如何将其付诸行动。项目可行性是商业价值、数据质量和你所拥有的项目资源之间的平衡。
这将有可能把项目可行性本身变成一个复杂的研究。我们建议并实践一些更实用的东西，允许更快地做出决定，并且只在利害关系大的地方进行详细研究。
下面的矩阵显示了自动进入清单的项目，那些永远不会进入清单的项目，以及那些需要判断的项目。在每一种情况下，团队都必须能够访问适当结构的数据集，这将支持有效地回答业务问题，并与组织的数据道德政策保持一致。
价值高、资源需求低的项目显然是赢家。价值低、资源需求量大的业务问题是不可能的。属于这一类的项目在进入团队的工作日志之前，需要仔细判断或进一步调查。
这个表格比较了价值和资源需求，帮助你判断你的项目是否需要进一步调查。
如果数据集不可用，你就要做出决定。确定项目的潜在商业价值是否值得投入资源去获取所需的数据就变得很有意义。
通过人力资本分析（People Analytics）找到成功之路
过去五年来，人力资本分析（People Analytics）的做法已经成熟。今天，已经建立并遵循了行之有效的方法和程序。决定一个新兴的人力资本分析（People Analytics）小组成败的核心实践之一，就是能否只选择和交付最相关的工作。
通过平衡业务价值、数据可用性和资源能力等要素，就能明确哪些项目要优先考虑，哪些项目要放弃。这种模式还有助于向广大利益相关者传达为什么要做出这些决定。
原文标题：How to identify the right people analytics project
作者：Viser Ian Cook
-
pa
人力资本分析--是未来推动业务决策的答案
People Analytics是关于使用来自员工数据的统计洞察力来制定人才管理决策的。实际上，事实证明，管理日益分散的劳动力非常有用。
在不久的将来，People Analytics将进一步获得全球公司的主流关注，尤其是在维持数字化转型方面。
是什么使人力资本分析变得必要？
People Analytics可帮助团队领导者使用强大的数据见解来改善团队绩效，进而改善业务成果。这些分析可以在制定人才管理策略，评估候选人，简化招聘流程等方面取得丰硕的成果。Google的Project Oxygen是实施People Analytics的一个很好的例子。它研究了Google最佳经理人的做法，然后在指导课程中使用它们，以改善业绩不佳的人的工作。
如今，推动People Analytics（人力资本分析）的是在家工作的趋势。根据《全球劳动力分析预测》，到2021年年底，每周将有25％至30％的劳动力在每周几天内继续在家工作。《 Sapient Insights 2019-20年人力资源调查》提到在疫情期间，数据驱动型组织具有更好的业务成果–他们跟踪了至少5个或更多的HR指标。诸如此类的统计数据突出表明了人力资源在很大程度上依赖于信息这一事实。为了适应市场变化和未来的工作需求，People Analytics在制定组织的人力资源战略时将发挥重要作用。
People Analytics的数据源是什么？
在当前的远程工作方案中，协作工具是People Analytics的主要数据源。数据收集不仅限于可从HR获得的数据。但是它正在向诸如团队和生产力工具之类的协作工具扩展。
WorkTech –数据源的范围正在成倍增长
可以对从协作工具中收集到的所有信息进行整理，以为员工提供更好的解决方案。
您如何完成人力资本分析？
在Harbinger本月主持的会议中，Harbinger Systems总裁Shrikant Pattathil分享了HRTech系统与生产力和协作工具之间的集成如何被视为推动People Analytics的推动力。
从分析的角度来看，我们所做的大多数集成都是为了推动业务成果。通常，当我们使用单个工具时，我们专注于诸如提高效率和效果之类的事情。但是，当我们进行集成时，我们通过从所有这些系统中收集关键信息来推动业务成果。实际上，有几种方法可以选择与多个平台协作并提供有效的解决方案。
专注于业务成果
在本次会议上，FutureSolve的首席运营官Andy Najjar分享了他在集成和收集来自不同平台的People Analytics数据中的经验。他说：“重要的是要提供一种创新的方式来分析数据，方法是提供一些以前无法获得的非常好的见解，或者将其标记为白色，以使人们能够在一处获得数据和分析。”
数据所有权又如何呢？
据她介绍，当您考虑公司的数据策略时，存在防御策略和攻击策略的双重框架。防御策略是指目标是确保数据安全，数据隐私，完整性，质量，政府法规遵从性等。而与攻击策略有关的一些活动是优化数据提取，标准化，存储，访问等。 。但是，她坚持认为，当公司处理高度敏感的数据，访问数据，挖掘数据，使用数据时，拥有数据的人的答案就是始终是候选人。“候选人应该能够看到我们对他们的数据的处理方式，以及他们的数据是如何被生产的。”
透明是这里的关键，公司必须清楚地向员工表明，将跟踪和分析公司自有工具的所有通信。
未来该何去何从？
员工分析越来越重要，因为它显示了员工福祉与公司收入之间的重要联系。Compass Group人员分析高级总监Sam Thayer强调了这一点：“我们需要从People Analytics转到我喜欢的称为Decision Analytics的位置，以了解我们正在做出的决策。此外，重视软技能将变得越来越重要。如果您可以衡量员工的软技能，请找出他们对组织最成功的方式，将其与您的学习计划和发展联系起来，并随着时间的推移进行跟踪。这会导致什么？当您遵循这条路线时，最后一步就是增加收入。”
我们在Harbinger的研究符合Gartner的2021年战略技术趋势，该趋势具有利用技术和设计趋势来提供更好的分析的能力。它们是–超级自动化，行为互联网和全面经验。Hyper Automation将机器人过程自动化（RPA），人工智能（AI）和机器学习（ML）结合在一起，以便您可以实时做出决策。行为互联网强调如何需要更多工具来收集信息，以帮助我们设计一个偏僻且生产率仍然较高的安全，更好的工作场所。
总而言之，这就是提供全面的体验，以满足系统中所有用户的需求。
作者：Manasi Mehendale
https://harbinger-systems.com/blog/2020/12/people-analytics-the-answer-to-drive-decision-making-in-2021/?utm_source=Twitter&utm_medium=Tweet&utm_campaign=BlogPeopleAnalytics
-
pa
为未来工作做好准备：HR应该具备的5项工作技能
导语：数字化带来的机遇使人力资源职能的战略性质得到加强。对于能够在变革中冲浪的团队来说，变革是令人振奋的，但对于落在后面的人力资源领导者来说，变革可能会让他们感到困惑。你是哪一种呢？
在许多组织中，Covid-19大大加速了人力资源部门从以行政为重点的职能向更具战略性的角色转变。现在，人力资源部门比以往任何时候都要带领组织在变革的海洋中前进。虽然这种趋势并不完全是新的，而且几十年来一直有强大的人力资源C级高管坐在董事会中，但现在这些高管变得越来越普遍，冠以CHRO、CDO甚至CVO等头衔。
数字化带来的机遇使人力资源职能的战略性质得到加强。那些能够利用数字化的力量为整个组织谋取利益的人力资源部门，将加强其在人才战争中的优势，并在人才吸引、保留和生产力方面获得好处。
对于能够在变革中冲浪的团队来说，变革是令人振奋的，但对于落在后面的人力资源领导者来说，变革可能会让他们感到困惑。让我们回顾一下，现在每个人力资源部门都应该培养哪些关键技能，为未来十年的加速变革做好准备。
技能1：人力资本分析 People Analytics
收集人力资源数据并将其转化为可操作的见解的能力，以改善你的业务方式。通过对大数据的管理，可以简化来自组织内部和外部的大型数据集，从而增强这一技能。
人力资源分析的实际应用：
人力资源分析组织有明确的数据收集策略。能够在年度考核之间获取员工绩效指标事件。
与数据合作的人力资源组织每月都会制作出具有可操作性的指标的仪表盘。除了数字之外，他们能够用定性的评论来支持分析，以确定人员流动、缺勤或加班的根本原因。
掌握人力资源分析的部门能够预测未来，能够预测人才短缺和继任规划。
并不是因为你没有最新的由人工智能和机器学习驱动的人力资源系统，你就不能开始。在你的组织中确定一个冠军，并开始审核数据源（质量、刷新频率等）。
在数据方面，业务应用程序往往是一个拦路虎。你可以利用Excel和数据透视表的灵活性，开始生成第一个指标。在开始进一步开发你的仪表盘系统之前，尽量与你的最高管理层商定10个关键的人力资源绩效指标。
如果你在整个组织中没有统一的集团人力资源系统，一个能够汇总数据源的商业智能工具（如Microsoft PowerBI或Tableau）已经可以让你取得巨大的进步。
技能2：变革管理Change Management
纳入程序、工具、技术或技巧的能力，以帮助各组织成功过渡，从而实现革新。转型管理首先是一个以人为本的过程，需要建立信任，并指导人们面对其不确定性，同时在变化的环境中提供清晰的认识。
变革管理的实际应用：
变革管理可以让人更好地试行充满挑战的时代，比如公司从办公室工作转为在家工作。人力资源机构就会成为合作伙伴，更好地实施远程管理。
掌握变革转型管理的人力资源部门能够协调复杂的组织变革，能够提出新的结构，其相关的成本、效益或不便，并将确保分阶段的平稳过渡。
转型管理可以用来帮助组织进行转折，例如，与新的收入模式合作，销售数字产品或转为按使用付费或订阅收入模式。
转型不仅是人力资源部门的事。人力资源部门应被安排为转型的推动者，通过收集关键利益相关者的委员会来协调转型。写一个转型管理流程，并描述HR在流程中的角色。通常情况下，只要申请组织转型，就应征求HR的意见，并根据组织的能力进行风险评估，提出人员建议。最终，人力资源部门还将控制沟通过程，确保信息在公司内勤于传播，并支持关键利益相关者在新的工作范围内运作。
技能3：商业合作 Business partnering
与其他职能部门联系和沟通的能力，以确保技术专长继续为业务服务并创造价值。业务伙伴对业务环境有很好的了解，对支持财务、IT、人力资源或法律等职能部门非常有用。
业务伙伴的实际应用实例：
业务伙伴是组织中人力资源的倡导者，沟通劳动力市场的趋势和遵守劳动法规。
劳工和发展方面的业务伙伴能够向各职能部门传达培训方案的明确投资回报率，并能够解释什么是有效的，什么是无效的，改进下一步的学习行动；以及
人力资源业务伙伴是数字化转型的盟友，并帮助其他业务职能部门确定在未来保持竞争力的关键技能。
开始的建议。
经常与业务部门经理会面。派你的冠军参加为各部门新人提供的入职培训计划，以便更好地了解业务使命。与经理们保持频繁的非正式检查，围绕你的专业知识建立你的信誉。
通过提供外部市场信息来创造互惠，帮助直线经理更加了解他们的环境。你要建立你的影响力，成为你专业领域的 "去 "人。
技能4：人力资源系统管理 HR systems management
确定、测试和分析哪些人力资源系统能给组织带来最大的附加值的能力。人力资源系统管理专家能够从头到尾进行项目试点，整合现有系统或推出新的人力资源技术解决方案。
人力资源系统的实际应用：
企业在上马人力资源系统的过程中，首先要对纸质流程进行摸底，对哪些流程可以自动化有一个清晰的认识。
拥有人力资源系统的企业对整个组织的员工队伍有一个清晰的宏观认识，横跨不同的地点或国家。
招聘中的人力资源系统可以更快地收集和处理申请，建立一个健康的候选人管道；以及
人力资源系统可以让企业评估人力资源部门的价值，并实现向最高管理层报告人力资源投资回报率。
在投资花哨的工具之前，先考虑 "核心人力资源"。首先，确保你有一个可以依赖的统一的员工数据库。这样的员工数据库必须与ESS（员工自助服务）整合。确保员工数据库整合了所有员工（所有地点、所有合同类型），并与你的薪资系统相连（无论你的薪资是内部管理还是外包）。
如果你的公司无法负担Workday或SAP类型的解决方案，请考虑可扩展性，并选择一个允许你随着时间的推移增加模块的解决方案。不要把你的组织锁定在 "只发工资 "类型的解决方案中。
技能5：知识共享 Knowledge sharing
在组织内外组织、促进、分享和培养知识共享以创造价值的能力。知识共享有助于加强内部和外部利益相关者之间的合作，以刺激决策、创新和增长。
知识共享的实际应用：
驾驭知识共享的公司对公司的专家和知识领域有清晰的认识。
促进知识共享的公司拥有各种工具(数字门户、讲习班、内部网络研讨会、论坛、内联网等)，专家可以利用这些工具作为教育组织其他成员的平台；以及
重视知识的组织会把内部培训和外部培训一样纳入其中 一对一也是分享知识的好方法，发展计划包括同行反馈或指导等。
知识共享通常从沟通组织转型的目的和愿景开始。让你的CEO加入你的第一次研讨会活动。在未来也让其他C级利益相关者参与进来。让专家们轻松地做出贡献，创建内容指南、最佳实践和实用的注意事项。
绘制关键知识领域和相关利益相关者：他们可以是专家、领导、有影响力的人物等。你不需要是资深人士就能成为倡导者。例如，年轻的销售人员也可以是在线社交网络的伟大倡导者。这个时代，学习就是对自己最大的投资，你认为呢？
作者：Simon Carvi 以上由AI翻译完成，仅供参考。
-
pa
再谈什么是人力资本分析 What is people analytics?
What is people analytics?
PeopleInsight联合创始人兼CEO John Pensom一直将人力资本分析定义为：
使用人的数据和业务成果数据来做出更明智的人员和业务决策。
我们把这个定义分为3个部分。
首先，人员数据可能来自以下任何或全部。
其次，经营成果数据也会来自于多种形式，比如。
第三，这种人与企业成果数据的结合，必须应用并持续用于企业的决策。
人力资本分析将帮助企业：
·做出更明智的用人决策
·识别和留住关键人才和
·提高投资回报率，投资于最有影响力的人力资源和人才项目。
人力资本分析、人力资源分析、人才分析或劳动力分析？People analytics, HR analytics, talent analytics or workforce analytics?
人力资本分析过去和现在有时都被称为人力资源分析、人才分析或劳动力分析。
直到2014年左右，这些不同的术语在某种程度上是可以互换的--被早期的厂商用来试图标记空间和命名这个领域。就在这个时候，行业分析师重量级人物、数据驱动型HR的长期支持者Josh Bersin发表了看法，并通俗地将这个空间命名为People analytics。
虽然人事分析类的人力资源技术在2012-2015年期间兴起，数据驱动型HR已经出现了一段时间，但在大多数组织内，拥有人事分析功能还是相当的异类。在这些早期的日子里，当人员分析是人力资源的一部分时，它通常是由具有技术技能和对数据感兴趣的个人作为一种小众（而且往往是一次性的）活动来玩的。人力资本分析正在发展，但它还没有成为一门广泛的学科。
然而，在此期间发生的事情，是一系列影响因素的汇集，使人力资本分析成为人力资源部门的当务之急。
·考虑到人才争夺战，我们在 "人力资源 "上的花费比例很高，而且CEO们也越来越相信并大声疾呼，人是他们最关键的资产，因此，人的数据在组织中开始被认为具有更高的价值。
·人员数据（候选人和员工）的来源正在迅速扩大，由于云端应用被HR买通，这些数据更加容易获取，此外还有更先进的数据管理、集成和API。
·HR技术厂商跳上分析的浪潮，声称自己提供人员分析解决方案。
几乎所有的HR技术厂商都开始宣称自己有人员分析、大数据和预测性，以努力打压估值，搭上营销的浪潮，但造成了巨大的噪音和市场混乱。实际上，他们中的大多数人除了对他们的事务系统产生的数据进行单一维度的报告外，没有任何其他的东西--这与人员分析相去甚远。除了少数几个诉求者之外，所有这些诉求者都是事务性的人力资源系统，因此，没有采用任何人员分析技术中最关键的组成部分之一--人力资源专用数据仓库，用于优化多源人力资源数据的复杂结构。
结果是，HR开始拥有更多的数据和更多的系统--但他们无法超越孤立于事务性系统中的数据的单一维度报告。
这就引出了我们所说的HR的普遍问题。
与人力资本分析相关的普遍问题 The Universal Problem Related to People Analytics
一言以蔽之-数据利用不足和断线Underutilized and Disconnected Data
尽管有大量的数据，但在将数据整合到一起、在不同的系统之间建立联系，并使之具有意义以推动更好的业务成果时，就会出现普遍性问题。
深入了解普遍性问题
·人力资源和人员数据无处不在--很大程度上停留在孤岛上（即你的事务性人力资源技术）。
·不仅是该人力资源技术领域不断扩大新的系统和额外的丰富数据来源，没有真正的计划有一个桥梁跨越这些岛屿 - 或统一数据到一个单一的真相视图。从本质上讲，这些人力资源数据孤岛的差异性和它们所收集的历史数据量正在加速增长。
·这些不同的人力资源数据可以而且应该被用来做出更好的人员和业务决策。
·人们对业务成果中的人的方面以及如何最有效地利用你的人员数据来创造新的价值的理解正在形成，但仍然有限。
·当您结合并连接多个来源时，您的数据的价值就会显著增加，从而使您的数据具有多个维度。
·管理、连接和组合人力资源数据以实现商业智能是极其复杂的，可以说是有点黑科技（如果你不同意这个观点，你有没有做过--用人力资源数据，大规模的持续刷新数据？
·实现将公司最敏感的数据（人员数据）在正确的时间传递给正确的人，同时确保保密性、隐私性和信息安全，不仅真的很复杂，而且从很多角度看绝对是任务关键。这种类型的数据泄露可能会让任何公司沉沦。
·人力资源报告和分析需求传统上被IT团队认为优先级低于其他企业需求。
人力资本分析纯游戏功能
这些挑战往往导致人力资源报告以最简单、单一维度的方式执行，一次又一次地手工创建电子表格。
不用说，基于电子表格的人力资源报告引入了许多风险，包括数据完整性、有限的访问管理控制、有限的数据管理能力，以及从几乎没有治理或内部控制的系统中下载原始数据。
不要误解我的意思，电子表格很适合入门和原型设计，但它们挖掘出来的速度非常快，不应该在企业级人力资源报告和人力资本分析中发挥关键作用。
人力资源指标与人力资本分析的比较 HR Metrics Versus People Analytics
我们必须超越人力资源指标，进入人力资本分析领域。
人力资源指标其实是为HR服务的。人力资本分析是为整个企业服务的。
虽然这一点可能有待讨论，但我们认为HR度量的特点可以是单一维度和简单的关于人力资源实践、流程和交易的测量。
人力资源度量是关于人力资源效率的。这都是好的，但它需要更进一步。
因此，下一个层次，也是与我们的定义一致的，是人员分析--它更多的是关于衡量人力资源、组织和人才实践、流程、项目和交易所产生的结果。
因此，人力资本分析更多的是关于人力资源的有效性--这就引出了一个非常重要的基本原则。
例如，要衡量和了解招聘处理，如填补时间，你可以采用一些简单的人力资源指标。
然而，如果要了解哪些招聘渠道是你的最佳招聘来源，以及优质招聘的成本是多少，你需要将各种来源的数据结合起来，并以人员分析的方式交付。
你需要通过深度细分、算术或统计分析来生成更多与业务相关的见解，并使分析师能够从多个镜头或维度来查看数据（例如，按地点、角色、级别、成本、招聘者、招聘经理、来源、使用的评估工具、评估结果等来显示招聘质量）。
一句话，如果人力资源部门想成为更多的业务伙伴、价值创造者和企业战略的关键推动者，我们必须超越人力资源指标，进入人力资本分析领域。
人力资本分析帮助HR专注于对业务重要的事情
人力资源和人力资源业务伙伴必须使用数据驱动的方法，专注于重要的、与业务相关的事情。数据驱动的人力资源玩法介绍了一种以业务为中心的方法--平衡业务的运营和战略需求。
Operational People Analytics
以数据驱动的方式来处理你应该做的事情。
首先，运营报告和分析应该帮助你提高业务线（LoB）的标准人力资源、人才管理和人员项目活动的效率和效果。这是基础层面。
这应该包括对日常招聘、人员管理、人员流动、流动、学习和发展、薪酬、福利和绩效管理等活动的分析。
这将帮助HR从日常的角度出发，专注于基础而又重要的 "HR的事情"，并获得LoB领导、LoB经理和LoB员工的信任--利用数据来报告、改进和优化你的核心人力资源和人才服务或范围。您应该专注于提供高效和有效的人力资源流程和项目。
Strategic People Analytics
注重识别和理解异常值。基于数据驱动的洞察力实施项目和变革。
战略性人力资本分析是关于业务合作--帮助您所服务的业务线与人员方面实现其战略业务目标。
战略报告和分析将帮助人力资源部门专注于LoB所面临的多个业务问题。这些用例是直接从对整个组织和具体的LoB都很重要的方面来驱动的。它们也将直接与LoB的1-3-5年战略--或全公司业务计划的战略里程碑--保持一致。
一个很好的例子是使用人力资本分析来指导数据驱动的方法，以准备和动员一个新的客户支持团队，该团队专注于18个月后上市的新产品。
战略报告和分析是关于你在LoBs需要帮助的事情上帮助他们--特别是在人员方面，并采用数据驱动的方法。
Data-Driven Analytical Projects
专注于识别和理解异常值。基于数据驱动的洞察力实施项目和变革。
第三，分析型项目利用人力资本分析来识别和理解异常值--包括好的和坏的，目标是实施高价值的项目和有意义的变革。
简单而有力的项目例子可能集中在改善关键人员异常高的流失率，改善有经验的员工在头两年异常高的流失率，在面临COVID-19影响时对你的劳动力构成做出决策，或者提高关键绩效人员在育儿初期的保留率。
分析性项目都是关于使用数据驱动的方法来解决值得解决的问题。
请记住，要想将这些用例中的任何一个用例视为人力资本分析，您需要将人员和业务成果数据结合起来，以优化效率和效果。
-
pa
执行您的人力资本分析项目--8个步骤即可完成
在这篇博客中，我们看看我们的8步计划，一旦你确定了你的第一个人力资源分析项目--那个多汁的商业机会，就可以开始了。 遵循这些步骤，你将确保通过你的分析和报告提供商业价值。
以下是这些步骤的概述。
阅读并理解您的业务计划
确定DDHR（数据驱动的人力资源）项目的范围。
定义您的主要指标
定义您的二级指标和支持指标
阐明 "是什么"。
阐明 "什么 "背后的 "为什么"。
推动决策、变革案例、目标和变革计划。
实施、衡量成功、稳定和实现价值。
Read and understand your business plans
Scope out your DDHR (data-driven HR) project
Define your primary metric
Define your secondary and supporting metrics
Articulate the ‘What’
Articulate the ‘Why’ behind the ‘What’
Drive Decisions, Case for Change, Targets and Change Plans
Implement, Measure Success, Stabilize and Realize Value
1）阅读并理解你的商业计划书 Read and understand your business plans
这可能看起来很明显......但是......你读过你最新的企业商业计划或目标吗？如果你无法获得它或没有它，你是否已经采访了你的执行团队成员以了解整体方向？
如果你没有，你将如何建立人员和组织能力？
HR成为数据驱动型，是为了更好地实现你的定性和定量数据（即直觉和硬事实）的平衡。 这种平衡的方法需要在与组织相关的、多汁的、有意义的事情的背景下应用--无论是你所服务的特定业务线（LoB），还是更大的企业目标。
人力资源部门必须了解公司和业务部门计划，了解这对人员计划和能力的意义，必须确定、确定范围和交付数据驱动的人力资源项目，这将帮助你实现这些业务计划的结果。
2）确定你所选择的DDHR（数据驱动型HR）项目的范围。Scope out your DDHR (data-driven HR) project
你的范围界定工作应该包括这些活动。
阅读您的企业商业计划书
阅读您的业务线单位计划（直接客户的计划）。
向管理团队/办公室讨论并 "回放 "你的关键观察，以确保你已经建立了足够的理解。
确保并阐明你的第一个DDHR项目如何支持客户的关键重点领域（这些目标可以是公司目标、LOB目标，或两者的结合）。
对于您的第一个DDHR项目，尽您的能力研究、集思广益并记录以下内容。
与项目有关的具体目标、成果和指标。
实现这一目标的人员和组织要求/能力。
当涉及到人力资源和人员项目的所有方面时，你的差距（例如，如果你需要 "提高我们销售团队的成交率"，而你没有最佳实践销售成交培训课程，那么这将被认为是一个 "差距"）。
不消除这一差距的风险、影响和商业影响。
向你的LoB领导/管理团队简要介绍你从上述活动中发现的情况--获得对你的项目更深入的理解、调整和支持。 如果您做对了，您应该已经提高了客户的热情和兴趣。
现在，您已经围绕您的ONE数据驱动的人力资源项目设定了一些界限，并与您的组织或LoB对应方更详细地了解了它--您现在必须更详细地定义项目--并执行。这其中有几个步骤--这些步骤可以挖掘你要捕捉的数据和指标。
3）定义你的主要指标 Define your primary metric
你需要定义一些我们称之为 "主要指标 "的东西，它能抓住你的项目所要完成的本质。在定义主要指标时，建议尽可能的具体和详细--因为这是所有后续步骤的基础。
然而，你可以决定，在这个时候，保持这个方向性的性质（即减少或增加），而不是进入具体的目标。这都是好事。 目标可以在后续阶段，当你能获得硬数据时，再进行估算/设定。
下面是一个例子。
"降低销售部第一年业绩优秀者（被评为优秀和卓越）的流失率"
确保你定义你的度量标准的细微差别，如... 你是指在公司的第一年，还是销售的第一年？你是否将一个在市场部工作了3年，然后转到销售部，然后在销售部工作9个月后离开公司的优秀员工计算在内？
从比率和幅度两方面量化（陈述当前有关的事实）你的首要指标。
2019年，我们在销售部门任职第一年的员工中，表现最好的员工离职率为23%。
2019年，这代表着在77个EE的总段上有17个EE离开。
为了实现全面的理解，需要从多个角度观察您的主要指标--这意味着在您可用的数据维度上对您的数据进行切片和切割。如果你有幸拥有强大的劳动力分析或商业智能工具，这将是简单的。如果你是在电子表格中进行计算，这将更具挑战性，所以要做好准备，并在这方面花费一些时间。
4）定义你的次要或支持性指标。Define your secondary and supporting metrics
次要指标或辅助指标是对您的分析很重要的额外数据维度和细分。这些次要指标和细分的程度实际上取决于您--但根据我们的经验，这是最有洞察力的观察和故事线的来源。
比如说 对你的数据进行细分和切片，这样你就可以了解是否有任何基于人口统计学、地点、经理、经理参加人事经理培训课程、招聘渠道、入职调查结果和参与度等方面的异常情况。
你只受限于你所能接触到的数据和你连接数据的能力。同样，如果你正在与人员分析合作伙伴合作，或者使用强大的BI工具，这将是相对容易的。如果你没有，你正在处理电子表格和断开的系统，卷起你的袖子，收起你的袖子......你需要时间和一些分析方面的专业知识。
5）进行量化观察--阐明 "什么"Articulate the ‘What’
使用您的二级指标，继续细分和分析您的数据，将观察重点放在异常点上（您的数据中的离群值、超过可接受阈值的热点、或问题的质量/规模可能代表机会或缺乏机会的地方）。
6）阐明 "什么背后的原因"Articulate the ‘Why’ behind the ‘What’
至此，你就会有一个关于销售业绩最高者流失的事实汇编，对象是任职第一年的员工。
掌握了这个多维度的分段分析，你必须深入挖掘故事线，了解故事发生的背景，并向那些最能阐述逻辑原因和假设的人询问 "为什么"。
这就是定性理解。
这可以通过各种技术来实现。例如，你可以选择与其他销售业绩最好的人进行一些焦点小组，那些在任职第二年的人可以对经验有所了解，你可能想实施或收获入职经验调查的数据，你可能想进行小组电话会议，1对1的或与经理的水冷/非正式谈话等。无论采用何种方法，这都是为了了解相关人员的生活经历，使数字活起来，并提供背景。
这里的目标是花一些时间深入挖掘，这样你就可以平衡你的事实和背景，并准备以更完整的方式讲述故事，尽可能多的纹理。
7）推动决策、变革案例、目标和变革计划。Drive Decisions, Case for Change, Targets and Change Plans
在我们看来，除非你愿意推动决策，并实施变革，否则开始这个过程的第一步是徒劳的，也是没有意义的。
肠胃检查：如果你不期望你的数据驱动的人力资源工作能够推动决策和变革，那么认真考虑一下，现在就停下来，专注于一些业务或你的人力资源团队会重视的事情。
决策必须在合作、协商和乐虎国际客户端支持下进行。因此，至关重要的是，您必须在之前的步骤中与您的LoB客户保持联系--并且能够获得事实、背景和意见。
业务线的决策都是关于投资回报率（ROI）的，这就需要制定一个变革案例。有些人可能会将其称为 "Pitch Deck"，有些人则称为 "商业案例"。
不管怎么说，变革案例是一个10-15张幻灯片的总结和建议，其结构如下。
执行摘要
背景和情况
当前环境/问题的确定(事实和背景)
机会
拟议的解决方案和目标成果
成本和效益(ROI)
项目/实施办法
所需资源
B. 建议
下一步工作
目标是让你的利益相关者和受影响的合作伙伴相信变革是必要的，并帮助他们完成目标。
8）实施变革计划，稳定、衡量成功，实现价值。Implement, Measure Success, Stabilize and Realize Value
关于如何实施和创造可持续变革的更多信息，请参考Playbook 4，我们将在其中深入探讨这一主题。
值得注意的是，"商业案例实现 "非常容易被忽视--事实上，我们往往在取得成果之前就被迫系统地进入下一个活动--并比喻为 "将赢利存入银行"。
你必须不惜一切代价尽量避免这个陷阱。
记住，你被信任投资于数据驱动的人力资源的唯一原因是为了追求多汁的业务成果。
你已经在商业案例上出售了这一举措--所以你必须花一些时间来量化和计算你的成就和成功--并与那些重要的人分享。
简单地确定你的举措的投资回报率
在投资回报率等式的一边，你将阐明你通过这一举措创造的 "新价值"。
在等式的另一边，阐明该举措的成本（在这个项目中工作的天数可以转换为每天的内部负荷成本率）。你将以此为分母。
从新价值中减去成本，并将结果称为 "净新价值"--将其作为分子。
将净新价值除以成本，然后乘以100。
现在，你就有了这个数据驱动的人力资源项目的投资回报率。
鉴于这是一个巨大的未开发领域--利益池可以是壮观的。
下面是我们PeopleInsight的一个技术客户的例子。
在实施了分析工具后，一个特定的关键技术角色的营业额在第一年内下降了25%，这些工具使经理们能够深入了解他们的营业额--使他们能够快速地进行细分。
副总裁和人力资源部门将这些影响直接归因于透明度的提高。
这导致今年避免了约75万美元的成本。
投资成本不到2.5万美元。
净新价值为75万美元-2.5万美元=72.5万美元。
这笔数据驱动的人力资源投资的投资回报率是。 (72.5万除以2.5万) x100 = 2,900%。
是，2,900%
一旦你意识到了价值，你就必须将其传达给大家并加以庆祝。然后从中学习，并在此基础上再接再厉。在你的下一个人力资源分析项目中保持这种势头。
作者：PeopleInsight
以上由智能AI翻译完成，仅供参考
-
pa
访谈：人力资本分析如何支持默克在中国的发展
根据最近的研究，从现在到2027年，人力资本分析市场将以平均每年14.2%的速度增长，价值达62.9亿美元。 据预测，这一增长大部分来自亚太地区，亚太地区拥有全球60%的人口，根据麦肯锡的预测，到2040年，亚太地区的GDP将超过全球GDP的50%。正如我之前在这里写过的，分析人力资本在该地区也在崛起，LinkedIn的《人力资源中的分析崛起》亚太地区报告发现，在截至2018年的五年里，该地区人力资源中的专业分析人员增加了70%，中国是目前该地区最大的经济体，而在这个世界第二大经济体中，人力资本分析正呈指数级增长。 除了印度，中国是我收到关于人力资本分析的最多信件的国家--既有希望提高能力的公司，也有寻求了解这一新兴领域的专业人士。
在Insight222的人力资本分析项目中，许多与我们合作的公司都在中国有持续的业务和团队资源。 其中一家公司是默克公司，我最近采访了在上海工作的Sherry，了解了人力资本分析发展如此迅速的原因，以及她和默克人力数据分析与战略人力规划规划团队在中国开展的一些工作。
1）感谢您抽出时间和我交流，Sherry。请您解释和分析一下为什么人力资源数字化和人力数据分析在中国发展如此迅速？
谢谢David，很高兴与您交谈。中国快速增长的原因可以从外部市场竞争环境和内部企业资源禀赋两方面来解释。近年来，随着宏观经济放缓，投资资本回报率降低，人力资本成本增加，越来越多的中国企业开始关注企业管理效率。这为人力资本分析的发展提供了基础。同时，对于中国IT巨头来说，数据某种程度上就像他们发展离不开的 "血液"--数据分析一直是他们商业模式的重要组成部分，数据也正在成为新的 “生产资料"。同时，与西方国家相比，中国对个人数据获取的限制较少，这进一步促进了数据业务的发展。
2）中国的人力资源数字化和人力资本分析有哪些独特的挑战和机遇？
首先，大多数中国企业的领导者仍然认为人力数字化/资本分析是一种额外的成本，而不是业务的组成部分。当面临业务挑战时，相比于分析优化当前的FTE成本结构，重新分配有限的资源，企业更多选择是雇佣更多的员工解决问题。
此外，人力资源本身的重新定位也很关键。从我以往的咨询经验来看，我发现在很多企业中，事务性工作占到了HR整体工作的70%以上。只有在更贴近业务的HR运营模式下，HR被定义为战略角色时（当然，需要更强大SSC的支持），才有可能做出改变，构建数字化能力从而影响业务。
在中国的领先IT企业中，我们看到先进的人工智能和机器学习被应用到人力分析中。为了精准提升生产力，头部企业针对特定的业务场景，对员工的行为进行追踪和分析。这些分析一般不由人力资源部门主导，而是由业务领导在数据科学家的支持下进行。到目前为止，全面的人员数据基础架构、人力数据分析平台，人力资源分析能力赋能，在中国企业中还没有广泛地建立起来。中小企业，尤其是传统行业的企业，或多或少还处于提升传统人力资源功能模块的阶段。
3）默克集团的人力资本分析和战略劳动力规划团队是如何设置以服务中国市场的？
该团队属于全球创新人力部，德国、中国、新加坡和美国等默克业务战略中心设置有岗位，团队集中管理，同时非常敏捷。我在中国，领导默克全球人力资本分析赋能解决方案，同时支持其他全球人力资本分析和战略人力规划解决方案，并交付默克中国的相关项目。在这样的组织架构下，我与我们先进的人力资本分析产品进行无缝互动，同时根据中国需求，提供定制化服务。
4）能否提供一两个由默克集团团队在中国交付的人力资本分析项目案例？
作为默克集团增长最快的市场，中国已经成为最复杂的市场之一，有高增长的目标，有非常复杂的生态系统，有新的创新上市模式，也有默克集团内部的业务和成本管控目标。
在这种情况下，能够充分利用各种数据，利AI技术帮助管理团队快速敏捷地做出决策是至关重要的。全球人力资本分析和战略人力规划团队与中国业务和人力资源负责人紧密合作，分析关键的业务痛点，决定从主动优化资源和更好的人才决策入手。
我们构建了一个名为M.I.A（My Intelligence Analytics）的分析工具，并嵌入了AI和机器学习算法（见下图）。第一次结合了人力数据和业务数据，为业务领导带来了对销售团队能力、投资回报率以及流失关键驱动因素的定制化和可操作性的洞察，帮助他们优化各销售区域的资源再配置，更好地管理人员流失，并切实落实中国未来的组织设计。
M.I.A业务相关人士Steve Vermant（生命科学中国区董事总经理）表示。
"M.I.A新的人力资本分析技术已经开始在很多方面帮助我们。有了这个工具，我和我的销售领导团队现在可以花更少的时间收集数据，有更多的时间分析未来的趋势，推动可持续发展。此外，它还精准地锁定了各地区、各业务的销售资源配置痛点。我相信，MIA是一个很好的例子，说明我们如何通过用AI增强人类智能，切实发展我们的领导力和创新能力。"
全球人力资本分析与战略劳动力规划团队正在进行其他一些针对中国的项目。其中一个例子是离职风险预测（见下图）在这个项目中，人工智能嵌入式算法帮助管理者：
1）预测员工的流失可能性，以及识别员工离职的关键驱动因素；
2）识别与12个月内离职的新员工高度相关的关键背景因素。这个模型可以帮助管理者对有可能离职的潜在在职人员进行提前干预，也可以在招聘阶段筛选出被认为有可能很快离职的候选人。
我们很高兴地看到默克中国的企业领导者开始通过将人力数据分析融入工作环境来实现思维方式的转变。同时，我们也在中国人力数据分析能力建设上进行投资。在BMC（Boosting Merck China）的战略框架下，人力资本战略已经成为优先考虑的业务举措之一。从制定人员战略到人才寻源和发展、全面回报，以及处理疫情的相关课题，人力资本数据分析得到了广泛的应用。
目前取得的一些成绩包括
角色转换--随着默克人力资源部新的运营模式的实施，部分人力资源事务性工作被转移到全球服务中心，使中国人力资源部的角色定位更加以战略和业务为导向，从而使得数据分析可以产生更大的业务影响。
技术投入--默克在2016年引入了Visier工具，整理了大量的人力资本数据，并已在默克全球范围内部署。这加速了中国同事对人力资本分析的接触，从简单的仪表盘和描述性分析到更进一步的预测性分析都有接触和了解。
能力提升--为同事提供精选的自我驱动的分析思维课程，并在中国为业务领导和人力资源部门的同事提供多场人力资本分析/战略人力规划赋能研讨会。
文化建设--由领导者发起一种让数据价值最大化的“面向未来”的创新文化。我很高兴默克为中国数字化转型和未来工作做出努力和贡献。
默克中国人力资源负责人Diane Zhu表示：“
"作为人力资源战略2022征程的一部分，我们正在不断发展成为与业务职能部门真正的战略伙伴关系。为了实现这一目标，我们正在建立新的内部人力资源能力，理所当然地说，增强型人力数据分析和战略性人力规划是这些'待开发'能力的核心。在中国这样一个战略市场，顶尖人才比以往任何时候都更难吸引和留住，懂得规划未来能力需求、预测和量化人才项目效果的企业，将在行业中拥有巨大的竞争优势"。
5）您认为人力资本分析在中国市场进一步发展的主要机会是什么？
鉴于人们对竞争力、效率、数字化转型和数据可及性的日益关注，人力资本分析在中国加速发展的机会很多。我设想中国的大型企业将率先实现数字化。除了速赢的人工智能和机器学习嵌入式分析，企业还应该思考如何让组织和员工为未来的工作方式做好准备，以及人力数据基础设施的投入，建立分析平台是可以看到的机会。当然为了实现所有这些--为企业领导者和人力资源部门的人力资本分析能力赋能也相当关键。第二波机会将在行业主导者打标杆后，大量追随者进行数字化转型而到来。
因此，为了帮助企业实现目标，中国人力数据分析生态系统也将受益。我认为学术机构、咨询公司、初创企业、人力资本分析社区和其他组织等各种参与者都有巨大机会。随着人力数据分析业务的指数级增长，在所有这些利益相关者的努力下，我相信中国企业的管理成熟度将被推动到另一个层次，中国的领导者将具备未来环境所需的思维方式和能力要求。这些趋势为提高中国人力资本分析业务提供了巨大的机会。
谢谢大家！感谢Sherry分享她对人力资本分析在中国发展的见解和专业知识，并提供了默克在中国开展工作的案例。
关于作者
Sherry Xie是默克集团的人力数据分析赋能全球负责人，常驻上海，负责推动HR和业务领导面向未来的思维方式转变和人力数据分析能力建设。Sherry最近致力于将产品化和定制化理念嵌入能力建设的研究，帮助员工和团队成长和发展。
David Green是一位在全球范围内备受尊敬的作家、演讲家、会议主席和执行顾问，他的研究领域包括人力数据分析、数据驱动的人力资源和未来工作。作为Insight222的执行董事，他帮助全球组织通过智能的使用人力资本数据和分析创造更多的文化和经济价值。在加入Insight222并担任TrustSphere的董事会顾问之前，David是IBM Watson Talent的人力资本分析解决方案全球总监。因此David Green在帮助企业开始并加速其人力资本分析之旅方面拥有丰富的经验。他还在myHRfuture上主持数字人力资源领导者播客。
-
pa
人力资本分析和学习：在正确的时间为合适的人员提供正确的解决方案，推动员工发展
12，762 个赞、300 万次点击次数、100，000 次点击次数— 所有这些措施都为营销活动提供了某种视角。但最有价值的见解来自更深层次的分析——这种分析说明了对注册中的内容和美元之间的联系，这是衡量特定营销活动有效性的真正标准。同样，改变游戏规则的学习见解不仅来自识别给定行为的前后变化，或测试和控制组之间的观察，还来自结合学习数据、业务数据和行为数据以及进行可靠的统计分析，以个性化学习建议和职业发展干预措施。通过多个数据点进行校准，这些精确的解决方案在正确的时间向合适的人员提供正确的干预，从而推动业务成果。
学习分析
的上下文 希望更准确、更可靠地衡量学习对业务结果的影响并不是新鲜事，而是访问数据点以创建它。现在，这不仅仅是欲望——我们生活在一个不断变化的现实中，这使得测量成为当务之急。工作性质的快速变化正在造成对提高劳动力队伍的几乎持续的需求。在5年学习技能的半衰程下，1对学习和发展计划的渴望是贪婪的。
此外，随着技术和学习平台使信息更易于访问，人们现在在工作流程中学习。2虽然课堂和讲师指导的培训可能不会完全消失，但现实是，大多数学习都是非正式进行的——从员工简单的搜索操作视频来处理当前的任务，到阅读前同事发布的感兴趣的文章。
但是，所有学习解决方案并不提供同等价值，而且随着所需投资水平的提高，修剪和专注于最有效的学习计划的必要性也随之增加。
从创造到治疗
任务关键性需求到提高技能3内容源的多样性引发了从内容创建到体验固化的转移4进一步启用学习体验平台。5这种日益增长的升华需求，6课堂以外的学习扩展和数据集的激增是学习功能新时代的基石：在这个时代，分析使学习功能成为业务驱动力，为如何培养员工队伍以优化业务成果提供宝贵的见解和指导。
在日益社会化的学习模型中衡量解决方案的有效性（其中内容是策划而不是创建的）需要扩大指标和指标，不仅包括学习数据，还包括业务数据和用户行为数据。随着学习朝着扩大用户选择的方向发展（如点播电视中发现），组织需要更新其方法和设计分析工具，以捕获这些新平台中的学习。这是实时学习分析和见解的提示。
通过学习分析，组织可以及时获得有关各种学习投资对个人发展、组织学习趋势和业务成果的疗效和影响的信息和反馈。成熟的学习功能可以使用这些分析见解来推动决策，了解要继续、扩展、终止和启动哪些程序、工具和资源。
可持续的分析战略始于有效的数据战略
，评估学习解决方案对业务成果的影响的投资回报率，需要可靠的统计分析。即使在分析完成之前，它就需要独立数据集的组合，这些数据集位于业务内外的不同功能（甚至存储平台中）。有效的聚合取决于清晰的数据治理结构、标准化数据集和数据规范化过程。整合后，不同的业务、学习和用户行为数据可以使人们对特定学习资源对业务的影响有新的见解。
例如，假设您在参加财务战略实验室后，可以看到您的财务顾问的投资变化;或者，如果你能衡量你的高级董事在参加领导力研讨会后"追随者"的增加。更进一步，想象一下了解哪些链接最共享，哪些文章获得了最仔细的阅读，以及人们在寻找新信息时实际去找谁。我们已经知道终身学习领导力的重要性，7但是，如果你能根据学习习惯来识别你的明星表演者，或者在学习者自我指导注意力的领域先发制人地提高技能，那该怎么办呢？这些见解可用。数据存在。它们只需要汇集在一起进行分析。
聚合和分析孤立的数据并不容易;它需要一个有意和充分开发的数据策略。有效的数据战略应包括五个组成部分：
利益相关者之间对目标的一致
实现这些目标所需的数据假设
如何集成数据的计划
明确对所有利益相关者的期望
一个内置的审核流程，用于评估进度并根据需要进行调整
开发这种分析敏锐度的学习功能具有远见，这种功能可以帮助他们了解员工最需要哪些信息，哪些学习经验在改变目标行为方面最为有效，哪些学习解决方案与绩效最相关，反过来，学习干预对公司最有价值。
虽然将数据拼接在一起可能很困难，但它是收集对学习对业务影响见解的必要先决条件。有效数据策略的优点在于，它为研发功能奠定了基础，从自上而下和自下而上获得见解。当数据被主动管理和集成时，学习职能部门可以问：学习解决方案或学习解决方案计划对个人和业务绩效有何影响？
同时，通过实时集成实现有效的数据策略，使企业能够实现表现最好的和向后设计公共变量的趋势，从而可能将其跟踪到特定的学习资源。例如，想象一下，在所有最有效的销售人员中搜索一种常见的学习体验——也许，他们都在学习体验平台上遵循相同的 SME，阅读同一本书，或者完成相同的在线课程！将不同业务部分的数据集拼接在一起并了解特定变量的影响，需要强大的数据策略、统计专业知识和对稳健分析的承诺。
一个例子
：公共部门机构已经能够根据这种类型的学习分析优化学习投资。该客户采用基础广泛的数据策略，分析了研发投资与 KPI 绩效之间的关系，量化了在员工学习体验中所投资的价值。他们检查了运营效率指标、法规指标和业务 KPI，以评估学习投资的有效性及其对组织绩效的影响。这些投资分析以数字交互式仪表板提供，为机构领导提供单一访问点，以继续跟踪其研发投资的投资回报率。它是业务影响的链接，使学习功能能够做出数据驱动的业务决策，从而在正确的时间以正确的方式精确地向合适的人员提供最有效的学习解决方案。
让你的支出更
重要 成为利用分析推动业务向前发展的学习功能的过程，首先从了解和预测业务需求开始，并调整学习策略以优化学习投资。对于一个组织来说，要解决的可能不是与另一个组织相关的，但机会是相同的。L&D 函数聚合正确的数据集并进行相关分析以产生有价值的见解，是业务驱动因素，而不仅仅是程序提供商。
作者：
艾琳·克拉克是德勤咨询公司人力资本业务领域的董事总经理。她专注于通过学习战略、能力发展和领导力，通过人员来转变企业和组织。
David Fineman 是德勤咨询 LLP 人力资本业务领域的人力资源转型人员分析和劳动力规划专家。
Praveen Kaushik 是德勤咨询 LLP 人力资源转型实践的专家领导者，专注于学习战略、流程再造、技术部署、分析、内容集成和共享服务设计。
Mariana Aguilar 是德勤咨询公司人力资源实践的顾问，专注于数字学习解决方案、体验式学习计划开发和包容性领导力。
以上由AI翻译完成
扫一扫 加微信
hrtechchina
