数字时代的显学：利用大数据管理组织

导读

大部分企业对于研发、设备建造以及营销等领域的投资回报率都有相对严谨的追踪与规范，但是对于同样举足轻重的人力资产，却缺乏一套完整丶有系统的量化评估体系。在律师与会计师等专业服务行业中，人力一般占了85%以上的成本；即便在制造业中，某些企业目前在人力资源上的投入也不低于其在硬件上的投资。

企业在人才投资上缺乏系统的量化评估，主要原因有两个：传统人力资源部门可掌握的数据有限，以及进阶的数据分析能力尚未到位。其实，随着企业各种内部活动与流程逐渐数字化，过程中所产生的工作日志（log file）可以更加系统性的被保存下来，导致当今企业拥有充足的数据作为HR决策的辅助工具。举例来说，许多企业通过内部的知识分享平台，让员工可以根据主题丶时间丶地域等维度进行搜索，帮助员工快速汲取企业内积累的经验。另外，也有一些企业在内部技术发表与需求开发等平台上融入反馈丶评分与投票等社群功能；这些新颖的做法不仅能在员工间增加互动并提升生产力，更重要的是帮助企业内部的“用户行为”留下轨迹，提供新的信息来源，将其作为企业在HR与组织管理上的参考。

根据BCG过去的项目经验、与客户HR高管的充分交流以及对行业的深刻观察，我们针对人员与组织的分析建立了一个分析能力框架，共计有六大面向，为HR部门端到端的运作提供新的动能：

我们认为从数据出发，辅以进阶分析为基础的决策流程是企业在数字化转型浪潮中站稳脚步的关键；本文以我们的经验就“吸引人才与招聘”丶“深化员工关系”以及“离职”三个主题，做一些深入浅出的分享。

吸引人才与招聘：以文本分析的技术来处理大规模的非结构化数据，提升招聘产能

过去以传统名校为重点招聘的思维，在新创行业崛起中逐渐发生了变化。不论在初阶还是在较有经验的人才吸引上，我们合作的客户都开始重视内外部数据的同时应用，尤其在外部数据源辨识以及分析方面有了长足的进步。举例来说，我们发现许多有经验且有转职意愿的技术人才不会在公开的人力资源平台上透露当前的职务内容；我们发现，如果能透过文本分析的技术来处理大规模的非结构化数据源（如前一份工作的职务内容丶特殊的项目经验丶发表过的专利丶人际网络以及加入的专业群组等），从而界定出新的机会并辅以技巧性的沟通策略，那么招聘的产能会出现有大幅度的提升。

深化员工关系：利用内部信息传递工作日志来定义并提升部门间沟通的顺畅程度

在和一位科技行业的首席人力资源官（CHRO）交流中，我们发现部门之间的沟通协调不顺畅是该企业当前发展的一个重要瓶颈。面对激烈的外部竞争，不断在不同的地区扩展与并购变成常态；在这种环境下，如何在平均每年超过5%的人员成长中洞悉哪些团队/子团队需要沟通上的协助，成为一个重要的课题。我们与客户的HR、法务以及IT等部门针对其内部各个信息传递平台完成评估后，选择了数个合规来源进行了跨越两年的数据追踪与分析。在完成详实的定义后（包含电邮沟通量、加权响应率、响应时间等），我们帮助客户用量化的方法清晰地界定部门间的沟通顺畅程度，并判断哪些子部门间有必要介入、如何介入以加深员工间的合作默契、以及在事后衡量改变的效益（如按时完成项目数量、员工满意度等）。上述的端到端流程就是我们所倡导的从数据出发，辅以进阶分析为基础的科学决策。在我们的协助下，客户已经完成试点，并准备逐步开展大规模的实施。

离职风险预测：运用网络分析来预测员工的离职风险

如果把上述案例视为描述性、宏观的分析，我们和另一个客户的合作则是把重点放在预测性、微观的数据分析上。我们假设越能掌握关键信息流的员工，其表现会越好；根据一份MIT针对专业服务公司内部邮件所做的研究报告，在关键议题的交流与沟通上，高效员工每多接收到一个字，其额外的产能可高达70美元。在这样的原则下，我们和客户共同定义了高效员工，并利用网络分析的理论计算了每个(选定网络中)成员的社群指标，包含中介中心性（betweenness centrality），接近中心性（closeness centrality）和向量中心性（eigenvector centrality）等。

在给每个（选定网络）成员计算了某一区间的各项社群指标后，我们辅以HR部门所记录的其他信息（行业经历、绩效考核、同侪反馈、晋升纪录等），建立了一个离职风险预测模型。根据我们的模型，我们甚至可以依据员工行为的变化（体现在社群指标的变动上），提前数个月判别出员工的离职风险。我们不仅和客户共同建立预测模型，而且和HR部门一道建立机制，并和高离职风险员工的一、二级主管共同评估如何有效地改变现状。

如何开始着手?

企业如何在HR部门开展数据分析能力的建设？我们认为可以从以下四个方面着手：

组织：一般HR部门所直接掌握的数据包括员工基本信息、入职前的面试纪录、入职后的教育训练、季度表现、同侪反馈、薪酬变化等。这些信息大多散布于不同的系统当中，彼此之间无法串连与应用。HR部门应清晰地理解可掌握的信息，并与IT部门合作，将数据有条理地储存于数据仓储（data warehouse）或数据集市（data mart）中。我们看到，由于科技的进步，如本地与云端存储多种可行方案的出现，这一举措的成本已大幅下降。

架构：将众多信息来源（以及HR部门外可获取的信息）有效地连结、形成有共识的关键绩效指标（KPI），让高管可以通过如仪表板的媒介清楚地理解组织脉动。本文中提到的各式沟通指针就是最佳的范例。

分析：在有共识的指标积累了一段时间后，将其与外部或行业标准相比较，可以进一步加深分析面向的力度。举例来说，如果企业所记录的离职率大幅地超过了历史平均，那进一步的分析就可以探讨下阶段的离职风险是否会高于行业平均。

优化：最后，通过端到端的分析、判断是否该介入、如何介入、预期效益为何、计划并执行改善方案，形成一套标准的优化流程。

关于作者：