|
数据时代的到来，使得人们看到了前所未有的世界关联性，预测到了所不曾预测到的事物：用今日头条、抖音等可以推算用户的喜好及日常兴趣点，后台便予以定制，投其所好；用Google的搜索词可以推测到战争、疾病的到来；用购物的数据可以推测人们朋友、社交圈；用社交圈可以推测到个体的消费偏好……这一切的实现，没有花费任何调查、设计、实验，仅仅是让沉没的数据再次发出声音。 最近，某知名企业的招聘官网出现了一则颇有意思的事儿，就是在招聘HR岗位时，岗位要求里多了一条“必须懂数据”。事实上，许多企业近几年对人力资源关键岗位的岗位要求，都把“数据化”谈到了很重要的地位。洞察任何事物都可以找到关键问题并设法量化，某互联网HR高管前不久聊到：世界上所有问题都能被量化。那些不能被量化的，只是我们还没能力量化，便深具启发性。因此，不得不说，掌握数据能力已经成为未来HR赖以生存的核心能力。 你不知道的HR数据数据化管理是日常人力资源管理措施和业务升级的依据。拥有这个职能的HR要做的工作主要分为三块： 1.常规的数据分析模型（预测模型、防范模型、诊断模型、测试模型等）； 2.日常的数据分析工作（招聘数据、离职数据、薪酬数据、培训数据、绩效数据、成本数据、预算数据、人才数据等）； 3.数据分析与汇总工具（人才流量表、离职预警表、绩效ROI改善表等）。 数据管理能力的三个层次 数据化管理的HR大体分为三类：数据化HR；懂数据的HR；可以利用好数据的HR。第一类HR主要负责呈现数据和分析数据；第二类HR可以对数据有清晰认知、能够知道数据背后真相，用数据指导管理工作；第三类HR可以从数据中看出问题的本质，以及对业务和员工来说这个本质意味着什么，而不只是单纯追求数据。 会做Excel函数叫懂数据吗 很多HR看到这里都会问，什么叫懂数据。我会Excel函数分析数据算不算懂？我可以看到数据分析中的盲区和骗局算不算懂？我能够自己上马立刻做出数据模型并进行交叉分析算不算懂？答案是，以上都算懂数据化，但光实现这三种状态还不行，HR还需要知道自己服务的公司是如何赚钱的，ROI 是什么概念等。做数据方向的工作，累但很有价值感。因为数据本身就是最宝贵的资源，哪家公司能拥有最多的有价值数据，哪家公司便多了无数种可能。于HR们而言，如何能获得更多的有关自身的数据，如何能在更多的纬度量化自己，如何能有效地利用这些数据，将成为人和人之间最大的区别所在。 如何提高数据化能力 合理甄选数据确定数据分析方向 数据分析建立的基础是，数据可靠、全面、连续，在这个基础上建立起大数据分析或数据的整合方可产生有价值的结论。但同时HR管理模块众多，从战略规划到招聘、培训、绩效、薪酬、员工关系、企业文化等，能进行分析的地方也很多。资源有限，要使人力资源分析的作用发挥到最大，则需要根据企业的发展阶段，合理甄选分析方向，步步深入，全面开展。 重视已有数据统计方法先行 HR部门手上有很多现成的数据，从这些数据入手，先一点点地做起来。数据本身是没有意义的，关键在于如何将数据与业绩关联起来。再利用工具，辅以基本的统计方法。 难度逐级提升，演练再演练。提高数据化管理能力，需要不断的训练和大量的思考。当你还在做人力资源事务性工作，别人已经开始用数据训练了；你刚开始用数据训练，别人已经在想办法学习各种数据分析的方法；你刚开始学习数据分析，别人已经开始寻找自动分析的方法；你还在标注数据，别人可以找到数据背后的本质问题……每一步都是层次的提高，在高层次里做努力再努力，演练再演练。 测验数据常模转化。常规的人才测评中，测验所得的原始数据，只能表明受测者的得分，却并不能表明该分数在人群中的实际水平，即使使用一些国际测验会提供转化后的分数，但也是在全球常模下的得分情况，如果企业想要知道受测者在本企业或者本行业的状况，则需要获取本企业或本行业的常模，方能得出比较准确的水平。 绩效数据横向比较。绩效考核中，除了部分可以直接量化的数据，许多考核数据都是由考核官通过打分主观评价所得，这就注定了绝对分数本身的主观属性，需要进行进一步的加工处理才具有参考意义。如在绩效考核360评价的时候，评分者的尺度是存在差异的，有的人手松，有的人手紧，同一个人被不同人评价，得分都会有偏差。所以在实际处理中会使用一些统计方法，例如标准分法，来规避评分者评分尺度的差异，使得分数和排名真正反映出被评价者在评价者心目中的位置，这样也能解决跨单位跨部门之间的比较问题。标准化每个评价者的分数，使用到相同的平均分和标准差，统一评价者的尺度；再如加权平均法、正态分布法等。 立足长远学会沉淀 一旦决定要做数据分析工作，就要将它融入HR日常的业务工作中去，并安排专人负责日常数据的收集与整理。这个工作一定要有持久性，任何一个时间断面上的数据都难以单独进行有效的分析。组织内部历史数据的沉淀在评估和预测方面能发挥更大的作用。 打破常规不断创新 大数据时代的崛起，在于没有拘泥于已有数据固有的意义，而是不断寻找关联性，利用这种关联性去预测整合。思维、技术、数据拉动数据分析的三辆马车，其中思维是启动机，一个好的利用数据的模式和思路，是使用数据进行创新管理的根本。 从数据分析看人力成本 人力成本是指薪酬和人力资源管理费用的总和。在财务利润表中属于人力资源管理费用科。人力成本具体包括：获得成本（招聘录用费用等）、使用成本（薪酬、福利）、开发成本（培训、培养、晋升等费用）、离职成本（赔付成本、空岗成本）等。常常，我们认为做人力成本分析是为了“控制成本”，以达到不给员工涨薪的目的，其实与其说做人力成本分析是让“HR与业务”对峙，不如说拿来服务于最初始的人力资源规划更为贴切。 费用的配置和管控 一个产品的附加值越高，利润率也会越高，附加值与人力成本在产品总成本的占比成反比，因此，我们会希望人力成本在企业总成本中的占比不能无限制的提高。通常情况下，HR通过人力资源成本分析规划下个周期的人力资源配置，此目的是在企业总成本中最大可能性的配置优质人力资源。 HR通过定岗定编定员的工作，结合下一个规划周期企业各部门的经营战略，预测人员数量。然后以现有的人力成本中人力资源效率数据为依据，通过增长人力资源效率指标，预测至最大，也就是销售额增长值与人力成本增长值是不能同比例增长的。在这个节点，人力成本分析也就发挥了极大的作用。通过人力成本分析实现了人力资源相关费用的管控。例如：通过人力成本分析实现下个规划周期薪酬的变化量、调薪比例、定编定员人力成本预算等。 通过对人力成本中人均效率等指标的考量，提升企业总体经营指标，并体现HR在企业价值链中的重要作用。人力成本分析其实并不仅仅是费用统计或者是预测，而费用的分析。人均效率等指标是人力资源部门最应该让老板看到的人力成本分析结果。 如何运用于中小企业 人力成本分析除了进行人力资源管理费用的各项统计外，还可以用于指标在不同部门、岗位序列、岗位、组织之间在同一个周期内的横向对比，或者不同周期，各部门、各岗位序列、各岗位、各组织的纵向对比。此外，还可以用于为人力资源开发做预测。通常情况下，在获取了前两年的数据后，我们可以通过相关联的数据关系，以一个数据为基准，得到准确值。例如，预测出明年的销售额增涨值以及人员定员增加，就可以预测出人工效率，或者在控制人工效率指标的基础上，反推我们的人员应该增加多少。 “工欲善其事，必先利其器”，作为一名人力资源从业者，需要利用本岗位所拥有的资源，让这些曾经沉默的数据会说话，服务于更加精细化的人力资源管理。这个工具一旦开始发挥作用，随着时间和数据的累积，优势明显，会逐渐成为指导企业成长和发展的风向标。而作为懂得数据化的HR，也自然能与时俱进，提升核心竞争力。 |
|
|
