|
内容来源：2019年9月5日，前辉瑞中国人力资源运营负责人徐刚先生在由中国领先的人力资源媒体公司HRoot重磅打造的中国领袖级人力资源年度峰会--“2019 HRoot中国人力资本论坛”上分享了以“管理赋能：大数据与AI赋能人力资源的思考与实践”为主题的演讲，HRoot作为主办方，经演讲者审阅授权后发布。 作者：徐刚 个人公众号：深蓝信息 大家下午好。今天我要分享的话题是——管理赋能：大数据与AI赋能人力资源的思考与实践。
首先简单做下自我介绍，我大学毕业开始工作时是程序员出身，然后在IBM从事项目管理工作。在IT行业工作期间遇到了大数据时代。我们从以下这张纷繁复杂的图中看到大数据和人工智能（AI）包括了基础设施、系统、数据库等各种产品，很多不同行业、不同类型公司也在进行各种各样的尝试。 图：2018大数据&AI全景图 当时，作为在大学期间考过高级程序员并在读大学期间获得过数学建模全国一等奖的我，在思考自己是不是也应该顺应时代，去学学机器学习呢？在网上查找了一些资料后，我发现除了高数、线性代数、概率论这些基础课程以外，机器学习还要掌握数值分析、随机过程、随机偏微分方程、常微分方程、偏微分方程等等。在看到这么多我从来没见过的专业术语之后，我放弃了学习机器学习的这个想法，心想：好像自己有些跟不上IT时代的节奏与步伐了啊。以上的叙述中虽然有些小小夸张的成分，不过主要是为了告诉大家我之前作为IT从业人士都很难赶上当今知识爆炸、技术快速迭代的节奏。也为了引出如下HR可能在工作中的一些疑问。在座的HR们在应对周遭数字化时代的过程中是否也会有如下的一些疑问：先回答最后一个问题，根据行业调查报告，在未来的十几二十年之内，大数据和AI是不会让我们失去很多工作的，最多可能就20%~30%的工作会被取代。然后我们再来看看HR要不要考证这个疑问。俗话说知己知彼，百战不殆。所以我们先来看看，如果HR想要学习大数据和AI，我们的竞争对手是什么样子的？数据来源：e成科技《2017大数据及人工智能人才发展报告》从上图中我们可以看到，大数据和人工智能人才大都是计算机、数学、自动化、电子信息、软件工程等专业。转型做HR的比例是小之又小。我们再来看看领英的HR人才最新报告，可以看到大多数HR是人力资源、英语、心理学等专业出身。从以上网络找到的这些有趣的图片中，我们可以看到有很多的区别。其次是思维习惯，理科型思维的人喜欢把很多事情都放得很规整，比如说东西都要摆放得很规整；但是文科型思维的人在多数情况下会更讲究艺术和品位。不一样的思维方式导致你要从任何一边往另外一边去跨界的话，都会是一个很大的挑战。因此，如果让HR去考大数据或者AI的认证，理论上是不太现实的。既然很难考出大数据和AI的专业认证，那我们的HR如何来应对大数据和AI时代的挑战呢？我们先暂时跳脱出大数据和AI看看下面的图，从以下的图中我们可以发现HR各模块的工作都是和人性需求相关的，马斯洛需求的各个层次都有各种不同的人力资源工作内容相匹配。因此HR所擅长的，是如何在日常工作中考虑人的问题。同时，HR虽然无需去了解技术细节，但是我们需要去关注大数据和人工智能的趋势，你不必知道它是怎么做出来的，但是你需要知道它能做什么。在下图中是最新的网上可以查找到的2020大数据和人工智能趋势。HR可以作为员工需求与技术实现之间的纽带。在大数据时代，HR更需要创新思路勤思考，基于我们对于人性需求的了解，去看看这些需求如何可以和一些最新技术趋势相连接。同时对于HR部门中一些简单重复的工作，可以考虑自动化的尝试，然后用自动化节省下来的人力物力，去考虑如何提升HR对于员工服务的温度。HR只需要思考需求方向，至于具体技术相关的研究可以交给专业的公司、部门和人去做。 例如，在敬业度和团队协作状态的评估工作上，通常很多公司通过一年一次的调查来进行。但其实在做调查的时候，员工的打分会和本人当时的心情或者其他临时因素有关。在这种情况下，结果就变得不太可信，而且也不能随时真实反映公司员工团队的真实状况。我们可以思考下有什么最新的大数据和人工智能趋势可以来解决这个问题。从技术趋势中看到有情感计算与识别的应用，我们就可以想到是否可以通过人工智能分析员工的公司邮件、视频、电话会议录音来判断员工在公司中工作时的状态；也可以通过职场物联网的趋势联想到是否可以通过手环来跟踪员工的健康和情绪状况，从这些数据可能就可以真实反映出实时的员工敬业度及团队合作的情况。现在也应该已经有公司在做一些这样的初步尝试。所以，敢于思考可能就会有可能实现。当然，与此同时还会带来个人隐私的问题。基于数字化伦理与道德相关趋势，HR可以依据对人性的了解，多思考提出更多的见解和建议，看看到底怎么样来实现人工智能和隐私保护之间的平衡。我们再来看看在体验式培训和及时激励的需求中，我们可以利用新技术做的事情。对于体验式培训的需求，虚拟现实体验的技术已经很成熟了。因此可以考虑用虚拟现实的方式来加强员工的学习体验。对于及时激励的需求，有些公司已经开始通过制作电子贺卡的方式来进行相互感谢。从行为学设计角度我们可以利用技术，进一步增强功能，让员工在收到感谢的同时再给予一定的积分，并且让这些积分可以立即消费换取礼品，这样就能通过多次及时激励的体验，固化员工的正向行为、赋能员工。鼓励和引导员工在下一次遇到同样情况时，做出最被鼓励的行为反应。最后我们再举例分析共享服务中心中遇到的员工咨询、日常流程及工作。我们可以通过人工智能来回答员工问题并持续自我学习提升回答的准确度；同时，我们可以利用流程自动化技术来将一些日常的重复工作转变成无人化操作。目前在重复工作自动化这块已经有很多最新的技术可以实现了。在思考之后，我们还需要通过实践来验证这些思考是否可以变为现实。刚才我们畅想的一些方案，其实已经正在HR业界逐步发生，这也印证了我们的积极思考是可以带来实战价值的。接下来我将和大家分享我实际经历过的大数据及AI在HR的尝试。目前很多的制药公司都在经历合久必分、分久必合的并购事件。近年国家政策的频出引起的震荡和变化，也导致了很多外资制药公司近两年都在面临高离职率的问题。传统的离职访谈并不能解决当前存在的这些问题，所以需要积极寻求新的解决办法。因此相应产生了离职率预测分析的这样一个项目。其目标是期望通过大数据的分析来找出离职因素并建立预测模型。在大数据项目中，如何能收集到尽可能多的数据是首要的挑战。为了有更多的数据，我们需要考虑除HR以外，其他财务、销售、市场等其他部门的数据。因此，项目需要得到公司最高层的支持。这样可以在公司中让所有的部门齐心协力更有效地配合。考虑到数据的安全性，和公司内部数据分析部门合作，利用已有的分析经验和软件，是一个比较安全和有效率的方式。通过分析，我们会得到一些行为数据，比如说3个月内如果报销金额下降、或者销售达成率有40%下降，这样的员工离职风险相对较高。我们还发现，特定城市特定薪资范围的员工离职风险高，中低绩效人员离职风险高等等因素。我们会根据分析而得到的数据进行风险分数评估。通过几个月之后实际离职的情况来评估预测模型的准确性并进行验证和调整，我们可以看到，离职预测的准确率是不断提升的。第一，要去验证HR预测的一些发现，是不是跟我们的经验分析是一致的。我们要让机器学习，给机器反馈。 第二，HR需要考虑人性相关的问题。例如，得到的离职预测结果到底要不要跟经理沟通呢？在当前阶段我们不建议和经理进行直接沟通，只供HRBP进行参考并从侧面进行在必要的时候结合其他信息做一些干预，避免一些经理和员工之间不必要的矛盾。如何应对分析结果，这也是HR很重要的价值之一。 在整个项目的过程中我们发现在数据质量上的一些挑战，日常的数据由于日积月累的问题会存在错误的数据。根据相关调研报告，很多公司需要花费80%的时间进行数据清洗，来解决数据质量的问题。
我们是如何在做大数据分析的时候来解决数据质量的问题？我们需要靠数据说话，引进了流程自动化工具（RPA – RoboticProcess Automation）对数据质量依据相应的规则进行核查，生成相关错误分析报表，触发数据更正，特别是流程的持续改进。然后通过持续的数据核查结果来跟踪流程改进的有效性并进行必要的调整。在大数据和AI时代，HR要更有想法，而不是去懂算法- 创意、情感、温度、人与人的连接是很长一段时间内AI所代替不了的HR价值。
- HR需要考虑更多可能的大数据与AI的应用场景，把研究的任务交给专家们和AI去做。
- 数据质量是大数据分析的前提，因此需要在日常工作中做好数据收集整合和清理的工作。
- 通过机器学习能持续迭代产生更优化的结果，并通过人工无法完成的动态模型进行预测和防范。
- HR通过实践经验来积极验证大数据及AI分析结果，才能帮助机器更好地自我学习提升，更好地为我们服务。
以上就是，前辉瑞中国人力资源运营负责人徐刚先生在“2019 HRoot中国人力资本论坛”上的分享。 想领略徐刚先生演讲现场的风采 了解大会现场的盛况？ 
数万HR关注追捧的👇 “2019 HRoot中国人力资源服务展” ↓↓↓ 点击“阅读原文”立即参与！
|
