人力资源分析 - HRTechChina.com

人力资源分析

数据驱动人才管理：人力资源分析的关键要点人力资源专业人员对各种优先事项并不陌生--无论是招聘顶尖人才、制定员工发展战略，还是紧跟行业变化。然而，在所有这些需求中，有一个改变游戏规则的因素却常常被忽视：数据分析。然而，如果这个被忽视的方面正是将人力资源部门从传统的业务角色转变为企业内部战略力量的关键所在呢？当今的企业比以往任何时候都更加依赖数据，人力资源部门也不例外。人力资源部门只负责招聘和解雇的时代已经一去不复返了。现在，它在推动业务增长方面发挥着至关重要的作用。这种转变的关键是什么？人力资源数据分析。通过利用这一丰富的洞察力来源，人力资源领导者可以做出更明智的、以数据为导向的决策--无论是提高员工敬业度，还是微调人才招聘战略，以实现真正的、可衡量的结果。随着企业越来越重视数据驱动型战略，人力资源部门的角色也在不断演变。借助人工智能（AI）和机器学习（ML）等先进技术，人力资源专业人员现在拥有了实时收集和分析复杂数据集的工具，从而能够做出积极主动、有数据支持的决策。根据德勤的数据，71% 的公司已经认识到人员分析的重要性，近三分之一的公司将其评为业务中 “非常重要 ”的优先事项。从优化晋升和薪酬到降低离职率和加强培训计划，数据分析正在重塑人力资源部门对员工旅程的影响。通过利用人工智能驱动的分析技术，人力资源团队可以超越直觉和主观评价，做出精确、基于证据的决策，不仅影响个人职业生涯，还影响整个组织未来的成功。人力资源数据分析的定义人力资源数据分析，通常被称为人员分析，是利用特定的人力资源指标收集、分析和解释与劳动力相关的数据的实践。将其视为一种以数据为导向的了解员工的方法--超越直觉和假设，发现具体的见解，从而改善人力资源管理的各个方面。人力资源数据分析的核心是收集有关员工参与度、保留率、招聘成功率和绩效管理等关键领域的信息。通过利用这些数据，人力资源领导者可以做出明智的决策，推动有意义的变革，无论是提高员工满意度、提高生产率，还是完善人才招聘战略。过去，人力资源决策主要基于直觉和经验。但如今，工作场所的数字化转型开创了一个以数据为中心进行决策的新时代。有了丰富的数据，人力资源部门可以在业务增长中扮演更具战略性的角色--利用分析来微调流程、预测趋势，并最终支持组织的长期目标。简单地说，人力资源数据分析将劳动力数据转化为可操作的洞察力，使您能够从被动决策转变为主动决策。这意味着人力资源团队可以准确定位真正影响员工满意度的因素，优化学习和发展计划，并为留住顶尖人才量身定制战略，而这一切都基于确凿的数据而非直觉。结果如何？一个更加灵活、以数据为导向的人力资源部门，直接为企业的成功做出贡献。人力资源数据分析的应用人力资源数据分析远非一个放之四海而皆准的解决方案。它提供了一个多功能工具包，可战略性地应用于各种人力资源职能，从而实现有意义的改进。让我们探讨一下人力资源数据分析如何在多个领域产生重大影响： 1. 增强核心人力资源职能人才招聘：试想一下，通过分析以往优秀员工的特质，就能准确定位理想的候选人。人力资源分析使招聘人员能够确定最有效的人才来源、预测招聘时间并完善招聘策略。通过利用数据，人力资源团队可以缩短招聘时间、降低招聘成本，并吸引更符合公司文化的候选人。绩效管理：告别过时的年度绩效考核。通过实时分析，人力资源团队可以持续跟踪关键绩效指标（KPI），为管理者提供可操作的洞察力，用于持续反馈和发展对话。这将带来更有意义的评估，并使个人目标与组织目标更加一致。 2. 应对特定的人力资源挑战人力资源分析在应对特定劳动力挑战方面大放异彩。以下是一些有针对性的应用：预测员工流失：通过综合分析人口统计数据、绩效考核和薪酬指标，人力资源团队可以预测离职风险，并积极实施留任策略。这种以数据为导向的方法有助于降低员工流失率以及与员工替代相关的成本。数据驱动的招聘评估：超越传统的简历和直觉。分析可以通过分析历史绩效数据来加强招聘评估，使人力资源团队能够设计量身定制的面试问题，从而发现最合适的候选人。这样就能确保更稳健的选拔流程，更有效地识别顶尖人才。优化人才管理：通过数据分析识别高潜质员工，充分挖掘员工潜力。通过利用洞察力，人力资源部门可以制定个性化的发展计划，建立稳固的继任渠道，确保企业做好准备，满足未来的领导力需求。 3. 推动战略性人力资源计划除了日常运营，人力资源分析在战略决策中也发挥着至关重要的作用：定制培训与发展：数据分析有助于确定员工队伍中的技能差距，使人力资源部门能够设计有针对性的培训计划，满足特定需求。通过衡量这些计划的影响，企业可以确保在员工发展方面的投资获得稳健回报。薪酬分析与优化：要想在就业市场上保持竞争力，就必须建立公平、有吸引力的薪酬结构。人力资源分析可深入了解企业内部和整个行业的薪酬趋势，帮助企业找出薪酬差距，优化薪酬方案，留住顶尖人才。预测未来劳动力需求：利用分析预测未来的技能需求和人才要求，从而领先于劳动力趋势。这种积极主动的方法使企业能够制定战略性招聘计划和技能提升计划，确保拥有合适的人才来推动未来的发展。 4. 采用人力资源分析的好处人力资源分析不仅是一种工具，它还能改变游戏规则，将人力资源从支持职能转变为战略业务合作伙伴。具体如下改进决策：通过分析数据，人力资源团队可以做出更明智的、以证据为基础的决策，从而加强招聘工作、降低人员流动率并优化员工参与战略。降低成本：数据驱动的洞察力能揭示效率低下的问题，使人力资源部门能够简化流程、减少浪费并更有效地分配资源，从而节省大量成本。增强员工体验：通过数据了解员工的喜好和痛点，人力资源部门就能创造更有吸引力的工作环境，从而提高士气和生产力。强化雇主品牌：分析可以突出吸引顶尖人才的因素，使人力资源部门能够完善雇主品牌战略，吸引最优秀的求职者。顶级人力资源数据分析工具 Visier Visier 是人工智能驱动的人员分析、劳动力规划和薪酬分配领域的全球领导者。该公司的解决方案为企业提供劳动力人工智能优势，利用人工智能驱动的功能帮助领导者更深入地了解人员与工作之间的关系。这使企业能够提高员工的工作效率，并迅速适应变化。Visier 技术的核心是其实时人员数据平台，该平台利用人工智能释放人员和工作数据的变革潜力，推动战略性业务成果的实现。 Workday Workday 是为财务和人力资源设计的企业云应用程序的领先供应商。公司的解决方案使企业能够在快速变化的环境中适应并发展壮大。Workday 的产品组合包括财务管理、人力资源、计划、支出管理和分析，其核心集成了人工智能和机器学习。这项技术通过提高效率、敏捷性和数据驱动决策，使全球组织能够拥抱未来的工作。 Oracle Fusion Cloud HCM Oracle Fusion Cloud HCM是一个全面的云解决方案，它整合了每个人力资源流程，并将企业中的每个人联系在一起。它提供统一的用户体验、一致的数据模型以及由人工智能嵌入式基础架构支持的无缝流程。Oracle云HCM使企业能够打造一个让员工感到被重视、被倾听、被包容的社区，帮助企业重新定义卓越的劳动力管理。 SAP SuccessFactors SAP SuccessFactors HCM 是一套全面的人工智能云人力资源解决方案，旨在推动全球范围内员工和企业的成功。该套件支持 200 多个国家和地区，提供的功能涵盖核心人力资源和薪资、人才管理、分析和规划以及员工体验管理。SAP SuccessFactors 可帮助企业优化人力资源流程，提高整体员工效率。实施人力资源数据分析：人力资源领导者分步指南准备好释放数据的力量，将人力资源职能转变为企业成功的战略驱动力了吗？实施人力资源数据分析似乎令人望而生畏，但只要方法得当，它就能提供深刻的洞察力，从而塑造企业的人力战略。以下是一份简化路线图，助您开始数据驱动的人力资源之旅： 1. 从正确的问题开始在深入研究数据之前，必须明确自己的目标。首先要提出与人力资源挑战和更广泛的业务目标相一致的正确问题。例如影响企业员工流失的关键因素是什么？如何提高员工参与度和工作效率？哪些招聘渠道能为我们的特定需求提供最佳人选？这些有针对性的问题有助于指导您的数据收集工作，并确保您的分析计划专注于解决现实世界中的人力资源问题。 2. 数据选择和清理下一步是从各种人力资源系统中收集相关数据，如人力资源信息系统（HRIS）、薪资软件和绩效管理工具。然而，仅有原始数据是不够的。数据质量很重要：确保收集到的数据准确、完整且最新。清理数据集，删除重复数据、纠正错误并统一格式。这一关键步骤可为可靠的分析奠定基础，并防止得出误导性结论。 3. 数据分析有了干净、高质量的数据之后，就该进行深入分析了。利用现代人力资源分析工具和软件来检查数据、发现趋势并提出见解。需要考虑的关键技术包括描述性分析：了解过去的绩效和趋势（例如，分析历史自然减员率）。预测分析：根据当前数据预测未来结果（如预测员工流失风险）。规范性分析：提出优化人力资源实践的可行策略（例如，员工发展的个性化学习路径）。这一阶段是数据从数字转化为可操作智能的阶段。 4. 将洞察力转化为可操作的策略数据分析的价值在于它所激发的行动。一旦确定了趋势和见解，下一步就是将这些发现转化为具体的人力资源战略。结论虽然人力资源数据分析正在改变企业管理员工的方式，但必须记住，人的因素仍然是人力资源的核心。这些智能指标提供了丰富的洞察力，但它们的真正价值在于如何加强而不是取代人的决策。通过利用分析为从人才招聘到组织设计提供信息，人力资源领导者可以制定出不仅能优化绩效，还能提升员工体验的战略。随着预测分析重塑劳动力规划，人力资源专业人士拥有了一个独特的机会，使他们的战略与未来的组织需求保持一致。这包括设计能够利用新兴技能组合的职位、促进员工发展，以及确保人才能力与业务目标之间的无缝对接。人力资源自动化的趋势日益明显--全球近 40% 的公司正在实现关键职能的自动化--这凸显了人力资源团队建立分析专长的必要性。这不仅仅是收集数据的问题，更重要的是要具备对这些信息进行有效解读、管理和行动的能力。提高数据挖掘、机器学习和商业分析等领域的技能，可以使人力资源专业人员成为企业的战略合作伙伴，通过数据驱动的智能提升竞争优势。在这个以数据为中心的时代，人力资源部门的使命非常明确：在拥抱分析能力的同时，保持人性化的管理。通过将数据洞察力与以人为本的方法相结合，人力资源领导者可以驾驭现代劳动力的复杂性，推动业务的可持续增长。

人力资源分析
2024年12月02日
人力资源分析

HR的2025：为未来的HR做准备的7大关键策略 HR行业正处于不断变革的过程，传统的“人事管理”角色已逐渐转向更具战略意义的“业务伙伴”。展望2025年，HR将从业务策略、数据分析到员工体验等七个关键领域入手，帮助企业在瞬息万变的商业环境中蓬勃发展。通过拥抱先进的技术和数据分析，HR部门能够更精准地预估员工的流失率和招聘效果，将大幅提升业务的响应速度和人力资本的利用效率。未来的HR还将更加注重员工的个性化需求，提供全天候的在线服务体验，以满足数字化世代的员工期望。这不仅能解放HR团队，让其从日常事务中脱身，投入到更高层次的战略规划中，还能使HR变得更具吸引力。在员工竞争激烈的市场中，HR必须着眼于提供现代化的福利，确保工作环境具备包容性和多样性，增强员工的幸福感。通过在合规性、人才培养、技能再提升等方面的不断投入，HR可以有效应对日益增长的灵活用工需求和自动化带来的挑战。为了在未来竞争中立于不败之地，HR专业人士还需持续提升业务敏锐度和技术能力，以便在董事会中发出更具影响力的声音。 HR科技将推动行业转型，而HR将不再是单纯的“支持角色”，而是成为企业决策的“信赖顾问”。未来，HR的存在将不仅仅是管理人力资源，而是成为业务成功的推动者。 HR想要成为值得信赖的工作顾问，必须关注七个关键领域，包括商业战略、分析以及员工管理。简介不久之前，HR经理的角色类似于学校的助理校长——处理文件、维持秩序。如今，HR经理的关注点从“文件”转向了“人”，像一位熟练的教师一样，帮助有困难的员工和优秀员工共同成长。那么未来呢？可以预见，HR将逐渐成为冠军教练般的角色，引导员工的职业发展，并在商业分析和战略中扮演比以往更加重要的角色。随着劳动力和经济的变化，HR专业人员的角色发生了巨大的转变，而这种演变将在未来持续，因为机器和技术正在取代人类执行的某些任务。但这并不意味着人——或是与他们共事的HR团队——的重要性有所下降。未来的HR领导者需要具备更大的视野、更加全面的思维能力，还要熟练掌握科技，并能够应对越来越灵活的劳动力市场。“我认为我们将会看到HR职位的变化，HR可能会成为企业中最受追捧的职业之一。”Accenture（埃森哲）公司人才与HR运营全球实践负责人Jill Goldstein说道，“我可以想象一个未来，HR专业人士不再仅仅专注于紧跟HR趋势，而是重新定位自己，成为劳动力顾问。” 1. 拥抱科技和数据分析聪明的HR部门已经开始利用数据分析来预测和评估从员工保留率到招聘策略，再到健康项目的效果。例如，聊天机器人可以让候选人和员工与计算机进行自动化的个性化对话。员工可以通过聊天机器人查询剩余的病假或年假天数，或了解公司的牙科计划。求职者可以通过这个虚拟助手回答问题、完成评估并跟踪申请状态。毫无疑问，这些功能都是由计算机生成的。 2. 理解企业如何成功仅仅熟悉HR领域的术语还不够。HR专业人士还需要理解公司的愿景、使命及其如何实现财务上的成功。否则，C-suite（公司高管层）将不会重视他们。此外，他们也无法有效地进行人力资源规划，或吸引、招聘和培训合适的人才。 3. 专注于人拥抱科技并不意味着将人类从等式中剔除。相反，2025年的HR经理将有更多时间专注于个体，增强招聘和留用效果。在思科，执行副总裁Fran Katsoudas的职称从HR官员变为“首席人事官”。她认为这是她工作角色从风险管控和合规保障转向业务战略执行的一个标志。 4. 为新型劳动力做好准备到2025年，劳动力中将不仅包括短期工作者（60%的千禧一代表示对新工作机会持开放态度），还将包括每日进入和退出工作的零工。同时，HR需要评估哪些任务可以自动化，并重新培训那些受自动化影响的员工。 5. 提供现代化的福利吸引和留住人才需要提供现代化的福利组合，不仅包括父母假和弹性工作时间，还包括照顾者假期、扩大生育福利、性别重置和转换支持、财务健康计划以及一系列支持关键生活事件的福利。 6. 保持对合规问题的关注合规是HR的核心职能之一。随着劳动力的变化，HR需要具备足够的敏捷性以适应与零工经济和远程工作者相关的法律法规。同时，随着各州对大麻使用法律的改变，HR将不得不应对潜在的新政策。 7. 取得认证或更新技能随着某些HR职能的自动化或外包（例如薪资、福利和招聘），人力资源专家需要扩大对传统任务和整体商业战略的了解。 HRTechChina每年都会聚合新的一年人力资源发展趋势，2025年的趋势是什么？我们一起来看看各家如何预测！2025年趋势专题地址是：http://hrnext.cn/8dK4a3 可以收藏保存，我们会不断更新全球各地的预测，与你分享，决不可错过!

人力资源分析
2024年11月03日
人力资源分析

【HR术语】什么是人力分析？（What is people analytics?）什么是人力分析？人力分析是一种以数据为导向的方法，旨在改进有关团队成员和客户的业务决策。人力分析并不完全依赖直觉或传闻经验，而是为人力资源领导者提供全面的数据，以做出有据可依的战略决策。人力分析整合了人力资源信息系统软件，以收集和检查大量信息，预测趋势，并提供与员工生命周期不同阶段相关的宝贵见解。人力分析也被称为人才分析，公司利用人力分析将合适的人才匹配到合适的岗位上。人力分析为何重要？人力分析可对数据进行评估，以加强以下方面的工作：招聘和录用入职培训劳动力规划薪酬实践留住人才绩效生产力参与不仅仅是人力资源部门，所有部门都开始采用人才分析功能。这种转变预示着人力资源自动化程度的提高：人力资源领导者必须做好迎接这些变化的准备，以提供最新、准确的结果。利用人力资源自动化工具，人力资源领导者可以做出明智的决策，提升员工体验，促进公司目标的实现。在竞争激烈、不进则退的市场中，人力资源领导者必须表现出灵活性，不断适应工作场所的创新。人力分析实例人力资源中的人力分析包括员工生命周期的各个方面。人力分析的例子包括: 流失预测。这包括分析历史数据，找出导致团队成员流失的模式和因素，使您有能力预测哪些员工有离职风险。招聘优化。人力分析有助于改进招聘方法，以吸引和留住顶尖人才。绩效分析。这包括评估关键绩效指标（KPI）、目标实现情况和能力评估等绩效数据，以获得有助于识别高绩效人才及其成功因素的见解。员工参与度。调查数据和情感分析有助于深入了解员工满意度、敬业度以及影响因素。这些信息有助于组织设计提高员工敬业度的措施，并创造更加积极的工作环境。学习与发展。分析可追踪培训成果、技能掌握情况以及教育计划带来的绩效提升，帮助您优化与业务目标相一致的培训投资。关键人员分析指标早期离职率。该指标指的是在公司工作第一年内离职的人员比例。它有助于评估留住人才的努力。缺勤率。这衡量的是一个人意外缺勤的频率，无论是由于疾病、压力还是其他个人原因。团队成员缺勤率高，说明对工作场所不满意。参与度得分。这些分数反映了员工对工作和整个组织的投入程度和满意度。绩效评级。根据预定指标和目标对个人或团队的绩效进行评估。每次招聘成本。评估招聘流程的总成本，包括广告、面试和入职成本。如何利用人力分析做出决策人力资源人力分析的有效性取决于将从数据中获得的见解付诸行动。以下步骤将帮助您为组织做出清晰、明智的决策：确定目标。明确概述您打算利用人力分析来应对的具体组织挑战。收集数据。从人力资源信息系统（HRIS）或人力资源管理系统（HCM）、绩效考核、调查及其他来源收集相关数据。分析。采用统计方法、可视化工具或人力分析平台，从收集的数据中得出有意义的见解。识别模式。从数据中寻找相关性和趋势，从而深入了解员工行为和组织面临挑战的原因。做出明智决策。利用从数据中收集到的洞察力，做出有据可依的决策，帮助组织实现其目标。人力分析仪表盘人力分析仪表盘是关键人力资源指标和数据的可视化呈现。它提供的关键信息一目了然，如离职率、参与度评分、绩效数据和招聘统计数据。仪表盘使人力资源领导和管理人员能够跟踪和了解劳动力指标，从而轻松做出明智的决策。用户友好、信息丰富的仪表盘可让利益相关者迅速访问和解释重要数据，而无需完全依赖 IT 部门或分析师。如何成功实施人才分析系统将人才分析纳入多个部门需要人力资源领导者挺身而出，指导他人完成这项新举措。人力资源领导者可以通过实施这些做法来支持人员分析的整合：以身作则。展示对人才分析的熟练程度，或至少是对人才分析的理解，可以让人力资源领导者有效地使用人才分析，并在其他人学习的过程中为他们树立榜样。观察。人力资源领导者可以确定其组织目前进行的数据收集水平，并注意公司目前使用的数据分析方法，如数据收集技术和类别，以及哪些人力资源领导者对数据负责。向所有人力资源专业人员介绍人力分析。为所有人力资源人员提供人员分析 "基础培训"，可以提高他们对系统的认识。让人力资源专业人员熟悉人员分析，可以增强他们的能力，同时将这种方法融入公司文化和思维模式。培训分析团队。教育人力分析专家如何阅读和仔细检查数据、警惕不准确的数据并做出基于数据的决策，这一点非常重要。这些人力资源专业人员决定着人才分析系统的有效性。注意潜在隐患。公司可以利用人力资源信息系统平台简化、过滤数据，并以易于理解的方式将数据呈现给管理人员。另一个需要注意的挑战是通过数据加密和遵守诚实、公平和透明的政策来保护员工的隐私。人力分析与人力资源分析专业人士会交替使用 "人员分析 "和 "人力资源分析 "这两个术语。然而，两者之间是有区别的：人力资源分析侧重于利用人力资源部门的数据来了解和管理员工。它深入研究团队成员的个人行为、绩效和参与度，旨在优化员工生命周期中的各种人力资源流程。虽然人员分析也使用人力资源数据，但其关注点超出了这一范围，而是扩展到整个组织中更广泛的数据源，如整体业务绩效、财务、市场营销和销售。它收集更广泛的数据，以获得更深入的见解，为战略决策提供依据。人力分析趋势企业接受人员分析的程度以及使用人员分析的方式正在发生变化：关注员工体验。现在的趋势是改善员工的整体旅程，强调健康和富有成效的远程工作体验等方面。合乎道德的数据使用。随着人们对数据隐私的日益关注，数据使用的道德考量以及保持数据收集和分析的透明度将受到更多重视。平台整合。人员分析工具将整合来自企业不同软件和应用程序的数据，从而更容易从单一来源获得所有必要的见解。多样性、公平性和包容性。人们越来越重视利用人员分析来提高组织内部的多样性、公平性和包容性，而且这种情况只会继续增加。人工智能集成。人力分析平台开始整合人工智能驱动的工具，以简化数据分析，并从复杂的数据集中获得更深入的见解。人力分析如何改善企业文化？人力分析为人力资源领导者、经理和高管提供数据支持，使员工绩效与公司目标保持一致。对这些数据进行有效评估并采取行动，有助于制定有效的招聘和培训策略、提高员工参与度，进而促进公司文化的发展。以下为文章原文： What is people analytics? People analytics is a data-driven method that aims to improve business decisions regarding team members and customers. Rather than solely relying on instinct or anecdotal experience, people analytics provides HR leaders with comprehensive data to make evidence-based, strategic decisions. People analytics integrates HRIS software to assemble and examine extensive information, predict trends, and provide valuable insights relating to the different stages of the employee lifecycle. Also known as talent analytics, companies use people analytics to match the right talent to appropriate roles. Why is people analytics important? People analytics assesses data to enhance the following areas: Recruiting and hiring Onboarding Workforce planning Compensation practices Retention Performance Productivity Engagement Talent analytics is a function that all departments, not just HR, are beginning to adopt. This is a transformation that heralds an increase in HR automation: HR leaders must be ready to embrace these changes to deliver up-to-date, accurate results. Leveraging HR automation tools enables HR leaders to make informed decisions that elevate the employee experience and promote company objectives. In a competitive, sink-or-swim market, HR leaders must demonstrate agility as they continuously adapt to innovations within the workplace. Examples of people analytics People analytics in HR encompasses various aspects of the employee lifecycle. Examples of people analytics include: Attrition prediction. This involves analyzing historical data to identify patterns and factors leading to team member turnover, giving you the ability to predict which of your people are at risk of leaving. Recruitment optimization. People analytics can help with refining recruitment approaches to attract and retain top talent. Performance analysis. This involves evaluating performance data such as key performance indicators (KPIs), goal achievement, and competency assessments to gain insights that aid in identifying high-performing individuals along with the factors that contribute to their success. Employee engagement. Survey data and sentiment analysis provide insights into employee satisfaction, engagement levels, and the factors influencing them. This information helps organizations design initiatives to improve engagement and create a more positive work environment. Learning and development. Analytics can track training outcomes, skill acquisition, and performance improvements resulting from educational programs, helping you optimize training investments that align with business goals. Key people analytics metrics Early turnover rate. This metric refers to the percentage of people leaving within the first year of working at a company. It helps with assessing retention efforts. Absence rate. This measures how often a person is unexpectedly absent from work, whether that’s due to sickness, stress, or other personal circumstances. A high absence rate among team members can indicate dissatisfaction in the workplace. Engagement scores. These capture how committed and satisfied people are about their work and the organization as a whole. Performance ratings. These evaluate individual or team performance against predefined metrics and goals. Cost per hire. This assesses the total expenses of the hiring process, including advertising, interviewing, and onboarding costs. How to use people analytics to make decisions The effectiveness of HR people analytics depends on putting the insights gleaned from data into action. The steps below will help you make clear and knowledgeable decisions for your organization: Define objectives. Clearly outline the specific organizational challenges you aim to address using people analytics. Data collection. Gather relevant data from your HRIS or HCM, performance reviews, surveys, and other sources. Analysis. Employ statistical methods, visualization tools, or a people analytics platform to draw meaningful insights from the collected data. Identify patterns. Look for correlations and trends in the data that offer insights into workforce behaviors and the causes of your organization’s challenges. Make informed decisions. Use the insights you’ve gathered from the data to make evidence-based decisions that help your organization reach its objectives. People analytics dashboard A people analytics dashboard is a visual representation of key HR metrics and data. It provides critical information at a glance, such as turnover rates, engagement scores, performance data, and recruitment statistics. A dashboard empowers HR leaders and managers to track and understand workforce metrics so they can easily make informed decisions. A user-friendly and informative dashboard allows stakeholders to access and interpret essential data swiftly without having to rely exclusively on an IT department or analyst. How to successfully implement a people analytics system Incorporating talent analytics into multiple departments demands that HR leaders step up to guide others through this new initiative. HR leaders can support the integration of people analytics by implementing these practices: Lead by example. Demonstrating proficiency in, or at least an understanding of, people analytics allows HR leaders to use it effectively and set an example for others as they learn the ropes. Observe. HR leaders can identify the level of data collection they currently conduct at their organization and take note of the prevailing data analysis methods the company uses, e.g., data collection techniques and categories and which HR leaders are accountable for the data. Introduce all HR professionals to people analytics. Providing people analytics “basic training” for all HR personnel will improve their knowledge of the system. Acquainting HR professionals with people analytics empowers them while infusing this method into the company culture and mindset. Train the analytics team. It’s important to educate people analytics specialists on how to read and scrutinize data, watch out for inaccurate data, and make data-informed decisions. These HR professionals determine the effectiveness of the talent analytics system. Be aware of potential pitfalls. Companies can use an HRIS platform to simplify, filter, and present the data in a digestible manner to managers. Another challenge to be mindful of is the essential protection of people’s privacy through data encryption and adherence to an honest, fair, and transparent policy. People analytics vs HR analytics Professionals use the terms “people analytics” and “HR analytics” interchangeably. However, there’s a difference between the two: HR analytics focuses on leveraging the HR department’s data to understand and manage the workforce. It delves into individual team members’ behaviors, performance, and engagement, aiming to optimize various HR processes across the employee lifecycle. While people analytics also uses HR data, its focus extends beyond this to wider data sources across the organization, such as overall business performance, finance, marketing, and sales. It gathers a broader spectrum of data to gain deeper insights that inform strategic decisions. People analytics trends The extent to which organizations embrace people analytics and the ways they use it are already changing: Focus on employee experience. There’s a shift toward improving the overall employee journey, emphasizing aspects like wellness and productive remote work experiences. Ethical data use. With the increased concern around data privacy, there’ll be greater emphasis on ethical considerations around data usage and maintaining transparency in data collection and analysis. Platform integration. People analytics tools will integrate data from an organization’s different software and apps to make it easier to get all the necessary insights from a single source. Diversity, equity, and inclusion. There’s a greater focus on using people analytics to improve diversity, equity, and inclusion within organizations and this will only continue to grow. AI integration. People analytics platforms are starting to integrate AI-driven tools to streamline data analysis and derive deeper insights from complex data sets. How can people analytics improve company culture? People analytics provides HR leaders, managers, and executives with data to support the alignment of employee performance with company objectives. Effectively assessing and acting on this data contributes to effective hiring and training tactics, employee engagement, and in turn, a robust company culture.

人力资源分析
2024年02月26日
人力资源分析

【观点】值得关注的人力资源技术下一个前沿：人工智能、人力资源分析、元宇宙...... 随着商业世界的不断发展，技术越来越融入我们的日常生活，人力资源专业人员也必须适应。人力资源技术的下一个前沿也不例外。随着人工智能（AI）、人力资源分析、甚至元宇宙（虚拟世界）的出现，对于在该领域工作的人来说，这是一个新世界。在本文中，我们将探讨这些技术对当今人力资源专业人员意味着什么。什么是人工智能？人工智能主要是一种技术工具，致力于帮助我们解决认知问题，并使机器能够“像人类一样思考”。其关键组件如下：通过复杂的自动化算法和大量数据的高速计算处理相关问题。如今，有两项基本技术推动了人工智能的发展：机器学习和深度学习。机器学习这是一类人工智能，允许创建和预测数据模式，从而有助于决策。算法可以从记录的数据中学习，而无需明确编程。机器学习在人力资源环境中的主要应用包括：员工流失研究：确定离职风险高的员工，让人力资源部门与他们进行讨论并留住他们。自定义源：通过基于预测分析推荐职业选择和培训计划提供定制的用户体验。识别数据中的异常：识别数据库中不符合特定模式的事件和评估数据。深度学习它是机器学习的增强版本，它使用神经网络架构来理解大量数据。人力资源环境中的深度学习应用包括：语音识别：虽然很难理解不同的人类方言和音调，但深度学习算法可以检测并响应人类语音输入，确保问题得到解决。聊天机器人：NLP（自然语言处理）使聊天机器人能够解释语言、语气和上下文，并迅速成为人力资源服务交付的强大工具。人工智能在人力资源中的应用人工智能在人力资源职能中的一些最重要的应用如下：人才招聘人才招聘是人力资源职能的基础，因为它包括为团队引入新人才，这将促使组织的潜在增长和扩张。在当今的业务中，招聘流程至关重要。人工智能可以在招聘过程中以多种方式使用，例如; 创建简单的表格供求职者填写根据候选人经验、教育水平等条进行筛选。维护整个候选人数据库分析现有的候选人库，并确定有资格胜任新职位的人员。面试安排人工智能驱动的聊天机器人可以追踪和联系潜在的候选人。使用这些方法，招聘和选拔过程将被缩短，并节省更多的时间，使人力资源团队能够专注于其他基本任务，从而提高组织的生产力。入职培训入职是一个关键过程，因为它是新员工从组织获得的体验。这是团队成员永远不会忘记的。人工智能可以帮助人力资源部门改善入职流程的一些方法如下：整合的人工智能系统将帮助新员工理解组织价值观、原则和其他重要的组织信息。人工智能将有助于自动化管理任务，例如表单填写、登录创建等。人工智能驱动的数字助理可以通过主动指导新团队成员并建议后续步骤来改善整个入职流程，从而使整个过程快速升级。它可以向新员工推荐任何与其技能相匹配的学习课程，直到新员工的项目完成。员工体验人工智能技术可以辅助个性化反馈调查、实时反馈、员工识别系统和其他员工敬业度任务。基于这些计划，人力资源部门可以比过去更准确地评估团队成员的满意度和参与度。通过这些计划，人力资源部门甚至可以预测哪些团队成员可能会辞职，从而使人力资源团队能够主动应用保留策略，并减少人员流失。部署人工智能驱动的聊天机器人为团队成员提供实时答案可以改善他们的体验。员工只需在聊天机器人中输入他们的问题，它就会给出答案。这适用于常见问题和基本福利。职业发展在当今的环境中，公司必须留住人才，应该使用这种战略方法，职业发展是最重要的因素之一。应为团队成员提供各种对个人和组织都有利的学习和发展计划。以下是人工智能如何帮助团队成员职业发展的几个例子：人工智能驱动的软件可以向需要业务的团队成员推荐个人定制的课程，还可以提高团队士气。人工智能可以收集每个团队成员的绩效数据。可以审查这些数据，并确定具体的技能差距（如果有的话）。在这种情况下，可以明确团队成员，并推荐必要的培训或学习计划。反过来，这将鼓励团队学习。领导人工智能将改善公司培训师和项目负责人的工作策略，因为它将协助和发展受训者。人工智能将通过向各自团队的员工提问来评估领导者特征的框架，并为他们提供他们缺乏的才能或他们必须适应的特征。其次，通过查看分析数据，领导者可以分析自己并提高他们的技能组合，以响应工作场所的需求。在人力资源中部署AI 与任何其他技术一样，AI在部署时必须谨慎使用。我们列出了在人力资源中部署人工智能时要记住的一些因素：实时可靠的数据对于成功的AI成果至关重要。因此，首先要获得正确的数据。人工智能生态系统与IT世界中的任何其他生态系统都不同。人力资源团队在收集适当的数据源以及在清理和管理它们时必须谨慎行事。理解和理解要驱动的见解至关重要。因此，需要有关于如何识别和采取行动的可见性指导。人工智能可以根据输入系统的算法和逻辑获得精确且公正的结果。公司必须确保数据的准确性，并记住人工智能只会做用户指示它做的事情，它不能自己做出决定。了解人力资源分析人力资源分析（HR Analytics）是分析的一个专业分支，它将建模和统计等流程应用于公司内的人力资本，以提高员工绩效和保留率，从而带来有利的业务成果和更高的投资回报率。人力资源分析的意义人力资源分析主要是数据驱动的。它使人力资源专业人员能够收集、组织和分析与招聘、管理、聘用和留住最优秀人才等职能相关的人力资源数据，以便在这些领域做出更好的决策。人力资源部门每天使用软件和技术生成大量数据。然而，主要目标是正确解释数据并利用从中获得的令人难以置信的洞察力。以下是人力资源分析的一些好处：提高人力资源绩效可以提高人力资源绩效的一个主要因素是更好的决策。人力资源分析至关重要，因为对数据的需求不断增长，这使得它成为可能。确定表现最佳的人员访问和分析与公司员工相关的数据可以提供关键的见解。识别公司内表现最好的员工就是一个很好的例子。评估损耗及其原因员工数据可以识别和揭示经历高自然减员的部门单位、自然减员模式、分析其中的共性和根本原因。预测需求技能和组织职位来自人力资源分析的数据可以帮助您作为从业者准确确定公司内的技能和职位要求。人力资源部门作为战略合作伙伴的角色发生了转变人力资源部门在塑造公司内部的人事事务方面处于独特的地位。发生这种情况是因为员工数据提供了有价值的见解，极大地增强了人力资源。HR可以为公司高管提供准确、经过测试和可验证的数据，以支持管理员工招聘、保留和提高敬业度的政策。在人力资源中使用人力资源分析策略的方法人力是公司最有价值但也是最昂贵的资产，占公司总预算的40%至80%。人力资源分析可以帮助人力资源专业人员更好地支持他们的组织，最大限度地提高招聘策略，同时保持招聘成本可控性，招聘顶尖人才。在人力资源中应用人力资源分析策略的最有效方法包括：员工激励推荐激励措施用于吸引和留住顶尖人才。分析数据可以帮助人力资源部门确定哪些激励措施最有益。改善新员工培训一旦被公司雇用，新员工经常接受培训。这样的培训计划可以产生有价值的数据，新员工在最初几个月的表现和新员工的调查回复也是如此。一旦将所有来源结合起来，人力资源就可以识别公司培训计划中有效和无效的领域。然后，这些数据不仅可以用于改进培训，还可以用于确定员工不足的领域。留住顶尖人才员工反馈是最重要的指标。人力资源是员工的第一个接触点，当涉及到他们的感受以及他们成功所需的条件时。使用预测性和规范性分析软件使组织能够轻松快速地对大量数据进行分类，获得对员工观点的有用见解，然后采取积极措施以满足和留住顶尖人才。人力资源分析的类型毫无疑问，人才是一个组织成功的关键指标。公司吸引、管理和利用资源的能力是其成功的长期指标。每个经理都应该熟悉至少五种类型的人力资源分析。组织文化分析文化是指在组织环境中管理行为、道德和人类行为模式的不言而喻的集体规范。因此，组织文化分析是一种判断和更好地了解工作场所文化的方法。如果您对此有透彻的了解，则可以跟踪明显的更改。因此，您可以检测到公司文化变得不愉快的早期预警信号。容量分析容量对收入有影响。通过容量分析，您可以确认员工的运营效率。一家公司可能专门从事洗衣，但分析可以揭示大部分时间都花在会议上，而不是洗衣的主要功能上。这种类型的行为分析将有助于确定每个人拥有多少增长潜力。员工流失分析这有助于确定您的劳动力流动率。在这方面具有预测性的数据分析可以帮助预测未来趋势并最大限度地减少损耗。过去的数据，称为历史员工流失，详细说明了从就业开始的员工流失率。需要预测历史流失数据才能正确确定员工流失分析。领导力分析领导力分析检查工作场所领导力有效性的各个方面。这包括个人的全部优势和劣势。这种评估至关重要，因为糟糕的领导几乎不存在，会导致收入损失、时间损失和员工流失。结果，公司将无法充分发挥其潜力，员工保留率将令人沮丧。定量和定性研究都可以提供领导力分析所需的数据。这需要结合民意调查、焦点小组、调查或人口统计研究等方法。能力分析人员的专业知识水平及其综合技能库将决定公司的成功。能力分析是指帮助您确定员工核心竞争力的人才管理流程。一旦确定，这些可以作为基准，与您的员工的能力以及发现的任何差距进行比较。人力资源分析解决方案的基本特征回应C-business套件的询问。他可能需要投资一个解决方案来解决每个问题，这可能需要投资各种分析解决方案，以获得每个问题的详细数据。您还可以使用统一的解决方案，该解决方案可以评估多个基准来回答每个业务查询。它们易于使用，即使对于非数据科学家也是如此。当外行人想要在不中断数据科学家工作流程的情况下评估一个或多个指标时，为外行设计的用户友好型解决方案是理想的选择。它们托管于云的解决方案。基于云的解决方案可以提高可访问性，而无需广泛的 IT 集成。这使HR可以根据需要，自由使用解决方案。它们由统计分析和机器学习技术提供支持。大数据平台需要依赖于机器学习和自然语言处理的复杂数据管理系统。这使该技术能够自行学习和推理，提供数据科学家可以调查的信息见解。它们由可视化技术支持。海量数据的可视化可以帮助人们更好地了解趋势和事件。由于复杂的数据无法以简单的图表和演示文稿显示，因此在分析引擎处理时需要复杂的可视化软件。它们以订阅方式提供。软件即服务（SaaS）平台的订阅服务是有利的，因为它们可以轻松访问最新的技术进步。它们还避免了购买分析解决方案的大量前期成本，并且可能是投资分析的更具成本效益的方式。什么是元宇宙？虽然您可能听说过这个词，但您可能不确定它是什么，更不用说它对人力资源意味着什么了。如果你问十几个人，即使他们都是技术专家，元宇宙是什么，你可能会得到十几个不同的答案。虚拟现实（VR）技术和解决方案公司Immerse的联合创始人兼首席运营官Justin Parry提供了一种实用的方式来思考元宇宙及其对人力资源的可能影响。他将其描述为“网络和移动设备目前所提供的一切的更丰富，更身临其境的版本”。简而言之，元宇宙是一个身临其境的替代现实。正如Engage业务开发职能负责人Chris Madsen所说，这是一个替代现实，这是一个持久的空间，无论是否有人在那里。他声称，通过元宇宙，网络将成为一种3D体验，可以在任何屏幕上享受，从手机和平板电脑到笔记本电脑和台式电脑。元宇宙允许组织在网络上留下永久的足迹，人们可以进来并以一种新的方式体验该公司的文化、服务和产品——一种体验式的空间方式。这对某些人来说可能是可怕的。其他人则觉得这令人振奋。它将为许多企业开辟与客户、客户和员工沟通的新途径。元宇宙对企业的实际应用对于有兴趣了解元宇宙实际应用的人力资源领导者和企业，请考虑以下事项：虚拟招聘会：候选人可以与潜在雇主互动，并了解他们将为什么样的企业工作。面试和评估：一个很好的例子是零售助理职位的大规模招聘。候选人可以在店内（虚拟）与模拟客户互动，并评估他们的能力。会议和一对一：个人和小组讨论都将变得更加身临其境，帮助员工专注于手头的任务。虚拟协作空间：与传统办公室不同，办公场所支出更便宜。因此，可以创建大型协作空间，用户可以在其中在同事面前撰写或展示想法。社交活动：考虑虚拟音乐会、娱乐和其他公司活动。培训：按需互动数字学习氛围。为了让员工做好准备，您可以将他们运送到一个空间，在那里他们可以通过交互进行培训，并在现实世界的场景中运行。元宇宙和混合工作增强混合工作系统可能是元宇宙的优先用例。许多员工目前在家工作，工作场所试图以虚拟方式复制办公室体验，但大多数都没有成功。其中一个原因是使混合工作成为可能所需的技术工具的普及。尽管视频会议现在在工作场所司空见惯，但经历“变焦疲劳”的员工是一个常见的抱怨。通过融合现有的工具和经验，类似元宇宙的体验可以解决这些混合工作难题。如果现实世界和虚拟工作之间的界限模糊，员工可能能够在虚拟空间中更好地沟通和协作。此外，通过元宇宙，员工可以更方便地在不同的城市或国家/地区工作，他们的雇主几乎可以让他们入职，同时仍然提供类似现实世界的体验。由于混合工作，工人的生活已经变得更加灵活，而元宇宙有可能将其提升到一个新的水平。结论人工智能、分析和元宇宙都是企业和人力资源部门应该注意的令人兴奋的新技术。虽然它可以提供的机会仍处于起步阶段，但花时间考虑实际应用和使用这项技术来改善公司内部互动的机会的企业将在获得收益方面领先于竞争对手。且，在当今世界，满足员工需求比以往任何时候都更加重要，企业必须尽一切可能保持领先于下一个趋势。文章来源：https://techrseries.com

人力资源分析
2023年02月03日
人力资源分析

组织网络分析（ONA）与人力资本分析的联合意味着什么？序言：如果没有组织网络分析，组织内真正值得认可的人可能会被忽视。当与其他人力资源数据相结合时，这些更深层次的网络洞察力为识别隐藏的人才、关键影响者提供了背景，并实现了更智能的战略劳动力规划。在这篇文章中，我们将更深入地探讨组织网络分析和人力资本分析的结合为人力资源和企业领导者带来了哪些好处。组织网络分析（ONA）是什么意思？组织网络分析并不是一门新科学。它已经存在了30多年，这种做法 "通过研究这些网络中人们之间互动的强度、频率和性质来测量和绘制协作模式"。单从这个定义来看，ONA似乎只有最专业的数据科学家才比较适合，但技术的进步让它变得更容易，也更容易获得。如今，有一些公司，如TrustSphere，可以处理我们与同事的日常互动中产生的大量副产品数据。TrustSphere是一个令人难以置信的工具，可以发现你的组织的影响者，并挖掘出促进成功的关键关系。他们将这些数据点转化为人与人之间形成的网络的有意义的可视化，以及总结个人对该网络影响力的分数。个人得分可以让你量化一个人在组织中的影响力和地位，比如员工网络中心化：员工有多少关系？员工网络影响力：员工对其网络的影响员工网络的多样性：雇员网络的多样性网络中的关键性：该员工对其网络的关键性 ONA的重要性为何不断提升当ONA指标可以与更广泛的人力资本分析一起查看时，它们为您的劳动力洞察力增加了一个全新的维度。您是否曾观察到，员工倾向于分批辞职？一个人递交了辞呈，似乎会引发多米诺骨牌效应。ONA可以显示出第一个人是否是支撑一个网络的关键人物，他们的缺席导致了网络的崩溃。这种分析还可以揭示出令人惊讶的见解，比如第一个离开的员工并不是业绩最高的员工，但他们却是你的明星人才凝聚在身边的人。现在这个人走了，你可能会发现你的顶级员工也有离职的风险。在人力资本分析中加入 ONA 洞察力，还可以揭示与你的多样性和包容性相关活动的风险和机会。ONA可以向您的D&I领导展示员工是否正在建立促进包容性的网络，并使不同的员工能够充分发挥其潜力。 TrustSphere的首席执行官Manish Goel与我分享了一个故事：一家价值数万亿美元的资产管理公司使用了ONA来了解，为什么在公司雇佣同等数量的初级男女员工的情况下，获得晋升的女性却越来越少。Network insights帮助该公司确定了与晋升数据相关的工作关系发展中的性别差异。这种理解为旨在帮助女性员工建立正确的内部网络以获得平等晋升机会的培训项目提供了重要的参考。 ONA将把您带到哪里？ ONA数据的力量是毋庸置疑的，当与您的全部员工数据和人力资本分析相结合时，其结果可以改变业务。一起投入其中吧，一切都是新的，值得探索！你觉得呢？关注HRTechChina学习更多前沿新知，一起进步！作者：凯特琳·比格斯比以上由AI翻译完成，仅供参考。

人力资源分析
2020年12月09日

人力资源分析

九大维度打造卓越的人力资本分析影响、价值、焦点我们很幸运地看到了人员分析在全球每个主要国家和行业的实践。几乎在每一个组织中，我们都会反复遇到三个主题。影响、价值和重点。如何提高影响力？那些建立了坚实的、面向业务的基础的组织--而不仅仅是深入解决技术和数据问题--能够长期创造更多的影响力。如何创造更多价值？领导者和从业者经常关注分析活动，而忘记了最终目标是为企业和员工创造价值。我应该关注什么？关注与企业人才战略相关的业务挑战的从业者，其努力会更加成功。这三个问题的答案因情况、个人经验水平、业务挑战和行业不同而不同。尽管如此，答案可以在九个维度中找到，归纳为三类：建立基础、管理资源和提供价值。我们将其称为Insight222九大维度卓越人员分析®模型。最成功的组织在所有九个维度上都追求卓越，并以适合自己公司的方式（无论顺序如何）来解决这些问题。我们发现，最具影响力的组织同时关注所有三个类别。这不是一个循序渐进的模式。它并不要求你按照特定的顺序去做事情。而且，它并不意味着，在没有达到一定的 "成熟度 "之前，你不能从一件事转向下一件事。 Insight222九大维度卓越人才分析®模型。 Part 1 基础人员管理的基础性工作是围绕着在工作变得过于复杂之前，在前期具备正确的要素，以便在未来取得成功。维度一：治理这个方面是关于公司运作和管理风险的机制、过程和程序。这里的两个主要重点是：建立正确的结构，帮助数据标准、道德和隐私的保护。有正确的结构来管理项目的选择和分析工作。如果没有适当的治理，分析工作就会失去重点、价值和影响，做不必要的工作的风险也会增加。第二方面：方法这个维度涵盖了现有的步骤，以确保人员分析遵循一条清晰而又灵活的道路，从而使工作有意义、有目标、产生影响，并提高个人和组织的绩效。成功的人员分析总是从理解最重要的业务挑战开始。一旦你理解了 "为什么"，你就会从分析中得到更多。你也将能够有效地确定项目的优先级，从而为业务带来最大的价值。经常有人问我们："你会建议追求分析的人力资源领导者做什么事情？" ......我们的回答总是："先关注你的业务挑战！" 维度三：利益相关者当人员分析完全嵌入到公司的运营中时，是最成功的。这需要利益相关者的成功参与。以下几点至关重要了解最重要的人员、职能和群体。定期、适当和清晰地进行沟通。在我们的模型中，我们认为有七种类型的利益相关者。企业高管、人力资源领导、经理、员工和工人、职能利益相关者、技术和数据所有者和工会，最后是工作委员会和员工团体。 Part 2 资源开发解决方案并通过人员分析产生影响所需的资源是人员（或技能）、技术和数据。维度四：技能我们确定了人员分析的六大成功技能：商业敏锐度、咨询、人力资源、工作心理学、数据科学和沟通。(注意，这些技能与我们为未来的人力资源所确定的技能不同)。这些技能可以在你的团队中建立，也可以从企业的其他部门获得，或者根据需要从公司外部聘请。维度五：科技由于有成千上万的供应商，因此采购、部署和使用分析技术变得非常复杂。您的技术需求将涵盖可视化、商业智能、统计、机器学习和人工智能等方面。它们将包括硬件和软件，并以现场、"服务 "或混合方式交付。我们建议的方法是专注于了解您的需求与您试图解决的业务问题之间的关系，而不是专注于 "下一个闪光的东西"。维度六：数据如果要做任何其他事情，了解、使用、整合、管理和保护人员和业务数据是必不可少的。这个维度对于了解标准、安全、数据选项以及你需要什么来应对你最紧迫的挑战非常重要。它还包括需要关注内部和外部数据源，以及如何分析你的情况，并决定收集哪些额外的数据来改善你的分析。 Part 3 价值你从人员分析活动中获得的价值将由与你互动和影响的人决定。维度七：员工体验该模型的这一维度主要是了解你的胃口和能力，通过个性化、推荐算法、人力资源的消费化和管理者的数据民主化，将分析重点放在员工/工人和管理者本身。举个例子，尼尔森提供的分析价值不仅仅是财务上的，而是通过向员工强调职业转换的好处，并分享了一段视频，讲述了流失分析的内容、方式和原因。维度八：业务成果通过有效的人员分析来提供洞察力，将确保您的高管和领导层能够通过洞察力来做出决策。这些洞察力可以是关于生产力、成本优化或收入提升。这个维度确保了企业在未来能从人员分析中获得组织效益。第九个维度：企业文化当人力资源和整个组织的文化都能接受分析性的见解时，部署分析就会变得更容易和更有影响力。努力建立强大的分析文化是至关重要的。"我的团队如何才能更加量化？"和 "我如何培训我的人力资源业务伙伴？"是我们最常听到的两个问题。九大维度卓越人力分析模型的维度、元素和调查是由Insight222有限公司的联合创始人兼首席执行官Jonathan Ferrar和非执行董事兼董事会顾问David Green开发的。他们对人员分析的定性研究覆盖了全球所有主要地区的60多家企业，历时五年。作者：乔纳森·费拉尔以上由可爱的AI翻译完成，仅供参考。

人力资源分析
2020年11月12日
人力资源分析

认识HR的真正的IT人群一批新的专业人员正在崛起。了解他们是谁（以及他们的工作内容）。 "你有没有试过把它关了又开？" 喜剧《IT人群》（The IT Crowd）中的一句老话---HR专业人士在工作期间可能比其他职能部门的同行更习惯于听到这句话。这是根据公认的观点，即人力资源部门的数字化知识可能比其他专业人员要少，而研究表明，这仍然影响了该行业在分析方面的复杂性。例如，CIPD的人员分析：用人员数据推动业务绩效，调查发现，仅有46%的人力资源从业人员有信心使用基本的统计数据来探索数据趋势，只有三分之一（34%）的其他职能部门的专业人士认为人力资源专家是数据专家。大型组织已经投资和发展了他们的人事系统和分析能力，但绝大多数组织仍然只运行基本的分析和报告，"CIPD研究和思想领导力主管Ed Houghton说。"预测性和规范性分析肯定不是大多数组织的主流。" Houghton继续说，"在较小的企业中，人力资源分析通常采取的形式是关于人数、工资和病假的基本报告。而即使是定期的、高质量的这些简单类型的数据报告，对许多小企业来说也是遥不可及的。Houghton说，但人力资源部门要想向其他职能部门展示其价值，就必须建立其作为数据驱动型专业的声誉。事实上，考虑到这一点，CIPD已经在其职业地图中开发了一个人员分析专家角色。正如这一点所显示的那样，情况正在发生变化。人员分析团队已经在许多公司中兴起，其影响力也越来越大。无可否认，那些带头人正在证明其价值。人员分析是战略规划的一部分，可以根据数据做出更好更快的劳动力决策，支持组织的商业战略，"赫尔大学组织行为和人力资源管理讲师Igor Menezes博士说。"例如，人员分析可以设计出解决方案，使组织能够在招聘和培训方面做出更明智的决策，同时也能创造出提高员工留用率和绩效的策略。" 人员分析的位置取决于组织结构。然而，麦肯锡公司的人事分析和测量总监Keith McNulty注意到，近年来，人力资源分析专业人员在人事部门中的地位发生了强烈的转变，而以前他们都是在财务或IT部门。McNulty对这种变化充满了热情。"要想擅长任何一种分析，你还需要对你所从事的领域有很好的理解，"他说。"最好的人力资源分析专家已经建立了对人力资源领域所面临的典型问题的了解，并能自信地处理这些问题。因此，让他们坐在HR职能部门中是有意义的。不过这并不总是很容易，尤其是如果与你一起工作的其他HR从业者不是特别注重数据驱动，或者你被嵌入到一个离决策层几步之遥的子团队中，那就更不容易了。" Felix Schmirler是企鹅兰登书屋的人员分析和洞察力专家，他有组织心理学的背景。他说，这个角色的最大挑战之一就是在创造即时价值和改善现有系统或流程之间找到平衡点。他刚刚重新设计了发送给离职者和新入职者的调查问卷。"这听起来可能不是很有魅力，但问对问题是任何研究项目的第一步，也是最重要的一步。"他说。国际贸易部人员分析和洞察力负责人Stephen Miller认为，在你成为数据高手之前，你必须先成为流程高手。他建议说，与其规定一个HRIS平台必须如何工作，不如看看如何适应它的标准化方法，而不是规定一个HRIS平台必须如何工作。为什么要这样做？因为使用标准的流程可以增加数据对你的有用性。这释放了它的潜力，意味着你可以创建有助于推动组织增长的洞察力报告。 "我发现，最好的体验和洞察力是在一个熟练的内部HRIS资源或团队中找到的。"Miller说。"在会议和活动中很容易听到供应商的承诺，但你无法击败拥有一个专门的团队，他们了解你的工作场所文化，并将员工放在流程的核心位置，这是你无法战胜的。" 有趣的是，米勒有阅读障碍。他说，他从来不喜欢文字，但数字很容易让他产生兴趣，而将原始数据转化为有洞察力的信息的挑战一直吸引着他。米勒最初是一名高级人力资源服务台顾问，然后是一名员工关系支持人员，在将他对数字和人这两个爱好结合在一起之后，他进入了人力资源系统和信息经理的岗位。但是，人员分析专家的背景是多种多样的----绝非所有的人都是从人力资源部门开始的。People Management采访了四位这样的人，了解他们的角色性质、他们是如何进入这个行业的，以及他们对人员分析的兴奋点和面临的挑战。 IT-HR混合型人才荷兰银行全球人员分析主管Patrick Coolen先生 "我的职业生涯开始于荷兰银行的IT程序员。三年后，我转到了人力资源部，负责招聘IT管理培训生。我非常喜欢看到人们的成功，所以我决定留在人力资源部，在不同的领域工作，包括绩效管理、招聘和人力资源战略。从那以后，我转到了人力资源分析部门的领导岗位，这是我迄今为止最好的职业发展。对我来说，这一切都始于好奇心。我想知道为什么某些人比其他人更有活力，以及我们的员工队伍如何提升客户满意度。我想看看我们的培训投资是否有效，并了解我们如何帮助员工保持健康和生产力。我还想知道哪些具体的技能会影响到我们的业务目标。分析是回答这些问题的重要工具。当然，经验和直觉仍然很重要，但如果不应用分析技术，你就不能尽最大努力去了解你的员工。我喜欢分析学中的创造力。数据科学家必须要有创造力----尝试不同的东西，寻找最佳的算法或算法组合。将洞察力可视化也是一个创造性的过程。找到最佳的可视化来讲述数据背后的故事，对于确保你的企业采取行动是至关重要的。当我们的团队找到有助于组织改进的洞察力时，总是很有成就感。目前，我们正在研究几个主题。每个月，我们都会研究员工的想法。通过文本挖掘/主题检测，我们可以从员工提供的所有信息中获得合理的信息。我们还在进行多个研究项目，研究员工对客户满意度的影响。此外，我们还在启动一些旨在缩小技能差距的项目。例如，我们正在寻求建立一个模型，为员工提供内部空缺职位的相关推荐。在荷兰银行，人力资源分析被定位在人力资源战略中。这绝不是唯一的模式，但我喜欢它，因为人力资源分析在那里调查战略课题。" 商业大师 Angela Ignam Mathon，Aviva全球人员分析和洞察力主管，安吉拉-伊格南-马顿 "我的背景是非常商业化的；我上的是商学院。这就是推动我在客户领域和业务发展领域从事分析工作的原因--现在我在人力资源部门。关于人员分析的有趣之处在于，你实际上是在讨论人们在个人生活中的运作方式，而不是当他们走进办公室时，真正的改变。我觉得这一点很吸引人。Covid-19是我们目前正在研究的最大的事情。它对很多事情提出了质疑。比如说，我们还能在家里有效地工作吗？为什么我们要经常到办公室来？Aviva正在尝试着解决这个问题，我们也在这个过程中不断学习。围绕着Covid-19对Aviva的影响，有很多故事，我可以去探索和讲述。因为它是新的，HR并不总是喜欢使用数据。如何让人事从业人员能够舒适地使用数据，然后向利益相关者解释，这通常是一个挑战。幸运的是，我的CPO们对数据很有热情，喜欢参与其中并提出问题。当你坐在CPO的位置上时，你的同行们往往会拥有相当强大的数据，你要尽可能多地反映这一点。他们的要求，因为CFO、COO、CIO和CMO都是带着大量的数据包出现在这里。他们坐在那里想 "我的呢？最终的目标是推动绩效，创造一个人们每天都想出现的工作环境。这是一个令人着迷的空间，我认为吸引非传统HR背景的人加入是一件好事，因为这有助于改变对话。我们不是想创造一个大佬的环境。我们只是想了解为什么有些东西在目前的形式下行不通，是否有更好的方法。" 工程专业的毕业生 Jose Carlos Alatrista，TransferWise公司人员分析负责人。 "我所学的是工科，重在统计学和计算机科学。在学习期间，我对生产力中的 "人的因素 "产生了兴趣。我选修了几门人力资源管理课程，最后完成了关于如何衡量组织氛围的毕业论文--对于一个工科毕业生来说，这并不是一个常见的课题！"我说。 "完成学位后，我和我的人力资源管理讲师一起做了一个咨询项目，协助她进行分析方面的工作。这是我第一次亲身体验到在生产力的背景下研究人力资源指标，试图通过数据来理解参与度、绩效、健康和安全之间的联系。我们从数据中建立了假设，然后通过与人交谈来测试这些假设。这段经历塑造了我的职业选择，即使当时人事分析师这个职位还不存在。在TransferWise，我们公司的使命是'金钱无国界'，帮助我们700万全球客户省钱，鼓励我们2,000多人的团队中的每一个成员每天都要做出有数据依据的决策。激励我的是利用数据做出明智的决策和优化流程，通过数据科学和可视化学习解决业务问题的新方法的喜悦，以及在一个多学科的专业团队中工作，通过定量和定性的数据改善员工的职业生活，这让我感到谦卑和兴奋。我们正在建立一个数据基础设施基础，将分散的人员数据汇集到一个TransferWise-wide平台上，在这个平台上，我们可以将其与业务数据连接起来。我们还在通过构建员工端到端的旅程，找出关键的痛点，努力寻找数据源之间的关系，我们还在实施员工倾听工具，通过数据更好地了解员工的体验。TransferWise有一种透明的工作方式，即自主团队与全公司分享他们的成功经验和教训。对于人员分析团队来说，这意味着我们有一个充满好奇心和参与度的2000人的听众，他们会给我们不断的反馈，帮助我们改进。我所面临的主要挑战包括寻找创造性的方法，用我们所掌握的数据来解决业务问题，在科学方法和实证方法之间取得适当的平衡，以及持续不断地量化无形的概念。虽然很有挑战性，但都是巨大的动力源泉。" 金融服务的职业经理人 Steve Scott，渣打银行全球劳动力管理和分析部董事总经理、全球劳动力管理和分析主管Steve Scott "离开大学后，我在加勒比海地区的邮轮公司工作了很短的时间（让我的父母大失所望），我在金融服务领域的职业生涯丰富多彩。我曾在零售、企业和私人银行、保险和财富管理等多个领域工作，包括销售和分销、产品管理、变革管理和商业智能。这20年的工作经验为我提供了强大的业务和组织意识。当数据被合理使用和有效分析时，我被数据洞察力所带来的高价值所驱使。帮助员工、团队和组织提升到更高水平的基于证据的、数据驱动的决策，从而带来巨大的经济和文化影响，是激励我的动力。人员分析是如此重要，因为它位于实现商业价值和对同事产生积极影响的甜蜜点。这个领域对许多组织来说仍然是 "新领域"，当你在新的领域取得突破时，总是令人激动不已。我们目前的很多工作重点都与冠状病毒有关，这也是你所期望的。这包括跟踪同事的工作/健康状况，以便我们能够提供必要的支持，并评估对生产力的影响，确保我们能够继续为客户服务。与此同时，我们正在继续审查我们的报告组合，寻找减少和整合的机会，增强我们的洞察力套件产品，并花大量时间评估 "未来的劳动力"--它在规模、形状、技能和支出方面将是什么样子。我们最大的挑战是什么？首先，实现更高水平的数据民主化，将数据、洞察力和分析力直接交到用户手中。第二，推动脱离事后报告的转变。我希望我们不要向后看，而是要向前看，预测和预判会发生什么，以及我们需要采取什么行动。第三，也是与这两点相关的，是在我自己的团队和整个人力资源部门内建立数据和分析能力。最后，在量化、测量和报告人员分析所释放的真正价值方面，我们有很大的机会。" 以上由AI智能翻译完成，仅供参考。来自peoplemanagement，作者：Rob Gray

人力资源分析
2020年05月20日
人力资源分析

如何清洗人力资源分析数据？给你6个详细的步骤指南！数据清理是人力资源分析中的关键因素。在你分析数据之前，你需要对数据进行 "清洁"。在这篇数据清理指南中，我们将解释为什么数据清理很重要，以及你如何进行数据清理。在文章的底部，我们附上了一个有用的数据清洗信息图。在数据分析中常说的一句话是。"垃圾进，垃圾出"。这句话的意思是，你可以在数据分析中投入大量的心思和精力，得出很多结果。但是，如果输入的数据不准确，这些结果就没有任何意义。事实上，这些结果甚至可能是有害的，因为它们会歪曲现实。为什么数据清理很重要？ HR数据往往是脏的。脏数据是指任何包含错误的数据记录。这可能是由不同的原因造成的。最简单的是数据丢失。其他脏数据的例子有：同一工作职能的不同标签、同一人在一个系统中的多个记录、不同系统中的不匹配记录等等。对这些数据进行清理和排序可能是一个耗时的过程。事实上，将所有这些不同的数据源的数据进行汇总，并使其符合要求，可能需要数周甚至数月的时间。这对于国际公司来说尤其如此。这些公司往往使用不同国家的不同系统来记录相同的数据。数据的问题是很容易被弄脏。只要数据采集程序有丝毫的差异，数据就会变得不一致。作为公司，你可以决定一次性清理所有的数据。有些公司选择了这种策略。然而，这可能需要大量的时间。因此，只清理你需要执行特定分析的数据是更明智的做法。这种方法可以避免很多不必要的工作，并能更快地产生结果。根据第一次分析的结果，你可以决定需要清理哪些额外的数据来运行下一次分析。数据清理有助于运行分析的顺利进行。它还有助于正常的人力资源报告，因为清理后的数据可以反馈到人力资源系统中。这将有助于提高数据质量，对后期的数据分析和数据汇总工作极为有利。因此，数据清洗是人力资源分析过程中的必要步骤。数据清洗的过程在清理HR数据的时候，有两点是你需要了解的。第一是数据的有效性，第二是数据的可靠性。当数据不有效或不可靠时，它可能告诉你的东西和你要找的东西不一样。下面的章节将对此进行更深入的探讨。理解这两个术语是很重要的。不过，如果你想找一个更实用的分步指南，可以向下滚动到下一节。有效性有效性是指你是否真正衡量了你需要衡量的东西。考核系统是否只测量个人的绩效，还是（也）测量谁最受经理的喜欢？数据是在整个组织中均匀地收集，还是有这样或那样的倾斜？举个例子。波士顿市做了一个应用程序，他们的司机可以在智能手机上安装。该应用程序将测量道路上的颠簸，并通过GPS报告其位置。这些颠簸被记录下来，然后由城市道路服务部门进行修复。据一位发言人称， "该数据为城市提供了实时信息，它用于修复问题和计划长期投资"。遗憾的是，并不是每个人都能平等地从这个系统中受益。该应用程序主要是由年轻人和较富裕社区的年轻人使用。同时，较贫困的社区并没有平等地获得智能手机和移动数据。这是数据中的一个明显的偏差。（公平性的问题）你可以问自己的问题，以检查其有效性。这些数据是否代表了我们想要测量的内容？我们测量数据的方式是否存在偏差？数据收集的方式是否清晰、一致？数据中是否存在离群点？可靠性可靠性是指反复测量同样的事情并得到同样的结果。当你在上午测量某人的参与度时，你希望得到的结果与下午再测量时的结果相似。这是因为参与度是一种随着时间的推移相对稳定的特质。对于不同的测评人来说也是如此。如果你让比尔和吉姆给温迪的参与度打分，你希望比尔和吉姆都给温迪打出同样的分值。然而，当用来给温迪打分的量表是模糊的，可以有不同的解释，比尔和吉姆很可能会给温迪不同的评价。这就是所谓的评分者偏见，最好避免。这听起来可能很明显，但事实并非如此。通常情况下，报告的数据取决于其他因素，如给出的指示，以及给出评分的人的心情。当我们谈论可靠性时，这就是一个大问题。当不同的人在一天/一周的不同时间，用同样的方法测量同样的数据，是否能得到同样的分数？在这个过程中，程序起着重要的作用。在对绩效进行评分时，如果一个经理考虑的是员工过去六个月的绩效，而另一个经理只考虑过去两个星期的绩效，那么绩效评分很可能会有差异，不可靠。明确记录的程序将有助于不同的经理人以同样的方式衡量绩效。在这种情况下，你应该问自己的问题是：当同一事物被多次测量时，我们是否一致地得出了相同的结果？我们是否使用了有明确记录的数据收集方法？每一次的数据收集说明是否都得到了遵循？一个简单的数据清理检查表前面关于有效性和可靠性的问题可以帮助你分析你的输入数据是否足够准确，以产生可靠有效的结果。你的数据还需要符合其他几个标准。例如，你的数据必须是最新的。过时的数据会产生潜在的不相关的结果，可能会破坏你的结果。此外，你需要检查你是否拥有所有的相关数据：记录经常会丢失。根据您分析数据的方式，这可能会或不会造成问题。有些分析方法允许数据缺失，而其他算法在数据缺失时则会很费劲。数据缺失会缩小你的人群范围。另外，数据缺失的人群之间确实有可能存在共同的相似性。例如，如果一个部门仍然使用过时的绩效管理系统，遗漏了某些问题，这将意味着你将缺乏该部门所有员工的数据。这就会使你的结果严重偏向于其他部门，并威胁到结果的普遍性。这是一份实用的检查表，里面有六个步骤来清理数据。 1.检查数据是否是最新的。 2.检查是否有重复出现的唯一标识符。有些人担任的职位不止一个。系统往往会为每个职位创建单独的记录。因此，这些人最终会在一个数据库中拥有多个记录。根据不同的情况，这些记录可能会被浓缩。 3.检查跨多个字段和合并的数据集的数据标签，看看是否所有的数据都匹配。 4.计数缺失值。当缺失的值在组织的特定部分中占比过高时，它们可能会歪曲你的结果。我们在前面的例子中看到了这种情况。此外，缺失值太多（即数据不足）的分析有可能会变得不准确。这也会影响到你的结果的通用性。 5.检查数字上的离群值。计算出描述性统计数字和量值。这些数据可以让你计算出潜在的离群值。最小值和最大值是一个很好的起点。此外，您还可以计算出区间范围。您可以通过将量值3（Q3）和Q1之间的差值乘以1.5来实现。这个结果可以加在Q3上，再从Q1中减去。超出这个范围的值被认为是离群值。这篇维基百科的文章详细介绍了如何做到这一点。 6.定义有效的数据输出，并删除所有无效的数据值。这对所有的数据都是有用的。对字符数据进行明确的定义。例如，性别被定义为M或F，这些都是有效的数据值。任何其他值都被假定为无效值。这些数据可以很容易地被标记出来进行检查。通过使用本指南，您将能够找到大多数数据不一致的地方。提示：始终仔细查看您的干净数据，您可能会发现自己遗漏的东西。祝好运！以上由智能的AI翻译完成，仅供参考。来自AIHR 作者：Erik van Vulpen

人力资源分析
2020年05月03日
人力资源分析

什么是人力资源分析？定义、重要性、关键指标、数据需求和实现文/ Puja Lalwani 分析是指对有助于决策和性能改进的数据模式的解释。人力资源分析衡量人力资源指标的影响，如雇佣时间和保留率，对业务绩效。人力资源是一种以人为本的功能，是大多数人都能感知到的。但对于那些认为人力资源团队的贡献仅限于提供求职信和新员工入职的人来说，人力资源分析可能证明他们错了。当战略上使用分析时，它可以改变人力资源的运作方式，以一种更加积极的方式，给人力资源提供洞见，并允许它为组织的底线做出贡献。如果你想开始人力资源分析，这里是你可以开始的地方。目录第一部分:什么是人力资源分析? 1.人力资源分析、人力分析和劳动力分析:它们有什么区别? 2.人力资源分析如何驱动业务价值? 第二部分:人力资源分析衡量什么指标? 第三部分:人力资源分析工具需要什么数据? 1.内部数据 2.外部数据第四部分:如何开始人力资源分析 1 .建立集体心态 2.引入数据科学家 3.从小事做起 4.获得法律团队的批准 5.选择一个人力资源分析解决方案第五部分:那么，你应该投资人力资源分析解决方案吗? 第一部分：什么是人力资源分析? 为了理解人力资源分析的本质，并解释它是如何影响企业绩效的，我们请了全球人力资源分析与规划解决方案战略副总裁、SAP SuccessFactors首席专家Mick Collins为我们进行了分析。 “人力资源的作用- -通过管理组织的人力资本资产- -将影响四项主要成果:(a)产生收入，(b)尽量减少开支，(c)减少风险，和(d)执行战略计划。 “人力资源分析是一种方法，它可以让人们了解对人力资本资产的投资如何促成上述四种结果的成功。这是通过将统计方法应用于综合人力资源、人才管理、财务和运营数据。” 1.人力资源分析、人力分析和劳动力分析：它们有什么区别? 人力资源分析、人力资本分析和劳动力分析的区别术语HR analytics、people analytics和workforce analytics通常可以互换使用。但是每一项之间都有细微的差别。它将帮助您了解差异，以便能够评估与其功能最相关的数据。人力资源分析:人力资源分析专门处理人力资源功能的指标，如招聘时间、每位员工的培训费用和晋升前的时间。所有这些指标都由HR专门管理。人力分析:人力分析，虽然作为人力资源分析的同义词使用很方便，但在技术上适用于一般的“人”。它可以包括任何组织之外的个人团体。例如，术语“人员分析”可能应用于分析组织的客户，而不一定仅限于员工。劳动力分析:劳动力分析是一个包罗万象的术语，专门指一个组织的员工。它包括现场员工、远程员工、零工工人、自由职业者、顾问，以及在组织中以各种身份工作的任何其他个人。在HR上下文中，一些劳动力分析指标和HR分析指标可能重叠，这就是为什么这两个术语经常被用作同义词。两者的目标也可能是相同的。例如，关于员工生产力和绩效的数据为人力资源和劳动力分析提供了信息，目标是提高保留率和增强员工体验。 2.人力资源分析如何驱动业务价值? HR可以访问有价值的员工数据。如何使用这些数据来支持组织中的更改? 有很多关于在员工体验中复制消费者体验的讨论。从本质上讲，与消费者行为和心态相关的数据可以为利用这些因素实现销售最大化的策略提供信息。类似地，通知HR功能的数据可以用来改进员工体验，进而最大化业务结果。 Collins提供了一个如何利用人力资源分析来提升商业价值的例子。“人力资源分析可以用来衡量重新杀戮的投资，这将提供正确的能力，支持新的收入模式，在销售结果出现时，利用数据驱动的洞见来修改培训内容。”“这是决定性的粒状数据，它不仅能影响底线，还能改变组织中的员工敬业度。” “因此，”柯林斯继续说道，“你可能会认为人力资源分析的‘投资回报率’是通过使用数据进行人才决策来增加业务价值。” 第二部分：人力资源分析衡量什么指标? 人力资源分析测量的常用指标几个人力资源指标对业务价值有贡献，但是度量这些指标时的关键问题是:业务需要什么?这个问题最好的答案是和商界领袖交谈。管理层和人力资源主管之间的战略协作将有助于确定人力资源分析策略。基于组织的关键绩效指标(KPI)， HR可以提出能够影响这些KPI的指标。值得注意的是，高管们清楚地看到了分析需求与分析对公司利润的影响之间的联系。作为一名人力资源从业者，您将需要构建一个案例，说明为什么跟踪与公司人员相关的指标是至关重要的。例如，管理层可能对自愿离开公司的人数不感兴趣。他们可能感兴趣的是，这些员工中有多少人担任战略职位或拥有高技能，他们的就业时间，导致他们离职的原因，替换这些员工的成本，以及最后，所有这些事件如何影响公司利润。以下是人力资源分析跟踪的一些常见指标: 1）员工人均收入:将公司收入除以公司员工总数。这表示每个员工产生的平均收入。它衡量的是一个组织在通过员工创造收入方面的效率。 2）Offer acceptance rate (Offer acceptance rate):接受正式工作邀请(非口头)的数量除以某段时间内提供的工作邀请总数。较高的比率(高于85%)表示一个良好的比率。如果低于这个数字，这些数据可以用来重新定义公司的人才收购策略。 3）培训效率:通过对多个数据点的分析，如员工在培训后的绩效提升、考试成绩、员工在组织中的角色向上转换等。 4）每名员工的培训费用:培训总费用除以接受培训的员工总数。 5）自愿离职率:当员工自愿选择离职时，就会发生自愿性离职。它的计算方法是将自愿离职的员工人数除以组织中员工总数。 6）非自愿离职率:当一名员工被解雇时，被称为“非自愿离职”。“离职率的计算方法是将非自愿离职的员工人数除以公司员工总数。 7）招聘时间:从发布招聘启事到招聘某个人填补该职位空缺之间的天数。 8）招聘时间:从接近应聘者到被录用之间的天数。 9）旷工:旷工是一种生产力指标，用缺勤天数除以计划工作天数来衡量。旷工可以洞察员工的整体健康状况，也可以作为员工幸福感的一个指标。 10）人力资本风险:这可能包括雇员风险,如没有特殊的技能来满足的一种新型的工作,缺乏合格的雇员担任领导职位,潜在的员工离开工作基于几个因素,如与经理的关系,赔偿,缺乏一个明确的继任计划。第三部分:人力资源分析工具需要什么数据? 常见的数据源人力资源分析解决方案一般来说，人力资源分析工具需要的数据分为内部数据和外部数据。数据收集的最大挑战之一是收集正确的数据和高质量的数据。 1.内部数据内部数据是指从组织的人力资源部门获得的数据。核心人力资源系统包含几个数据点，可以用于人力资源分析工具。HRIS系统包含的一些指标包括: 1) 员工任职期间 2) 员工薪酬 3) 员工培训记录 4) 绩效考核数据 5) 报告结构 6) 关于高价值、高潜力员工的详细信息 7) 对雇员所采取的纪律处分的详情这里唯一的挑战是，有时这些数据是断开连接的，因此不能作为可靠的度量。这就是数据科学家可以发挥重要作用的地方。他们可以组织这些分散的数据，并创建相关的数据点，这些数据点可以用于分析工具。 2.外部数据外部数据是通过与组织其他部门建立工作关系而获得的。来自组织外部的数据也很重要，因为它提供了一个全局视角，而使用来自组织内部的数据则不能。 1) 财务数据:在任何人力资源分析中，全组织的财务数据都是计算的关键，例如，每个员工的收入或雇佣成本。 2）特定于组织的数据:根据组织类型及其核心产品(产品或服务)，HR需要补充分析的数据类型会有所不同。例如，柯林斯说:“全球零售商的人力资源主管应该用商店收入、成本和客户体验数据来为他们的分析引擎提供动力，而建筑公司的人力资源主管可能会追求运营数据——健康和安全——以及与或有劳动力成本相关的数据。” 3）来自员工的被动数据:员工不断地提供数据，这些数据从他们获得工作的那一刻起就存储在HRIS中。此外，他们在社交媒体上发布的帖子和分享以及反馈调查的数据可以用来指导人力资源数据分析。 4）历史数据:几个全球性的经济、政治或环境事件决定了员工的行为模式。这些数据能够提供有限的内部数据无法提供的洞见。例如，2008年的经济衰退是一场全球性事件，它改变了员工对工作或“工作”的看法。随着人们不断失业，自由职业者、初创企业和零工经济开始腾飞。来自这样一个关键历史事件的数据可以帮助预测未来劳动力对类似变化的反应。然后，它可以用来确定当前劳动力的趋势，并预测自愿和非自愿的人员流动。第四部分:如何开始人力资源分析完整的人力资源分析周期对于那些热衷于使用人力资源分析来进行基于数据的决策的HR领导者来说，这里有一些建议: 1 .建立集体心态在操作和数学方面开始工作之前，HR领导者必须让他们的团队和组织为分析驱动的工作流做好准备。虽然与管理层讨论分析的必要性是变更的一部分，但是另一部分是让您的团队准备好处理他们现在将用于度量变更的数据量。这是数字化转型的一个关键方面。让团队从小型项目开始，并要求他们创建报告，以便与业务领导人讨论，这是一个很好的开始方式。 2.引入数据科学家数据科学家将成为人力资源团队不可或缺的一部分。它们最适合评估分析解决方案的可行性。它们还可以保证统计建模和预测的鲁棒性。正如柯林斯所说，“数据科学家将在创建跨人力资源的分析文化方面发挥宝贵的作用。随着人力资源业务合作伙伴和多面手的角色不断发展，包括数据策略、分析和沟通等技能(阐明‘科学背后的故事’)，数据科学家将充当教练，指导整个人力资源部门的同事如何理解和应用这些洞见。” 3.从小事做起要使涉众相信人力资源分析可以驱动业务价值，一个很好的方法是首先成功地实现一个小项目。这些项目被称为“速成”，可以在短时间内产生切实的成果，并具有很高的影响力。 4.获得法律团队的批准人力资源分析使用的数据收集类型在很大程度上受法规遵循的控制。在实施人力资源分析解决方案时，需要考虑的一些法律因素是: 雇员私隐及匿名员工同意收集的数据的数量和类型建立数据收集的目标并通知员工使用第三方软件运行人力资源分析时的IT安全性人力资源分析供应商的位置——数据将存储在哪里——以及他们是否遵守当地法律与您组织的法律团队合作，确保遵守道德规范和遵从性规范。 5.如何选择人力资源分析解决方案任何大规模使用的人力资源分析解决方案都必须具有特定的组件。人力资源分析解决方案的关键特性 1. 他们回答高管们提出的商业问题。这可能要求您投资于解决每个问题的解决方案，从而导致投资于针对每个问题的粒度数据的多个分析解决方案。或者，您可以选择一个可以评估多个指标来回答每个业务问题的解决方案。 2. 它们很容易被非数据科学家的个人使用。为非专业人员创建的可访问解决方案是理想的，因为他们希望在不中断数据科学家的工作流的情况下评估任何一个或多个指标。 3.它们是基于云的，而不是基于本地的。基于云的解决方案还可以在不需要大量IT集成的情况下帮助访问。这赋予HR在需要时使用解决方案的自主权。 4. 它们具有统计分析和机器学习技术。大数据平台需要以机器学习和自然语言处理为动力的先进数据管理系统。这使得该技术能够自主学习和推理，揭示数据科学家可以分析的见解。 5. 它们基于预测分析。“(预测分析)是从现有数据集中提取信息，以确定模式和预测未来结果的做法。分析师使用统计方法来预测未来的替代选择——当前的离职率是否会继续以同样的速度增长，还是会随着就业市场的走强而出现离职潮?”科林斯解释道。 6. 它们具有可视化技术。大量数据的可视化表示可以更好地理解趋势和事件。通过分析引擎处理的复杂数据需要高级可视化软件，因为它不能用简单的图表和演示文稿来表示。 7. 它们可以通过订阅模型获得。软件即服务(SaaS)平台的订阅模型非常有用，因为它们很容易让您访问最新的技术升级。它们还消除了购买分析解决方案的大量前期费用，并且可能是一种更节省成本的分析投资方式。第五部分:那么，你应该投资人力资源分析解决方案吗? 人力资源分析提供了一些毋庸置疑的好处。它使人力资源团队能够显著地简化流程，从而降低成本、减少损耗，并因此提高底线。通过任务自动化，您可以自由地创新和探索人力资源的人力方面，而不必花费时间跟踪来自多个源的海量数据。总的来说，使用人力资源分析可以改善员工体验，直接转化为业务结果的改善。然而，人力资源分析也带来了一些真正的挑战。正如柯林斯告诉我们的那样，“尽管人力资源部门对预测式人力资源分析的应用很有野心，但我最近采访的两位人力资源主管说，‘我们希望能够预测一切!“分析如何成为人力资源核心竞争力的愿景受到有限消费(洞见仅在人力资源的四面墙内共享)和行动(研究不会导致项目变更或新的投资)的限制。”仍有许多进展需要取得。” 此外，由于数据在整个组织中是竖井式的，关于实现分析目标的讨论也不清楚，HR对分析所需的有价值的数据常常没有得到充分利用。挑战在于等待实际结果。预测分析可能至少需要24个月的时间来显示有意义的结果。所以，现在是时候开始人力资源分析了。作为一名人力资源从业者，通过向关键的利益相关者提出强有力的业务案例，您可以利用分析的力量成为为业务做出贡献的战略业务伙伴。您的组织是否计划实施人力资源分析? 以上为AI翻译，内容仅供参考原文链接：What Is HR Analytics? Definition, Importance, Key Metrics, Data Requirements, and Implementation

人力资源分析
2019年05月27日
人力资源分析

HR中的Prescriptive Analytics是什么？文/Chiradeep BasuMallick 从静态到描述性再到预测性，人力资源分析已经走过了很长的路。现在，我们正处于下一个转折点，围绕规定性分析和它对人力资源的作用展开讨论。我们分享埃森哲报告中的见解，并考虑一位工作日的商业领袖要说些什么。在过去的几年里，分析已经成为人力资源部门的一个主要流行语。从简单的静态报告，HR团队现在期待着部署各种分析模型并做出更好的HR决策。在当今可用的各种分析技术中，描述性分析可能是最常见的(它告诉我们事件发生的原因)，而预测性分析是最常被谈论的(它阐明了接下来会发生什么)。第三个类别是规范性分析，这还处于讨论的初级阶段。说明性分析结合了静态模型和描述性模型的历史功能，并具有前瞻性。因此，用户不仅可以了解接下来会发生什么，还可以了解他们下一步应该做什么。虽然这在理论上听起来很有希望，但研究表明，关于规定分析的讨论还没有开始。什么阻碍了Prescriptive Analytics在人力资源管理中的应用规定性分析已经被Netflix和Spotify等科技颠覆者应用于媒体和娱乐领域。该技术处理海量的消费者数据流，查看过去的使用模式，预测未来的需求和偏好。然后，说明性层介入，建议应该显示哪些建议，如何定制特定的促销活动，以及是否可以部署任何特定的消息来吸引用户。在HR中，这可以转化为数据驱动的劳动力计划策略，其中分配、优化和添加(招聘)的每个元素都由预定义的路线图指导。然而，当前的劳动力规划策略往往依赖于数据不足和遗留工具。应用规定性分析的机会是巨大的。它将有助于整合新的数据流，使雇主能够超越对未来趋势的全面了解，并实际识别未来的动向。考虑到这些好处，理想情况下，公司应该尽早采用并探索规定性分析如何转变它们的人力资源功能。但对数据质量的担忧，以及这项技术的颠覆性影响，阻碍了这项技术的实施。垃圾输入/垃圾输出原则意味着，通过规定的分析生成的洞见只与输入其中的数据一样好。没有上面讨论的基本分析功能(静态的、描述性的，然后是预测性的)的公司会发现很难跨出这一步。另一个问题是，必须仔细评估和调整规定性分析输出，以确定最相关的操作领域。对于缺乏内部数据科学能力或强大战略人才的公司来说，这可能是一个具有挑战性的过程。关键用例及前进方向埃森哲(Accenture)在一项发人深省的研究中发现，应用规定性分析可以帮助企业找到其现场员工表现更好的领域，为公司带来更多利润。虽然这在理论上听起来很简单，但该模型分析了4500多名现场工程师、300万件设备和7种产品，在超过12000种潜在场景中找到了可操作的见解。这项计划的规模和特殊性是巨大的——规定性分析能够将数据栈分解为最细粒度的细节，从而为处理无数工作场景提供建议。从员工计划到内部调动，从制定培训计划到激励方案，说明性分析可以颠覆所有现有的模型。 “就像Netflix的商业模式一样。它根据我们过去看过的电影来预测一部电影，”Workday、澳大利亚和新西兰董事总经理罗布•威尔斯(Rob Wells)表示。就像亚马逊或Netflix的推荐一样简单，所有这些推荐都可以通过一个简单的界面轻松地传递给经理们——无需IT或数据分析师的帮助。“为了使这一愿景成为现实，克服之前详述的挑战，我们需要在技术、创新方面取得重大进展，并集中精力改善所有规模雇主对人力资源技术的可及性。” 以上为AI翻译，内容仅供参考原文链接：What is Prescriptive Analytics in HR?

人力资源分析
2019年04月11日

12 3 》