People Analytics 的发展趋势及对HR的启示

易路特邀专家

罗粤海Jeff

英国杜伦大学 (Durham University) MBA

CONTENT100  IP大咖网蓝社区HR大咖

罗粤海先生现任某跨国公司亚太区人才发展及薪酬总监，在跨国公司人力资源领域有近20年专业经验。曾荣获2016年度中国人力资源先锋奖和2019年中国人力资源100人。 

罗粤海先生在人力资源各模块，组织与人才发展，领导力开发等方面有丰富的理论与实战经验，在设计跨部门和跨国家领导力发展项目，绩效管理创新和人才学习发展项目方面有着许多成功案例。

People Analytics是什么？ 

2007年谷歌首创“People Analytics”一词并在人力资源部门设立了专职的People Analytics团队。People Analytics，中文译作人力资本分析，人力分析，或劳动力分析，是以组织的人才管理为起点，通过计算机技术、数学和统计学方法，描述性技术和预测模型，从内部和外部的人才数据中获取有价值的信息，分析和预测整个组织的员工行为，为决策提供依据，建议或指导。

为什么People Analytics日益重要？

近90%的组织不同程度地使用人力资本分析。越来越多的组织看到了将数据洞察用于决策的价值并设立了专职的人力资本分析团队。过去一年，新冠疫情加速了企业和人力资源的数字化转型，同时也带来了人力资本分析的新的发展和趋势。这些趋势未来几年将在塑造组织未来方面发挥重要作用。

随着数字科技的快速发展，组织和人力资源日益数字化，我们在工作中所做的一切几乎都可以衡量。比如，员工的日常行为、注意力、幸福感和身心健康，以及更广泛的业务运营。人力资源团队拥有比以往任何时候都更多的数据以及更多洞察的潜力。以数据驱动和人力资本分析为依据的人力资源团队可以更好地理解和评估人员的业务影响，改进管理层的人员决策，使人力资源流程和运营更加高效，所有这些都会对组织实现其战略目标的能力产生重大影响。

People Analytics趋势一：从描述性分析到预测性分析

目前，许多人力资源部门使用描述性分析来解释人力资源决策。比如人员流动率，高潜人才在各职能部门的分布，平均招聘时间等。下图为典型的人力资源仪表盘的一部分，记录了各部门的人数和员工变动情况，包括招聘，离职，升职，转岗等描述性信息。 描述性分析让我们了解已经发生的事情，它虽然很有用，但不能告诉我们接下来会发生什么。在处理和影响员工行为方面，如果能够根据数据预测未来事件，将会给人力资源管理带来巨大的优势。

试想，通过预测性分析，你可以判断：潜在候选人是否适合你的组织文化？预估一个员工能在公司待多久？预测高绩效员工流失带来的风险……那该有多棒！

组织通过引入或设计预测性分析工具和模型，可以大幅提高人力资本分析的效能，从而为决策提供强有力的依据。

许多互联网企业使用人工智能算法实现预测性分析，更多企业通过分析历史和实时数据预测未来。例如，某企业通过深入分析业务数据和员工流动率之间的关系，发现每个高绩效销售人员的流失，会给企业造成近500万元的直接损失。据此，企业重新设计了富有竞争力的销售薪酬体系和培训体系，大幅降低了销售团队的流动率，提升销售团队的敬业度。对销售薪酬体系和培训体系的有限投入带来了可观的业务收益。

People Analytics趋势二：从任务型分析到即时分析

数字化浪潮之前，许多人力资源数据常常是通过年度的项目获得，如年度敬业度调研，年度绩效评估，年度人才盘点等。

人力资本分析工作或是基于年度项目结果，或是从解决特定问题开始。后者通常是先制定一个问题，如怎样提高我们的员工敬业度；然后通过调研，采访等方式，收集数据，产生分析报告；最后设计后续项目。

随着企业和人力资源的数字化转型，许多人力资源流程和项目通过数字化方式实现，人力资源数据可以持续追踪和即时获取。即时的人力资本分析可以随时为企业的战略执行、业务发展和变革管理提供准确的数据支持。

比如随着近年来敏捷绩效管理的兴起，越来越多的企业从一年一次的绩效评估转变为频繁的绩效对话和即时的绩效反馈。绩效对话和即时绩效反馈通常通过数字平台实现或记录追踪。由此，组织范围即时的绩效追踪, 绩效分析和绩效预测成为人力资源团队工作日程的一部分。

例如，GE的员工通过叫做PD@GE的绩效管理手机APP获得工作目标清单，经理人通过PD@GE随时给与员工反馈，员工则通过PD@GE即时寻求反馈和帮助。而人力资源团队可以即时提取APP数据，利用实时数据分析来识别当下员工绩效的驱动因素，提供即时可操作的信息，帮助管理者做出晋升、薪酬、技能发展和职业发展等方面的决策。

People Analytics趋势三：从个人效能分析到组织效能分析

过往，许多人力资本分析模型关注员工个人。

这些模型的问题陈述通常是：高绩效员工的特征是什么？如何衡量员工的个人经验？我们如何提高员工的生产力？而现在许多组织正通过关注人力资本分析来帮助改进整个组织的效能。组织网络分析（Organizational Network Analysis，ONA）是这些组织使用的重要分析技术。

包括微软在内的众多软件企业纷纷进入爆炸式增长的组织网络分析工具市场。ONA通过结构化的方式，将组织中的沟通流程、信息收集方式可视化，分析组织中的正式和非正式关系。我们以某团队为例简要说明ONA的价值。传统的组织结构图（下图左）显示团队的正式结构，但并未揭示团队运作的真相。通过组织网络分析（下图右），我们发现团队隐形的真正的工作关系，谁在与谁交流，谁在与谁互动，谁是沟通，信息流动和团队绩效的核心关键点。由此，组织网络分析为人力资源和管理层提供了决策需要的洞见。

（图片来源：www.robcross.com）

ONA的应用广泛，如组织重新设计，推动企业文化变革，提升团队效率，促进组织创新等。例如，通用汽车利用ONA推动创新。他们利用其ONA来识别员工关系中的模式，识别对创新和产品设计具有最高影响力的员工群体，让他们在项目中共同工作。通过ONA，通用汽车推出了新的创新产品，如Maven和Book by Cadillac。

People Analytics趋势四：从提供分析数据到用故事讲述分析结果

故事催化行动。充分发挥人力资本分析的洞察力有赖于有说服力的故事讲述。

虽然孤立的数据可以提供特定时间特定地点发生的事情的快照，但孤立地谈论数据点无助于领导者有效地制定战略。因此，人力资源专业人员越来越需要能够将数据转化为决策者能够理解并采取行动的案例。例如，如果招聘失败数在上升，“故事讲述者”可以汇集各种数据点，以了解该问题的更全面情况：

  新员工调研能否显示新员工的真实感受？是否存在危险信号？

  某些招聘渠道是否对平均的失败招聘负责？

  离职面谈数据是否揭示了人们为什么要离开？

  哪些业务部门或工作职能受影响最大？

  招聘失败的成本是多少？

员工行为不是静态的。相反，他们受到诸如不断变化的社会人文环境，工作环境，工作期望和个人挑战等因素的驱动。通过讲故事来解释员工数据，有助于将变量联系起来，为持续和新出现的挑战提供以员工为中心的解决方案。

People Analytics的趋势对人力资源专业人员的启示

• 提升数字化和数据分析技能

毫无疑问，随着人力资本分析的蓬勃发展，建立数字和数据分析能力成为人力资源专业人员的一个越来越重要的目标。

比如，为了确保员工得到所需的培训，必须先了解员工已经具备哪些技能，这需要访问干净、全面的数据集。除了数据必须保持最新，必须足够详细外，如何解读数据以描述员工的实际能力则是更高的能力要求。具体而言，人力资源专业人员需要提升四种数据能力以成为真正的数据分析专家：

  数据整合能力：从大量内部和外部筒仓数据及彼此不集成的数据工具中找出关联并整合

  数据优化能力：从大量数据中筛选出针对人才管理生命周期各个阶段的正确的信息

  分析专业技能：除了汇报数据外，创建数据故事并将其转化为推动业务成果所需的合格资源

  预测性洞察能力：从大量数据中确定能够预测未来员工行为和组织需求的趋势并提出洞见

• 从组织的高度看待和应用People Analytics

人力资本分析帮助人力资源专业人员做出以数据为依据的决策，以最佳方式支持业务和员工。

同时，人力资本分析对企业也越来越有价值，在组织设计、生产力、创新等方面发挥着日益重要的作用。人力资源专业人员需要提升数据商（Data intelligence）, 更加了解数据。这并不意味着需要掌握更多更详细的数据，而是需要更加自信地与业务部门讨论数据，同时与组织中不同分析团队之间的更多合作，将人力资本分析数据集向非人力资源数据（如财务数据，市场数据，运营数据等）扩展。

• 从员工体验出发看待和应用People Analytics

员工体验包括员工从入职到离职的整个周期中与组织的互动，员工体验与敬业度和绩效直接相关。

埃森哲表研究显示，员工敬业度高的公司比敬业度差的公司利润高21%。David Green在他的人力资本分析专著中指出，员工体验是人力资本分析的最大机会。人力资源专业人员需要从关注孤立的人力资源资源职能 （如招聘，入职，薪酬，培训等）转向更全面地关注员工体验，将人力资源各个流程整合成连贯的战略，使用数据分析改进和调整这些过程。 通过整合和分析各种来源的数据，深入了解员工的动机，改善员工体验，提高员工的参与度、幸福感、绩效和保留率。