021-65981190
首页 企掌道学习平台 面授及内容 课件定制 混合式学习 运营服务 解决方案 培训+AI解决方案 零售行业解决方案 保险行业解决方案 新员工解决方案 销售人才解决方案 客户案例 免费体验 关于我们 关于思创 新闻中心 联系我们
公司新闻行业新闻
公司新闻行业新闻

人才分析的优先级管理:罗氏公司案例

发布时间:2024/06/17 10:01:38   Click:

近年来,数据分析在HR领域开始得到重视。然而,国内公司当前对于数据分析的理解,仍然停留在KPI的展示、人效分析和分类预测的范畴内,把员工当作了实现公司目标的“手段”。我们需要突破“人力资源”的概念壁垒,从HR Analytics 走向People Analytics(下文简称“PA”),将重心放回到员工作为人的“目的”中来,在完成公司目标与愿景的同时,助力员工自我价值的实现。


作为HR部门领导者,本文可以帮助你了解“为什么一个你需要一个PA团队?PA最值得投资的模块是什么?”;作为HR分析团队负责人,你可以了解到“在人力资源分析领域遇到瓶颈时我该怎么办?怎么把PA团队做大做强?”;对于人力资源分析专家,你可以了解到“大家都在做什么?有什么项目案例值得我参考?”。


HR Analytics的内卷之路


传统的人力资源分析(HR Analytics)主要有以下四个方向:第一,基础报告,如员工名单、入离职、转岗名单等;第二,KPI仪表板,可展示当前重点KPI的可视化仪表盘,能够规模化部署和推广;第三,专题分析咨询,使用系统已有的数据进行分析,对于HRBP提出的业务相关问题去做简单的假设检验或数据对比;第四,数据科学,搭建一些预测模型,如离职预测,通过该模型可以制定关键人才保留的行动计划。这需要其他部门的支持和一同推广,通过预测模型来完成业务和人事的决策也必须构筑在信任的基础上。


内卷化的HR Analytics


团队通过观察发现,人力资源分析领域在经历了初期的发展后遇到了一些瓶颈,逐渐出现了“内卷”的情况。在基础设施建立和完善以后,原本的资源投入方式所产生的边际效应逐步降低,甚至会因为方法不当产生负效应。蒋老师从价值和成本两方面入手,通过波士顿矩阵的方法将人力资源分析的四大工作内容展现在了图1中。其中○代表了人力资源分析的现状,以专题分析咨询为例,它成本虽然不高但仍具有一定的价值。△代表了人力资源分析在市场上的趋势,在数据科学领域遇到了困难,基础报告领域维持现状。也许是出于对全球化时代以来经典发展路径的依赖,专题分析咨询逐渐偏向人效分析。人效分析带来的价值仍然值得商榷,但其复杂度却显而易见:要将不同业务系统与HR系统的数据进行关联、清洗以获得可供分析使用的数据集。KPI仪表板则朝着精致的仪表板转变,但精致的外观并没有增加有效的信息和洞察,在提供相同价值的情况下,其制作成本大大增加。


波斯顿矩阵1

图1 波士顿矩阵(1)


健康发展:从HR Analytics到People Analytics


如果只是将员工当做资源来看,就会把自己局限在人力资源管理的分析中,而向人才分析转变,则是需要将员工当做一个完整的、有需求的人去看待。这种转变将会减少重复性工作,并为管理者提供更有价值的洞察,切实地将资源投入转化为价值,增加管理层在这一领域内的投资意愿。


基础报告虽然本身价值和成本均不高,但出于数据安全和个人信息保护的需要,仍维持原状。KPI仪表盘要朝着规模化和自动化部署转变,减少人力维护成本。专题分析咨询则更关注是否能达成决策,需要拒绝仅出于好奇而没有后续落地跟进的分析。数据科学需要能够应用和落地,虽然在成本上需要更大的投入,但一定会换取丰厚的价值。引入行为学实验可以解决决策难题,但其具有周期长、投入大的特点,在投入之前需要选取价值足够高的实验。总之,人才分析的工作主要聚焦在基础报告、规模化自助服务、决策导向的咨询、应用数据科学、行为学实验几大方面(如图2)。


波斯顿矩阵2

图2 波士顿矩阵(2)


从人力资源分析转向人才分析,虽然需要持续的投入,但可以获取更多的价值,较高的边际收益能够增加管理层的投资意愿。


HR Analytics与People Analytics的区别

图3 HR Analytics与People Analytics的区别


People Analytics案例


职级推荐系统——应用数据科学帮助决策


在转型过程中,罗氏全球新开设了大量的岗位,因此职级评定的工作量在近几年中一直居高不下,经常需要薪酬分析师去根据岗位描述(JD)推荐内部职级,如果结果和业务的预期有差异,还需要更多的沟通。在此情况下,项目组和薪酬部门合作,使用过去岗位描述与职级的匹配关系,训练了职级推荐模型。薪酬分析师只要复制粘贴JD就可以获得系统自动推荐的职级区间以及最佳职级,加速了职级评定的流程。同时,我们也对用户的使用反馈进行采集,对模型进行后续训练。


职级推荐模型后台使用了一个核心NLP模型生成岗位职级区间推荐和八个辅助NLP模型进行交叉验证。总计8000条历史数据被对半分成测试集和训练集,模型在测试集上实现了最佳职级75%的准确率和职级区间近90%的准确率。项目组希望通过该模型更精准地进行职级评定,减少不必要的沟通,提高工作效率。


罗氏 People Analytics 的工作模式


罗氏的PA团队发展至今,需求已经远大于团队成员的工作承载能力。有更多的同事看到了PA团队的价值,不断地提出更多的项目和产品需求。PA团队对于大量的需求,会先评估优先级再进行产品开发。团队主要通过以下四个维度评估优先级:战略契合度、影响力、风险、成本,根据价值高成本小、价值高成本高和价值小成本小这三类排序去进行项目的管理和规划。


产品开发优先级

图4 产品开发优先级


来源:人力资源智享会

作者:蒋漪昀