人力分析:算法会取代人力资源的批判性思维吗?

10月20日,2021年 -14分钟阅读

人分析传递-A-简历围绕头表

跳转到节

什么是人力分析?

为什么人们分析数据HR很重要?

人力分析的好处

使用人分析的挑战

如何实施人员分析

人类分析的未来

什么是人力分析?

人力分析是一门跟踪、理解和利用人力数据来更好地理解和管理业务以实现其目标的艺术。而人力资源分析是对传统的人力资源系统指标和重点上人力资源组织和流程比如招聘时间或离职率等,人力分析的范围要广得多。人力分析的重点是业务,而不是人力资源机构。

人们分析可以从员工包括大家给客户。它考虑到了,为什么每个接触点背后的人与你的品牌。从谁申请未平仓合约的价值客户从你的产品得到量的人数,每一个指标告诉你是多么有效,你做了什么故事。

人们不应该像数字处理。然而,统计分析是跟踪哪些事项你的人的重要途径。不幸的是,许多组织缺乏数据和认识,他们以密切关注他们的措施的成效需要。要建立有意义的变化,需要对数据进行预测,积极进取,具有战略意义。

为什么人们分析数据HR很重要?

人力分析是关于了解员工表现及其如何影响业务目标的所有方法。传统上,数据较少关注幸福感,而更多关注直接影响底线的“硬”数字。然而,理解幸福是理解生产力的秘诀。

当你在员工健康带来的非流通为贵公司的成功,你深入了解的大局观。这些数据可以作为在缺少交货期限的风险预测倦怠,团队冲突,或部门的一种手段。周到,以人为本的分析指导主要的商业策略包括知道何时——以及如何——介入,以及人事/招聘决定。它对理解协作发生的方式和地点有很大的影响,并且可以用来调整实践和系统以鼓励更多的协作。

如果你想到员工之旅与客户之旅相似,你会立即注意到分析在这两个过程中的重要性。无论是客户-供应商关系还是员工-雇主关系都不应该是事务性的。我们知道客户流失的成本员工流动率对生意的影响。这些关系需要培养才能茁壮成长,但为了培养,我们必须了解是什么让它们起作用。

在过去的几年里,分析在流行和必要性上都有所上升。人的分析领域已经存在了十多年,但它的早期阶段看起来非常不同。起初,公司追踪的是薪资、休假时间和任期等基本指标。当公司开始问“为什么?”

inclusive-leadership-report-cta

我们知道,在问了十年之后,投资于员工的幸福——不仅仅是人类,而是- 是我们公司培养他们的生产力,动机和成功的关键。什么人分析的新方向旨在赛道的体验我们的粒度工作场所的文化.哪些经历,哪些倡议,哪些对话对我们工作场所的成功影响最大?

分析是创新的诊断工具。随着对话的深入,越来越多的公司声称已经找到了一夜之间转型的答案。但改变不是一夜之间发生的。这就是为什么一个可靠的人分析平台是清除真相的关键——当我们没有正确对待事物时,停滞的根本原因就不会被发现。

人力资源加入分析革命研究人员发现,“超过80%的受访者表示,他们需要与人才相关的洞察力来做出商业决策。”然而,大多数公司缺乏这方面的数据,而是依靠“招聘经理和人力资源专家的直觉”来决定招聘谁。这种策略对公司没有好处,因为没有可靠的方法来确保人力资源找到最好的候选人或最大限度地留住员工。但它也凸显了一些令人不安的社会影响,因为这种招聘方式提供了机会没有对隐性偏见的隔离对公司或其招聘团队而言。

人才的获取和保留是提高和稳定企业绩效的关键部分。有针对性地洞察如何吸引并留住合适的人才,对于任何形式的可持续增长都至关重要。

人分析的前瞻性,在数据上,平板

人力分析的好处

只要有公司在寻求发展,就会有人对数据感兴趣。但人类成长的本质在某些方面是可以预测的,而在另一些方面则是神秘的。细致入微地理解人员分析提供了数据背后的故事。它有助于以一种易于理解和讨论的方式证明和指导业务决策。

  • 将劳动力决策与业务结果联系起来
  • 提高对人才计划、福利、学习和发展如何影响你的员工和你的业务的理解
  • 提高了员工敬业度和保留
  • 提供了更深入的洞察什么是有效的和为什么
  • 有助于精简人才管理
  • 提高生产力和效率
  • 为数据提供上下文
  • 通知内容未来发展方向

使用人分析的挑战

收集数据,并计算出它的意思。看起来很简单,对不对?在数据分析 - 在任何科学的过程 - 你需要有合适的团队分析回答正确的问题。换句话说,如果你不是故意的,你想要什么样的信息收集和你想学什么明确的,数据采集不会帮助你多少。

为了最大限度地利用人员分析,积极主动而非被动是有帮助的。从您心中的问题开始,跟踪与这些目标最密切相关的指标或关键性能指标。分析可能看起来枯燥乏味,但你追踪的数据与公司的价值密不可分。

以下是一些关于人员分析的常见问题:

  • 数据不一致、无用或不充分
  • 没有人真的确定如何解释这些数据
  • 结果表明,有些事情需要努力,但你似乎无法超越它
  • 公司不确定哪些平台最适合他们的需求
  • 人们试图让算法做所有的工作,却没有分配足够的人力监督
  • 在整个组织中对分析相关的理解或能力有限,需要发展分析技能(解决问题、统计、数据可视化)以及性能和操作专业知识来解释数据

收集到的数据的质量一次又一次地成为一个关键点。这是无法回避的——正如俗话所说,“垃圾输入就是垃圾输出”。仅仅因为数据易于访问并不意味着它是全面的或具有代表性的,足以为决策提供信息。例如,评估参与度的pulse调查仅限于那些做出回应的人,这可能会偏向于那些有非常积极的经历、有足够时间和动机填写调查的人。有非常消极经历的员工也可能倾向于以更高的数量作出回应。你可能没有收到他的信工作时间过长,工作时间过长或者是那些不再有动力去改善公司的幻灭感、不感兴趣的人。

通常情况下,面临的挑战之一是,有太多的数据,并没有足够的上下文。这将创建数据和蕴涵之间的脱节。越来越多的企业不得不被动地收集数据的人,通过他们用来完成工作的许多系统的能力。这甚至与远程工作团队更真实。被动数据 - 如击捕捉,电子邮件模式,访问的网站,登录小时 - 可以更强大和实时比自我报告的调查。但数据的绝对数量给尽管不告诉的人是有效的在他们的角色或他们在组织中创造价值的原委准确性感。

如果公司只是被动地从系统中收集数据,他们有失去信任的风险,或进一步破坏它,与员工。如果一个人的数据被传递给了经理,而不是被汇总起来,这感觉就像是在监视——尤其是如果它被惩罚性地使用。关于数据收集和使用的内容、原因和方式的透明度对于保持信任非常重要。

需要注意的重要一点是,分析仪表盘并不能替代人力参与和专业知识。有了见解深刻、经验丰富的专业人士来审视定制的、易于使用的平台,您就能从一个有充分根据的、基于证据的、人与人之间的体验中获益。

people-analytics-two-people-looking-at-data-on-laptop

如何实施人员分析

为了开始做你的工作场所分析客户和员工数据的工作,你需要知道你要回答的问题。如果你不知道,就在您的最大的增长,机会,或者只是在这里你就完蛋了在区域。是什么让您组织的最大的区别?你想提高保留,吸引大规模的新的人才,或流于上岗帮助新员工获得更大的成功?

无论你的目标是什么,首先要问这样一个问题:“目前对我的组织来说什么是最重要的,我可以利用什么指标来告诉我我们在做什么?”

现在看看您现有的数据。如果你已经有了这些数据,那就太好了!查看是否有任何相关指标需要跟踪。为这个数字应该是什么样子制定一个计划。例如,假设一家公司承诺提高员工敬业度。什么数字表示参与,理想情况下这些数字是什么样的?

回答完这些问题后,您需要收集数据。确定你需要多长时间才能看到这方面的不同。如果您还没有基线数据,请确保进行初始收集。武断地设定目标只会适得其反。了解您现在的位置对于为您的组织设定正确的目标至关重要。

一旦收集,分析数据。您的软件可能会突出您应该注意的模式。然而,您可能需要与专业人士一起开始认识您的数据告诉您的故事。与一个善于理解人的平台合作的好处之一是能够从全行业经验和趋势的角度来看待问题。

人类分析的未来

随着组织能力的发展,他们将更加有意识地使用人员分析来通知和加速业务流程

人力分析将继续用于推动人力战略和决策。许多公司正在使用分析工具理解并提高人力资源和劳动力计划的影响。

人们分析的更大的价值可能会来,因为它是更紧密地集成到业务。成功的公司会利用人们的分析来了解相对经营业绩和员工绩效。

这将随着数据本身变得更稳健,实时和丰富。Analytics(分析)将根据交易数据,以基于行为的实时洞察从历史报告进一步移开。对于许多人来说,最大的前途在于推动具体行动预测的见解(例如,在离开风险干预人才),新的做法(动态跨职能团队的形成),和战略。

由于人力资源分析较少关注云人力资源系统的事务性数据,因此有可能从更多创新平台获得更多有趣的数据。这种类型的数据增加了我们对团队和员工的理解。例如,BetterUp能够提供团队成长和进步的聚合实时视图,这些维度与激励和包容性的领导力相关心理安全,归属感,推动更大的创新。对于销售团队来说,BetterUp的仪表盘提供了看目标的实现,应变能力,工作效率和参与

虽然人的分析,旨在提高管理决策的时候也与员工分享自己的真知灼见可能更有效。他们可以更多地了解自己的表现。就像健身追踪器和健身房的读数一样在美国,当我们看到自己的数据时,它可以激励我们,也可以提供信息。更有趣的是,实时的行为数据提供了纹理怎样的呢,真,以及我们最终做了什么。

结论

在BetterUp,我们相信这些见解是强有力的。但它们并不能取代人们的技能和批判性思维。目标应该是扩大,而不是替换。人力分析仍然需要见多识广、有经验的从业者来评估和解释数据,需要有经验、有思想的领导者来制定战略并采取行动。

演示

2021年10月20日出版

阿拉亚·库克·坎贝尔

BetterUp特约撰稿人

读下

保持联系

订阅我们的通讯,活动邀请,以及产品的见解和研究。

Baidu