大數據時代的到來,使得人們看到了從前所從未看到的世界關聯(lián)性,預測到了所不曾預測到的事物:用Google的搜索詞可以預測到戰(zhàn)爭、疾病的到來,用人們購物的數據可以遇到人們喜好、朋友、社交圈,用人們的社交圈可以預測到他們的消費偏好,這一切的實現(xiàn),沒有花費任何調查、設計、實驗、推理,而僅僅是讓沉沒的數據再次發(fā)出聲音。
那么在人力資源管理中,有哪些數據尚是沒有充分利用的?這些數據又可以用做什么?又可以讓我們看到哪些管理上的可能性呢?下面一一進行介紹。
HR有哪些數據可用?
在日常的人力資源管理中,有哪些數據可以被利用呢?下面根據數據收集和使用的特點分為以下幾種類型:
類型 |
內容 |
特點 |
事實性數據 |
個人層面: 人員數量與結構、學歷、年齡、性別、家庭背景、工作經歷、技能特長、興趣愛好等 組織層面: 招聘:時間、次數、完成率 培訓:對象、內容、時間、地點、次數、滿意度 績效:指標、次數、時間、得分 薪酬:總數、增幅、構成比例 |
收集簡單、信息量豐富 |
動態(tài)性數據 |
招聘完成率、員工流動率、核心員工流失率、員工換崗、員工晉升等 |
收集較為簡單,需跟蹤記錄 |
整合性數據 |
個性測試、情商、智商、管理能力測試、員工滿意度、員工敬業(yè)度等 |
需要設計問卷進行收集,數據指向性明確
|
如何應用數據?
管理的最終目的是指向企業(yè)的長期發(fā)展和當前組織和個人績效的提升,數據的利用的最終目的也應當是指向這兩個方向。
人員結構分析:
原始數據 |
分析什么 |
意義 |
人員數量與結構、學歷、年齡、性別、家庭背景、工作經歷、技能特長、興趣愛好 |
人口統(tǒng)計特點 |
年齡、性別和地域分析,統(tǒng)計平均年齡、各年齡段分布頻率,男女員工比例,是否與行業(yè)特點和企業(yè)實際相符。統(tǒng)計不同地域員工比例,避免某一地員工人數過多,不便于管理。 |
工齡 分析 |
計算平均工齡和不同工齡分布頻率,是否有流動過快或者極少流動致僵化的問題。 |
|
職能 類別 分析 |
各部門人員占總人數比例,職能部門、業(yè)務部門人員比例;承擔某一職能的員工(比如說行政人員、人力資源人員等)比例,以分析該類人員的工作量和平均服務人數。 |
|
職位 層級 分析 |
管理人員與員工之比,主管人員與員工之比,用以分析管理幅度。 |
|
員工 特點 分析 |
企業(yè)的人才結構要多元化,避免同質化,技術型人才、創(chuàng)新型人才、管理型人才、營銷型人才、外向型人才、內向型人才、穩(wěn)定性人才,要應有盡有,這些不同類型的人才都是具備讓企業(yè)有承載力的人員結構要素。 |
|
員工能力分析 |
掌握哪些是骨干、后起之秀、哪些是穩(wěn)定的人,哪些是需要淘汰的人。
|
配置策略分析:
原始數據 |
分析什么 |
意義 |
企業(yè)產業(yè)模塊、經營方向、發(fā)展規(guī)模要求、時間要求; 已有崗位、層級、人員數量、素質 |
崗位、層級分析 |
企業(yè)發(fā)展階段與戰(zhàn)略發(fā)展要求對不同職能、技術崗位的要求,在企業(yè)效益和發(fā)展要求平衡范圍內的數量和質量要求。 |
任職資格與勝任力分析 |
明確崗位知識經驗和能力要求。 |
|
當期人口數量與質量分析 |
明確當期的人員數量與質量現(xiàn)狀。 |
|
人-崗匹配分析 |
不同崗位、層級與當期與企業(yè)長遠發(fā)展要求的匹配指數,明確不匹配與匹配的領域,適時做出調整。
|
人員成本分析:
原始數據 |
分析什么 |
意義 |
人員數量; 工資、獎金、福利、社保等; 招聘費用; 培訓費用; 離職費用; 人員收益數據; |
招聘選拔效能分析 |
|
培訓學習效能分析; |
在培訓學習過程中,企業(yè)為員工的支出成本,明確培訓學習投入比例及效能。 |
|
離職成本及效能分析; |
在離職過程中,企業(yè)為員工的支出成本,明確離職投入比例及效能。 |
|
個體成本-收益分析 |
評估每個員工對企業(yè)的收益與成本合理性。
|
企業(yè)文化健康、活力分析:
原始數據 |
分析什么 |
意義 |
員工流失率、核心員工流失率、員工換崗、員工晉升 |
流失率分析 |
對于各個層級、普通及核心員工的流失原因、數量比例、對企業(yè)造成影響分析,提供企業(yè)健康指數及調整建議。 |
滿意度分析 |
提供各個層級員工的滿意度指數及企業(yè)滿意度提升建議。 |
|
內部流動效果分析 |
對企業(yè)內部的輪崗、調動、晉升、任免提供效果效能分析,量化企業(yè)活力及健康狀況。
|
針對到崗位、個人的業(yè)績驅動因素分析:
原始數據 |
分析什么 |
意義 |
員工個人績效、成長路徑;個性、情商、智商、管理能力、態(tài)度、價值觀 |
驅動業(yè)績動力因素分析 |
|
驅動業(yè)績個性因素分析 |
||
驅動業(yè)績必要性因素分析 |
||
驅動業(yè)績的潛力分析 |
根據員工成長發(fā)展路徑,尋找與員工成長潛力最為相關因素,為招聘選拔培訓提供建議
|
除此之外,有些數據本身需要通過進一步的統(tǒng)計處理,方能顯示它的真正含義,下面舉兩個簡單的例子進行說明。
測驗數據常模轉化
測驗所得的原始數據,只能表明受測者的得分,卻并不能表明該分數在人群中實際的水平如何,即使使用一些國際測驗會提供轉化后的分數,通常也是在全球的常模下的得分情況,如果企業(yè)想要知道受測者在本企業(yè)或者本行業(yè)的狀況,則需要獲取本企業(yè)或本行業(yè)的常模,方能得出比較準確的水平。下面是一個企業(yè)的心理測驗成績在全球常模和自己企業(yè)常模下的不同得分情況,可以看出,同一個分數,當與不同的常模做比較的時候,所得的分數是不同的,代表的水平也是不同的。
調適 |
抱負 |
||||
原始得分 |
**公司常模 |
國際常模 |
原始得分 |
**公司常模 |
國際常模 |
28 |
39 |
44 |
20 |
15 |
24 |
29 |
49 |
51 |
21 |
21 |
28 |
30 |
57 |
58 |
22 |
28 |
33 |
31 |
66 |
66 |
23 |
36 |
40 |
32 |
76 |
78 |
24 |
46 |
47 |
33 |
86 |
84 |
25 |
57 |
55 |
34 |
93 |
89 |
26 |
71 |
64 |
35 |
97 |
94 |
27 |
85 |
73 |
36 |
99 |
98 |
28 |
94 |
87 |
29 |
99 |
100
|
績效數據跨單位跨部門比較
績效分數部分是由人主觀評價所得,這使得其分數本身就帶有了主觀性,有些分數實際上是不能直接使用的,需要進行進一步的加工處理,方能獲取數據真正的意義。例如在績效考核360評價的時候,評分者的尺度是存在差異的,有的人手松,有的人手緊,同一個人被不同人評價,也許得分會相差很大。但是,企業(yè)對于360數據的處理,通常是直接使用這些數據,有的時候會將這些不同人評價的分數權加之后進行排名,這樣操作是非常不合理的,很容易引起爭議。在實際處理中可以使用一些統(tǒng)計方法,例如標準分,來規(guī)避評分者評分尺度的差異,使得分數和排名真正反映出被評價者在評價者心目中的位置,這樣也能解決跨單位跨部門之間的比較問題。
標準化每個評價者的分數,使用到相同的平均分和標準差,統(tǒng)一評價者的尺度;
被評價者甲的總分=上級權重*上級標準分+平級權重*平級標準分+下級權重*下級標準分
數據的收集和管理
數據分析建立的基礎是,數據可靠、全面、連續(xù),在這個基礎上建立起大數據分析或數據的整合才有可能產生有價值的結論。但同時HR管理模塊眾多,從戰(zhàn)略規(guī)劃到招聘、培訓、績效、薪酬、員工關系、企業(yè)文化等等,可能處處有問題,能進行分析的地方也很多。但資源有限,要使人力資源分析的作用發(fā)揮到最大,在數據的收集和管理上,有哪些事項是需要注意的呢?
從已有資源開始。HR部門手上有很多現(xiàn)成的數據,從這些數據入手,先一點點地做起來。數據本身是沒有意義的,關鍵在于如何將數據與業(yè)績關聯(lián)起來。這確實需要創(chuàng)造性,并投入精力,基本的統(tǒng)計方法也是需要掌握的。
堅持下去。要有沉淀一旦決定要做分析工作,就要將它融入HR日常的業(yè)務工作中去,并安排專人負責日常數據的收集與整理。并且這個工作一定要有持久性,任何一個時間斷面上的數據都難以單獨進行有效的分析。組織內部歷史數據的沉淀在評估和預測方面能發(fā)揮更大的作用。
打破常規(guī),不斷創(chuàng)新。大數據時代的崛起,在于沒有拘泥于已有數據固有的意義,而是不斷尋找關聯(lián)性,利用這種關聯(lián)性去預測整合。思維、技術、數據拉動數據分析的三輛馬車,其中思維是啟動機,一個好的利用數據的模式和思路,是使用數據進行創(chuàng)新管理的根本。
“工欲善其事,必先利其器”,作為一名人力資源從業(yè)者,需要利用本崗位所擁有的資源,那么這些曾經沉默的數據,就是進行精細化人力資源管理的好工具,并且這個工具一旦開始發(fā)揮作用,隨著時間和數據的累積,就會越用越好用,會逐漸成為指導企業(yè)成長和發(fā)展的人才風向標。
來源: 環(huán)球人力資源智庫——(高海燕)諾姆四達集團供稿