数据赋能HR，驱动业务与组织发展

内容来源/冯奕晓 Feng Geralt|组织发展数据分析专家|诺华制药大中华区

近几年，People Analytics正日渐成为HR领域内的热门话题之一。如何整合人力资源数据、集成系统、分析数据，最终借助“数据力”给出业务见解和建议，在VUCA时代中为组织的发展与变革实现精准赋能，正成为业务对人力资源的重要需求。可以预见的是，未来如何通过HR数据来解读业务、赋能组织、发展人才、培育文化，将会是HR不得不思考的话题。

后疫情时代下，外部环境变化莫测，越来越多的企业意识到，适应VUCA时代的商业环境和提升组织敏捷性是必备的组织能力，而数字化作为提升组织和管理敏捷性的重要手段，无疑成为当下人力资源管理最为热门的话题之一。据统计，疫情后85%的企业认为敏捷组织对未来的组织至关重要；84%的企业正在探索不同的工作模式；55%的企业在关注不断提升的组织敏捷性；35%的企业已经有People Analytics的相关实践。

如今HR正在走向数字化，不免会遇到挑战，在这个过程中存在着三大痛点：

数字化思维：在现有的人才盘点、组织诊断和文化激励中，能否引入更多的数据维度，在定性分析的同时引入定量分析，更好地从数据的角度支撑传统的HR工作场景？

数字化工具：近年来，行业内在组织、人才、文化方面引入了大量的数字化工具，如何利用数字化HR工具，进行更精细化的管理，用数据赋能HR，从而更好地助力业务发展？

数字化角色：越来越多的公司在HR部门配置有专门的数据分析角色，而在其他HR角色中，同样可以看到许多公司意识到投资与强化数据分析能力的重要性，建设与提高HR在人力资源数据分析领域的能力是否能通过这样的方式实现？

不论是对于企业还是HR个人而言，数字化的地位都不容小觑，以数据赋能人力资源管理，可更好地驱动业务与组织发展。

我根据近几年自身应用People Analytics在组织发展领域落地实践，总结出一套数据赋能与分析体系（如图1），主旨是从组织发展分析场景、人才发展分析场景和文化发展分析场景切入，让数据赋能人力资源管理。

图1 数据赋能与分析体系

以数据驱动组织变革为例，在进行组织发展分析前，首先，理解业务需求：从业务战略、竞争环境、实施场景和决策逻辑，到组织结构、人员布局、关键人才、变革路径和文化氛围。其次，根据以上业务需求场景，逐个创建数据解读：将业务需求和关键流程转化为可进行量化分析的核心指标、人才视图和组织层级，同时对员工和组织的声音保持持续聆听，转化技术与能力指标，打造数字化内部人才市场。利用以上这些模块的数据可视化以达到明晰现状、规划未来和探索价值的目的。最后，确立与实施解决方案：通过数据可视化和对应的数据分析与预测来划分行动优先级，并推动人才测评与发展，进行员工配置与转移，并打造离职与继任者规划项目，做好成本管理和文化协同，进行变革管理和流程监控。

图2 指标矩阵

人才发展分析是People Analytics在这一领域应用的主要场景之一，这里例举较为常见的离职分析作为典型案例。在离职分析时主要可依从三个步骤进行，首先，数据可视化：①通过报表体系快速建模分析，形成一手数据洞察；②多维度切入，全面诊断离职率；③多平台可视化，数据便捷为先。其次，多维数据融合：①业务场景融合，反哺业务发展；②文化场景融合，预警低满意度区域，提前干预降低离职率；③市场数据融合，对比市场离职率。最后，数据预测：①引入模型基于历史数据进行总体离职率和离职倾向的评估；②总体离职率受市场变化影响极大，结合外部市场数据进行数据分析解读至关重要。

数字化还可以全方位打通人才管理场景，从四个维度完成全景人才发展画像，助力企业发展。首先，职业发展通道：测评数据为基础，通过人员数据细分人群，为其匹配合适的发展项目，并给出发展路径建议。其次，岗位画像：结合市场数据和岗位能力要求细化岗位匹配标准和分析人员储备情况。再次，组织人才视图：数字化人才盘点，全方位掌握人才梯队情况。最后，人效透视：从组织效能分解到人员效能，微观解析组织动能和发展潜力。

在文化发展分析场景中，可进行数据可视化支持文化量化与效果追踪。首先，量化追踪：组织内有众多的文化测量的调查、工具、方法论等，可将各类相关的资源进行整合，并进行数字化的呈现，让管理者可以直观的感知到组织的文化氛围和调整文化发展方向。其次，行为引导：根据组织文化发展战略，通过不同维度的深挖，对不同组织不同类型的人群进行个性化的文化影响，以期实现文化塑造。最后，洞察深化：将文化数据与业务数据，人才数据和组织数据做融合，寻找关联性和提供更有深度的见解。

如果要回到业务，尝试进行数字化分析，可以遵循以下三步，万变不离其宗。

第一，明确数据事实：指的是最基础的数据现象和基本事实，例如离职率如何、年平均招聘量是多少。然而，不可忽视的是，目前HR数据有效性总是不尽如人意，而在分析时却往往简单地基于尚未明确的数据事实直接分析并导出解决方案，从而导致解决方案的收效通常达不到预期。因此，重视HR数据治理、强化数据清洗、稽核与动态评估是HR数字化分析的根本所在。

第二，数据洞察：指的是通过一系列的分析方法，寻找到形成数据事实的核心驱动因素，例如离职率是多少，主要是哪一类型的人员，年平均招聘量是多少，环比/同比/与市场对比企业处于怎样的位置。数据洞察根据不同的场景和视角产生不同的结论，是故数据洞察是一个持续的、不断演进的探索过程，其结论也往往是自我迭代的。

第三，解决方案：通过数据洞察设计与落地解决方案，而不是凭借基本事实；重中之重的是数据追踪与侦测落地效果，以确保持续优化成果。

HRIS团队：工作职责包括数据事实的整合（数据字典）、基础报表系统的建立和多数据源的打通 （Data lake，云计算基础平台）。

数据科学家/数据分析师：主要职责包括：结合业务和HR场景需求，进行数据建模，设计数字化产品；进行组织、人才、文化等具体Topic（主题）的数据分析；提供全景的insights（洞察）和解决方案的建议。

洞察与执行者/BP Role：一方面，结合一线具体业务场景和细分数据进行分析，产生insights（洞察）；另一方面，给出解决方案，并负责具体落地执行。

随着数字化时代的到来，数据赋能的重要性逐渐凸显，数据赋能客户体验管理、数据赋能业务增长、数据赋能企业创新发展……各行各业在数字化浪潮下不约而同地提出数据赋能的观点，虽然落脚点不同，但究其初心，无疑都是为企业谋发展。回到人力资源管理，若是有效利用HR与业务结合紧密的优势，同时能推动数据赋能HR，将能为业务提出更准确和实用的建议，助推业务与组织的发展。