据分析驱动的人力资源管理
——中国传媒大学皇甫刚教授
本文为中国传媒大学经管学院教授、博士生导师皇甫刚教授在深圳市人力资源管理协会第三届人力资源创新与变革论坛中主题演讲《数据分析驱动的人力资源管理-HR Analytics》中分享内容。
内容摘要
HR Analytics：数据分析驱动的人力资源管理
HR Analytics的出现是人力资源管理实践领域的一个飞跃！
HR Analytics最主要的应用领域是：员工离职预测的预警，高级员工的心理和行为特征 。
谷歌、百思买Best Buy、宝洁P&G和赛斯科Sysco等利用HR Analytics来改进吸引和留住人才的方法 。准确了解如何确保最高的生产率、员工投入度和留住顶尖人才，复制它们的成功。
人力资源管理的职能：主要通过招聘、培训、绩效管理、薪酬与人工成本管控和员工发展等工作，满足组织对人力资源配置的需求；另一方面，是及时发现员工问题，采取对策，改进激励措施，调动员工积极性、提高工作绩效、工作满意度和降低员工离职率。后者的工作是准确诊断和预测员工心理和真实想法，全面掌握员工的个性化的特点。可是HR做到了吗？
如果人力资源管理能够用数据来证明自己的贡献将是质的飞跃，可是长期以来人力资源一直没有突破这个质的飞跃。
HRM内心的期盼：HR工作能否象财务会计一样，用数字说话，但是，一直以来，人们认为对员工心理进行诊断与预测，是不能用数字来说话的。 如果人力资源管理能够用数据来证明自己的贡献将是质的飞跃，可是长期以来人力资源工作者一直没有突破这个。 德鲁克：人力资源管理既不做跟人有关，又不做跟管理有关的事，人力资源部门似乎是一个没有用的部门，因为它不能用数据证明自己的贡献。 很多人力资源管理者经常会引用德鲁克的话，一是对人力资源这个职业弱点的表达，二是对告诉自己——HR应该用数据说话，不仅用数据来证明自己有用，还要用数据找到绩效的推动力。 一直以来，人们认为HR不用经过什么专业训练，有基本的文化知识就可以从事这个职业，因为大家认为人力资源管理工作大部分是定性的、事务性的，这也表达了对人力资源工作者的看法，当然，这仅仅是对传统人力资源工作者的认知。 当代管理学专家在人力资源管理、组织行为学和相关学科包括心理学、心理测量进行了大量的研究，提出了很多的理论，阐释各种影响和决定员工绩效、工作态度、离职和组织绩效等因素，这是管理实践的指导原则和思想。 但是，如何在不干扰员工正常工作的前提下准确收集这些心理变量数据，诊断问题，做出预测，上述的理论大多无能无力。理论很精彩但无法操作。很难收集到客观的数据来进行诊断分析作出预测，人类在机器大工业以来，一直都在努力着。
用传统思路来了解员工心理，就象存在一个心理黑箱：由一道一道防火墙——象长城一样将员工的内心与HR隔离开来，HR很难了解到员工的内心，这是一直困扰人力资源管理工作的问题。
人力资源管理使用数据分析进行诊断、预测的历史：
泰勒《科学管理原理》：从了解初期员工的操作动作，如何更规范、更省力来提高效率，研究科学化、规范化的行为规范；
菲茨-恩兹《怎么去衡量人力资源管理》：提出评估人力资源系统的30个测量指标，平衡计分卡和人力资源计分卡的发明，试图用一些数据来分析、量化我们的人力资源管理。
另一方面，现代IT技术迅猛发展，eHR的诞生，各种人力资源信息系统处理软件层出不穷，功能越来越强（如SAP（世界上最大的软件公司）、Oracle的产品），大大提高了人力资源管理处理各种事务的效率。 使人们摆脱了很多手工劳动，提高了人力资源管理的办事效率。
最近几年，互联网和移动互联网又推动Digitalization HR(DHR)发展，如数字化工作场所、数字化办公、网络化团队协作等，促进了工作便利和有效沟通。
但是，从eHR到DHR，时至今日，仍不能解决准确诊断和预测员工心理动态和员工个性化特点的问题。症结在哪？对于员工的研究，专家们投入了大量的精力，建立了理论和模型应用到实际工作中，使用定性的方法如问卷测量、定量的方法如人事记录等收集数据，这些是用传统的思路和方法进行员工心理诊断与预测，难以保证准确和客观，如对于工作满意度的了解，让员工保证客观准确、真实的回答是比较难的，工作中试图通过定量的数据统计是很难洞察员工的心理，诸如：员工绩效表现、个人的工作绩效、生产的产品数量和质量、出勤情况等，用传统思路来了解员工心理，就象存在一个心理黑箱：由一道一道防火墙——象长城一样将员工的内心与HR隔离开来，HR很难了解到员工的内心，这是一直困扰人力资源管理工作的问题。
所以，人力资源管理工作一直保持在传统的工作状况中：制定制度，人力资源配置，但是很难做到了解员工内心的想法和需求，了解每一个员工的秉性和个人特质，精准用人，做到真正意义上的人岗匹配，因为，人很复杂，很难真正了解。
IBM人力资源部门和Waston合作开发员工离职倾向预测系统，能够预测哪些员工即将离职，能够让公司知道哪些员工正在寻找其他的工作机会，IBM开发的员工离职倾向预测系统准确度高达95%。
2019年4月，在纽约的一个人力资源峰会上，IBM的CEO罗睿兰（Ginni Rometty）宣布IBM人力资源部门和Waston合作开发的员工离职倾向预测系统，能够预测哪些员工即将离职，能够让公司知道哪些员工正在寻找其他的工作机会，而且预测准确度高达95%。有时候，员工还没有说我要离职，公司能提前预知到，甚至员工还没有强烈到要提出离职，但公司可以报预警，他可能离职。
IBM声称这个秘密武器，公司可以及时发现员工的辞职念头，马上可以找员工进行交谈，如果是核心人才，他的离职可能给企业运营带来很大的影响，HR部门发现这个念头后，可以主动找他们面谈，商讨能留下来的条件如加薪、奖金、补贴、升职等，探讨出双赢的对策。
IBM测算过，由于使用这个系统，不但留住了人才，截止到目前节省了将近3亿美元的人工成本。但IBM拒绝透露更多关于该系统的信息，只是表示是依靠公司内部的大量数据研制成功的。
IBM在预测员工、诊断员工离职倾向方面，确实影响很大，是一个很大的突破。
北美NBA球队和欧洲著名足球队俱乐部用HR Analytics评估球员的竞技状态和身体状态。
随着体育事业的商业化、职业化，高水平的篮球、足球队的大腕级运动员，对一个球队来讲价值连城，他们身价非常高，那作为一个运动队的每一场球，包括每一年在再续约的时候，应该不应该续约？续约的价格？都来自评估这个球员的竞技状态和身体状态。
AC米兰足球队有自己的生物医学研究部门。根据每个球员约6万个数据点，动态评估球员的健康及身体合适度和竞技状态、心理状态，每天都在监测，状态如何？是否可以保证好的状态？为每一次签约决策时，提供依据。这个状态怎么样，在签约后的前五年，或前二年，是否可以保证原来的状态，这直接决定了他的身价和合同费用。
这种技术应用到每一场比赛该上谁，都不是通过教练员感性地判断每一个员工的状态，专门有一个部门来提供这些数据，每一个数据是怎样的情况。
中国的体育界，也在开始使用这些方法。
那么，从上述思想出发，人力资源管理实践领域，能否对我们员工，尤其是核心骨干员工，通过观察、搜集、整理得来的数据，帮助进行用人决策？
谷歌、百思买Best Buy、宝洁P&G和赛斯科Sysco等利用HR Analytics来改进吸引和留住人才的方法 。准确了解如何确保最高的生产率、员工投入度和留住顶尖人才，复制它们的成功。 HR Analytics观点：如果你想得到员工更好的绩效——他们是你的最大资产，也是最大人工成本，支出。相比直觉、定性的分析，HR更应该进行HR Analytics。员工是企业最大的资产也是最大的人工成本 ，Google人力资源高管会积极帮助表现最差的5%的员工，他们认为员工绩效差，可能放错了地方，或者管理不善。
Google使用员工绩效数据分析来确定最适当的干预措施，以帮助高绩效和低绩效的员工获得成功。 Google人力副总监Laszlo Bock“我们不使用业绩数据来查看平均值，而是监控分布曲线上表现最好和最差的员工。我们积极帮助表现最差的5%的人。我们知道我们雇佣了每个人都是有才华的人，我们真心希望他们成功”。他们绩效差，其中许多人可能被放错了地方，或者管理不善。 Google的Project Oxygen（养气计划）项目，使用HR Analytics揭示优秀经理的8种特征行为和所有管理者都应该避免的5种行为，提取出来后，将其用于培训课程，以改善表现不佳者。 Lockheed Martin建立一个员工绩效管理的数据分析系统，通过数据分析，识别员工的高绩效潜质和需要改进的员工。 AT&T和谷歌的HR Analytics发现招聘中积极主动能力比较强的，能更好地预测求职者就职后的工作表现。 Sprint使用HR Analytics确定了最能预测哪些员工将在较短时间内离职的因素。Sysco通过跟踪分析配送员满意度，降低了20%的员工离职率。 微软的WPA（Workplace Analytics，工作场所分析解决方案），通过对员工的邮件、会议各种表现等行为的追踪、分析，揭示个人和组织的行为特征。 WPA方案是由微软收购的员工大数据分析公司Volometrix开发的，利用大数据进行销售人员的绩效分析、预测。 星巴克、Limited Brands和百思买用HR Analytics能准确地预测其门店员工，敬业度每增加0.1%，年营业收入超过10万美元。Harrah通过许多现场经理观察、记录员工面对客户的微笑频率，发现员工微笑频率行为与客户满意度高度相关。
我们苦苦在探求，为什么始终没有打破这个黑箱，翻过这个防火墙？ 1、HR Analytics的观点：不求100%准确，鼓励探索，决策参考。 以前的数据分析只是简单分析员工的出勤率，这个不能说明什么问题，我们过去追求100%的准确率，一定要准确，其实很多员工的表现取决于各方面因素的影响，我们对员工的绩效或表现，要从各个方面去分析，所以说，不求100%的准确性，如果追求100%准确性，这就意味着永远不做决定。所以，以前在人力资源管理实践，很少有实质性的进展。2、HR Analytics的实施，需要具备哪些知识技能及人员构成？ GoogleHR COE的PiLab团队构成：人力资源管理、数学、统计学、大数据分析、计算科学，社会学、心理学、组织行为学、社会心理学、 经济学、政治学等专业博士学位出身，30多人。长年对谷歌积累的员工数据，从各个角度进行分析，开发出一个系统，能够预测员工的离职倾向，3、HR Analytics的原理： 日常观测、记录员工各种表现的数据变化，如员工打卡，一定程度可以反应出某个员工的特点，有的员工到了下班的点就急急忙忙，有的员工不紧不慢，很从容，总是留有宽裕的时间，可以根据每一个员工在公司的出勤表现，画出一个常态的曲线，一旦有一个员工，最近出勤情况曲线发生变化，这种变化说明背后一定有原因：是否反应了他内心或个人情况发生了变化，如个人生活、或身体出现了问题，另一方面是不是因为员工感受到了别人对他的看法、认同度，组织认同等方面出与变化，而出现情绪或内心变化等问题，或员工的工作满意度出现了问题。 也就是说，观察日常记录员工各种行为表现的数据变化，寻找分析高绩效离职员工行为的数据及其变化规律。如通过日常的出勤、绩效（数量、质量、合格率、出错率）、病事假、邮件，内网互动数据（聊天、吐槽等）等大数据的积累和分析，这些数据需要是长期的数据积累，短期数据不能反应一个人的特点，就是我们说的需要大数据分析。 HR Analytics最主要两个领域是：1、员工离职预测与预警，2、高绩效员工的心理和行为特征，为企业招聘和培训提供帮助。 4、信息技术、IT人工智能在人力资源中的应用：数据量大，必须具体掌握大数据分析技术，计算功能要强大，为什么人力资源出现了云计算，任何人都可以对大数据进行处理，如何解释，要用各个学科（包括人力资源管理、组织行为学、心理学、社会心理学、社会学、政治学和其他相关学科的理论与原理）的理论知识，分析这些数据，通过数据总结出，离职员工的数据变化规律，找到行为规律，通过算法，建立了HRA系统。
上面这张图的作者是一个在北美很有名的人力资源管理学者，在80年代人力资源管理第一本翻译进入我国的书，当时国家还处于计划经济时代，书中提出了很多的方法和概念， 他认为传统的方法一直很难翻过一个防火墙，中国长城挡住了什么？现在，由于大数据的存在，数据处理能力的提高，人们可以翻过人力资源管理活动和组织绩效的防火墙，可以做因果预测。
实际上国内互联网和IT巨头，都在或多或少地开展与这方面相关的研究和管理实践探索。 华为、腾讯、阿里巴巴、百度、美团、饿了么这些企业，都在做这方面的研究，关于人的 心理行为这方面的人工智能是目前最前沿的学科，大量的企业尤其互联网企业很有钱，一旦把这个问题突破了，了解每一个员工的想法，了解每个员工的特点，对人力资源管理是梦寐以求的。 因为了解了每一个员工的想法，就可以针对性地采取措施，调动每个员工的积极性，用员工，所以，这是长期困扰人力资源管理的问题。深圳有大量的中小型企业，还有很多还是传统领域的企业。
HR Analytics对传统企业和中小企业人力资源管理有什么启示？
如何实施HR Analytics？
理念上，接受HR Analytics的思想，把员工行为表现的数据及其分析结果，作为人力资源管理的工具和决策参考。重视数据，分析数据，选人或洞察员工问题的时候，作为参考，不是唯一的依据， 措施上，关注积累和整理历年来员工表现的历史数据，包括以前积累的数据，分析寻找规律；特别对于高绩效员工，已有的客观数据，包括出勤率、绩效或其它表现的数据，包括病事假，有没有规律，和普通员工有什么差别的规律？总结出规律，关注现有员工记录数据的动态变化。一旦有类似表现，这是提醒，如有离职倾向的员工，行为发生了哪些变化，一定程度来作为参考，来观察现有员工行为的动态变化，看看是否可以帮助我们进行决策，要注意保护员工隐私，数据搜集合规合法。
员工离职的主要原因是什么？是报酬，不是报酬的绝对值，而是报酬的相到值。
HR Analytics最主要的应用领域有哪些？员工离职预测的预警，高级员工的心理和行为特征 ，就是胜任力的问题，为招聘培训提供帮助。 员工离职的主要原因是什么？是报酬，不是报酬的绝对值，而是报酬的相到值，报酬相对值的变化是预测员工离职的很准确的预测指标，员工的报酬与别人比较的时候出现了变化，和过去报酬比较，让人感到不满意，这种相对值是预测员工离职的重要的因素。（本文根据皇甫刚教授在“第三届人力资源创新与变革论坛”上的主题分享整理，转载请注明出处）
