在被數字技術，智能技術充斥的新時代，企業競爭越發激烈。其競爭的根本是人才的競爭，利用大數據技術進行人力資源分析，整合與發挖內部人力資源，找到人才競爭優勢，是每位HR的當務之急。
人力資源數智化變革需注意兩個變化
人力資源大數據分析即數智型人力資源管理，是以智能的方式利用數據並從中獲取洞察力，這些洞察力不僅可以提高公司內部人員的績效，還有助於公司整體成功。數據可以說明過去，數據也可以驅動現在，數據更可以決定未來。
環顧企業內部運營與管理，財務、生產、研發、營銷已經習慣於用數據來說話，但還保留著一塊傳統區域，就是人力資源管理。換言之，多數優秀企業數智化轉型已見成效，人力資源部落後於其它部門，數智型人力資源管理轉型已迫在眉睫。
而且可以發現，HR部門轉型諮詢的熱情非常高漲，呈井噴趨勢。既使在今年疫情期間，用友已與上百家企業HR共同探討人力資源大數據分析以及數智型人力資源管理轉型建設思路。國內企業人力資源管理將經歷一場變革，傳統的流程驅動模式正在被這波數據分析驅動所取代。這個變革過程，企業需要關注兩個演化。
一、技術演化： 智能機器人促進了更高程度的自動化，每個HR和員工都應有智能助手，越來越多的新技術應用於智能機器人上，如自然語言識別、智能語音交流、意圖識別、風險預警、預測分析、情緒分析、文本分析、視頻分析、圖像分析、聲音與語音分析、機器學習、深度學習等等，從而提升HR在潛能分析、人才獲取能力分析、領導力分析、工作有效性分析、人才流失預警與分析、企業文化分析、員工績效分析等方面的能力。
二、人力資源職能演化： 如果有人說自己完全確定數智型人力資源管理的發展方向，那都是在撒謊。科技的進步是我們現在無法想象的，但是我們可以根據一些新興的趨勢對未來可能出現的一些情況做一些預測。HR需要擁抱新技術和更強的數字化、智能化，當日常的、瑣碎的事務性工作被自動化後，人力資源管理團隊就會釋放出來，專注於能為企業帶來更大價值的、更具戰略性的工作中。
“價值分析”是人力資源數據分析的本質
數據分析可以為數智化轉型插上翅膀，很多時候數智化轉型不光提高信息效率，更多是能夠通過數據分析發現管理價值。在人力資源管理和運營過程中，梳理出盡可能多的指標，將指標羅列出來，並進行統計和可視化，用很炫酷的駕馭倉儀表盤清晰的表達出人力資源運行的效率、效能和價值。
德勤的一份研究報告顯示，那些增加人力資源數據分析投資的公司正“以雙倍的速度改進招聘工作，以3倍的速度提高他們的領導力發展能力，且平均股價比一般公司高出30%”。有一句話應該被銘記：我們經常忘了，你投入時間進行分析，不是為了獲取結果，而是為了獲取洞察。
人力資源數據分析的核心是價值分析，它重點體現在縱向深度價值分析以及橫向業務驅動分析。縱向深度價值分析我們以離職率分析為例來說明，如“離職率=離職人數/(期初人數+入職人數)”或“離職率=離職人數/(期末人數+離職人數)”(很多人都會把這個公式弄錯或者弄反了，會把分母當成期初人數加期末人數除以2，這是錯誤的)。離職率的數據分析怎麼樣體現它的價值層次呢?
首先是整體的離職率，比如說我們公司離職率10%，你向總經理彙報，總經理說你這個數據不行，我們公司一共4個副總已經走了三個了，副總這一級別的離職率75%。這類宏觀數據實際價值是有限的，比如說平均年齡，平均並不能體現一家公司的這個年齡特點，平均房價也不能體現一個城市的房價的特點。可見，籠統數據不能體現問題，顆粒度變小才能發現問題，要將數據細分，如分類、分層、分時段、分人員、不同工齡、不同性別，不同年齡段的離職率分析，
第二層是細分人才離職分析，如關鍵人才離職分析，公司4個副總走了三個，這都是關鍵人才，他們的離開會對公司造成比較大的影響，我們需要去分析主動離職的影響因素，儘可能將關鍵人才挽留下來，或避免這類事件頻繁出現，關鍵人才離職率有個變異指標叫關鍵人才留任率，這其實是一種管理思維的轉變。
第三層，比人才留任率更好的一個統計指標叫離職預測分析。依據離職要素與離職關鍵行為分析進行離職預測分析，隨時大數據技術的廣泛應用，機器學習、深度學習能為HR所用，如利用隨機森林算法、Boosting算法等算法模型進行離職傾向性分析，通過一定時間的算法模型訓練後，預測的準備度是非常高的。
橫向業務驅動分析主要是從業務目標出發，觀察員工的行動、決策與行為模式，以及其行動與決策對業務目標的影響關係，找到關鍵成功要素，進行人才與業務驅動因素分析、激勵與留任因素分析等。
人力數據分析成熟度模型與成長路徑
人力數據分析的好處和價值顯而易見，但並沒有成為主流，僅有一小部分公司全面開發了她們的人力數據分析能力，為什麼HR部門數據分析能力落後於組織內其它部門呢?這個問題的答案會比較複雜，可以概括為兩個方面原因：一是技能缺乏。 傳統HR部門缺乏數據分析所需的IT和分析技能，讓很多組織在推行人力數據分析方面舉步為艱。HR完全可以從內部發挖具備數據統計能力的員工，為我所用;二是“佈德羅之牆”。 HR擅長於描述性分析報告，如假勤統計、績效分析、結構分析等，這些描述性分析都很容易進行，一旦HR想開展預測性分析和指導性分析就撞上了一面“牆”，這面“牆”在2010年被佈德羅和卡西奧最早所提及，從此被稱為“佈德羅之牆”，HR難以逾越“佈德羅之牆”是因為，一方面，來自組織內部多套系統的數據需要融合在一起，才能更好的分析;另一方面，實際的分析還需要更高階的數據分析方法。
“佈德羅之牆”說明了HRM必須經歷一些階段來發展數字分析能力。為了幫助組織提高人力數據分析成熟度，德勤諮詢顧問喬治.貝辛(Josh Bersin)創建了四級人才分析成熟度模型，對於HR很有參考意義，可以幫助組織識別目前所處的水平，以及需要如何做才能開發出成熟的人力數據分析能力。
人力分析成熟度模型
第一層級：運營報告，56%的組織處於人才分析成熟度的第一層級，HR部門的工作侷限在傳統的運營性報告上，如人員編制、離職率、人工成本、培訓成本等，一套良好的人力資源管理系統可以幫助組織保持員工記錄的準確性和一致性，運營報告可以快速、自動生成，這樣HR也可以將更多的時間花在更具戰略意義的工作上，然後努力向下一層級提升。
第二層級：高級報告，大約有30%的組織處於這個等級，HR能夠主動提供多角度視角、並足以影響決策的報告。此階段可通過數據儀表盤(領導桌面)為中高層展示HR指標，此階段要謹慎，不要投入太多時間去建立新的HR指標，應該聚集在能夠為業務挑戰帶來真正價值的指標上，直面問題，清晰的數字儀表盤有助於將HR指標轉化為有用的決策依據。
第三層級：高級數據分析，此時你的組織已經進入最頂尖的14%之一，HR使用建模來解決業務難題，甚至能基於數據預測未來，HR通過高級數據分析，可以積極的識別問題，幫助組織有效降低風險，有力的開展人力資源規劃和人才供應鏈建設。
第四層級，預測性分析，大約只有不到4%的組織到達這一層級，HR部門需要專職的數字分析師來做預測建模，其技術含量已遠超出簡單的數據分析。預測模型需要智能平臺的支撐，通過機器學習、深度學習的算法模型來執行預測性分析，如用工需求預測、高潛預測、離職風險預測等等，此時HR在組織的戰略決策中發揮著重要作用，能夠識別出人力政策對戰略的影響，HR在公司內部扮演著具有戰略意義的角色。
加速提升人力數據智能化分析能力
智能化、數字化技術已廣泛應用於企業管理與商業活動，企業的商業模式、產品與服務、運營與管理體系均面臨轉型升級的挑戰與機遇，人力資源管理如何快速提升數字分析能力，由成熟度模型第一層級快速向第四層級提升，成為眾多HR從業人員的第一要務，那麼如何能夠做到快速提升呢?
大數據、人工智能等新技術已全面融入我們的工作與生活。在人力資源數據分析領域，也能夠藉助新技術的力量為HR賦能。用友作為中國最大的企業雲服務和軟件提供商，也是中國優秀的數字人力解決方案提供商，已經為眾多國內外企業提供人力資源數智化轉型與系統平臺落地服務，幫助企業進入人力數據分析的快車道。
很多企業以項目的形式來開展人力數據分析推進工作，在起步階段，非常重要的環節是整體規劃與頂層設計，根據企業自身特徵，準確定義人力數據分析的目標、價值和應用藍圖，為此項工作指明方向。同時設計持續、高效、清晰的建設路徑，每個階段建設內容環環相扣。另外人力數據分析工作的開展，需要與人力業務提升、HR系統完善同步開展，即人力數據分析可以驅動人力業務與HR技術平臺的整體提升，從而持續完成數智型人力資源管理轉型的階段目標。
我們以某集團為例，為大家分享人力數據分析建設過程的關鍵環節。
一、數智型人才管理平臺優化升級
與傳統HR信息系統不同，用友數智化人才管理平臺更強調的是全員應用、智能連接、數據驅動，卓越體驗。其核心要素是：連接、智慧、體驗和開放。即通過數據化移動工作臺連接人與人、人與組織、人與事，在連接過程中加入智能技術，如意圖識別、邏輯判斷、智能推薦、情感分析、行為分析、OCR、人臉識別、數字孿生、AI、深度學習等，讓連接更緊密、更高效、更具有粘性。同時，基於數字技術，能夠充分為員工授權，同時更愉悅的使用體驗設計，能夠激發員工的正向情緒，驅動全體員工充分發揮才能，激發潛能。數智化人才管理平臺非常重視生態連接、社會化商業與定製化能力，維護人力資源生態的開放性，這即滿足新時代人才管理的訴求，也能充分體現HR部門的服務能力。
二、總體規劃和頂層設計
總體規劃和項層設計是做好這件事的開始，指明人力數據分析的方向、目標和實現路徑，避免頭疼醫頭、腳疼醫腳式的資源浪費。分析目前大多數企業現狀，人力系統平臺、數據積累、統計分析都有一定的基礎，不能僅僅參考人才分析成熟度模型來規劃目標和劃分階段，人力數據分析與智能化技術應用、人才管理相應同步開展，本身做高階層的數字分析需要相關業務開展的支撐。
總體規劃和項層設計需綜合人力資源信息標準、基礎數據、業務動態數字、發展狀態、組織問題、人才問題等企業自身特點來制定，並沒有標準答案。以下以某集團為例，介紹人力資源分析的總體規劃和項層設計。
階段一：數據人才管理L1，搭建起集團人力資源數字化、智能化總體規劃，建設智能數據分析基礎平臺，從人才視角、智能應用升級切入，業務內容包括人才畫像、人才盤點、崗位畫像、人崗匹匹配分析、領導桌面、智能化員工服務。
階段二：數據人才管理L2，分析內容擴展到組織視解，基於內部數據、歷史數據、外部數據進行高級數據分析，內容包括組織畫像、組織效益分析、智能機器人、員工體驗智能升級、業務智能化升級。
階段三：數據人才管理L3，分析內容提升到預測分析，支撐人才管理更高階業務開展，內容包括預測分析(用工需求、離職預測、高潛預測)、人才發展管理智能升級。
階段四：數據人才管理L4，預測分析優化及更廣泛應用，數字孿生，內容包括預測分析全面應用與優化、人力規劃模型、智能機器人陪伴式服務、數字孿生。
三、最佳實踐成果導入，快速啟動人力數據分析
規劃和設計人力資源數字分析結構非常重要，可以參考人才分析成熟度模型框架，從運營報告、高級報告、高級數據分析、預測性分析四個層面，遵照縱向深度價值分析、橫向業務驅動分析原則，設計組織人力數據分析結構和分析指標，並對每個指標從數據來源、實現技術、計算公式、應用方向、業務價值等進行完整定義。
HR可以借鑑以往經驗或專業服務商實踐積累，引入優秀企業人力資源數據分析結構與指標，快速啟動數據分析工作，在應用實踐中再不斷提升HR部門數據分析能力。
四、分析成果初見成效，讓優秀的人浮出水面
經歷前面三個關鍵環節，能夠在較短時間內產出人力數據分析成果，如人才畫像、人才盤點、崗位畫像、人崗匹匹配分析、人力投資回報分析(領導桌面)等，為HR部門數字分析能力及業務提升打下良好基礎。
人力資源數據分析助力HR直面挑戰
人力資源數字化、智能化轉型勢在必行，其發展速度和影響深度遠超出HR的想象，未來無論是人力資源部還是整個企業，都將會呈現更高程度的自動化，如果所有一切都可以自動化並由機器人來執行，那麼人力資源部又發揮什麼作用呢?因此今天的人力資源管理者需要考慮人力資源管理未來的樣子，這包括哪些可以自動化，哪些不能自動化。人力資源管理的角色無疑將從更多與人員管理相關的事務性工作轉移到幫助組織實現業績目標的工作上，為組織提供真正的價值和獨特的效益。
人力資源數據分析，即數智型人力資源管理能夠準確、及時的告訴組織“我們的人才缺口是什麼”、“我們所需的關鍵人才在哪裡”、“是什麼造就了我們公司的優秀員工”，“哪些員工最有潛力”等，真正意義上實現“以人才驅動組織戰略發展”!(作者：柳曉明 用友網絡)
閱讀更多 中國軟件網 的文章
