鹏途职场网

当前位置: 主页 > HR知识库 >

优化人才管理 应该多让数据说话!

时间:2015-11-13 21:23来源:《中外管理》杂志 作者:云间 点击:
随着大数据时代的到来,人才管理部门更加重视人才分析了。
人才管理就是投资于人,确保人才的供应。既然是投资,就得关注投入产出比。也就是说,我们往哪儿投,怎么投,都需要树立经营意识,要算算账,让人才管理决策更加优化,更好地支持业务发展,增强企业的竞争力。
 
在人才短缺时代,人才管理越来越精益化,不能仅靠直觉和经验做判断,需要有依据地开展人才管理实践,围绕企业战略目标,最大限度地挖掘和释放人才潜能。随着大数据时代的到来,人才管理部门更加重视人才分析了。
 
实际上,不仅仅如此,很多企业基于样本的数据分析,同样也起到了辅助人才管理决策的作用。如苏格兰皇家银行(Royal Bank of Scotland)、谷歌(Google)、脸谱(Facebook)等都有这样的做法。人才分析就是运用与人有关的数据,帮助企业在多个层面上实现最大的产出。但仅提供数据分析是不够的,人才管理部门还要给出行动建议,帮助业务部门解决问题。在分析的基础上,我们需要摒弃之前自认为正确的做法,积极探索有更大产出的做法。
 
比方说,在校园招聘时,许多公司会青睐那些具备一流学术记录的名校生,但是,AT&T和Google的量化分析发现,应聘者的主动性(take initiative)远比这些更能预测工作绩效。有了这样的数据化证据,就会从背景信息导向的评估转向基于胜任力的评估。类似的,加拿大皇家银行(Royal Bank of Canada)为了在招聘过程中找到高素质、复合型的多元化人才,在应聘者的初选中,他们要求应聘者不要提及自身的教育背景和毕业院校,从而避免招聘者对应聘者产生偏见。
 
人才分析可以贯穿人才从进到出的整个周期。目前,领先企业的实践中,在多个领域得到了广泛应用。
 
给人才“画像”
 
人才“画像”,就是界定在特定角色或岗位上表现优异的个人特征,这是人才管理的基础。高绩效人才的特征是什么,高潜人才的特征是什么,之前更多是靠直觉和个人经验来决定的。有了人才分析,就可以通过数据,更加精准刻画特定人才的特征。
 
谷歌人力运营部门专门成立了一个人力分析团队,于2009年启动了氧气项目(Project Oxygen)。该项目第一阶段,通过多变量统计分析,识别出了一名优秀管理者的八个关键行为:
 
● 是一名好的教练
 
● 授权于团队,放弃微观管理
 
● 关注并关心团队成员的成功及个人福祉
 
● 工作富有成效且以结果为导向
 
● 是一名优秀的沟通者,擅长倾听并分享信息
 
● 帮助员工进行职业规划和发展
 
● 对于团队愿景及战略有清晰的规划
 
● 具备关键的技术能力,能够给予团队建议
 
针对每项指标,还有相应的问题来评估。如对于第一项:“是一名好的教练”,有如下由员工来回答的三个问题来评估:
 
● 你的经理是否及时地提供了具体反馈信息?
 
● 你的经理是否定期和你做了面对面的谈话?
 
● 你的经理是否能够给你提供建设性的意见?
 
通过数据分析证实了管理的价值,引导管理者重视人的管理,并根据关键而具体的管理行为来指导管理者自我提升;全面地了解管理的职责,并据此设计培训项目,提升中小型团队领导者的管理能力。
 
衡量招聘质量
 
衡量人才招聘工作,有补缺时间和单位成本等指标,但最重要的指标是招聘质量:能不能胜任工作,有没有高的绩效表现,愿不愿意长期留在公司。
 
在招聘环节,哪类人才更容易获得用人部门的青睐?这也是人才分析的主要内容。某著名跨国公司的招聘部门通过数据分析发现,在社会招聘中,用人部门面试通过率最高的人才有三个特征:毕业于名校、硕士、工作年限在五年以内。在接下来的工作中,招聘部门重点吸引具备以上特征的人才。
 
在人才甄选时,越来越多的企业开始使用人才测评工具。美国领先企业中有80%的公司使用测评工具,其中,多数是用在高管人员身上,其次是高潜人才。
 
为了提高人才甄选的准确性,在实践中,需要选择和开发质量更高的人才测评工具。衡量测评工具的质量,最重要的指标是预测效度,即候选人测评结果和其未来工作表现的相关性,用效度系数来表示。现实中习惯使用的人才测评方法不一定是预测效度高的工具,比方说非结构化的面试。大量实证研究已经证明,非结构化面试的预测效度不理想,效度系数很难达到0.2。而结构化面试,其效度系数平均为0.4左右,甚至更高。结构化面试的预测效度是非结构化面试的两倍,但实践中非结构化面试仍然大行其道。结构化面试需要精心设计,包括测评维度、面试题目、评分参考、一致的实施程序等,这都以工作分析为基础。非结构化面试比较随意,不需要做很多前期工作,且灵活性大,用人部门往往对自己的“相马”才能过度自信,提问题不愿意受到约束,喜欢在天马行空的聊天过程中来评价人。
 
将多种预测效度高的测评方法整合起来应用,往往会提高选才的准确性。谷歌公司,就是将基于过往行为和假设场景的结构化面试与认知能力评估、责任心测试和领导能力测试结合在一起使用。
 
随着互联网的普及,大数据分析成为可能。比如:通过分析用户在社交平台上或者在公司内部通讯系统中交流时的语言习惯,来推断人的性格、价值观和需求等。
 
提高人才的保留率
 
企业对关键人才的离职动向非常关注,人才在离职之前一定会有一些信号。要根据员工调查等数据的挖掘,分析不同类别的人才看重什么,然后提示用人部门采取相应的有效行动,如恰当时机提拔人才或者采取个性化的激励措施,从而提高人才的保留率。为了提高人才敬业度,或许还需要根据数据分析,决定砍掉一些起反作用的制度。
 
企业在人才发展方面投入了巨大的费用,但是,哪种发展方式最有效?哪种方式和组织目标的达成几乎没有什么关联?人才分析在这些方面也会发挥作用。我们在2014年的调查发现,尽管大家都不认为课堂培训是有效的领导力发展方式,但是,在实际中运用的发展方式中,课堂培训还是被排在了第一位。如果有充分的数据证明存在更有效的方式,我想,企业决策者一定会作出新的选择,比如会选择群策群力研讨实践问题的方式、复盘的方式等。
 
通过数据分析,研究高绩效者的行为模式,然后,在人才发展中,指导培养对象采取新的行为方式,比传统课堂培训的实际效果明显要高。我们在为一家银行培养客户经理时,就专门分析了绩优客户经理和普通客户经理的行为差异。比如:绩优的个人业务客户经理,主动和客户进行非工作交流的比例明显高于普通客户经理。接下来,在培训和辅导中,就强化客户经理的这种行为。再比如:我们也研究过银行网点行长这个岗位,那些业绩持续好的网点行长,往往会平衡内部管理和外部营销,而不是那些仅仅注重外部营销的人。在网点行长培养项目中,要强化提升带团队、抓管理的能力。
 
提前做好人力资本投资
 
人力资本投资分析,其作用是帮助企业搞清:做些什么对业务表现会产生最大影响。比如:很多服务型企业的数据分析发现,员工满意度高的业务单元往往会有更高的营业收入、更低的成本、更高的员工保留率和优质客户的忠诚度。因此,在提高员工满意度方面的投资,对业务会产生非常显著的推动作用。另外,杰出人才的绩效往往高于平均绩效的若干倍。这就提示管理者要花大价钱招募优秀人才,激励、培养并留住这类人才,这才是最值得做的人力投资!
 
那么,开发定制的建模工具,提前预测各业务单元何时该增员,何时该减员,建模时会考虑离职、内部晋升与转岗、业务发展机会等信息。从中国企业的现实情况来看,一把手最关注的还是组织内中高级管理职位的继任者,一旦出现这类人才的断层,对业务的影响立竿见影。因此,如果人力部门做不到整体的人力预测,至少要根据数据分析,做到关键岗位的预测和规划,并通过外招和内培,以及人才保留政策,及早做好关键岗位的人才储备。在中国,国有企业往往出现某个较长时段不进人的情况,若干年后,结果就会导致关键人才严重断档的现象。如果能够提前预警,就会有时间做好补救工作。人力规划要实现的目标就是在合适的位置和时间,以合适的成本,获得合适的人才。
 
当然,要推行基于证据/数据/事实的人才管理,还需要分析文化为支撑。如果一家企业高层不认为数据会说话,更相信自己的经验和直觉,那么实现人才分析的价值,还需要耐心等待。
 
来源:《中外管理》杂志 作者:田效勋
(责任编辑:云间)
顶一下
(1)
100%
踩一下
(0)
0%
------分隔线----------------------------
栏目列表
推荐内容