HR之所以得不到尊重，是因为少了数字的支撑

最近，John W.Boudreau在《Beyond HR》一书中描述了一个情境：“HR之所以未能得到应有的尊重，是由于人力资源是以‘人’为对象的一种‘软管理’，不具备像会计、营销及其他领域所拥有的度量体系，如果HR能够开发出更多更好的“数字”，与组织和人才相关的决策质量就会得到显著的改善。 今日分享一篇关于大数据对人力资源劳动力预测的文章，帮助大家更好地了解神奇的大数据，以下，Enjoy：

---

John W.Boudreau在《Beyond HR》一书中描述了一个情境：

“HR之所以未能得到应有的尊重，是由于人力资源是以‘人’为对象的一种‘软管理’，不具备像会计、营销及其他领域所拥有的度量体系，如果HR能够开发出更多更好的“数字”，与组织和人才相关的决策质量就会得到显著的改善。”

但伴随HR视角的转化—— 从以内部视角看待自身提供的专业服务（六大模块）转变为以外部视角如何看待人力资源应当交付的价值（HRBP/COE/SSC的三支柱模型）， 企业对人力资源职能提出了越来越高的要求—— 不仅需要清晰准确的阐明问题， 还需要收集和使用人力资源职能内外部的相关数据， 做出更加科学、高质量的人力资源决策， 并能够为业务及战略决策提供人力资源视角下必要的支持—— 德勤公司2018全球人力资本趋势报告更是指出， 84%的受访者都认为人力分析重要或非常重要，其重要性高居十大趋势第二位。 出于对这一重要趋势的系统性学习与对更具科学性人力资源管理的呼吁， 我在近期挑选了国外人力分析领域的10篇文章， 涵盖了人力分析的趋势、定义、模型、胜任能力， 人力分析团队组建，循证文化与观念的建立，案例研究以及复盘， 陆续完成了翻译并通过GHR环球人力资源智库得以跟HR同行交流分享， 也在此将系列文章进行归类， 希望能够激发朋友们对这一“HR未来工作”的兴趣： 以下是我对人力分析的几点思考，与领域内的专家朋友探讨。 人力资源度量体系的挑战 根据德勤贝新建立的人力分析成熟度模型与相关调查研究， 高达86%的企业仍然停留在运营性汇报与高级汇报层级， 仅能够进行描述性的趋势分析与内外部对标， 数据的准确性、一致性与及时性仍是这一阶段企业有待解决的基础性问题。 此外，对大多国内企业而言， 不仅传统的HR职能缺少必要的分析技能组合（业务视角、过程咨询、数据分析、IT架构与软件应用），难以针对特定业务与管理情境提出正确的问题， 更大的局限性还在于HR系统与基础设施的薄弱与昂贵的搭建成本—— 人才竞争中处于相对弱势地位的中小企业早已捉襟见肘的人力资源预算， 几乎没有任何可能“浪费”在不产生短期收益、长期收益亦存在不确定性信息系统建设之上； 而即使是预算充足且对人力分析抱以厚望的大型领先企业， 由于其既有的海量数据散落于多个独立运维的系统之中， 深入的跨部门协作要求、系统整合与数据规范/清理繁重的工作量， 以及潜在的投资“黑洞”，也令人力资源决策者望而生畏。 适合国内企业环境的人力分析体系搭建路径 在德勤贝新人力分析成熟度模型的基础上， 结合国内企业特有的群体决策习惯与风格， 我尝试对人力分析体系的搭建路径进行了思考与设计， 但由于国内企业的相关案例实践较少， 且尚无法证明所任职企业经营绩效、人才决策质量提升与人力分析体系之间的因果关系， 故出于案例研究严谨性考虑，在此谨抛砖引玉， 希望能得到领域内更富经验朋友的指点或进行管理实践的经验交流与专业探讨。 总体而言，由于企业在基础设施领域的投资相对稳健且不会一蹴而就， 并且往往会滞后于当前组织的人力分析水平， 因而人力资源专业人员在各阶段中均需要首先证明人力分析所带来的实际效果（效率、效能或业务&战略影响）， 并通过展现真实分析过程与数据清理的耗时，令企业决策层意识到现有信息系统的瓶颈与提升数据管理能力的紧迫性。 伴随人力资源基础设施的逐步投入（见下图：HRIS发展阶段）， 人力分析体系的搭建也会因此呈现出一种“能力先行、系统逐步升级”的循序渐进的态势。

• 阶段1：

  处于此阶段的企业已经拥有基础的人力资源信息系统（HRIS）， 能够有效管理入职时填写的员工基础人力资源信息； HR专业人员能够被动的根据部门或企业高层领导者的要求， 通过简单的结构分析与趋势分析，对企业人力资源预算、人员编制、人口统计信息、培训费用、人员的内部流动情况（招聘、离职等）进行必要的描述性汇报。 此阶段也是相当数量的企业在人力分析方向上停滞不前的时期： 企业各层级定期或不定期会议中充斥着指标各异、数字繁多的表格与多种风格的图表，似乎很负责任的展示数据的结构与趋势， 然而因为缺少对数据背后原因的挖掘与必要的数据可视化能力， 报告阅读者往往会在头脑中立即产生这样的问题：“好的，这些情况我知道了，所以呢？” 为了向下一阶段发展， HR专业人员应当努力挖掘数据的“意义”及背后的“原因”， 即思考并尝试回答： “经过分析得出的结论是什么？” “它是否反映出某些工作绩效未达到预期？” “可能是什么原因导致了这样的结果？” 同时，在报告呈现时避免未附分析结论而单纯的罗列数据。

• 阶段2：

处于此阶段的企业能够充分运用及管理人力资源信息系统， HR领导者能够根据企业战略制定相应的人力资源战略， 并主动、有意识的通过设定与战略一致的、系统的、可量化的指标对人力资源管理体系的效率与效能进行监测与衡量。 在提供了有关企业人力资本构成的描述性汇报基础上， HR专业人员进入了大施拳脚的时期： 他们开始就企业所关注特定领域（职能）的关键指标（如离职率、招聘周期等）寻求与外部市场或标杆企业的对标， 并在对差距进行识别之后开始对数据背后的原因进行深入分析； 尽管尚未将人才管理纳入人力资源信息系统， 但HR领导者已经开始有意识的但并非系统的将人力资源各模块的数据进行整合； 同时，迫于业务领导者或企业决策层的压力， HR领导者开始寻求在人力资源管理实践&投入与经营业绩之间建立一种更为直观的联系。 此外，在定期管理层会议中， 统一的KPI管理框架带来了汇报的规范性与连续性， 能够帮助企业决策者较为全面的了解人力资源职能的总体运行情况。 然而，即使是经过了充分的外部对标、严格的根源分析并制定了详细的行动计划，报告阅读者脑中仍然会产生重重的疑虑：

“看起来你们找到了问题、制定了政策并启动了不少项目，的确是做了相当多的工作，不过，谁能告诉我最后的效果怎么样？你们怎么知道我们是在做正确的事情？”

为了走向下一阶段， HR领导者首先应当继续在汇报中聚焦当前管理情境所面临的关键挑战与问题， 其次要尝试以外部视角关注及衡量各项人力资源决策产生的效果， 对各项人力资源管理实践背后的假设进行检验。 仅进一步思考： “我们是否识别出了真正的问题？” “我们采取的措施与开展的项目是否能够针对性的解决这一问题？” “我们需要如何与业务领导者进行协作？”

• 阶段3：

处于此阶段的企业已经拥有了整合的人才管理系统， 并由此能够记录与有效管理整个员工生命周期完整的人力资源数据； HR领导者能够准确识别真正的人力资源挑战、对相应数据的进行监测与采取可靠的衡量方法以检验决策的有效性， 并在此基础上开展连续的人力资源管理实践。 尽管企业中尚未搭建整合的商业智慧（Business Intelligence）系统， 以将企业内部价值链的所有数据进行关联， 但由于人力资源职能已经证明了自身的分析能力， 并向决策层展现了科学性人力资源决策的过程与对决策质量的衡量， 因而被更多的邀请加入业务会议并被要求针对业务挑战提供人力资源视角下的洞见。 在决策与分析方面，HR领导者开始将重心从汇报转向了人力分析， 从解决内部视角下的人力资源问题转向外部视角下“真正”的业务问题， 他们开始运用统计分析方法针对关键业务挑战进行相关性模型的开发， 并开始通过解决业务部门眼中的“人力资源问题”尝试与业务领导者建立信任与协作关系。 为了真正步入人力分析的阶段，产生一定的业务影响甚至战略影响， 一方面HR领导者应当着力提升人力资源团队的战略性思考与系统思考能力， 例如对内外部业务挑战的识别、对核心商业模式的学习、对客户价值的理解、对竞争对手战略意图与战略举措的思考等； 而另一方面，HR领导者还应当对多种来自于整合人才管理系统之外的数据（特别是财务数据、客户数据与关键运营数据）进行整合， 为进一步检验人力资源决策与业务影响之间的相关性打下基础。

• 阶段4：

处于此阶段的企业已经拥有了较高的人力分析成熟度水平， 为了应对更加严峻的适应性挑战，进一步提升整个领导团队的决策质量， 企业开始着手建立商业智慧系统，尝试对分散在多个内部系统之中、格式与接口各异、缺乏准确性与可靠性的海量数据进行整合。 而通过对人力资源内部数据的熟练整合及对业务情境的深入理解， 诸多业务领导者眼中的“人力资源问题”得以有效解决，人力分析的价值也逐渐得到企业决策者的认可。 在这一阶段， 一方面HR领导者应当积极配合外部数据服务商、参与整合商业智慧系统的数据整理过程， 将此前人才管理系统数据整合与结构化的经验与其他职能及业务领导者分享—— 数据的更新、重复性数据的整理与删除、新增数据标签的建立、遗漏信息的补充、异常数据的识别与清除等，以加速实现系统的可用性与数据的可靠性； 另一方面，HR领导者还应当避免盲目引入更加高级的预测性分析技术， 而应将已有的分析思维与分析能力与新获取的业务数据相结合， 参与到更多业务领导者眼中“业务问题”的识别、分析与解决之中。 面对更加复杂的业务问题与挑战， HR领导者要重新采取阶段2到阶段3的思考方式，尝试回答以下问题： “我们是否识别出了真正的业务问题？” “我们此前制定业务决策的原因和依据是什么？” “组织、人才与领导力在特定的情境中扮演了怎样的角色？” “这一业务问题是否反映出人力资源在组织、人才与领导力实践方面的缺失？” “哪种人力资源实践（政策、项目）能够最为有效的提升这一能力？” 基于丰富的统计分析经验，一旦提出正确的问题， HR领导者便能够迅速做出高质量的人力资源决策，采取行之有效的措施， 并因此产生日益重要的业务影响。 与此同时，伴随结构化数据的丰富， HR领导者也开始对非结构化的数据加以关注， 试图进一步提升以助推个体行为改变为目的的人力资源决策质量。

• 阶段5：

处于此阶段的企业已经初步建立起整合商业智慧系统， 能够对内部经营管理活动产生的各类结构化数据进行收集与有效的管理； 在决策系统之外，企业的日常工作与沟通交流也大量使用更加成熟的内部邮件、办公协同系统与社交与知识分享社群。 拥有成熟高级人力分析能力的人力资源职能已经与业务领导者广泛协作， 在解决重大业务问题中扮演了必不可少的角色，并因此开始参与到企业重大战略决策之中。 这一阶段的主要特点是预测性分析技术的引入—— 在识别人力资源决策与业务结果相关性的基础上， HR领导者需要通过对结构化与非结构化数据的挖掘、运用回归分析或更为高级的机器学习（决策树、神经网络、朴素贝叶斯等）技术， 尝试对决策环境中即将发生的变化进行预测。 在持续发挥业务影响的同时， 这一阶段HR领导者还应当尝试将预测性分析技术运用于人力资源管理决策中： 例如更加准确的预测外部经济环境变化或内部战略调整对人力资源规划的影响、预测未来一定时期内企业的关键人才缺口、预测在何时需要对领导力模型进行重大调整等。

• 阶段6：

在这一阶段，HR领导者会广泛的参与企业的战略制定过程， 在预测性分析的基础上，不仅能够对“环境将会发生怎样的变化”进行较为科学的预测， 还能够通过情境规划、决策建模等技术，对如下问题进行思考与解答： “为了应对这一变化，我们具体应该怎样做？” “在这些同样有效的备选方案之中，最佳的方案又是什么？” “为了达到这一目标，我们应当在组织、人才与领导力方面做出哪些准备？” 不断优化业务与人力资源决策，并作为企业决策层的主要成员，发挥着日益重要的战略影响。 总结 尽管如同Josh Bersin（德勤贝新创始人兼CEO）于《极客已来，人力分析正当时》文中的描述—— 统计学家、数学家、心理学家、工程师纷纷迈入了人力分析领域， 人力分析的概念已在世界范围内迎来了爆炸式的升温； 国内，以人民大学商学院周禹教授为代表的专家学者也发出了“方案逻辑数据化、数据技术工具化、智慧功能产品化”的呼声， 但在大多数国内企业实际经营管理实践中、在众多优秀的HR领导者持续领域内，人力分析却仍然未得到足够的关注。 基于近一段时间来的学习阅读与工作实践，我对国内特定环境下建立人力分析体系进行了较为深入的思考，并尝试提出了如上渐进式的搭建路径；坦率的说，由于本人才疏学浅，且在客观上缺乏企业案例的验证，但鉴于人力分析将为人力资源管理带来的巨大价值以及对国内HR领导者的影响，特将此不成熟的思考抛出，期望与此领域内的专家朋友进行进一步的探索。 -End-