• 观点
    Tony观点精彩分享:“每个企业在不同的成长阶段都会跳入不同的游泳池玩一玩。” 文章导读 分享人:原顺丰、大众点评HRVP-Tony 分享主题:CEO的人才观 精彩观点呈现:企业分为黑海,蓝海,红海三种类型。黑海是未知的世界,黑海的人需要不断摸索,找到方向,才能进入蓝海。蓝海企业用户体验处于领先地位,需要把握技术、人才、市场,筑造高壁垒,保持领先地位,这样才更加容易进入红海。进入红海,竞争激烈,追求比别人做的更加优秀,才能立于不败之地。 嘉宾演讲: 首先感谢大会主办方! 我今天分享的主题跟前面的有点不一样,前面谈到了机器人招聘,所以大家觉得做人力资源的工作,将来会受到AI的冲击。但其实如果今天大家的视野拔高到一个更高的层次,不要把自己定位在一个公司的人才获取专家或者一个招聘的总监,或者一个公司的人力资源总监,而是把你自己的视角放到CEO的视角。不管是在传统的跨国企业、中国大型国有企业、中国的民营企业,以华为、海尔、联想为代表,还是在新兴的经济当中发展起来的一些企业,比如说第一波的腾讯、百度、阿里,以及刚刚在美国上市的拼多多,还包括接下来要在香港IPO的这些公司。你去看这些CEO的身上,只有将视角放在对人的关注上,才能帮公司招到更好的人。 今天早上很多嘉宾讲的是帮公司找到更好的招聘人的工具。找人有各种手段,用大数据等。然而,到最后招人也还是最是有风险的。比如说,你一辈子跟一个人在一起也会有风险,找到一个老婆、找一个先生,哪怕是你自己的孩子,有可能将来也无法和睦共处。所以人这件事情没有办法完全的科学化,因为人本身就是一件艺术品。 我上次在美商会演讲,我全部用中文讲的。演讲主标题是CEO的人才观,我还用了一个副标题,副标题我用了黑、红和蓝。大家可以猜这代表什么,你们可能听说过红海和蓝海的表述,但从来没有听说过什么叫做黑海,以及黑海里面人才的战略是怎么样的? 我曾在很多不同的公司任职,其中包括大众点评,去年上市的顺丰,IBM、可口可乐,万达等全世界前几百强的公司。我接触过王健林,大众点评的张韬。回到黑海的话题,黑是什么?一片迷茫,不知道方向,充满恐惧感和挑战,但冲出黑暗就不一样了。这个黑海里面是怎么样的?这个黑海世界是怎么样的?——未知的,什么对你来说都是未知的。应用到商业领域,你看什么样的公司是在黑海的世界里面玩的,什么样的公司? 在黑海世界玩的企业通常有以下特点: 第一,在公司整个业务发展的前进道路上,你一定会看到很多的威胁和障碍,这也是一定的。 第二,也许公司创始人本人还未找到方向。他只是觉得这件事值得去做,还有一颗这样的初心,所以很多创业公司说不忘初心。 第三,他们内心有焦虑感。请问在座的如果你是跟随一家创业公司的老大,每天没日没夜的去招人,考虑产品的逻辑,画用户的肖像图、产品的线路图等等,但一次次尝试都失败了,就会产生焦虑,对不对? 在这种情形下,作为一家公司,你要知道公司创始人或者CEO最想做的事情是什么?他的终极目标就是不管怎么样,尽快获取哪怕是最小的胜利,一次小战争的胜利,而这个胜利哪怕要花很大的代价,他至少看到了曙光。为什么呢?曙光的力量。在黑海中一旦有那么一小促的火苗被发现,他至少知道有亮光,追过去,接下来才会有越来越多的光明。 所以黑海这种类型企业的CEO,一定是希望他的团队能够在最短的时间给他带来哪怕一点点的小胜利,否则大家一直沮丧下去,人的信心会受到打压。这个时候我们需要怎么样的人?在这种团队里面,就是在黑海里面,我们的人才战略应该是怎么样的?我也写了5点应对的方法。 第一,你所需要的人要有耐受力、忍耐力,人的耐力很重要。大家看过少年派的奇幻漂流,他就是非常有耐力的。一个人在海里面没日没夜的漂流,漆黑一片,没有耐力,人会精神崩溃的,也就不会有这部优秀的作品与大家见面。另举一例,为什么把一个犯人关到小黑屋?因为对犯人最大的惩罚不是让他暴晒,而是关在小黑屋。你跟一群犯人关在一起不会怎么样,因为人有互动。所以忍耐力要放在第一位。这个时候需要的人才都是要有坚韧不拔的定力。 第二,企业家精神。企业家精神不是每个人都有的。从中国历史来看,中国近代的商界里面确实有很多具有企业家精神的人,这些人耳熟能详。最近在香港上市的小米,我觉得企业里都是有企业家精神的人,至于他做的优秀不优秀,我们不讨论,但至少今天这些人走出来了黑海,就是说他不服输、执着、专一、不放弃,同时他考虑的大战略也得到了落实。一个真正优秀的企业家,在给投资人做路演的时候,他可以在路演上演讲。当你关起门来跟研发团队做产品的时候,他也可以滔滔不绝,一起去PK和讨论,这叫做企业家精神,这绝对不是这个人表面讲了多少励志的东西,而是自己肯脚踏实地去做。我的大学同学张韬,我觉得他是非常有企业家精神的人,他毕业于美国沃顿,生病辍学去了美国,当时一心要去,到了美国他觉得,我与其在中国做一个电脑顾问,还不如来中国自己创业。 第三,跟毅力有点像,要有反弹力。意思就是说你有没有反弹的机会,哪怕你今天被这个浪打下去了,你还可以再爬起来,把帆布的漏洞补好,不让船沉下去。有的人一巴掌打下去再也不能创业了,有的人创业是屡战屡败,这种人是有反弹力的。我相信你们最近也看到了很多的报道,新北大的王津就是非常有反弹力的,股票今天涨十几块,明天跌二十几块公司的CEO,这个人就是超人,就是钢铁侠的人。 前面三个都是在讲内在的品质。 第四,通常对于一家创业公司来说,条条框框的边界和规则如果太早去设定这家公司一定走不远,你要放开手脚去拼,因为这个时代是不会等你。如果当时滴滴,快滴创业初期,先讲我们的游戏规则怎么样,没办法拼。中国是一个丛林法则的国家,谁先进来谁就可以赢,但是美国不一样。中国有很多的互联网模式是模式的创新不是技术的创新,现在有很多的年轻人开始走技术创新的这一条路,比如区块链等等,包括滴滴也是的。美国硅谷大多数企业,基本上是科技为先,不管是做人工智能还是做大数据也好,且都与生活息息相关。 最后一点,他不希望招太多的庸人,他只要招一到两个或者两到三个最顶尖的人,跟他一起去“打仗”,而这些人必须要跟他有同样的气质。不管今天在座的是猎头还是公司的HR,还是公司任命你做HR的工作,如果你去帮一家企业的创始人、创始团队去选人,我觉得你应该去选这样的人。 能够在黑海里的人,永远是有热情的,还有非常饱满的热情,永恒的热情,如果没有这个热情,那就是等死,就是随波逐流。 进入到红海,虽然竞争激烈,但大家都具备一定的竞争力。玩家有很大的市场,但还是残酷的。这个领域里面的公司已经有了一套设定的游戏规则,玩家都知道这个行业应该要怎么样玩。 其次,在所有的商业战场上,从产品研发到最后的出产等等,线上线下每个地方都在角力、都在拼。之前在几大视频网站拼,最后就合并了。比如,美国的优步到中国来开拓市场,最后中国把美国的优步给合并了。美国的人很有意思,一旦你加入某个行业,你在这个行业玩的话,美国就觉得我不要跟你一起玩了,我就去玩别的行业了。中国人,你玩我也玩,所以中国的街都是一条街。美国人是你们都不要玩,你到我这里来玩,我会把你们都给合并了,然后你们再到我的平台上来玩。你会发觉很有意思。中国有足够大的民生市场,就是老百姓可以玩的,因为我们有议价能力。一旦有一家独大的时候,我们的议价能力反而没有了。所以现在是我们的红利,现在的红利不在美国。 再往下看,他们也会思考WIN-WIN,就是这些大佬合并了,比如优酷和土豆的合并,太多的案例了,但是双赢毕竟是少数。很多企业是直接吞并,或者直接让你崩盘,所以在红海里面玩的人是很强悍的。在黑海里面玩的人也不是人,都是神。 在一个竞争非常激烈的市场,不同于传统行业,现在的行业比拼的是你快速获取客户的能力,以及你的运营和迭代能力,你的获客能力也是资本。不管怎样,任何一家公司最终都会需要所谓的人工成本、运营成本等等。在红海里面能够胜出的人一定是希望最后可以跟别人做的不一样,但这个一定不是创新,有创新的一定是迭代。当初我们都在做团购的时候,那个时候拼的很厉害,但是一旦有人做的一点点不一样就可以把别人都比下去。 要比别人做的更好,在红海里面只有永远追求比别人做的更加优秀。在红海里面的人才战略是: 你一定要成为在行业里面能够找到最优秀的,每个专家领域里面最顶尖的高手,这个需要非常具有经验。因为红海这个行业已经是一个沉淀的行业。 还有就是你要更加强调超前执行力。当大家在“打仗”的时候,但凡有一支军队执行力出问题了,他就会被你打败。所以你的规则一定要写的非常完整,因为“打仗”你的员工是很累的,所以你对这些员工的激励方式要及时。黑海不一样,可以长远一点。 最后一点,你除了招人,对于红海里面的玩家更多是要保留人才,因为在红海里面是“打仗”,打仗的时候还有时间浪费吗? 在蓝海里面也有这些特点。 第一,一家企业在蓝海里面玩儿他并不传统,蓝海的企业所面临机会不像黑海什么都不知道在摸索,蓝海是知道这个机会已经被认可,可以去做。比如说健康医疗,用人工智能的方法去做所谓的医疗健康,高科技,将来的医生不一定是真正的人,一定是人机结合的。现在已经在做了,人造皮肤已经在硅谷出现,研发的科学家是一个华人女性,这个皮肤是可以呼吸的,烧伤的人将来不需要自己再移植一块皮肤上去,可以给你人造的。 第二,蓝海的人一定要创造价值,他们所有的驱动点来自于为这个社会和人类创造价值。创新力在这样的企业是要达到一定高度的,这是重要的核心点。对在蓝海里面的企业来说,用户体验已经跑在前面了,他不怕,所以他需要我们员工更加的呵护,不管我2B还是2C,或者是2B和2B。 第三,任何一家蓝海公司必须要有差异。对于蓝海的企业来说,他越早建立壁垒越好。企业已经够领先了,机会也存在了,现在就看你能不能把握技术、人才、市场,把你的壁垒筑的高一点,使得你的追兵不多,这样才更加容易进入红海。 所以怎么做呢?在蓝海里面我们的人才战略是: 领导者一定要果断决策,市场不等你。 第二,他要充满能量和热情,这是可以感染到他的团队,或者说你招聘的人要充满正能量和热情,可以感染周围的人。 第三,有一些非常垂直领域的人才、专家。术业有专攻,不只是一点情怀,有企业家风范就可以玩儿了。因为需要这些人筑壁垒,并且把自己的壁垒建高。 横向需要贯穿到整个公司管理各个岗位的一些复合型人才,因为这些人去帮你做融资、谈判、合作伙伴、做平台等等。 最后,这样的企业一定是可以给弃权、给激励。最后跟雷军可以一起玩到小米上市,OK!小米就是这么成长起来的。如果没有雷军在上面,下面的人不会追随。小米今天不一定是在蓝海,有些领域在蓝海,有些领域早就已经在红海了,也许也可以尝试黑海。每个企业在不同的成长阶段都会跳入不同的游泳池去玩一玩。 所以当蓝海中的企业最终能够实现他们的抱负,这些梦想都会实现了。所以最后一句话送给大家,就是继续游泳,不要被淹死,活着就不错了。谢谢大家! 以上内容节选自727招聘科技嘉宾发言,未经嘉宾本人审阅,仅供参考!
    观点
    2018年08月02日
  • 观点
    如何为人力分析专业人士创造职业道路-How to create career paths for people analytics professionals(续) 文/David Green 文章导读 往期回顾: Geetanjali在2017年9月在费城举行的人力分析与未来工作会议上发言要点回顾: MERCK&CO.的人力分析团队 这个团队由三支柱组成:咨询、高级分析、报告和数据可视化 创建一个数据驱动的文化:高层领导的支持对于人员分析功能的成功至关重要 在人力分析中创造职业道路:一个能够提供发展和职业发展的组织和领导者,可以成为吸引和留住人才的关键因素。 三“C”模式:Capability-Capacity-Connectivity 今日导读: 领导人员分析团队 问7、在谈到你作为一个人分析领导者的角色时,你会对这个角色的新手或者将来想成为一个人分析负责人的人提出什么建议呢? 分享五个我认为普遍适用的特性,并且对于成为这个领域的有效领导者很重要。 优先考虑:对于人员分析领导者来说,学习如何无情地优先考虑团队将花费时间和精力的项目是至关重要的。 位置: 一个好的领导者知道如何找到合适的机会去重新定位、结合和展示这项工作。这不仅对获得声望和对人员分析的认可很重要,而且对提升团队的士气也很重要。 连接: 当你建立起新的职业联系时,你也开始建立友谊,这是一个支持网络,可以帮助你在这个相当模糊的、新的人力分析空间中导航。 与时俱进:作为一个优秀的人员分析领导者,重要的一点是要跟上外部变化的步伐,并将这种学习带回您的业务中 发展:一个有效的领导者需要投入时间和精力来建立自己的内部和外部网络,并与他们的团队分享他们的进 问8、我观察到的一个挑战是,作为一个人分析的领导者,你必须平衡在内部构建能力的重大挑战,同时关注在外部快速发展的领域。作为一名分析人士的领导者,你如何平衡这两个优先事项,以及你如何了解公司外部发生的事情? 尽可能多地阅读各种不同的出版物(博客、文章、白皮书、书籍),这些内容让我与人力分析的各个方面:从社会科学到人工智能都保持联系。 此外,与来自不同行业的其他从业者建立联系很有帮助,我通过非正式的和正式的对等网络进行联系。 最后,我试着每年参加一些活动来学习新的东西和认识新的人。   人力分析的未来 问9、你认为人力分析的主要趋势是什么? 我认为人力分析中的一些“热点领域”将在未来继续变得“更热”。 我还认为,随着研究的增长和越来越多的组织对这一领域的投资,网络的力量将得到充分的挖掘和释放。 最后,要实现所有这些类型的分析,最重要的领域之一将是关于数据使用、隐私和人员分析领域的安全性的伦理研究。   问10、我们如何平衡我们能做什么以及我们应该做什么? 谈谈你对道德和隐私等方面的关注。 过度反应或倾向于采用过于保守的方法,这可能会妨碍人员分析领域的一些重要工作。 话虽如此,与适当的实践专家密切合作,就业法律、隐私法律、伦理、通信、业务合作,和工人委员会合作是一个很好的方式,以确保除了工作的合法性。 另一种从道德角度是预先与内部客户分享你分析的可能结果,并向他们清楚地说明在每个场景中他们将采取什么行动。 在人力分析领域工作类型需要把伦理放在最重要的日程上 英文原文: LEADING THE PEOPLE ANALYTICS TEAM 7. Turning towards your role as a People Analytics Leader, what would your advice be to someone who is new to this role or who aspires to be a Head of People Analytics in the future? I think everyone has different strengths and experiences, which means their approach will vary with regards to them proving successful as a people analytics leader. But based on my personal experiences and observations of others, I can share five attributes that I think apply universally and are important to being an effective leader in this space. Prioritise: Whether you have a small or large people analytics team, it will never be big enough to meet all the demands of your clients, particularly as awareness of the team’s capabilities grow. So, it is critical for the people analytics leader to learn (and teach!) how to relentlessly prioritise the projects on which the team will spend its time and effort. A good rule of thumb is to think about the magnitude of business impact that an analysis has the potential to deliver, or a key relationship that it can help build in the business for future collaborations and sponsorship. Many teams even use formal prioritisation grids to help the process, but ultimately the leader needs to ensure that the criteria used to allocate resources to projects aligns with the vision and mission of the people analytics team (which in turn, should align with the objectives of the enterprise). It is critical for the people analytics leader to learn (and teach!) how to relentlessly prioritise the projects on which the team will spend its time and effort. Position: A critical skill for a people analytics leader is the ability to effectively position analyses before the right decision-makers at the right time to maximise positive outcomes and build a strong people analytics brand. This is probably one of, if not the most, important part of being a people analytics leader. On many occasions, brilliant workforce analyses have been underutilised in their original scope, but a good leader knows how to find the right opportunities to repurpose, combine and present this work. This is not only important in gaining prestige and recognition for people analytics, but also for boosting the morale of the team. Connect:  There is a small, but growing, community of people analytics leaders globally who collectively have a spectacular amount of experience and knowledge. Fortunately, this community is inclusive and generous, in terms of sharing their knowledge and connections with others in the field. The group is a great resource to learn about new technologies, techniques, vendors, and also receive tips and tricks that can help a new leader to avoid mistakes and grab the right opportunities. Most importantly, as you build new professional connections you also begin building friendships that are a support network to help you navigate this fairly ambiguous, new(ish) space of people analytics. Evolve: Since a people analytics leader needs to have some depth in analytical methods, it is always a good idea to read, listen and learn. Thanks to social media there are amazing resources available, many of them free, that any analytics leader can and should leverage to keep oneself updated and evolving. There are some extremely prolific writers (like David Green!) who share both original and curated content on various forums including LinkedIn. Whether you are looking for detailed tutorials on advanced data science methods or want to learn about the latest technological breakthrough and its application to people data, there is a publication, podcast, or video out there on it. Another reason why this mind set of curiosity and awareness is important is because the people analytics space is sensitive primarily due to ethics and privacy reasons; and keeping a handle on that also demands a leader who keeps their eyes and ears open. An important part of being a strong people analytics leader is to keep up with the pace of change externally and bring that learning back to your business. An important part of being a strong people analytics leader is to keep up with the pace of change externally and bring that learning back to your business Develop:  Last, but certainly not the least, a critical part of being a good people analytics leader is simply being a good leader. This implies being someone who invests in the development of their team. It is of particular importance because it is a space that has attracted a lot of exceptional talent, but still has somewhat limited opportunities for advancement. Therefore, an effective leader needs to invest time and effort in building their own internal and external network; and share it with their teams for their advancement. They should also be committed to actively finding or creating opportunities for their team members to learn new skills and develop themselves as multi-faceted professionals. An effective leader needs to invest time and effort in building their own internal and external network; and share it with their teams for their advancement 8. One of the challenges I’ve observed in being a people analytics leader is that you have to balance the significant challenge of building capability internally whilst keeping an eye externally on what is a fast-developing field. As a people analytics leader, how do you juggle these two priorities, and how do you keep abreast of what is happening outside the organisation?  I strive to practice the same behaviours that I would advise new people analytics leaders to try. For example, I follow and subscribe to content by certain thought leaders in people analytics and read as many varied publications as possible (blogs, articles, whitepapers, books) which keep me connected to the different aspects of people analytics; from social science to artificial intelligence. In addition, it really helps to connect with other practitioners in the field from different industries, which I do via both informal and formal peer networks. This helps to broaden one’s worldview, spark new ideas, and offers a forum to ask questions of your peers. Most likely, if you are facing a people analytics quandary, there is a leader out there who has faced it too and would be willing to share their experience. Finally, there are a plethora of great conference events out there, and the quality and number of these keeps rising every year. I try to participate in at least a few such events every year to learn new things and meet new people. THE FUTURE OF PEOPLE ANALYTICS 9. What do you believe will be the main trends moving forward in people analytics?  I think that a number of “hot areas” in people analytics will continue to get “hotter” in the future. The idea of employee experience will grow even wider with focus on the end-to-end experience all the way from being a prospective candidate stage to becoming an alumni of the company. This is likely to grow simultaneously with the focus on managing and optimising a new, fluid workforce that may at any one time be full-time and freelance, human and robotic. I also think that the power of networks will be fully explored and unleashed as research grows and more organisations invest in this space. The applications of network analysis are so varied and relevant, that it should continue to gather steam in the future. Finally, from my perspective to enable all these types of analyses, one of the most critical areas that will grow in importance will be the study of ethics relating to data use, privacy and security in the space of people analytics. 10. Finally, how do we balance what we can do with what we should do? How concerned are you about areas such as ethics and privacy? This is a great question, and a difficult one to answer. The frontiers of what is possible are being pushed at a break-neck speed thanks to ever larger datasets being at our disposal faster, and at cheaper cost. And that pace makes it tough to process the implications in real time. In fact, this often leads to an overreaction or the inclination to adopt an overly conservative approach that can hamper some great work in the people analytics space. That being said, I believe that an extremely important fact to understand about the space we work in is that we should not do something just because it is possible. Besides being legally compliant, the type of work being undertaken in this field needs to put ethics at the very top of the agenda even before beginning work on an analysis. Working closely with the appropriate experts in the practices of employment law, privacy law, ethics, communications, business partners and workers councils is a good way to ensure that besides the legality of the work, its potential impact on people is also being considered through the lens of ethics, privacy, and empathy.  Most established organisations have extensive reviews involving these types of stakeholders already in place. Another way to pressure test the approach from an ethics lens is to share possible outcomes of an analysis with the internal clients beforehand and ask them to articulate what actions they would take in each scenario. Obviously, this method is not possible in every situation, but when applicable it can be a useful “stop and reflect” moment. The type of work being undertaken in the people analytics field needs to put ethics at the very top of the agenda
    观点
    2018年07月31日
  • 观点
    如何为人力分析专业人士创造职业道路-How to create career paths for people analytics professionals 文/David Green 文章导读 根据德勤于2017年11月发布的“高影响力人力分析研究”(High-Impact People Analytics study), 69%的大型机构(10,000多名员工)现在拥有一个“人力分析团队”。 Geetanjali Gamel在旧金山举行的“人民分析与未来工作会议”(People Analytics & Future of Work Conference)上的演讲这个话题。Geetanjali是默克公司劳动力分析的全球领导者。在2017年9月在费城举行的人民分析与未来工作会议上发言。 为什么要人力分析? 问1、你好,Geetanjali,请解释一下吸引你到人力分析领域的原因。 我工作中最有趣的部分是理解、测量和预测人类行为及其对销售和收入等业务结果的影响。因此,我很自然地被这个机会所吸引,这个机会将科学的方法引入到人们的数据中,并帮助塑造一个组织如何为其投资者带来价值,同时为其员工带来更丰富的经验。 MERCK & CO.的人力分析团队 问2、请您描述一下默克公司的劳动力分析团队的规模和结构,以及它是如何与业务联系起来的。 默克的劳动力分析团队(WFA)拥有15名成员,在全球80多个市场,69000名员工。 这个团队由三个主要支柱组成:咨询、高级分析、报告和数据可视化。 咨询——每个咨询师都与我们的业务部门(如制造、研究、销售等)保持一致。他们与领导者紧密合作,以理解和预见棘手的业务问题,并运用正确的方法解决问题,将分析转化为可操作的观点。 高级分析——高级分析团队是一群灵活的数据科学家和专业人士,他们主要专注于需要高级技术技能或很有意义的项目。它们围绕业务问题进行组织。 报告和数据可视化——他们直接与来自业务各个部门的内部客户合作,以确保合适的人在合适的时间拥有合适的数据。驱动了内部客户满意度。 三个WFA团队紧密合作,以确保识别和利用业务活动之间的协同作用。 创建一个数据驱动的文化 问3、德勤(Deloitte)的“高影响力人物分析”(High-Impact People Analytics)研究发现,在创造高级能力方面,最重要的因素是需要创建数据驱动的文化。你在默克公司是如何做到这一点的? 我们首先在人力资源社区中推广数据,推出了一个基于云的劳动力分析平台。我们还开发和部署了一个能力构建程序,其中的模块主要集中在度量选择、假设测试、数据可视化、推荐开发等方面。 此外,我们一直在利用的另一个渠道,加速人力资源数据驱动文化,是让我们更广泛的人力资源社区的成员成为分析“冠军”。 最后,我们还建立了一个人力资源领导团队,在人力资源中传达建筑数据和分析能力的信息。 高层领导的支持对于人员分析功能的成功至关重要 在人力分析中创造职业道路 问4、您对为人力分析专业人员创建职业发展道路充满热情。 为什么你认为这是如此重要? 我热衷于为那些使人力分析成为可能的人们建立更好的工作体验! 我发现这个团队能够为职业道路,继任计划和大型员工的人才流动等领域做出决策,但经常陷入无处可扩展的境地。 此外,大多数人分析团队都是人力资源部门的一员,而且往往被贴上高度专业化的“人力资源精英”卓越中心(CoE)的标签,这限制了横向或向上进入CoEs或业务部门的其他人力资源角色的机会。 最后,一个能够提供发展和职业发展的组织和领导者,可以成为吸引和留住优秀人才的关键因素。 如果我们能让更多人力分析人才流动起来,就会为人力资源和企业的其他部门增加技能、方法和拓宽视角,为企业创造额外的价值。  一个能够提供发展和职业发展的组织和领导者,可以成为吸引和留住优秀人才的关键因素 问5、关于人才分析团队的职业发展,你在默克制定了什么计划?关于人才分析团队的职业发展,你在默克制定了什么计划? 从我在默克公司工作的第一天起,我的首要任务之一就是了解我的团队的力量和抱负,并将他们的发展与他们的职业目标结合起来。我得出了一个Capability-Capacity-Connectivity模型,为我们的人员分析团队提供一个可持续发展项目。这种模式成功的一个关键驱动力是你的领导的支持和与其他团队的合作。 问6、职业发展计划的主要好处和收获是什么? “3C”方法是围绕解决障碍和为人学分析团队创建促进职业发展的桥梁而构建的。 第一个“C”:能力,能力必须在两个级别上处理。 能力级别1:构建数据、技术和分析精明的客户 能力级别2:提升人员分析团队 第二个“C”:Capacity容纳度 如果没有时间远离日常的活动,就不可能专注于一个人职业生涯的下一步 第三个“C”:连接 将人员分析团队与其他人力资源,数据科学,技术和业务专业人员联系起来,建立对双方不同类型工作的认识和相互欣赏。 英文原文: According to Bersin by Deloitte’s High-Impact People Analytics study, which was published in November 2017, 69% of large organisations (10,000+ employees) now have a people analytics team. It is a surprise then that many organisations overlook the need to develop the careers of their people analytics team. Given the pace of evolution of the field and the high-demand for talent in the space, this is an oversight that needs correction. As such, it was refreshing that the main focus of Geetanjali Gamel’s presentation earlier this year at the People Analytics & Future of Work Conference in San Francisco (see key learnings here) was on this very topic. Geetanjali is the global leader of workforce analytics at Merck & Co., Inc. (NYSE: MRK, known as MSD outside the United States and Canada). I caught up with Geetanjali recently to ask how she has created career development paths for her team as well as discuss other related topics in the people analytics field. Geetanjali Gamel speaking at the People Analytics & Future of Work Conference in Philadelphia in September 2017 WHY PEOPLE ANALYTICS? 1. Hi Geetanjali, please can you introduce yourself, describe your background and explain what attracted you to the people analytics space. Like many of my colleagues in people analytics, I’ve had a non-linear path to my current role. I am a trained economist and began my career in research at the Federal Reserve Bank of St. Louis studying topics like macroeconomic forecasting, unemployment and inflation.  With this foundation in social science methodology and research, I soon transitioned to business forecasting, predictive analysis and scenario-planning to drive customer growth and revenue projections in corporate planning and finance departments in the energy sector. The most intriguing part of my work was in understanding, measuring and predicting human behaviour and its impact on business outcomes such as sales and revenue. So, I was naturally attracted by the opportunity to bring scientific methodology to people data and help shape how an organisation can drive value for its investors along with enhanced experience for its employees. I began by building a predictive analytics function from scratch in HR in my previous role at Mastercard and since 2016 I have led the advanced workforce analytics, consulting and reporting organisation in Merck HR. THE PEOPLE ANALYTICS TEAM AT MERCK & CO. 2. Please can you describe the size and structure of the workforce analytics team at Merck and how it aligns to the business Merck’s workforce analytics team (WFA) has 15 members who support 69,000 employees in over 80 markets worldwide through a rich portfolio of people analytics products. The team consists of three primary pillars; Consulting, Advanced Analytics, and Reporting & Data Visualisation (see Figure 1 below). Figure 1: The Workforce Analytics team at Merck & Co (Source: Geetanjali Gamel) Consulting - Each consultant is aligned to one of our business divisions like manufacturing, research, sales, etc. They work closely with leaders to understand and anticipate burning business questions, utilise the right methodology to find the answers; and convert the analyses into actionable insights. Advanced Analytics - The advanced analytics team is a nimble group of data scientists and specialised professionals who focus mainly on ad hoc projects requiring advanced technical skills and/or initiatives of enterprise level significance. They are organised around business questions and may support several divisions at a time, in contrast to the end-to-end approach that the consultants take with each initiative. Reporting & Data Visualisation – This team forms the backbone of all the amazing work we are able to do, as well as the internal customer satisfaction we drive. They work directly with internal clients from all parts of the business to ensure that the right people have the right data at the right time. The three WFA teams work closely with each other to ensure that any synergies between business initiatives are identified and leveraged. CREATING A DATA-DRIVEN CULTURE 3. The recent Bersin by Deloitte High-Impact People Analytics study found that the single biggest predictor in creating advanced capability is the need to create a data-driven culture. How have you achieved this at Merck particularly with regards to HR Business Partners and the wider HR function? I agree that culture can be the strongest catalyst or impediment for people analytics. It is also ridiculously difficult to identify and alter, particularly because organisations at any given time tend to be collections of sub-cultures. But there are some patterns of behaviours, decision-making, and incentive-rewards, which distinguish data driven cultures from others. These behaviours can be purposefully incubated through a combination of upskilling, training and mind-set building. At Merck, we believe that a leading HR function is one where analytics capability is not only for the analytics team, but the whole HR team. This does not imply that every role requires equal depth in analytics, but a new baseline of data interpretation and communication skills is critical to being effective partners to the business. To this end, we started out by democratising data within our HR community by rolling out a cloud based workforce analytics platform. This is helping us drive greater familiarity and reliance on data among our HR users. We have also developed and deployed a capability-building program with modules focused on metric selection, hypothesis testing, data visualisation, recommendation development, and more. Another channel that we have been leveraging to accelerate a data driven culture in HR has been to engage members of our wider HR community as analytics “Champions”. These superheroes are critical to spreading the adoption of data informed insights, since they live and breathe the daily challenges of their colleagues; and can share relatable examples with their counterparts on how data can unlock value. Finally, we also have an HR leadership team that is aligned and strong advocates in relaying the message of building data and analytics capability in HR. Needless to say, sponsorship of senior leaders is imperative to the success of a people analytics function. Sponsorship of senior leaders is imperative to the success of a people analytics function CREATING CAREER PATHS IN PEOPLE ANALYTICS 4. You are passionate on the need to create career paths for people analytics professionals. Why do you believe this is so important? I firmly believe that the goal of people analytics is to drive value for the business as well as provide a better experience of work for employees. So naturally, I am equally passionate about building a better work experience for the people who make people analytics possible! I find a sad irony in the fact that the team which enables decision-making on areas like career pathing, succession planning, and talent movement for the larger workforce, is often stuck in a position of having nowhere to grow. From my discussions with many colleagues in this field, I have learned that the typical people analytics team usually tends to have a group of individual contributors (analysts, data scientists, consultants) and a director or senior director level leader. This leaves only one spot for the entire team to aspire to, at least for upward movement. In addition, most people analytics teams sit within HR and tend to be branded as a highly-specialised “HR-lite” centre of excellence (CoE), which limits the opportunities to move laterally or upward into other HR roles in CoEs or business units. And this reality of being “boxed-in” can be very frustrating for bright, highly-employable individuals. If you are a leader in people analytics, and if you have had to recently recruit new talent for your team, I would guess you are acutely aware of the gaping chasm between talent demand and supply in this field. In my opinion, an organisation and a leader who can offer development and career growth can be a key differentiator in attracting and retaining the best people analytics talent. Broadening that vision, if we enabled more fluid movement of people analytics talent, it would add to the diversity of skills, approaches and perspectives to other parts of HR and the business, and would create additional value for the enterprise. An organisation and a leader who can offer development and career growth can be a key differentiator in attracting and retaining the best people analytics talent 5. What program have you put into place at Merck regarding the career development of the people analytics team? From the first day of my role at Merck, one of my top priorities was to understand the strengths and aspirations of my team and align their development to meet their career goals. After multiple discussions and numerous iterations on ideas, I arrived at a Capability-Capacity-Connectivity model to power a sustainable development program for our people analytics team. The underlying idea is that if we can build the right capability within the analytics team and its clients; reallocate capacity that is being consumed by suboptimal tasks; and drive connectivity between people analytics teams and other parts of the business; then we can potentially discover and create new career paths and opportunities. But please bear in mind that a key driver of success for such a model is sponsorship from your leaders and partnership with other teams. In our case, we were fortunate to have both. This has empowered us to be inventive and co-create development opportunities for our team.   6. Please can you provide more detail on what comprises each of the Capability, Capacity and Connectivity elements of this approach. What have been the key benefits and learnings from the career development program?  The “3C” approach is built around tackling barriers and creating bridges that promote career development for people analytics teams. At the outset we knew that the team was faced with a high volume of requests needing significant manual effort. (see Figure 2 below): Figure 2: Challenges in accelerating maturity in people analytics (Source: Geetanjali Gamel) Since the day-to-day work was time and effort intensive, there was not much room to hone more sophisticated skills or build knowledge sharing relationships with others, leaving the people analytics team stuck in a loop. So, we put careful thought and purpose into adopting the following model. Capability The first “C”, or capability, had to be addressed at two levels. The first was to empower our broader HR team with the right tools and training to have greater autonomy to perform analyses. We moved to an intuitive analytics platform and organised workshops, office hours, and learning sessions to improve data literacy among our internal HR clients. This type of effort is important to free-up time for the people analytics team to build their own skillset (and path to growth), while also creating a greater awareness in other parts of HR about analytics. Figure 3: Capability - Level 1: building data, technology and analytics savvy clients (Source: Geetanjali Gamel) The second area of capability building had a more direct impact on the team. We held a team strategy session where we identified areas that needed focus for internal functional, technical and strategic competency building. These focus areas were carefully selected to create dual impact – provide us with a skill or knowledge we could use immediately in our work; and more importantly, help us practice a new behaviour that would develop us as well-rounded professionals. For example, on the technical side, we organised an in-house R-training curriculum, created and delivered by some of our own colleagues to the rest of the team. This helped us build a technical skill we could immediately put to use to do better work, and also built coaching and confidence skills for those who led the program. Another great example was of an external guest speaker series that we launched, which brought recognition to the team for bringing new insights to the company, and also helped the team gain experience in organising an event successfully end-to-end. Figure 4: Capability - Level 2: Upskilling the people analytics team (Source: Geetanjali Gamel) Capacity At first, capacity building measures may not sound like a natural fit with developing career paths. But it is impossible to focus on the next steps in one’s career if there is no time to step away from the daily barrage of activity to have a conversation; listen to a webinar; learn about a new project; or simply, chat with colleagues over lunch. As such creating capacity for the team is critical to allow them to develop their skillset to be more widely applicable, as well as to build the networks they need to find new opportunities. As mentioned before, our journey began with democratising data and providing a range of workforce metrics and even results of our enterprise voice survey in accessible cloud platforms to our HR community. We continue to supplement our efforts to empower our internal clients, and in the process unlock capacity for our team, by forming global communities of practice for analytics. Another effort to scale our analytics delivery and save precious time has been by finding opportunities to utilise process automation on repeatable tasks. It is impossible to focus on the next steps in one’s career if there is no time to step away from the daily barrage of activity Connectivity Despite efforts in building capability and reallocating capacity, there can’t be much career development if there is nowhere to go! This is when the third “C” of connectivity comes into play. In fact, it could just as easily be C for creativity, because we need a great deal of innovative thinking and risk taking to create opportunities where they don’t always exist. We started with small yet effective steps rather than trying to construct huge, formal programs. Connecting the people analytics team with other HR, data science, technology, and business professionals builds an awareness and appreciation for different types of work on both sides. We leveraged opportunities to co-create part-time assignments with other teams, participate in cross functional events, invite guest speakers to team meetings, and collaborate on projects to expose the team to other areas of analytical work. Connecting the people analytics team with other HR, data science, technology, and business professionals builds an awareness and appreciation for different types of work on both sides To create development assignments for the people analytics team we were creative and went with “quasi-experiments”. The first was an opportunity for a team member to take on the role of an HR business partner on a part-time basis for a few, smaller client groups. This gave the individual an opportunity to apply their analytical skillset to the role and get much greater exposure than before to business clients and business issues. Such an experiment has a multiplier effect. Where typically a business partner track is not easily available to a people analytics professional, creating such an opportunity internally can open up a new career path. Moreover, even if the individual does not end up pursuing this new career direction at the end of the experiment, it is still a valuable learning experience for them to be in the shoes of their internal client, i.e., the HR business partner. Finally, it may help to lay the foundation for what I like to call the HRBP 3.0 model. Where the original HRBP role had a heavy component of operational (and even transactional) work, the HRBP 2.0 model that many companies follow today aims at strategic business partners who enable key business decisions. The HRBP 3.0 model takes it a step further by envisioning an analytical HR business partner, who relies on both data driven insight and business acumen to support their client. Another “experiment” in creating new career opportunities was a mini-assignment we created for one of our people analytics team members to lead a large, remote team in the service delivery space. This was a completely different line of work from people analytics, and was heavily focused on operational and organisational skills like identifying and escalating issues on short deadlines, supplier relationship management, building relationships with a variety of HR and non HR stakeholders, and leading a service centre team to drive customer satisfaction. Clearly, this would not be a typical career path for a people analytics professional, but that is exactly why we need to be bold and creative with such experiments. This assignment not only exposed the individual to a different type and pace of work, but also gave them an opportunity to bring their analytical skills to the table to significantly elevate the usage and interpretation of transactional data. While many mature organisations have good-sized people analytics teams, there are still many where the teams are pretty lean. This model may work well for most purposes, but it usually limits the opportunities for team-members to have people management experience. This is not always necessary for upward mobility, but it many cases it is difficult to move upward without some kind of experience of leading a team. Keeping this in mind, we built more depth in our people analytics team, creating enterprise advanced people analytics and data visualisation and reporting sub-teams within the larger group, which are led by two of our team members. Taking a chance on subject matter experts and giving them the opportunity to lead and delegate not only helps to open up doors for them, it also gives them a chance to coach others on their team to be future experts and leaders. Lastly, we also created a new learning analytics role on our people analytics team which is a step toward building greater synergies between people analytics and learning practices, but also our small contribution in creating a new capability (and career path!) that is still evolving in many organisations.
    观点
    2018年07月30日
  • 观点
    推荐:全球最顶尖的招聘经理每天在做什么? 作者:Dr. John Sullivan,翻译:高永,global vision 有“招聘界的乔丹”之称的招聘管理专家Dr. John Sullivan收集了100多家标杆公司的最佳实践,我们从中选出25条招聘要点,供大家学习和借鉴。 你知道全世界最顶尖企业的招聘经理每天都在做什么吗?你知道他们的日程表上最优先的事项是什么吗?你知道如何完善现有的招聘体系以比肩这些高富帅的精英公司吗? 这篇文章就能提供这些答案,就看你能不能做到了。 这是一篇由招聘管理专家Dr. John Sullivan所撰写的文章,他被称为“招聘界的迈克尔乔丹”、“人力资源测量之父”和“行业内最值得尊敬的战略家之一”,文章中列举了高效招聘经理需要关注的25个工作要点,以及顶尖公司在这些问题上的最佳实践,希望能够给国内企业的招聘工作提供有价值的借鉴。 在一次令人振奋的ERE招聘博览会议上,两个参会者向我提出了两个相关联且有力的问题。第一个是“顶尖公司的招聘经理们日程表上的头等大事是什么?”,第二个问题是:“Google在接下来的招聘中会计划做什么?” 至少对我来说,未来的日程内容是重要的问题,因为在访问了大概100多家企业后,我发现95%的公司都有着迥然不同的招聘日程(如个体招聘成本、ATS测评、简历量等),然而只有顶尖公司如Google、Davita、Sodexo等在尝试处理真正优先的招聘项目。 如果你有设定招聘日程和目标的职责,我这里有一个顶尖企业也想找到的引人注目的真正先进的招聘工作要点集,但是很多公司可能很容易发现这些工作他们无法做到。如果你想跻身精英行列,你应该选择列表中的一部分来实现,当然,如果你现在正在被现有的日程内容所缠身,你也会发现它们读起来很有意思。 我把这些招聘项目和目标用递减的顺序进行排列,这个排名是基于这些项目可预计的潜在商业影响力。我把标杆公司的最佳实践也插入在了这些项目的描述里以便其他公司能够学习和借鉴。 1、招聘更高效的雇员  衡量人才管理部门最主要的标准就是公司劳动力的生产率。招聘的目的是招到比现有工作人员产出更多成果和收益的人员来保证对劳动生产率作出贡献,有些人称这是招聘的质量要求。 (索迪斯,谷歌,苹果) 2、招聘的工作优先级  领导需要量化每个工作族的商业影响力并且集中资源对那些高影响力的工作岗位设置高的优先级。需要聚焦那些能够产生巨大收益的工作岗位,一个推荐的方法就是和CFO一起工作,因为CFO能够在招聘过程中增加巨大的可信度。 (Zynga一家美国游戏公司) 3、制定有针对性的招聘程序 提高那种能够增加高附加值的创新者和合适且聪明的个体数量的聚焦能力,这些被雇佣的人有一种在本质上快速被衡量的影响力。 (谷歌、脸书) 4、内部推荐应该达到50% 当越来越多的公司通过内推的形式在公司内部收集关于招聘质量的数据,招聘经理将会意识到他们应该提高内推项目的容量然后将内推在招聘中的比例提高到50%。 (德勤,AmTrust) 5、预测分析必须取代历史度量  毫无疑问,外部供应商的测量数据支配着招聘。99%的招聘测量是“历史的”并且作为结果,他们只能告诉你去年发生了什么事情。即时的测量会显得有效是因为这些数据反映了今天正在发生的事情。 预测分析将会更有力因为这些数据会提前警告你将会发生什么,并且会告诉你为什么,因此你能够更好的准备有效的解决办法。招聘应该开发“警报”来警示招聘经理和招聘专员即将到来的问题和人才的机会。 (谷歌) 6、面对质疑 在招聘中获得充足资金的主要障碍就是首席财务官,高级的经理人应该与首席财务官合作来确定并解决问题,然后为招聘建立一个持续而引人注目的商业项目。首席财务官在核算中必须要去证明的包括目标候选人的绩效差别、空缺职位的成本、招到不合适人的长期成本,最重要的是,把主要的招聘成果转化为公司收益的货币影响力。 因为招聘负责人是招聘执行过程中最主要的限制性因素,所以那些冷眼旁观置身事外的经理人必须被邀请来阐述他们的事项,这些经理人必须和那些最有权势的经理人一起来解决每一个问题直到他们满意为止。 (Sun,谷歌) 7、招聘过程要转向算法驱动的决策  即使部分精英公司的招聘功能仍然基于已有的最佳实践和外部信息来做项目决策,然而未来的全员管理决策需要遵循谷歌的人力分析团队和PiLab所使用的非常成功的方法。 这将意味着依赖数据、统计算法,乃至在你们的公司招聘环节中向持怀疑论的经理和招聘专家们证明“什么在起作用”和“什么在不起作用”。 (谷歌) 8、补齐你在移动平台上的短板  尽管在许多公司已经在移动平台上取得了进展,但是未来的招聘信息和沟通将完全是在移动平台。所有的招聘特色必须是能通过智能手机直接进入的,并且招聘的方法必须是为了适应移动平台的优势而专门设计的。 (索迪斯、AT&T、麦当劳) 9、雇主品牌必须被提上日程 低迷的经济环境导致了绝大部分公司停止了他们打造雇主品牌的努力,然而,随着招聘竞争日益激烈,并且随着社交媒体和玻璃门等网络的兴起,传统的打造雇主品牌的方法将会被放弃。招聘经理将需要学习如何测量雇主的品牌实力和鉴别顶尖的应聘者最关心的品牌支撑物是什么。聪明的招聘经理将会收集那些能够证明雇主品牌和雇员推荐的独一无二的数据作为两个最有力的招聘工具。 (谷歌) 10、快速提高你的招聘技能 一场关于招聘的急速发展已经在高新技术企业、移动平台产业和网络公司中出现了,所以现在可能是其他产业开始为不可避免的招聘繁荣做好准备的适当的时机。这意味着经理人必须在不能增加预算的情况下开发一个快速提高你们公司的招聘数量和质量的计划。 11、候选人营销必须完善 当经济复苏后,候选人在职场上有了更多的选择,抑制这样的形势将会非常困难。因此,对招聘营销的忽视变得非常不可取,所有职位的卖点都需要重新回顾,另外,招聘经理必须把原有的实践转变为数据驱动的营销方法。 (思科) 12、评估不能再被忽视了 依靠简历、面试和背景调查作为一整套应聘者评估的方法已经是一个错误,当一种新的网上测评方法和模拟在效力上呈现一种显著增长的态势,招聘经理人将会需要把它们增加到现有的评估方法中。 (毕马威) 13、支持对竞争对手的分析和情报  只有精英公司在进行竞争性的对比分析来判定他们的招聘策略和成果是不是在所有方面都优于那些和他们存在人才竞争的公司。大部分的公司对他们竞争对手所进行的竞争性情报评估都做的不够好,并且许多都还没有认识到LinkedIn在企业识别方面的能力已经是他们的好几倍了。 在LinkedIn的专家能够告诉你的许多问题中就有你的人才竞争对手的公司正在招聘什么工作岗位并且从哪些公司获得这些人才。LinKedIn能够显示哪些公司已经关闭并且这些雇员都去了哪些公司。它也能够告诉你你自己的雇员去了哪里并且是否存在潜在的第二次雇佣的机会,一旦你想让他们回来工作的话。经验显示更新LinkedIn简历意味着一个高价值的目标即将出现在劳动力市场中。 14、为了引入难招的候选者需要增加个性化的招聘  市场已经在公司内部为传统的通用人才方法补充了一个更为专注目标的方法。猎头公司只使用个性化招聘方法而大部分的公司的招聘功能已经在与个性化招聘对比中尽显颓势。因为招聘方法和策略集中于应聘者个人的独特需求的满足,所以这种个性化的方法充满了力量。 (德勤) 15、校园招聘项目必须要升级 校园招聘的需求比以往任何时候都显得强烈。但是不幸的是,几乎所有的校园招聘项目要不漏洞百出要不过时已久,或许两者都有。如果你期望你的校园招聘和实习生计划能够硕果累累,那么你将不得不采用诸如学生推荐、远程校园招聘、校园招聘质量测量、依靠移动互联网平台和各种竞赛来区分出哪些才是最优秀的学生。 (德勤,E&Y,普瑞纳) 16、派遣制员工必须要进行整合 在一个易变、不确定、复杂且不明确的世界(VUCAworld),能够快速增加员工数量并且快速降低用工成本的能力变得不可或缺。这就意味着招聘和管理派遣制员工必须显著的加以改进并且整合进其他招聘的功能中。 (微软) 17、视频面试变的必需  这也许并不是一个非常先进的方法但是视频面试是一个在招聘实践中不得不去做的事情。这种招聘方式非常有利是因为它们能够提高招聘的速度、质量,并且能够极大的降低招聘的出差成本。 18、科技替代品必须要给予关注 人力资源和招聘已经长时间的在关注招聘和管理人,然而HR的视野应该变得更为开阔一些,因为能够代替人力的软件和机器人技术已经取得了很大的进步,HR应该和IT和技术部门合作以便开发一种在经济上比较合适的能够代替人工的算法。 (飞利浦) 19、内部流动必须要增加 因为内部流动是一项多出来的在增加员工发展机遇、维持积极性和员工保留方面的福利,因此当有内部空缺时应该首先考虑内部的人才是否合适。不幸的是,大部分内部流动机制是支离破碎的,很多合适的内部候选人经常没有被发现,所以外部的候选人才能成为首选。顶尖公司的招聘功能需要增速并提高内部流动的速度。 (思科、BoozAllen、微软) 20、要有统一的招聘中心 一些公司,特别是大的跨国性公司,已经意识到分散的招聘部门必须被集中的招聘中心所代替。招聘中心在雇主品牌、推荐、能力测量、面试官培训、在不同的事业部间共享人才等具有极大的优势。 21、定位即将到来的面试官短缺 当招聘热潮到来时,招聘经理才发现下行的经济形势已经裁掉了一大把拥有良好训练的面试官,尽管很多非常厉害的面试官仍然在职,但是寻找足够多足够好的面试官将会变得非常困难并且昂贵。所以需要制定一个训练新的面试官或者雇佣已经存在的优秀面试官的计划。 22、考虑对面试官给予奖励 随着对应聘者和面试官需求的增加,长期暂停的针对面试官的激励计划需要重启。当团队和个体因为招聘质量、满足最优先的岗位、工作量,经理人和应聘者的满足感而受到奖励时,只有最优秀的人才能意识到这样做能够对日益优秀的招聘表现做出很大的促进贡献。 23、考虑对公司有益的战略招聘 在几乎所有的企业中,招聘经理往往基于个人意愿来决定招聘岗位的优先级及必要性,精英招聘经理在招聘时则是在考虑公司更广泛的招聘需求。这就意味着要制定一个“为全局和下一个岗位而招聘”的实践,一个为满足核心工作岗位的单独招聘小组,或者CEO同意的所有能够反映公司需求和标准的招聘工作。 (谷歌、Zynga,雅虎) 24、用工计划需要重新评估 在一个易变、不确定、复杂且不明确的环境中,传统的用工供给和需求计划往往变得不切实际。因此计划时间需要缩短并且要把一系列可能的“意外”做进计划中。 25、员工保留计划必须要升级 员工保留和招聘是紧密相关的。因为社交媒体的影响,员工保留问题会很快的传播开来,不利的消息将对招聘带来非常消极的影响,员工的流失将增加招聘的工作量。因为这种相互影响的关系,招聘经理一定要和员工关系经理一起努力来保证两个项目都能做的出色。 留在结尾的思考: 我将提醒你的是如果你想了解更多关于上面25个专题要点的内容,你是无法在聚焦于平庸企业的会议日程中发现这些内容的,你也无法在畅销书甚至赞助商的白皮书中发现这些内容。即使在标杆企业也不容易看到这些内容因为这些精英招聘经理们知道保留这些招聘重点作为秘密的价值。 但这可能是学习关于所有创新和崭新理念的最重要的课程了,并且这些内容是识别一些东西是否是真的创新的和崭新的最好的方法,而这些方法则很少被写下来,拥有最佳实践的经理人也不太想分享,而普通的经理人则会忽视这些创新性的内容。我希望你能从以上的要点中为你们公司的“招聘日程表”发现至少几个创新的和崭新的想法,并努力去实践。这才是最大的意义。
    观点
    2018年07月26日
  • 观点
    阿次博士:人力资源管理新视角——人、组织、文化 文/叶阿次 叶阿次毕业于复旦大学管理学院,外滩商学院创始人,曾任复星集团、渣打银行、上海贝尔阿尔卡特公司人力资源高管,目前还担任上海交通大学安泰经管学院EMBA课程教授、华东师范大学MBA中心职业发展顾问等职。 经常有人向我请教如何才能做好人力资源管理的工作,我作为一个半路出家从事人力资源工作的,其实也没有什么放之四海而皆准的真经可以传授,人力资源本身就有很多不同的视角。 有从功能结构来分:1.0的“选用育留”、2.0的“三支柱”、3.0的“SPACE”,还有从部门名称的进化来区分:“人事部”、“人力资源部”、“人力资本部”的发展路径,也有战略定位上的:“人力资源专家”、“业务伙伴”、“业务的一部分”这几种分法。 HR1.0选用育留——HR2.0三支柱——HR3.0 SPACE 人力资本模型 人力资源的管理视角还有一种按照不同理念的差异,一共有四大理念,分别是基于制度、基于绩效、基于能力、基于文化的人力资源管理方式。 基于制度 基于制度的人力资源管理强调建章立制,强调行为标准,比如上下班打卡,比如操作的规定动作,比如接电话的用语、开会的站立方式等等,他是从行为模式来管理人们的方式,有很多的负面行为清单,在这种方式下,执行力是第一位的,服从是天职,一般的所谓军事化管理都有这个特点。 重视军事化管理的万达 基于绩效 基于绩效的人力资源管理,就与制度是不同的,它的基本理念是关心结果,而不关心过程。所以结果显得比较重要,他们的经典口头禅是说,不管白猫黑猫,抓住老鼠就是好猫。行为在这里不是最重要的,没有结果的行为一样是不被认可的。所以拿数字说话是这类人的强项。 KPI、KPA、OKR都是典型的绩效考核方式 基于能力 基于能力的管理则是另外一种境界,他是去研究什么样的人,可以带来高绩效,于是把所有具有高绩效的人的行为模式放在一起,就得到一个不一样的能力模型和行为模式。依据此能力模型可以培养所需要的人才,今天的人力资源管理很多是采用这种理念的。 基于文化 当我们把所有相同能力的人聚在一起,我们就会发现,这个公司就形成了自己独特的文化,而这种文化对人的管理和影响将是最为深远的,一个优秀的公司,无一例外都是可以输出文化的。正如任正非所说的,任何资源都会枯竭,只有文化可以生生不息!这也是人力资源管理的最高境界。 Google希望找到有同样梦想的员工 除了以上的视角以外,今天还介绍一种新的视角,这种视角是从更高形态来看待人力资源管理的对象,这其实更加有意义,那就是从人、组织、文化这三个维度来看。 人People 传统人力资源管理的选、用、育、留其实是从人的角度来看人力资源管理,所以专注的是个体的部分,比如个人的职业发展,个人能力的培养,个人的招募,薪酬,等等。因为管理的是个体的部分,所以这个时候个体的招募培养,留住激励,沟通等等,这些都会变得非常重要,这也是人力资源工作的一个核心,传统的人力资源专家指的就是在这个领域的工作,当然还包括劳动法,劳动合同,员工关系等主题。 组织Organization 人力资源管理的第二个维度其实是组织维度,在组织维度研究的,其实已经脱离个人维度的一些做法,组织是由团队构成的,团队是由人构成的。组织层面强调组织的效能,强调组织的基业长青,强调组织的发展以及组织的诊断和能力的打造,我们知道组织能力其实和个人能力以及团队能力是不一样的,组织更加关注绩效,而人的维度,他们更关注的是人的成长,人的因素,到了组织维度,管理者需要关注的是上级的想法,以及整个组织的基业长青的问题。 文化Culture 而到了文化层面,那研究的又是另外一个概念,他研究的是组织的基因,组织成长的目标、使命、愿景和梦想的问题,文化是研究怎样去熏陶人,去影响人,以及所有人的行为模式的一个集合体,这是文化研究的一个范围。人力资源的工作,如果做到文化层面,那其实是更高阶的一个人力资源工作,人在组织里是如何有效的影响大家协同工作的,这个就是文化维度,沟通是其中很重要的一个环节。 苹果大学是企业大学的佼佼者 从人、组织、文化这三个维度来思考人力资源工作可以有很多应用的实例,比如说很多公司都有企业大学,那按照人、组织、文化这三个层次的分析模型来看,大学也分为三个层次,第一个层次就是个体的人的层次,企业大学就是个培训中心,他是为了培养个人的能力的提升,以及某种技能的培养,这是企业大学做的第一个层次工作,那企业大学有第二个层次的工作,体现在它是组织层面的,所以企业大学的目的是为了组织能力的打造,所以他要去研究组织的战略,以及这个战略的要求下,什么样的能力需要培养,因此是为了培养组织所需要能力的这样的一个过程,因此它也是组织战略落地的一个工具。 文化高度统一的“黄埔军校” 那企业大学第三个层次显然是做文化的工作,那文化的工作体现在是说这个大学就像我们的黄埔军校一样的,他传承的是一种爱国的文化,这种精神能起到的作用是最为巨大的,它可能并不会给你具体的一些技能,但是它会在文化上精神上就高度统一,所以这个时候企业大学扮演的角色就是文化的发动机。 因此人力资源管理按照人、组织、文化三个层次来衡量,也可以衡量出来,第一个人的层次的人力资源工作基本上叫做人事部,做所有与人有关的工作。而到了组织层面的,那就是要成为业务伙伴,要关注业务在想什么,所以这个时候你需要人力资源部。而到了文化层次,人力资源其实是这个公司的核心内容,就像任正非在华为讲的,所有资源都会枯竭,只有文化可以生生不息,所以这个时候整个公司的核心竞争力就是它的文化,那这个时候你就成为业务的一部分,所以这个时候你就是阿里的政委,那就是主抓文化的发展而立的,政委的职责就是这个意思。 所有资源都会枯竭,只有文化可以生生不息 未来的世界,最强的能力是学习能力,从学习的角度来看,多读一点历史、哲学、心理学的书对于做好人力资源的工作是非常有帮助的。你今天碰到的所有类型的人在历史上都曾经出现过,如何对付和处理的经验也都给出来了;你所要思考的方式和方法,哲学家都帮你总结好了,我思、故我在!你所面对的个体是什么样的人,心理学家都帮你归好类了。前人已经做了这么多,你所要做的,就是站在巨人的肩膀上多看一点书而已!当然,有一句话很重要: 读万卷书不如行千里路、行千里路不如阅人无数、 阅人无数不如名师指路、名师指路不如自我感悟! 想要获取阿次博士更多精彩内容,尽在727招聘科技论坛,等你来哟! 扫码即可报名~
    观点
    2018年07月25日
  • 观点
    人力分析领导者的角色——第2部分:创造企业文化和塑造未来 文/David Green 来源:My HR future blog 在决定一个组织是否能够成功地实施人员分析并创建一个可持续的长期数据驱动的人力资源文化方面,人员分析的负责人是绝对关键的。 Arun Chidambaram帮助了四家财富500强公司在人员分析方面建立了可持续的能力,并在同行中被广泛认可为该领域的主要支持者和空想家之一。 在本系列的第1部分(问题1-8)中,Arun分享了他在一个人分析团队中所需要的技能和能力的经验,这些经验是如何随时间发展的,以及如何将团队与业务联系起来。Arun还概述了他进行人员分析项目的五步方法,许多人自此评论了他们发现的有用帮助。 人民分析领导者的角色-第2部分:领导团队,创造组织文化和塑造未来  在第2部分中,Arun和我涉及以下领域: 带领团队:深入论述了人员分析领导者的角色,包括典型的挑战,所需的技能和能力,以及在组织成熟度和动态外部环境中角色的演进。 发展企业文化:使分析成为人力资源和组织DNA的一部分的方法 塑造未来:关注人们分析的未来,以及我们可以期待看到的一些发展 道德与信任:透明、道德和数据隐私在人员分析中的重要性。 领导团队 问9:人力分析主管必须兼顾多个优先事项、不断上升的内部预期和迅速发展的外部领域。你认为你的角色的主要职责是什么?你如何平衡这些职责?  《人物分析》的负责人必须同时兼顾多个优先事项,大卫,你说得对,由于兴趣和需求的激增,《人物分析》是一个充满挑战和活力的领域。我将我的角色分为团队内部和团队内部的职责(如下面的图5所示)。对于领导者来说,很重要的一点是要充分了解这种氛围的每个元素,以支持他们的团队,并为企业提供可持续的、高价值的服务。 图5:PEOPLE ANALYTICS LEADER的公司内部和内部职责(来源:ARUN CHIDAMBARAM) 人员分析是过程、技术和技能的组合(参见第10和图7),在三者之间取得正确的平衡对于提供长期的可持续性能力至关重要。 应该记住的是,分析的作用在不同的公司之间是不同的。例如,一些公司将报告和分析合并在一起,而另一些公司则将它们区分开来。如果我们将关注点局限于分析,我相信团队将从事9个不同的工作类别(参见下面的图6)。作为领导者,您必须设计业务计划、创建预测并做出投资决策,如图5所示。 图6 -由人员分析团队承担的九大类工作(来源:ARUN CHIDAMBARAM) 问10:在你提到的三个要素中——过程、技术和技能——每个要素的主要特征是什么?哪个(如果有的话)是最重要的?这种情况会随时间改变吗? 过程 对我来说,这是三个中最难的一个。你必须得到高层领导的支持,你需要确保你完全符合商业计划,理解你的组织成熟的分析,向正确的人报告,并与内部的其他人建立强有力的合作关系。 技术 我强烈主张在技术方面,把时间花在企业内外。与支持企业分析团队的内部IT团队合作。在这里,您可以与具有高级可视化和统计背景的数据科学家合作。它们和你公司的其他商业分析团队一样是很好的资源。与他们合作,了解他们如何使用新技术。在供应商方面,参与并成为他们社区的一员,与你的同行交谈,找到可以帮助你解决对你的组织最重要的业务重点的合作伙伴。创建一个试点环境,并尝试与这些供应商的新事物。小心不要被压垮。你必须承认,你不可能买到你看到的每一件很酷的技术! 技能 人员的分析本质上是跨学科的。你需要能够理解员工行为的I/O心理学家,能够分析数据的经济学家和统计学家,以及有经验的人力资源从业者,他们可以帮助你进行文化转型。雇佣合适的团队是成功的最重要的一步,在这些技能上不要妥协。但同样重要的是确保你在合适的时间雇佣合适的技能。如果你在准备好接受高级数据科学之前就雇佣了一个统计学家,你最终会得到一个不快乐的露营者。作为一个领导者,你有责任为团队设定正确的路径,并确保每个成员都知道以下方面: 公司的决策文化 人力资源是如何工作的 数据隐私 你所在国家的劳动法。 领导者必须在分析团队对高级工作的渴望与业务和人力资源的成熟程度和准备程度之间取得平衡。这可能是一个微妙的过程,也可能是一个关键的过程,就好像两者都不同步一样,那么分析之旅就可能处于危险之中。 如果你在准备好接受高级数据科学之前就雇佣了一个统计学家,你最终会得到一个不快乐的露营者  问11:人力分析主管必须具备的最重要的技能和能力是什么?  我发现这五个特质帮助了我自己的成功,我领导的团队和我服务的人力资源/商业领袖: 要有耐心 变革管理在任何领域都是困难的,人员分析也一样。在建立一个成功的人员分析功能时,有很多可变动的部分。时机决定一切,但正如我们已经讨论过的,在引入与组织成熟度相关的新概念时,你必须冷静思考。人力资源部同事对分析的共同理解是非常不同的,因此你必须提供相应的分析支持。此外,领导者在非分析过程中有相当多的时间,所以耐心是成功的关键。 创新和整体思维  由于他们与来自不同背景的人一起工作,所以people analytics的领导者必须具有不同的思维模式。例如,业务和人力资源领导者较少谈论数据,并且要求与业务相关,而您的直接团队则希望进行关于数据和分析的技术讨论。“人民分析领袖”还与来自金融、IT、安全、法律、隐私、学术界和外部智库的不同人士合作。每个人都有不同的观点和目标,所以整体思考能力是分析领导者应该掌握的非常关键的技能。 项目和流程管理  人力分析领导者通常在人力资源部门领导一个相对新的、不断发展的计划,因此需要从前面领导,引导大多数的对话和项目。领导者不仅可以将时间限制在工作的技术方面,还需要在非技术方面领先。 例如,如果您正在引入组织网络分析(比如作为试点),那么领导者的角色就是识别和管理项目,寻找赞助,设计流程,做出购买租金的决定,与法律和 隐私,教育采购等。领导者必须在战术和战略思维之间轻松切换,并习惯处理模糊性和复杂性。 适应性领导  人员分析领导者管理一群非常聪明且需求量很大的人。 数据科学是最热门的业务领域之一,人力资源方面的人才供应短缺。这意味着领导团队是具有挑战性的。作为一个领导者,你需要非常清楚地设定和管理期望,以及对团队的需求保持开放和关注。你必须保持团队的参与,保护他们不受分析的要求,把时间花在他们的发展上,教育他们关于数据的隐私,帮助他们了解人力资源如何工作,以及你公司内部的商业文化是如何决策的。作为领导者,您还必须为团队创建一个生态系统,以便花时间在研究和数据上。 注意不要将他们的工作变成无休止的重复报告生成计划,而是将创造力保持在其中。 分析|品牌大使的经纪人/催化剂 人员分析领导者必须与业务范围内和整个行业内的其他分析群组建立联系。这样做的好处包括利用分析工具在整个公司实现规模经济。其他好处包括知识共享、资源共享和为团队确定职业道路(以及其他业务方面的人才)。 让分析成为组织DNA的一部分 问12:在绝大多数人力资源组织中,基于数据的决策仍然是一个新兴领域。如何改变企业文化,在人力资源商业伙伴(HRBP)、人力资源和更广泛的组织中融入分析思维?你如何确定并让人力资源和业务的利益相关者支持你实现这一目标?  首先要记住的不是“us”和“them”,而是“we”。我们首先要了解HRBP的作用,如果我们期望他们理解我们的工作,那么推荐HR领导或业务利益相关者一个流程,其中一个分析团队在项目开始时参与其中,然后通过实现与HRBP和业务涉众保持联系。通过这样做,你建立了相互信任,并在以下领域变得更有效: 正确地定义你要解决的问题 利用包括预期结果在内的正确变量 理解你需要接触的利益相关者、决策过程、讲程序和可视化技术,这些最有可能让你的观点被付诸实践 作为项目一部分所需的外部和内部数据源,以及可能需要收集的任何新数据 你需要接触的法律伙伴和工作委员会 数据隐私和文化问题 与HRBPs和商业利益相关者合作,更好地从他们的角度看待问题 在嵌入分析性思维方面,无论如何都要为HRBPs和更广泛的人力资源团队制定一个培训计划,以激发他们的热情,让他们对数据更加满意。给他们一些工具。例如,我发现为HR社区提供对Tableau或类似工具的访问权限可以帮助他们感受到我们工作的一部分。 最重要的是,在与HRBP和人力资源社区合作时,要有学习心态; 多听,少说话。 相信我,你会得到回报。 在与HRBP和人力资源社区合作时,要有学习心态; 多听,少说话。 相信我,你会得到回报 问13:当我与其他分析领导者交谈时,最大的挑战之一就是优先考虑你所做的项目。您如何建议确定项目请求的优先顺序?  创建一个过程来正确地定义和确定项目的优先级是人员分析团队发展到以下阶段的关键步骤: 确保团队的工作与关键业务目标和挑战保持一致 帮助人力资源和企业了解团队是什么(关键是团队没有什么) 优化团队的工作量。例如,通过将特定的项目与具有解决项目问题的优势或相对优势的团队成员配对,或者定期与团队进行评估,使他们在接受的工作中保持流动性; 支持团队的成长和该学科的投资计划 我过去为支持这一点而采取的一些步骤是: 规划和调整 在计划周期的早期,制定一个商业计划并与人力资源运营计划保持一致,这样你就能非常清楚地了解战略业务需求。这加强了与部门HRBPs的伙伴关系,支持计划,并确保从一开始就与所有利益相关者建立正确的期望。 创造一种氛围,让你可以说“不” 创造一种氛围,你可以对不属于团队责任的请求说“不”,例如,如果报告不是团队的一部分,那么要小心拒绝这方面的请求。否则,你可能会被大量的请求淹没,这些请求会分散你对你应该做的工作的注意力。仅仅因为你有信息并不意味着你应该提供它。 自动化和民主化的数据 开发一个通用的指示板,它为业务/人力资源涉众提供了在单击按钮时访问多个指标的机会。除了阻止您收到的大量请求之外,它还有助于教育您如何通过分析将描述性数据的提供与业务区分开来。 分享和交流 定期分享和沟通我们的工作 - 包括我们的生态系统的过程:我们如何工作,我们如何运行模型等。我发现越多的业务/人力资源利益相关者了解人员分析团队的工作,然后您获得的不当请求数量下降。 建立利益相关者的生态系统 将业务中的涉众与类似的请求连接起来,从而使项目进行一次,而不是多次。使用像R这样的程序,您可以运行一个一般化的代码,以根据需要分析不同组的见解,并从本质上生成请求。这方面的一个例子是我们对损耗的分析。 人员分析的未来  问14:人员分析空间正在迅速发展。 您如何掌握数据源(例如可穿戴设备),技术,分析工具以及您可以做的项目范围(例如网络分析和组织设计)的所有发展?  我建议花合理的时间在实验室环境中试验新的方法和技术。分析团队的部分共同作用应该是识别和连接新的供应商、对等组、参加关键的会议和研讨会,以及与分析领域的内部业务团队合作。 需要记住的重要一点是,需要对关键的HRBPs和人力资源领导团队进行循环,使他们能够通过演示和其他知识共享技术及时了解人员分析领域的进展。个很好的例子是组织网络分析(ONA),我们首先开始学习它背后的科学,同时,确定一个合适的试点项目,在整个公司中利用这一科学。我们与多家供应商、学术界和思想领袖合作,并将其带回我们的实验室,以更好地理解代购租赁的选择。 尽量不要被市场上的炒作淹没。专注于你想要解决的商业问题,关注你的公司文化。例如,如果你的组织还没有准备好接受包含员工可穿戴数据收集和分析的项目,那么就不要这样做。花时间尝试新的数据源和技术,等待合适的时间。在跳到解决方案前进行测试并保持耐心。 问15:你认为《人物分析》的主要趋势是什么?  人员分析是如此令人兴奋的工作领域的原因之一是空间中的活力和快速发展。我希望看到的一些趋势是: 法律、隐私和数据科学作为需求、经验和标准/治理在这些群体之间变得更加普遍。 人员分析将成为业务决策的核心,因此,人力资源战略和计划的设计周期将更加突出和更早。 透明度将成为新的准则——公司越透明,数据越大众化,就越能在数据科学(如可穿戴设备、社会感知等)中应用更新的技术。 作为一个功能,人力资源部门将花费更多的时间来衡量其项目的结果,并通过实验变得更加普遍。 IT、金融和营销等其他业务部门的分析人才将越来越多地将人力资源视为职业发展的机会。人力资源部门应该会看到人才在分析领域的供给增加。这是必需的,因为对人才分析人才的需求将呈指数级增长。 随着人力资源开始采用人工智能等新技术,人力分析团队将高度依赖于这种能力的开发和增长。 问16:最后,我们如何平衡我们应该做什么?你对道德和隐私等领域有多关心?对于那些寻求培养人们分析能力以获得员工信任的人,你有什么建议?  我们一直在讲道德和隐私可能是人们分析学科面临的最大也是最重要的挑战。鉴于我在可穿戴设备和人工智能等新兴数据源以及欧盟(eu)将于2018年5月生效的《综合数据保护条例》(GDPR)等法律方面所强调的趋势,这一比例只会上升。 对于那些寻求开发人员分析能力的人,我的建议是: 对公司透明,在你做的每一件事上都要透明。花更多的时间来沟通你为什么想要做某事,以及对员工的好处,而不是你在做什么。 在项目早期和交流结果之前,与人力资源、法律和IT部门密切合作。使其成为治理过程的核心组件。 不要想当然地认为你的人力资源团队了解数据隐私、法律要求和道德。与他们合作,共同理解法律法规。 密切关注你如何沟通你的团队工作,在适当的时候分享你在组织内外的成功经验。 使用可穿戴设备等新数据源,从小做起,进行实验。把它放在实验室里,从中学习,分享结果,然后再考虑扩展项目。 保持简单、可衡量和有形的结果。 以上内容由AI翻译,仅供参考 原文链接:https://www.myhrfuture.com/blog/2018/2/25/the-role-of-the-people-analytics-leader-part-2-creating-organisational-culture-shaping-the-future
    观点
    2018年07月24日
  • 观点
    Workday、Ultimate、Slack的收购关注两因素:生产力和员工体验 文/JOSHBERSIN 如今,人工智能的收购已经很难跟上步伐,仅在2017年,就有超过108亿美元的资金投资于人工智能初创企业。在我所到之处,我发现软件公司都在开发更智能、更有预见性、更智能的工具。 在过去的几周里,我想提到的有三个重要的交易,每个都集中在一个主题上:使用人工智能和对话界面来改善员工体验,并对我们的生产力产生积极的影响。 太多的信息:工作效率正在下降  正如我在过去一年中所写的,生产率落后是一个经济问题,导致工资下降,很多人加班。如今,人们每天有35%的时间在阅读电子邮件,而我们在交流的新工具上花费过多。 我们对超连通职场的研究发现,平均每家公司都有7个不同的沟通系统,70%的高管预计会购买更多。技术供应商正以最快的速度发明它们。 Slack现在有800万用户,微软有20多万家公司使用团队,Facebook有3万家公司使用Workplace, Gmail上有12亿多用户,所有这些用户都可以使用Hangouts。在我们的消费者生活中,它甚至更容易让人分心:统计数据显示有15亿人使用WhatsApp, 13亿人使用Facebook messenger, 10亿人使用微信,3亿人使用Skype。  我们问人们这些新工具是否对他们的工作有帮助,超过三分之二的人告诉我们新工具正在阻碍我们。我们喜欢我们的个人工具,但我们花太多时间处理这些工具。一项相当惊人的研究发现,我们每6分钟检查一次这些系统,而我们40%的人在工作中从未有过30分钟不受干扰的时间。 这是荒谬的。我们的交流模式被打破了。为什么公司中的任何人都有机会在我们向他们发送电子邮件,给我们发送消息或在Slack上提及我们的时候分散我们的工作注意力? 这是不健康的。研究表明,为了应对这一冲击,压力会大幅增加。作为回应,我们现在正在购买“幸福解决方案”,为这个问题贴上“创可贴”的标签。当然,瑜伽、正念和冥想都很好——但真正的原因不正是效率低下的工作场所吗?  生产力成为人力资源的新主题  虽然我知道你们大多数人都有一个专注于“员工体验”的新项目,但我真的认为人力资源的新重点应该放在生产力上。生产力是健康、快乐和工作投入的关键,很多研究都支持这一点。 也许最令人信服的是特里萨·阿玛比尔的《进步原理》一书。通过对员工工作日志的分析,她令人信服地证明,工作中最令人愉快、最有价值的部分是“把事情做完”。所以,让我们把注意力集中在提高人们的工作效率上,我们将看到参与程度、幸福感以及其他衡量标准的提高。 当然,我们必须处理工作场所、管理实践、目标和奖励等问题,但最终如果我们想办法帮助人们完成他们的工作,所有这些项目都有更多的关注和价值。例如,如果你在管理一个研究部门,你的人才战略应该集中在帮助人们进行伟大研究的项目上。销售、市场营销和其他业务部门也是如此。 而这个问题,即简化工作的需要,正导致一些大型的人力资源技术并购。 Workday收购Stories.bi 我要强调的第一个是Workday收购一家名为Stories.bi的增强分析公司。 我刚刚看到这个系统的演示,它让我大吃一惊。 该公司使用人工智能监控和分析公司数据库(现在主要集中在Workday),以识别趋势,数据偏离范围,或与计划的差异。然后,它会用简单的英语(或其他语言)生成一个对话界面,指出它学到的东西。 这是一个例子: 正如你所看到的,这些小卡片准确地告诉你正在发生什么,你不需要进入一个电子表格,点击一个仪表盘,或者雇佣一个统计学家来弄清楚为什么一些商业指标没有朝着正确的方向发展。它是一个人工智能工具,叫做增强分析(Augmented Analytics),但实际上它是为了提高生产率。Workday计划将该系统整合到其平台和新的Workday Prism分析产品中,这将使我们的生活变得更加轻松。 我研究分析学已经有30年了,整个市场仍然是一个工具。虽然许多像Visier这样的高级供应商现在提供开箱即用的解决方案,但是它是像 Stories.bi这样的工具。这将使分析对每个人来说都很容易。我必须相信,这种增长将出现在我们的大多数人力资源产品中。 Slack收购使命 第二个我想指出的是Slack的使命收购,在Slack内部创造工作流程和“员工旅程”。 如果你接受这样一个事实:我们一半的生命都在这些消息平台上度过,为什么我们不利用它们来做更有意义的事情呢? 一群小型初创公司正在构建工具来阅读和解释你的信息,并发送提示、建议和培训提示,使你的工作生活更轻松。 (其中有一个叫迪斯科的,当你对某人说“谢谢”的时候,你会知道,并建议你把这些信息发送给他们的员工记录。) 刚刚获得的产品Slack是帮助人力资源部门(以及其他部门)在消息传递平台上构建员工体验的工具。这种类型的“嵌入式人力资源工作流”正变得非常流行(IBM的认知助手也这么做),而Slack现在正使其成为产品的一部分。 虽然大多数公司还没有把Slack作为企业范围的平台(微软、谷歌和Facebook也都想要这个市场),但我认为这个功能使这个目标更有可能实现。Slack现在被我们称为“员工体验平台”,是一个巨大的新兴快速发展的商业市场。(这里的领导者有ServiceNow、PeopleDoc、Salesforce等。) 在接下来的几个月里,我将会写更多关于这个领域的文章,但从某种意义上说,Slack刚刚“进入这个市场”。 这里的目标是生产力。我们不需要离开我们的“生产力系统”去完成我们的人力资源工作,这是市场上一个巨大的趋势。 Ultimate 收购PeopleDoc  我想指出的第三个交易是我的ERP朋友们正在关注的: Ultimate软件收购PeopleDoc,一个快速增长的员工体验平台。这家公司的总部设在法国,因此它为许多欧洲公司提供服务,在这些公司,单是雇佣合同的管理就令人头疼。 在过去几年,PeopleDoc发现了员工自助服务、案例管理、文档和服务管理软件(我称之为“员工体验平台”市场)的市场,他们开始疯狂扩张。(目前这个市场最大的玩家是ServiceNow,他们正在创造一个市场,随着时间的推移,这个市场可能会变成一个价值数十亿美元的市场。) 虽然我还没有关于Ultimate软件计划的任何细节,但我可以再次向您保证,这项交易也是出于提高生产率和员工工作经验的需要。Ultimate软件公司(Ultimate Software)是市场上管理最好的人力资源软件公司之一,最近收购了Kanjoya(一个基于人工智能(ai)的员工调查和参与工具),这正好符合该公司的战略。 关注人力资源技术的更多信息  秋天即将来临,所以我已经开始着手我的年度“人力资源技术中断”年度研究。我想指出的一个大主题是人力资源软件市场从“参与系统”到“生产力系统”的巨大转变。这三桩交易只是冰山的一角,在接下来的几个月里,我们将拭目以待。 以上内容由AI翻译,仅供参考 原文链接:https://joshbersin.com/2018/07/ultimate-workday-and-slack-acquisitions-focus-on-productivity-and-employee-experience/
    观点
    2018年07月23日
  • 观点
    人力分析领导者的角色-第1部分:建立能力 文/David Green 第1部分:建立团队和组织能力。 第2部分还将介绍people analytics leader的角色和职责,如何创建分析文化和分析的未来 正如我之前所写的,在人力资源分析和数据驱动决策中,成功开发和构建了可持续能力的组织具有许多共同的特点。 领先公司共有的一个特点是有一个鼓舞人心的领导者——“人力分析主管”。乔纳森•费拉尔(Jonathan Ferrar)撰写的这篇文章,收录了2017年40篇最佳人力资源分析文章。“人力分析”(People Analytics)的负责人阿伦•奇丹巴拉姆(Arun Chidambaram)列出了乔纳森描述的所有问题,他在“人力分析”领域工作了15年。在此期间,Arun帮助了四家财富500强公司在人员分析方面建立了可持续的能力。 Arun当之无愧地被同行认可为该领域的主要权威和梦想家之一。他经常被邀请分享他在会议上的见解,就像他去年在伦敦的人物分析世界(见此处的亮点)和费城的人物分析和工作的未来(见下图和此处的重点)。对于那些在纽约地区的人,您将能够在4月5日的Hunt Scanlon主持的数据驱动公司活动中看到Arun(见下图)。 2017年9月,Arun Chidambaram在费城的人力分析和工作未来发表演讲 PEOPLE ANALYTICS LEADER的角色-第1部分:建立团队和增强组织能力  我很高兴Arun同意分享他在《人物分析领袖的角色》这两集系列文章中的一些见解。“第1部分涵盖以下领域: 人员分析团队所需要的技能和能力,以及这些技能是如何随时间发展的 关于团队应该如何与业务保持一致的不同选项。 进行人员分析项目的方法 开发团队成熟度的关键里程碑 关键的学习和成功的秘诀。 问1:嗨,Arun,根据你的经验,在一个人分析团队中你需要的技能范围是什么? 团队的技能和组成取决于许多因素,包括组织在分析方面的成熟度,以及团队是否也负责报告。如果我们把报告部分放在一边,我所建立和领导的分析团队将拥有数据科学、行为经济学、工程和数学背景的成员结合在一起。直接向CHRO或CHRO的一个领导团队报告非常重要,因为它向业务和人力资源部门证明了分析是人员战略的一个组成部分。 问2:团队应该如何与业务保持一致? 通常,大多数人分析团队最初都是按照部门和关键的人力资源兴趣区域进行协调的。在我的经验中,这种结合一开始可以很好地工作,但是随着业务需求的增长,您需要以不同的方式思考。您需要这样做,一方面是为了优化容量,另一方面也是为了确保团队正在进行对业务很重要的项目。对工作进行优先排序可能很快成为一个问题,这对分析人员的负责人来说是一个重大挑战。为了缓解这一问题,我采访并与人力资源领导团队进行定期对话,共同确定最重要的3-5个主题,这是实现业务和人力资源战略的关键。然后,我将团队中的一名成员作为每个主题的中小企业来管理传统和创新的分析项目。 优先考虑这项工作可能是人力分析的主要挑战。 问3:你能解释一下“传统”和“创新”项目是什么意思吗? 当然,传统工作仅限于对现有的一般人力资源项目进行微调,并利用分析来获得更大的价值,例如在继任规划等领域。相反,创新的工作包括使用新的和新兴的方法,如组织网络分析(ONA)来帮助解决业务问题。你如何平衡你在每个项目上花费的时间取决于你的组织成熟度。 下面的图1说明了组织成熟的重要性。图上的顶线显示分析能力以指数速度增长。底线代表了人力资源消费者的意识,从我的经验来看,这一意识增长得更不规律,而且速度也更慢。知道你适合的地方和差距的程度有助于传统和创新之间的过渡和平衡。 图1 -了解你的适合程度和差距的程度-人分析的组织成熟度(Y轴=投资/成熟度/产品等);X轴-时间)-来源:Arun Chidambaram 2月13日与Arun一起参加网络研讨会,与Stela Lupushor和Antony ebel - ebanda一起讨论组织网络分析(ONA)的实际应用。 问4:团队的结构是如何随着时间演进的?这与组织成熟度有什么关系?  好的问题和团队结构是我非常感兴趣的话题。不用说,团队的结构会在公司之间有所不同,但我相信组织成熟度的水平在这个结构随着时间的发展过程中也扮演着重要的角色。 我使用的模型(见图2)描述了我在这个领域的想法: 图2:人员分析团队结构和业务一致性的演进(来源:Arun Chidambaram) 部门一致  一个典型的人力资源结构有一个商业伙伴支持每一个业务,包括奖励和多样性等专业领域。我所见过的最常见的人员分析结构将一个团队成员与支持一组业务单元/部门的HRBPs联合起来。随着你的组织趋于成熟,需求将远远超过供给,而这种结构有崩溃的危险。 人力资源主题一致  组织你的团队的第二种方式,除了部门一致性之外,是了解公司的关键人力资源优先事项,并使你的团队专注于这些关键主题,如员工规划和人才预测。这种方法可以帮助您确定工作的优先级,并在一定程度上解决需求海啸。然而,就像在业务单元/部门一致中一样,随着人员分析能力的增强,这种结构将无法维持需求的强大力量。 中小企业一致  最后,随着需求的增长和成熟度的不断提高,我认为人员分析功能将需要划分为两个主要领域:1)面向客户;ii)主题专家(或非客户端)(见图3)。 图3 -将人员分析团队与主题专家和面向业务的顾问组织起来并进行对齐(来源:Arun Chidambaram) 在此模型中,人员分析团队中面向客户的团队与业务部门和HRBP建立联系,以了解问题,管理项目并运行事后分析和干预。虽然这个团队应该具备基本的核心分析技能,但他们的专业技能将更侧重于咨询、讲故事、沟通以及项目和项目管理。 中小型企业(或非面向客户的角色)需要跨关键学科的深入主题专业知识,如数据工程、研究和数据科学、实验和设计思维、可视化/报告和技术。我设想每一个中小企业都是由一个致力于自己专业领域的人领导的。 如今的团队结构通常会让成员同时面对双方(中小企业和客户)——这种模式的潜在挑战是,当一些分析师在决定专攻哪个方向时,他们会发现很难放弃另一方。 问5:根据您的经验,在组织内建立一个坚实的人员分析基础的关键里程碑是什么? 根据我的经验,我将把它归纳为五个主要里程碑: 建立一个可持续的和长期的分析能力,重点是交付业务结果 与业务中的其他分析团队建立紧密的合作关系,并开发一个实践社区来共享过程、技术和科技。 开发一个严格的5步方法,所有项目都要涉及,这对成功至关重要 建立与法律和数据隐私的关系,以便更好地理解人才分析中数据的使用 建立一个人才分析实验室,测试分析思维,并尝试新的举措,如组织网络分析(ONA)  问6:请您提供您的5步研究方法的更多细节,以及它是如何对您的成功至关重要  每个潜在项目的方法始于人力资源和业务同事之间关于问题声明的对话,遵循五个严格的步骤,从撰写研究建议到支持业务进行事后分析,并参与下面图4所示的行动后审查。 图4:People Analytics的五步研究方法(来源:Arun Chidambaram) 这五个步骤可概括为: 问题范围——这一步涉及到与人力资源或相关团队成员沟通,以了解业务问题及其影响 概念设计——对于每一个被接受的研究提案,我的团队会制定项目的概念设计 数据——收集和管理来自调查业务问题所需的各种来源的数据。 分析——这是我们花时间构建、分析和测试模型的技术步骤 Post hoc -这个关键步骤包括评估干预的影响和测量结果/ROI,以及检查模型是否符合规范,并在必要时进行必要的调整。 这5个步骤的方法有助于团队、人力资源和业务客户对业务问题达成相互理解,并以有效和及时的方式解决问题。 问7:在构建组织能力和领导人们分析功能时,你遇到过哪些典型的挑战和关键经验?  在我工作过的机构中,建立本质上是一种新能力的做法,既有回报,也有挑战。关键经验包括: 理解组织的分析成熟度(参见图1和对问4的响应)对于保持这种能力是绝对重要的 平衡定性和定量科学 与法律和隐私密切合作——不要认为你的人力资源团队应该或确实知道关于数据隐私规则的一切 区分分析和报告——两者都很重要,但是您需要清楚您的愿景和人员分析的目标。 为人员分析团队创建正确和最优的结构来支持业务目标 倾听人力资源利益相关者和商业同事的意见,并加强合作 在工作中保持透明,专注于你正在做的事情,而不是你如何去做。 以上内容由AI翻译,仅供参考 原文链接:https://www.linkedin.com/pulse/role-people-analytics-leader-part-1-building-capability-david-green/
    观点
    2018年07月20日
  • 观点
    人类实际上是低效的招聘人员,聪明的招聘人员让技术为他们工作 文/Adam Gordon 方式艰难 在我看来,几乎所有的雇主和机构都在用艰难的方式做事。我不是那些从来没有在招聘工作过的评论员之一。我的职业生涯开始时,把会计师安排在与迈克尔•佩奇(Michael Page)和罗伯特•哈夫(Robert Half)进行的一场胜者全得的比赛中,因此我学会了如何艰难地招募人才。 说实话,两年后,我真的不想再和求职者谈话了,但我喜欢招聘的营销方面,所以我搬进了招聘营销机构,然后在普华永道咨询。 近20年后,从我的角度来看,80%的内部招聘人员和95%的中介招聘人员仍在努力工作。他们大部分时间都在做我1999年做过的事情。他们可以节省大量的时间,而且,基本上,如果他们打破了老板的“尝试和信任”方法,他们可以在更短的时间内填补更多的工作岗位。那么,让我们来看看发生了什么变化,现在招聘人员还在做什么,他们不应该做什么。 场景有何不同? 好吧,当我开始招聘时,我们没有LinkedIn,但仅在几年后才出现。作为招聘人员,我们认为这是灵丹妙药,在某种程度上,它是。LinkedIn和其他社交网络使世界变得更加透明,在一段时间内,我们向候选人发送垃圾邮件,他们做出回应。他们觉得受宠若惊“被猎头”并给了我们一天的时间。然而,现在,许多招聘人员仍然采用同样的方式,并且面无表情地坐着,无助地看着他们的回复率在下降。他们没有意识到的是,在我们招聘的时候,应聘者们已经习惯了招聘人员的接近方式,对他们来说,先前那种被选中去找工作的兴奋感被似曾相识和打哈欠所取代。他们习惯了,阅读信息的速度变慢了,不太可能回复。 不仅人们开始对你产生了冷漠,而且与过去相比,求职者可以发现更多关于你作为雇主的信息。他们可以从Glassdoor等网站上了解到,如果他们在你的公司工作,咖啡到底是什么味道。所以,在经历了自我指导的研究之旅之前,他们不需要和招聘人员交谈。 不幸的是,如今,一些招聘人员试图通过增加招聘人数来适应。“增加被识别的人的数量、通过InMail和电子邮件发送的信息的数量以及拨打的冷电话的数量并不是答案。”它是低效率的。那么,我们该如何适应以提高我们的表现呢?简而言之,答案就在科技领域,以下是我认识的最聪明的招聘人员让科技为他们工作的几种方式,这样他们就能在更短的时间内找到更多的工作。 经常引用的技术工具 类似口袋招聘这样的匹配工具可以让你搜索社交网络、简历数据库和你自己的ATS/CRM,告诉你哪些求职者具备填补空缺所需的技能。他们搜索多个位置的速度比你快,而且因为他们嵌入了人工智能(在这一点上简单的人工智能),他们返回的结果比你所能看到的要好。 在许多市场,失业率很低,候选人需求旺盛,很少有兴趣采取行动。那么我们怎么知道先和谁说话呢?人才输送产品正在招聘中出现,这些产品可以跟踪和评估求职者与你的社交媒体、职业网站/公司网站、登录页面、Glassdoor、YouTube等网站的互动。然后你可以根据一个实时的参与评分来对你的数据库进行排名,这可以告诉你谁先接触,然后节省大量的时间。 以上内容由HR Tech China AI翻译,仅供参考 原文链接:https://recruitingdaily.com/humans-are-actually-inefficient-recruiters/
    观点
    2018年07月17日
  • 观点
    在时间序列预测方面,传统的统计方法往往优于机器学习方法 文/ Paul Cuckoo 今天,如果没有基于机器学习(ML)的解决方案,坐在分析环境中的会议上讨论解决问题的方法是不可能的。这是有道理的;从SVM、CART回归树到神经网络套件(BNN、RNN、LSTM)的ML技术提供了优越的预测能力。当将这种预测能力转换为时间序列预测时,自然会认为这些ML算法应该是首选。好吧,也许不是。雅典国立技术大学的3位预测专家最近发表的一篇论文可能会给出相反的建议; 就时间序列预测而言,ARIMA或ETS等传统统计技术实际上可能提供更好的预测性能。 研究小组利用来自已知数据源M3竞赛数据的1045个时间序列数据子集,测量了8种传统统计技术和8种先进的ML技术的预测性能。他们研究的主要结果,以及艾哈迈德等人早期的研究,如下图所示,其中sMAPE%用作误差指标(越低越好): 统计和ML方法的性能之间有明显的区别。然而,作者进一步考虑了这些方法的计算复杂度。通常,许多统计方法都可以在标准笔记本上几秒钟内运行。相比之下,一些神经网络需要在快速gpu上训练数小时。考虑到这一点,计算复杂度的扩展显示如以下图表: 正如现在所预期的,有一整套统计技术(Holt-Winters, SES等),它们在计算上都非常简单,并且性能良好。作者继续写道: “学术的ML预测文献存在的一个问题是,大多数已发表的研究提供了预测,并声称其准确性令人满意,而没有将它们与简单的统计方法甚至朴素的基准进行比较。这样做提高了ML方法提供准确预测的期望,但没有任何实证证据证明这是事实。” 他们的工作清楚地强调了ML方法更好这一错误假设。这也不需要考虑ML方法减少的可解释性和不确定性管理。正如一位同事最近所言,复杂性不一定是创新。 在OMD EMEA的市场情报部门,我们每天处理各种数据类型和结构,尤其是时间序列数据。尽管ML算法将继续成为我们在所有数据结构上提供的高级分析的基础,但本文的工作表明,传统的统计和计量经济学建模技术仍有很多可提供的,成本非常低。 (以上是我的个人观点,并不一定反映OMD EMEA或任何Omnicom公司的观点) 以上内容由HR Tech China AI翻译,仅供参考
    观点
    2018年07月16日