導語：都說HR要用數據說話！現實中很多HR不是拿不到數據，而是不知道怎么進行數據的轉化和運用。HR要提升崗位價值，顯化工作效益，為公司戰略提供決策依據，那必須得會數據的分析和轉化。從GHR公開課《用數據驅動人力資源效能提升》（可點擊了解詳情）的火爆程度可看出這個趨勢，2015年4月推出至今已在全國巡回15場，阿里巴巴、華為、百度、宜家、攜程、新東方、華潤、浦發銀行、中國中車等企業HR團隊都參加了學習，并有GE、施耐德等引進內訓。
HR手中的數據越來越多。它們來自：
如何真正使用這些數據？怎樣從數據挖掘轉化為商業智慧？
本篇解讀，包括從企業對數據HR的迫切需求，HR在數據管理中的挑戰及常見結癥分析。提供一些思路、模式及案例。希望能有所幫助。
1.時間的速度
經常聽到這樣的問題：為啥時間過得越來越快啦！
有兩種回答方式：
A回答：可不是嗎。老子早就說過 “逝者如斯，不舍晝夜……”。引經據典、用哲人的語錄隨聲附和，這是我們擅長的溝通方式。
B回答：時間的快慢是一種感覺。對于一個5歲兒童，過去的一年是其以往生命的1/5；而對于一位60歲的老者而言，過去的一年是其以往生命的1/60。所以，同樣的365天，對于不同年齡的人，感覺到的“時間速度”不同。年齡越大，感覺速度越快�？梢酝ㄟ^改變計算方式，調整對“時間速度”的感覺......。
老板問：“公司的員工流失率咋越來越高？”
A回答：我們與同行業的流失率比較不算高。哎！現在的年輕人啊，心理浮躁不懂得珍惜工作機會......。
B回答：我們通過對數據的挖掘，找到員工流失的真正原因。去年采取了行動A、B、C, 使流失率降低了5%；今年采取行動X、Y、Z，目標是將流失率降低到比同行業平均值低8%。這些行動包括......。
哪種回答，更有利于解決問題呢？顯然是B種方法。
德勤報告［第九大趨勢］是關于“數字HR”，介紹了信息時代，我們不得不學會B種思維方式和工作方法。
2.數字HR, 是革命，不是演化
數據HR是被信息化浪潮裹挾著前進。HR自身必須經歷一場“革命”，才能適應這樣的浪潮風暴。面對革命，可以選擇的是主動或被動革命。
數字HR，包含兩方面的內容：
德勤的報告側重于第一個方面內容，即HR自身的數據化管理能力。
德勤的報告顯示：
72%的參加調研公司認為，數據HR是重要的工作重點，其中32%認為非常重要。38%的公司開始了數據HR工作，9%的公司完全具備了數據HR的能力。
數據HR工作始于2005年，那時候的動力是解決員工的“工作與生活平衡”問題，通過逐步改進的進化方式。十年之后，數據HR是被信息化浪潮裹挾著前進。HR自身必須經歷一場“革命”，才能適應這樣的浪潮風暴。數據HR是一場革命，別無選擇�？梢赃x擇的是主動或被動革命。
3.消除對數據的恐懼
數據HR，為改善員工以及候選人的客戶體驗，應用UPD思維和SMAC能力，打造的移動服務平臺。面對新思維及新能力，HR首先需要的是消除對數據的恐懼感。
目前，全球大約有70億部手機等移動互聯網設備創造了40%的互聯網流量。所有HR也一定是這70億用戶中的一員。
德勤報告說，僅僅有20%的公司開始了數字HR實踐。他們將“70億”和“40%”數字與公司的人力資源工作相聯。那么，80%公司的HR是這滾滾信息洪流的旁觀者。
HR要投身于信息洪流中，光靠“聰慧”不行，必須掌握新的思維和能力。
西方管理傳到中國后，一些管理名詞成為“通用語言”開始流行。“SMART” 是其中之一，SMART代表聰慧明智的意思，是具體（specific）、可衡量（Measurable)、可達成(Attainable)、結果導向(Relevant)、有時限(time-based) 五個單詞的縮寫。很多老板會使用SMART來輔導、挑戰下屬的工作。
信息時代，數字HR們的口中，將經常冒出這樣的新詞匯：SMAC及UPD。
數據HR的定義：應用UPD思維和SMAC能力，打造的移動服務平臺。達到改善員工以及候選人的客戶體驗的目的。
HR面對這三個新思維和四種新能力，恐怕都會有“老虎吃天”或“望洋興嘆”的感覺。
德勤報告尤其強調，HR需要打消對數據的恐懼心理，建議開始學習數據管理的理論知識�！皩⑿枰欢螘r間的學習，但一定有非常豐厚的回報” 。
我非常認同德勤的觀點，HR需要真正投入精力，學習數據管理的理論和技術，更新底層知識結構，提升思維的維度，進而掌握數據管理的能力。
這是本篇解讀的重點：數字HR，為什么是數據挖掘？為什么是現在？
4.數據挖掘：從數據到智慧的過程
5月24日，當上海的中環高架路被壓斷后。政府第一個聲明是“違章卡車載了100噸的物品，超過了高架橋的設計承載30噸標準，造成高價橋嚴重損壞……”。
從公共事件的溝通角度而言，這樣的表述是恰當的。使用數據告知公眾發生了什么和為什么發生。
但是，從對“數據”的管理角度，則可以有不同的對待數據方式：“利用數據”或“挖掘數據” 。
數據挖掘的五個步驟：
-
從數據到信息；
-
從信息到知識；
-
從知識到含義；
-
從含義到原理；
-
從原理到智慧。
以上海高架橋事故為例。我們可以通過對“所有通過橋梁的車輛數據”（如果有的話）進行挖掘；得到“經常有超重卡車違章通過高架橋”的（信息），然后研究限制措施（知識），建立主動防范機制（原理）；達到保障橋梁及人身安全的（智慧城市）。
再舉個例子。
35是數據；今天上海氣溫是35度為信息；上海每年5月的平均氣溫是35度為知識；根據氣溫報告預測銷量為含義；依據含義安排商品庫存數量是原理；增加了銷量及最佳庫存周轉率是智慧。
“智慧城市”是很多城市的發展目標。需要大量的數據挖掘工作，如果僅僅停留在利用數據的水平，就無法實現。一些事故一而再地重復發生，就是缺乏對數據挖掘的能力和努力。
所以，筆者建議上海市政府建立“橋梁車輛檢測數據采集系統”，為智慧上海打下基礎。
在HR的現實工作中，比較常見的是利用數據。
例如，拿出“行業員工流失率報告”（數據），向公司說明“我們公司的流失率高是正常的，因為大家都這么高”。
有些公司嘗試“數據挖掘”，但因為缺乏基本知識和流程，往往達不到目的。
例如：公司按照《行業員工離職統計報告》提供的原因（信息），制定并實施了一系列的留人措施，結果差強人意。因為沒有進行真正的數據挖掘，利用外來的“信息”直接跨到了解決方案（原理）階段。缺乏從信息到知識、含義、原理、智慧的“橋段”。
5.有依據的數為數據
通過數據的挖掘而得出判斷，與先有判斷再尋找數據是不同的過程。前者是數據挖掘，后者尋找佐證。用現成的數據分析問題，好比在馬路上拾煤球，可以燃燒，但你永遠不會發現（挖掘）石油。
想象一下，如果你在陌生的森林中，看到一個黑影晃動時的第一反應？快速判斷“可能有老虎”而馬上逃跑；還是收集數據分析一番再作出判斷？
人類的進化過程，使我們的“下意識”判斷的能力強于“分析后”再判斷的能力。這是《快思考，慢思考》作者將人類大腦中的思維系統分為系統1（下意識判斷）和系統2（分析后判斷）。使用大腦中系統2進行分析判斷的方式是“有依據的判斷”，需要數字為數據。換句話講，當我們質疑問題背后的問題時，會挖掘數據。如果僅僅就表明問題，憑經驗（先給出）判斷，再去找數據佐證的方式，不會去探求真相而深度挖掘數據�！吨匦露x公司－－谷歌的運營方法》中，專門強調了“屏蔽掉那些河馬的聲音”，就是要制止倚老賣老、憑經驗武斷下結論的決策行為。
有人稱現在是TMD、TMI時代：太多的數據、信息 （Too Many Data/Information）。我們不缺乏數據，只是缺乏甄別和使用數據的能力。
這種能力包括前邊講的 SMAC能力及UPD思維方式。
舉個例子。
傳統汽車的儀表盤，數據告訴司機汽車“自身”的狀況，比如速度、油量、轉速等。特斯拉汽車的儀表，數據反映的是“汽車＋外部環境＋司機”的信息。
具備互聯網思維的公司，比如保險公司，可以購買司機和汽車的“駕駛數據”，分析其駕駛習慣及安全指數，決定不同司機購買保險的價格。
傳統的保險公司，只會去汽車修車廠“拾取”汽車的維修數據、事故率。舊的思維定勢：事故－修理－賠償。一定去修理廠采集事故數據。
類似情況，HR通常會使用“離職人員”的數據，分析員工“流失”問題；拿“費用”數據說“費用”問題。
傳統思維，認為大街上的廣告牌是（單向）供大眾看的；互聯網時代的廣告牌是雙向觀看，你看廣告美女，美女也“看你”并記錄你的觀看時間，分析是否為“潛在客戶”。
馬云宣稱阿里巴巴是數據公司。就是通過消費者和廠家的交易數據，挖掘潛在的商業價值。
6.數據挖掘的商業價值
信息時代，人們都像“阿凡達”一樣，隨時拖著一條尾巴（手機），產生無數信息。問題是我們不知道，哪些是有價值的數據？
一個古老的爭論。是人類創造了數學，還是人類只是發現了數學？
換句話說，那些數據的內在規律在我們知道它之前就已經存在了嗎？
人們認為，牛頓等科學家是幸運兒。上帝借他們之手“發現”了已經存在的規律。
沃爾瑪是個商業幸運兒。
沃爾瑪通過超市數據分析發現，將“尿布與啤酒擺放在一起”，啤酒的銷量會大漲（信息）。他們找到了其原因所在（心理學知識）：很多男性在購買尿布的過程中，焦慮指數會大幅度上升，而將啤酒擺放在尿布旁邊，男性消費者會同時購買啤酒，從而降低消費過程中的焦慮指數。根據該市新生兒出生數據，預測啤酒銷量（含義）。安排了啤酒的庫存（原理），創造了商業價值（智慧）。成為“從數據到信息；從信息到知識；從知識到含義；從含義到原理；從原理到智慧�！�的經典案例。
類似的案例，使商家們嘗到了神奇數據帶來的甜頭。促生了一個新興產業鏈誕生了－－“數據挖掘”。（1989年被稱為數據挖掘產業鏈元年）
數據挖掘是通過特定的計算機算法，對大量數據進行自動分析。揭示數據之間隱藏的關系、模式和趨勢，為決策者提供新知識。在海量數據中尋找知識，猶如開礦挖掘黃金一樣困難。
數據挖掘分兩種：
-
“描述性分析”－－針對過去、揭示規律的；
-
“預測性分析”－－面對未來、預測趨勢。
后者是智慧的靈魂。
目前，HR的數據分析主要側重于描述性分析。
網上提供了大量寶典：“HR計算公式大全”、“如何用數據證明HR價值”等等。這些公式最多是提供了如何“描述”的方法。例如，根據以往數據，制做人員流失報告、員工考勤、員工費用占比等等。
由于缺乏對數據采集、挖掘的基本認知，沒有掌握模型和理論。往往是用“流失數據解釋流失率”問題，用“費用”解釋“費用”問題。這種“頭痛治頭，腳痛醫腳”的方法，很難達到創造價值的“智慧”階段。
如何采集數據是讓HR頭痛的問題。
HR“拾取”員工參加培訓的出勤率，期望提升培訓效果。
公司分析員工培訓前后的業績變化數據，試圖說明培訓的效果。這都是按照傳統思維的邏輯在進行數據管理。
那么，HR如何采集有價值的數據呢？
舉個例子。
為了改善員工的“學習體驗”，提升培訓效果。筆者與某網上培訓軟件公司合作，為企業打造內部網上培訓平臺。通過采集員工在每張PPT上的停留（閱讀）時間數據，了解員工對學習難易程度，對課件每頁內容進行修改。例如，對停留時間很長的頁面，增加舉例或解釋。
通過對網上學習的時間段數據分析，挖掘出員工網上學習的“真實場景”，設計課件形式。如果大部分人是在“上下班路上”學習，課件中盡量不要有高像素圖片、影像。確保課件閱讀順暢，提升員工的學習體驗，減少因學習而花費的4G流量。
信息時代，人們都像“阿凡達”一樣，隨時拖著一條尾巴（手機），產生無數信息。問題是我們不知道，哪些是有價值的數據。
7.人力資源與數據挖掘
新的知識時代，企業的核心能力來自：領導、技術、文化和數據挖掘。為了找到商業智慧，我們又開始了古老的追求——對元知識的追求。盡最大努力去整合、去綜合、去吸納、去挖掘數據......
知識就是力量！新知識時代，知識與力量的關系發生了變化。
工業時代，知識（產權）屬于企業、國家。新知識時代，知識屬于員工（大腦中）。員工擁有了知識這一生產資料，而且可以帶走。因為，公司留下了員工的知識本身不能管理知識。
現代公司的基本資料是知識。數據挖掘，對HR的三個挑戰：
-
招聘到具備“知識管理知識”能力的人才；
-
創造有利于“知識共享”的文化氛圍；
-
HR自身具備數據挖掘的能力。
顯然，數據采集、挖掘能力，將是HR應當具有的稀奇能力！
網上傳馬云的內部講話：誰特莫在我面前講什么戰略、核心競爭力之類的高調就滾蛋。阿里需要的是執行力。執行力是啥？對公司的商業價值在哪里 （Show Me the Money!）
HR在數據管理上，不能停留在“描述問題”或“證明自己的價值”階段。
需要掌握數據挖掘能力，提升企業的商業智慧，創造價值。
8.為大腦的操作系統升級吧
《大數據》作者涂子沛先生的比喻很形象，我們每天刷朋友圈、刷微信微博，猶如對著“消防栓”飲水解渴，水流很強但真正喝到口里的很少；認真讀書系統學習，才如用“吸管”慢慢地飲水，才能真正滋潤心田。
筆者向您提供一只“吸管”：《數據到智慧，數字HR工作坊》
希望通過一天的工作坊，達到以下目的：
-
梳理數據思維的基本知識。理解數字的采集反饋；信息的程序效率；知識的功能效能；含義的實踐成果；原理的整合優化；智慧的領導測度等的核心概念。通過建立“底層元知識”，為提升我們思維的維度打下基礎；
-
介紹由數據到商業智慧的動力學關系、轉換模型及流程。使我們的思維系統得到升級。
-
提供實用的工具和案例，構建由數據到智慧之間鴻溝的橋梁。回答 show me the money 之類的問題。
結尾
李笑來（《把時間當作朋友》作者）說，每個人的大腦里都有一個屬于自己的操作系統——真的像電腦一樣，有自己的輸入輸出體系和運行處理機制�？墒聦嵣希^大多數人真的比機器落后太多。因為絕大多數人的操作系統竟然是從不更新的！李的另一本書《七年就是一輩子》說，人的操作系統一般7年才升級一次。比起我們的手機和各種APP的升級速度頻率，我們被谷歌狗打敗是偶然嗎？
是需要花時間為自己大腦操作系統升級的時候了。
|
HR俱樂部
最新相關信息 
豫公網安備 41090202000030號
