本文作者：joshBersin
目录
01 Facebook、Salesforce、亚马逊等公司裁员背后的依据
02 系统性人员分析为何如此重要？
03 如何实施系统的人员分析?
04 Visier推出Vee:AI如何赋能人员分析？
05 系统性人员数据分析如何与人才智能系统相结合？
人力资本分析正在不断发展。从历史上看，这个领域是由敬业度调查、员工保留、人员流动研究以及工业和组织心理学家定义的。
如今，由于新一代供应商和人工智能的出现，一个新时代已经到来。我喜欢将其视为“系统性的人员分析”，即将公司中的所有人员数据汇集在一起，为重要的业务决策提供信息。
01 Facebook、Salesforce、亚马逊等公司裁员背后的依据
几十年来，企业一直在努力收集、清理和分析关于员工的数据。大多数组织在统计员工数量、衡量人员流失率以及跟踪绩效评估、薪资历史、晋升和合规培训等数据上做得相当不错。但是，一旦超越此类人力资源指标时，情况就变得非常混乱。
尽管每位首席人力资源官都希望获得更好的数据，但企业不断告诉我们，他们在识别技能、找到员工福祉的驱动因素、确定有助于提高绩效的关键因素以及制定评估领导潜力的模型方面仍面临困境。
我最近刚听了一个关于马克·扎克伯格（Meta首席执行官）的播客，并惊讶地了解到，他在2月份才知道Meta公司的每一位经理平均拥有三名直接下属。了解到这一点，于是他在给员工的效率备忘录中解释说，现在是时候“减少层级”了，并创立了一套“Flatter is faster，更扁平则更快”的说法。最终，这些举措导致Facebook解雇了公司近25%的员工。（从那时起，该公司的股价上涨了120%：想象一下，如果没有这个问题，情况会怎样。）
我的反应是惊讶。尽管公司设有员工数据分析团队，但在今年之前，他们对团队规模、生产力或效率毫无了解。如果他和他的高管团队们能够持续获取这些数据（再结合团队绩效、薪资、人员流失等），他就可以更早地预见这一问题。类似的，Salesforce和亚马逊这样的公司也遭遇了同样的命运。
02 系统性人员分析为何如此重要？
这种情况时常发生。一家全球连锁餐厅告诉我，他们无法准确统计全职、兼职和加盟员工的数量。（他们正在大规模地替换HCM系统以解决这个问题。）其中一家最大的在线电商公司员工流失率急剧上升，但其原因无法分析出来。
上周我采访了全球最大的IT和招聘公司的首席人力资源官，我们讨论了系统性人力资源，以及人力资源专业人员需要如何从更全面的角度思考问题，停止为每个挑战提供“单点解决方案”。她表示同意，实际上，他们正着手将人才招聘和学习发展团队整合在一起，目标是建立系统性的招聘、内部流动、入职和职业发展计划。 接着，我问她认为他们的人力资源部门最需要哪个技能。她的回答是“分析能力”。我又问什么是分析能力？她说得很简单，“我们根本没有整合的数据来决策我们员工的目标、下一步计划和需求。”
这个问题必须解决。在如今人才短缺、员工燃尽以及员工问题层出不穷的世界里，我们的团队需要整合的数据。我们都认为是时候采用“系统性人力资源分析”——将所有与员工相关的数据（以及元数据）汇聚到一个地方。
可以这样认为：人力成本（工资、福利、公司场地租金、人力资源）通常是公司最大的自主性支出。比起整合员工数据，大多数公司在测量仓库里的零部件方面做得更好。 为什么会这样？
这是一个极其复杂的问题。系统性人员数据分析意味着利用我们拥有的几乎所有数据（包括员工时间跟踪、电子邮件流量、组织网络数据和技能），并将其放在一个地方，构建在一个以元数据为中心的集成系统下。
这意味着您可以随时找到所需的任何信息，按任何维度进行排序和筛选，还可以放大缩小或回溯时间查看趋势。 遗憾的是，这并不是一种新的HCM平台，因为HCM平台从未为这些问题而设计。这是一种基于多维分析、点选图标、人工智能以及为HR设计的强大元数据层的全新软件层。
然而，这也会面临挑战。每个构建了人力资源数据仓库（或者人力资源大数据电子表格）的公司都会发现“术语定义”或“数据字典”是他们面临的第一个主要挑战。关于员工的每个数据元素都需要具备时间序列视图、明确的定义以及用户之间对其真正含义的共识。例如，关于人员流失率的定义，是指今年离开的员工数量。还是说已经被纳入晋升范围内的员工，有关他们的离职情况？您应该明白我的意思了。
03 如何实施系统的人员分析？
人员数据分析从业者是HR领域中最聪明、最精通技术的群体之一。他们拥有过硬的专业能力和水平，但通常被混乱不堪且数据冗杂的各类数据平台所“拖累”。所以现在是时候统一起来了。
我认为你有三个选择，每个选择都有不同的挑战。
首先，你可以尝试自己去做。这可能需要花费数年时间，包括在IT部门设立一个专门的团队提供帮助。你将清理数据、定义数据字典、选择许多工具（ETL、分析、大数据和报告），然后构建自定义仪表板和报告。但这项工作，在付出努力与不断发现的过程中，一旦IT部门在别的事情上忙起来，就很可能偏离轨道。另外，这会花费很多。
其次，你可以尝试使用现有的HCM。是的，Workday、SuccessFactors和Oracle都有开放的分析工具。但它们主要是为数据捕获和分析设计，而不是为转换、元数据管理、终端用户报告和非表格数据设计。因此，尽管这些平台有所帮助，但即便是SuccessFactors（购买了整个从事这项业务的公司）也没有在所有客户中取得成功的经验。因此，这将是一个由IT部门驱动的项目。
第三，你可以按照我的建议：购买一个集成的人员数据分析平台。这些新系统主要由Visier（该领域的领头羊）、Charthop（功能强大的新平台）、OneModel（更像一个中间件集成解决方案）和CruncHR（中端市场解决方案）等供应商提供，专为满足您的需求而设计。这些供应商都擅长从许多数据源整合HR数据、进行多维分析以及设计用于展示您想要了解的一切信息的终端用户报告和分析。 这些公司中的大多数最初是以“报告系统”的身份开始的（Visier从一开始就建立了一个自下而上的分析平台），但现在已经成熟为完整的平台。在我们与客户交谈中，他们获得的成果实在是令人惊叹。
04 Visier推出Vee:AI如何赋能人员分析？
Visier的人员数据分析有多厉害？近日，国外厂商Visier推出了AI驱动的人力资源对话智能，名为Vee。Vee将生成式AI与Visier人员平台结合，让任何业务人员仅通过提问就能获取系统性分析信息。由于Visier是一个基于元数据的多维平台，它可以回答你提出的几乎任何问题。 例如，设想你是一位HRBP，正在跟业务领导共同招聘一支新的工程师团队。你应该从哪里着手？Vee可以回答这个问题。
如果你考虑让某一位内部候选人担任这个角色，你可能希望比较一下谁更合适。Vee在这里也可以提供帮助。
Vee可以与MS Teams和Slack集成，因此您可以在任何地方随时获取此类分析。可以想象，这将为公司的每位业务伙伴、人力资源顾问甚至业务经理提供系统性的人员数据分析。
我们刚刚采访了一家最大的电池制造商（9000多名员工，未来五年将增长到20000名），他们的HR负责人告诉我们，她将制造数据直接链接到人员数据（Visier 可以做到这一点），使用 Visier 分析出他们的加班工资、奖金发放、激励制度与生产力效率、生产质量并不匹配，并最终向业务领导者们成功证明了他们存在团队管理不善的问题。
有趣的是，她还告诉我们，在拥有这个平台之前，管理者从未相信过她。这就是典型的问题。如果你没有整合的“系统性”分析数据来向业务领导者展示，他们会质疑数据，让你回到起跑线，减慢决策速度。
这类平台可以实时分析几乎所有与员工相关的数据，帮助业务领导者了解他们迫切需要知道的信息。 我知道你们中的许多人现在已经有了此类仪表板，并经常用于季度审查或其他咨询环节。
系统性的人员数据分析平台可以做得更多：它为经理（及其分析师）提供实时数据，使他们能够立即发现问题，而无需将人员分析视为一项仅由专家才可以领导的项目。而且，这些平台大多都有时间序列分析功能，您可以追溯时间线，查看问题何时开始发生，以及可能的原因是什么。
05 系统性人员数据分析如何与人才智能系统相结合？
这样一种系统性人员数据平台与所有新型人才智能系统中的数据有何关联呢？现在这些系统是不同的。大数据AI系统（如Eightfold、Seekout、Beamery和Gloat）很擅长识别候选人、推断技能，并建立绩效、领导力等方面模型。它们“从数据中学习”并创建出无偏见的模型，自动将人们归类到您想要找到的群体或人才库。 人员数据分析平台执行的任务有所不同。它们直接获取核心交易数据，并通过统计和分析来查看、分析并预警紧急问题。
为什么今天我要强调这一点？因为当我们未来迈向系统性人力资源时，我们将发现数据往往是我们的制约因素。例如，要使用我们的4R人才招聘模型（招聘、留任、再培训、重新设计），HRBP必须同时查看候选人渠道、离职原因、所需技能、内部候选人和团队生产力。如果没有良好的数据，我们只能摸着石头过河，这就导致了许多科技公司在过度雇佣上面临的尴尬局面。
结语
我们正进入一个人才短缺严重的时期。你不仅需要寻找稀有和新的技能，还要担心失去现有的员工。因此，系统性人员分析就显得尤为重要。 想象一下，如果Mark Zuckerberg在公司陷入缓慢增长之前就能获得这种类型的系统，现在会是什么样子？像Visier这样的系统性分析平台可以帮助你预见未来、了解人才挑战的多维方面，并使一线经理适应新战略。
2023中国数字人力峰会将于7.28在北京举办！千人规模峰会，拜耳、百度、伊利、联想等HR高管坐阵，AIGC与组织效能+2023HR数字化转型趋势报告等你听！掌握最新数字化转型趋势，赢得未来竞争优势！点击下图报名，欲报从速！
