人力资源大数据应用实践（三）

　　华博咨询：人力资源大数据应用实践（三）
　　本文整理自王爱敏老师主讲的华博咨询线上课程《人力资源大数据应用实践》
　　所以说到这个地方给大家调侃一下，大家早些年经常会说什么人力资源的人不干人事，不是我们不干人事了，我们在这个位置限制我们去干大家认为的那个人事，因为我们不熟悉战略、不熟悉业务，为什么？因为在早些年人力资源不是特别受重视，属于不上不下的状态，说到这可能大家感受会比较一致，就是老板不重视HR，比如一些重要的业务会议、运营会议、高管会议，我们HR的头没有机会、没有权限坐在那里一起去碰、去开会、去聆听、去理解，那又怎么样去传达给其他的人力资源的执行者？所以说每次我做咨询的时候，我特别愿意给公司的CEO去探讨这个问题，首先要把这个项目做好，你的人力资源真的起到作用，一定是要从老板入手，你作为公司的老板、CEO的话，你对人力资源的理解是什么？如果你对人力资源的理解不够高度，那我们做起项目来说，你执行完最后能不能真正给你的组织助力，真的不好说。所以我这几年给一个上市公司的董事长做人力资源顾问的时候，前几个月我重点就是理念的一个分享，分享给董事长、给他分公司的总经理，让他们认识到人力资源重要性。
　　这样做完了之后，做人力资源的人才真正的能够介入到到高管里面去，能够真正的去懂业务，才能够真正的为咱们公司、为咱们组织发挥应该有的作用，所以我觉得业务理解的前提是战略，战略的基础上是业务理解，这是我一直特别强调的，也是给咱们大家特别分析的一个东西，觉得后面都是一些技术层面的东西，咱们大家大致知道一些就行了，我们在这个基础上这些数据能理解。数据收集清晰、数据准备这样的一个模型评估应用，那么这里的话可以说是从数据理解一直到数据模型，我觉得可以把它称为一个黑盒子，就像飞机黑匣子似的。这里我们可以技术人员去做，我们作为HR来理解它。我们在这个基础上，在前面指导这些技术人员之后，我们最后应用的时候，当然必须还是我们 HR的高管们去应用，包括我们的CEO。这个后面我具体再来给大家说，这是我们要追寻的商业逻辑，这个是特别重要，我一直特别强调，也特别想给咱们大家分享的一个内容。
　　在前面的商业逻辑的基础上，我们还有指标体系的一个逻辑图。我们这个逻辑是指的什么呢？ 我们使用逻辑驱动，其实是循证思想里的这么一个逻辑驱动。那逻辑驱动的分析方法，能够让人力资源管理者更巧妙的理解人力资源分析和实际的运营之间的关系，能够使我们的HR使用与企业运营管理的思想框架比较一致的思想逻辑。也就是说我们公司的战略是什么？我们的业务是什么？我们HR理解的基础上，其实你就站在了跟公司的老板一个水平线上，这样你才能够听懂老板在说什么，听懂企业要怎么发展，我们才可能更好的为企业服务，才能够更大的提高我们分析结果的可靠性。我们再看指标体系的这个逻辑图，我们在一些战略业务的基础上，我们才考虑人的问题，人的问题是什么？咱们的公司的经营战略这里要考虑的，我们还要看人才的一个生命周期，那么形象、服务、创新、质量、效率等等我不去展开了，对咱们大家来说都比较熟悉。那么这是我们根据人才信息收集对于人才我们做的人才的一些项目选拔、评估、发展、奖惩，还有我们的一些关键指标，财务、运营、能力、顾客，这是咱们BIC的一个思想。具体来说咱们看这个表格，我们是从对于人才发展周期的角度、逻辑来说，我们就选拔、评估、人才发展、人才激励、人才保留这几个来考虑。我们分析的纬度又是从哪里去分析呢？优化、预测分析、关联，咱们是其实从下边往上走，我们描述和对标，关联分析，然后进行预测，最后优化。我们从人才选拔的角度来说，我们从哪些方面？从基础的数据，关联的交叉分析，我们预测优化怎么去考虑？人才评估的角度来说，我们也是遵循这样的一个逻辑，就是描述基础数据，我们找关联分析，我们进行预测，我们怎么样优化我们的管理等等，包括人才发展的这些这种人才的发展的一个角度来说，我们遵循数据分析的这样的一个逻辑怎么去做？这是这样的一个逻辑思维。
　　前面给大家提到了，我们进行指标体系构建的商业逻辑。一个是商业逻辑，最主要的是从战略和业务的理解，第二个重要的是从人才的成长规律的一个角度去考量。那么在这个商业逻辑的基础上，我们就可以搭建我们的指标体系了。其实这个体系的架构分成了4层，系统层、数据层、分析层和展示层。系统层就是有一些身边的数据，有ERP系统，我们可以把它写进来，入离升调降、选用育留辞，内网的一些数据，业务系统的一些数据，就是系统层我们身边所有的这些数据要选出来怎么样把它做在数据层。数据层就是纯技术的一个操作了，那么我们传统的HR不懂技术的话也没关系，我刚才说了把它作为一个黑盒子交给我们技术人员去做就ok了。数据层后面就是分析层，分析层是根据这些前面的信息、知识到数据的分析，那么有业务场景分析、运营管理的指标、组织效能的指标、文化活力的指标、运行分析的指标等等，我们根据这些模型，根据这些数据分析建模，输出来的是预警预测、用户画像，为我们的高管提供决策支持建议报告，这就是人力资源大数据这么一个平台。这基本上是一个百度的升级版的这样一个大数据平台，我们大家从这个地方能够比较直观的看到，如果有企业愿意去建大数据平台的话，基本上按照这4个层级系统、数据、分析、展示层这样的一个数据平台。
　　那么我们大家分别来看一下这几个平台，我们从最基础的地方看起，基础是入离升降调、选用预留管的建设，也就是我们从HR三支柱的角度来说，它是SSC或者SDC。
　　这里其实我一直比较主张把咱们HR三支柱SDC或者SSC已经建成大数据分析的平台，一定是为我们HR、为我们的业务、我们的战略能够起到最大的价值的。我们这个系统上关键的是需要我们HR去发挥你能力的一个基础部分，我们怎样把一些数据倒进来到这个平台，我们找哪些数据可能是人力资源信息系统不同，还有离职管理系统，薪酬福利的，可能这是我们人力资源信息系统里面本身的具备的，还有更多的比如说绩效发展，试用期管理。这是我们基层的HR应该发挥作用的地方，比如说我们一些专员一些主管，根据这个数据的要求逻辑，根据我们 HRD或者HRVP或者甚至于COE的一些要求，能够把集成的数据给搭建起来。第二层就是数据层，数据层其实就是一个纯技术的，我们叫数据分析，它包含了数据的清理、处理、提取、保存、标签化等等，这一层处理的数据包含了结构化的数据，也包含了大量的非结构化的数据。比如说我们在这里面涉及到数据的主要流程建设，这些都是比较专业的内容，数据准备、工作数据的分析，涉及到数据挖掘、建模、验证、规避数据陷阱，所以我们起到一个预测的作用，这就是一个数据分析逻辑。这是数据层。
　　我们再看数据的分析层，包含着什么？主题分析，制定与分析，指标体系和模型建设。这个里面主要是什么呢？比如说过去发生了什么，到诊断问题，找寻发生的原因，根据过去的一些数据，通过分析建模进行学习，找寻其中的关联关系，而不是像过去那样通过假设去验证，通过今天的数据及时的去观察，及时去分析，及时去调整，来让数据发挥预测预警的功能，是为了可能发生的未来决策提供可信服的一个依据，这一层就是从数据信息到知识的一个过程。为什么前面先给大家讲那些概念，就是要用在这个地方的，从数据信息到知识的过程，数据分析需要数学的理论、行业经验以及计算工具的结合。