第二届People Analytics的发展与应用研究报告.pdf

第二届 People Analytics 的发展与应用研究报告开启 People analytics 之路Roadmap to kick off people analytics调研主办方联合主办方 版权声明 本调研报告属智享会&北森所有。未经双方书面许可，任何其他个人或组织均不得以任何形式将本调研报告的全部或部分内容转载、复制、编辑或发布使用于其他任何场合。Copyright ownership belongs to HR Excellence Center&Beisen.Reproduction in whole or part without prior written permission from HR Excellence Center&Beisen is prohibited.关于作者金景 Mark.Jinhrecchina.org金景先生是人力资源智享会的创始人，目前同时担任该组织的 CEO。他不仅负责智享会商业模式的设计和战略的制定，也同时带领核心管理团队将商业模式和业务战略落地运营，并取得了丰硕和行业广为认可的商业结果。金景先生毕业于英国纽卡斯尔大学，并取得了教育学管理硕士学位。本科毕业于南京师范大学，取得了英语教育学士学位。特别鸣谢人力资源智享会感谢以下调研顾问团成员在本次调研及案例采访过程中提出的宝贵建议。（顾问排名不分先后，仅按姓氏首字母排序）Iceking Chen罗氏（中国）投资有限公司亚太区 HRIT 业务伙伴李贵庆景瑞控股有限公司人力资源总监王斌虎彩印艺股份有限公司HR 共享服务部总监许灵同程艺龙SSC 数据负责人朱卓慧施耐德电气（中国）有限公司中国区人力分析顾问（People Analytics Consultant-China Ops）蒋漪昀罗氏（中国）投资有限公司亚太区人才分析与洞察负责人王芬同程艺龙SSC 一站式负责人王小波周大福珠宝金行有限公司中国核心智力资本共享中心总经理赵永亮北森资深产品经理彭传军北森高级副总裁顾问团方麻迪 May.Fanghrecchina.org方麻迪现任人力资源智享会（HREC）专家咨询顾问一职。曾负责撰写的调研报告有：中国企业行动学习实践调研报告、变革沟通管理实践调研报告、中国人才管理状况调研报告、第四届中国人力资源共享服务中心调研报告、第三届移动学习调研报告、中国人力资源数字化转型研究、弹性工作制与灵活用工、2019 智享会绩效管理研究.方麻迪毕业于华侨大学，获得管理学本科学位。3ROADMAP TO KICK OFF PEOPLE ANALYTICSCONTENTS0420598487661052开启 People analytics 之路研究背景 4研究框架 5主要发现 6企业如何开启 People Analytics 之路People Analytics 关键驱动要素 20小试牛刀People Analytics 的具体场景应用举例 34建议与方案总结导航 59整合 60专家访谈北森：People Analytics 在国内的发展现状及未来发展趋势智享会数字化 HR 系列报告一览案例启示同程艺龙：多年沉淀，用 People Analyics 解决业务管理痛点虎彩：以终为始，用数据助力管理问题的解决景瑞地产：用数据助力组织人员发展罗氏：People Analytics 的探索与发展之路施耐德：优秀的团队如何助力 People Analytics发展周大福：用数据为业务创造价值65样本概况赋能业务，以终为始数据分析结果落地现状 54企业需求诊断、数据结果传达、落地执行情况跟进现状 55关键节点措施总结 58People Analytics 的“知”与“行”“知”概念认知 10“行”企业实践成熟度 174第二届 People Analytics 的发展与应用研究报告 研究背景2020 注定是不平凡的一年一场席卷全球的新冠疫情不仅影响了人们的衣食住行，也对经济环境带来了冲击。这无疑考验着企业：如何克服时艰，更好地生存下去？未来，新的业务增长点又在何处？外部环境愈发强烈的不确定性带给企业的挑战是巨大的。越是在这样的环境下，我们的决策便越是需要理性、科学与敏捷，纯粹依赖过往经验对事物做出判断很可能将难以应对未来的商业环境。基于科学决策的需要，数据或许是当前我们不得不重视起来的“企业财富”。数据之于业务的重要性如此，人力资源亦是。早在多年以前，不少企业纷纷已经着手进行人力资源的数字化转型，将技术工具嵌入了人力资源的各个模块与流程中，这便为人力资源数据的沉淀与分析提供了可能性，People Analytics 也逐渐进入了人们的视野之中。然而将时间拉至 2018 年，在智享会开展的第一届 People Analytics 的发 展与应 用研究中，我们发现企业对于 People Analytics 知之甚少，有所实践的企业更是极少数。那么时至今日，People Analytics 的发展到底如何了呢？我们将从以下几大视角开展研究：People Analytic 的“知”与“行”：对比往届研究结果，了 解在本届调研中企业在概念认知及实践成熟度上的变化与 现状；企业如何开启 People Analytics 之路：探究企业将如何着 手开展 People Analytics，在往届调研研究结论的基础之 上，进一步对于 People Analytics 关键驱动要素进行梳理 与分析，明确各个要素之间的关系、在 People Analytics 各个发展阶段的重要性及人力资源部门如何促使这些要素 的发生。最后，探索目前企业较为聚焦的应用场景，结合 案例片段，帮助读者了解 People Analytics 的具体应用。赋能业务，以终为始：了解人力资源部门在将数据分析结 果应用到业务部门管理中的现状，并且诊断当前难以落地 的原因及关键节点，结合企业实践，从而提出相应的解决 方案。开启 People analytics 之路5ROADMAP TO KICK OFF PEOPLE ANALYTICS 研究框架“知”概念认知“行”企业实践成熟度 People Analytics 关键驱动 要素 小试牛刀People Analytics 的具体场景应用举例 数据分析结果落地现状 企业需求诊断、数据结果传 达、落地执行情况跟进现状 对比往届研究结果，了解在本届调研中企业在概念认知及实践成熟度上的变化与现状。在往届调研研究结论的基础之上，进一步对于 People Analytics 关键驱动要素进行梳理与分析。明确 各个要素之间的关系、在People Analytics 各个发展阶段的重要性及人力资源部门如何促使这些要素的发生。探索目前企业较为聚焦的应用场景，结合案例片段，帮助读者了解People Analytics 的具体应用。了解人力资源部门在将数据分析结果应用到业务部门管理中的现状。诊断当前难以落地的原因及关键节点。结合企业实践，从而提出相应的解决方案。People Analytics 的“知”与“行”企业如何开启 People Analytics 之路赋能业务，以终为始6第二届 People Analytics 的发展与应用研究报告 主要发现 “知”概念认知往届调研本届调研 国内企业对于 People Analytics 的认知度仍较低，甚至没有听说过 People Analytics 这一名词；已经对于 People Analytics 有所认知的企业中，虽然关注度高，但绝大部分也仍处于观望状态，真正有所了解的企业“凤毛麟角”，并且大多集中于高科技和互联网企业。“用数据说话”或将成为大部分企业的普遍共识。更多企业对于 People Analytics 有所了解，甚至能够有清晰的概念认知。约 9 成企业企业对于数据分析已经或多或少有所接触或了解，数据思维已较为“深入人心”；而在对 People Analytics 有所接触或了解的企业中，企业的了解程度、认知水平并不一致：半数企业对于这一概念仅停留在“听说层面”，并不了解其具体的含义；两成企业虽已着手实践 People Analytics，但没有给出明确的名称与定位；7.63%企业实践了 People Analytics，也给出了具体的名称，但并不以“People Analytics”这一词语命名；仅有 8.78%的企业能明确知道 People Analytics 这一词语的对应含义。无论是否以“People Analytics”这一词语命名相关实践，在能够明确说出相关概念定义的企业中，参调者的具体理解也并不一致。对于不以“People Analytics”这一词语命名的企业，我们让参调者罗列了其他概念名称及对应的理解，发现无论是具体名称 还是对应的理解均有所不同，具体可以归类为：人力资本分析、人才盘点和预测、助力决策三大类。而对于以 People Analytics 命名，明确知道其具体含义的企业，我们也直接收集了参调者对 People Analytics 概念的认知，发现其中所有企业均会提及“数据或分析”，近 7 成企业会提及“决策或业务”，仅有一半企业会提及“预测或建模”。本届调研数据摘要7ROADMAP TO KICK OFF PEOPLE ANALYTICS “行”企业实践成熟度往届调研本届调研 对于People Analytics企业的关注度很高，但大部分企业并未真正实现。有相当大一部分的企业已经实践了 People Analytics 或在未来 2 年内考虑尝试。在已经有所实践的企业中，People Analytics 的成熟度仍处于起步阶段，能实现建模预测层面分析的企业仍是少数。对 People Analytics 有所实践的企业约在 4 成左右，这已经超出了我们在调研之初的“心理预期”；另外，近 4 成企业“跃跃欲试”，未来 2 年内会考虑尝试 People Analytics 的应用。可以说，无论是现在还是未来，People Analytics 都将成为人力资源领域的重要趋势之一。在已经有所实践的企业中，近 9 成参调者表示所处企业的 People Analytics 成熟度为 Level1或 Level2（具体关于成熟度的定义请参考本报告 p17 图表 3）。可见绝大多数企业仍在不断探索与尝试之中。我们将企业 People Analytics 的应用场景分为两类：效率提升与成本计算类、人效测算与预测类，两类场景的关键区别在于是否需要企业自行创建数据测算模型（两类场景具体区别请参考本报告 p60 关键总结 1：People Analytics 的定义梳理）。前者不涉及建模，近 8 成企业已经实现；后者需要企业具备数据建模、分析与预测的能力，实现的企业仅为 4 成左右。企业在实现 People Analytics的过程中，“算力”仍有待进一步提升。本届调研数据摘要8第二届 People Analytics 的发展与应用研究报告 企业如何开启 People Analytics 之路驱动因素 企业如何开启 People Analytics 之路应用场景往届调研本届调研 无论处于 Level1 还是 Level2，技术系统及软件都是企业最为关注的支持因素，其次分别是专业的人才及团队、企业文化这两大因素。随着企业实践成熟度的提升，“企业文化”愈发不容忽视。并且当企业处于 People Analytics 的起步阶段时，高管的认可与支持作为企业文化的一部分至关重要，是 People Analytics 是否能实现的决定性因素。而随着 People Analytics 的发展，员工数据思维的形成作为企业文化中另一重要组成部分，对于 People Analytics 走向成熟愈发关键。往届调研本届调研 企业所应用的场景是较为分散的，仅有诸如“离职风险预测”是较为热门的场景，因此并未对具体场景有过多探讨。我们无论是在前期的市场诊断阶段还是在后续的案例采访阶段，发现企业在应用 People Analytics 时已经有若干较为聚焦与典型的场景，如：人均效能分析、离职风险预警分析、劳动力规划、组织能力建设。9ROADMAP TO KICK OFF PEOPLE ANALYTICS 赋能业务，以终为始往届调研本届调研 大家关注的更多是如何用 People Analytics 影响 HR 管理工作、影响和改善员工体验，极少数企业尝试影响业务的决策。在本次研究中，越来越多企业开始提出：如何通过 People Analytics 真正地帮助业务、赋能业务，但落地程度有限。绝大部分企业业务部门对于人力资源部门给出的数据分析结果，态度通常处于“2 分-认同数据的价值和意义，但对于数据分析结果的理解不到位”和“3 分-认同数据的价值和意义，能较好理解数据分析结果，但难以将相关建议落实到具体的业务管理中”的状态。不难发现，业务部门对于数据有一定的理解与认同，但常常但难以将相关建议落实到具体的业务管理中。企业的无论是在需求诊断、数据结果传达还是在数据结果落地的环节，绝大部分企业均未形成较为体系化的流程与制度，实践倾向于碎片化与粗放。本届调研数据摘要10第二届 People Analytics 的发展与应用研究报告People Analytics 的“知”与“行”在本届的调研中我们依然从企业对于 People Analytics 的发展与应用研究着手，了解当前企业在该方面的“知”与“行”。另外，对于尝试实践的企业，我们也会结合案例与数据，梳理企业开展 People Analytics 的前提条件与基础，助力企业未来更好地在企业内推广与落地。“知”概念认知 往届调研企业认知情况关键词回顾在往届调研中，我们便已经开始探索企业对于 People Analytics 的认知与实践成熟度。然而，在过去的研究中我们看到：认知度仍较低关注度高，但大部分企业持观望状态People Analytics 定义的归纳梳理大部分企业甚至从未听说过 People Analytics这一名词。真正对 People Analytics 有所了解的企业“凤毛麟角”。有所了解的企业大多集中于高科技和互联网行业。有所实践的企业典型：腾讯、谷歌、IBM、微软、辉 瑞、SAP。将与人相关的数据 运 用于对人的管理和决 策之中的方法，该方法具备对未来趋势进行预警、预测和控制的价值。那么，在本次调研中大家的认知是否有一定的发展？另外，有所实践的企业是否仍是“极少数”？我们将在下文中结合市场现状数据，对两届调研的研究发现进行比对，另外也将结合本次研究中的专家洞察与企业实践，进一步更新 People Analytics 的定义。11ROADMAP TO KICK OFF PEOPLE ANALYTICS 本届调研企业认知现状“用数据说话”或将成为大部分企业的普遍共识。大部分企业对于数据分析已经或多或少有所接触或了解，仅有约 1 成企业“从来没有听说过与 Analytics 相关的任何概念”。即使企业对 People Analytics 已经有所接触或了解，认知水平却并不一致，存在认知不清晰、企业内无明确定位、不以 People Analytics 这一概念进行命名、已经有明确的理解等多种情况。在对 People Analytics 有所认知的企业中，企业的理解并无统一定论，呈现出了多元化的态势。对于“更多是以 HR Analytics 或人力资本分析等其他类似 的概念进行讨论或实践”的参调者，我们让其罗列了企业 中所提出的概念及对应的理解（参考右侧图表 1a），并且结 合参调者的反馈，将其分为人力资本分析类，人才盘点类，预测、助力决策类和其他。而对于“明确知道其具体的含义及概念”的参调者，我们 也直接收集了其对 People Analytics 概念的认知，这些描 述均呈现了不同的侧重，具体如下：运用相关数据分析工具针对与人相关的信息、数据进行加工、分析、提供相应的洞察结果，作出具有价值的决策，服务于人、业务、市场。依据行为，针对人员特定胜任力、目标结果抽取对应特征向量进行建模，利用行为数据构建算法进行预测、风险规避等。将员工在公司全生命周期的数据进行分析，从而为业务提供洞察。参调者所有的概念表述我们将附在本小节末尾供读者参考（详见 P16 附表图表 1b）。我们对于这些概念表述进行了初步的关键词分析，将关键词分为三组，分别为：数据或分析（涉及工具与基础）、决策或业务（涉及应用面）、预测或建模（涉及算力要求），我们发现其中所有企业均会提及“数据或分析”，近 7 成企业会提及“决策或业务”，仅有一半企业会提及“预测或建模”。图表 1 对于 People Analytics 的定义，您的熟悉程度是（N=262）11.83%7.63%22.90%48.85%8.78%从来没有听说过与 Analytics 相关的任何概念从来没有听说过，更多是以 HR Analytics 或人力资本分析等其他类似的概念进行讨论或实践从来没有听说过，但人力资源相关部门有开展数据分析工作，对这一工作没有明确的定义听说过，但不知道具体的含义或仅有模糊的认知明确知道其具体的含义及概念当然，在本次调研中为了方便对 People analytics 展开探讨，会在下文中结合国外文献描述和国内企业的实际分享，对其概念做一个梳理与整合。分类您公司提出的类似概念是什么您对这个概念的理解是什么人力资本分析类人力资本分析一个人在组织所耗费的以及能带来的比率分析cost illustration分析雇佣或遣散个别员工所需要的成本，如薪酬，福利等人工效益人均创收/人均创利等人力成本分析对于人力成本相关方面的分析人力资本分析对各环节的直接人力成本进行分析HR analytics人力资本分析人均人效个人的效能人均效能所有与人相关的，能够作用到企业管理或者人力资源管理的分析人才盘点类人力分析更高更科学层面的人力盘点人才盘点对现有人员胜任力，继任力，潜在提升力作出判断人才盘点测评基于人才的任职能力及岗位要求的定期评价分析人员分析更多地是对人所在岗位技能的分析预测、助力决策类人力资源分析通过对人力资源管理各项数据的分析解读，支持公司的战略发展HR Predictive AnalyticsUsing data processing tool and big data algorithm tool to make prediction on employee fow.HR Data Analysis基于对 HR 相关数据的整理和分析，提供支持业务发展的解决方案或建议数据共享中心充分通过员工、部门、HR 三方共同按照一定流程完善数据，使用统一的数据统计分析口径以及解读报告，用于工资/部门的各项人力工作决策。其他数字化转型要用数据支撑人力资源发展人力资源结构分析与人有关的所有内在外在信息进入分析程序 图表 1a 若“更多是以 HR Analytics 或人力资本分析等其他类似的概念进行讨论或实践”企业的理解为：（N=18）12第二届 People Analytics 的发展与应用研究报告 国外研究摘要 国内企业实践经验摘要 The Wharton School:People analytics is a data-driven approach to managing people at work.For the frst time in history,business leaders can make decisions about their people based on deep analysis of data rather than the traditional methods of personal relationships,decision making based on experience,and risk avoidance.（沃顿商学院：People analytics 是一种在工作中用数据驱动的思维来进行人员管理的方式。有史以来，业务管理者首次能够通过深度数据分析进行人员管理的决策，而非基于人际关系、过往经验或出于风险规避的需要。）1 CIPD：People analytics,HR analytics,human capital analytics are all terms used to describe the practice of applying analysis processes to workforce data to understand workforce-related business issues.（CIPD：People analytics,HR analytics,human capital analytics 这些词都用于描述同一种实践，即分析劳动力数据，从而了解与劳动力相关的业务问题。）2 对于 People Analytics 的定义与理解目前虎彩结合实践，对于 People Analytics 的定义与理解主要集中在以下两大方面：提效：指在不改变人力资源三支柱或者职能模块分工的情况下，搭建数据中台，帮助企业 快速获得基于管理需要所要收集的数据，制作成本结构分析报表，进行数据化的产品输 出，旨在更精细化地去做颗粒度更小的成本管理。运营赋能：即通过管理数据去看到管理现场。先将业务数据化将业务路径和业务行为 先数据化，再将这些数据通过建模、分析实现“数据业务化”，管理者可以通过数据报表 本身去检测、诊断每个管理现场，给予管理者更多的管理支持。对于 People Analytics 的理解罗氏结合内部已有实践，当前对于 People Analytics 的理解主要集中于以下两大层面：获得人力资源的相关结果：即在人力资源领域内的相关分析与服务，如提高业绩、效率等。针对每个员工发展需求提供相应的数据支持。获得业务的相关结果：指将业务战略转化为人才战略，如劳动力战略规划等。真正助力、驱动业务的发展，为业务的决策提供依据。针对管理层的管理需求提供分析产品与服务，维持、安排组织的健康运营。虎彩罗氏案例关键词提要 提效 运营赋能案例关键词提要 获得人力资源的相关结果 获得业务的相关结果1 沃顿商学院，https:/www.coursera.org/learn/wharton-people-analytics?#syllabus2 CIPD,People analytics:driving business performance with people data,https:/www.cipd.co.uk/Images/people-analytics-report_tcm18-43755.pdf13ROADMAP TO KICK OFF PEOPLE ANALYTICS 对于 People Analytics 的理解 结合企业目标，深度数据驱动；通过分析劳动力行为、趋势、个人和市场的数据，了解业务痛点，洞察整体人才和绩效战略；最终能够达到预测的目的，帮助组织更好地管理和做出决策。对于 People Analytics 的理解同程艺龙认为，对于 People Analyics，大部分企业在实践过程中已经有了类似的概念，也已有或深或浅的尝试，只是缺乏统一的名词。在同程艺龙的 People Analyics 实践，是以支撑组织战略、解决业务问题为出发点，打通整合多处数据源，通过交叉的多维度的分析或基于数据模型，进行可视化的数据呈现，辅助于战略或决策的落地和人力资源管理。其根本目的是用于辅助企业的人力或业务战略的落地，也可辅助人力资源的日常管理。People Analyics 主要包含以下几大特征：以解决问题为出发点。区别于传统的运营性工作汇报或报表，PA 的初衷和目的，是解决 问题，可能是解决公司层面战略落地的问题，例如，提高人效、快速拓展业务、降费增效 等，可能是解决 HR 日常工作中的问题，例如提升高绩效员工保存率、人才实时动态判断 等。PA 不是为了做报表而做报表，而是为了解决业务痛点做数据支持，以终为始地进行数 据分析。打破数据壁垒，进行全面综合的交叉分析。通常分析透彻一个业务问题，仅通过单一模块 的数据难以支持。需将人力资源主系统和其他周边相关的系统（如：绩效、培训、招聘、人才发展系统等）的数据整合到一起，才能更好地挖掘相关问题背后的原因，进行综合的 交叉分析。不仅分析过去已发生的，更尝试预测未来。People Analyics 不仅用于了解已经发生的事 情，更需要用于探索未来相关场景中某些事件的发生概率，如：离职风险预测，用工规模、人力成本预测等。不少企业倾向于基于成熟数据工具或平台落地。原因其一是数据模型一旦建成，数据源时 刻变化，但数据结论的实时性要求很高，通常难以人工实时处理，大多基于系统模型处 理。其二，成熟的 BI 工具，可以让数据的视觉呈现方式可以有更好的表达。施耐德同程艺龙案例关键词提要 数据驱动 了解业务痛点 预测 帮助决策案例关键词提要 以解决问题为出发点 全面综合的交叉分析 预测未来 基于成熟数据工具或平台14第二届 People Analytics 的发展与应用研究报告 专家洞察 总结:People Analytics 的概念认知演进之路 关于认知北森 彭传军 对于 People Analytics 的理解People Analytics 在国外已经普遍被 HR 同行们所接受，并且有相当多的从业者和专家。但是在中国市场，虽然有很多企业已经开始探索 People Analytics-人力分析，但是系统化、模型化和工具化的程度还非常有限，这就导致 PA 的价值不明显，不能为企业管理者的经营和用人决策提供真正的价值。北森定义 People Analytics 为人才分析，全面的人才分析至少包括以下四个方面：效率分析：该层面也是企业提出较多的概念，如人力资源部门上线软件或系统后，在流程方面效率有哪些提升；效益分析：即在某一领域投资后，人才效益、人均单产、人均利润率等各方面是否有所提升，类似于人力资本的分析；组织能力分析：People Analytics 离不开“People”，即结合组织人才结构及绩效表现对人才和人员能力的分析；组织文化分析：该分析能够反映组织员工对企业文化的认可程度，具体评估方法如企业文化价值观考核、敬业度调查等。以上四个层面国内企业关注比较多的是在效率分析和效益分析层面，这也是传统人力分析和人力资本分析常见的范围，而涉及组织能力、组织文化分析的企业相对较少。究其原因，大多数企业并没有掌握员工的能力信息和潜力信息，大部分企业也没有很好的工具对能力或者潜力进行测量；同样，很多企业对组织文化和氛围的科学认知程度也不高，更没有建立起有效地衡量组织文化的指标和体系。往届调研本届调研 国内企业对于 People Analytics 的认知度仍较低，甚至没有听说过 People Analytics 这一名词；已经对于 People Analytics 有所认知的企业中，虽然关注度高，但绝大部分也仍处于观望状态，真正有所了解的企业“凤毛麟角”，并且大多集中于高科技和互联网企业。“用数据说话”或将成为大部分企业的普遍共识。更多企业对于 People Analytics 有所了解，甚至能够有清晰的概念认知。15ROADMAP TO KICK OFF PEOPLE ANALYTICS 关于具体定义与概念虽然对于 People Analytics 的理解并无定论，但为了使我们的研究更具备针对性，本次调研我们结合以上市场反馈、国外文献、国内企业实践，对于 People Analytics 进行了大致的定义与框定。在下文中，我们对于 People Analytics 的讨论也主要围绕以下定义展开：关键总结 1：People Analytics 的定义梳理 效率提升与成本计算类：基于现有系统或软件可以直接获得或计算，不需要自行创建数据测算模型，且通常与具体业务管理场景的联系不会特别深（如：离职率统计、满意度收集、敬业度状况等）人效测算与预测类：需要企业自行抓取与业务相关的因子进行数据建模、分析与预测，往往基于某一具体的业务管理场景或问题（如：劳动力的提前规划与预测、离职风险预测、绩效评估体系设计与动态调整等）实践分类本届调研定义补充在本次研究中，结合市场现状，我们根据上述定义及本次企业访谈、参调结果，进一步将企业 People Analytics 的实践分为两大类往届调研定义将与人相关的数据运用于对人的管理和决策之中的方法，该方法具备对未来趋势进行预警、预测和控制的价值。16第二届 People Analytics 的发展与应用研究报告附录参调者对于 People Analytics 的具体理解及词频归纳提及数据或分析提及率 100%提及决策或业务提及率 69.57%提及预测或建模提及率 47.83%通过与人相关的结果和行为数据进行分析，影响商业决策 以大数据的视角及技术，将人力资本功能最大化 人力分析，通过大数据分析将简单的汇报数据，转变为可以预测未来的行为和制定相应的解决方案 与人有关的数据非常多，行为数据更具有参考价值，在海量的数据中提取有效的信息，对决策更有帮助 依据人员的数据分析，进行企业运转的预警及策略调整 Leverage technology tools to empower organization evolution based on the people data and behavior.用数据支撑人力资源决策，规避主管决策风险 人才数据分析解读得出分析型或预测性意见为业务及 HR 战略提供支持与参考。通过对员工所有相关数据的分析为企业的运营和战略规划提供预判及决策支撑 基于数据的人力资源决策，非常重要 运用相关数据分析工具针对与人相关的信息、数据进行加工、分析、提供相应的洞察结果，作出具有价值的决策，服务于人、业务、市场。Using people master data for analysis which provides support for business purpose 利用各方面的人力资源数据进行分析，预测，用于人力资源的相关决策 深度数据驱动结合企业目标，通过分析劳动力行为、趋势、个人和市场的数据，洞察整体人才和绩效战略，帮助组织更好地管理和作出决策。通过对人的行为进行可衡量数字化的记录，以对人未来的行为以及对组织的影响进行预判，并进行决策性修正 运用多渠道智能化的工具和技术收集整合和分析数据，提供预测预警分析，帮助企业决策 依据行为，针对人员特定胜任力、目标结果抽取对应特征向量进行建模，利用行为数据构建算法进行预测、风险规避等 通过分析数据，发现内在特征，关系，趋势等信息，预测未来发展，为人员发展和管理提供决策支撑 运用统计工具，对企业内与人相关的数据进行收集、整理、分析洞察，建模，用于决策 结合对人力资源相关信息和业务信息相关性的分析，帮助业务实现目标 将员工在公司全生命周期的数据进行分析，从而为业务提供洞察。记录人员基础信息、业绩数据、胜任力等数据，量化工作岗位要求等等信息，建立人才匹配分析、人才发展等模型，及时呈现人才现状、人才梯队情况以及预警人才风险的一种方法。人力资源相关数据分析 图表 1b 若“明确知道其具体的含义及概念”企业的理解为：（N=23）17ROADMAP TO KICK OFF PEOPLE ANALYTICS “行”企业实践成熟度 往届调研企业实践情况回顾 本届调研企业实践现状在往届调研中，我们对于企业的 People Analytics 实践成熟度也做了相应的分析与探索，我们发现：对于 People Analytics 企业的关注度很高，但大部分企业并未真正实现。注：以上图片来自于智享会第一届 People Analytics 的发展与应用研究那么，在本届的调 研中有多 少企业已 经 开始实 践 People Analytics？其成熟度又是如何？我们将在下文中结合数据与案例，了解当前的市场现状。图表 3 以下成熟度描述中，符合您公司现状的是（N=94）N=30占比 31.91%N=57占比 60.64%N=6占比 6.38%N=1占比 1.06%注：以上成熟度描述参考自 Bersin by Deloitte：High-Impact People Analytics图表 2 结合上述定义及您的理解，目前您公司是否有相关实践（N=231）11.69%38.53%40.26%9.09%尚未有任何实践，未来 2 年内也不会尝试尚未有任何实践，未来 2 年内会考虑尝试已经有所实践曾经实践过，但现在不再开展不清楚0.43%18第二届 People Analytics 的发展与应用研究报告图表 4 以下场景类型中，您公司已有实践的是（N=94）选项数量比重效率提升与成本计算类：基于现有系统或软件可以直接获得或计算，不需要自行创建数据测算模型，且通常与具体业务管理场景的联系不会特别深(如：离职率统计、满意度收集、敬业度状况等)7579.79%人效测算与预测类：需要企业自行抓取与业务相关的因子进行数据建模、分析与预测，往往基于某一具体的业务管理场景或问题(如：劳动力的提前规划与预测、离职风险预测、绩效评估体系设计与动态调整等)4143.62%图表 5 目前人力资源可以掌握的数据包括（N=94）选项数量比重基本人事数据(如：员工性别、年龄等)9297.87%人力资源管理中产生的数据(如：培训数据、绩效数据、薪酬福利数据等)9196.81%财务数据(如：企业营收情况等)4952.13%业务部门运营管理数据(如：客流量、订单量、员工工作行为等)2526.60%其他22.13%有相当大一部分的企业已经实践了 People Analytics 或在未来 2 年内考虑尝试（参考图表 2）；在已经有所实践的企业中，People Analytics 的成熟度仍处于起步阶段，能实现建模预测层面分析的企业仍是少数（参考图表 3&4）；人力资源部门能掌握的数据仍相对有限：能掌握“财务数据”的企业为 5 成，能掌握“业务部门运营管理数据”的企业仅占 26.60%（参考图表5）。人力资源部门掌握的数据有限在一定程度上不利于更为复杂的分析的实现，也难以做出对于业务部门决策有所影响的分析结果。通过与HR从业者的探讨后我们发现这或许是大部分企业目前People Analytics的成熟度仍处于起步阶段及难以实现建模预测分析的关键因素之一。除了人力资源部门能掌握的数据有限是影响 People Analytics 发展的因素外，我们从北森相关专家的访谈中也了解到：企业本身的业务发展是否成熟、稳定也决定着 People Analytics 是否能够有效落地。北森 彭传军 People Analytics 的具体应用我们可以看到目前基于系统的分析应用主要可以有以下几种：仅限于人力资源某一个模块的分析，如招聘、薪酬等；有核心人力资源系统，可以实现人力资源内部各个模块的综合分析；人力资源系统可以与财务数据有一定的联动，实现关于人效、人均成本方面的分析；人力资源数据与业务数据互通，可以将“人”与“事”的数据结合起来进行分析。我们认为，如果仅限于人力资源某一个模块的分析可能只能了解到某个人力资源模块的效率情况，往往并不能很好地去凸显 People Analytics 的价值。要让 People Analytics 真正发挥应有的价值，至少应该实现人力资源内部各个模块数据的融合打通。另外，就分析的复杂度来看我们也看到分为两种：第一种是基于系统直接形成的数据分析报告，分析较为简单与直接，甚至没有过于复杂的建模过程；第二种往往会有一些复杂的数据建模过程，对算力要求会更高，企业可以通过这些建模形成预测。那这两种某种意义上看都是 People Analytics，只要它是基于系统的、动态的、可视化的。当然目前能实现第二种分析的企业是少数。因为大多数管理者想要看的数据结果会较为动态和随机，实时性很强，而数据建模是稳定、持续的，我们要跟踪几个恒定的指标，这样才能够将这些数据系统化、固化，最后产出有效的模