人力资源专业已经是数据科学.docx

人力资源专业已经是数据科学根据知名雇主品牌咨询机构Universum Global发布的2021全球最具吸引力 雇主榜单(World s Most Attractive Employers ),谷歌力压微软、IBM、 苹果获得头名，成为了全球工科、IT专业、经营学学生最想去的公司。谷歌作为科技巨头，推崇技术，黑科技层出不穷，本身就是行业标杆。而其 工资待遇高，办公环境好，自然也会吸引大量人才。更重要的是，谷歌的人力资 源管理也确有独到之处，他们信奉用数据说话、基于数据决策，这对于工程师们 来说，无疑是具有巨大的吸引力。一.人力数据实验室1998年，拉里佩奇(Larry Page )和谢尔盖布林(Sergey Brin )共同创立了 谷歌公司(Google Inc.)，自身IT背景的创始人对公司的文化影响颇深,造就 了其典型的工程师文化。据说，公司内有一条不成文的规那么，那就是任何 决策都不能拍脑袋，而必须是数据驱动的。在这里，每个人都必须了解数据，学会用数据说话，用数据结论说服别人或是驱 动决策，连人力资源管理也不例外。与众不同的人力资源管理也成了谷歌的核心 竞争力之一O说到谷歌的人力资源管理，那就必须要提到拉斯洛博克(Laszlo Bock ),这个被誉为谷歌人力资源之父”的人。这位从2006年加入到2017年离开的前首同意 说不清不同建克视我据化人力资 源井设有专业团队贞贵克视我据化人力资 源井设有专业团队贞贵存持续定期关停的 人力资逾指标报表人力资源报表是人 力皆源工作决反的 最主要依据21.1%28.8%占总样本41.2%样本35.5%图2:企业对数据化人力资源的重视及应用情况资料来源：穆胜咨询2021中国企业人力资源效能研究报告席人才官、前人力运营副总裁，用十余年时间奠定了谷歌人力资源运营的基础理念和方法。G&AHR图1 : POPS的功能架构他上任的第一个举措就是把人力资源部门改成人力运营部门(PeopleOperations )内部简称POPS。在这里,与传统人力资源部门的最大不同就是搭建了专门的人力分析队(People Analytics )，他们直接向HR SVP汇报,负责人力数据的分析，包括收集数据、设计算法，帮助决策等。这支200多人的团队采取三三三配置：三分之一的成员是MBA背景，懂商 业；三分之一的成员有管理咨询公司背景，有方法；剩下三分之一的成员是信息 学、统计学背景，会算法。这样一个懂商业、有方法、会算法的多背景复合 团队，被誉为人力数据实验室。谷歌为了实现数据驱动决策，专门开发了数据决策模型（Analytics Value Chain ），包含以下六个步骤： 看法（Opinion ）需求的开端，最直接的主观想法； 数据（Data ） 一获取主观数据，客观数据； 衡量（Metrics ）数据浅层呈现，包含具体指标、比例等； 分析（Analysis ）在不同数据间建立联系，分析变化本质、成因等； 洞见（Insight）穿透数据分析结果，直达本质，形成专业洞见； 行动（Action ）将洞见付诸行动，切实解决组织的问题。在这个模型的帮助下，人力数据实验室帮助谷歌发现并解决了很多组织上的问 题二、纠正自以为是的“大聪明对于公司来说，管理者有用吗？相信每个人心里都有自己的答案，但就目前绝大局部公司的组织设计来看，管理 者的作用毋庸置疑。有意思的是，在谷歌创立早期，创始人佩奇认为管理者在组 织中没什么用，甚至觉得这是官僚的表达，与工程师文化不符。然后，他就用大 聪明”的决策取消了管理岗位，结果可想而知，失去了管理岗位的组织陷入了 大 混乱，无奈之下，只得恢复了原有的管理岗位。 这里要回忆一下国内的大聪明。其实，这也是国内一众互联网大佬们创业之 初的偏执经验。某朴实无华科技产品公司，也曾号称公司只有三个层级，不设 KPI,只在乎开心地玩耍但他们其实都不用翻墙，随手国内搜索引擎一查就 能发现这种方式的问题。我们按照数据决策模型的步骤对氧气工程简单做个解读:数据决策模型模型解读氧气工程看法需求的开端，最直接的主观想 法谷歌奉行工程师文化，管理者 对组织影响不大数据获取相关数据（主观+客观）绩效完成情况（客观），员工 访谈评价（主观）衡量数据的浅层呈现（指标、比例）大量员工对管理者予以积极 评价分析数据的深层解读，数据的相互 关系优秀的管理者（前25%）有较 高的团队绩效和团队稳定性洞见穿透数据分析，形成对该问题 的洞见提炼出谷歌管理者应具备的8 项行为特征行动基于洞见，制定行动方案，帮 助解决相关问题每年两次的聚焦8项行为的管 理者反应调研，嘉奖最正确实 践，管理者培训等回到谷歌。这样一番折腾之后，谷歌意识到拍脑袋的决策不一定靠谱，为什 么不用数据解决问题呢？于是，一个知名的工程诞生了氧气工程（Project Oxygen ），也叫管理者开展工程。基于氧气工程中的输出，谷歌不再坚持管理者无用论，他们也找到了优秀谷 歌管理者应具备的特质，如懂得带教下属，对团队授权，关心员工事业成功，自 身结果导向等。之后，通过几项行动切实帮助组织发现并培养了大量合格的管理人员，也成为了 谷歌获得如今成就的中流砥柱。三、简化官僚化的招聘流程你想去谷歌吗？如果这个问题抛给一个相关专业的学生，大概率会得到肯定的回答。全球最具 吸引力榜单”也能说明这个问题。曾几何时，候选者需要通过12-14次面试， 耗时半年以上才有可能从6000多人中脱颖而出,获得谷歌某个岗位的Offer, 从而成为它的一员。这一套繁琐的招聘程序被外界诟病，被视为谷歌的傲慢和自大。对于谷歌来说, 多轮次的面试也造成了大量本钱的浪费和局部优质人才的流失。终于在2011年, 首席人才官拉斯洛博克宣布谷歌将极大简化招聘流程。这自然是人力数据实验室的功劳。他们在之前所有的面试数据的基础上，对谷歌 的面试工具方法进行分析，对面试人员进行调研。大量的研究之后，人力数据实 验室得出了 4次面试是最优解。而后，这一研究成果被应用到实践上，谷歌的面 试流程精简为平均4次，既优化了候选人的体验，也极大地节约了招聘本钱。这还没有结束，谷歌招聘流程之所以繁琐，是因为每年需要从100万到200万 份简历中筛选出最适合的候选人加入谷歌。简化了流程但不能影响效果，如何设 计招聘工作体系，将筛选的标准塞到四次面试流程里呢？在经过了一系列的 研究分析之后，谷歌形成了自己独有的招聘工作体系，这也成了谷歌的标志之一。简单来说，有特点如下： 采用高度结构化的面试流程(Structured Interview ),让信息标准化为结构化数 据，便于进行高效决策。 建立谷歌的人员特质模型，统一评价标准，严格进行人员评价。该模型包含4个维 度岗位知识技能(Role-Related Knowledge )、通用知识能力(GeneralCognitive Ability )、领导力(Leadership )、谷歌范(Googleness ) o 任用与否由招聘委员会集体决定(Hiring Committee ),在数据的基础上，让熟悉 谷歌的人用感觉”来弥补单纯数据决策可能形成的漏洞，同时也防止招聘决策上 的“一言堂。这极大地提升了招聘的效率，节约了本钱，也保证了决策的公平性。大量企业竞 相模仿，一时间，谷歌的招聘体系被奉为经典，成了 “教科书一般的存在。四、究竟有多少算法？人力数据实验室究竟在研究什么？其实对于谷歌的人力数据实验室来说，一方面拥有全公司人力资源的所有数据, 另一方面Google Geist这个为了解员工对于公司政策、工作环境、福利待遇等 领域的满意度反应工具也帮助其获得了大量的主观数据。利用这海量的数据，人 力数据实验室为优化商业决定，内部流程和员工激励提供多样化的数据分析支 持。我们来看看他们都算了些什么?案例1 ：涨薪or奖金?在2010年，经济衰退期时，谷歌决定提高员工收入来维持人员稳定。通过什么 方式提升收入呢？由算法决定，根据人力数据实验室的研究，对员工来说，1美 元的奖金等值为1美元，而1美元的基本工资的价值超过1美元。最终，在2010 年秋天，谷歌宣布所有员工的基本工资提升10%o案例2 :谁最应该被赋能？公司的培训资源总是有限的，为了让培训资源能够发挥最大的效果，将资源倾斜 给哪局部人？这也是由算法决定的。根据人力数据实验室的研究，中层经理人差 别是最明显的，最好和最差的中层对组织的影响差异最大，所以，培训那些水平 较差的中层经理人投产比最高。结果，自2009年以来，每年中层经理人的反应 都有所改善。这样的算法还有很多，人才保存算法、优秀人才绝对值、高效招聘算法覆盖 了人力资源管理的方方面面，极大地帮助了组织决策；除此之外，还有一些看似 不那么重要的研究，比方餐厅排队多久合适，咖啡厅不同的咖啡该如何摆放等, 也在一定程度上提升了员工的“幸福感。诚然，一定有人会说这些算法并不是完全准确的，甚至有些算法是有问题的，但 这并不影响Google的决策逻辑和它今天取得的成绩。算法就是一个不断优化、 持续迭代的产物。在创新的道路上，错误并不可怕，可怕的是缺少迈出第一步的 勇气。有人说，谷歌的成功是因为OKR ,实际上，当你深入研究谷歌，就会发现OKR 只是个形式，他们竞争力的内核还是数据和算法。这从拉里佩吉选择Page Ranking技术作为创业赛道开始，就已经注定了。五、HR如何走上数据化之路？相对谷歌十几年前就走出的先锋实践，国内大厂似乎跟进得慢了一点。一般来说，数据、算法(模型)是数据化的基础，二者缺一不可。对于那些大厂 或者行业头部企业来说，数据自然是不缺的，算法也不是难以解决的。那么为何 至今，国内也没出现一家人力资源数据化的标杆呢？其实，他们缺少的是数据思维(Data Mind )。至今，仍有不少人认为人力资源 是一个难以数据化的专业，在这种思维的加持下，自然很难找到算法；即使找到 了，算法也仅仅停留在数理的逻辑上，缺少应用价值，也就失去了数据化的意义。说白了，大多数HR缺乏重塑人力资源专业的决心，还是在走改良路线，只是在 用数据工具来包裳陈旧的人力资源工作模式，妄图为摇摇欲坠专业续命。简单说，数据思维就是真正懂得数据的意义，解析数据间的相互关系，探索数据 到决策的路径还有最重要的，要有重塑人力资源专业的决心。正是基于这种 理念，穆胜咨询长期致力于数据驱动人力资源效能的研究，原创了大量的指标、 算法: 扁平化指数衡量组织是否存在冗余。当该指数小于1时，那么说明组织存在冗余, 有大企业病的危险；激励真实指数一衡量考核是否真刀真枪。当该指数小于5%时，绩效考核没 有差距，失去了真正意义； 激励强度指数一衡量激励是否“真金白银。当该指数小于8%时，分配没有差 距，激励失去意义变的不公平； 要说这些指标的数学逻辑，其实并不难，但进入工作场景中，确实对企业帮助很 大，这些指标让他们的决策有了数据依托。所以，数据思维才是翻开HR数据化 大门的钥匙。我们将自己研究的算法放到了每年发布一次的中国企业人力 资源效能研报里，希望能帮助到更多的企业。当然了，重塑人力资源专业的关键不能只靠咨询机构，企业才是关键。值得欣慰 的是，很多企业已经行动起来了。根据穆胜咨询2020-2021两年发布的年度中 国企业人力资源效能研报,2021年有50.1%的被调研企业重视数据化人力资 源，并设有负责此项工作的专职员工或团队，用以沉淀人力资源数据。比照2020 年，该比例上升了 5个百分点。