數字驅動HR決策

美國田納西州的孟菲斯市號稱美國的“物流產業之都”，位于幾條州級高速公路和幾條東西鐵路大動脈的交匯處，得天獨厚的地理優勢吸引了大批物流分銷企業到此落戶。其中，最著名的一家企業就是聯邦快遞（Fedex）。

但是，眾多工業倉儲企業蜂擁而至，也隨之引出一個問題：企業之間的人才競爭趨于白熱化。

當地本來人才供應就比較有限，加上各家公司的薪資待遇差不多，有一段時間，很多企業都陷入了用工荒。于是，能否有效找到合適的倉儲工人，成為各家企業管理者們最頭疼的事情。

其中，一家當地大型物流公司管理層把解決招聘作為公司首要任務，希望HR團隊跳出傳統工作模式，積極創新地解決招人難的問題。公司董事長向HR提出問題：從人員搜尋（sourcing）、招聘（recruiting）和入職（onboarding）階段來看，公司現有的高績效員工都有哪些共同特征？

為此，HR的招聘團隊從數據分析（HR Analytics）角度開始，著手尋找HR整個工作在招聘渠道、招聘方式、挑選流程以及員工績效考核結果方面有哪些相關聯的因素。

任何一個標準的數據分析流程都包括三個環節：輸入、過程、輸出。在本案例中，輸出端是高績效員工，可以根據HR信息系統里面每名員工最近一次的績效評估結果予以識別。另一方面，來自招聘渠道的輸入質量，也可以根據招聘系統里的人員數據來記錄和識別。整個流程中的挑選和入職方式可以通過員工檔案得到。

顯然，涉及的所有人力數據已大量存在于組織中，只是缺乏關注。而這次做人力數據分析的目的，正是需要去發掘和利用這些寶貴的數據。

數據寶藏

數據分析發現了一些出乎人們意料的結果，導致后來整個招聘流程的大幅改革。通過對輸入端的數據分析，獲得了以下發現：

大多數高績效員工在申請崗位時，其現有公司到所申請公司的距離都比較近；大多數倉儲崗位的應聘人員不愿意到離家遠的地方工作；申請人主要通過公司大樓外的醒目標識或其他在職員工（而不是報紙或雜志的招聘廣告）來了解崗位空缺；誘人的員工福利計劃是促使申請人決定跳槽的關鍵因素。

通過對整個招聘流程的數據分析，又獲得了以下發現：

優秀候選人更傾向于到現場應聘，而不只是通過在線填寫一堆表格應聘；把候選人未來可能工作的場所作為招聘現場，比到公司以外的地方去召開招聘更吸引候選人；候選人通常在下午偏晚一些的時候才會提交他們的應聘資料，因為此時正是他們在其他公司交接班之際；最有效的面試官是生產線工人領班，而不是工人主管。

基于以上分析，該公司采取了以下措施來改進招聘工作：

首先，HR重新設計了招聘方案，主題是“到一個離家近而且福利好的公司工作是一種什么體驗？”這個廣告語出現在該工業區入口處一個醒目的大廣告牌上。另外，還廣泛張貼在工業區內的一些餐館和零售店的公告欄里。

另外，HR重新設計了來公司的參訪環節，輔之以現場面試，還能享受美味零食。參訪時間安排在每周二和周四的下午3點到7點，方便每天處于交接班的候選人前來應聘。最后，招聘人員還特別為每個前來公司的候選人準備了一份員工福利手冊，詳細介紹公司各項福利政策。

在這些方案實施的頭兩個月，候選人人數上升了20%，接受工作offer的數量也上升了20%。更加讓人稱奇的是，在對這批新員工完成進入公司的第一次績效評估后，高績效的新員工人數比原來增加了35%。

這個案例帶來的啟示是：HR原本掌握有大量的人員數據，而這些數據平時散落在各種流程和系統中，并沒有得到有效利用，最后成為了被埋沒的寶藏。

五個套路

如何像業務部門那樣，把這些寶貴的數據轉變成我們有效HR決策的依據呢？從數據分析的角度，可以考慮從以下5個方面入手：

○ 趨勢分析

單個數據本身并不重要，只要持之以恒收集這些數據，當達到一定數量之后，就可能呈現出某種趨勢。比如，組織在某個月的離職率可能不高，但如果連續幾個月的離職率都呈現升高趨勢，就該敲響警鐘了。

做趨勢分析時，對人力決策有意義的指標有很多，其中包括：人均產值、人均利潤、新招聘人員質量、人員勝任力差距、主動離職率、績效評估結果以及員工敬業度調研得分等。

○ 對標

把數據與組織外部的類似數據進行對比，也是有效挖出數據背后含義的一種方法。例如，某公司的離職率為15%，咋一看可能覺得偏高。但是，如果該公司所在行業的平均離職率達到20%，那么15%也是可以接受的結果。

再如，某互聯網公司在做內部員工薪酬的市場分析時，與高科技行業市場數據對標后，發現自己處于75分位，按說這常有競爭力。但是，再和企業所在的移動互聯網細分市場的競爭對手對標，薪酬水平便落到了50分位以下。顯然，想以這種薪酬水平吸引或留住員工，前景堪憂。

○ 設定目標

任何值得衡量的指標都需要設定目標。當然，有足夠挑戰性且有現實意義的目標最有效。舉個例子，組織經常喊出“減員增效”的口號，但到底要減多少人頭？假如業務量要增長20%，減員能保證業務的增長率嗎？

合理的做法是，利用歷史數據的變化趨勢以及市場數據的對標來確定目標的基準水平，在此基礎上進一步確定哪些是保底目標（base）、哪些是正常目標（reasonable）、哪些是挑戰目標（stretch）。

○ 設計數據儀表盤

數據太多、指標太多，容易讓人抓不到重點，這個時候數據儀表盤便能發揮出重要作用。有數據意識的HR往往設計針對不同受眾的數據儀表盤。

比如，以招聘工作為例，提供給高級管理層的數據儀表盤可能包括員工整體數量增長和人均產值；提供給中間管理層的則包括崗位空缺比例和關鍵崗位招聘周期；提供給HR運營團隊的儀表盤則包括：招聘渠道占比、人均招聘費用、候選人拒簽offer比例。另外，數據儀表盤必須保持實時更新的狀態。簡單的數據儀表盤，用Excel就可以設計出來。

○ 結合業務結果

數據分析原則之一，是以業務結果為導向。評估一項人才發展項目，經理和員工的滿意度打分很高固然可喜。但是還應想到，項目運行后對業務帶來了什么影響？真的幫助學員所在的業務部門提高了業績嗎？對他們的團隊有什么影響？敬業度和離職率發生了什么變化。

實際的業務最終結果并不是總能獲取到的。我們必須盡最大的努力去建立假設，然后收集與最終實際結果相關的數據，通過趨勢和對標等分析手段來不斷地檢驗我們的假設。