People Analytics(人力資本分析,簡稱PA)作為一項“舶來品”,近年來在中國企業的人力資源管理實踐中逐漸受到關注。通過對企業運行、員工行為、組織行為等數據進行分析,PA可以讓企業人力資本ROI更優化,進而支撐業務決策,重構HR價值,重塑數字化領導力。
但PA建設在企業中的落地并不容易。缺乏數據化建設經驗方法論,不知如何開始項目,應該從哪里入手;缺少參考案例與數據治理經驗,希望借鑒同類型企業的PA建設經驗;缺少專業的系統與數據分析工具,希望找到合適的平臺落地項目等問題困擾著很多企業HR。
近期,滴普科技SSC經理鄧丹就在北森的PA專場公開課中分享了相關經驗。數據智能服務領域的準獨角獸企業滴普科技與一體化HR SaaS引領者北森如何進行PA共建?其實戰經驗可以帶來哪些啟發?
為什么開啟PA建設
滴普科技SSC經理鄧丹表示:“在滴普,我們非常重視數字化帶來的價值。PA作為人力資源部門的重點項目,我們希望能夠通過對數字的應用于分析,支撐業務決策,重構HR價值,并借以提升全員的數字化思維,重塑數字化領導力。”
其一,通過PA建設支撐業務部門作出合理的人力資源決策,實現人與組織、人與工作任務、人與人的精準有效匹配,有力支撐業務發展;
其二,基于不同角色的需求,將HR的產品與服務,與不同角色在工作場景需求匹配,提升人才體驗;
其三,通過PA建設幫助業務領導者和員工提升數字化思維,在日常決策中應用數據,變革管理,指導決策,以數字化變革領導力,從而推動組織、管理的變革。
從戰略解碼到指標落地,如何建設PA?
滴普科技將PA建設系統性地分為三大關鍵步驟:創愿景、畫藍圖、搭平臺,從戰略解碼到指標落地,逐步分階段推進。
在創愿景階段,首先明確了PA建設的目標是:數據驅動決策,敏捷支持業務。基于這樣的目標,從企業戰略解碼到人力資源戰略,圍繞“三大關注”展開PA分析:關注將人力資源轉化為組織資產;關注提升“人力效能”,以提升組織業績;關注“人才進出”,進一步推動組織資產建設。
愿景明確后就進入畫藍圖階段,將戰略的關注點層層拆解為可以分析的細分指標,找到細分指標之間的關聯。需注意,只有將指標拆解到最小顆粒度,才能從數據中挖掘出有深度、有價值的信息,為業務決策真正提供支撐,也為指標庫的構建打下基礎。
指標拆解好之后,就可以著手建立指標庫,即明確每個指標定義和統計口徑。如果企業有購買外部報告,也可以將行業平均數據放入指標對比當中,例如行業平均人員流失率、行業平均薪酬水平,對比企業數據處于行業平均水平的位置。
平臺建設階段開始了。“落地系統之前,還有一個非常關鍵的步驟,就是用戶調研。只有關注用戶需求與體驗,最終呈現的結果才是符合用戶需求的,能夠支持業務的分析。通過深度的調研,我們會發現基層HR視角、HRD視角、業務決策視角關注點并不相同。”
基層HR管理者會根據自己所負責的具體認識業務,關注如員工司齡、晉升周期、招聘成本、員工平均工作時長等基礎性人力指標數據;HRD則會關注人才獲取、人才使用、人才保留、人才開發等更高階的維度,例如人力資源規劃與執行情況,人員結構合理性等;業務管理者更關注和業務結果緊密相關的人力指標,主要關注員工隊伍、員工士氣、員工效率及HR體系能力維度。
基于調研與指標庫篩選,可以為不同角色在北森的系統中落地不同的PA看板,給予差異化的數據指標支撐,也就成功了一半。
PA如何支撐業務?
PA上線之后,如何通過數據幫助業務部門發現問題、定位問題、解決問題?鄧丹分享了兩個案例。
案例1:發現業務增長但利潤下降之后
公司年度會議上,盤點2021年度目標完成率和利潤率,發現今年業務增長了,但是利潤率卻下降了。如何找到問題出現的原因?如果沒有實時的分析工具,管理者只能找財務或者HR要很多信息滯后的報表,再進行反復比對。有了數字化工具,定位問題,找到關鍵舉措的過程就變得更容易了。
通過數據看板,我們發現門店數量增長過快,其中低效店鋪的占比達到34%,嚴重影響了利潤率。穿透到地域和城市后發現,西區的南京市低效店鋪尤其多。再穿透查看低效門店的具體情況,也會發現很多人力相關問題,比如南寧一店試用期員工占比過高,C品牌銷售業績不好,人效偏低。
基于這些數據,可以制定有針對性的人力資源措施,例如建設導師制,推動新人成長和產單;增加新人出單獎勵機制,鼓勵新人簽單;與門店店長和產品經理復盤C品牌銷售過程中的障礙等。
也可以針對高人效、低人效、高店效、低店效不同類型的門店,在編制管理、激勵優化、人員優化、員工培訓等視角上,采取針對性措施,為公司門店運營提出綜合性的人力優化方案。
案例2:發現Q2銷售業績下滑9.69%之后
公司的Q2銷售業績下滑9.69%,究竟具體是什么原因?如何快速調整取得好的成績?通過PA看板,我們發現C類產品整體銷售業績下滑最為嚴重。穿透查看C類產品事業部在人員布局情況的問題,可以發現很多具體問題。
首先,管理幅度遠高于其他產品,且低職級人員占比較多;其次,試用期員工占比很大,且人效非常低;第三,通過人才盤點發現,人效和能力都在中低范圍的人員占比過高,人員結構不合理;最后,在工時和學習時長方面也低于平均水平。
可見業績下滑和人員結構的不合理有很強的關聯性,HR部門可以有針對性地給出一些整改建議。例如增加管理人員,降低管理幅度;對于低職級員工和新人,在技巧和能力方面給予針對性的方案;引入更有吸引力的獎金激勵方案和末位淘汰機制,激活員工,提升人效。
從這兩個案例,我們發現PA提供了實時的、可穿透的數據之后,真正幫助HR協同業務部門一起發現問題、定位問題、然后解決問題。每一個問題背后都有數據作為支撐,不再靠主觀印象模糊臆斷,讓“數據助力業務決策”從愿景成為現實。
