GHRC大咖分享 | 朱波:人力资源数据分析的“四量”建模与决策逻辑

GHRC大咖分享 | 朱波:人力资源数据分析的“四量”建模与决策逻辑-Moka智能化招聘系统

2020年12月11日,在摩卡研习社联合Moka举办的GHRC全球人力资源管理大会上,原隆基股份(601012)HRVP、陕西省人社厅人协顾问,现任华为(北京)鲲鹏生态联合创新中心人力资源总经理的朱波发表主题为人力资源数据分析的“四量”建模与决策逻辑的演讲,从存量、增量、数量、质量四个角度进行了人力资源数据分析建模。
本文节选自朱波老师的现场分享,现场演讲视频和完整PPT可在『文末』获取。

 

朱波

GHRC大咖分享 | 朱波:人力资源数据分析的“四量”建模与决策逻辑-Moka智能化招聘系统
 

朱波,现任华为(北京)鲲鹏生态创新中心顾问专委会主任委员、北京朝阳国际科技创新服务有限公司顾问、陕西省人社厅人协顾问、原隆基股份CHRO(首席人力资源官),曾任亿达中国人力资源中心总经理、百度天津分公司人力资源总经理、东方园林人力资源总监等职务。

 

2016年我离开了北京,每年年底回来与各位同行一起交流一下关于人力资源的事情。同大家汇报一下,最近几年我究竟做了哪些事情。在这个过程中,把过去关于数据分析的一些“土办法”,分享给各位。

GHRC大咖分享 | 朱波:人力资源数据分析的“四量”建模与决策逻辑-Moka智能化招聘系统
GHRC大咖分享 | 朱波:人力资源数据分析的“四量”建模与决策逻辑-Moka智能化招聘系统

01  一些正确的废话

首先,经过我大量的观察与分析发现:数据分析的服务对象,是直接上级。数字化的领导力模型显示,对于数据分析,直接上级这样一个服务对象是跨不过去的,如果不满足他的要求,达不到他的标准,数据是出不去的。

其次,数据分析的决策关键,还是直接上级。什么样的数据能够往上反映,甚至向更上级汇报时,他要求这个数据怎么调整,调整到什么状态才满足现在这样的管理应用场景。

最后,数据分析的终极应用,是净利润。无论如何调整,都可以从财务报表中看到企业的成本、亏损、盈利与否、净利润是多少。每一级管理者,都应该把这一项指标作为数据应用的终极指标。

总结起来就是“不忘初心,牢记使命”。数据分析的“不忘初心”,是要围绕盈利,服务决策者;数据分析的“牢记使命”,是只要我参与的数据,就一定要扛起责任。那如何做到数据分析的“不忘初心,牢记使命”呢?即坚持,“不要脸”的坚持。委屈也好,被领导骂也好,只要数据过你的手,就要扛起责任来。

数据分析的原则是专业为商业服务,而非独立地提供服务。

GHRC大咖分享 | 朱波:人力资源数据分析的“四量”建模与决策逻辑-Moka智能化招聘系统
GHRC大咖分享 | 朱波:人力资源数据分析的“四量”建模与决策逻辑-Moka智能化招聘系统

02 数据分析的一般流程

 

我把做数据分析常规的操作流程罗列出来,它不一定适合每一家企业,也不一定适合每一个行业,仅供大家参考。

GHRC大咖分享 | 朱波:人力资源数据分析的“四量”建模与决策逻辑-Moka智能化招聘系统
GHRC大咖分享 | 朱波:人力资源数据分析的“四量”建模与决策逻辑-Moka智能化招聘系统

 

数据获取

数据获取时经常要考虑,获取途径是什么;究竟是人工统计速度快,还是信息化手段速度快;获取效率、获取准确度、获取数据成本投入如何,它的难易程度怎样,值得不值得,都要在内心好好衡量。

数据收集

收集数据时,在多因素影响下,统计口径可能不一致,那么就要对多个变量进行相应调整。领导的单一统计口径不应该作为标准,统计口径应该是多元的,而不是统一的。当统计口径多元化后,A情况下用A数据,B情况下用B数据,来应对不同的管理要求和管理场景,服务于短期战略的落地和调整。

数据建模

数据建模要考虑变量的元素、框架,横向关联,如何矩阵化看一个数据变动引起其他管理场景的联动。需要有模型的架构设计,加之各个变量的考量与选择,它们之间的逻辑关系等等。

数据标准

数据分析的参考标准、实际标准和应用标准,是三套标准,也就是参照逻辑是与自己比较,还是与行业比较,内外部标准的对标和校准是什么。如果是技术驱动型公司,随着技术革命,有可能产生巨大变化,那么就应该有一整套逻辑体系作为支撑。

数据决策与数据应用

数据决策包括决策的导向、决策的风险评估、决策的沟通反馈、后续策略的制定;数据应用包括应用的软硬件条件、成熟度、步骤,应用场景适配与优化,新数据的产出和检验等等。

 

接下来会详细说明“数据建模”和“数据决策”这两个环节。

03 数据分析的“四量”建模

 

我把数据分析总结为“四量”建模:存量、增量、数量、质量。

GHRC大咖分享 | 朱波:人力资源数据分析的“四量”建模与决策逻辑-Moka智能化招聘系统GHRC大咖分享 | 朱波:人力资源数据分析的“四量”建模与决策逻辑-Moka智能化招聘系统
 

这个图可能很抽象,图中不同的线有不同的线上所依附的标准和变量,以及变量之间的联动关系。当中间这部分在做调节时,企业一定是不平衡的,要么朝向增量拉动,要么依靠存量进行相应升级。

很多国企增量是比较小的,国企采用稳步的社招,需要以一个人的质量为重,在数量环节的比重会比较小。

比如,隆基初期人员只有1.1万人,到现在3万人,两年左右的时间里,它的规模体量一直以增量拉动,同时存量也在大规模淘汰,一进一出,前面拉动起来,后面跑得很快。

根据六条线的逻辑关系列成一个模块化系统分析表。把一级框架作为人力资源,二级框架按照模块来分,其中招聘和培训如同翘翘板,如果在招聘中投入多的话,培训环节的投入和成本就少一点。

关键点有三个:

  • 寻找关键变量,以及变量中的逻辑关系。
  • 在各个模块的变量与逻辑关系中,进行关联性的推演、预测,会有更加精准的数据分析要求与方向。
  • 每个企业的二级框架、三级框架甚至一级框架都不同,所以变量设定、归因、等级的确定、逻辑关系是不同的,需要经验与探索。  
GHRC大咖分享 | 朱波:人力资源数据分析的“四量”建模与决策逻辑-Moka智能化招聘系统
在这里我把数据大部分划为三个等级。

一级基础数据:SSC中心的人员基础数据,包括薪酬数据、招聘数据、人员转调流动性数据。统一口径,实现系统化常规的数据分析报表,定期提报,实现信息化、数据化的初级统计台账、分析报表管理。

二级关联数据:COE中心的干部管理、定岗定编、人才盘点,赋能赋权,绩效数据制度,完善组织发展数据行业标准,外部对标数据,培训数据,以及HRBP中心的业务进程数据,运营交付数据的交汇,定期回顾,抓取,实现同环比、人效和组织效能、效率的分析,抓取后关联系统数据,综合判断,输出人力资源体系运营与整理整体策略。

三级系统数据:财务数据、税务数据、亏损与利润数据,生产经营数据,销售市场数据、生产效率数据、技术研发数据、关联交易数据等等,实现各个系统之间的数据对接,并能统一度量标准,实现衡量准确。

GHRC大咖分享 | 朱波:人力资源数据分析的“四量”建模与决策逻辑-Moka智能化招聘系统GHRC大咖分享 | 朱波:人力资源数据分析的“四量”建模与决策逻辑-Moka智能化招聘系统

这是一级基础数据中SSC对人员基础信息56个类别的归类,部分分类中包含不同属性,尚不包含家庭,配偶子女等信息汇总。对于全面的管理一定要有一个最为基础的数据库,这个数据库一定要很明确。只有数据库大而全,才能够跑得通,才能做得有效。

以下为通过二级关联数据的四量分析,对当年的组织绩效,赋能赋权激发活力事项进行数据分析后形成的策略方案:

GHRC大咖分享 | 朱波:人力资源数据分析的“四量”建模与决策逻辑-Moka智能化招聘系统GHRC大咖分享 | 朱波:人力资源数据分析的“四量”建模与决策逻辑-Moka智能化招聘系统
 

从战略目标向下分解到业务部门的业务目标,再分解到绩效目标,做出绩效承诺,最终呈现绩效结果时,分成两条路径:一条是以绩效承诺实现为牵引,倒逼资源配置、能力提升,通过有效学习与激励,激发活力,实现绩效目标达成;另一条是以个人能力提升为牵引,基于岗位绩效要求找出胜任力短板,通过有效学习与激励,激发活力,实现绩效目标达成。通过绩效目标分解,不管采用路径一还是路径二,都是以完成更高的绩效目标为目的,落地侧重点可根据业务单元的自己的实际情况而定。

GHRC大咖分享 | 朱波:人力资源数据分析的“四量”建模与决策逻辑-Moka智能化招聘系统

04 数据分析的决策逻辑

 

数据不说假话,但数据不会说话。所以在做数据决策时,还要遵循这几个逻辑:

首先,同一组数据,经手的人能力、专业度不同,目之所及,心之所想都不同,导致结果千差万别,影响决策。领导有领导的打算,基层有基层的想法,每一级经手数据的人都会产生影响。

其次,每个企业运营、架构不同,数据分析逻辑不同,导致分析过程存在差异,影响决策。

最后,决策的核心是沟通,日常影响和干预决策,是有原则和方法的。数据不说假话,但是数据不会说话。良好的沟通事半功倍。

GHRC大咖分享 | 朱波:人力资源数据分析的“四量”建模与决策逻辑-Moka智能化招聘系统
接下来分享几点个人经验之谈:

第一,决策逻辑是一个由隐性到显性的过程,原则是要化异为同,用事实说话。每个人在看数据时,都会强调自己基于理性,但是回过头来看未必能做得到,尤其牵扯到个人利益。所以尽量用事实说话。用两分法合理审视、软化沟通决策过程的分歧,客观理性,真实有效,如实沟通是决策基础。

第二,自己先要做到:能看见、能想到、能讲明,才能用好,分析能力与总结能力是关键,沟通、说服、谈判能力是致命要点。熟悉业务,精通业务,了解每一个环节才能做到精准决策,由领导带头,起到督促作用。另外我认为人力资源工作,有两点是最为核心的,一个是分析能力,一个是总结能力,这样的能力可以给你补充一点信息,决策会更有效。

第三,站在老板决策端的考虑,要用好“知行信用”四个原则,尤其注意“信”的环节,以利相诱,以害相挟。

第四,要有底线管理原则,原则的软硬,取决于自己的信仰与追求。一些情况要有自己的坚持,一些情况要弯腰低头。依据自己的做事原则,灵活应变。

第五,站在专业角度,要研判未来趋势,并能切实反馈,有效预测。人法财税这四个要素一定是并口管理的,不再是几个部门之间的事情。所以在这个大趋势下,人力数据怎么跟财务拉上手,人力数据怎么跟营销拉上手等等,都要考虑。

第六,站在直接上级的人性角度,利弊分析,展现合理能力,提出合理的意见。要兼顾平衡,权衡好何处美化,何处调整。

第七,帮助上级决策者考虑决策时,要有平衡私欲、公利、忍辱的格局和心态。把握好硬性,软性得有自己的风格和方法。

第八,数据决策是一把手决策,决策层是什么样的决策者,有着怎样的习惯,就有着什么样的决策逻辑,数据是死的,人是活的,一定要扛住压力,落实责任。

我回到北京以后,接受华为(北京)鲲鹏生态联合中心的邀请,未来可能也会面临很多困惑,在面临这些困惑时我希望可以与大家一起探讨研究。我最近几年离开了北京,再回到北京来看大数据的时候,总觉得大家说的大数据和我理解的大数据好像不太一样,我只是把个人实践总结出来的经验分享给大家。

今天就汇报到这里,谢谢大家!

GHRC大咖分享 | 朱波:人力资源数据分析的“四量”建模与决策逻辑-Moka智能化招聘系统

关闭菜单