不同组织的人力资源的信息化程度不一样,有些公司的人才管理信息化已经非常成熟。比如承载了平安集团30年人力资源管理经验的HR-X系统,包括招聘、薪酬、绩效、培训和员工服务五大核心模块,通过人岗画像及业务场景数据底层的打通,以智能算法支持五大使用场景。本来就具备信息化基础的科技公司——百度,充分发挥在AI和大数据上的优势,创建了基于大数据的智能化人才管理系统(TIC),在人才选拔和匹配、舆情掌握及人才挽留预测等方面提高了人才管理的效率和准确度。但有些公司只有基本的人事管理模块,甚至只用excel来管理人才工作。
不同企业之间差异巨大,我们必须依据自身的现实条件去分析,如何开始踏出数据化的第一步。要想踏出第一步,我们首先了解公司的数据化基础如何,是否是进行人才数据构建的合适时机。
进行人才数据构建的合适时机
人才供应链和一般的人才管理最显著的特征是人才供应链是基于数据构建的。对于不同的企业和行业来说,人才管理的成熟度和人才数据的意义各有不同。人才供应链体系能够为企业带来多大的帮助呢?取决于企业所拥有的人才数据的数据量和决定人才管理质量指标的有效性。人才数据的积累并非一蹴而就,不同阶段的企业,人才数据收集的准备程度不同,什么时候企业做好了拥抱人才数据的准备,具备开展基于人才数据为核心的高绩效人才供应链体系的建设呢?如果企业出现以下5个信号,说明已经做好了准备:
(1)企业内部已经达成共识,认为企业内部存在分散在各个环节没有被很好利用的人才数据。
人才数据能给企业带来什么,如果在企业内部没有达成共识,那么开始使用人才数据是没有意义的。人才数据对于个人、企业和行业的意义不同,能够带来更多的可能性,但是数据的采集必然会增加一部分工作量,前期达成一致是实现数据驱动管理的基础。
(2)企业中其他业务流程已习惯于用数据做商业决策。
如果企业没有习惯利用数据做决策,那么做人才数据分析也是很困难的。本质上,人才数据的使用,也就是数据在人力资源领域的运用。因此,最早使用人才数据并尝试运用分析的组织,大多是日常业务上已经习惯用数据做决策的企业,比如在人才数据收集和分析比较超前的平安集团。平安集团是金融行业的企业,所有的日常运营、经营都基于数据,它们在人才数据的采集和运用上,并不需要在数据意义的宣导上花过多的力气,就能在集团内部达成一致。其他企业如果没有成熟完善的数据系统,但要运用人才数据,应该至少运用某种形式的商业分析,比如能够持续监控KPI指标体系。也就是说,企业内部开始使用一些可用的数据,而且企业内部有一定的数据驱动的文化,管理者在决策制定的过程中习惯使用数据报告,对数据有信任感,相信数据会比完全依赖于直觉时做出的决策更好。
(3)企业鼓励实践和创新。
使用数据指标,关键要了解人才供应链的数据究竟是什么,能给企业带来什么,和传统的人力资源指标的差异是什么?通常人才数据的收集和获取前期虽然有一个明确的目标,但是这些目标在收集推进和数据验证的过程中,每个企业运用人才数据的出发点不一样,拥有的数据内容和质量也是有差异的。在推进过程中,总会有些反复和波折,因此企业必须鼓励实践和创新,从而发现人才数据给企业带来益处的方式。
(4)对高质量的数据有追求。
人才数据难以收集和质量差是企业不愿意使用大数据的原因之一,低质量的数据会让人才决策工作变得很难,从以下几方面可以判定数据的质量:
标准化:哪些数据是完全可以标准化的,比如哪些数据在任何情况、任何情景下都不会有歧义,人的性别、年龄、司龄这种本来不会引起歧义的数据,这些数据需要尽早收集,越完整越好,还有一些数据是必须提前定义的,如培训费用、培训小时数、聘用人数等。
精确性:数据能否代表我们要测的内容,比如要想了解招聘人员的有效性,用反应时间、填补职位空缺时间,或者招聘质量能否代表需要了解的内容。
要拥有高质量的数据,首先企业应该有正确的数据管理的意识,如果数据管理不当,质量不能保证,那么人才数据不但不会成为财富,反而会变成累赘,基于低质量的数据所做的任何分析都是毫无意义的
(5)公司负责人清楚了解人才数据的价值。
人才供应链数据项目落地不是一蹴而就的,需要比较长的时间,而且开展初期需要各个部门的配合,会增加业务部门的工作量,数据采集问题归根结底还是人的问题。因此,文化氛围的改变也很重要,需要自上而下的改变,如果公司负责人认可人才数据的价值,取得成功的概率就会大大增大。
从业务的角度设计关键的人才供应链指标
如果把人才供应链当作一个生产环节,那么人才供应链的计划、协调、控制、财务都有一些相应的量化指标去衡量这条人才供应链是否处于比较健康的状态。表14-1从人才供应链的计划、协调、控制和财务四个方面去分析如何衡量人才供应链是否有效,这些指标既包括过程指标,也包括结果指标,不同的企业可根据自身的实际情况去设计符合自身企业实际情况的指标,并以此为目标收集人才数据。
表14-1如何衡量人才供应链是否有效
一级指标 | 二级指标 | 衡量内容 | 测量方式 | |
计划 | 供应链可靠性 | 人才需求预测准确率 | 衡量企业能否根据商业环境和业务需求,及时对人才需求预测进行调整 | 一段周期内预测的人才需求/人才的实际需求 |
周期一般为年、季度 | ||||
人才的实际需求为提上招聘日程的实际人才需求 | ||||
供应链的反应速度 | 人才培养周期 | 衡量企业从员工入职到完全胜任岗位所需要的时间 | 一般指应届生,或者短暂工作经验(1~2年)人员的平均培养时间 | |
从入职到培养的等待时间+培养开始到结束的时间+培养完成等待利用新技能上岗的时间 | ||||
供应链可靠性 | 人才培养计划完成率 | 衡量在制定周期完成人才培养计划的比例情况 | 衡量企业人才培养在正确时间、培养正确的人才的执行程度=培养人数完成率×培养技能完成比率=(实际培养人数/计划培养人数)✖(实际培养技能/计划培养技能) | |
协调 | 供应链柔性 | 人才信息库的完备/时效性 | 衡量企业是否更新内部、外部人才库的信息,提供快速匹配岗位的数据 | 完备性:根据事前确认的人才信息清单要求记录的信息内容的比率 |
供应链的反应速度 | 人才需求响应时间 | 衡量企业能否及时响应人才需求 | 测量从岗位需求的提出到正式到岗的时间 | |
供应链的柔性 | 人才数量变动 | 衡量对人才需求频繁变化的适应程度 | 人才需求变动包含人才需求的增加和人才需求的减少。需求增加:在事先无计划下满足增加人才需求20%平均所需要的天数;需求减少:在没有业绩和财务损失的情况下,能够承受人才减少数量占人才总量的百分比 | |
供应链的柔性 | 核心人才能力的通用度 | 公司人才培养技能的复用性 | 培养的人才能力适用的岗位数量/岗位总数量 | |
控制 | 供应链可靠性 | 人才首次匹配率 | 衡量人才供应链中对人才培养质量控制的指标 | 首次匹配合格次数/人才匹配次数 |
供应链可靠性 | 关键技能达标率 | 衡量培训能否达到预期的效果 | 关键技能达标率=关键技能达标人数/培养总人数 | |
| ||||
供应链可靠性 | 关键人才流失率 | 衡量关键人才的流失情况 | 关键人才流失率,衡量关键人才流失率的结果指标 | |
财务 | 资产利用率 | 人才投资回报率 | 衡量人才投资的回报情况 | (人才市场价值-人才投资成本-目前工资水平)/人才投资成本 |
资产利用率 | 人均利润率 | 衡量公司总体劳动力的利用情况 | 企业在一定时期内利润总额/总人数 | |
供应链成本 | 人才供应链成本 | 衡量人才供应链运营成本 | 招聘培训类员工工资+招聘成本+培训发展成本 |