数字驱动HR决策

美国田纳西州的孟菲斯市号称美国的“物流产业之都”，位于几条州级高速公路和几条东西铁路大动脉的交汇处，得天独厚的地理优势吸引了大批物流分销企业到此落户。其中，最著名的一家企业就是联邦快递（Fedex）。

但是，众多工业仓储企业蜂拥而至，也随之引出一个问题：企业之间的人才竞争趋于白热化。

当地本来人才供应就比较有限，加上各家公司的薪资待遇差不多，有一段时间，很多企业都陷入了用工荒。于是，能否有效找到合适的仓储工人，成为各家企业管理者们最头疼的事情。

其中，一家当地大型物流公司管理层把解决招聘作为公司首要任务，希望HR团队跳出传统工作模式，积极创新地解决招人难的问题。公司董事长向HR提出问题：从人员搜寻（sourcing）、招聘（recruiting）和入职（onboarding）阶段来看，公司现有的高绩效员工都有哪些共同特征？

为此，HR的招聘团队从数据分析（HR Analytics）角度开始，着手寻找HR整个工作在招聘渠道、招聘方式、挑选流程以及员工绩效考核结果方面有哪些相关联的因素。

任何一个标准的数据分析流程都包括三个环节：输入、过程、输出。在本案例中，输出端是高绩效员工，可以根据HR信息系统里面每名员工最近一次的绩效评估结果予以识别。另一方面，来自招聘渠道的输入质量，也可以根据招聘系统里的人员数据来记录和识别。整个流程中的挑选和入职方式可以通过员工档案得到。

显然，涉及的所有人力数据已大量存在于组织中，只是缺乏关注。而这次做人力数据分析的目的，正是需要去发掘和利用这些宝贵的数据。

数据宝藏

数据分析发现了一些出乎人们意料的结果，导致后来整个招聘流程的大幅改革。通过对输入端的数据分析，获得了以下发现：

大多数高绩效员工在申请岗位时，其现有公司到所申请公司的距离都比较近；大多数仓储岗位的应聘人员不愿意到离家远的地方工作；申请人主要通过公司大楼外的醒目标识或其他在职员工（而不是报纸或杂志的招聘广告）来了解岗位空缺；诱人的员工福利计划是促使申请人决定跳槽的关键因素。

通过对整个招聘流程的数据分析，又获得了以下发现：

优秀候选人更倾向于到现场应聘，而不只是通过在线填写一堆表格应聘；把候选人未来可能工作的场所作为招聘现场，比到公司以外的地方去召开招聘更吸引候选人；候选人通常在下午偏晚一些的时候才会提交他们的应聘资料，因为此时正是他们在其他公司交接班之际；最有效的面试官是生产线工人领班，而不是工人主管。

基于以上分析，该公司采取了以下措施来改进招聘工作：

首先，HR重新设计了招聘方案，主题是“到一个离家近而且福利好的公司工作是一种什么体验？”这个广告语出现在该工业区入口处一个醒目的大广告牌上。另外，还广泛张贴在工业区内的一些餐馆和零售店的公告栏里。

另外，HR重新设计了来公司的参访环节，辅之以现场面试，还能享受美味零食。参访时间安排在每周二和周四的下午3点到7点，方便每天处于交接班的候选人前来应聘。最后，招聘人员还特别为每个前来公司的候选人准备了一份员工福利手册，详细介绍公司各项福利政策。

在这些方案实施的头两个月，候选人人数上升了20%，接受工作offer的数量也上升了20%。更加让人称奇的是，在对这批新员工完成进入公司的第一次绩效评估后，高绩效的新员工人数比原来增加了35%。

这个案例带来的启示是：HR原本掌握有大量的人员数据，而这些数据平时散落在各种流程和系统中，并没有得到有效利用，最后成为了被埋没的宝藏。

五個套路

如何像业务部门那样，把这些宝贵的数据转变成我们有效HR决策的依据呢？从数据分析的角度，可以考虑从以下5个方面入手：

○ 趋势分析

单个数据本身并不重要，只要持之以恒收集这些数据，当达到一定数量之后，就可能呈现出某种趋势。比如，组织在某个月的离职率可能不高，但如果连续几个月的离职率都呈现升高趋势，就该敲响警钟了。

做趋势分析时，对人力决策有意义的指标有很多，其中包括：人均产值、人均利润、新招聘人员质量、人员胜任力差距、主动离职率、绩效评估结果以及员工敬业度调研得分等。

○ 对标

把数据与组织外部的类似数据进行对比，也是有效挖出数据背后含义的一种方法。例如，某公司的离职率为15%，咋一看可能觉得偏高。但是，如果该公司所在行业的平均离职率达到20%，那么15%也是可以接受的结果。

再如，某互联网公司在做内部员工薪酬的市场分析时，与高科技行业市场数据对标后，发现自己处于75分位，按说这常有竞争力。但是，再和企业所在的移动互联网细分市场的竞争对手对标，薪酬水平便落到了50分位以下。显然，想以这种薪酬水平吸引或留住员工，前景堪忧。

○ 设定目标

任何值得衡量的指标都需要设定目标。当然，有足够挑战性且有现实意义的目标最有效。举个例子，组织经常喊出“减员增效”的口号，但到底要减多少人头？假如业务量要增长20%，减员能保证业务的增长率吗？

合理的做法是，利用历史数据的变化趋势以及市场数据的对标来确定目标的基准水平，在此基础上进一步确定哪些是保底目标（base）、哪些是正常目标（reasonable）、哪些是挑战目标（stretch）。

○ 设计数据仪表盘

数据太多、指标太多，容易让人抓不到重点，这个时候数据仪表盘便能发挥出重要作用。有数据意识的HR往往设计针对不同受众的数据仪表盘。

比如，以招聘工作为例，提供给高级管理层的数据仪表盘可能包括员工整体数量增长和人均产值；提供给中间管理层的则包括岗位空缺比例和关键岗位招聘周期；提供给HR运营团队的仪表盘则包括：招聘渠道占比、人均招聘费用、候选人拒签offer比例。另外，数据仪表盘必须保持实时更新的状态。简单的数据仪表盘，用Excel就可以设计出来。

○ 结合业务结果

数据分析原则之一，是以业务结果为导向。评估一项人才发展项目，经理和员工的满意度打分很高固然可喜。但是还应想到，项目运行后对业务带来了什么影响？真的帮助学员所在的业务部门提高了业绩吗？对他们的团队有什么影响？敬业度和离职率发生了什么变化。

实际的业务最终结果并不是总能获取到的。我们必须尽最大的努力去建立假设，然后收集与最终实际结果相关的数据，通过趋势和对标等分析手段来不断地检验我们的假设。