Data-driven：用数据驱动人才盘点（三）
2015-09-24
五、让人才数据说话：什么人才可能成功？
参与人才盘点会时，花费时间多的工作是去讨论人才未来成功的可能性。人才档案所提供的信息一般是以查看为主的，也就是能知道这个人的过往，但是他们的将来会如何呢?我们想知道他将来是不是有可能胜任，他是不是真的会成功?这就是数据在预测中的价值，用历史数据预测特定人才未来可能有的成就。当然，预测的步是积累数据模型。
两种预测模型可以在完善的人才数据基础上使用：基于能力的胜任预测和基于经历的胜任预测。
在胜任力模型的构建中，我们会使用绩优员工的关键特点去分析他们成功的素质特点，然后反过来去预测其他人的效果。在人才盘点的工作中可以去利用的数据分析有：
■ 根据潜力预测人才成功的可能性
■ 根据标杆人物预测成功的可能性
■ 根据多项指标预测离职的风险
根据潜力预测的成功可能性通常基于人才的测评结果进行预测。将人才的测评结果与一般的胜任力模型进行比对，对风险和问题做出预测。近些年来较为流行的是根据企业内部员工进行建模和预测。常见的一种是根据绩优人员的特点建模，将新晋人才的领导力测评等数据进行比对。另外一种是将新晋人才的测评结果与内部的员工进行匹配，告知人才盘点会的参与者，目标候选人的特点像公司内的哪个员工——这种方式快速帮助管理者形象直观地把握人才特点，能迅速形成诸如“影响愿望不高，程度与xxx差不多”的概念，大大提高了人才盘点中对人才信息的理解和共识。
根据多项指标去预测员工的离职风险，现在还是一件相对困难的事情，主要是缺乏合理的数据模型也没有数据。但也有一些成功的实践总让人们燃起对大数据的期待，比如惠普的案例被收纳入各种大数据书籍：
“几年前，惠普一些部门离职率高达20%，受此触动，惠普决定预测全球33万名员工中谁有可能辞职。分析师团队从薪酬水平、加薪情况、升迁情况等海量数据入手，搭建了一个离职风险评分系统，成功帮助降低了离职率。大数据的魔力可见一斑。”——摘自《大数据思维》
预测时拥有数据是做预测大的前提，接下来是构建预测模型。实际上预测模型并不需要做的非常复杂，将关键因素提取赋予不同的权重可以是基本的方式。目前对于关键人才的离职风险预测，主要是依赖直接上级的个人判断。
总的来讲，人才管理的未来也是数据的未来。当我们热衷于对大数据可能带来的美好未来侃侃而谈时，其实应该先回顾实际业务中的数据积累，是否已经使用了合适的报表对HR 工作进行分析?是否建立过数据模型?分析的周期和成本有多高?试想一下，一家连工作邮箱都未启用的公司，招聘还靠着excel 记录，如何谈得上用数据驱动工作？
数据驱动的人才盘点也不是一夜之间就可以完成的。选择正确的管理软件，建立合理的流程，选择合适的时机完善人才数据，一切才有继续发展的可能。先进的工具和技术都是为业务服务的。与其谈概念，不如先让自己的工作加量化，能够让HR 的工作用多量化的数据来反映，做到data-driven，再谈大数据也不迟。
Bersin在2014年于美拉斯维加斯召开的HR 技术大会HR Technology Conference发布的《HR 技术领域的十项巨变Top 10 Disruptions in HR Technology》中提到，未来的10 年将会是HR 数据化的十年，人事决策也会是基于数据的决策——人们的性格、工作经历、发展、评估数据等，结合实时的与工作相关的数据，去对雇佣谁、如何提升销售业绩、如何减少员工成本等制定科学的决策。在未来，软件会越来越没有价值，真正有价值的是数据、决策和分析——HR 软件可能会是免费的，收费的是数据。
推荐阅读
