说明：自翻的日本咨询公司Deloitte Tohmatsu Consulting LLC的关于HR与大数据的文章，渣翻见谅。
以数据为催化剂，HR实现进击
~People Analytics的尝试与导入~（下篇）
---People Analytics的打开方式---
作者：Deloitte Tohmatsu Consulting LLC HR模块 资深顾问玉成智史
01）准备工作的关键在于“指标”和“路线图”
经过前篇，应该已经有对People Analytics产生兴趣，并打算准备在公司内引入People Analytics的人了。所以下篇就由我来讲述，如果打算引入People Analytics，关键的准备工作需要做哪些。
“先制定一个小的目标，企划一个小的项目，从小事开始着手，不要急功近利”这一点，是引入People Analytics的过程中，国内外企业管理者的共识。但是，仅仅满足于一个小的目标，并享受最开始的成功的企业，绝对算不上成功；并且，很多时候这会让People Analytics变成一个单一的项目，或者是退化成HR人员的自嗨，从而无法将People Analytics的影响力辐射到全公司。
那么，为什么People Analytics的引入会变得难以推进呢？首先，在技术层面，很多公司在开始引入People Analytics的时候，会直面“低质量的数据”和“缺少公司内顾问（HR COE人员和业务部门顾问型人才的帮助）”两大难题。至今为止，大多数公司关于人才的数据梳理与整合进行得并不完备。所以，在项目的展开阶段，会在抓取、收集和统计数据的工作上耗费大量的时间与劳动力。同时，在人员配置方面，又缺乏具有优秀的数据解读能力和方案企划能力的公司内顾问。
结果，在People Analytics的引入开始阶段，整个项目就很容易变成“对数据的质量做了妥协，打了折扣，然后非顾问型员工凑合凑合分析了事”的恶劣项目。这样的恶劣项目，虽然是迫于现实的选择。但如果以后的People Analytics的引入入与深化都以最开始的恶劣基础为前提的话，那“坑”就会越来越多。其中，有两个关键的“坑”：第一个是“人事数据与一般性业务指标之间的相关性并不明确”，第二个是“无法分析出情境化的，能够长期影响公司业务的项目路线图”。
通过人事数据来分析并尝试解决人事难题，那么就需要先想清楚，贵公司想通过持续性的People Analytics项目开发而解决的人事难题，是如何影响业务的——只有这样，在项目的推进过程中，阻力才会更小。再就是，如果没有顾问，那什么样的数据分析方法，才能对业务产生正面影响这一点会变得不明朗，更别提持续性的People Analytics开发路线图了。结果，People Analytics带来的持续性的收益，因为无法直接或者间接地帮助到业务，从而无法将项目的影响力传达给管理层——最终，也就停留在了“有趣的分析，有趣的项目”这一水平。
02）产生“指标”和“路线图”的五个关键步骤
说明：图1，推进People Analytics时所遇见的五大难题。1、高质量的数据。2、对未来业务的影响可以通过一般性指标来衡量。3、具体实施时的路线图。4、有效的初期项目目标。5、具有高超分析能力的公司内项目顾问，或专家。
在这里，我就要介绍一下，通过什么样的步骤，才能顺利的，持续的推进并优化People Analytics项目实施。在可以最大程度的避开“坑”的同时，又能够在项目落地后，People Analytics能够有效的帮助业务提升一般性指标，明确实施路线图。另外，我会结合我们公司内的实施案例给大家展示这些步骤。
具体来说，我们认为，如果按照以下五个步骤来推进的话，People Analytics的引入会比较容易成功。
step１：Enterprise视角出发，将课题反复梳理。
step２：Target需要可以转换成一般性指标。
step３：Analyst一起参与数据的选择、聚焦，并帮助系统设计数据的分析方法。
step４：Leader一定要一起参与项目实施的路线图制作。
step５：Data分析，并检验“指标”与“路线图”。
03）STEP 1 : Enterprise视角出发，将课题再整理。
A --- 是否和业务上的课题相关联。
B --- 被当作分析对象的“人”是否能够通过语言来进行描述。
最开始，要从上面两点来着手。
HR对公司内关于招聘、晋升、考核、培训等“HR线”的课题应该已经有了大体的掌握。然后，将这些课题再一次与业务线联动，再考虑一下，目前公司的业务线与HR线的链接点在哪里。
我们在本公司推进People Analytics的时候，为了和业务进行链接，最初考虑到的是“上下沟通更顺畅的组织架构”和“团队领导的领导力发展”两个课题。可实际上，在和业务部门领导讨论过之后一致认为，虽然这两个课题的确是很好的HR课题，但解决它们，无法带来很好的“业务投资”。
然后，我们再次和各个业务领导负责的业务内容进行了对接和参照，并与他们的客户进行了沟通。这些客户，想要通过我们咨询公司解决的课题有“针对新入非咨询行业出身的职员的初期职业规划”，“针对制造、销售岗位员工的长期轮岗方案的建设”和“推进制造业中，偏远地区技工的知识转型与经验分享”等。于是，我们聚焦了这些客户所面临的情境与人，从而在公司内引起了较大的反响，并取得了宝贵的意见。有了情境与目标之后，思考与方案企划也变得明朗起来。一句话概括，与客户的客户进行沟通，从而理解客户的缺陷在哪里。
04）STEP 2 : Target需要可以转换成一般性指标。
A --- 课题是否能转化为一般性指标，或者有没有可能转化为一般性指标。
B --- 考虑到公司和市场环境的变化，这个课题在未来是否会越来越重要。
目标，或者说课题的选择要遵循以上两点。
People Analytics的初步建设，与其所要花费的时间与金钱成本的换算越是简单，越容易取得管理层的支持。而且，由于People Analytics的特性是，越是长时间去维护并完善它，它分析出的结果的质量就越高，所以想要体现People Analytics的真正价值，那么让它持续存在并不断完善数据就是必不可少的。那么越是聚焦在未来会越来越重要的业务课题上，后续规划出来的路线图也就越容易给业务造成更大的冲击力。
我们本打算通过测量“组织文化”和“领导力”作为基础数据，以优化“组织文化”，提升“领导力”作为本公司内推进People Analytics的初期课题。但当这个方案发布之后，公司内不理解这两个项目效果的人非常多。
所以，我们将课题聚焦在了更具体的课题上，那就是“提升白领会议的产出率，特别是方案决策率与沟通效率”这个课题之上。通过调研会议中单位时间的决策产出，点子产出，与会者的满意度来设定了各种各样的KPI。并且，“提升会议效率”在未来也会变得越来越重要，因为解决它，就能帮助业务效率。最终，公司内对这个新课题的反响大大增加了。也就是说，哪怕你最终想要提升的是“领导力”这种大议题，但也请从小事入手，这样才能将课题转换出更简单更有说服力的一般性指标（时间与金钱）。
05）STEP 3 : Analyst一起参与数据的选择、聚焦，并帮助系统设计数据的分析方法。
A --- 现阶段的人事数据与业务数据，是否能够支持顾问提出假设并验证假设。
B --- 顾问是否理解这些数据所想表达的意图，HR顾问与业务部门顾问之间的沟通是否顺畅。
一定要确认了以上两点之后，再来确定分析方法。
HR和业务部门手中肯定有大量的原始数据。什么样的数据是有效的，可以用的，能够给出分析方向的，事先做好联想，并进行有效抓取是非常重要的。之后，在进行了数据的初步分析，且得到了大体的假设之后，应将数据再次筛选，优化。然后，将这些数据共享给业务部门中，在将来项目推进时可能会成为顾问的人才，并保持和他们的沟通。
对于我们咨询公司来说，因为我们本身就有非常多的，拥有各个领域专业知识的顾问，所以这一步我们进行得非常顺利。但是，对于一般公司来说，在项目的企划阶段，缺少HR COE人员，或者说业务部门的顾问型人才拒绝参与项目的实施是很可能会发生的情况。这种情况下，哪怕合作很短的时间也好，一定要与公司外的，第三方的咨询顾问进行沟通交流，来确认这些数据可以用在什么样的分析上。
06）STEP 4 : Leader一定要一起参与项目实施路线图的制作。
数据与项目顾问的筛选如果都已结束，那么现在开始就是展开分析，并实施People Analytics的阶段。在分析之前，我们要在明确目标的前提下画出简单的路线图和实施计划。并频繁与高管层进行沟通，以保证People Analytics所提供的持续性的和长期性的价值，能够获得管理层的认可。
那么这种情况下，路线图的初稿需要保证以下两点。
A --- 项目实施之后，对于公司未来的业务目标的帮助是否有明确的展示。
B --- 项目将来的产出，是否能够强化公司的价值主张。
本公司在推进People Analytics项目时，设立的初期课题是刚才介绍过的“提高白领的会议效率”。在解决这个初期课题时，我们一直保持着和高管层的沟通，并和高管层一起分析会议数据，和他们一起判断该如何应用这些数据。最终还产出了一个未来的业务目标，那就是“通过澄清人与人之间的搭配与沟通方法，来开发能够提高团队动机水准，并联动企业改革与人才开发流程，最终实现企业价值提升的咨询方案”。
在此之上，通过调研会议现场而取得的数据，在取得高管层理解的前提下，我们将数据录入了人工智能终端之中，并将通过我们公司的实施路线图，制作了新的咨询产品的实施路线图。通过这样的方式，高管层也能将未来的业务产出的模式与公司的价值主张进行对照，这样高管层才能安心地给予我们下属以支持。
07）STEP 5 : Data分析，并检验“指标”与“路线图”。
进行数据分析时，要将以下两点作为前提来进行分析。
A --- 在现在可行地分析方法之中，分析结果是否展现了能够解决多种问题的可能性。
B --- 在所有的可能性中，有没有能够简单的换算成一般性指标的方法。
真正开始数据分析时，因为数据质量的问题，也许并不能在分析方法上做太多文章。而且，初期的数据分析法越是复杂，产生的质疑也会越多。所以，请对分析失败与试错做好心理准备，并最终找到对People Analytics引入来说有利的分析方法。而且关键的是，如果分析的结果提供的可能性，无法换算成时间或者金钱这样的一般性指标，项目就很难推进下去。
我们当初在本公司内做“提高会议效率”的项目时，利用血压测量仪来检测与会者在会议中的情感波动。由于测量仪的准确度不高，造成了我们后期根本无法进行高精度的时间轴分析。然后我们增加了测量的时间，并将每个人的发言时间做出区隔，最终澄清了什么样的会议是单向的、训示型的会议，什么样的会议是双向的、友好沟通交流型的会议。
可是，因为“双向的会议”与“会议效率的时间指标”的相关性很难被计算出来，而且不导入第三个变量的话就无法使用。所以，我们干脆重新审视了路线图，来确定是否应该使用血压测量仪。就像这样，如果分析结果所展现的可能性不能简单地与一般性指标相链接，那么包括分析方法，测量方法，测量工具在内，都要重新审视。
08）现在正是推进People Analytics的时候。
以上就是，我们实际在公司内推进People Analytics时所应用的步骤与遇到的问题的总结。就和大家读到的一样，实际上我们也是在一边试错，一边推进的，可成功的关键在于我们保持了与各部门，各位领导的频繁沟通与讨论。
但是， 困难并不应该成为各位考虑引入People Analytics时的障碍。就像现在很多商业杂志所说，People Analytics正在吸引着包括企业经营者在内的越来越多的人的眼球，这也应该成为大家推行People Analytics的契机。如果大家能够利用这个契机，通过从小的初期项目入手，一步步持续性完善公司内的People Analytics系统，那么伴随着数据的量与质的提升，公司内顾问的分析能力的提升，HR对于业务线的冲击力也就会越来越大，在公司内的影响力与存在感也会越来越大。那么，对于有兴趣开始搞的朋友们，笔者真心希望这篇文章中的5个步骤能够帮到你们，给你们提供些许的参考。
网友评论