数据分析助力HR获取精确洞察 | 麦肯锡季刊

McKinsey & Company

《麦肯锡季刊》2016秋季刊新文推送

数据分析助力HR获取精确洞察

26分钟前

McKinsey & Company：公众号回复‘季刊’获取最新季刊内容推送哦~

作者：刘家明，夏辰安，郑小重，徐浩宇

最近十年，大数据分析改变了众多企业运作的方式。首席市场官通过记录详细的购物模式和购物偏好来了解和预测消费者的行为。首席财务官通过实时、超前、综合的数据来摸清不同的业务。如今，首席人力资源官也开始利用人才模型试图解决各种人力资源问题。随着数据收集成本越来越低，员工的调查问卷，员工的代码行为，员工的社交网络内容等都可以用来对员工的绩效，招聘、流失率进行科学客观的分析。通过计算关键需求的数据得分可以对未来的分析投资进行优先排序。

如下图所示，某全球制药企业计划对一系列举措进行分析投资。其做法是先由高层对组织的六项关键需求（员工规划、人才挽留、招聘、业绩、学习和动力）按照数据的充足性进行评分，其中员工规划得分最高，其次是招聘和人才挽留，最后是业绩、学习和动力。根据此评分结果，企业应首先聚焦于员工规划的分析投资。

最近，我们将人力资源与大数据结合起来，为一家员工规模上万的互联网公司提供了包括离职预测、员工招聘和组织分析的一套大数据解决方案。令人力资源管理专家意外的是，这些数据分析的结果与他们的经验并不完全相符。

简历筛选，提高招聘效率

即使是抱着最公正心态的招聘官难免也会带着无意识的偏好和偏见，大数据分析方法有助于去除偏见和干扰。我们通过数据更公正地分析实际情况，提出客观的解决方案。我们收集了不同维度的员工信息，包括年龄、教育背景、工作年限，校招/社招等，结合大数据算法找出入职后较易在岗位上取得成绩的员工。

该公司招聘标准之一是高学历，而大数据分析给出了另一种答案。我们的分析结果发现， 高学历的学生（985大学的研究生）的确可以在岗位上取得很好的成绩，211大学的本科生同样并不逊色。通过进一步深入分析我们发现， 由于本科生的入职时间较早，逐步积累工作经验可以达到研究生的绩效水平。 同时，分析结果也显示，虽然整体来讲，员工入职前工龄越长，入职后初期表现就越好。但相对于工龄长短，前任职位工龄更具有决定性作用，也就是说，在前任职位踏实工作较长时间的人，更换雇主后表现通常较好。深入分析表明，前任职位任职时间短，即刚刚获得晋升就更换雇主的人群，通常并不是单纯以职业发展为目标，其间也会掺杂其他想法（例如，凭借前任雇主的较高职位，向下一任雇主争取更高薪酬），因而难以对工作做到自始至终的全身心投入，影响了工作表现。

组织分析，提高组织绩效

某些部门的整体绩效低下也是困扰该公司人力资源专员的问题，他们首先想到可能是薪酬竞争力不够导致工作积极性不高，或者团队太年轻导致经验不足。同样，我们收集了包括员工个人信息（学历、工作年限），员工所在的团队信息（员工团队大小等），员工的满意度调查（中高层满意度等），运用算法来挖掘各组织特点，分析绩效低下的深层次原因。

通过分析大数据模型，一项出人意料的结果浮出水面，薪酬并非影响组织绩效的最重要因素，下级员工对中高层领导的满意度对组织绩效产生的影响更为关键。通过对组织的分析，我们发现，成员平均年龄小且中高层满意度高的团队取得的成绩往往更突出。这些团队更有活力，容易在领导的带领下高效完成团队目标。而员工经验丰富的团队如果对中高层满意度低，则倾向于各自为战， 不能团结一致。

四位作者衷心感谢同事张文、宋世研和童潇潇对本文的贡献。

刘家明为麦肯锡全球资深董事合伙人，常驻香港分公司；

夏辰安为麦肯锡全球董事合伙人，常驻香港分公司；

郑小重为麦肯锡项目经理，常驻北京分公司；

徐浩宇为麦肯锡咨询顾问，常驻上海分公司。

本文选自

《麦肯锡季刊》2016年秋季刊