劉家明,夏辰安,鄭小重,徐浩宇

最近十年,大數據分析改變了眾多企業運作的方式。首席市場官通過記錄詳細的購物模式和購物偏好來了解和預測消費者的行為。首席財務官通過實時、超前、綜合的數據來摸清不同的業務。如今,首席人力資源官也開始利用人才模型試圖解決各種人力資源問題。隨著數據收集成本越來越低,員工的調查問卷,員工的代碼行為,員工的社交網絡內容等都可以用來對員工的績效,招聘、流失率進行科學客觀的分析。通過計算關鍵需求的數據得分可以對未來的分析投資進行優先排序。

如下圖所示,某全球制藥企業計劃對一系列舉措進行分析投資。其做法是先由高層對組織的六項關鍵需求(員工規劃、人才挽留、招聘、業績、學習和動力)按照數據的充足性進行評分,其中員工規劃得分最高,其次是招聘和人才挽留,最后是業績、學習和動力。根據此評分結果,企業應首先聚焦于員工規劃的分析投資。

20163ppt7

最近,我們將人力資源與大數據結合起來,為一家員工規模上萬的互聯網公司提供了包括離職預測、員工招聘和組織分析的一套大數據解決方案。令人力資源管理專家意外的是,這些數據分析的結果與他們的經驗并不完全相符。

簡歷篩選,提高招聘效率

即使是抱著最公正心態的招聘官難免也會帶著無意識的偏好和偏見,大數據分析方法有助于去除偏見和干擾。我們通過數據更公正地分析實際情況,提出客觀的解決方案。我們收集了不同維度的員工信息,包括年齡、教育背景、工作年限,校招/社招等,結合大數據算法找出入職后較易在崗位上取得成績的員工。

該公司招聘標準之一是高學歷,而大數據分析給出了另一種答案。我們的分析結果發現, 高學歷的學生(985大學的研究生)的確可以在崗位上取得很好的成績,211大學的本科生同樣并不遜色。通過進一步深入分析我們發現, 由于本科生的入職時間較早,逐步積累工作經驗可以達到研究生的績效水平。 同時,分析結果也顯示,雖然整體來講,員工入職前工齡越長,入職后初期表現就越好。但相對于工齡長短,前任職位工齡更具有決定性作用,也就是說,在前任職位踏實工作較長時間的人,更換雇主后表現通常較好。深入分析表明,前任職位任職時間短,即剛剛獲得晉升就更換雇主的人群,通常并不是單純以職業發展為目標,其間也會摻雜其他想法(例如,憑借前任雇主的較高職位,向下一任雇主爭取更高薪酬),因而難以對工作做到自始至終的全身心投入,影響了工作表現。

組織分析,提高組織績效

某些部門的整體績效低下也是困擾該公司人力資源專員的問題,他們首先想到可能是薪酬競爭力不夠導致工作積極性不高,或者團隊太年輕導致經驗不足。同樣,我們收集了包括員工個人信息(學歷、工作年限),員工所在的團隊信息(員工團隊大小等),員工的滿意度調查(中高層滿意度等),運用算法來挖掘各組織特點,分析績效低下的深層次原因。

通過分析大數據模型,一項出人意料的結果浮出水面,薪酬并非影響組織績效的最重要因素,下級員工對中高層領導的滿意度對組織績效產生的影響更為關鍵。通過對組織的分析,我們發現,成員平均年齡小且中高層滿意度高的團隊取得的成績往往更突出。這些團隊更有活力,容易在領導的帶領下高效完成團隊目標。而員工經驗豐富的團隊如果對中高層滿意度低,則傾向于各自為戰, 不能團結一致。

四位作者衷心感謝同事張文、宋世研和童瀟瀟對本文的貢獻。
劉家明為麥肯錫全球資深董事合伙人,常駐香港分公司;
夏辰安為麥肯錫全球董事合伙人,常駐香港分公司;
鄭小重為麥肯錫項目經理,常駐北京分公司;
徐浩宇為麥肯錫咨詢顧問,常駐上海分公司。
點擊此處獲取報告PDF全文