-
观点
Workday、Ultimate、Slack的收购关注两因素：生产力和员工体验
文/JOSHBERSIN
如今，人工智能的收购已经很难跟上步伐，仅在2017年，就有超过108亿美元的资金投资于人工智能初创企业。在我所到之处，我发现软件公司都在开发更智能、更有预见性、更智能的工具。
在过去的几周里，我想提到的有三个重要的交易，每个都集中在一个主题上:使用人工智能和对话界面来改善员工体验，并对我们的生产力产生积极的影响。
太多的信息:工作效率正在下降
正如我在过去一年中所写的，生产率落后是一个经济问题，导致工资下降，很多人加班。如今，人们每天有35%的时间在阅读电子邮件，而我们在交流的新工具上花费过多。
我们对超连通职场的研究发现，平均每家公司都有7个不同的沟通系统，70%的高管预计会购买更多。技术供应商正以最快的速度发明它们。
Slack现在有800万用户，微软有20多万家公司使用团队，Facebook有3万家公司使用Workplace, Gmail上有12亿多用户，所有这些用户都可以使用Hangouts。在我们的消费者生活中，它甚至更容易让人分心:统计数据显示有15亿人使用WhatsApp, 13亿人使用Facebook messenger, 10亿人使用微信，3亿人使用Skype。
我们问人们这些新工具是否对他们的工作有帮助，超过三分之二的人告诉我们新工具正在阻碍我们。我们喜欢我们的个人工具，但我们花太多时间处理这些工具。一项相当惊人的研究发现，我们每6分钟检查一次这些系统，而我们40%的人在工作中从未有过30分钟不受干扰的时间。
这是荒谬的。我们的交流模式被打破了。为什么公司中的任何人都有机会在我们向他们发送电子邮件，给我们发送消息或在Slack上提及我们的时候分散我们的工作注意力？
这是不健康的。研究表明，为了应对这一冲击，压力会大幅增加。作为回应，我们现在正在购买“幸福解决方案”，为这个问题贴上“创可贴”的标签。当然，瑜伽、正念和冥想都很好——但真正的原因不正是效率低下的工作场所吗?
生产力成为人力资源的新主题
虽然我知道你们大多数人都有一个专注于“员工体验”的新项目，但我真的认为人力资源的新重点应该放在生产力上。生产力是健康、快乐和工作投入的关键，很多研究都支持这一点。
也许最令人信服的是特里萨·阿玛比尔的《进步原理》一书。通过对员工工作日志的分析，她令人信服地证明，工作中最令人愉快、最有价值的部分是“把事情做完”。所以，让我们把注意力集中在提高人们的工作效率上，我们将看到参与程度、幸福感以及其他衡量标准的提高。
当然，我们必须处理工作场所、管理实践、目标和奖励等问题，但最终如果我们想办法帮助人们完成他们的工作，所有这些项目都有更多的关注和价值。例如，如果你在管理一个研究部门，你的人才战略应该集中在帮助人们进行伟大研究的项目上。销售、市场营销和其他业务部门也是如此。
而这个问题，即简化工作的需要，正导致一些大型的人力资源技术并购。
Workday收购Stories.bi
我要强调的第一个是Workday收购一家名为Stories.bi的增强分析公司。 我刚刚看到这个系统的演示，它让我大吃一惊。
该公司使用人工智能监控和分析公司数据库(现在主要集中在Workday)，以识别趋势，数据偏离范围，或与计划的差异。然后，它会用简单的英语(或其他语言)生成一个对话界面，指出它学到的东西。
这是一个例子：
正如你所看到的，这些小卡片准确地告诉你正在发生什么，你不需要进入一个电子表格，点击一个仪表盘，或者雇佣一个统计学家来弄清楚为什么一些商业指标没有朝着正确的方向发展。它是一个人工智能工具，叫做增强分析(Augmented Analytics)，但实际上它是为了提高生产率。Workday计划将该系统整合到其平台和新的Workday Prism分析产品中，这将使我们的生活变得更加轻松。
我研究分析学已经有30年了，整个市场仍然是一个工具。虽然许多像Visier这样的高级供应商现在提供开箱即用的解决方案，但是它是像 Stories.bi这样的工具。这将使分析对每个人来说都很容易。我必须相信，这种增长将出现在我们的大多数人力资源产品中。
Slack收购使命
第二个我想指出的是Slack的使命收购，在Slack内部创造工作流程和“员工旅程”。
如果你接受这样一个事实:我们一半的生命都在这些消息平台上度过，为什么我们不利用它们来做更有意义的事情呢? 一群小型初创公司正在构建工具来阅读和解释你的信息，并发送提示、建议和培训提示，使你的工作生活更轻松。
(其中有一个叫迪斯科的，当你对某人说“谢谢”的时候，你会知道，并建议你把这些信息发送给他们的员工记录。)
刚刚获得的产品Slack是帮助人力资源部门(以及其他部门)在消息传递平台上构建员工体验的工具。这种类型的“嵌入式人力资源工作流”正变得非常流行(IBM的认知助手也这么做)，而Slack现在正使其成为产品的一部分。
虽然大多数公司还没有把Slack作为企业范围的平台(微软、谷歌和Facebook也都想要这个市场)，但我认为这个功能使这个目标更有可能实现。Slack现在被我们称为“员工体验平台”，是一个巨大的新兴快速发展的商业市场。(这里的领导者有ServiceNow、PeopleDoc、Salesforce等。) 在接下来的几个月里，我将会写更多关于这个领域的文章，但从某种意义上说，Slack刚刚“进入这个市场”。
这里的目标是生产力。我们不需要离开我们的“生产力系统”去完成我们的人力资源工作，这是市场上一个巨大的趋势。
Ultimate 收购PeopleDoc
我想指出的第三个交易是我的ERP朋友们正在关注的: Ultimate软件收购PeopleDoc，一个快速增长的员工体验平台。这家公司的总部设在法国，因此它为许多欧洲公司提供服务，在这些公司，单是雇佣合同的管理就令人头疼。
在过去几年，PeopleDoc发现了员工自助服务、案例管理、文档和服务管理软件(我称之为“员工体验平台”市场)的市场，他们开始疯狂扩张。(目前这个市场最大的玩家是ServiceNow，他们正在创造一个市场，随着时间的推移，这个市场可能会变成一个价值数十亿美元的市场。)
虽然我还没有关于Ultimate软件计划的任何细节，但我可以再次向您保证，这项交易也是出于提高生产率和员工工作经验的需要。Ultimate软件公司(Ultimate Software)是市场上管理最好的人力资源软件公司之一，最近收购了Kanjoya(一个基于人工智能(ai)的员工调查和参与工具)，这正好符合该公司的战略。
关注人力资源技术的更多信息
秋天即将来临，所以我已经开始着手我的年度“人力资源技术中断”年度研究。我想指出的一个大主题是人力资源软件市场从“参与系统”到“生产力系统”的巨大转变。这三桩交易只是冰山的一角，在接下来的几个月里，我们将拭目以待。
以上内容由AI翻译，仅供参考
原文链接：https://joshbersin.com/2018/07/ultimate-workday-and-slack-acquisitions-focus-on-productivity-and-employee-experience/
-
观点
人力分析领导者的角色-第1部分:建立能力
文/David Green
第1部分:建立团队和组织能力。
第2部分还将介绍people analytics leader的角色和职责，如何创建分析文化和分析的未来
正如我之前所写的，在人力资源分析和数据驱动决策中，成功开发和构建了可持续能力的组织具有许多共同的特点。
领先公司共有的一个特点是有一个鼓舞人心的领导者——“人力分析主管”。乔纳森•费拉尔(Jonathan Ferrar)撰写的这篇文章，收录了2017年40篇最佳人力资源分析文章。“人力分析”(People Analytics)的负责人阿伦•奇丹巴拉姆(Arun Chidambaram)列出了乔纳森描述的所有问题，他在“人力分析”领域工作了15年。在此期间，Arun帮助了四家财富500强公司在人员分析方面建立了可持续的能力。
Arun当之无愧地被同行认可为该领域的主要权威和梦想家之一。他经常被邀请分享他在会议上的见解，就像他去年在伦敦的人物分析世界（见此处的亮点）和费城的人物分析和工作的未来（见下图和此处的重点）。对于那些在纽约地区的人，您将能够在4月5日的Hunt Scanlon主持的数据驱动公司活动中看到Arun（见下图）。
2017年9月，Arun Chidambaram在费城的人力分析和工作未来发表演讲
PEOPLE ANALYTICS LEADER的角色-第1部分:建立团队和增强组织能力
我很高兴Arun同意分享他在《人物分析领袖的角色》这两集系列文章中的一些见解。“第1部分涵盖以下领域:
人员分析团队所需要的技能和能力，以及这些技能是如何随时间发展的
关于团队应该如何与业务保持一致的不同选项。
进行人员分析项目的方法
开发团队成熟度的关键里程碑
关键的学习和成功的秘诀。
问1:嗨，Arun，根据你的经验，在一个人分析团队中你需要的技能范围是什么?
团队的技能和组成取决于许多因素，包括组织在分析方面的成熟度，以及团队是否也负责报告。如果我们把报告部分放在一边，我所建立和领导的分析团队将拥有数据科学、行为经济学、工程和数学背景的成员结合在一起。直接向CHRO或CHRO的一个领导团队报告非常重要，因为它向业务和人力资源部门证明了分析是人员战略的一个组成部分。
问2：团队应该如何与业务保持一致？
通常，大多数人分析团队最初都是按照部门和关键的人力资源兴趣区域进行协调的。在我的经验中，这种结合一开始可以很好地工作，但是随着业务需求的增长，您需要以不同的方式思考。您需要这样做，一方面是为了优化容量，另一方面也是为了确保团队正在进行对业务很重要的项目。对工作进行优先排序可能很快成为一个问题，这对分析人员的负责人来说是一个重大挑战。为了缓解这一问题，我采访并与人力资源领导团队进行定期对话，共同确定最重要的3-5个主题，这是实现业务和人力资源战略的关键。然后，我将团队中的一名成员作为每个主题的中小企业来管理传统和创新的分析项目。
优先考虑这项工作可能是人力分析的主要挑战。
问3:你能解释一下“传统”和“创新”项目是什么意思吗?
当然，传统工作仅限于对现有的一般人力资源项目进行微调，并利用分析来获得更大的价值，例如在继任规划等领域。相反，创新的工作包括使用新的和新兴的方法，如组织网络分析(ONA)来帮助解决业务问题。你如何平衡你在每个项目上花费的时间取决于你的组织成熟度。
下面的图1说明了组织成熟的重要性。图上的顶线显示分析能力以指数速度增长。底线代表了人力资源消费者的意识，从我的经验来看，这一意识增长得更不规律，而且速度也更慢。知道你适合的地方和差距的程度有助于传统和创新之间的过渡和平衡。
图1 -了解你的适合程度和差距的程度-人分析的组织成熟度(Y轴=投资/成熟度/产品等);X轴-时间)-来源:Arun Chidambaram
2月13日与Arun一起参加网络研讨会，与Stela Lupushor和Antony ebel - ebanda一起讨论组织网络分析(ONA)的实际应用。
问4:团队的结构是如何随着时间演进的?这与组织成熟度有什么关系?
好的问题和团队结构是我非常感兴趣的话题。不用说，团队的结构会在公司之间有所不同，但我相信组织成熟度的水平在这个结构随着时间的发展过程中也扮演着重要的角色。
我使用的模型(见图2)描述了我在这个领域的想法:
图2:人员分析团队结构和业务一致性的演进(来源:Arun Chidambaram)
部门一致
一个典型的人力资源结构有一个商业伙伴支持每一个业务，包括奖励和多样性等专业领域。我所见过的最常见的人员分析结构将一个团队成员与支持一组业务单元/部门的HRBPs联合起来。随着你的组织趋于成熟，需求将远远超过供给，而这种结构有崩溃的危险。
人力资源主题一致
组织你的团队的第二种方式，除了部门一致性之外，是了解公司的关键人力资源优先事项，并使你的团队专注于这些关键主题，如员工规划和人才预测。这种方法可以帮助您确定工作的优先级，并在一定程度上解决需求海啸。然而，就像在业务单元/部门一致中一样，随着人员分析能力的增强，这种结构将无法维持需求的强大力量。
中小企业一致
最后，随着需求的增长和成熟度的不断提高，我认为人员分析功能将需要划分为两个主要领域:1)面向客户;ii)主题专家(或非客户端)(见图3)。
图3 -将人员分析团队与主题专家和面向业务的顾问组织起来并进行对齐(来源:Arun Chidambaram)
在此模型中，人员分析团队中面向客户的团队与业务部门和HRBP建立联系，以了解问题，管理项目并运行事后分析和干预。虽然这个团队应该具备基本的核心分析技能，但他们的专业技能将更侧重于咨询、讲故事、沟通以及项目和项目管理。
中小型企业(或非面向客户的角色)需要跨关键学科的深入主题专业知识，如数据工程、研究和数据科学、实验和设计思维、可视化/报告和技术。我设想每一个中小企业都是由一个致力于自己专业领域的人领导的。
如今的团队结构通常会让成员同时面对双方(中小企业和客户)——这种模式的潜在挑战是，当一些分析师在决定专攻哪个方向时，他们会发现很难放弃另一方。
问5：根据您的经验，在组织内建立一个坚实的人员分析基础的关键里程碑是什么?
根据我的经验，我将把它归纳为五个主要里程碑:
建立一个可持续的和长期的分析能力，重点是交付业务结果
与业务中的其他分析团队建立紧密的合作关系，并开发一个实践社区来共享过程、技术和科技。
开发一个严格的5步方法，所有项目都要涉及，这对成功至关重要
建立与法律和数据隐私的关系，以便更好地理解人才分析中数据的使用
建立一个人才分析实验室，测试分析思维，并尝试新的举措，如组织网络分析(ONA)
问6:请您提供您的5步研究方法的更多细节，以及它是如何对您的成功至关重要
每个潜在项目的方法始于人力资源和业务同事之间关于问题声明的对话，遵循五个严格的步骤，从撰写研究建议到支持业务进行事后分析，并参与下面图4所示的行动后审查。
图4:People Analytics的五步研究方法(来源:Arun Chidambaram)
这五个步骤可概括为:
问题范围——这一步涉及到与人力资源或相关团队成员沟通，以了解业务问题及其影响
概念设计——对于每一个被接受的研究提案，我的团队会制定项目的概念设计
数据——收集和管理来自调查业务问题所需的各种来源的数据。
分析——这是我们花时间构建、分析和测试模型的技术步骤
Post hoc -这个关键步骤包括评估干预的影响和测量结果/ROI，以及检查模型是否符合规范，并在必要时进行必要的调整。
这5个步骤的方法有助于团队、人力资源和业务客户对业务问题达成相互理解，并以有效和及时的方式解决问题。
问7：在构建组织能力和领导人们分析功能时，你遇到过哪些典型的挑战和关键经验?
在我工作过的机构中，建立本质上是一种新能力的做法，既有回报，也有挑战。关键经验包括:
理解组织的分析成熟度(参见图1和对问4的响应)对于保持这种能力是绝对重要的
平衡定性和定量科学
与法律和隐私密切合作——不要认为你的人力资源团队应该或确实知道关于数据隐私规则的一切
区分分析和报告——两者都很重要，但是您需要清楚您的愿景和人员分析的目标。
为人员分析团队创建正确和最优的结构来支持业务目标
倾听人力资源利益相关者和商业同事的意见，并加强合作
在工作中保持透明，专注于你正在做的事情，而不是你如何去做。
以上内容由AI翻译，仅供参考
原文链接：https://www.linkedin.com/pulse/role-people-analytics-leader-part-1-building-capability-david-green/
-
观点
人类实际上是低效的招聘人员，聪明的招聘人员让技术为他们工作
文/Adam Gordon
方式艰难
在我看来，几乎所有的雇主和机构都在用艰难的方式做事。我不是那些从来没有在招聘工作过的评论员之一。我的职业生涯开始时，把会计师安排在与迈克尔•佩奇(Michael Page)和罗伯特•哈夫(Robert Half)进行的一场胜者全得的比赛中，因此我学会了如何艰难地招募人才。
说实话，两年后，我真的不想再和求职者谈话了，但我喜欢招聘的营销方面，所以我搬进了招聘营销机构，然后在普华永道咨询。
近20年后，从我的角度来看，80%的内部招聘人员和95%的中介招聘人员仍在努力工作。他们大部分时间都在做我1999年做过的事情。他们可以节省大量的时间，而且，基本上，如果他们打破了老板的“尝试和信任”方法，他们可以在更短的时间内填补更多的工作岗位。那么，让我们来看看发生了什么变化，现在招聘人员还在做什么，他们不应该做什么。
场景有何不同？
好吧，当我开始招聘时，我们没有LinkedIn，但仅在几年后才出现。作为招聘人员，我们认为这是灵丹妙药，在某种程度上，它是。LinkedIn和其他社交网络使世界变得更加透明，在一段时间内，我们向候选人发送垃圾邮件，他们做出回应。他们觉得受宠若惊“被猎头”并给了我们一天的时间。然而，现在，许多招聘人员仍然采用同样的方式，并且面无表情地坐着，无助地看着他们的回复率在下降。他们没有意识到的是，在我们招聘的时候，应聘者们已经习惯了招聘人员的接近方式，对他们来说，先前那种被选中去找工作的兴奋感被似曾相识和打哈欠所取代。他们习惯了，阅读信息的速度变慢了，不太可能回复。
不仅人们开始对你产生了冷漠，而且与过去相比，求职者可以发现更多关于你作为雇主的信息。他们可以从Glassdoor等网站上了解到，如果他们在你的公司工作，咖啡到底是什么味道。所以，在经历了自我指导的研究之旅之前，他们不需要和招聘人员交谈。
不幸的是，如今，一些招聘人员试图通过增加招聘人数来适应。“增加被识别的人的数量、通过InMail和电子邮件发送的信息的数量以及拨打的冷电话的数量并不是答案。”它是低效率的。那么，我们该如何适应以提高我们的表现呢?简而言之，答案就在科技领域，以下是我认识的最聪明的招聘人员让科技为他们工作的几种方式，这样他们就能在更短的时间内找到更多的工作。
经常引用的技术工具
类似口袋招聘这样的匹配工具可以让你搜索社交网络、简历数据库和你自己的ATS/CRM，告诉你哪些求职者具备填补空缺所需的技能。他们搜索多个位置的速度比你快，而且因为他们嵌入了人工智能(在这一点上简单的人工智能)，他们返回的结果比你所能看到的要好。
在许多市场，失业率很低，候选人需求旺盛，很少有兴趣采取行动。那么我们怎么知道先和谁说话呢?人才输送产品正在招聘中出现，这些产品可以跟踪和评估求职者与你的社交媒体、职业网站/公司网站、登录页面、Glassdoor、YouTube等网站的互动。然后你可以根据一个实时的参与评分来对你的数据库进行排名，这可以告诉你谁先接触，然后节省大量的时间。
以上内容由HR Tech China AI翻译，仅供参考
原文链接：https://recruitingdaily.com/humans-are-actually-inefficient-recruiters/
-
观点
在时间序列预测方面，传统的统计方法往往优于机器学习方法
文/ Paul Cuckoo
今天，如果没有基于机器学习(ML)的解决方案，坐在分析环境中的会议上讨论解决问题的方法是不可能的。这是有道理的;从SVM、CART回归树到神经网络套件(BNN、RNN、LSTM)的ML技术提供了优越的预测能力。当将这种预测能力转换为时间序列预测时，自然会认为这些ML算法应该是首选。好吧,也许不是。雅典国立技术大学的3位预测专家最近发表的一篇论文可能会给出相反的建议; 就时间序列预测而言，ARIMA或ETS等传统统计技术实际上可能提供更好的预测性能。
研究小组利用来自已知数据源M3竞赛数据的1045个时间序列数据子集，测量了8种传统统计技术和8种先进的ML技术的预测性能。他们研究的主要结果，以及艾哈迈德等人早期的研究，如下图所示，其中sMAPE%用作误差指标(越低越好):
统计和ML方法的性能之间有明显的区别。然而，作者进一步考虑了这些方法的计算复杂度。通常，许多统计方法都可以在标准笔记本上几秒钟内运行。相比之下，一些神经网络需要在快速gpu上训练数小时。考虑到这一点，计算复杂度的扩展显示如以下图表:
正如现在所预期的，有一整套统计技术(Holt-Winters, SES等)，它们在计算上都非常简单，并且性能良好。作者继续写道:
“学术的ML预测文献存在的一个问题是，大多数已发表的研究提供了预测，并声称其准确性令人满意，而没有将它们与简单的统计方法甚至朴素的基准进行比较。这样做提高了ML方法提供准确预测的期望，但没有任何实证证据证明这是事实。”
他们的工作清楚地强调了ML方法更好这一错误假设。这也不需要考虑ML方法减少的可解释性和不确定性管理。正如一位同事最近所言，复杂性不一定是创新。
在OMD EMEA的市场情报部门，我们每天处理各种数据类型和结构，尤其是时间序列数据。尽管ML算法将继续成为我们在所有数据结构上提供的高级分析的基础，但本文的工作表明，传统的统计和计量经济学建模技术仍有很多可提供的，成本非常低。
（以上是我的个人观点，并不一定反映OMD EMEA或任何Omnicom公司的观点）
以上内容由HR Tech China AI翻译，仅供参考
-
观点
技术招聘和技术评估：什么不可行
文/ William Tincup
招聘技术职位是招聘工作中最昂贵的一项，不仅花费了金钱，还花费了资源、面试和评估的时间。在职位空缺的时候，有时候用不良雇员填补时，生产力损失的成本也很高。
这个数据是令人震惊的:
据CareerBuilder称，近75％的公司受到不良雇佣的不利影响。
美国劳工部(U.S. Department of Labor)的报告称，不良雇员成本接近员工年薪的30%。
BambooHR的研究人员发现，16%的新员工会在一周到三个月的时间内离开公司，31%的人会在六个月后离职。
科技产品和咨询服务公司CEB(现在的Gartner)最近的一项调查发现，平均技术职位空缺使公司每天花费500美元。
人力资源管理部门在其2016年人力资本基准报告中将平均每次出租成本定为4,129美元。 然而，对于那些数字飙升的技术招聘。 在招聘工程师的隐性成本中，Qualified.io首席执行官Nathan Doctor将一名工程师的雇佣成本量化为22,750美元。
很明显，有效地招聘和留住合适的技术人员对公司的利润至关重要，但实现这一目标通常会遇到三个障碍。
它们是:
严重依赖人力雇佣决策;
严重依赖简历;
没能雇佣懂技术的招聘人员。
严重依赖于人
人类，无论多么训练有素或厌恶偏见，都是有缺陷的。在面试中，他们有时会精神错乱，错过了候选人分享的要点。他们常常依赖于回忆，以及不完整的，在面试过程中使用的手写笔记。
人类在雇用最佳候选人的过程中遇到的最大障碍是，无意识地倾向于雇佣那些最像自己的求职者。
西北大学组织管理和社会学助理教授 (Lauren A. Rivera)研究了120家雇主和招聘委员会的招聘决策，看看雇主和求职者的文化相似性是否会影响招聘决策。她的发现是:雇主在经验、休闲追求和自我表现风格等方面寻找与自己相似的求职者。
伦敦商学院组织行为学教授Madan Pillutla同意Rivera的发现。
普鲁特拉在接受《商业内幕》采访时表示:“我们倾向于喜欢与我们相似的人——不管是来自同一个州，还是留着同样的发型。”
一种解释这种现象的方法是，自尊水平高的人对自己的个性感到满意。所以，当他们看到自己的品质反映在别人身上时，他们也会喜欢那个人。
这种行为的问题在于，高质量的求职者会被忽视，而因为错误的原因选择错误的求职者。
正如Pillutla所说，“如果我继续雇用像我这样的人，很快我就会有类似的人的组织，他们的行为也类似。”
神经领导力研究所(NLI)多样性与偏见实践主任海蒂·格兰特·哈尔沃森(Heidi Grant Halvorson)博士在她的Adobe博客中谈到雇佣相似者的影响，无意识偏见会抑制你的创造力吗?
同系化的团队——这是无意识偏见经常产生的——已经被证明与多样化的团队相比一直表现不佳。强烈的“群体思维”会产生，每个人都同意对方的观点，不再质疑对方的假设。这些同质群体也经常高估自己的表现。他们觉得自己走出了思维固化，实际上他们一直都没有。
在一个依赖创造力和独创性的行业中，这是一个有竞争力的丧钟。
严重依赖简历
许多专家预测简历会消失，主要是因为简历缺乏明确性和真实性。（最近的一项调查显示，53%的简历包含了虚假信息。）“简历是工程能力的可怕预测因素。”io创始人艾琳·勒纳(Aline Lerner)在博客上写道。“我看过数以万计的简历，在软件工程的角色中，人们写在纸上的看法和他们是否能胜任这份工作之间的关系往往非常小。”
HackerRank联合创始人兼首席执行官维维克•拉维桑卡尔(Vivek Ravisankar)表示，2018年将标志着开发人员简历的终结。
他对人力资源主管说:“这份简历适用于那些自学成才的人 - 包括当今大量软件开发人员的团队”
根据Ravisankar的说法，简历强调学校和以前的雇主，导致招聘人员在没有提供给他们展示自己技能的机会的情况下就放弃了合格的应聘者。
没有聘请精通技术的招聘人员
内森博士解释说，招聘一个技术职位的大部分成本是由于工程师花了很多时间来面试和评估求职者。与非技术职位招聘不同，招聘通才能够更准确地评估应聘者，工程和其他技术职位评估需要行业专家。然而，大多数公司都没有聘请技术招聘人员。
“一个公司的招聘过程常常会在面试前过度要求他们的工程技术人才，很多时候面试的应聘者一开始就不合格，”博士写道。
除了花时间审阅简历和面试之外，依赖技术部门的员工进行就业前评估，还会对生产率和底线造成严重后果。
博士写道:“看似微小的干扰会破坏工程师数小时的工作。“因为需要持续不断的精确关注以实现有效的解决方案，这种分散注意力实际上会因为工作流程中断而产生挫折效应 - 短期记忆会加载所有活动部件，让工程师重建他们的心理模型并采取行动 更多时间简单地回到平等。 长达一小时的分心实际上会减少工作时间。“
所以，如果人们在对求职者的评估上犯了错误，简历并不能很好地预测工作的成功，依赖IT人员来评估技术候选人对雇主来说成本太高，招聘经理该怎么办?招聘技术人员的聪明、高效的方法是什么?
关于技术招聘和技术评估的工作内容，请继续关注。我们正在做一个由eTeki的朋友赞助的三部分系列。第2部分即将揭晓。
以上内容由HR Tech China AI翻译，仅供参考
-
观点
如何加速创造人力资源分析价值的进程
文/Andy Charlwood教授
7月中旬，利兹大学的Andy Charlwood教授和3n Strategy的Nigel Dias将主持一个网络研讨会，讨论他们最近发布的人力资源分析战略报告的发现。
六年前，3n Strategy设计了一个框架，将人力资源分析功能分解为六个战略开发领域。 这些领域是（并且是）基于我们的战略性人力资源数据实践方法，我们在与组织合作设计其完整的人力资源分析战略时使用这些方法。
2015年，我们设计了一个工具，要求人力资源分析领导者回答28个问题（现在是37个），衡量他们在所有六个领域的优势和劣势，为投资时间和资源提供建议。在一次会议上，来自荷兰银行的Patrick Coolen和Auke IJsselstein建议我们将该工具大众化，对房间里的每个人进行基准测试——人力资源分析智库诞生了。
在2018年，智库已经超越了任何一个会议，超过100位人力资源分析专家允许我们分析他们在过去三年的旅程。该智库与英国利兹大学(University of Leeds)教授安迪•查尔伍德(Andy Charlwood)领导的学术智库合作，现在可以研究以下主题:
1、不同的人力资源分析功能创造了什么价值？
2、对人力资源分析的哪些类型的投资创造了这种价值？
3、在不到12个月、1-2年、2-3年和4年以上的时间内可以创造出什么样的价值?
4、公司能做些什么(有证据支持)来加速人力资源分析价值的进程?
在加速行程之前，你知道那次行程是什么吗？
创建人力资源分析价值的最大障碍之一是无法明确人力资源分析的价值。 在去年的研究中，我们决定验证“描述性”，“诊断性”，“预测性”和“规定性”成熟是否合理，以及这些差异在实践中的作用。77%的研究社区认为自己是“描述性的”或“诊断性的”，当被追问时，很难解释什么是更高级的分析价值。
记住!归根结底，人力资源分析将为你的企业增加多少价值，直接关系到它将在多大程度上改善你的公司做出人为决策的方式。或者更具体地说，回答关于您的员工的问题的方式 - 如果您使用人力资源数据和指标没有帮助某人在正确的时间用恰当的观点回答正确的问题，那么它就没有增加加它应该（或不应该）的价值。
关于如何进行人力资源分析的最佳实践建议并不缺乏——我们的研究表明，这些建议存在一些关键的局限性
人力资源分析功能的类型
虽然我们想要测试“描述性”到“规范性”分析的概念，但我们想要更详细地探索我们是否能够确定不同类型的功能如何形成的趋势，以及它们如何成长为当前状态。我们想要探索目前越来越普遍的假设，即高级人力资源分析功能需要提供更不成熟和更成熟的分析。
我们的研究结果可以在最终报告中更详细地找到，表明有五种分析类型：
1、基本报告
2、自动化先进的报告
3、高级BI
4、基本人才洞察力
5、高级人才洞察力
是什么阻碍了你实现人力资源分析价值的进程?
从下面的高管典型视频(或通过阅读报告)中可以看出，企业采用人力资源分析有许多障碍。最大的障碍之一不是关注人力资源分析职能的利益相关者是谁 - 大部分职能都是由业内最资深的人力资源部门赞助 - 而是他们对人力资源分析职能本身的理解 - 这一发现与2016年的调查结果数据相呼应。
对于人力资源分析知识较弱的利益相关者，他们的分析功能的成功程度更低，更难以表达他们所创造的价值，更不能帮助他们建立他们需要的团队，更不能打开正确的技术门，甚至更多。对HR分析有更好理解的利益相关者更能够将报告转移到HR数据的更高级用途。
对于希望创造更高级价值的功能，使用更高级的分析技术来回答HR的问题，关键是要确保您的高级涉众能够理解高级术语之外的HR分析。
从哪里开始?
行程的定义取决于您的去向以及您从哪里开始。 虽然我们可以使用分析工具来确定人力资源分析功能目前所处的位置，但分析当前正在分析的人力资源领域以及未来将要分析的内容非常有用。
同样，作为我们2016年报告的反映，有一些分析领域是公司优先考虑的，并且更容易分析。为什么有些组织首先攻击人力资源的更多主题领域，比如多样性，而有些组织则更容易从数据和统计能力方面进行分析。
实现人力资源分析价值的加速并不一定是困难的——将自己归类为更高级的功能，其平均年龄为29个月，仅比去年人力资源分析功能的平均年龄高出8个月。在研究中，我们更详细地探讨了差异可能是什么。
人力资源分析智库社区似乎正在努力解决两个主要问题:
定义人力资源分析的价值——他们很难定义分析将为他们的业务创造的价值，因此无法解开我们的智库网络研讨会演讲者(见下)能够解开的价值
使用高级分析——参与者的功能能够创造分析价值，但并没有得到他们希望的那么多影响力
这些主题以及更多的主题将在当前的报告中进行检查，并将在下一个报告中进行更详细的探讨。
以上内容由HR Tech China AI翻译，仅供参考
-
观点
挖掘“人力资源”是人力资源未来的核心：专家
文/Marcel Vander Wier
用于导航不断变化的工作场所，职业发展的坚实工具
根据该领域的专家大卫格林的说法，雇主正在转向数据“以支持更好的决策，改善员工体验，并实际提高人力资源的影响力”。
英国伦敦分析专家大卫格林表示，在人力资源领域，随着“数字革命”的推出，人力资本分析正变得越来越重要。
“我们正处于一个巨大的变革时期，”他说。 “变化从来没有发生过这么快，可以说再也不会这么慢了。 公司现在似乎在不断变革，不断尝试发明新的产品或服务，以适应在世界上的生存和发展。
格林说，在过去两年中，人类收集的数据量是以前世界历史收集量的九倍。
格林最近在多伦多举行的人力资源技术论坛上表示：“这确实提升了CHRO和人力资源部门的作用，几乎成为公司内三个最重要的角色之一，与首席执行官和首席财务官并重。”
他说，自动化角色和技能培训需要适当的准备和人力规划，分析证明是一个可靠的导航工具。
分析状态
“分析和数据是人力资源数字议程的核心，”格林说。 “它可以帮助我们理解：我们需要的组织形式是什么？ 我们公司需要哪些技能？"
“分析可以真正帮助将所有这些结合在一起，为公司提供一定程度的确定性。”
他说：“从本质上讲，人力资源部门正在从营销人员的书中学习经验，许多人使用分析来做出近20年的决策。”
格林说，分析可以提供高达13倍的美元回报率。
“我们可以谈论的人力资源项目并不多。”
他说，为了追求高绩效团队，高级领导人已经接受了人力资本分析是成功的重要因素，促进了这一领域的进一步发展。
大大小小的公司都在转向这些数据，以“支持更好的决策，改善员工体验，并实际提升人力资源的影响力。”
格林说，数据驱动的文化和基础来自于将分析的好处传达给所有员工 - 而不仅仅是人力资源。
“要透明。 与员工沟通您收集的数据以及原因，对他们有什么好处以及对公司有什么好处。"
最佳做法
格林表示，人力资源数据质量和一致性仍存在挑战，但大多数雇主应该有足够的资金开始。
但仅凭数据还不够。 他说，用于分析的报告数据并不总是与业务相关。
“不要从数据开始。 从业务问题开始，然后您就可以开始了解需要哪些数据源来解决这个问题，"格林说, “这不一定是在人力资源范围内使用分析和数据。 我们必须尝试打破孤岛心态，真正集中精力解决我们的业务问题。"
“通常情况下，一个组织试图解决的每个业务问题，都有个人的因素。”
他说，例如，将人员分析（如员工敬业度）与业务绩效联系起来是有帮助的。
让CHRO完全相信数据的力量在识别关键业务问题，联系利益相关者，将见解转化为行动也是有益的。
格林说：“这不是要在人力资源部门内创建一个团队。” “这是关于跨职能的协作......利用人力资源外部资源的能力确实是关键。”
“高级人员分析团队使用多个数据源，”他说。 “这不仅仅是围绕内部人力资源系统或调查。”
“ 请放心，并非所有人力资源部门都需要突然学会如何成为数据科学家 。”
Green在收集数据和进行分析以给出可操作的见解之前，推荐了一种方法，构建业务问题和建立可靠的假设。
他说，出色的故事可以促使高层领导推动建议。
前面的路
虽然人力资源趋势进一步向人力资本，但是至少在最初阶段，管理期望是必要的。
“不幸的是，当人们投资人力资本分析时，他们预计会立即回归，”格林说。 “它不一定会发生，除非你碰巧用你工作的第一个项目挖到了黄金。”
他说，个性化的职业轨迹是人力资本分析的根据，数据为工人提供技能路径，使他们能够获得他们所希望的工作。
“这对员工来说非常好，因为它真的支持了职业发展，而且它真的为员工个性化......如果没有数据和分析支持，你就无法做到这一点。”
数据收集的道德和隐私需要尽早考虑，因为在欧盟运营的所有雇主现在都必须遵守“一般数据保护条例”（GDPR）中规定的数据保护规则。
格林说，81％的分析被道德或隐私问题“危害”。
“如果你无法向员工阐明收集数据或做人力资本分析项目的好处，也许你不应该做。”
但他表示，虽然数据，分析和其他新兴技术可以增加人力资源在组织内的影响力，但人力资源将始终处于实践的最前沿。
“这不是取代判断或经验，”格林说。 “这是为了强化它，并希望它变得更好。”
用科技平衡人类
人力资源和招聘服务提供商Randstad Canada的首席执行官Marc-Etienne Julien表示，在分析时代，人力资源保持人性化仍然很重要。
“利用技术的好处和保持人性化的方法并不相互排斥，”他说。
在劳动力市场短缺的时期，公司应该利用技术来简化求职者的求职和申请流程，以及自动化人力资源流程中的重复性工作。
朱利安说：“这使得雇主再投资时间在积累更多经验上，通过面对面互动建立人际关系的方式。”
他说，虽然工作领域变化迅速，但人力资源从业者明智地开始实施分析，以便应对特定和即时的挑战，例如高流动率或招聘特定技能的问题。
Julien说，用户体验应该是整个过程的核心焦点。
“优先考虑用户体验对于为求职者和员工开发可访问和可用的工作场所工具至关重要。 尽早让您的员工参与进来，因为他们是主要用户。"
他说，通过技术解决方案节省的时间，再投资培训项目。
以上内容由HR Tech Cina AI翻译，仅供参考
-
观点
为什么非正式网络将彻底改变人力资源和人力资本分析？
文/Greg Newman
迄今为止，在利用全球人力资源和全球人力资源系统领域的非正式网络和团队的力量方面所做的工作很少。 团队合作的流动性和非正式性一直意味着在任何规模上都不可能捕捉到不断变化的团队成员和动态。
虽然由Karen Stephenson和Rob Cross等人开创的组织网络分析（ONA）背后的科学已经成熟，经过试验和测试，但是这些强大的数据点成为主流的能力一直是扩大这些洞察力的主要障碍。
毫无疑问，基于ONA的传统调查产生了很好的结果，但其“时间点”性质和高成本开销意味着虽然可以识别和衡量团队和联系，但几乎不可能保持数据最新。
非正式网络终于可见了
图1：揭示支撑正式级别结构的关系。
像我自己（trustsphere.com）这样的公司最近的技术飞跃已经将ONA从基于纸张的流程转变为实时连续的数据流，这改变了组织映射其非正式网络的能力，并了解工作真正完成的方式。
随着人力资源和新成立的人力资本分析/劳动力分析团队试图解决看似Sisyphean的挑战，试图衡量参与度，生产力和员工幸福感，作为一种直接的替代方案，ONA可以提供硬数据并回答特定的业务问题。
我预测2017年将成为ONA成为主流的一年，并最终得到应有的认可，因为它展示了它如何能够快速阐明这些类型的业务关键问题：
谁是我们最有影响力的员工？
图2：找到将网络连接在一起的隐藏影响者。
通过测量中心性，特征向量中心性（以及其他一些秘密调料），ONA可以快速量化员工施加影响的能力（甚至可以在组织内部实际影响他们的非正式网络）。这使组织能够在组织中找到可以帮助推动变革和支持业务转型的隐藏影响者。
我们实际上需要做谁的持续计划？
图3：谁拥有最独特和最有用的网络？
持续计划一直是一个相当公式化和粗略的过程，通过简单地查看员工在正式层级中的位置来确定目标角色。通过查看每个员工的网络，其独特性，隔离性和重叠量，ONA帮助组织找到那些对管理关键内部和外部网络至关重要的员工，以及实际应该进行持续计划工作的员工。下一步是了解哪个员工最适合，谁已经建立了类似的网络或显示可能的继任者的网络潜力。
我的员工如何融入在组织中？
图4：反映员工融入人际网络的改变。
从跟踪新的首发网络的速度和传播到识别隐藏的僵尸，吸血鬼和识别潜在的飞行风险，ONA可用于提供员工内部和外部网络的增长，平稳，停滞和收缩的实时洞察，员工总体参与和表现的主要信号。
良好的领导行为是什么样的？
图5：领导行为的量化证据。
衡量一线经理与其直接报告之间的强大关系数量，了解优秀领导者网络如何在整个组织中传播，并对最佳领导者的网络进行基准测试现在都是可能的。提供重要数据和面向行动的辅导建议可帮助组织培养自己的领导者。
我们在哪里协作得好，哪里不好？
图6：衡量个人和团队的协作。
衡量协作一直很困难，衡量协作的变化，几乎不可能，但ONA提供有关信息流，关系的力量以及个人及其工作的团队和单位的网络活动的数据。突然间，合作已经从抽象和理论，到可衡量和可行的。
ONA能够帮助识别所有这些行为和活动，然后监控其变化，这为世界各地的组织提供了识别，培养和留住顶尖人才的独特竞争优势。
人力资源团队非常关注组织的正式结构和级别结构，但随着市场中的计算进步和创新技术，最终有可能大规模地研究组织中的非正式网络。
以上内容由HR Tech China AI翻译，仅供参考
-
观点
留住新员工，确保你在第一周与他们见面
文/Dawn Klinghoffer, Candice Young, Xue Liu
工作场所的第一印象真的很重要 - 而不仅仅是雇主。 新员工可以从一开始就制定关于组织的印象，从而影响他们长期留在公司的决定。 不良的入职经历会导致不必要的和可预防的营业额，其成本可能是员工年薪的两倍。
然而，很难衡量你的入职努力是否成功。 在微软，我们每年雇佣成千上万的人，除了试图从人员流失数据中得出结论之外，我们缺乏一种衡量我们入职体验的好方法。
为了更好地理解我们所谓的“早期消耗”，我们转向了一个被忽视的明显机会。 我们开始简单地向员工询问他们的经历。 我们创建了一项调查，并在第一周后进行了调查，然后在90天后再次进行调查，以了解新员工的体验和微软的第一印象。
从调查中我们了解到，对于新员工来说，最重要的是小事情 - 比如拥有一台正常工作的电脑，并在第一天立即访问建筑物，电子邮件和内联网。 在此基础上，我们将人员从薪资，IT，移民，法律，全球安全，学习，采购，招聘和人力资源等方面拉到了一个共同的目标：确保新员工在第一天的工作效率。团队的每个成员都为共同目标做出了贡献，因此所有组织障碍都被打破了。 现在我们每月审查进度，学习和分享想法和反馈，以保证所有新员工的成功。
深入研究，我们想了解他们的早期行为如何影响约3,000名新员工的参与。 通过与Microsoft的Workplace Analytics部门合作，我们将匿名日历和电子邮件元数据与（同样匿名的）参与数据相匹配。用来评估参与度的声明包括“我为微软工作感到自豪”和“我希望在微软工作多年_”。
我们了解到，新员工在第一周与经理进行一对一的会谈至关重要。 那些确实看到了三个关键领域的早期增长。
首先，他们往往在90天内拥有12％更大的内部网络和双重网络中心性（员工网络中的人员所具有的影响力）。 这很重要，因为发展内部网络的员工认为他们属于并且可能会在公司停留更长时间。例如，内部参与的员工打算按照我们的意向保留措施保持高出8％的比率。 他们还报告了对团队更强烈的归属感，同时保持他们真实的自我。
其次，他们举行了更高质量的会议。 高质量的会议减少的次数减少，出席的管理层次减少，会议期间发送电子邮件的与会者减少，参与者总数减少，而且往往也会缩短（一小时或更短）。
第三，他们与团队合作的时间几乎是那些没有一对一的团队的三倍。 这种早期的团队协作非常重要：花费更多时间进行协作的员工比不参与团队的员工更有利于归属，并且他们倾向于报告更高质量的会议。
这些和其他见解帮助我们突出了员工的体验，并指导我们在哪里进行调整，以使新员工的体验更加出色。 这只是微软的开始。 我们现在正在尝试其他方法来改善入职体验，重点关注新员工的网络 - 特别是当经理在不同的地方工作时。
但在一天结束时，这一切都归结为：不要低估在一个人的第一周内进行一对一的力量。 这听起来很明显，但它可能是新员工最重要的联系。
以上内容由HR Tech China AI翻译，仅供参考
-
观点
人力资本分析：组织网络分析和未来的工作
来源/trustsphere.com
文/Antony Ebelle
简介
在当今的超级协作组织中，经常被忽视但重要的洞察力来源是员工培养获取知识，分享信息，创新和创造工作价值的无数关系网络。
这些协作网络也被称为组织的社会资本，对于工作实际完成，企业成长和人员成功至关重要。这意味着，通过将网络维度应用于组织内的不同员工组，HR可以以更相关的方式为企业生产力，人才实践和组织效率做出贡献。
ONA如何衡量社会资本
传统上，人力资源数据侧重于人力资本方面，如员工人口统计，资格，经验和技能，并且始终只在个人层面进行衡量。
图一、完美组合
社会资本由员工在团队中，整个组织内部以及与外部各方在工作过程中发展的非正式关系组成。 事实上，正是通过这些关系和网络他们的大部分工作实际上都已完成。 在今天的网络化团队组织中，社会资本比以往任何时候都更加重要。 除了在个人层面进行测量外，还可以针对团队和部门进行测量。
组织中的社会资本表现在六种不同类型的关系网络中：
工作网络：员工与他们交流信息，作为日常工作的一部分。
创新网络：员工与谁合作或启动新想法。
社交网络：与员工建立友好关系，无论在工作或下班，知道员工发生了何种事情。
学习网络：员工与谁合作改进现有流程或方法。
专业网络：员工转向专业化或就工作相关问题提供建议。
战略网络：员工向谁寻求未来的建议。
社会资本的资源可以通过个人和商业网络获得。 社会资本的有效性取决于这些个人和商业网络的规模，质量和多样性，如上面六个确定的组成部分所述。但除此之外，如果您通过网络与他们间接联系，社会资本还取决于您不知道的人。 证据表明在商业环境中，社会资本显著提高了生产力，效率和绩效。与不能或不愿释放社会资本力量的同行相比，建立和使用社会资本的个人获得更好的工作，更好的薪酬，更快的晋升，并且更有影响力和有效性。 组织也是如此。 以下案例研究是社会资本如何增加价值的例子。
它是如何应用的？
识别HiPo员工
有效的高潜力（HiPo）开发计划的好处是众所周知的，很明显，识别HiPos对于组织的持续成功至关重要。 证据令人信服：
HiPos比普通员工多贡献了21％的工作量，比核心员工产生的价值高出91％，并且作为未来领导者的成功率是其三倍。
然而，识别和保留HiPos的难度也很复杂：
排名前四分之一的员工中只有29％是HiPo员工。
25％的HiPos计划在明年内离开公司，而另外75％的HiPos比其他员工离开的可能性高10％。
HiPo员工的愿望，能力和敬业度都很少见。 这些概念是无形的，难以可视化。 因此，在传统的过程中无法识别和量化它们。
绩效评估：
协作：他们知道信息所在的位置，并可以与其他人一起访问。
能量：HiPos一直有动力改善自己，其他人则受其影响精力充沛。
勇气：冒险是他们节奏的自然组成部分，他们不怕面对艰难的挑战。
生产力：他们在更短的时间内完成更多的工作。
影响：HiPos可以通过让人们喜欢的方式与其他人交谈，从而提高社交网络技能。
许多HiPo特征都存在于员工的社会资本中，通过测量和分析网络行为，ONA使组织能够发现这些特征并识别HiPo员工。
必须指出的是，这种衡量只能通过社会资本视角来实现。 要得到应该考虑到员工的全貌，传统的人力资本措施和社会资本措施。
ONA可以根据经验测量以下HiPo特性：
网络关系和力量：
员工与同事之间的关系有多强？ 这些关系越强烈，价值创造的越好。
网络覆盖面：
员工的网络覆盖范围有多广，他们与同龄人，高级和初级员工，不同团队，部门和不同物理位置的关系如何？
影响力：
HiPos对于信息流的影响至关重要。组织，通常是将网络连接在一起的关键连接器。这标识了可以推动和支持组织变革，创新和专业知识共享的关键员工。
图2、HiPos构建40％以上与普通员工的关系
协作：员工之间的关系和网络证明了他们在团队内部以及其他团队和部门中施加影响的能力。
测量完成后，可以通过两种方式使用此HiPo数据：
1、测量当前HiPo库的质量
现有HiPo库员工的社会资本可用于验证其社会资本的强度，并在验证库的质量时，为未来的HiPo库成员建立基准和目标。
2、通过组织识别隐藏的人才
通过使用社会资本数据开始识别过程，可以以无偏见和标准化的方式选择候选人，从组织中的任何地方凭经验识别具有高水平社会资本的员工，并通过偏见和弱流程减少问题，这意味着许多HiPo 库的潜力并不高。
结论
随着工作的未来变得更加协作，组织转向敏捷团队网络，了解个人和团队如何工作和建立关系的能力对于业务成功变得越来越重要。
ONA利用实时社会资本洞察力增强传统的人力资本数据，使前瞻性组织能够支持数据驱动的决策，减少无意识的偏见，加强各种人力资源流程，并为企业提供基于证据的观察 增强本能，实现更高绩效，更具包容性和更高效的组织。
以上内容由HR Tech China AI翻译，仅供参考。
扫一扫 加微信
hrtechchina
