4/4 可免費閱讀文章篇數免費閱讀

關於人力資源大數據:此時此地

萬惡的人力資源主管 W.J. Chang
瀏覽人數:5478
除了規模很大、人力資源編制和預算比較豪華的企業,絕大部分公司的人力資源單位要投入所謂的「人資大數據分析」,大概都會遇到類似的困難。

我們大概都讀過一些有趣的研究,比方說辦公桌凌亂的員工比較有創造力、有運動習慣的員工績效較佳、夜貓子型的員工比較適合創意類型的工作、成功的人都有閱讀的習慣.……前一陣子,我也試著在公司裡做了全體員工的問卷調查,詢問員工有沒有運動習慣、有沒有閱讀習慣、逛街嗎、釣魚嗎、拿甚麼牌子的手機、家中排行第幾、慣用右手或左手.……想要透過統計,看看能不能找出績效表現好的員工的特徵或樣貌。

結果不能。

從技術層面的角度,大多數人都可以理解問題出在哪裡:公司的規模是個問題,對一家只有幾百位員工的公司而言,要從當中找到有意義的統計結果並不容易。再者,對不同職務的員工而言,績效的定義可能有相當大的差異。比方說負責薪資計算的人力資源專員和負責第一線銷售的門市業務人員,和負責處理客戶抱怨的電話客服人員,需要的技能和特質可能大不相同。細心文靜的員工可能在A部門是位績優員工,只不過到了B部門就不受主管青睞。當公司規模小,不同職務又需要能創造不同績效表現的人員時,每一個職位可能都只會有個位數的員工,要從統計中找出該職位的績優員工應該是甚麼樣貌,是個不可能的任務。

問卷的設計也可能是原因,當我們說有運動習慣時,我們談的究竟是每天運動、一週運動三次、一週運動一次、或是一個月一次 (這樣還可以稱為有運動習慣嗎)?然後,跑步和打球是同一回事嗎?一個人跑步和號召三五跑友一起跑步背後代表了不同的意義嗎?如果我們誤把這些那些其實反應了不同特質的行為統統歸類為「有定期運動的習慣」,然後再拿它來和員工績效進行統計分析,要得到結果當然就會有一點困難。最後一個問題則是,績效本身是否客觀正確,恐怕也有可議之處。如果我們討論的是業務人員的銷售成績、生產線上的生產效率,這些績效指標確實比較容易量化和衡量;但很多智慧密集或創意密集的職位,其工作績效有一定比例其實和質有關,就好像我們在一開始舉的例子「辦公桌比較凌亂的員工創造力較佳」,光是要如何衡量創造力,就是非常大的挑戰了。

過去人力資源單位談到數據管理,不外乎就是離職率、教育訓練人時數、內部晉升比率、員工滿意度、篩選率……這些差不多都已經變成人資單位標準的KPIs了。要說員工特質和績效之間的關聯性,過去幾十年來也有過許多嚴謹的學術研究,比方說五大人格特質當中的勤勉審慎性對員工績效的預測力、內外控人格對員工績效的影響、組織公民行為和離職率之間的關係……但最近因為大數據的風潮,許多趨勢分析專家為人力資源管理提出了美好的未來,期望把人資數據分析當成人事決策的依據:不同的員工福利措施對員工滿意度提升的差異、加薪幅度對員工留任的影響、如何從履歷表中就預測應徵者的適任性、如何從員工行為預測該名員工是否正打算離職.……只不過,除了那些規模很大、人力資源編制和預算比較豪華的企業,絕大部分公司的人力資源單位要投入所謂的「人資大數據分析」,大概都會遇到類似的困難,就像我自己的經驗,面對一大堆數字,連該問甚麼問題都不太確定,更遑論去驗證這些問題的假設是否為真。

針對上述的挑戰,有沒有可能是,比方說某一個有能力進行大數據分析的外包商,收集各家公司的資料、完成分析之後再將結果回饋給企業?現在已經有公司正在嘗試透過人工智慧來分析應徵者履歷以協助主管做出甄選決策,而推動這項科技發展的,目標都是希望成為眾家企業人力資源單位的解決方案,而不單單只是為了自己的公司提高甄選效率。當然,這中間有員工個資保密的議題要解決,某些國家對於企業將員工資料交給第三方 (尤其是如果這個第三方是個跨國的大數據資料庫)進行大數據分析可能會有意見;但想一想,現在人力資源領域中行之有年由公正第三方執行的薪資調查,不也就是這種運作模式?所以我個人認為,隨著科技的發展,也許不久的將來就會有所突破。

總的來說,因為各種演算法、大數據和人工智慧的推進,許多企業都正在積極推動數位變革。在這個浪潮之下,人力資源工作勢必也要跟著改變。我知道已經有許多人力資源領域的專家開始投入這件事情,也相信目前的挑戰還非常非常多。不過這個改變可能會比較像是指數函數,現在進展很緩慢,將來則有可能會越來越快,並且對人力資源單位產生非常巨大甚至驚人的衝擊。



萬惡的人力資源主管

萬惡的人力資源主管 W.J. Chang

跨國公司的人力資源主管。大學念的是心理學,碩士念的是人力資源管理。因為年輕不懂事,曾經任職於學術單位、顧問業、高科技業、通路業、金融產業、網路資訊業。從事人力資源管理工作約20年,大部分的工作資歷在台灣,也曾經幸運地被派到海外去工作過。


本篇文章主題人資管理

你可能還會想看

您已閱讀 4

您的免費閱讀篇數即將到達上限。

登入哈佛商業評論網站會員,即可觀看更多免費閱讀文章!

登入會員 »