本文出自

五大創新「硬道理」

五大創新「硬道理」

2019年1月號

不只認識他們是誰,還要看他們認識誰》六大面向探索人才力

Better People Analytics
保羅.雷奧那帝 Paul Leonardi , 諾西爾.康特拉特 Noshir Contractor
瀏覽人數:2646
  • "不只認識他們是誰,還要看他們認識誰》六大面向探索人才力"

  • 字放大
  • 多人授課購買
    購買〈不只認識他們是誰,還要看他們認識誰》六大面向探索人才力〉文章
  • 個人收藏購買
    購買〈不只認識他們是誰,還要看他們認識誰》六大面向探索人才力〉PDF檔
    下載點數 10
員工的成功,可以從個人人際關係的角度來解釋。關鍵在於找出「結構特徵」:社交網絡模式可預測誰有好構想、哪些員工最具影響力、哪些團隊具備效率、哪些最擅長創新、哪裡存在孤立單位、企業無法承擔失去哪些員工的後果。

「我們有圖表支持。所以,滾開。」

幾年前開始,Google人員分析部門的新進員工會收到一個筆記型電腦的貼紙,上頭寫著這樣一句話,他們可能覺得需要捍衛自己的工作。人員分析部門使用員工數據資料的統計見解,來制定人才管理決策。當時這種做法仍會引發人們質疑,許多持懷疑態度的人擔憂,這最終可能導致公司把個人矮化為數字。人力資源部門收集有關員工的資料,但是,認為能透過積極挖掘這些資料來了解和管理員工,這樣的想法當時仍相當新穎,也相當可疑。

大多數人員分析團隊採用狹隘的資料分析方法。他們只使用有關個人的資料,但人員之間互動的資料是同等重要,或更加重要。

現在已不再需要這種貼紙了。目前有超過70%的公司表示人員分析是優先要務。這個領域甚至還有知名的案例研究,如Google的「氧氣計畫」(Project Oxygen),這家科技巨擘找出內部最佳經理人的實務做法,然後在教練指導課程裡運用這些做法,以改善低績效人員的工作。其他例子也顯示人員分析的威力,像是戴爾(Dell)進行一些實驗,以提高銷售人員的成功率。

但正如常發生的情況,過度吹捧往往脫離現實。事實是,人員分析在過去十年只有微幅的進展。塔塔顧問服務公司(Tata Consultancy Services)所做的一項調查發現,大數據的投資只有5%投入向來負責人員分析的人資部門。德勤(Deloitte)近期的一項研究顯示,雖然人員分析已成為主流,但只有9%的公司自認已清楚掌握哪些人才面向可驅動自家組織的績效。

為何會如此?就像前述貼紙所說的,如果人員分析團隊有圖表支持自己的決策,為什麼沒有產生預期的結果?我們認為,這是因為大多數團隊仰賴狹隘的資料分析方法:他們只使用有關個人的資料,但其實人員之間相互作用的資料同等重要,或更加重要。

人際互動是當前一個新興學門關注的重點,我們稱之為「關係分析」(relational analytics)。公司如果把關係分析納入本身的人員分析策略中,就更能找出有能力協助公司實現目標的員工,無論目標是提升創新、影響或效率。公司還能更深入了解,無法承擔失去哪些關鍵參與者,以及組織中有哪些單位自行其事,與其他單位各自為政。

所幸關係分析的素材早已存在企業中。那就是電子郵件寄送、聊天和檔案傳輸所產生的資料,也就是企業的「數位廢氣」(digital exhaust)。企業若是挖掘探究數位廢氣,就可以建構良好的關係分析模型。

我們在本文中提供一個架構,用於了解和應用關係分析。我們有圖表來支持自己的論點。

關係分析:更深入的定義

迄今為止,人員分析主要著重在員工的屬性資料,屬性資料主要有兩種:

●特徵:關於個人不會改變的事實,例如,種族、性別和工作經歷。

●狀態:關於個人會有變化的事實,例如,年齡、教育程度、公司任期、收到的獎金價值、通勤距離和缺席天數。

這兩類資料通常被匯集起來,以找出群體特性,例如種族構成、性別多元性和平均薪酬。

屬性分析是必要的,但還不夠。匯集的屬性資料看起來可能像關係資料,因為它涉及多人,但其實它並不是關係資料。例如,關係資料會抓取一天內不同部門的兩個人之間的通訊。簡單來說,關係分析是有關人們社交網絡的科學。

數十年的研究提出讓人信服的證據顯示,員工之間的關係,加上他們的個人屬性,可以解釋他們在職場的表現。關鍵是找到「結構特徵」,也就是資料中的一些模式,這些模式與某種形式的好(或壞)績效相關。就像神經科醫師可以在大腦網路中找到一些結構特徵,用以預測躁鬱症和思覺失調症(schizophrenia);化學家可以查看液體的結構特徵,以預測它運動的脆弱性;組織領導人可以檢視公司社交網路的結構特徵,以預測個別員工、團隊或整體組織未來的創意和成效如何。

關係分析的六個特徵

根據我們自己的研究和我們為公司進行的顧問諮詢工作,以及其他學者的大量研究,我們找出六個結構特徵,應可作為任何關係分析策略的基礎。

讓我們逐一檢視。

●概念發想

大多數公司為了找出擅長構思想法的人,於是嘗試檢視教育背景、經驗、個性和天生智力等屬性。這些事情固然重要,卻無法讓我們看出人們自他人那裡獲取資訊的能力,也看不出他們資訊來源的多樣性,而這兩者可能都更為重要。能產生良好想法的人,常會把來自某個團隊的資訊,和另一個團隊的資訊結合起來,以發展出新的產品概念。或者他們會使用某個部門打造的解決方案,來解決另一個部門的問題。換句話說,他們在網路中占據了中介者的位置。

社會學家隆納德.伯特(Ronald Burt)開發了一個衡量指標,可顯示某人是否處於中介者的位置。這個指標被稱為「局限」(constraint),它呈現某人在收集獨特資訊時的局限程度。針對許多不同對象的研究都證實,低局限的員工(亦即不受小而緊密人際網路局限的員工),更有可能產生會被主管認為是新穎有用的想法;這些研究的對象包括多種職業,包括銀行家、律師、分析師、工程師和軟體開發人員。

伯特在一項研究中,貼身觀察美國一家大型電子公司的高階領導人,如何運用關係分析,來決定六百多名供應鏈經理人中,誰最有可能構思出改善效率的想法。他們使用問卷調查向經理人徵求這類想法,同時也收集有關他們社交網路的資訊。然後,資深高階主管針對他們提交的每個想法,為它們的新穎度和潛在價值進行評分。

唯一能略微預測個人是否能產生有價值想法的屬性,是他們在公司的資歷,而且相關性並不高。使用概念發想特徵(也就是低局限)來預測,相關性更高得多:在自己的社交網路中展現低局限特徵的供應鏈經理人,比展現高局限的經理人,更有可能產生好的想法。

本文作者之一保羅對一家大型軟體開發公司所做的研究,支持這個發現。該公司的研發部門是一個「穴居人世界」。雖然這個部門裡的工程師超過一百人,但平均每人只與其他五個人交談,而且這五個人通常只相互交談。他們與其他「洞穴」的接觸有限。

這種高局限網路在組織中相當普遍,特別是那些從事專門工作的組織。但這並不表示低局限的人不會躲在顯眼的地方。在那家軟體公司,關係分析能夠找出少數一些工程師,他們確實橫跨多個社交網路。然後主管制定了一個計畫,鼓勵他們做自己原本就常做的事情,結果不久就看到他們為改善產品而提出的想法,在數量和品質方面都顯著提升。

●影響力

構思出好的想法,並不保證人們會採用它。同樣地,只因為一位高階主管發布變革命令,不代表員工就會執行。落實想法需要影響力。

影響力的運作方式,和我們假定的不同。研究顯示,最能影響員工的人,不論是正面或負面影響,並不是公司的高階主管,而是那些較不具正式角色的人。

但影響力的運作方式和我們假定的不同。研究顯示,最能影響員工的,不論是正面或負面影響,不是公司的高階主管,而是那些扮演較不正式角色的人。

如果真是這樣,高階主管只需找出那些受歡迎的員工,讓他們說服同事加入新的行動方案就可以了,對吧?錯。

曾和保羅合作的一家大型醫療設備製造商,在推出新的法規遵循政策時,嘗試了這種方法。為了傳播對新政策的正面看法,變革管理團隊將政策的優點,告知被最多人評為具有影響力的員工。但六個月後,員工依舊沒有遵循新的程序。

為什麼?關係分析得出一個違反直覺的觀點,對此提供了解釋:被大量同事認為具有影響力的員工,未必就是最有影響力的人。相反地,最有影響力的人,是那些和其他人有很緊密連結的人,即便只是與少數人有連結。此外,與這些人有緊密連結的人,各自又與其他人有很緊密的連結。這意味影響者的想法可以進一步傳播。

影響力的結構特徵稱為「匯集顯著」(aggregate prominence),它的計算方式是衡量個人社交連結的緊密程度,以及這些連結之間的連結程度(搜尋引擎是用類似的邏輯來為搜尋結果排列順序)。

針對前述那家醫療設備製造商九個部門所做的關係分析,找出每一個部門裡匯集顯著分數最高的五個人。公司詢問他們對公司新政策的看法。大約四分之三的人認為這是正面的政策。無論是支持或不支持新政策的影響者,公司都提供相關事實來減輕他們對變革的擔憂,然後等待結果。

六個月後,這九個部門中超過75%的員工已採用新的法規遵循政策。相比之下,其他七個受到影響但未使用關係分析的部門,只有15%的員工遵循新的政策。

●效率

為團隊配置適當人力,以便有效率地完成工作,這看起來似乎應該很簡單,只需要運用具備最佳相關技能的人即可。

屬性分析可以幫忙找出具備技能的人員,但不能確保工作按時完成。為此,你需要關係分析來衡量團隊的互動關係,以及運用外部資訊和專業知識的能力。

不妨參考雷伊.雷根斯(Ray Reagans)、伊斯拉.祖克曼(Ezra Zuckerman)和比爾.麥克艾維里(Bill McEvily)的研究結果;這項研究分析了美國某家大型合約研發企業逾1,500個專案團隊。這項研究的假設是,取得廣泛資訊、觀點和資源的能力,可以改善團隊績效,因此研究人員將成員的人口統計特性多元性對團隊成果的影響,與團隊成員社交網路的影響進行比較。其中一個問題是,真正影響公司團隊多元性的變數只有兩個,即任期和職能(種族、性別和教育等其他變數,已整合到職能變數之中)。儘管如此,結果顯示,這兩個領域的多元性對績效的影響很小。

該公司30%專案團隊的內部密度和外部範圍,只要高於平均值一個標準差,就可以在17天內節省超過2,200個人工小時。

但改採關係資料之後,提供更深入的見解。研究人員發現,兩個社會變數與更好的績效有關。第一個是內部密度(internal density),也就是團隊成員之間的互動量和相互連結程度。若要建立信任、承擔風險、針對重要問題達成共識,高內部密度非常重要。第二個社會變數是團隊成員接觸對象的外部範圍(external range)。在擁有較高外部範圍的團隊中,每個成員都能接觸到團隊外部的專家,而且與其他成員接觸到的對象不同。這讓團隊更能夠獲取重要資訊,並取得在期限內完成工作所需的資源。因此,高效率團隊的結構特徵是,高內部密度加上高外部範圍。

在前述那家研發公司裡,擁有這種特徵的團隊完成專案的速度,比沒有這種特徵的團隊快得多。研究人員估計,該公司30%的專案團隊的內部密度和外部範圍只要比平均值高一個標準差,就可以在17天內節省超過2,200個人工小時(labor hour),相當於額外完成近兩百個專案。

●創新

具有效率特徵的團隊很可能無法成為創新團隊,因為分歧和衝突對創新團隊有益。

還有什麼其他因素造就成功的創新者團隊?你可能以為,只要把表現最佳的員工組合在一起,就可以產生最佳結果,但研究顯示,這可能對績效產生負面影響。雖然傳統觀點認為,由具有不同觀點的成員組成的團隊會更有創意,但研究也指出,成員多元性不是預測團隊創新成功與否的良好指標。根據我們的經驗,即使是由想法豐富的成員所組成的創新團隊,績效常也只是平均水準。

但如果改採關係分析,你就可以使用衡量團隊效率所用的相同變數(也就是內部密度和外部範圍),來設立前景看好的創新團隊。只不過公式略有不同:創新特徵是高外部範圍和低內部密度。也就是說,你仍然需要團隊成員有廣泛、不重疊的社交網絡(若有可能,最好是有影響力的社交網絡),以獲取不同的想法和資訊。但你不應組成一個緊密交織的團隊。

為什麼?團隊內部的互動更多,會導致類似的思考方式,分歧也較少。這對效率有益,卻不利創新。最能夠創新的團隊會有分歧和討論,有時甚至會產生衝突,而分歧和討論可帶來必要的創意摩擦,以產生突破。

創新團隊需要高外部範圍,不僅是為了帶來構想,也是為了取得支持和同意。創新團隊必須資助、建立和推銷自己的構想,因此有良好人脈的外部聯繫人,若成為團隊的支持者,將對團隊的成功產生重大影響。

保羅和一家美國大型汽車公司合作多年,該公司試圖改善產品開發流程。它的每一個全球產品開發中心都有一個主題專家團隊,專門負責這個挑戰。該計畫的負責人指出:「我們非常謹慎地挑選成員。我們選擇有適當職能背景的人員,他們持續在做創新工作,我們確保成員擁有不同的背景,年齡也不同。」換句話說,那些中心使用屬性分析來組建團隊。

然而在位於印度的一所新的中心,經理人無法建立成員人口統計特性多元的團隊:中心裡所有的工程師年齡大致相同,背景相似,職等也大致相同。因此,經理人改為挑選曾參與過不同辦公室專案的工程師,而且他們曾在該中心不同區域工作過,結果自然創建了一個具有較高外部範圍的團隊。

碰巧這樣的團隊也表現出較低的內部密度。團隊成員可以自由辯論,並透過測試來解決意見分歧。他們一旦找到新的程序,就會回頭去找自己的外部聯繫人,讓他們作為影響者,說服其他成員認可自己的工作。

三年後,那個印度中心的團隊產出的流程創新,遠多過其他團隊。五年後,那個團隊的產出幾乎是所有其他團隊總和的兩倍。因此,該公司開始用關係分析來補充原本的屬性分析,以重新配置其他地點的創新團隊。

●孤立單位

每個人都討厭孤立的單位壁壘分明,但這是自然而且無法避免的。隨著組織開發深入的專業領域,幾乎不可避免地,各個職能、部門和事業部的合作能力越來越差。他們沒有相同的技術語言,或者沒有相同的目標。

我們藉由衡量組織的模組化程度(modularity),來評估組織裡各單位各自為政的程度。簡單來說,模組化就是團體內部交流對外部交流的比例。當內部對外部交流的比大於5:1時,那個團體就被視為「有害孤立」。

我們遇到過內部各單位壁壘分明情況最令人驚訝的組織之一,是一個小型的非營利消費者權益團體,它想了解自家網站的流量為何下降。它芝加哥辦事處的六十名員工分屬於四個部門:業務開發、營運、行銷和公關,以及財務。其中每個部門都是典型的孤立組織,對發生的事情各自有不同的看法。

分析顯示,所有四個部門的內部與外部交流比都超過5:1,最極端的是營運部門的13:1。當然,營運部門對於網站訪客的看法最客觀。它坐擁大量資料,可以知道人們何時和為何來拜訪網站,以及訪客是來抱怨或讚揚公司。

其他部門甚至不曉得營運部門有收集這些資料。營運部門也不知道其他部門可能會覺得這些資料很有用。

為了解決這個問題,該組織要求每個部門的某些員工擔任聯絡人。他們安排每週一次的固定會議,讓各部門的經理人聚在一起討論自己的工作。每次會議都設定主題,讓與主題相關的較低層級員工也參加討論。

簡單來說,這家非營利組織為員工設計安排了更大的外部範圍。結果,營運部門了解到,行銷和公關部門可能可以善用某些發現,例如,來自某個產業的抱怨增加,可能和特定的天氣模式和季節有關。營運部門員工知道,這些見解可能會很有用,所以開始以新的方式分析他們的資料。

●脆弱性

有人可以協助在組織裡傳播資訊和見解,這雖然是很健康的一件事,但過度依賴這些人可能會讓公司變得脆弱。

以一家世界頂級消費品公司的包裝部經理艾爾文德(Arvind)為例。他是「連結者」,是連結數個部門的橋梁,而且他固定與世界各地的同行和供應商交流。但在組織圖上,艾爾文德沒有什麼特別之處:只是一個在自己職位上表現良好的中階經理。公司很可能面臨失去艾爾文德這類員工的風險,因為沒有明顯的屬性可顯示他們的重要性,所以公司只有等到失去之後,才會了解他們的價值。

如果沒有艾爾文德,包裝部門將不再「穩固」。如果刪除網路節點(也就是員工)之後,各個連結仍可維持,就代表網路很穩固。在這個案例中,如果艾爾文德離開公司,一些部門將失去與其他部門和供應商的所有聯繫。

這並非艾爾文德不可替代,只是沒有他的「候補人員」。公司不了解,沒有其他節點提供艾爾文德所提供的必要網路連結。這讓網路變得脆弱:如果艾爾文德生病或去度假,工作進展將變慢。如果艾爾文德不喜歡其中一個供應商,而停止和對方互動,工作也會變慢。如果艾爾文德手上工作太多,無法掌握許多聯繫人的最新資訊,工作也會放緩。

並非艾爾文德不可替代,只是沒有他的「候補人員」。公司不了解,沒有其他節點提供艾爾文德所提供的必要網路連結。這讓網路變得脆弱:如果艾爾文德生病或去度假,工作進展將變慢。

就在諾西爾造訪包裝部門,準備向公司說明這種脆弱性的那天,他走進會議室,看見桌上擺滿各式糕點。一位高階主管高興地告訴他,他們正在為即將退休的艾爾文德舉辦歡送派對。諾西爾聽了非常驚訝。派對繼續進行,但在了解艾爾文德的重要性之後,公司和艾爾文德達成協議,讓他延遲退休幾年,在這段期間,公司利用關係分析來進行接班規畫,讓更多人接手他的角色。

掌握企業的數位廢氣

一旦了解構成關係分析基礎的六個結構特徵,就相當容易根據它們提供的見解來採取行動。它們建議的解決方案通常都不複雜:安排跨部門會議、讓有影響力的人員發揮作用、留住你的艾爾文德。

既然如此,為什麼大多數公司都不使用關係分析來進行績效管理?有兩個原因。第一,許多公司所做的人脈網路分析,只不過是呈現節點和連結線(edge,指連結節點的線)的漂亮圖片,並沒有找出可用來預測績效的模式。

第二個原因,是大多數組織沒有建置可取得關係資料的資訊系統。但所有企業確實都有一個重要的隱藏資源:他們的數位廢氣,包括日誌、電子足跡和日常數位活動的內容。每次員工在Outlook發送電子郵件給彼此,在Slack上互相發送訊息,例如對臉書(Facebook)的企業溝通平台Workplace上的貼文按讚,在微軟公司的團隊溝通和工作平台Microsoft Teams中組建團隊,或用專案管理軟體Trello指派人員負責專案的階段性目標,這些平台都會記錄當中的互動。這些資訊可用來建構員工、團隊和組織人脈網的各種觀點,你可以從中取得我們之前討論的那些結構特徵。

多年來,我們一直在開發一個能即時取得各個數位平台廢氣的儀表板,並使用關係分析來協助經理人找到各種任務的合適人員,配置可提高效率和創新的團隊成員,並找出組織中哪些單位孤立且容易有人員流失。在這個過程中,我們學習到以下幾件事:

對員工來說,被動收集更容易

為了收集關係資料,公司通常會調查員工有哪些互動對象。但調查需要時間,答案的精準度也會有不同(有些員工只是用猜的)。此外,關係資料若要真正發揮效用,必須要有公司所有人的關係資料,而不僅是少數人的。正如某家大型金融服務公司的高階主管所說:「如果我讓我們公司15,000名員工的每一個人,都花半個小時填寫一份問卷,我們將損失一百萬美元的生產力。而且,如果他們的關係在一個月內發生變化怎麼辦?我們是否要再讓他們填一次問卷,再增加一百萬美元的工時損失?」

然而,公司收集的關係資料帶來新的挑戰。儘管大多數聘僱合約賦予公司權利去記錄和監測公司系統裡進行的活動,但一些員工認為,被動收集關係資料是侵犯隱私。這不是個小問題。對於收集和分析數位廢氣,公司應該要有明確的人力資源政策,以協助員工了解這種情況,感到放心(見下方:「員工隱私怎麼辦?」)。

行為資料更完善地反映現實

就像我們之前指出的,數位廢氣比透過問卷調查收集到的資料更少偏誤。例如,在問卷調查中,人們可能會列出他們認為自己應該互動的對象,而不是他們實際互動的對象。而且,每個員工至少都在幾個溝通平台上,所以公司可以繪製出能呈現出所有員工的網路,這讓分析更加準確。

此外,不是所有行為都一樣。對某人的貼文按讚,不同於和某人一起在一個團隊中工作兩年。把某人列為電子郵件的副本收件人,不代表緊密的關係。所有這些個別行為如何加權和組合,是很重要的。機器學習演算法和模擬模型可在這方面發揮效用。只要擁有一些技術專業知識(並了解哪些結構特徵可用來預測何種績效結果),就不難建立這些系統。

必須不斷更新

關係是動態的。人和專案來來去去。關係資料必須是及時的,才能發揮作用。在關係分析模型中使用數位廢氣,可滿足這個需求。

此外,長期收集關係資料,可讓分析師對於要檢查什麼內容有更多的選擇。例如,如果有位員工休產假幾個月,分析師可以從資料中排除那段時間,或決定匯總更大範圍的資料。如果公司在某年被收購,分析師可以比較收購前後的關係資料,繪製出公司脆弱性的可能變化。

分析必須貼近決策者

大多數公司要靠資料科學家,來收集與人才和績效管理相關的見解。這通常會造成瓶頸,因為沒有足夠的資料科學家及時處理所有管理問題。 此外,資料科學家不認識他們所分析的那些員工,因此無法將結果放在情境脈絡中檢視。

儀表板是關鍵

系統若是能找出結構特徵,並以視覺化方式凸顯這些特徵,就可以讓分析見解更接近需要它們的經理人。例如,有家半導體晶片公司的高階主管告訴我們:「我希望我們的經理人取得這些資料,以便對如何運用自己管理的員工,做出良好決策。而且我希望他們能夠在必須做這些決策的當下,就能做出好決策,而不是在那個決策點之後才做決定。」

關係分析造就高生產力

人員分析是一種新方法,根據證據來做出可以改善組織的決策。但在早期階段,大多數公司都專注於個人的屬性,而不是個人和其他員工的關係。檢視屬性的作用僅止於此。然而,他們若是運用關係分析,就可以估計員工、團隊或整個組織達成績效目標的可能性。他們還可以運用演算法,針對員工人脈網路的變化,或者針對某個管理需求,而量身規畫員工應負責哪些任務。當然,最優秀的企業會使用關係分析來強化本身的決策標準,並建立更健康、更快樂、更有生產力的組織。


員工隱私怎麼辦?

在員工資料隱私方面,關係分析帶來一些改變。員工在招募表格、問卷調查等方式當中,主動提供自己的資訊時,他們知道公司取得且可以使用那些資訊。但公司在收集員工的關係資料,或正在分析這類資訊時,他們可能根本沒有注意到自己正被動地讓公司收集和分析他們的關係資料;這類資料包括他們在Slack上與誰聊天,或自己被列為電子郵件的副本收件人。

公司的首要職責是確保透明度。它們如果要收集數位廢氣,就應該請員工簽署同意書,表明了解自己在公司各種工具上的互動模式會被追蹤,目的是要分析組織的社交網路。完全揭露加上員工同意,是唯一的選擇。

我們發現領導人可以採取另外一些措施,以解缺隱私問題:

第一,把你收集到有關員工關係的所有資料,都提供給他們。我們建議至少每年提供一次。資料可以包括員工自己的網路圖和比較標準。例如,報告可以提供員工他的局限分數(顯示他社交網路集中在內部的程度),以及他所屬部門所有員工的平均局限分數。之後可以根據這個分數來進行指導性質的討論。

第二,清楚說明你打算進行的關係分析有多麼深入。最基本層次的分析(也就是最不容易會有隱私問題的做法),是一般模式分析。例如,這類分析可能顯示,行銷部門是孤立單位,但沒有指明造成這種孤立情況的是哪些人。或者這項分析可以顯示,某一比例的團隊具有創新特徵,但沒有指明是哪些團隊。

第二個層次的分析,是找出公司內特定員工有某些類型的網路。分數可以提供基於證據的員工行為預測,像是誰可能是有影響力的人,或者誰離職會讓組織變得脆弱。雖然這種層次的分析可提供更多價值給公司,但會特別指出特定員工。

最高層次的做法,是讓關係分析搭配機器學習。在這種情況下,公司收集的資料是關於員工和誰互動,以及他們討論的主題。公司檢視電子郵件和社群網站貼文的內容,找出誰具備哪些領域的專業知識。這類資訊為領導人提供最具體的指引,例如,可顯示誰可能在某些領域產生好的想法。這種最高層次的分析,顯然也伴隨最多的隱私問題,資深高階領導人必須制定深思熟慮的策略,來處理這些問題。

(劉純佑譯自“Better People Analytics,” HBR, November-December 2018)



保羅.雷奧那帝 Paul Leonardi

美國加州大學聖塔芭芭拉校區(UC Santa Barbara)科技管理講座教授,他也提供顧問諮詢服務,指導企業如何使用社群媒體資料與新科技,來改善績效和員工福祉。


諾西爾.康特拉特 Noshir Contractor

西北大學(Northwestern University)行為科學教授,也是該校社群網路科學研究小組主任。


本篇文章主題分析