北京2020年12月23日 /美通社/ -- 日前，人力資源智享會聯合北森發布《第二屆People Analytics的發展與應用研究報告》。報告指出，盡管對比往屆，國內企業對People Analytics（人力分析）的認知程度普遍增高，但仍缺乏清晰、系統、深入的認知與實踐。而People Analytics能否得到有效實踐將直接影響企業“數字財富”的積累，并對以業務為核心展開的科學、敏捷性應對起到關鍵作用。
People Analytics，即將與人相關的數據運用于對人的管理和決策之中的方法，該方法具備對未來趨勢進行預警、預測和控制的價值。根據企業對People Analytics的實踐訴求，主要聚焦于效率提升與成本計算和人效測算與預測兩方面。
數據連接、業務穩定性制約企業實踐
報告顯示，約9成中國企業對于數據分析有所接觸或了解，但在對People Analytics有所接觸或了解的企業中，半數企業對于這一概念僅停留在“聽說層面”；兩成企業雖已著手實踐People Analytics，但沒有給出明確的名稱與定位；7.63%企業實踐了People Analytics，也給出了具體的名稱，但并不以“People Analytics”這一詞語命名；僅有8.78%的企業能明確知道People Analytics這一詞語的對應含義。
北森相關專家表示，People Analytics這一概念在國外已經普遍被HR同行們所接受，并且有相當多的從業者和專家。在中國市場，雖然有很多企業已經開始探索People Analytics-人力分析，但是系統化、模型化和工具化的程度還非常有限，這就導致PA的價值不明顯，不能為企業管理者的經營和用人決策提供真正的價值。
從實踐成熟度來看，有相當大一部分的企業已經實踐了People Analytics或在未來2年內考慮嘗試。但在已經有所實踐的企業中，People Analytics的成熟度仍處于起步階段，能實現建模預測層面分析的企業仍是少數。
其中，人力資源部門能掌握的數據仍相對有限：能掌握“財務數據”的企業為5成，能掌握“業務部門運營管理數據”的企業僅占26.60%；人力資源部門掌握的數據有限在一定程度上不利于更為復雜的分析的實現，也難以做出對于業務部門決策有所影響的分析結果。
智享會認為，人力資源部門能掌握的數據有限是影響 People Analytics發展的主要因素。
此外，北森相關專家表示，企業本身的業務發展是否成熟、穩定也決定著People Analytics是否能夠有效落地。
目前基于系統的分析應用主要可以有以下幾種：僅限于人力資源某一個模塊的分析，如招聘、薪酬等；有核心人力資源系統，可以實現人力資源內部各個模塊的綜合分析；人力資源系統可以與財務數據有一定的聯動，實現關于人效、人均成本方面的分析；人力資源數據與業務數據互通，可以將“人”與“事”的數據結合起來進行分析。
“如果僅限于人力資源某一個模塊的分析可能只能了解到某個人力資源模塊的效率情況，往往并不能很好地去凸顯People Analytics的價值。要讓People Analytics真正發揮應有的價值，至少應該實現人力資源內部各個模塊數據的融合打通。因為大多數管理者想要看的數據結果會較為動態和隨機，實時性很強，而數據建模是穩定、持續的，我們要跟蹤幾個恒定的指標，這樣才能夠將這些數據系統化、固化，最后產出有效的模型。”
報告指出，企業管理成熟意味著有穩定的管理規范、流程、制度和系統支撐。伴隨著對管理和流程的進一步優化，就需要一定的治理標準與指標。這樣的企業就更有可能對People Analytics 有較好的認知，也更有可能去考慮實踐。相反，對于成熟度比較低的企業，首先要考慮的是流程規范和信息化建設，以提升管理效率，規范管理動作成為首要任務。此時，對People Analytics還處于關注、探索期，尚不具備落地的條件。
企業如何開啟People Analytics之路
報告顯示，無論企業People Analytics處于哪個階段，技術系統及軟件都是企業最為關注的支持因素，其次分別是專業的人才及團隊、企業文化這兩大因素。
隨著企業實踐成熟度的提升，“企業文化”愈發不容忽視。當企業處于People Analytics的起步階段時，高管的認可與支持作為企業文化的一部分至關重要，是People Analytics是否能實現的決定性因素。而隨著People Analytics的發展，員工數據思維的形成作為企業文化中另一重要組成部分，對于People Analytics走向成熟愈發關鍵。
在企業People Analytics應用層面，目前已經出現人均效能分析、離職風險預警分析、勞動力規劃、組織能力建設等四大應用場景，并不斷得到強化與聚焦。
人均效能分析中，通過數據建模進行人均效能的衡量的企業約在3成左右，主要抓取的數據因子包括員工數量、銷售收入、直接人工成本（如：工資、獎金等）。
離職風險預警分析中，通過數據建模進行離職風險預警分析的企業不足3成，主要抓取的數據因子包括績效評價、職位異動情況（如：是否晉升或輪崗）、員工企業任職年限。
而通過數據建模進行勞動力規劃的企業在3成以上，人員數量、人工成本、銷售成交額為主要數據因子。
組織能力建設方面，雖然人員的能力和潛力幾乎所有企業都會關注，但有4成企業仍沒有體系化的方法論對其進行盤點與評估。在有體系化的方法論、工具對人員能力和潛力進行評估的企業中，絕大部分依賴直線經理評估和人才盤點，用專業測評工具及 360評估的企業相對較少，量化程度不足。
北森認為，若數據分析結束后并沒有在真實的業務場景中進行應用，其價值便大打折扣。要讓這些分析結果真正影響業務，有兩大關鍵點：一方面，就數據分析本身而言，不能僅僅是人力資源自己的數據，而是要和業務管理者關心的指標、數據有連接點，因為People Analytics本質上還是要幫助業務去建立數字化體系，從而使用數據，達到優化組織及人才的目的。
另一方面，若數據分析結果涉及對于業務相關指標的評價，如：人均利潤率低，業務部門往往會難以接受這樣的分析結果，并且無法推動后續業務部門相關優化措施的開展。因此，比實現數據分析更加重要的是人力資源部門要與業務部門達成共識，即雙方對于數據分析的邏輯、數據口徑、數據質量均認可，甚至業務部門要對數據分析的結果“擔責”，只有這樣，數據分析才能真正讓業務重視、認同，并且愿意提供更多的數據來完善分析。
同時，報告指出，大部分企業在發展People Analytics時，技術系統及軟件、專業的人才及團隊、企業文化的重要程度是存在一定共識的。然而，企業具體的發展路徑往往因自身的業務背景、文化背景的不同而存在一定的差異，因此如何發展People Analytics并沒有統一的“標準答案”。
