數據分析助HR實現「未卜先知」 了解員工敬業度締造美好回憶

人工智能、大數據等技術的發展已超乎大家的想像，例如近來推出的新型聊天機器人模型ChatGPT，透過大量數據和分析而作出連貫及合理的回應，令人驚艷！無容置疑，數據分析已經影響著世界各地的所有產業，其中當然也包括人力資源行業。麥肯錫表示，超過 70% 的企業將人員分析 （People Analytics）視為首要任務。一眾HR很清楚知道數據和分析是未來策略的重要一環，但是該如何入手呢？難道要中途出家，學習IT專業知識；抑或是自學Python、Tableau、QlikView等數據分析工具；或是進修統計學知識⋯⋯

▪ 40+打工仔成敗只因一件事！如何做好職涯規劃免現中年危機？

▪ 職場夢想家｜5字頭先嚟轉行？導遊轉做地產經紀唔想chur人買樓　學拍片做樓市KOL

學習用數據說故事的能力

坊間普遍鼓勵HR應該學習更多數據分析工具，但HR Plus 創辦人Emrys Lam 卻對此有所保留，「HR不是工程或數據科學專業，亦未必具備統計學知識，要完成現有工作的前提下，學習一門全新的技能，這無疑是百上加斤。」HR的主要職責是協助企業最佳化人力資源管理，招攬並保留人才，成為是同事與決策者之間的溝通橋樑。不需要本末倒置，變身為科技專才，反而可以利用自動化數據平台，在不增加現有工作量的情況下，有效革新人力資源的決策流程，集中時間和心力協助政策落實。

他鼓勵傳統的HR選擇數碼增值時，不妨學習使用「數據說故事」的能力。「你可以想像，自動化數據平台就像是GOOGLE MAP，平台向你指明最佳路線、交通工具、車費等資料。但最後如何說服老闆作出最佳決定，並遊說員工執行政策，這依賴HR詮釋數據的能力，並展述具說服力的故事。」

專為本地人力資源而設

Emrys創立人力資源自動化數據平台HR Plus的宗旨便是如此：減低HR數碼轉型的工作量，幫助他們回歸初心，花更多時間與同事互動，不論是邀約同事午飯、組織焦點小組，或是舉辦職場福祉活動，籍此建立員工對公司的信任，而不是只在招攬和離職時才面見同事。

市場上的現行數據分析解決方案相當零碎，亦不是專為人力資源分析而設計，甚至只是單一的問卷調查，分析結果不堪入目。有的方案擁有專業的數據分析，但需要使用者擁有一定的IT專業知識。而兩者兼備的解決方案多專為英美市場而設計，價格不僅高昂，使用前亦要花費額外成本進行本地化設計。於是，Emrys開始思考：「是否可以設計一套專為人力資源設計，功能務實齊全，而且價廉物美的自動化數據平台呢?」

HR Plus填補了這個空隙，專為香港的人力資源行業而設計。Emrys 強調：「2020至2022年間香港損失15萬的年輕工作人口（25-44歲），但市場的職缺與疫情前大致持平，這意味企業間的人才大戰將愈演愈烈，若企業不因能應年輕人才的訴求而制定『因才制宜』的政策，他們將在人才大戰中落入下風。」針對年輕人才，HR Plus設計了獨一無二的敬業度分析，使員工意見得到重視，人才獲得讚譽獎賞，藉此建立企業善治，讓良才擇木而棲。

Emrys相信貼地的敬業度分析才能使員工願意主動分享意見，幫助企業建立良好的讚譽文化。

全面自動化才能及時制定政策

Emrys於2017年首次接觸「員工敬業度分析」的概念，深切明白到自動化分析的必要性。HR能夠即時獲得所需的分析洞見，才能讓決策層迅速作出相應的對策。他當時任職於大型外資企業，需要定期催促同事完成問卷，並交付海外的數據分析團隊整合，再設計報告匯報給決策層，最後落實政策。整個流程不僅需時2至3個月，改善方案更是姍姍來遲，最後只能眼白白看著優秀人才離職，無能為力。

他直言：「我們的敬業度調查，從收集數據到數據分析均全面自動化，其數據儀表版（Data Dashboard）由HR團隊根據決策層常用的指標設計。這意味HR可以在同事完成調查的瞬間，即可實時獲得所需的分析洞見，讓決策層在了解員工敬業度現況。」

敬業度分析涵括員工的工作動機

傳統的敬業度分析通常以單一的問卷調查作為唯一分析來源，但HR Plus的分析採用多面向策略，下至員工之間的互相表揚、對獎賞的偏好、意見的反饋等，上至員工的個人價值主張（EVP)⋯⋯統統納入計算結果，進行深入及全面的分析，從而為HR塑造一個更全面的員工敬業度狀態。

為什麼將個人價值主張納入分析範圍？Emrys解釋：「每個人的工作動機會因應其背景與個人經歷而各有不同，例如，作為父母的同事會更重視工作平衡，年輕單身的會更重視職場發展。傳統問卷調查因受科技的局限，以及分析額外數據所需的繁瑣工作，而假設員工對所有工作動機的重視程度均一視同仁。這樣做的問題就好比您嘗試用A5和牛去鼓勵一名素食者努力工作，這當然不會奏效，而且浪費公司資源。」重視每個員工的個人差異，才能真正了解員工的敬業度狀態，有助決策層「對症下藥」，採取精確行動以回應員工訴求。

在宏觀層面，企業能制定「因才制宜」的工作政策，使新政策在推行時切合員工所需，避免觸及員工底線，從而減少行政阻力及「陽奉陰違」。在微觀層面，企業能以員工個人偏好，為關鍵員工量身定制個人化的生涯規劃，增加他們對工作的投入程度，從而增加生產力及留任率。

▪ 香港AI行業鬧人才荒！初創、企業皆招聘難 新手入門有咩方法？
⁠
▪ 【人才荒】勞動人口3年少20萬﹗3大原因致企業難請人 教育、保健、IT極渴才

HR Plus能夠自動化分析所有數據，讓HR對員工的想法一目了然，進而預測他們可能出現的行為。

透過讚譽文化找到同事眼中的人才

現時企業建立讚譽文化時依賴從上而下的運作模式，以管理層的角度了解誰是企業中的人才，再給予認可及獎勵。Emrys認為這種模式擁有一定的局限，管理層公務繁重，與員工相處的時間不多，習慣將人才與成績效掛鈎，忽略了員工在同輩眼中的認受性。

他認為：「特別當業務優秀但不受歡迎的同事被管理層公開認可時， 有機會引起其他同事的質疑，降低同事對企業的信任，若處理不當，同事可能會用腳投票，觸發連鎖請辭。」HR Plus 的讚譽模組強調同輩互相表揚，授權員工去決定誰是他們眼中的人才。當管理層要給予同事公開的肯定及獎勵，能以更全面的角度考慮誰是人才， 以確保被挑選者「又識做數，又識做人」，更重要的獲得民心，是令員工感到：公司真正聽到自己的聲音，有效保留人才。

自動獲取關鍵原因實現未卜先知

所有數據的背後代表了一個人的決定，透過自動化的分析，能夠了解他的想法，並預測可能出現的行為。Emrys笑稱：「這種未卜先知的能力，建基於『馬可夫決策模型』，先不要被專業名詞嚇怕，其背後原理相當顯淺易明。模型相信每個人的決定是由多個互為影響的因素組成，比如當你準備炒老闆魷魚時，有30%原因是因為上司同你鬧交，25%是每晚OT到2點，20%是你的戰友已經辭職，15%係因為新同事『成舊飯咁』教極都唔識。」

HR Plus會自動獲取關鍵原因背後的相關行為數據，例如員工每晚OT到2點，請病假自然會比正常多，並以機器學習模型計算離職概率。 HR可以根據離職風險及原因，決定補救措施及輕重緩急，從而改善該員工的工作處境，成功留住人才。Emrys感嘆：「以往與我共事的人力資源總監曾說『我們或許無法令同事留在公司一世，但我們可以令他們對這份工作有美好的回憶。』希望大家在人力資源管理的挑戰上砥礪前行，共勉之。」

（資料由客戶提供） 

此文章由原作者及Jobsdb HK撰寫／編輯。如欲刊登於其他網站或刊物，請電郵至[email protected]與我們聯絡。如有發現侵犯版權，原作者及Jobsdb保留採取法律行動的權利。