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⋯⋯
▪ 【2023旅行攻略】打工仔想請盡年假去玩?自製9 大長假期 推薦最啱玩長中短出走路線
▪ 2023兔年邊個生肖有運行? 盤點12生肖開運顏色 「羊」人事業旺 「豬」隊友最搶手
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。