HR数据分析,可以像电商用户分析那样做吗?

蒋祎 Johnny
+ 关注
2021-12-30 14:42
586次阅读

最近小蒋在学习HR数据分析(People Analytics),主要想了解两个问题:

  • 有什么Low Tech的方法,HR用Excel就能开始?
  • 有什么HighTech的玩法,又真的能够推广落实?

第一个问题,市面上有些不错的资料。沃顿商学院在Coursera上有一门网课:[英语中字]《人力资源分析》。学过后我才知道,就连组织网络分析(ONA)这种看似离不开大数据的玄乎玩意,其实人家靠问卷调查就已经实践了很多年。

第二个问题,就难直接找到答案了。我买过好几本书名带“HR大数据”的书。其中一本的案例里数据竟只有几十个样本,其实原版书名就没有“Big Data”,是翻成中文时硬蹭的。另一本的作者,是我在领英上关注许久的”畅销书作家、主题演讲人、未来主义者、商业战略和与科技顾问“(听懂掌声)。那本不能说对我毫无启发,只能说让我手足无措。

其实,在我的认知里,传统的HR系统里,甚至都没有”大“数据。入转调离的结果记录不算大,审批过程记录不算大,打卡时间记录都不算大。

于是,我将学习的目光转向了电商,这个大数据真正应用广泛且影响深刻的行业,令我两眼放光。

而且电商数据分析中有一类叫用户分析,和HR数据分析的主要研究对象一样,都是“人”。

很快我发现了一些两者相似的地方。例如,HR管理中有员工的职业旅程,电商中有用户的生命周期。

现在不少HR系统厂商也宣传自己是“员工全生命周期管理”,常常把周期划分为下图中的几个阶段,每个阶段有相应的系统功能支撑:

HR数据分析,可以像电商用户分析那样做吗?

可以看到,这些阶段的划分,主要依据还是入转调离这些人事异动事件。

而电商的用户周期划分(见下图),是根据用户的统计数据来的。

HR数据分析,可以像电商用户分析那样做吗?

电商网站除了记录你买过什么、收藏过什么、购物车里有什么,还会用一种叫“埋点”的技术手段收集你的行为数据:例如你几点登录、搜索过什么商品、点击过什么“猜你喜欢”的推荐商品、从哪个页面点进的哪个页面、在每个页面上停留了多长时间等等行为动作。

之后,再进行统计并设置划分规则。例如,将下过首单的用户归入成长期,总下单数达到N次且近X天下过单的用户进入成熟期,X天没登录过的算作衰退期,不但半年没登录还退订了所有促销消息、见到关怀优惠也毫无波澜的用户列为流失期。

针对不同阶段的用户,电商平台会给出不同的推广策略。要让引入期的用户尽早下单,让成长期的用户尽快养成习惯,让成熟期的用户客单价更贵。

为的是让用户尽快地花钱,尽量长期地消费,花得更爽,花得更多,从而提升整个周期的价值。

作为HR,我们也希望让员工尽快进入岗位角色,加速成长为业务骨干,干得更起劲,做出更多贡献,提升整个周期的价值。

那么,我们能不能也按类似的方法划分员工的周期呢?

HR数据分析,可以像电商用户分析那样做吗?

能不能也通过数据指标和判断规则,来评估员工所处的阶段呢?

例如根据职级、工龄、晋升速度、绩效趋势等数据来给员工打上“发展期”、“成熟期”或“瓶颈期”的标签。这样可以指导HR和经理对员工采取针对性的发展策略,例如给成熟期的员工持续激励、丰富他们的职责、发挥帮传带的作用;给瓶颈期的员工更多的辅导、培训和轮岗机会等等。

还有一件事情,是电商和HR都在尝试做的,那就是识别和挽留流失。对于电商平台来说,拉一个新用户的成本往往比留住一个老用户高出数倍。

电商的数据分析师会使用决策树等分类算法,找到流失用户的典型特征,建立流失模型。再从数据库中检索出符合特征的用户,打上标签,交给运营人员采取挽留措施。

流失预测对于HR来说同样重要,毕竟等员工提交辞职信再做挽留往往为时已晚,此时员工常常已经和下家谈拢薪资,而留给原单位找接班人的时间仅剩下一个月。

除了所属用户周期阶段,电商平台还会通过数据分析,给每个用户打上成百上千个标签,汇集成用户画像。用户画像的用途包括:通过精准营销来降本增效、通过个性化推荐来提升满意度、通过标记异常行为来控制风险等等。

HR数据分析,可以像电商用户分析那样做吗?

受此启发,也有不少企业、HR系统厂商在尝试搞人才盘点,输出员工画像,并以此为基础实现所谓的“千人千面”。

HR数据分析,可以像电商用户分析那样做吗?

员工画像常用于后备干部选拔、人才识别等,可以帮助经理、HR快速了解员工,也可以根据标签推荐培训课程、福利计划、HR服务等。

两者目前的一大区别是标签的来源不同。

用户画像的标签大多要靠数据分析得到,按方法分类,从易到难分别是:统计类标签、规则类标签和机器学习挖掘类标签。电商不阔能让用户填个人信息收集表,只能暗戳戳、悄咪咪地收集你的行为数据来搞点分析。甚至你的性别都可能要通过分析你浏览、收藏、购买过的商品来算个概率。

而员工画像的标签,据我了解,目前不少是直接使用或简单统计员工的静态数据(如学历、司龄、招聘渠道、绩效得分、测评结果等)得来的。更复杂的标签,例如离职倾向、稀缺人才、高潜力,则可能更多还是根据主观判断手工打上的。这就会有评价标准统一性、评价客观性、及时性和工作量的种种问题。

那么HR系统有没有可能也通过分析数据,特别是行为数据,来自动给员工打上,或者建议给员工打上一些复杂的标签呢?

例如某位员工最近一年在线学习的有效时长,在全公司排前10%,就给他打上“自学达人”的标签。又例如,如果一名员工点进了《离职流程说明》页面,且浏览时间超过了3分钟,就升高他被打上“离职倾向”标签的可能性。

当然,如果没有现成的产品,HR要尝试这样的分析,在技术上还是非常有挑战的。

首先,打标签的规则要怎么设置才合理?这就需要HR数据分析师通过统计大量历史数据,或者编程使用聚类等算法,才能确定。然后,要收集、清洗、处理这么多数据,并定时计算出标签,还得有人搞得定比较复杂的IT架构。例如下图,是一个电商员工画像系统的架构示意:

HR数据分析,可以像电商用户分析那样做吗?

这样的投入有没有价值呢?其实在电商出现之前,商场还在发实体会员卡的时候,商场也会做会员分析。而电商及其对行为数据等大数据的分析,给行业带来的变化无疑是翻天覆地的。管理的精细度大大提高了,运营的针对性明显增强的,服务的体验显著提升了。

当我们能够更深的挖掘HR系统、甚至是协同办公等系统中的行为数据,我们一定也对我们的员工有更深的认识和更新的发现。

那么,现在有产品能帮助HR像电商做用户分析那样做员工分析吗?

本文经授权转载自微信公众号:Johnny HCM

如果你想了解更多SaaS干货和方法论,欢迎访问36氪企服点评

[免责声明]

原文标题: HR数据分析,可以像电商用户分析那样做吗?

本文由作者原创发布于36氪企服点评;未经许可,禁止转载。

0
相关文章
最新文章
查看更多
关注 36氪企服点评 公众号
打开微信扫一扫
为您推送企服点评最新内容
消息通知
咨询入驻
商务合作