close
「大、人、物」與人力資源管理
2021年7月12日《哈佛商業評論》介紹企業運用大數據分析（大）、人工智慧（人）、物聯網（物）（簡稱為「大人物」）等技術進行經營決策，是目前的大勢所趨。而人力資源管理實務因為系統、資料、法規等限制，運用大人物時需考量更多因素，相形之下， HR在這方面的進展緩慢，仍停留在探討如何有效運用「大人物」的階段。
哈佛商業評論的文章對此議題著墨頗深，以下八篇由胡昌亞先生導讀幫助讀者了解如何閱讀相關文章，從商業決策、資料來源、分析工具、法規考量等面向，掌握人力資源管理「大人物」之實務訣竅。
為此，要能真正促進HR有效運用「大人物」，除了必須考量個資安全，並避免產生歧視（例如，違反「兩性平等法」）之外，還必須克服以下的挑戰。
挑戰1：HR領域缺乏大數據
為有效管理顧客關係，企業會記錄消費者的每一筆消費行為，或是消費者的網站瀏覽足跡，收集具有4V〔Volume（數量）、Variety（多元性）、Velocity（速率）、Veracity（真實性）〕特性的大數據，並進行商業分析。然而，在員工管理方面，企業較少記錄員工的每日工作行為，因此，大部分公司的HR部門，都只有「小數據」可用。
在〈人資部門沒有大數據〉文中曾指出，人資部門較難運用大數據分析是因為缺乏可用的大數據。而造成這種現象的可能原因包括：公司的員工人數少於千人；每位員工一年的資料點不多，只有像是薪資、考績、訓練紀錄等；偏重收集像是個人背景資料、學經歷、離職面談紀錄等靜態數據，而較少收集行為數據；未能將文字或語音等非結構性數據，轉換為結構性數據等。
由於員工的專業知識、技能、能力，以及完成工作需要的其他個性特質等KSAOs（Knowledge, Skill, Ability, Others：人力資源管理中對員工職業崗位資質的描述模型），是預測工作表現的重要指標，若缺乏這些重要數據，就無法進行有價值的商業數據分析。
挑戰2：敘述統計數據，對企業決策的幫助有限
若公司HR的資訊系統，不能有效連結其他資訊系統，HR就需要花費相當多的時間精力，從不同的系統報表中撈出數據，再以人工方式，例如利用Excel，製作HR數據儀表板（Dashboard），以提供行政庶務使用。這類分析稱為「敘述分析」，包括：直條圖、圓餅圖等統計圖表和樞紐分析。由於月報多以部門為分析單位（例如，XX部門的離職率），不但使數據量更少，影響因素也從個人層次（例如，個人職能）轉移到環境層次（例如，競爭對手薪資水準）。若缺乏環境層次因素的相關數據，也無法進行有意義的分析，更遑論提供商業決策的建議了。
誠如〈把工作拆解成自動化任務〉文所述，愈來愈多公司開始利用機器人流程自動化（Robotic Process Automation，RPA），來提升工作效率。例如，利用RPA進行這些耗費人力、但價值有限的HR行政工作，以便HR專才能專注在可創造組織價值的商業分析上。
根據〈何謂商業分析〉影片論述，商業分析可分為三類：敘述分析（Descriptive analysis）、預測分析（Predictive analysis）、規範分析（Prescriptive analysis）。其中，敘述分析僅描述既有現象及事實，對商業決策的參考價值有限。但因為計算簡便，也易於視覺化，使得HR報表仍以敘述分析為主。其實，另外兩類才是更具實用性的數據，因此，若要提升組織對HR數據分析的重視，並據以進行商業決策，HR就必須提供公司預測分析與規範分析的結果。
挑戰3：HR專才不熟悉商業分析方法
培育HR專才的專業系所，會提供良好的統計分析訓練。這些訓練內容，除了教授〈經理人都該了解的四大分析概念〉文中列舉的概念以外，也訓練使用功能強大的統計數據分析軟體，像是SAS或SPSS等付費軟體的能力。但由於自身可取得的資料有限，再加上優先針對部門專屬的業務需求，導致HR實務上側重使用EXCEL就可進行的敘述分析，而較少進行對商務決策較有參考價值的預測分析或規範分析。
預測分析是利用過去的數據資料，建立未來事件的模型，預測我們關心的現象，〈迴歸分析〉介紹的預測分析技術，就是常用的分析技術，也是HR專才熟悉的議題，例如，運用多元迴歸分析方法，從員工個人的工作滿意度與薪資水準預測離職意圖；又或者，運用分類分析，找出可用來區分核心人才與普通員工的因素。
而可協助制定行動方案的規範分析，常見的為A／B測試（A/B Testing），例如，使用卡方獨立性檢定，來判別不同招募管道來源的求職者，看他們接受公司工作的比例是否相同。總結來說，大部分HR專業系所的課程內容，都涵蓋基礎預測分析或規範分析的實務。因此，若有足夠的數據與工具，HR專才應可進行分析。
挑戰4：HR專業人員不熟悉商業數據分析軟體
雖然HR專業系所提供SAS或SPSS等數據分析軟體的訓練，但這類強大的統計軟體所費不貲。由於HR月報側重的，是敘述統計與數據分析視覺化，在實務上，大多會改為採用EXCEL，來進行資料整理與分析。
不過，雖然EXCEL具有強大的統計函數，可據以進行商業分析，但在處理大量數據時，選擇資料區塊較容易出錯，撰寫統計函數也較為麻煩，往往需要反覆檢查除錯，降低HR專才進行預測分析或規範分析的意願。
大數據分析的熱潮發展到現在，已有功能強大的免費分析軟體可供選擇，例如，基於R軟體的視窗化統計軟體JASP，或是視窗化的資料採礦軟體Orange。上述這兩個數據分析軟體都相當容易上手，值得HR專才學習與企業參考使用。
挑戰5：HR數據分析結果，缺乏實際上的效用？
曾有HR專才表示，使用個人教育背景等公司人事資料預測員工是否離職的效果不好，使得他們對數據分析的管理決策價值，抱持保留態度。
造成這個現象的可能原因有二：首先，研究指出，員工背景資料對工作表現的預測力很低。有預測力的個人因素，是員工的職能與KSAOs。換句話說，若公司沒有職能或KSAOs資料，就無法進行有意義的分析。其次，擔任類似職位的員工，通常在專業背景與工作經驗等較為相似，造成背景資料這類預測變項的變異量過低，模型自然幾乎不具預測力。舉例來說，若想比較大學畢業學校是否能預測工作表現，但納入分析的員工，幾乎都是同一所大學畢業的，那麼，有關大學畢業學校的這項因素，就很難有預測力了。因此，在進行數據分析之前，了解數據本質與數據範圍，是避免做出錯誤結論的必要條件。
總結能在HR領域善用大數據的公司，大多以〈打造專家級決策〉的DELTA模式利用大數據。這個模式的特性包括：第一，數據量夠大、數據類型夠多，除了員工的基本資料外，還有員工行為資料、員工職能（或KSAOs）資料、工作設計資料、工作環境資料、獎酬設計資料、職涯發展歷程資料等。第二，公司有一套能對應員工與職務的系統，例如，職能系統，而該模式與各類HR功能也有連結，例如，這項訓練課程可提升某種職能或KSAOs。第三，分析問題要能回應公司的管理決策需求。
「巧婦難為無米之炊」，若要在HR實務與決策上有效運用「大人物」，首先得建立有品質的數據庫。企業可藉由啟動數位轉型的機會，將HR的資料數位化；與公司既有的數據庫，像是ERP連結起來，思考收集其他HR數據的可行性。例如，透過載具與影像辨識工具等方式，以物聯網即時收集工作行為資料（例如，某項工作行為費時多久）與成效（例如，顧客滿意度）。此外，商業分析模型不是亂槍打鳥，公司需要有一套合理的系統或方法，像是職能或KSAOs，有效連結員工、工作與HR功能，才能提出有意義的分析模式，並基於該模式，選擇合理的商業分析技術（例如，羅吉斯迴歸分析）。
雖然大數據分析結果能協助商業決策，但不可因此忽略員工對工作的投入和自主性。如同〈別讓AI接管你的員工〉文中指出，企業不宜盲目以數據分析，做為決策的唯一依據，畢竟，大數據分析的目的，是協助我們做出更好的決策，而不是取代員工。
全站熱搜
留言列表
