HR如何用非結構化數據降低離職率

有時候，組織中的其他部門需要人力資源數據去解釋他們遇到的經營問題。金融服務行業的一家巨頭正在擔心其銷售人員離職率過高的問題，針對這個問題已經有很多人從不同的角度提出了自己的觀點。但事實上，公司的許多銷售經理根本就沒有意識到自己的團隊存在有害離職問題。

作為人力資源分析的負責人，梅麗莎·艾倫特（Melissa Arronte）認為，組織可以分析以前和現在的銷售人員的簡歷，從而通過改進篩選程序來降低有害離職率。她從訪談銷售經理們入手。「我們得到一些很有意思的說法，」艾倫特說，「銷售經理們認為，如果銷售人員在入職之前做過房地產銷售工作，就很可能成為組織中的銷售明星，因為這意味著該銷售人員在社區中擁有很多的人脈關係。」

艾倫特的團隊將銷售人員的簡歷找出來，根據他們各自的工作經歷給簡歷編碼，這是成功使用非結構化數據的關鍵步驟。非結構化數據通常被定義為「沒有預先確定的數據模型，並且（或者）沒有按照預先確定的方式組織起來的信息」。

簡歷被編碼後，分析人員著手將銷售人員的工作經歷和離職率進行比較。結果發現，之前當過房地產經紀人的銷售人員反而有更高的離職率，因為銷售人員在本組織的工作內容和以前當房地產經紀人時的工作內容完全不同。在本組織，他們需要撥打大量的陌生推銷電話，並描述具有吸引力的前景，以說服客戶將金融服務業務交給本組織來做。

艾倫特的團隊繼續深入分析，並列出了在簡歷中就能反映某人未來離職可能性大小的八個指示性因素。

其中一個指示性因素是簡歷中出現的錯誤。「人們往往忽視列印稿上的錯誤，因為他們自認為簡歷上的豐富經歷或者必備技能更重要。」艾倫特說，「我們在對銷售崗位和其他崗位求職者的研究中發現，這種錯誤是一個對工作績效和離職率有著很好的預測作用的指標。我認為列印稿的錯誤能體現出關於候選人的很多可能性，雖然還不清楚這些可能性預示了什麼，但是肯定是個危險的信號。」

以那些能提示離職率的因素為基礎，艾倫特的團隊開發了一個篩選程序，用來篩選有潛在離職傾向的銷售人員。「在九個月內，我們在離職方面節約了超過 400 萬美元的花費。」艾倫特說。最終，他們開發出了這樣一套工具：面試之前先讓候選人在線回答一系列問題，通過候選人給出的答案判斷其未來的離職傾向，然後再從離職傾向低的候選人中選擇優先面試的對象。

像許多人力資源數據分析案例遇到的挑戰一樣，數據分析工作的落地效果取決於人們對人力資源大數據分析結果的信服程度。艾倫特認為，各個組織對新工具的接受情況是各不相同的。她回憶道：「在一些部門，人們是樂於接受（新工具）的，他們會談論那些關鍵的指示信息，談論新工具怎樣在工作中發揮作用，談論他們是如何理性地看待這個新工具的。但是也有一些部門會說，『我還是希望保持老樣子。』」

艾倫特提到，一個數據分析項目能否成功，在很大程度上取決於項目人員是否具備把成果「推銷」給整個組織的能力。她甚至考慮過在她的團隊中增加一個這樣的角色：他（她）負責了解數據分析團隊的「客戶」（組織中其他各部門）信息——參加他們的會議，並了解他們的經營問題，以幫助人力資源數據分析團隊收集關鍵問題。數據分析工作的成果必須以一種讓相關各方都能接受並能以這些信息為基礎開展行動的方式展示出來。

皮爾斯和艾倫特是人力資源數據分析的先驅，在努力構建一個由數據驅動的人力資源部門的道路上，他們還有很多事情要做。儘管我們總是在提數據分析學的發展歷程，但事實上，這個發展歷程沒有真正的終點。就算是經驗最豐富的人力資源部門也在不斷地學習新技術，整理並維護他們的數據，重塑它們與整個組織的關係。

Big Data

關於大數據分析

大數據時代，HR 的大數據思維以及大數據應用技能明顯弱於其他從業者，德勤的調查數據顯示，只有 14% 的人力資源部門擁有數據分析職能 ；與之相比，77% 的運營部門擁有數據分析職能。以上文章所提到的大數據分析方法，您如果想了解，我們推薦您以下這本《HR的大數據思維》。

本書作者吉恩·皮斯先生是全球 20 大數據分析公司創始人、HR大數據分析專家。在書中，他分析了為什麼 HR 需要大數據思維，人力資源大數據的分析應用現狀，我們如何進行數據分析，如何利用數據分析的結果優化人力資本、改善組織的商業表現。

同時，為了說明大數據思維對 HR 從業者的重要性，書中列舉了聯盟計算機公司、太陽微系統公司、英國國家電網公司等企業關於大數據與培訓、大數據與員工保留、大數據與領導力開發、大數據與績效管理等的真實案例，是一本很有價值的參考書，上周我們做了本書的抽獎試讀活動，小夥伴已經收到本書了吧？趕快來留言談談你的感受吧！

可以掃描一下的二維碼鏈接去書城購買

京東商城

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！