当商业智能用于人力资源

2015年德勤人力资本趋势报告发现，很少有组织专注于人员分析，以解决复杂的业务和人才问题。今年同一份报告版本记录了一种日益整合的劳动力分析方法，并指出如果公司对人员数据不注重，将会影响公司的发展和运作。

在这两个次优场景之间的某处是人们分析的最佳点。在这一点上，复杂的分析能够满足来自各种组织和外部资源的数据，以平衡有效的人力资本管理和实现战略业务成果。

以前，人们对商业智能（BI）和分析的关注有限，主要是作为一种手段，正如福布斯杂志所描述的那样，成本合理的人力资源计划。但是，总有一定程度的整合。互操作性标准实现了学习管理系统与其他BI和人才分析解决方案之间的数据传输，使学习与劳动力发展目标保持一致。

但是，综合人员分析代表了人力资源数据驱动决策的代际转变。在这个新模型中，学习和发展计划将与业务战略保持一致。来自人力资源管理学会基金会和经济学人智库的2016年研究预计人力资源将成为人力资本分析的提供者，以创造竞争优势。

但转向以企业为中心的人员分析模型需要一个系统的多年多学科转型计划。以下几个关键优先事项对于任何此类大规模转型工作的成功至关重要。

制定战略路线图 - 首先在人才管理和业务成果的交叉点对数据驱动的机会进行战略评估，这将有助于构建可操作的业务案例。确定最适合您业务案例的数据要求，技术选项和运营模式。展示概念证明。

争取领导力支持 - 集成人员分析是一项跨职能计划，必须从顶层进行指导。高级领导层的参与将使在多个业务线利益相关者之间建立协作变得更加容易，并确保所有其他组织职能部门的支持。建立一个明确的领导团队来管理该计划的不同方面。

建立一个平衡的团队 - 集成分析是一种多学科的实践。团队必须与数据科学家和分析师，技术专家，业务部门和部门主管，人力资源专家等进行跨组织和跨职能的代表。

定义数据策略 - 组织需要一种数据策略，以简化来自人力资源，组织和外部来源的清晰，可靠和准确数据的集成。建立数据治理框架，不仅可以定义数据质量，完整性和安全性，还可以明确分配数据所有权，责任和问责制。

这些只是决定人员分析驱动转型有效性的几个关键因素。与此同时，考虑组织在开展这一雄心勃勃的旅程时将面临的一些关键挑战也很重要。

根据普华永道的一项调查，有效人员分析的最大障碍之一是“ 多个未整合的数据来源 ”。大多数组织将面临重大的集成挑战，处理跨多个内部部门和业务部门的孤立和分散的数据源。这个问题只会进一步复杂化，因为他们会利用外部资源的力量，利用多种数据类型和格式来提高分析的价值。

验证所有这些数据并将其输入后端业务分析系统的手动方法将对分析过程的效率和准确性产生不利影响。但是，基于云的集成中心等解决方案可以使业务用户能够为数据准备，数据入门等设置复杂的集成，而无需任何代码。

整合人员分析的另一个重大挑战是分析和数据科学人才的严重和全球短缺。但具有先进自动化和自助服务功能的AI和SaaS解决方案的兴起正在为普通商业用户提供高级分析。实际上，Gartner预测自助服务趋势意味着很快商业用户将比数据科学家产生更多的分析输出。

这个领域的前三个挑战中的最后一个是我们前面简要提到的 - 组织将通过人员数据过度激发来引发强烈反对的风险。关于GDPR立法对劳动力数据和分析的影响已经有很多讨论。一项研究发现，81％的人员分析项目受到道德和隐私问题的危害。因此，自我监管可能会在行业向前发展方面发挥关键作用。

数据驱动的人力资源管理方法与其对招聘效率，自然减员管理，企业生产力和财务绩效的影响之间存在许多既定联系。因此，从BI工具开始作为一种狭隘的人力资源职能，现在已经扩展到具有更广泛的系统和战略潜力的分析实践。事实上，有些人预测人员分析可能最终成为跨多个组织部门（包括人力资源部门）运作的分散职能。但是，构建人员分析的集成模型仍然会带来一些与其所代表的机会同等重要的挑战。好消息是，大多数组织似乎完全投入使其发挥作用。