提高人力资源部数据素养
人文策略分析主管Matthew Hamilton在这个播客中与HRchat通话Matthew讨论主动生命任务提高团队技能以及AIHR作用帮助开发数据驱动分析技巧
Matthew洞察HR团队培养数据驱动文化的重要性,
播客Matthew讨论:
- 数据驱动分析技巧对人力资源部门的重要性
- 数据驱动文化四大支柱和如何实现
- 人解法如何帮助HR
下载全向导查找HR2025能力框架脱机
轨迹描述 :
比尔班汉欢迎收看另一集HR聊天秀比尔班汉姆 今天我是你的主机 HR聊天中 我们将考虑提高HR部门数据素养技能嘉宾马修汉密顿 人力资源策略主管 人民解析保护生保护生命委托AIHR提高他们的人力资源专业人员分析数据技能并帮助培养数据驱动文化并讨论所有这些美妙事物 和为什么更多公司 在那里试图提高
广告发布量 :HR技能你需要保持关联性加入NevateHR学院学习现代相关HR技能,全线并自步访问AIHR.com查找广受欢迎的题目在线训练课程,题目包括HR、分析学、HR、数字学习开发、人才获取和组织开发、访问aihr.com并获取实现HR职业目标所需的技能
比尔班汉马修 欢迎收看
马修汉密顿:谢谢很高兴来到这里
比尔班汉出发前 向听众讲讲你自己我相信你有工程背景 如何最终为人解析
马修汉密顿:对,所以我绝对沿非标准路径来到这里, 虽然这对空间中的人来说可能并不少见开始从军生涯 八年来我曾任军官 退出服务并从事航空航天制造工作 教育学工程学士 并从事商业航空航天制造归根结底,我和我妻子想重新定位, 所以我发现我的方式银行业务,进入HR, 利用军事背景提高领导技巧有趣的是,如果我们八年前谈过, 我会向上帝发誓,我永远不会在银行工作,我永远不会在保险工作,我永远不会成为HR近八年来 我查过所有三个盒子并创建人解析路径 公司我当时 正在寻找 扩展数据驱动能力HR开个玩笑,但离事实不远的是 执行官环视内部并观察我并说 马修 你理解数学来整理并实现那种方式我进人解析和它,它只是排序搭建我,它排序发现 位置我找到了职业智慧,
比尔班汉好 棒极gosh, that's a 异常背景,当然, 获取你现在的位置为何重要你认为HR有数据驱动分析技巧吗马修是否每个人都需要 点到2020右,是的是否每个人都需要理解数据基础才能实现发现管道谁能连接你的人 在所有流数据或帮助项目是否每个人都有一定程度的数据分析技巧
马修汉密顿:快速回答,我想,是的所有人力资源专业人员需要一定程度的数据流畅度或数据素养退后一步看HR函数, 我不认为很多人会反对我 HR排序落后于其他业务函数 即分析驱动数据排序工作性质,历史,HR 只是远比事务类型函数, 你知道,去雇用人为我, 去处理业绩管理 和补偿和发薪 和终止等等并延后销售营销等其他事物, 举例说, 开始利用更多数据并成为企业战略伙伴 并隐含部分 战略伙伴 提供事实数据开始有这样的运动, HR函数意识到他们需要更多数据驱动, 分析性强, 所以它需要什么样的功能 组织才能做到 人民在某种程度上需要数据驱动 并处理问题我确实认为所有HR专业人士 都有必要获取一定程度的敏锐性, 很明显,不同角色可能或多或少有需求外头有研究 德洛伊特特,我想有一些研究 他们的成熟度分析成熟度 HR函数算法上的意思是,如果你没有一小队人文分析师, 只是分析师自己真正优秀并理解这一点, 如果组织其余部分人文从业者不理解他们带给他们什么, 你可能和不做任何这些事一样, 你就会失去能力, 如果事物在翻译中丢失 你小数分析师和广度人文从业者团队正因如此 人力资源从业者大基础 拥有数据素养并不是我们想让每个从业者都做分析师, 但他们得理解, 他们才能用进数据驱动的洞见 带给他们, 以便他们能帮助翻译给企业领袖
比尔班汉和作用 帮助他们做,当然, 非常重要,如果你加入保护生命 帮助建立数据驱动能力告诉我们更多过程如何实现四大数据驱动文化
马修汉密顿:对,这算我第二手保护生命前公司最初人员解析主管 去年被招走于是我来到这里,知道 点小路径已经参加公司后我打算带我们走的方向角色面试时,我相当透明所以当我进来时,我那种焦点并经常重复这个消息 给我们的HR团队,我集中关注你提到的四大支柱 数据驱动文化并想声明原创, 但我不能实际出自一位名为Brent dikes的作家和分析论者,他为Forbes写作,而不只是为人解析,而只是泛泛分析,但真正适用于人解析空间数据驱动文化四大柱子 他说思维方式 技能集 工具集和数据集算上第三和第四类数据集工具集, 算得上基础设施能帮助人解析有很多HR数据存在, 但它必须用实用方式整理, 需要干净, 在某种程度上,它不必完美, 你必须要有工具做这件事, 你知道,Excel是多功多损, 多功多益, 多功多益,用Excel你用不了的东西, 它不是人解析工具多数HR专业人员没有技能用它做高级事务算上基础建设方面所以我知道我们需要清理数据 并实现平台算上一条路径 即获取纯人解析平台并发前二大柱子 思维和技巧集即我们真正开始提高技能教育, 人文科学概念社会化, 排序并行 平台做这些分析, 工作那些事前我们讨论过 只是对人文数据有共同理解如何生成从何而来词法和确认人们同页表示时用词交换是什么意思究竟是什么意思因为有一个非常具体的定义 交替使用, 但不幸的是, 当人们不说话 共享语言理解算上我加入公司同时屏蔽并并行建设人的技能、思维和技巧, 并同时建设组织能力和基础设施、工具集和数据解析集
比尔班汉好,谢谢现在,我们提到你们最近开始使用学院创新HR,我目前是HR学生所以我也要经历那段旅程讲到思维技巧集,你选择的专业训练 也许你能多讲点,你为什么决定去和部分希望结果
马修汉密顿:对,所以人的能力建设, 外加所有事物,如你所言, 内演中,我负责人文策略分析, 后加点名部分, 但我有人文技术, 拥有人文技术, 人力资源团队向我报告问题只是我认为所有时尚空间 都有时间带宽和能力做不同事微小团队专为人解析 所以我需要调用 其它思想和内容团队我们,不是教官, 或认为企业教官,对不对?有一个很好的学位,我们可以帮助培训人员, 但我们没有训练自己 训练训练者开发, 你知道的,指令设计开发内容所以,你知道,所以我有点 面对,嗯,那里, 有许多大内容在那里多源提供并在某种程度上使用部分分享内容, 即如果我们上网发现大文章或不同事物, 则分享内容因为它可能有用从大图学习路径视图中发现问题 问题在于,当你这样做时,它就成为我们的工作努力 来建立学习内容, 这正是我们真的没有太多时间去学习问题在于,我认为用户体验用户方面是它创造出 某种不同内容的套接合 本身可能很好用, 但没有中心线 公共主题更难的是,其中一些东西点击学习者思维, 因为它不是连贯设计,如果你愿意的话有一件事,我们刚开始寻找, 源头是什么 在那里我们可以获取 排序综合培训 从空间,有件难事,但没有吨因为这些人解析 排序萌芽场资源不多并熟悉学院创新HR必威 官方网站回到HR分析时 AIHR实战启动他们的创建者Eric VanVulpen和我在网上跟踪他好几年算上它已经知道空间并引导我回溯到他们 一旦他们搭建 更正规化培训组件一种已经舒适 并熟悉他们是空间专家正因如此,我们才利用学习内容建设团队能力
比尔班汉最近我采访Eric等节目发布时 Eric的节目也应该到场 所以你应该完全查查以后续 今天对话问题问题,我希望你能举几个例子 说明人们解析方法 帮助或增强HR说到目前,也许你现在可以提供一些实战例子或我,如果我以这种方式应用知识, 我可能真的不知道, 省下时间帮助我编算帮助我理解我最顶级艺人相遇或可分享几个例子
马修汉密顿:对 对所以,我认为 具体例子 可能是非常独特的 面向不同的公司肯定有主题Bass公司 保留问题 补偿问题 性能问题这些都是所有人所共有的问题, 公司面对的具体挑战 对他们来说是独一无二的或甚至没有真正启动 人民解析行程, 你真的想考虑业务需求 并帮助它利用它帮助你沿着这条路行进免问题解决 免问题解决 免问题解决 免问题解决解决CEO不感知大问题i没有预想过这一点,但我想抛出几个例子,这些例子可能是及时的,与人相关。并记录今年11月 2020全球COVID大流行并有几件我们已经实现的东西, 和大计划一样, 不非常复杂分析可切合时宜其中一个恢复时 感染率开始上升三月时美州 快速转换员工从家工作 数月后 95%以上或更多公司远程工作 从商业角度讲效果很好为我们最有规划的SpringBreak周期前一周 我们几乎离开办公我们看到很多人取消了他们的春假计划头几个月大流行时, 我们看到人们使用少得多的付费假公司策略允许我们 滚动数小时 延后下一年但不是全部万一你没有 万一你超时段 你就会失去支付时间分析显示我们每月都刷新看好, 与正常年份相比,我们落后多远。而在早期,我们用它调整我们的政策, 并处理从2020向2021过渡公司关心的很好 并不想光买 每个人闲置时间, 因为这将是快速 重大金融打击公司但是我们也不想做 完全不适应员工的事情 因为这会给他们带来负面影响于是我们发现 微小线介于调整结转策略 以便它能,你知道,为尽可能多的人创建 最佳场景 而不对公司金融产生消极影响并同时鼓励雇员全年剩余数用假右转即便你无法做很多事 以恢复心理健康 也有一个方面 即松开插头和松开点即与大流行相关另一点我们一直在寻找 保留模式并不是,我想我们和大多数公司没有异差, 我们看到自愿交替率, 具体地说,我们辞职率在整个大流行中稳步下降。并不足为奇,对, 就业市场没有最好的 很多公司关闭或裁员, 减少招聘计划并没有什么角色可移入人离开工作较少一方面,这是件好事,对, 在整个大流行中保留效果更好但如果你只看公司顶端线上, 所要做的排序隐藏异常值, 有可能隐藏异常值底部开始分解保留数据 并观察不同的人群 不仅理解公司整体的辞职模式所见的是,至少早期大流行, 算法现在正常化, 但至少早期,我们实际看到 当我们辞职率正在降低高性能者辞职率时, 高收视率五分位高的人高性能者辞职 率没有下降一开始它实际上在下降, 如果你再想一想, 毫不奇怪,如果所有高性能公司的人 都没有很多工作被雇用, 很可能是比较有竞争力的候选者 来得到更少的工作但它引导我们真正专注于那群人正如我所说,它现在已经恢复正常,我们不见差差但它可能是一个大惊喜来我们, 我们,我们没有准备 如果我们没有能够做 那种分析有很多其他例子我们能谈很久近几个月来我们只做了一对, 其他人也许看其他公司 可能也正为自己着想回想我最初所说的话, 使用数据的具体案例 需要非常具体 并专注于公司的具体挑战或问题
比尔班汉好棒对于那些可能想听更多例子的人 从你那里获取更多洞察力 他们如何能亲身连接你并,他们如何发现更多公司
马修汉密顿:最优方式可能是 查LinkedIn并不是很受社交媒体管束 但我上LinkedIn之后我公司 网站是了解公司最优之地
比尔班汉棒极了容我讲讲今天 马修 非常感谢你成为 HR聊天节目集的嘉宾感谢时间感激不尽和监听者和往常一样,直到下一次,快乐工作并保持安全感谢收听HR聊天播客
