人力资源预测分析:教程和7个案例研究

预测分析是人力资源(HR)的一个即将到来的趋势。招聘工具能够预测高绩效员工，越来越多的公司能够预测哪些员工可能离职。在本文中，我们将解释什么是人力资源预测分析，以及它们如何真正改变人力资源部门的游戏规则。

我们还将讨论七个预测分析在人力资源中的现实例子，其中两个是详细的案例研究。

人力资源预测分析的逻辑

你知道你的个人信用评分、电影《点球成金》中的奥克兰运动家棒球队经理比利·比恩和你在Match.com上的个人资料有什么共同之处吗?它们都结合了大数据和预测分析来预测未来。

预测性数据分析无处不在。从本质上讲，它是一种从现有数据中学习的技术，并利用这些数据来预测个人行为。这意味着预测是非常具体的。在电影《点球成金》中，预测分析被用来预测单个棒球运动员的潜在成功。

类似地，你的个人信用卡评分使用过去数百万人的历史数据来预测你是否能偿还你想要购买新车的贷款。

那么这些预测分析是如何工作的呢?预测分析包括一系列不同的统计(数据挖掘)技术，用于分析历史数据和结果。然后，这些技术试图创建一个公式或算法，以最好地模拟这些历史结果。然后，该算法使用当前数据来预测未来的结果。

实践中的预测分析

假设你的房子旁边有一个操场。在过去的两周里，你写下了操场上是否有孩子玩耍。你还要写下当天是晴天、雨天还是多云，以及温度和湿度。根据你收集的数据，你能预测孩子们是否会在特定的一天在操场上玩耍吗?

你的天气表格

这是一个棘手的问题。显然，这些天气条件与孩子们是否在户外玩耍有关。如果天气预报是下雨，那就很可能下雨，这意味着孩子们不太可能在外面玩。天气热的时候，孩子们可能会在外面玩。但是你的电子表格包含连续14天的信息，是否有足够的数据来准确预测孩子们是否会在外面玩?

使用决策树进行预测

创建预测模型的一种常见且相当简单的方法是决策树。决策树是一种由决策及其可能结果组成的树状模型。在决策树中，每个节点表示对特定属性的测试，每个分支表示该测试的可能结果。

我运用一些简单的数据挖掘技术，在我们的天气数据集上做了一个决策树。决策树的计算使用了一种特定的决策树算法，称为C4.5。这个决策树模型很好地拟合了数据:它能够预测孩子们是否会在操场上玩耍，准确率为71%。这比猜测要好得多，后者的准确率为50%。

如果你仔细观察，你会发现决策树是不言自明的。我让我们的设计师把这张图片做得很漂亮——原来的输出是一个更无聊的黑白版本。

决策树中有两个强预测因子。前景是第一个预测因素。当天气晴朗时，孩子们会在操场上玩5次4次。天气预报说下雨的时候，孩子们不在外面玩。如果天气多云，湿度是第二个预测因素。如果湿度高，孩子们不太可能在外面玩(下雨的时候通常是这样)。然而，当湿度正常时，孩子们很可能在外面玩。

换句话说，天气预报和湿度可以用来准确预测孩子们是否会在外面的操场上玩耍。当然，在一个组织中，你对预测这些具体的结果不感兴趣。相反，您将使用人力资源指标来预测业务结果。

这个简单的例子很好地展示了预测分析的工作原理。这一切都归结为从现有数据中学习并对未来做出预测的算法。埃里克·西格尔(2013)将其与销售人员进行比较。积极和消极的互动告诉销售人员哪些技巧有效，哪些无效。以类似的方式，预测分析使组织能够从以前的经验或数据中学习。

人力资源预测分析如何应用于实践

现在，预测分析如何应用于人力资源?人力资源拥有大量的人数据，通常管理在一个人力资源信息系统．通过对这些数据进行预测分析，人力资源能够成为一个依赖于经过验证的数据驱动的预测模型的战略合作伙伴，而不是依赖直觉和软科学。人力资源预测分析使人力资源能够预测人力政策对福利、幸福和底线绩效的影响。一个例子是它在防止代价高昂的员工流失方面所能发挥的作用。

然而，只有少数组织能够为人力资源提供预测模型。根据德勤2018年人员分析成熟度模型，全球只有17%的组织拥有可访问和利用的人力资源数据。这是从2015年8%，2014年4%．

在2018年这17%的企业中，只有2%的企业拥有业务集成数据，这意味着他们使用实时、先进的人工智能辅助工具来收集、集成和分析数据。另外15%能够在特定的基础上进行预测分析。

这意味着许多组织在应用预测性人员分析之前还有很长的路要走。尽管如此，早期采用者已经展示了一些非常有趣的结果。让我们来仔细看看其中的一些。

预测分析在人力资源中的真实例子

1.预测和防止惠普的人员流失

惠普(HP)是一家拥有超过30万名员工的公司，一直是人力资源预测分析领域的领导者。惠普的管理层经历了高水平的员工流动率。在一些销售部门，20%的人员流动率并不罕见。这意味着人们平均呆了4-5年。

高流动率通常会导致高招聘成本和收入损失，因为生产力下降和入职。此外，离职的员工也带走了他们的知识、人脉，有时甚至是客户。据估计，更换中层员工的成本将超过年薪的150%．这可能会让惠普这样的公司损失数百万美元。

两位科学家决定尝试解决这个问题。他们结合前两年的数据，试图预测哪些人会离开这家公司。通过使用预测模型，他们生成了所谓的“飞行风险”评分。这个分数预测了惠普30多万名员工离职的可能性。

他们的发现是开创性的。根据数据，他们可以看到为什么员工会离开惠普．例如，更高的薪水、升职和更好的绩效评级与逃跑风险成负相关。然而，这些发现之间却有着错综复杂的关系。例如，当一个人升职了，但没有大幅加薪，这个人仍然更有可能辞职。

你可以想象，有很多实际的和隐私相关的问题这个飞行风险分数。这就是为什么访问这些数据的权限只授予选定的一组高级管理人员。

这些经理只能看到下属的分数。他们还接受了解读飞行风险评分的培训，这样他们就能理解这些数据带来的潜在后果和保密问题。

此外，该系统通知这些经理什么是员工流失的关键风险因素。通过这种方式，该系统对管理人员施加压力，以制定留住员工的策略。这有助于降低成本并保持业务连续性。

考虑到公司在进行预测分析时可以考虑的所有不同因素，很容易迷失在细节中。因此，它可能具有巨大的创造价值一个显示最重要指标的仪表板．

最终，飞行风险评分起到了早期预警系统的作用。这促使训练有素的经理人及时出手干预。或者，当失去一名员工不可避免时，做出相应的反应。根据Siegel(2013)的说法，通过应用预测分析来计算这种流失风险，惠普能够节省大约3亿美元。

2.预测谷歌的招聘成功

在他的书中工作规则!，谷歌人力资源管理高级副总裁Laszlo Bock写道，谷歌人力资源管理最重要的工具是统计数据。面试者在谷歌的招聘过程中被问到的问题都是完全自动化的，计算机生成的，并经过微调，以便找到最佳候选人。

在此基础上，谷歌通过HR预测分析来估计员工离开公司的概率。谷歌的一项发现是，新入职的销售人员如果在四年内没有得到晋升，就更有可能离开公司。

还有很多其他相关的招聘指标你应该保持跟踪，看看你是否雇佣了正确的人。这些包括高级指标，如达到最佳生产力水平所需的时间和成本。

3.利用用户粘性数据预测收益

员工敬业度通常被视为人力资源的圣杯。敬业的员工工作更努力，提供更好的质量，较少缺勤，也不太可能辞职。

电子产品零售商百思买(Best Buy)想知道用户参与度是如何影响其门店销售额的。他们分析了数据，发现用户粘性每增加0.1个百分点，每家商店的收入就会增加10万美元。

在发现这种惊人的影响后，百思买决定每年多次测量用户粘性。这也使他们能够衡量用户粘性的驱动因素。这有助于提出人力资源干预措施，从而提高用户粘性，进而提高商店收入。

4.维基百科

维基百科编辑，或维基百科人，创建和编辑文章，以保持世界上最大的百科全书的最新。每天有超过800个新页面被创建，仅在英文维基百科上就有3000个编辑(全球每秒有>3个)。维基百科能够预测其75万名编辑中谁最有可能停止贡献。

我不知道维基百科如何处理这些信息，但一封善意的“感谢您的贡献”电子邮件可能会在感谢和重新吸引这些维基人方面产生奇迹。

5.利用Facebook做出更好的招聘决定

你的招聘人员会查看应聘者的Facebook页面吗?也许他们应该这么做。一项研究表明，可以根据一个人在Facebook上的个人资料来预测他的性格和未来的工作表现。Kluemper, Rosen & Mossholder, 2012)．在这项研究中，一些参与者根据Facebook上的个人资料对可招聘性进行了评级。这些评分预测了这些人8%的经理评估的工作表现。

8%可能听起来不多。例如，与查看某人的Facebook资料相比，标准的性格测试对其表现的预测价值更高。然而，文献一次又一次地表明，预测未来工作表现的最佳模型结合了各种预测因素，如智商测试、结构化面试和性格测试。查看Facebook的个人资料可能是另一个扫描候选人的工具。

6.预测尼尔森的影响

数据分析公司尼尔森(Nielsen)也遇到了与惠普类似的问题。在与其中一家公司的总裁、人事分析高级副总裁交谈后，我了解到员工留存是一个需要解决的问题。

在做了财务影响分析后，人员分析团队了解到，每减少一个百分点的人员流失率，就会减少500万美元的业务成本。

然后，人员分析团队能够确定120名有离职风险的关键人员。通过对40%的团队成员进行横向调动，该团队能够在实施后的前六个月将流失率降至零。

通过旨在减少人员流动的不同举措，该团队能够为全球企业减少两个百分点的人员流失率，从而减少了1000万美元的成本。必威是正规网站吗在成功实施后，该项目已推广至其他七个国家(源)．

7.永远不要雇佣有毒的人

最后一个例子来自Cornerstone的一个案例研究有毒的员工．Cornerstone研究了有毒员工对工作场所的影响。“有毒员工”是指那些最有可能做出有害行为的员工。这些行为包括欺诈、吸毒或酗酒以及性骚扰。

这些人不仅对公司有害;它们对一般的工作环境有很高的毒性。之前的研究表明，团队中一个“有毒”员工会导致工作效率下降30%至40%。最重要的是，当好员工不得不与坏同事一起工作时，他们更有可能辞职。

该公司使用了6.3万名员工的数据集。在这个数据集中，他们标记了哪些员工因工作场所暴力、伪造文件、吸毒、酗酒和其他违反政策而被非自愿解雇。根据这些标准，大约4%的员工可以被归类为“有毒”员工。

在分析数据集后，Cornerstone确定了有毒人群的一些关键特征。

有毒的人:
1.自称是规则的追随者;
2.出勤率和可靠性得分较低;
3.服务导向较低。

值得注意的是，这项研究并没有发现此前报道的短期内高水平的生产力损失。然而，它确实发现有毒行为具有传染性。与有毒同事一起工作的人也更有可能辞职。此外，该研究还假设，有毒的同事会导致其他员工的长期压力和倦怠。

最终，Cornerstone证明，雇佣一名“有毒”员工平均将花费雇主12800美元，而雇佣一名“无毒”员工平均只需4000美元。这就排除了由于倦怠和其他负面影响而导致的长期(昂贵的)生产力损失。通过对招聘流程进行微调，公司可以防止招聘那些可能变得有害的候选人，并创造一个更健康的工作环境。

这将改变人力资源的游戏规则

正如前面的例子所示，应用预测性人员分析的结果可能是惊人的。人力资源部门可能会为公司节省(或赚取)数百万美元。此外，人力资源可以通过应用预测分析和使用正确的方法来帮助他们的经理和高管做出更好的决策人力资源指标．

预测的潜力人分析这些业务案例(以及其他人力资源分析案例研究)清楚地表明，预测性人力资源分析将继续存在。他们是游戏规则的改变者，使人力资源不仅可以评估员工的工作方式，还可以预测和优化人事政策对员工和业务的影响。

要了解更多关于预测分析和人力资源分析的应用，看看这11门在线人力资源分析课程吧，或我们的人力资源分析学院在该课程中，我们为想要学习更多分析知识的人力资源专业人士量身定制课程。