人力资源中的六西格玛:对人力资源流程、分析和自动化的影响

如今，数据科学已经触及了业务功能的各个方面，使业务决策的速度、准确性和质量得以提高。作为核心业务运营的固有组成部分，“人员职能”也未能幸免于这种发展。

最好的数据科学实践是将管理工具与统计和机器学习见解结合起来。这种结合极大地帮助了战略决策制定，从而直接提高了全球大量企业的生产力和盈利能力。

什么是六西格玛?

六西格玛可能是沿着这些路线建立的最完善的方法。从根本上说，六西格玛是一种数据驱动的方法，通过减少过程平均值的变化来提高过程的质量(即任何重复的业务功能)。换句话说，确保工艺落在可接受的公差范围内(尽可能)。这被称为六西格玛中的工艺授权水平。

下面是我们遇到的一些关于这个话题的常见问题。

问:什么是人力资源的六西格玛?

六西格玛是一个数据驱动的框架，用于提高人力资源流程的质量，该流程是与人力资源相关的任何重复业务功能。六西格玛通过减少过程均值附近的变化来实现这一点。

简而言之，六西格玛确保关键的人力资源职能落在可接受的质量/绩效水平。这通常被称为“人力资源流程授权级别”。

问:六西格玛实际上是如何减少变异的?过程是什么(非常简单)?

六西格玛通过单一的攻击，即“根本原因分析(RCA)”，揭示了变化的原因。RCA只是基本统计分析、问题解决和头脑风暴技术的混合物。然而，在RCA中使用的特定工具可能是特定于组织的。

问:为什么HR需要六西格玛?

通过使用统计假设检验，六西格玛在证实主张之前提供证据——第一次和每一次。这使得它非常可靠和普遍适用。但是，需要严格遵守数据采样规则。

六西格玛在早期就发现了混淆、重复和未经证实的说法。它还有助于识别差距分析，为业务流程推荐优化模型，建议最佳预算和所需的培训/定位。

问:它解决了哪些挑战，又带来了哪些机遇?

就机会而言，确实有一百个，但让我们自然地找出三个关键原因:

一个。六西格玛是一个战略过程改进框架，始于人力资源过程数据的量化。它通过测量一个sigma分数(在改进中的人力资源过程)开始，以改进的人力资源过程的sigma分数(即改进的质量)结束。通俗地说:sigma评分(包括cp和cpk评分)为持续的人力资源流程改进提供了统一的参考点和清晰的“可量化证据”。

B。六西格玛是一个“包罗万象”的质量控制和过程改进保护伞。它有大约4-5个文档非常完善的框架，可以无缝地采用和应用于整个人力资源流程设计和改进范围，通常在不到48小时的分析后就会产生结果。

C。六西格玛有超过100个良好记录的工具的存储库。这些包括自由流动和连续的头脑风暴，问题识别工具，人力资源战略调整工具，对人力资源流程数据的描述性和推断性见解，控制人力资源流程实验设计等。这些工具的采用和使用取决于适应性的范围和所讨论的特定机制。

问:这是否意味着人力资源分析和六西格玛是不同的实体?

不，它们是交织在一起的。两者都基于应用于人力资源流程数据的数据科学基础。所谓的区别只是六西格玛从质量控制和过程改进的角度进行分析。

事实上，为了得到最好的结果，六西格玛项目可以与人力资源数据科学问题无缝结合，如管理减员、缺勤、继任计划、跨部门数据分析等。

问:六西格玛能否帮助人力资源分析从设计阶段进入生产阶段?它能否在人力资源分析中确定一种最佳的组织特定方法?

我们的一个关键六西格玛DFSS(为六西格玛设计)项目仅确定了5种将数据科学应用于人力资源生产的基本方法(适用于任何业务领域):

1.战略人力资源咨询专注于计量经济学和应用统计模型(通常通过R或python数据科学库开发);

2.在人力资源管理系统中构建的集成分析模块，如“成功因素劳动力分析”，“工作日棱镜分析”，“甲骨文人力资源管理系统分析”;

3.专门的人力资源分析平台，如Visier, CrunchHR;

4.通用的，基于组件的分析平台，如SAS矿工，KNIME, Rapidminer服务器等;

5.分析与云/基于现场的数据可视化平台集成，如Tableau, Click-Sense, Microsoft BI。

过去的受控设计实验表明，在Tableau、Click-Sense和Microsoft BI等强大的可视化平台上构建定制的、分析驱动的(通过R集成)仪表板可以带来最大的效益。

问:还有一点，你在人力资源自动化方面做过一些咨询工作。为什么你认为在人力资源流程中盲目采用自动化是不好的?

自动化这个术语已经被过度混淆，造成了相当大的混乱和错误信息。自动化只是数据库驱动的触发器、函数和过程，再加上不同系统之间的集成(例如通过REST API)。这些触发器的基础可以是基础数学(硬编码规则)或统计建模/深度/机器学习(软编码规则)。有趣的是，人工智能背后的基础技术已经有近30年的历史。

在人力资源中实现自动化可能是一个非常简单的过程。例如，通过KNIME/SAS/ fast -miner等开箱即用的分析平台，通过REST api实现人力资源入职流程的一部分自动化，可能只需要半个工作日

话虽如此，认识到与人类认知所表现出的复杂性相比，计算机的认知能力仍处于相对初级的阶段是很重要的。基于结构化数据集的生产自动化决策是可行的。然而，自动化还需要一段时间才能从开放文本/人类语言中破译上下文含义，以直接用于业务应用价值。

问:人力资源部门在做哪些次优工作?

除非人力资源部门使用数据分析进行战略决策，否则它根本无法像营销、财务、制造和综合管理多年来所做的那样利用其潜力。

人力资源部门的决策如何影响财务、营销、制造和整体业务盈利能力?人力资源流程数据是如何与组织的纯粹市场表现交织在一起的?一个好的人力资源分析系统应该有助于计算(几乎)每个人力资源活动的投资回报率，并使人力资源部门能够对组织的部分财务健康状况主动问责。

人力资源通常无法与企业的收入/盈利能力流联系起来。人力资源作为利润中心的说法经常被重复，而与此同时，计量经济学和金融学并不是我们的强项。对，不，也许错!

有趣的是，我们的根本原因分析显示，典型的运营人力资源专业人员最终会在其专业运营商的4或5种不同类型的业务中工作。除非人力资源专业人士在新组织的职业生涯开始时投入并投入时间来熟悉其核心业务的领域知识，否则我们不会取得太大进展。

随着人力资源部门继续将其运营数字化，并收集更多关于其流程的数据，它有可能整合战略和基于证据的方法，如六西格玛。分析的时代，尤其是人力资源分析的时代，已经到来，我们都可以共同努力，改善我们的业务流程，并提供令人满意的投资回报率。

作者简介:

拉贾森古普塔他是数据科学家、统计学家和人力资源分析专家。他拥有六西格玛黑带，是XcelPros的产品开发主管和计算语言学研究员。

Soumyasanto森是一位广受认可的人力技术顾问，专门从事管理和转型，是一位真正的未来工作布道者。