이 글은 왕애민 선생님이 강의한 온라인 과정' 인적자원 대데이터 응용 실천' 을 정리한 것이다.
그래서 이곳에 도착하면, 나는 너를 가지고 농담을 할 것이다. 일찍이 사람들은 인적자원 사람들이 일을 하지 않는다고 자주 말했는데, 우리가 일을 하지 않는 것은 아니다. 전략과 업무에 익숙하지 않아, 우리가 생각하는 일을 하는 것을 제한했기 때문이다. 왜요 초기 몇 년 동안 인적자원은 특별히 중시되지 않아 따라갈 수 없는 상태에 있었기 때문이다. 이에 대해 말하자면, 사장이 HR 을 중시하지 않는 것, 예를 들면 중요한 업무회의, 운영회의, 임원회의와 같은 것이 더 일치한다고 느낄 수 있다. 우리의 인적 자원 리더는 그곳에 앉아서 접촉하고, 회의에 참석하고, 함께 경청하고, 이해할 기회가 없다. 우리는 어떻게 그것을 다른 인적 자원 책임자에게 전달할 수 있습니까? 그래서 상담할 때마다 회사의 CEO 와 이 문제를 논의하고 싶습니다. 우선 이 프로젝트를 잘 해야 한다. 너의 인적 자원이 진정으로 역할을 발휘하는 것은 반드시 사장부터 시작해야 한다. 회사의 사장 겸 CEO 로서 인적 자원에 대한 당신의 이해는 무엇입니까? 만약 당신이 인적자원에 대한 이해가 높지 않다면, 프로젝트 시행 후 당신의 조직에 진정으로 도움이 될 수 있을지는 정말 말하기 어렵습니다. 그래서 지난 몇 년 동안 상장 회사의 회장에게 인적 자원 고문으로 일했을 때, 처음 몇 달 동안, 저는 회장과 그가 있는 지사의 사장과 아이디어를 공유하여 인적 자원의 중요성을 깨닫게 하는 데 초점을 맞추었습니다.
이렇게 한 후에야 인적 자원 전문가가 진정으로 임원에 통합되고, 진정으로 업무를 이해해야 진정으로 우리 회사를 위해, 우리 조직에 정당한 역할을 할 수 있다. 그래서 저는 비즈니스 이해의 전제는 전략이고, 비즈니스 이해의 기초는 전략이라고 생각합니다. 이것이 제가 항상 여러분을 위해 강하게 조율해 온 것입니다. 나는 이 배후에 기술적인 것들이 있다고 생각하는데, 우리는 단지 대충 이해하기만 하면 된다. 우리는 바로 이 기초 위에 있다. 데이터 수집 및 데이터 준비의 명확한 모델 평가 어플리케이션은 데이터 이해에서 데이터 모델링에 이르기까지 다양합니다. 나는 블랙박스를 비행기 블랙박스처럼 블랙박스라고 부를 수 있다고 생각한다. 여기서 우리는 기술자가 할 수 있습니다. 우리는 HR 로 이해할 수 있습니다. 이를 바탕으로, 앞서 이 기술자들을 지도한 후, 마지막으로 응용할 때, 물론 우리의 CEO 를 포함한 우리 HR 의 임원이 적용해야 합니다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 예술명언) 나중에 이 분야에 대해 더 자세히 알려 드리겠습니다. 이것이 우리가 추구해야 할 비즈니스 논리입니다. 이것은 특히 중요합니다. 저는 항상 강조하고 싶습니다. 특히 여러분과 공유하고 싶습니다.
앞의 업무 논리에 기초하여, 우리는 또한 지표체계의 논리도를 가지고 있다. 이 논리는 무슨 뜻입니까? 우리가 논리로 구동하는 것은 사실 증거 기반 사고에서의 이런 논리적 구동이다. 논리 중심의 분석 방법을 통해 인적 자원 관리자는 인적 자원 분석과 실제 운영 간의 관계를 보다 교묘하게 이해할 수 있으며, HR 은 기업 운영 관리 사상의 틀에 더 잘 부합하는 사상 논리를 사용할 수 있습니다. 즉, 우리 회사의 전략은 무엇입니까? 우리 사업은 무엇입니까? 우리의 HR 이해를 바탕으로, 사실 당신과 회사 사장은 계층적입니다. 그래서 당신은 사장이 무슨 말을 하고 있는지, 기업이 어떻게 발전해야 하는지 이해할 수 있습니다. 그래야 우리가 기업을 더 잘 서비스할 수 있고, 우리 분석 결과의 신뢰성을 크게 높일 수 있습니다. 이 지수 체계의 논리도를 다시 한 번 봅시다. 우리는 단지 몇 가지 전략적 업무를 기초로 사람의 문제를 고려할 뿐이다. 사람의 문제는 무엇입니까? 여기서는 우리 회사의 경영 전략을 고려해야 하고, 인재의 생명주기도 보아야 하기 때문에 우리 모두가 잘 아는 이미지, 서비스, 혁신, 품질, 효율성에 대해서는 군말을 하지 않겠습니다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 성공명언) 그런 다음 인재 정보 수집과 재무, 운영, 능력, 고객 등과 같은 핵심 지표를 바탕으로 인재를 선발, 평가, 개발, 상벌하는 것이 우리 BIC 의 한 가지 아이디어입니다. 구체적으로 이 표를 보세요. 인재 발전 주기의 관점과 논리에서 선발, 평가, 인재 발전, 인재 인센티브, 인재 보유를 고려하다. 우리는 어디에서 위도를 분석합니까? 최적화, 예측 분석 및 상관 관계, 우리는 실제로 상향식입니다. 우리는 벤치마킹, 상관 분석, 예측 및 최종 최적화를 설명합니다. 인재 선발의 관점에서 우리는 무엇을 합니까? 관련성의 기본 데이터와 교차 분석에서 예측 최적화를 어떻게 고려할 수 있습니까? 인재 평가의 관점에서 볼 때, 우리는 또한 기본 데이터를 설명하고, 관련성 분석을 찾고, 예측을 하고, 관리를 최적화하는 방법 등을 따릅니다. , 인재 양성 포함. 우리는 어떻게 데이터 분석의 논리를 따를 수 있습니까? 이것이 바로 이런 논리적 사고이다.
앞서 언급했듯이, 우리의 지표 체계 건설의 업무 논리. 하나는 비즈니스 논리이고, 가장 중요한 것은 전략과 업무의 이해이고, 두 번째는 인재의 성장 법칙의 관점에서 보는 것이다. 그런 다음이 비즈니스 논리를 기반으로 지표 시스템을 구축 할 수 있습니다. 사실 이 시스템의 아키텍처는 4 층, 시스템 계층, 데이터 계층, 분석 계층, 디스플레이 계층으로 나뉜다. 시스템 계층은 우리 주변에 데이터가 있고 ERP 시스템이 있다는 것입니다. 우리는 그것을 쓰고, 들락날락하고, 단어를 선택하고, 인트라넷의 일부 데이터, 비즈니스 시스템의 일부 데이터, 즉 우리 주변의 데이터는 시스템 계층에서 모두 선택해야 하고, 데이터 계층에서 어떻게 해야 하는지 알 수 있다. 데이터 계층은 순수 기술의 조작이기 때문에 우리의 전통적인 HR 은 기술을 몰라도 상관없다. 나는 단지 블랙박스로 우리에게 건네준 기술자가 괜찮다고 말했을 뿐이다. 데이터 계층 뒤에는 이전 정보, 지식 및 데이터의 분석을 기반으로 하는 분석 계층이 있습니다. 이어 업무장면 분석, 운영관리의 지표, 조직효율성의 지표, 문화활력의 지표, 운영분석의 지표 등이 이어졌다. 이러한 모델을 바탕으로 Dell 은 이러한 데이터를 기반으로 분석을 모델링하여 경보 예측, 사용자 초상화를 출력하여 경영진에게 의사 결정 지원 조언을 제공합니다. 이것은 인적 자원 빅 데이터의 플랫폼입니다. 이것은 기본적으로 바이두 빅 데이터 플랫폼의 업그레이드 버전입니다. 이 곳에서 우리는 어떤 기업이 큰 데이터 플랫폼을 구축하고자 한다면 기본적으로 시스템, 데이터, 분석, 이 네 가지 측면을 따르는 것을 직관적으로 볼 수 있습니다.
그럼 이 플랫폼들을 각각 살펴봅시다. 가장 기본적인 관점에서 볼 때, 기초는 출입구 리프트 조절의 시공과 예약관의 선택이다. 즉, HR 3 대 기둥의 관점에서 보면 SSC 또는 SDC 다.
사실, 저는 HR 의 세 가지 기둥, SDC 또는 SSC 를 HR, 비즈니스 및 전략에 가장 큰 가치를 부여해야 하는 큰 데이터 분석 플랫폼으로 구축해야 한다고 주장해 왔습니다. 우리 시스템의 관건은 HR 이 당신의 능력을 발휘할 수 있는 기초적인 부분이 필요하다는 것입니다. 우리가 어떻게 이 플랫폼에 일부 데이터를 부어야 하는지, 우리가 찾는 데이터는 인적자원 정보 시스템과 다를 수 있습니다. 이직 관리 시스템, 급여 혜택, 아마도 우리 인적자원 정보 시스템 자체가 있을 수도 있고, 성과 발전, 수습 기간 관리와 같은 더 많은 것들이 있을 수도 있습니다. (데이비드 아셀, Northern Exposure (미국 TV 드라마), 성공명언) 이곳은 우리 기층 HR 이 작용해야 하는 곳이다. 예를 들어, Dell 전문가와 경영진은 이러한 데이터의 논리와 HRD 또는 HRVP, 심지어 COE 의 일부 요구 사항에 따라 통합 데이터를 구축할 수 있습니다. 두 번째 계층은 데이터 계층이지만 실제로는 순수 기술입니다. 이를 데이터 분석 (데이터 청소, 처리, 추출, 저장, 마크업 등) 이라고 합니다. 이 계층에서 처리되는 데이터에는 정형 데이터와 대량의 비정형 데이터가 모두 포함됩니다. 예를 들어, 우리가 데이터의 주요 프로세스 구축에 참여하는 것은 모두 비교적 전문적인 내용이다. 데이터 준비 및 작업 데이터 분석에는 데이터 마이닝, 모델링, 검증 및 데이터 트랩 방지가 포함되므로 데이터 분석 논리인 예측 역할을 합니다. 이것은 데이터 계층입니다.
데이터의 분석 계층을 살펴 보겠습니다. 여기에는 무엇이 포함되어 있습니까? 주제 분석, 개발 및 분석, 지표 시스템 및 모델 구축 여기서 가장 중요한 것은 무엇입니까? 예를 들어, 과거에 일어난 일, 문제 진단, 원인 파악, 과거의 일부 데이터에 따르면, 분석 모델링을 통해 배우고, 그 중 관련성을 찾아내고, 과거처럼 가설을 통해 검증하는 것이 아니라, 오늘 데이터에 대한 제때 관찰, 시기 적절한 분석, 시기 적절한 조정을 통해 데이터를 예측 경보의 기능을 발휘할 수 있도록 하는 것이 미래의 가능한 결정에 대한 설득력 있는 근거를 제공하는 것이다. 이 계층은 데이터 정보에서 지식에 이르는 과정이다. 왜 그 개념들을 먼저 말해주는 것이 바로 이 곳에 쓰겠다는 것인가? (윌리엄 셰익스피어, 햄릿, 지혜명언) 데이터 정보에서 지식에 이르기까지 데이터 분석에는 수학 이론, 업계 경험 및 계산 도구의 조합이 필요합니다.