我要测评
为了实现“云转型”,需要将人力资源管理系统数据化,基于数据控制人力资源管理的战略贡献。——《人力资源管理新逻辑》

我们在对“人”进行研究时候,都会怀着敬畏之心,因为人的复杂性和独特性决定了很难甚至无法揭示人内在的真实面貌。但我们需要认知自己和所在的世界,虽然很难,但也要取得哪怕一点点的进步。科学研究中归纳法和演绎法帮助我们努力靠近——虽然不是——那个真理。比如西方经济学当中引以为傲的“理性人”假设,虽然在很多时候也被证明是失效的,但它确实在一定程度上帮助我们认知了人性规律。

企业当中,对人的研究更是十分重要,企业需要寻找合适人才,发掘高潜人才,培养可塑之才,重用得力之才,才能取得业务发展和长足进步,而这一系列人才管理工作的前提是有清晰的标准去描述人、了解人。

“人才画像”是建立在科学方法基础上的描述企业人的一种形式和工具。它是随着互联网技术发展应运而生的,与传统的岗位说明书相比,其优势是全面性、数字化、精准化、有效性和动态化。

很多人只是听过人才画像的概念,但对它的内涵和价值并不清晰,也对其可落地性产生怀疑,本文将全面解析人才画像的概念、意义、构成要素、构建方法和技术支持,帮助企业深入了解人才画像。

一、人才画像是什么?

虽然无法考证,但很多人认为人才画像的概念是由互联网行业的用户画像衍生而来。什么样属性或特点的人会对某款产品或服务感兴趣,比如某飞行玩具产品的用户画像是“年龄6-8岁”“性别男”,这些特点和属性的集合就是用户画像的本质含义。人才画像的基本含义是在某个目标岗位上做得符合标准的人的特征集合,比如某外企技术岗位的人才画像是“英语六级及以上”“计算机专业”等。当然画像的内容不限于这些,还可以是智商、沟通能力、项目经验、人格类型、出生地、家庭成员、旅游地点等各种信息。

如果对用户画像和人才画像进行解构,我们会发现:它们都有一个目标,“感兴趣”和“做得符合标准”,表明画像是有明确目的的;它们都有一些标签, “年龄6-8岁” “计算机专业”,这些标签具有明确的标准,符合标准才能够有助于实现目标,可能有人会问,不符标准就不能实现目标吗?6岁以下就不会买那个飞行玩具了吗?当然不是,只是通过对儿童智力等方面的推演以及实际的销售统计数据发现,从概率来讲并不多。从资源高效利用的角度,聚焦高概率的事件,更易达成目标。

二、人才画像的价值

人才画像试图用一种简化的、可视的方式呈现对特定目标人群进行描述,它内核作用是用若干核心标准区分人群,在企业当中最常见的应用场景是用人才画像描述岗位人才的特征,以帮助企业依照该要求去寻找人、识别人和使用人。对企业而言,人才画像在诸多方面体现出独特价值。

1、战略与人才

人才是企业战略执行的根本保障,企业战略的实现离不开合适的人才推动,所以选对人、用对人十分重要。随着VUCA时代的到来,人才标准能否适应变化、跟上节奏显得尤为重要,传统的人才标准(如JD)往往是模糊的、滞后的、古板的,而人才画像的准确性、动态性和适应性能够完美地适应易变时代下的企业需求。企业把好人才关,人才驱动业绩提升,业绩助力战略实现,战略吸引更多人才,这样才能形成战略与人才良性的互动循环。

2、人力资源数字化转型

随着5G、人工智能、区块链等新兴数字技术与传统产业的深度融合,众多企业面临数字化转型。新技术催生新的商业模式、新的经济形态,同时促进着传统经济体的进化重生。人力资源作为企业管理的重要组成部分,也在经历着数字化带来的深刻变革。人力资源数字化转型是人力资源职能的转变,利用数据来指导人力资源的所有领域,我们了解到的薪酬数据化、绩效数据化都属于该范畴。人才画像是人力资源数字化转型的重要组成部分,它以数据化的方式存储、梳理、展示纷繁复杂的人才数据,由于它的对象是复杂的人,所以它的出现要比薪酬数据化等更具有现实意义。

3、招聘效率与准确率

从人才画像的具体使用者的角度,HR是与之接触最为密切的角色,传统情况下HR在搜索简历、面试、测评等工作人才招聘工作繁重而不精准,而人才画像通过数据化、可视化的方式清晰定义“人才”的标准,让HR的工作变得简单、有效。人才画像也给HR们增加了一个深入分析、长期跟踪研究的数据信息输入源。

三、人才画像的构成要素

人才画像的内容可以有很多,一切能描述和区分人群的标签都可以纳入人才画像,不过前提是这个标签能够有效帮助实现人才画像的目标。从单一内容来看,每个标签由“维度”和“标准”两部分构成。

1、维度

“维度”是指画像的内容或方面,如“性别男”“年龄6-8岁”中,“性别”和“年龄”是人才画像所考虑的维度。维度规定方向,不规定刻度和类型。

2、标准

“标准”是指画像中维度的具体类型、范围和刻度等,如“男”是性别维度的标准,“6-8岁”是年龄维度的标准。标准可以是类型、数值、区间等各种形式。

维度和标准的组合形成了完整而明确的标签,用众多标签组合在一起就形成了人才画像。

四、人才画像的构建方法

建立人才画像最核心的工作是确定维度和相应标准。构建思路有两种:一种是有靶向的构建,是指根据理论推导或历史经验,初步勾勒出大致的维度,再讨论和细化标准,这一种是自上而下的进行,先定方向再定细节;另一种是无靶向的构建,是指在不确定方向情况下,在一堆数据集当中进行探索,以确定哪些数据类别能纳入人才画像,这一种是自下而上的进行,根据数据确定方向。

两种方式构建的步骤如下:

1、有靶向的构建

(1)研究相关理论,学习历史经验;

(2)提炼关键维度,确定模型框架;

(3)定向采集数据,进行数据分析;

(4)确定维度标准,形成人才画像。

2、无靶向的构建

(1)采集丰富数据集;

(2)数据清洗与标准化;

(3)数据挖掘与分析;

(4)筛选符合标准的数据;

(5)维度提炼与命名;

(6)数据验证;

(7)形成人才画像。

人才画像的数据来源有多种,比如性别、年龄等客观信息是可以直接获取的,爱好、风格等信息需要由机器学习人的行为点后分析得出,外向性、责任性需要通过人才测评工具评估得出,绩效、工作表现需要由上级或同事评价得出。

数据挖掘是建立人才画像的重要技术方法,数据挖掘包括很多算法,比如神经网络法、决策树法、遗传算法、粗糙集法、模糊集法、关联规则法等,这些算法需要由专业人士使用计算机进行操作。

数据验证是建立人才画像的重要环节,主要有两种方式:一种是主观判断,即由人根据经验判断标签是否能够实现目标,当然单个人的判断往往会出现较大误差,所以会组织多个专家一起进行判断,也被称为“德尔菲法”,通过评分样本量来弥补误差,这种方式适用于那些显而易见的标签、少量而简单的标签,或者现实很难实际操作验证的标签;另一种是实证分析,即将所选的标准应用于分析未来数据,观察结果是否如预期,这种方式适用于能够实际操作的标签。

五、人才画像的技术支持

构建人才画像是一个系统性的工作,在具体实施过程中需要克服三大困难:一个是数据源的问题,特别是冰山之下的潜在素质难以获取;二是数据分析的问题,特别是算法十分专业和复杂,非专业人士难以掌握;三是人才画像落地的问题,人才画像建在哪里才能保证运转。针对这些问题,以下提供可能的技术支持和解决方案:

1、测评软件解决核心数据来源

人才画像最有魅力的地方就是给人内在的素质打上标签,让隐藏在冰山下的潜力以很好的方式呈现出来。不过“动机”“忠诚度”“价值观”这些素质是很难直接获取的,即使获取了一些碎片信息,也是非数据化的,难以使用。所以一定要通过标准化的方式,将素质数据化。随着心理测验在人力资源领域的应用,人才测评软件可以很好地解决这一问题,通过在线测评的方式采集到人的各种素质信息,以数据化的方式呈现出来,这就解决了核心数据来源问题。

2、分析工具解决数据挖掘算法

企业为了引入人才画像,需要进行专业的数据挖掘与分析,不过企业不必亲力亲为,因为人力资源服务领域的专业化分工越来越细致和清晰,人才测评机构拥有专业的分析工具,将各类数学算法集合于数据分析平台,能够解决企业人才画像分析的各种需求。

3、应用平台解决人才画像落地

为发挥人才画像的最大效用,在构建完成后需要由IT系统作为支撑,解决数据存储、运算、迭代等各种问题,这个IT系统可在人才测评系统基础上增加模块,促进画像与测评联动,形成建立标准、采集数据、生成结果的全流程管理。

北大光华管理学院的穆胜博士曾在《人力资源管理新逻辑》一书中表示,需要通过“云测评”为人力资源打上更多的标签,方便齐备随需调用,为了实现“云转型”,需要将人力资源管理系统数据化,基于数据控制人力资源管理的战略贡献。人才画像是企业管理特别是人力资源数字化转型的重要组成部分,它随着数字化浪潮不断涌现在人们面前,当前很多企业尚未意识到它的重要性与迫切性,可能在不远的将来它会变成衡量企业先进与落后的重要标准。

企业如何用数据描绘“人才画像”

2021-02-03
0