數據產品:人力資源管理的實踐與思考(一)

0 評論 7131 瀏覽 38 收藏 17 分鐘

編輯導語:隨著各行業的不斷進步發展,以及如今數據產品在工作中的使用頻率,各行業中都對數據產品有一個新的認識;在人力資源管理方面,也對數據產品有了進一步的運用;本文作者分享了關于人力管理分享以及數據產品的思考,我們一起來了解一下。

人力資源管理方向正在發生著深刻的變革,不論在宏觀層面還是微觀層面,越來越多的決策都離不開數據。

數據產品作為鏈接業務和數據的橋梁,深入的影響著管理決策、流程優化、員工體驗;但與此同時,人力數據產品也面臨著建設周期較長、業務問題不足夠明晰、對數據有不合理預期、效果和價值難以量化等諸多挑戰。

應該如何客觀的理解數據在人力管理方向的價值,以及如何有效的推進數據產品的建設是一個值得深入思考和不斷探討的主題。

一、理解對齊

我們在探討這個主題時,先對齊理解和澄清概念,大家關注下面的維恩圖。

1. 把控幾個關鍵詞:數據、產品、人力

數據產品—人力資源管理的實踐與思考(一)

引用百度百科的專業定義去理解下人力、數據、產品的含義。

其實我們今天所探討的范疇是人力數據產品,是上述三個領域的交界1,每個領域都有其延伸的領域范疇;人力產品(交界2)、數據產品(交界3)、人力數據(交界4)其實都是名詞;互換個視角,產品化人力、數據化人力、產品化數據更多傳遞的是動作和做這件事情的意義。

2. 數據產品通過數據來傳遞價值

通過收集和挖掘數據的價值,來為受眾(2C、2B、2G)創造價值的一種產品形式,這也就是目前產品的主要幾類受眾對象。

數據產品—人力資源管理的實踐與思考(一)

從產品類型角度再來理解下數據產品的定位。首先人力數據產品是企業數據產品(2B方向)。

從層次劃分上來說,數據產品有三個核心層次,數據層面、算法層面、應用層面。這三個層面分別聚焦不同的意義和范疇。

從產品類型上來說,有工具型產品、服務型產品;從價值歸類的角度,或者從需求層次理論上來劃分,有生存型(離開這個數據產品無法工作)、服務型(有了這款數據產品可以更好的工作)、品質型(數據產品可以有更極致的工作體驗)。

其實除個別特定的工具產品外,人力數據產品大部分為服務型的數據產品,這個基礎的定位決定了人力數據產品的價值呈現是一個不斷追求好上加好的過程,價值抽取是逐步深化,日趨精專的過程。

3. 數據傳遞價值的途徑是幫助決策,而不是直接創造利潤

數據產品—人力資源管理的實踐與思考(一)

數據產品的價值體現,也有兩個核心詞匯:影響決策或行為,這也是一個非常關鍵和核心的點,就是說數據產品不直接產生經濟價值,而是通過產生影響決策或行為的附加方式而間接產生經濟價值。

為什么說這兩個詞比較關鍵呢?是因為數據產品的著落點一定要落到這兩個核心詞上面來,那就是尋找對決策或行為有影響的價值點。

找尋有價值影響力的點的途徑一個是業務導向、一個是數據導向。

總結為兩點:哪里有決策,哪里就有潛在需求;同樣哪里有數據,哪里就有潛在需求。比如決定是否錄取該員工,這是一個決策點,那么就可以切入,通過數據途徑如何可以幫助做出該決策,它就變成了一個產品價值挖掘點。

同理,數據其實是業務的反映,我們有人事測評的數據,這些數據有哪些意義和輔助參考,在哪些環節中會發揮作用,會關注到該部分數據,它就變成了一個產品價值挖掘點。

4. 數據產品經理是一個跨界磚家

理想很豐滿,現實很骨感。

數據產品經理應該是介于業務分析師、工程師、數據科學家之間的交界角色;懂業務、懂數據、懂分析并且具備轉化為產品的能力,他人眼中的數據產品經理是八面玲瓏,實際可能只是游離于數據和業務之間的寸步難行。然而,我們要抬頭看得見天,低頭穩得住步。

產品經理就是面對復雜的問題,所以一定要有理得清千頭萬緒、藏得下星辰大海的情懷。

數據產品—人力資源管理的實踐與思考(一)

二、業務與場景

對齊了基本面的理解,我們要聚焦到人力數據產品。

我們先思考一點,在人力資源領域,從數據到價值變現的路徑,需要關注和思考到的點有哪些?

1. 數據要產生可行性見解,輔助決策或行動

數據產品—人力資源管理的實踐與思考(一)

產品本身是需要解決業務中的問題,在人力資源管理方向,數據價值呈現的途徑可以歸納為三點:還原場景、量化反饋、幫助理解人性。

通過對業務問題的理解,結合數據層面的思考,構建解決問題的框架,通過業務建模和數據建模的手段,在戰略或戰術層面給予決策或行動方向的建議。

從數據價值層次上來說,我們要回答發生過什么、正在發生著什么、為什么會發生、將來會發生什么、以及應該如何去應對;數據產品提供描述性分析、交互式分析、預測性分析、建議性分析;在實際操作層面,人力數據方向其實在各個層面均有涉及,要把控好數據產品的價值定位與思考。

2. 數據要從業務中來,到業務中去

價值的體現一定是為業務創造價值,深入業務是價值抽取的第一要素。我們需要理解下,組織是處在什么樣的內外環境和領域當中?

數據產品—人力資源管理的實踐與思考(一)

在人力資源管理領域,數據化的三大核心要素:組織、人才、文化。圍繞組織目標的推進與達成,人才的動機驅動與管理。

通過數據技術,改變吸引、獵取、培養、留住人才的方式,關注PA(People Analytics)和EX(Employee Experience),組織和員工之間構建起雙贏的雇傭關系,員工有更開闊的職業發展路徑,組織可以更高效的達成目標。

數據產品—人力資源管理的實踐與思考(一)

進一步拆解下人力資源管理的業務過程,從戰略管理、到管理過程、到管理結果,數字化可以在各個環節中發揮更多的作用。

3. 還原場景:從誰的視角出發?解決誰的關鍵問題

數據產品—人力資源管理的實踐與思考(一)

這個是價值抽取中最難的一個環節。從誰的視角出發,是說誰最終為產品的價值來買單。有一些工具或方法論比如IMPACT框架,可以幫助去更好的挖掘關鍵用戶的關鍵訴求。

有很多情況下,我們確實找錯了用戶,找錯的用戶的關鍵訴求。你以為的真的是你以為的么?不要做過多路徑依賴的事情,這也是從產品構思到落地環節最難的一個步驟。

4. 關注價值:PA是沒有終點的旅行

人力數據分析領域,PA其實是價值呈現的又一個關鍵環節;但正如文初所表達的內容,人才管理是有很多個變量和維度,如果沒有客觀的認知,在人力分析方向的投資評估就會遇到很大的挑戰。

數據產品—人力資源管理的實踐與思考(一)

數據產品必須先有所可視,有所洞察,才能有所改變。也就是凝煉成這么幾個字:可視、洞察、改變。尤其人力方向,人們必須看到東西,才能有所觸動、有所思考、有所批判,從而逐步產生符合預期的產品。

PA的三大目標:讓HR更懂企業中的人,讓管理者的決策更科學,讓員工更加了解自己。

從另外一個角度,人力大數據分析,可能更多的價值和數據體量不是線性正比關系,我們可能會更傾向于這么來表達它的價值:大數據時代,小數據應用。

從數據的生命周期管理來看,在數據產生階段,我們往往會覺得數據有很多可以挖掘的價值,對它是有比較多的期望,但隨著數據整理階段的深入,發展因為數據質量問題、業務維度定義問題等并不及我們的預期,我們把它定義為發現信息的階段,這個階段數據的價值,是有一個上升到下降的過程,可以把它成為第一階段價值預期矯正階段。

在數據研究階段,通過數據可視化、模式探索、組合分析、理解業務與深入挖掘,這個階段的價值比整合階段會有所延伸,數據價值預期會有所回升;當以產品的形態最終去呈現給用戶時,就會面臨第二次的價值矯正階段。思考、質疑、批判、建議,通過這個修正鏈路,從而轉化為符合預期的產品。

經過第一輪和第二輪的價值認知矯正階段以后,對數據會有合理的預期和判斷,包括建議和輸出,這個時候就是數據價值客觀呈現的時候;經歷過這個階段之后還會有第三輪的價值矯正階段,就會更為深入。

終極目標是什么呢?Known How、Known Why、Known What。

5. 搭建PA分析的框架

其實在數據分析層面,我們必須先建立一個框架性的分析體系,從而輔助我們進一步的迭代和優化。

通過如下的PA分析框架,幫助我們去理解人力數據分析的相關業務,從而找尋到業務分析的價值點,產出產品的數據價值。

數據產品—人力資源管理的實踐與思考(一)

人力分析PA框架,我們把它拆解為七大分析支柱,1大數據底座,1大終極目標。在人力大數據分析背景下,正逐步的從傳統的人才管理導向,往員工體驗方向轉型推進;但最終的主線一定是需要著落在承接組織目標,驅動人才職業生命周期管理上來。而鏈接這個底座和終極目標的就是7大分析支柱。

三、實踐與反思

1. 如何有效的開展PA分析工作

圍繞著人力數據的產品建設,大部分推進過程非常艱難的本質原因在于:

  • 對需求挖掘和用戶研究不夠深入;
  • 缺乏產品或管理的理念,被碎片化的需求所被動牽引,沒有形成體系化的產品建設方法論;
  • 對用戶和產品的體驗沒有足夠的關注度。

實用主義的做法,在推進數據建設中成了一個比較現實的妥協策略。

數據產品—人力資源管理的實踐與思考(一)

總結如下幾點,在人力數據分析方向開展PA工作的幾大著落點:

  • 目標和價值導向:PA的分析目標與組織目標、業務活動的目標緊密相關,要讓數據產生管理價值;
  • 數據化思維引導:避免完全依賴直覺、本能或經驗、而不是使用數據處理關鍵業務問題,建立數據化文化導向;
  • 快速建立信任關系:快速可測量的案例去建立動力和創新意識;
  • 小處入手分步交付:從小問題入手,但要有一個全局的框架和長遠的目標,層層分解目標,分階段交付;
  • 數據和模型線上化:理解業務和模型,可以先從線下數據線上化、標簽或經驗模型的線上化;
  • 不要過度追求完整:不需要啟動所有的數據,更不應該要求結果準確無誤,循序漸進,逐步推進;
  • 避免陷入數據沼澤:不要迷失在數據當中,即使是數據驅動也要再回到業務當中,從業務中來到業務中去;
  • 最大化數據的價值:數據總是不完美和有噪點的,要最大化每一部分數據的價值,相信再小的數據也有它的合理價值;
  • 引入人力專家資源:分析項目引入人力資源業務專家;
  • 關注數據運營手段:持續跟蹤用戶對數據的使用和感知情況,縮短數據感知的體驗路徑,加速產品的孵化;

后續我們逐步的進行PA分析框架的拆解,下一篇會再介紹下產品和數據層面的問題,如何構建起人力資源分析框架。

 

本文由@高登 原創發布于人人都是產品經理,未經許可,禁止轉載

題圖來自 unsplash,基于CC0協議

更多精彩內容,請關注人人都是產品經理微信公眾號或下載App
評論
評論請登錄
  1. 目前還沒評論,等你發揮!