大數(shù)據(jù)應(yīng)用于人力 預(yù)測性勞動(dòng)力分析真的有用么

最近，人力資源專家、人力資源技術(shù)會(huì)議之父—Bill Kutik寫了一篇文章《預(yù)測分析炒作》。在這篇文章中，他引用星座研究分析師Holger Mueller的說辭“這歸結(jié)于當(dāng)應(yīng)用于大量有著不同數(shù)據(jù)視野的顧客時(shí)，這些模型是否真的有用?！?/span>
因此，當(dāng)許多人力資源軟件供應(yīng)商光說說要預(yù)測“雇員離職風(fēng)險(xiǎn)”時(shí)，他們有多少人可以證明他們能說到做到以及他們的預(yù)測真的有用，你怎么能確保一個(gè)供應(yīng)商所宣稱的可以預(yù)測員工留任風(fēng)險(xiǎn)是有效的？你應(yīng)當(dāng)尋找什么？

首先，為什么預(yù)測“離職風(fēng)險(xiǎn)”如此重要？

自從2009年的經(jīng)濟(jì)衰退巔峰以來，美國每個(gè)職業(yè)空缺所對(duì)應(yīng)的失業(yè)人口數(shù)量在穩(wěn)定的下降，現(xiàn)在已經(jīng)回到了衰退前的水平。再加上，美國勞工部的統(tǒng)計(jì)數(shù)據(jù)顯示，企業(yè)不僅越來越難招到人，也越來越難留住人才。
因此，員工保留自然而然成為了大多數(shù)人力資源部門的關(guān)鍵任務(wù)。為了可以量化人員損耗的影響，許多人嘗試把離職和商業(yè)影響聯(lián)系起來。一份分析了48個(gè)獨(dú)立研究的綜合性研究中表明，離職真的對(duì)財(cái)務(wù)業(yè)績、客戶服務(wù)、勞動(dòng)生產(chǎn)率和安全產(chǎn)出有影響。
更多的人嘗試去通過估計(jì)直接成本和間接成本來量化離職的的影響。盡管分享了許多的觀點(diǎn)，這個(gè)研究結(jié)果中關(guān)于成本和人員損耗的聯(lián)系仍然有很大程度上的不同。因?yàn)榭紤]到的因素和作用也是多樣化的。一個(gè)完整的核算需要超越雇傭和培訓(xùn)的范疇，包括分離，生產(chǎn)力和失去的知識(shí)。

在一個(gè)有著5000名免付加班費(fèi)員工（例如，行政管理人員，經(jīng)理主管人員，專業(yè)性的員工，計(jì)算機(jī)專業(yè)人員以及銷售人員）的公司，有著10%的自愿離職流動(dòng)率（比2014年行業(yè)中的額平均自愿離職率少了超過1%）,盡管保守估計(jì)每年不必要的離職率可以轉(zhuǎn)化為3000萬美元的替代成本。
盈虧的底線可以被好的開支計(jì)劃所改變，但是濫用的保留員工策略，例如，人力資源或者是經(jīng)理們用來防止辭職所采用的方法：加薪，獎(jiǎng)金或者是升職。當(dāng)這些策略沒有硬數(shù)據(jù)來支撐他們的話，結(jié)果將會(huì)十分有限，更糟糕的是，這些錢可能不必要的被用來挽留那些實(shí)際上并沒有離職風(fēng)險(xiǎn)的人。36大數(shù)據(jù)

正如在文章中描述的那樣，ConAGra食品公司創(chuàng)建了一個(gè)人力資源分析程序，使用數(shù)據(jù)來引導(dǎo)挽留策略的實(shí)施顯示出了“地毯式轟炸和激光制導(dǎo)彈的區(qū)別”。人力資源將它的注意力聚焦并將錢花費(fèi)到最有用的地方，而不是在整個(gè)公司采用挽留策略。如果你可以使用預(yù)測分析來準(zhǔn)確的識(shí)別那些有離職風(fēng)險(xiǎn)的員工，尤其是表現(xiàn)出色的員工以及是關(guān)鍵角色的人，那么你就可以在保證生產(chǎn)力和績效提升的同時(shí)，避免這些成本。在這種情況下，關(guān)鍵字是正確的。

為什么證明預(yù)測分析的有用如此難

首先，使用任何的預(yù)測模型，你需要有一種方法來證明你的預(yù)測是有效的。維西爾的數(shù)據(jù)科學(xué)家認(rèn)定，一個(gè)分析若要有效，最少需要分析2至3年的數(shù)據(jù)（越多越好），它就像在某一時(shí)刻，父母對(duì)他們的孩子說的那樣“你不去試一下，你怎么知道你不喜歡它呢？”或者在我們這一情形下，如果你沒有做一個(gè)對(duì)于真實(shí)結(jié)果來說有效的預(yù)測，你怎么就知道這一預(yù)測是有用的呢？

第二，人們做決策的模式不能被歸結(jié)為市場營銷人員這么多年以來一直嘗試去發(fā)掘的簡單因素。它是“有著情感的數(shù)據(jù)”，并且為了發(fā)掘其內(nèi)在模式需要去展搜尋盡可能多種類的信息來源。就像淘金一樣，你搜索的范圍越廣，你越有可能找到隱藏的金塊，也就像預(yù)測分析的洞察力一樣。
第三，預(yù)測的準(zhǔn)確性取決于用來建造模型的數(shù)據(jù)，例如，如果一個(gè)模型是基于一個(gè)公司的內(nèi)在因素建立的，那么它就不一定適用于第二個(gè)公司。更具挑戰(zhàn)的是，在同一個(gè)公司的一年和下一年相比之下，對(duì)于同一個(gè)模型也會(huì)同樣發(fā)生上述情形。使用的方法應(yīng)該考慮到這一動(dòng)態(tài)性。
問題是如今大多數(shù)的“離職風(fēng)險(xiǎn)”預(yù)測分析能力都是在他們的初級(jí)階段—他們都沒有使用足夠的數(shù)據(jù)來源在足夠長的時(shí)間中被足夠多的公司使用到足夠多的員工身上。

驗(yàn)證一個(gè)“離職風(fēng)險(xiǎn)”預(yù)測分析技術(shù)

在維西爾，我們希望把我們自己的“離職風(fēng)險(xiǎn)”預(yù)測分析進(jìn)行測試，為了做這個(gè)測試，我們把我們所有所知的關(guān)于預(yù)測分析的情況和匿名的數(shù)據(jù)放到我們的云平臺(tái)上，一步一步的應(yīng)用我們的“離職風(fēng)險(xiǎn)”預(yù)測分析技術(shù)。在做這的時(shí)候，我們發(fā)現(xiàn)維西爾在預(yù)測誰會(huì)在接下來的三個(gè)月中辭職時(shí)比猜測和直覺要精確8倍，如果你關(guān)注前100名有“離職風(fēng)險(xiǎn)”的員工時(shí)，會(huì)精確10倍。

通過在員工身上應(yīng)用一段時(shí)間我們的機(jī)器學(xué)習(xí)，我們可以賦值一個(gè)“離職風(fēng)險(xiǎn)”分?jǐn)?shù)并將它們從高到低進(jìn)行排列。這些計(jì)算都是動(dòng)態(tài)和即時(shí)的，因此當(dāng)一個(gè)人力資源分析師，商業(yè)伙伴或者領(lǐng)導(dǎo)詢問在一個(gè)特別的員工子群體（例如，指定了一個(gè)角色、情景、任期以及績效水平）中誰有“離職風(fēng)險(xiǎn)”時(shí)，系統(tǒng)會(huì)基于最近適用于用戶的數(shù)據(jù)自動(dòng)的提供相關(guān)結(jié)果。

手里持有這些信息，人力資源可以采取行動(dòng)來應(yīng)對(duì)最脆弱的群體或者是那些準(zhǔn)備離職的人。36大數(shù)據(jù)

人力資源在預(yù)測分析中至關(guān)重要的作用

盡管有炒作的嫌疑，預(yù)測分析將不會(huì)取代人類的干預(yù)：他們將不會(huì)告訴你一個(gè)清晰的行動(dòng)方案，尤其是在處理那些有情感的數(shù)據(jù)時(shí)。

預(yù)測分析比關(guān)于誰將離職所包含的東西更多，它還包括為什么他們要離職。在許多放面，預(yù)測為什么離職比指名某個(gè)人更加有價(jià)值，因?yàn)樗ㄟ^直擊原因的根源來使人力資源采取深切的、精準(zhǔn)的，長期的行動(dòng)來降低離職率。