原文作者 Samantha McLaren
领英《2020人才趋势报告》的数据显示，四分之三的人才专业人士认为，人才数据分析将变成公司未来五年的首要任务。
然而，许多公司并未对此做好准备。超过一半（55％）的受访者承认，他们仍然需要帮助，才能把最基础的人才数据分析付诸实践。
尽管许多人才专业人士对自己收集和维护数据的能力感到满意，但接下来的步骤却显然没那么简单。只有39％的人认为，他们所在的组织擅长分析数据，而有信心开展下一步行动并对数据加以利用的则更加少。
为了帮助更多公司把握人才数据分析的方法，领英人才数据分析主管Rebecca White和高级人才数据分析经理Katie Sittler分享了他们团队搭建分析流程的框架：
通过把一个项目分为六个阶段——明确、衡量、规划、分析、沟通、追踪（Identify，Measure，Plan，Analyze，Communicate，Track，简称IMPACT），你可以让人才数据分析变得易于掌控，并确保在此过程中永远提出正确的问题。
以下是使用IMPACT框架来分析员工流失问题的案例。
1. 明确：了解每一个确切的细节
“这真的是个问题吗？TA为什么这么问？”
对于Rebecca和Katie来说，Impact框架的第一个阶段是她们花费时间最多的部分。这一步骤能够为成功的项目奠定基础。因此，即使分析阶段令人兴奋，也务必不要在准备就绪之前匆忙进行。
因为如果你无法定义问题，就无法解决问题。你必须知道所要评估的项目到底是什么。
假设，业务部门的经理向你的工位走来，询问你能否着手调查员工流失的问题。这是一个非常广泛的描述，但几乎可以肯定是由某一特定事件触发的——例如某个部门的员工离职率远远超过其它部门。如果你不知道这一事实，可能会花费大量时间挖掘一些经理根本不在乎的数据，这与他们所面临的挑战完全无关。
“一个简单的请求囊括了许多不同的层次，”Katie说，“它通常与我们一直跟踪的某一项业务部门绩效指标（KPI）有关。”
“你需要从他们的描述中清楚地看见问题所在，”Rebecca建议；“是什么促使他们提出这个问题？他们认为正在发生什么？”
对业务问题的真正范围有了清晰的了解后，你就可以假设一个问题产生的原因，然后尝试证明或证伪。
提出请求的经理可能已经对引发问题的原因有所猜测，因此，通过扎实的数据分析，你可以为他们的直觉提供证据，又或者告诉他们还有什么另外的因素在起作用。
Rebecca说：“提出对问题原因的假设，往往需要我们与业务伙伴合作，因为他们能直接为我们指出一个方向：‘我想这是正在发生的事情，你能仔细地去查查吗？’比起研究所有的指标，这能够节省我们不少的时间和精力。”
当你提出一个假设时，请务必考虑任何可能出现的数据管理、隐私或安全问题。在某些情况下，可能业务团队的请求本身就与之有关。如果你不确定这一项目是否符合规定，一定要率先征求法律团队的意见。
例如，Rebecca说，她的团队曾收到过这样的请求：“你能告诉我最后离开办公室的四个人是谁，以及他们为什么离开吗？”。但实际上，这类信息并不符合领英围绕会员和员工设置的数据隐私标准。
所以，就解决问题而言，你应当引导管理人员建立更高水准的思维方式。它并不困难，哪怕只是一场关于待解决问题的简单讨论，也算个很好的开始。
2.衡量：平衡项目的轻重缓急
“集中力量办大事！”
在进行任何分析之前，领英的人才分析团队都会预先评估每一个来自业务团队的请求，衡量它们工作量的大小及其真正的优先级。如果不采取此步骤，团队很快就会不堪重负，导致最紧迫的请求反而被晾在一旁。
Rebecca说：“人们想知道的事情总是比所能做的要更多。因此，评估项目的规模和优先级变得非常重要。”
某些请求可能会非常耗时，但对业务的作用却不大；还有一些请求，也许并不像业务团队说的那样紧急。经理们可能不会考虑这个问题，也可能根本没有意识到你的团队有多忙，所以在开始之前调查一下，获取更多的信息，是至关重要的。
Rebecca说：“很多时候，人们只是好奇而已。而这却可能会占用整个团队的时间。但是，如果团队真的在专注解决最具影响力、最重要的问题，我们就可以对一些无关紧要的任务说：‘我现在不能做这件事，因为我正在处理其它项目。’大部分人都会对此表示理解。”
领英正在努力搭建自助式的人才数据分析功能，让业务管理者能够更轻松地访问某些指标和报告，满足他们的好奇心。
“对于一支刚刚建立的人才数据分析团队，我最重要的建议就是多花些时间来搭建基础系统，完善自助服务，”Rebecca说， “这能够释放我们的时间，让我们开展更具战略意义的项目。”
当然，把这些空出来的时间投入到团建活动中，也是一种选择。它能够提高团队的工作体验，吸引人才——无论是经验丰富的数据分析专业工作者，还是对处理数据感兴趣的人力资源同事，都是一个不错的结果。
3.规划：列出计划，确定需要的数据
“利用好申请人跟踪系统里的数据。”
当您有了明确的假设，并且确定了这是企业所必须解决的优先事务之后，下一步就应该决定需要查看的数据类型以及分析方法。
对于许多业务问题，例如评估招聘渠道的效率，可能从申请人跟踪系统（Applicant Tracking System，也叫候选人管理系统）里就能够提取出需要的数据。
Rebecca说，许多人才数据分析团队都是以这种方式开始他们的第一个项目：一位招聘的同事无意间发现了申请人跟踪系统内置的报告功能，并对此感到好奇。
“通常，一些喜欢电子表格的聪明人会从申请人跟踪系统里提取数据，进行一些补充和分析，”Rebecca说，“一旦他们感觉‘欸，我们居然可以从中拿到一些非常有趣的见解，这真的对业务很有帮助’，那么公司就会开始认真地组建人才数据分析团队。”
申请人跟踪系统并非唯一可以获取数据的地方。对于员工流失等问题，领英的人才数据分析团队往往会使用领英人才洞察。这样，他们就能够访问外部数据，跟进行业的标准以及趋势的变化。
4. 分析：提炼结论，证明或反驳最初的假设
“务必仔细调查，不要匆忙定论。”
不一致又无条理的面试会使招聘者愈加难以客观评估软技能。无意识的偏见容易令你偏袒某些候选人，并且导致你错误地将这种偏爱归因于他们的软技能。
例如，你可能会很自然地被一个与你自己相似的候选人吸引，这就是所谓的“相似偏见”，每个人都有落入这种圈套的时候。这种偏见发生在潜意识里，你的大脑会提醒你，你一定是出于某种原因才更喜欢这位候选人，比如出色的“领导潜力”或其他一些软技能。一旦心中悄悄滋生了这种偏见，你就会千方百计地搜寻证据来解释、证明你的评判——即使它根本不能说明候选人具有某些软技能。
为了防止这种偏见，你需要花点时间反省一下自己，好好问问自己为什么喜欢某个候选人。如果你不确定，可以再问问别人的意见。如果团队的其他成员都认为候选人有某种特殊的软技能，你就知道这不是你的大脑在捉弄你了。
5. 沟通：根据分析制定可行的建议
“重要的不是原因，而是能做出什么改变。”
依据数据建立分析完成，你就可以将自己的发现分享给领导了。这是让你的发现从“仅仅是有趣”变得“可行”的关键。
“沟通对于促进项目的完成至关重要，”丽贝卡说。
请仔细考虑你用于分享成果的媒介（例如：选择易于阅读的图表，还是复杂的电子表格？）以及所使用的语言。你的目标应该是清晰明了地讲一个故事，因为并非每个领导者都能够理解原始数据对业务成果的实际含义。
“不同的人解读数据的能力绝对不同。”Katie强调。
通常，对于任何给定的业务问题，您都可以找出不止一条原因——事实上，大多数问题远比这更复杂。但是，你能做且应该做的是辨别出其中属于公司内部、可以主观调整的部分，以此着手制定建议。
Rebecca说：“我们通常会这么讲：‘这是一些造成问题的原因，我们需要在其中确定能够做出改变的部分。’”
人们经常认为薪酬是员工流失的罪魁祸首。Rebecca也表示这种情况在某些时候的确存在。如果存在相关性，你的团队可以建议公司重新检视薪酬，确保与整体的人才市场保持一致。
又或者，分析显示员工首年的离职率异常突出，那么你就应该建议公司重新核查入职流程，为新员工提供更多支持。
Rebecca说：“我们可能会说：‘好吧，我们需要花更多的时间在入职上。这是一个我们需要调整或者延长的阶段。’然后，我们的学习与发展（Learning and Development）团队就会开始思考如何做到这一点。”。
6. 追踪：实时观察措施的成效
“只有开始行动，数据才能真正解决问题。”
在把建议交出之后，您的人才数据分析团队仍有一个必须进行的动作：评估建议对解决业务问题的成效。
例如，如果学习与发展团队团队根据建议建立了新的入职计划，那么Rebecca和她的团队也应该花上一定的时间来观察这一措施是否有效。
她说：“假设今年的首年离职率为5％，那么我们的目标就是在1年后，把它降到2％。我们的团队应当负责建立这些指标，并尝试跟踪这些措施产生的影响。”
与业务部门建立紧密的合作关系，会确保你的建议被更完整地执行，同时，你也能够更方便地跟踪和记录它们产生的影响。
这将使你的团队被业务部门视作一位具有策略头脑的合作伙伴，他们甚至会鼓励其他的团队也利用你的见解，采纳你的建议。
与之相反，如果你没能与业务部门建立良好的联系，那么最终很可能在数据分析上花费了大量时间，却依旧无济于事。
“世界上有大量的数据，但是你的公司又是否采取了实际行动，并跟踪这些变化呢？”Katie说，“在我刚开始职业生涯的许多时候，我完成了一个分析，却不能确定有没有带来改变。因为我们没有设置任何方法进行监测，也就不知道是否有人采纳了我们的建议。”
写在最后
乍一听，人才数据分析可能既庞大又复杂。但只要遵循以上六个步骤，将这个整体逐步拆分为不那么吓人的几个小阶段，你的团队就可以进入高效的节奏，并开始用数据支撑的见解积极地推动变化。
随着对人才数据分析的信心和技能越来越强，你甚至可以开展更高级的分析——建立预测模型，提前知晓员工流失等问题的发生。
不过，第一步是掌握基础。完成这一步后，就没有任何事物能够限制你了。
人才数据分析的更多见解，请于领英《2020人才趋势报告》中查看。
