-
数据治理
联通数科数据治理能力获国际机构高度认可
近日，国际数据管理协会（DAMA）中国区举办“2023年DAMA中国数据管理峰会”，并在会上颁发DAMA数据治理奖。联通数科凭借在数据治理领域打造的产品、实践与技术创新得到了国际数据管理协会的高度认可，荣获四项大奖。
联通数科数据智能事业部技术研发部总监李大中在会上分享了中国联通一体化数据治理理念及服务。
具体而言，一是以业务场景和痛点、难点为抓手，从数据治理的组织、制度、流程、技术等方面，提供个性化、体系化、全栈式的解决方案指导，推动客户数据治理体系建设；二是提供标签体系和指标体系建设指导，推动客户数据价值转化；三是提供数据治理日常运营指导和运营方法，帮助客户开展体制机制建设、数据资源盘点、数据标准梳理、应用场景挖掘等专项活动，快速体现数据治理成效，建立数据管理信心。同时，提供数据治理指导培训，确保数据治理成果持续有效。
产品层面，联通数科自研打造的“联通数-一体化数据资产管理平台”，在复杂场景海量数据的处理下仍能确保高度稳定性和卓越效率。平台提供数据采集、数据开发、数据治理、数据服务、数据应用等数据全生命周期的管理工具，可以实现便捷的一体化运营管理，可视化的页面可大幅降低用户的数据使用成本，提高数据使用效率。“联通数-一体化数据资产管理平台”在会上荣膺数据治理优秀产品奖。
实践方面，联通数科打造的“西藏大数据中心数据中台项目”在短短一个月内即完成了平台的部署和交付，为后续数据资源治理工作的稳步推进打好基础，赢得了客户的高度认可，被评为数据治理创新奖和最佳实践奖。在无锡人行指导下，联通数科联合无锡联通承建的“金易链”项目，以区块链和隐私计算融合，在保障隐私和数据安全的前提下，搭建了跨20家商业银行、电信运营商、金融监管部门、公安等多组织的数据可信互通网络，实现了高速、稳定、安全、可信的数据共享，被评为数据治理最佳实践奖。
目前，联通数科数据治理解决方案覆盖数据治理、质量、架构、标准、安全等10余个方面，在联通集团内部重点场景核心数据可用率实现由70%提升至90%。未来，联通数科将在数据治理领域持续深耕，坚持“共平台、共能力、共技术栈、共研发体系”原则，探索“五要素”“七步法”数据治理理念，赋能客户实现智慧决策、智慧运营、智慧生产等各类数智场景。
-
数据治理
HR数据分析可以强化未来企业发展的三种方式
最近，我们讨论了许多中型企业如何显著改变他们的人力资源方法。从越来越多地依靠临时雇员和使具有多种需求和期望的多代员工参与到战略性地为底线做贡献，人力资源领导者正在为长期，可持续的增长和扩张奠定坚实的基础。
这种转型的核心是数据分析。根据SAP赞助的IDC最近的一份信息简报，95%的经营最好的中型企业正在有效地建立和发展他们的劳动力，并利用 "正确的 "分析工具和数据洞察力来衡量结果。通过利用数据资产、先进技术和流程自动化，企业正在将智能嵌入其人力资源运营中，以做出影响底线的决策。
那么，这些公司是如何通过HR数据分析为其发展注入活力的呢？在我看来，秘诀在于克服三个关键挑战。
1. 连接驻扎在多个系统中的人力资源数据
在大多数情况下，人力资源数据位于各种不同的系统中。我甚至看到一些成长中的公司运行着多达六个独立的人才管理系统。个别来说，每个解决方案都涵盖了一个特定的领域--核心人力资源管理、时间和考勤、流程工作流、员工绩效和薪酬、学习或招聘。
如果将这种智能与人力资源职能的其他职能隔离开来，则很难全面，客观地评估员工的体验。IDC报告说，将近一半的受访人力资源组织缺乏对组织流程和程序的洞察力。例如，他们可能没有端到端的可见性来查明问题区域的根本原因，例如招聘效果低，人员流动率高和员工敬业度低。
解决方案：将人力资源解决方案结合起来，作为综合人才管理模式的一部分，以调整、优化和提升员工队伍中的每一位员工。如果数据没有数字化，就无法进行分析，每一次数据更新和交互点都是收集数据并开始可视化趋势的机会。通过跨越整个员工生命周期和中间所有点的端到端思考，人力资源组织可以实现尽可能多的流程自动化。虽然使用人力资本管理(HCM)套件会让这一切变得更容易，但也有很多很好的附加功能可以整合起来，以提高你的流程价值。关键是要确保数据准确地反映在你的源系统中。
2. 提高数据质量、治理和安全性
中型企业内的人力资源领导者传统上一直在努力了解他们的数据是否准确、管理良好和安全。对于许多员工、人力资源团队、高管和董事会成员来说，这可能意味着要谨慎处理他们收到的情报。而不断增长的有关收集、使用和存储员工数据的法规，如果做得不对，整个公司都会面临巨额的惩罚。
解决办法：减少纸张和数据输入错误。通过流程自动化来减少纸张和数据输入错误 HCM 技术通过将数据值限制在公司定义的配置范围内来确保数据的准确性，此外，利用云解决方案有助于符合数据隐私法规。有了坚实、准确、合规的数据基础，人力资源领导者、招聘经理和高管可以保持对整个劳动力的深刻、可靠的看法，并了解对人员的投资和员工动态的变化如何影响业务成果。
3. .以优化人力资源战略价值的方式来处理数据
一旦你实现了自动化、整合、数字化并提高了数据质量，你就可以从简单的报告转向更高级的分析。但是，如果没有合适的工具和能力，人力资源领导者可能会在将其职能发展为重要的业务贡献者方面受到阻碍。
解决方案。通过数据驱动的劳动力计划来弥合业务战略和执行之间的差距，你将更好地支持CEO的议程，并衡量人力资源的贡献，但不要止步于此。当今的劳动力分析包可以提供一个很好的基础，以提供有价值的洞察力，了解人力资源数据如何帮助人力资源领导者将其职能发展为一个重要的业务贡献者。考虑建立反馈机制，收集每个员工的体验数据。询问你做得如何，以及如何改进你的人力资源流程，然后利用它来做到这一点：让它变得更好。掌握了这些 "体验 "数据，再结合你的运营数据，你将处于一个很好的位置，随着时间的推移，加速你的贡献。
数字化发展，而不仅仅是盈利
数据是人力资源团队支持中型公司发展的最佳方式之一。然而，对审查人力资源情报的真正兴趣是不够的。还应该有合适的员工来管理数据，并需要合适的工具来提供推动业务发展所需的洞察力。
人力资源领导者应该确定什么对公司最重要，确定需要哪些分析和数据来支持这些需求，并学习如何衡量流程绩效和决策。更重要的是，他们必须找到将数据传递给正确的人的方法，这样他们才能做出更好的决策，引导企业取得长期、可持续的成功。
好消息是，在实现这些能力方面，中型企业比大型竞争对手更有优势。企业的敏捷性和较小的规模使人力资源领导者能够快速、灵活、可扩展地简化和整合他们的IT环境。更重要的是，这种智能水平可以扩展到整个公司，以改变人们在快速增长和不断变化的时期如何参与、了解情况和配备战略的方式。
作者：SAP Labs集团副总裁David Ludlow
-
数据治理
如何建立一个优秀的人力资本分析（PA）团队
How to build a people analytics team
正确地组成人力资本分析团队是解决业务问题的关键所在
"数据就是新的石油"。这句话很少有人记得自己第一次听到这句话的时间和地点，但现在很多人都会自信地点头同意。
事实上，这句话可以追溯到数据科学家（也是Tesco Clubcard背后的大脑）Clive Humby，他早在2006年就创造了这句话，用来解释今天数据的不可抗拒的价值。
Humby解释说，就像石油一样，"如果未经提炼，[数据]就不能真正被使用"。也就是说，数据要想有任何价值，就必须将其分解成更简单的形式并进行分析。
在人力资源领域，这个数据提炼过程同样重要。它通常被称为 "people analytics" 人力资本分析，多年来，它导致了人力资本分析团队的诞生。
不过，虽然它已经出现了一段时间，但人力资本分析的进展却一直很缓慢。德勤发布的《2019年人力资本趋势报告》发现，尽管企业对更好的数据管理产生了浓厚的兴趣（在2017年的报告中，71%的企业将人力资本分析列为高度优先考虑的事项），但仅有26%的企业有效利用技术和分析技术。
"如果我们坐进时光机，回到10年前，我当时说的是关于人力资本分析的事情。那是因为它仍然有一个未实现的潜力，"南加州大学马歇尔商学院有效组织中心的高级研究科学家Alec Levenson说。
"典型的情况是，人们把注意力集中在眼前的数据上，而不是想出正确的问题。他们会说'一定有什么东西我们可以从这些数据中学习到'，是的，总会有一些洞察力。"他说。"但如果你只看数据，而不把它嵌入到更大的业务背景中去，问一些更大的问题，比如你想解决什么问题，那么它可能会把你带入死胡同、兔子洞和爱丽丝梦游仙境之类的冒险。"
施华洛世奇公司人力资本分析和数字人力资源总监Oliver Kasper补充说，团队过于专注于报告，而不是挖掘预测性或规范性分析的可能性。
"人力资本分析可以往两个方向发展，"他解释说。"一个方向是回顾过去，所以报告过去发生的事情。然后是展望未来的活动--这就是预测性和规范性分析。我会说只有1-2%的大公司在做第二个方向。
"而这就像在谈论蒸汽火车和电动车的区别。报告是蒸汽火车，预测性和预见性分析是电动汽车。"
那么，在数据的重要性只增不减的情况下，HR如何打造一支真正能带来业务成果的人力资本分析团队？
职权范围Remit
人力资源转型咨询公司LACE Partners的首席执行官Aaron Alburey说，首先，人力资源部门应该退一步，确定自己究竟想要从人力资本分析中得到什么，人力资源转型咨询公司LACE Partners的首席执行官说。
"这是关于理解这个职能的目的是什么，以及你一开始为什么要设置它，"他说。"在你明白你想覆盖什么以及如何覆盖之前，你无法理解你需要什么。"
在Facebook负责人力资本分析和劳动力战略的副总裁Alexis Fink看来，这个职能的目的应该有三个方面。"我试图沿着三个轴来思考这个问题。首先，沿着X轴，就是员工的生命周期。通过选拔、入职、员工态度和离职调研，从候选人库中的点点连接起来有很大的机会。她说："Y轴是分析层面--个人、团队、组织、企业，甚至超越了组织的边界，延伸到行业、劳动力市场和社区。
"最后，Z轴是关于你使用数据的方式。你是在执行流程、做报告、分析寻找模式，还是创建能够有效推荐行动方案的算法？"
Levenson认为，看待人力资本分析团队的作用有 "两种非常不同的方式"。"一种是认为它只是一个数据处理功能。如果你这样建立一个人力资源分析团队，你就不用担心业务影响或成为真正的业务合作伙伴----从字面上看，你只是一个数据处理的黑猩猩。"他说。
"但如果你的目标是获得能够帮助业务其他部分更好地运行的洞察力，你就不能只是一个数据处理者。它需要的是洞察力，而不仅仅是人力资源的洞察力，而是业务的洞察力。"
后者--专注于业务数据和问题，而不仅仅是人力资源数据和问题--是团队应该努力的方向，德勤劳动力转型实践中的人力资本分析和劳动力规划专家领导David Fineman表示同意。"高影响力的人力资本分析发生在整个组织中的合作伙伴关系中，"他说。"分析应该专注于业务挑战，因此，人力资本分析团队应该从人力资源的角度出发，但他们应该专注于实现更广泛的组织目标。"
在施华洛世奇，这意味着人力资本分析团队在零售和生产两大部门的战略目标中发挥着重要作用。在零售部门，这涉及到利用人力资本分析来提高转化率，而在生产部门，则是为产品质量和生产效率提供信息。
"这些都是我们在幕后支持的关键业务挑战，"Kasper说。"我们不是为了解决纯粹的人力资源问题而存在。"
报告线 Reporting line
随着团队被期望从更广泛的业务角度出发，他们在组织中的位置也有待商榷。根据Fineman的说法，最常见的方法是由人力资源部门内的一个专门的团队负责人力资本分析，向人力资源部门领导汇报。"通常情况下，它是独立于报告小组之外，不一定是人力资源部门的一部分，而是直接向CHRO报告。"
Levenson同意这一点："人力资本分析应该是一个卓越的中心，它可以向人力资源部门汇报，也可以向更大的分析小组汇报。"
虽然注意到这是一种远不常见的做法，但Alburey说，他曾见过一些人将业务运营和人力资源部门结合在一起创建一个团队，由人力资源部门和企业共同拥有。虽然 "这两种模式都不比其他模式好"，但他觉得共管的方式可以帮助团队更贴近业务。
"在HR内部建立团队的风险在于，他们最终只为HR出具大量报告--他们更多的是以HR为中心来看待他们想看的东西，所以像人才数据和薪酬洞察之类的东西，他们不一定清楚自己能带来什么样的业务成果，因为他们离业务有点远，"他说。"如果把业务和HR结合在一起，就更容易找到需要解决的业务问题，并把工作导向业务成果。"
架构 Structure
报告线只是其中的一部分，团队的组成也很重要。"大多数人分析团队都很小--只有几个人--因此他们的结构相当不稳定，往往会有很多不同的变化。"Fink说。
然而，在较大的团队中，应该有更多的结构，Fineman说，他将该职能分解为四个不同的子团队：报告；数据科学、洞察和分析；数据治理；平台管理。 reporting; data science, insights and analysis; data governance; and platform management
这就需要多样化的工作角色。Alburey指出，需要一名数据经理、报告撰写者和业务分析主管。然而，有一个角色他很快就被否定了，那就是数据科学家。"很少有人分析团队需要一个真正的数据科学家--你可以从业务的其他部分获得这种专业知识，"他说。"如果你是一个真正的数据科学家，你需要大量的数据来工作，而没有足够的人数据--所以你需要一个数据经理，是的，但数据科学家呢？我不这么认为。"
Levenson也有这样的感慨，他同意 "一个纯粹的数据科学家是我最不愿意雇佣的人进入人力资本分析小组的人之一"。
"外面有一种印象，认为如果你只是雇佣一个数据科学家，他们就能解决你所有的问题，但他们不会。"他说。"你会把数据科学家放在一个面向客户的角色中，与企业中的人或CHRO交谈吗？这就是要问的试金石问题。而战略人员会说'绝对不会，因为他们不知道该说什么是正确的。"
技能集Skillsets
在Levenson看来，这与技术性的、分析性的角色和技能无关，而更多的是定性的、软性的技能，比如职业心理学。
"一个数据科学家通常不了解组织科学和企业如何运作，实际上你需要良好的职业心理学，"他说，"一个数据科学家通常不了解组织科学和企业如何运作，实际上你需要良好的职业心理学。"然后，你需要团队中的商业咨询技能--知道如何卷起袖子解决问题的人。
"这就是那句老话，即需要关注因果关系而不是相关性。除非有组织科学和商业咨询，否则你不会知道该问什么正确的问题来计算出正确的数字。"
在Fink眼中，正是这种无所不能的咨询专业知识在现在的大多数团队中都是紧缺的。"通常情况下，人们的分析团队真正的功能是提供服务，他们得到的很多请求都只是捕风捉影。他们可能提供了很好的服务，但他们回答的问题并不是特别有力，也不会导致行动。她说："影响和咨询方面的专业知识对克服团队整体效率的这一障碍有很大帮助。
卡斯帕概述了团队需要的六大 "基石"：
人的技能（"比如金融知识"）；沟通技巧；咨询技巧；数据科学知识；隐私、道德和流程方面的人力资源知识；最后是工作心理学和行为科学知识。
（human skills (“like financial literacy”); communication skills; consulting skills; data science knowledge; HR knowledge in privacy, ethics and process; and, lastly, work psychology and behavioural science knowledge.）
"理想中的人都会具备这六种技能，但很多人只是具备一些，"他说。"这很好，但你确实需要团队中的这六种技能都要具备。"
寻觅人才Sourcing talent
但是，这种多样化的技能组合能在现有的人力资源专业人士中找到吗？不一定，Fineman说。"团队中的人学习领域知识很重要，但通常情况下，数据治理角色的人更多来自于IT和IT战略背景，"他说。
Fineman认为，人力资源背景对团队中的洞察力和分析角色会有帮助。鉴于这项工作涉及到作为分析团队和业务之间的接口，优秀的HRBP应该在这里茁壮成长。"这就是有趣的地方，因为团队中的洞察力和分析小组可能是HRBP职业道路上的一个台阶。"他说。
"他们的工作是既要把业务挑战的信息带进来，解决业务挑战，又要在另一边解释分析的结果。"
"这些同事是劳动力分析团队的眼睛和耳朵；他们可以利用自己的业务知识来识别业务挑战和项目，"劳埃德银行集团的人员洞察总监Andy Papworth同意这一点。
Fink指出，她所工作过的团队里有很多背景和专业知识，甚至超越了人力资源和IT领域。"她说："一般来说，团队的核心成员都是研究生级别的工业和组织心理学家，也有其他社会科学背景的人，如认知、社会、教育和发展心理学、人类学、经济学或政府；有MBA和咨询背景的人，还有物理、化学、数学、工程、甚至地质学等硬科学背景的人。
"我见过真正有效的人来自于律师助理，或教书育人......或人力资源部门的一般角色。"
Fink告诫说，不要把人力资本分析团队建设成硬性的、快速的规则。"就像育儿一样，没有一个正确的方法来处理人力资本分析工作。我的团队的结构和章程反映了我当时所服务的组织的规模、复杂性、优先级、挑战和文化。"她说。
"人力资本分析工作的乐趣和令人兴奋的部分在于，它不是一刀切的。"
作者：Rachel Sharp 这篇文章刊登在2019年10月的《人力资源科技增刊》上。
以上由现金的AI翻译完成，HRTechChina发布仅供参考。
扫一扫 加微信
hrtechchina
