-
Mike Ulrich
必读：HR如何在不成为数据专家的情况下提高自己的分析能力
How you can improve your analytical abilities without become a data expert
本文的作者是来自犹他州立大学的Mike Ulrich教授，ThinkTank学术负责人和Victory Through Organization的作者。
人力资源分析不仅仅与分析有关 - 您可以在不成为数据专家的情况下提高分析能力。
我曾经与一支训练有素的统计人员和人力资源教授一起从事人力资源分析项目。我们的目标是梳理数十万个观察结果，以预测员工选择的健康保险计划。
在我们的第二次每周会议开始时，一位统计学家同事顺便提到她的机器学习算法找到了一个变量，它解释了超过95％的营业额差异。这是令人难以置信的 - 在短短两周内，她意外地找出了营业额的主要原因，公司和研究人员花费了数十年时间试图破译。
我的另一位人力资源同事和我立即开始梦想这些重大发现所带来的出版物和咨询机会。直到她告诉我们，公司是否提供宠物保险是一个神奇的变量，这让我们质疑我们的统计学家朋友对人和人力资源的了解程度。唉，经过一番探索，宠物保险并不是我们所希望的灵丹妙药。
这个故事突出了人力资源分析的一个重要原则，经常被忽视：分析不是分析数据或现代计算技术; 分析是关于使用数据获取洞察力，以实现更好的决策和绩效。没有结构化决策过程的分析就像试图在没有糖的情况下烘烤蛋糕 - 它可能在外面看起来不错，但最终会让你想要更多。
如果我有一个小时来解决问题，我会花55分钟思考问题，5分钟思考解决方案- 阿尔伯特爱因斯坦
您如何改善基于证据的决策思维？
无论您的正式角色如何，分析思维都可以改善您的绩效和决策。成为具有分析意识的人力资源专业人员不会在一夜之间成为现实，您可能永远不会成为分析的每个部分的专家，但通过刻意的努力和培训，您可以开始将分析和基于证据的技能融入您的日常工作中。日活动。
虽然每个分析项目都不同，但研究表明有些原则可以产生更好的结果。
请记住，分析应该用于收集和评估证据，以便做出具有实际业务影响的决策。循证管理可能不是时髦，但它会产生更好的结果。
花时间在项目开始时1）确定要问的正确问题; 2）理解，重构和定义项目希望解决的问题; 3）如何实施项目的结果; 4）从决策者那里购买
了解数据和统计数据的局限性。糟糕的数据可能会产生有趣的结果，但无法改善业务。例如，主观数据（例如，参与度，净推动者得分）远远低于客观数据。
偏见是所有科学中固有的，但不要让它阻止你倾听那些偏见与你不同的人。当我们只听取同意我们现有意见的人时，我们会失去视角并限制创造机会。
并非团队中的每个人都需要擅长数据科学或统计学。仅仅因为有人在大学中对统计学或傻瓜研究方法的介绍失败并不意味着他们无法为分析项目增加价值。我最有用的同事之一并不知道平均值和茄子之间的区别，但却具有提出问题和重构问题的难以置信的能力。
如果您无法讲述数据的故事，那么找到惊人的结果并不重要。没有伴随故事，数据不会改变思想。
这些只是您开始为人力资源分析建立更好的个人能力和业务能力的众多方法中的一小部分。
人力资本分析论坛希望能够更好地了解这些主题以及您可以使用分析来实现真正业务影响的其他方式。
以上由AI翻译，仅供参考。
扫一扫 加微信
hrtechchina
