劳动力分析：是什么、如何运作及为何重要
译文 AI 逐段翻译
劳动力智能与人员分析 • HR战略与业务影响 • 人员指标与基准比较
劳动力分析：是什么、如何运作以及为何重要
关于劳动力分析如何运作、主要类型以及在员工生命周期中的关键应用的实用指南。了解如何通过劳动力分析改进劳动力管理、规划和业务成果。
作者：Visier团队
阅读量1500万
热门话题
绝大多数组织不具备诊断和解决其劳动力相关问题的能力。当我们与德勤合作调查500位企业高管时，我们发现其中只有3%的人表示他们拥有做出明智人事决策所需的全部信息。
但大多数HR团队缺少的并不是数据。相反，他们常常被数据淹没。真正的问题在于，HR团队难以在当下识别出实际问题所在以及该如何应对。
劳动力分析通过将HR和生产系统中的数据整合到一个模型中，从而弥合这一差距，以便在还有时间采取行动时形成全貌。另一项德勤研究发现83%的公司仍处于低劳动力分析成熟度水平。
达到更高成熟度归结为两点：
- 将数据统一到一个可信模型中，而不是拼接五个系统的导出数据
- 在机会窗口关闭前，养成根据分析结果采取行动的自律。
今天的指南涵盖劳动力分析是什么，以及高成熟度组织如何运用它来做出更明智、更具韧性的员工决策。
什么是劳动力分析？
劳动力分析是连接HR、财务和运营系统中的员工数据，然后进行分析和解读，以便就如何寻找、招聘、培训、激励和部署组织人力资源做出高层决策的实践。
这不是报告功能。HR报告将员工人数和填补时间等指标可视化。劳动力分析应用统计建模来揭示行为、绩效和风险中的模式：这些模式预测接下来会发生什么，而不仅仅是已经发生了什么。
仪表板和报告是很好的起点，但分析将劳动力数据的各个独立层连接起来，展示劳动力独特问题背后的驱动因素和细微差别。
一旦你有了全貌，就可以采取有针对性的果断行动，解决问题的根本原因。
劳动力分析有哪四种类型？
四种劳动力分析类型是描述性、诊断性、预测性和规范性分析。
- 描述性分析告诉你发生了什么，使用历史数据——例如，运行月度报告查看公司逐月的人员流动率。
- 诊断性分析连接多个独立数据点，以理解为什么会发生——比如查看离职面谈数据，了解员工离职的原因。
- 预测性分析利用历史模式和统计模型推断未来结果。例如，通过查看任期的流动模式以及当前的行为信号，可以预测未来六个月的人员流动情况。
- 规范性分析利用AI基于整体情况推荐下一步最佳行动。例如，Visier可以帮助你缩小技能差距，通过权衡技能、学习、流动性和招聘数据，推荐是提升技能还是外部招聘。
劳动力分析的7个关键应用
你可以在整个HR和员工生命周期中应用劳动力分析（并且应该这样做）。
招聘、入职、培训、辅导、评估、激励和保留员工都涉及具有实际财务和文化影响的重要决策。
没有保证正确做出这些决策的方法，但毫无依据地做出决策注定是错误的。以下是如何将分析应用于劳动力规划的不同方面：
1. 招聘与入职
招聘分析利用来自ATS和HRIS的数据，以及现有员工的绩效数据。
你可以利用这些洞察来了解哪些招聘渠道能产生最佳候选人，但分析招聘数据有许多独特方式。
常用跟踪指标：
- 填补时间
- 录用接受率
- 人均招聘成本
- 渠道质量
- 各渠道首年留任率
例如，你可以查看当前顶尖绩效员工的数据，并利用它来优化候选人筛选标准，或者对HRMS数据运行预测分析，以在职位空缺前预见到退休和晋升。
Auto Club Group使用了类似的方法，借助Visier的人才招聘数据。他们利用它预测特定职位通常需要多长时间填补，以便招聘可以提前于空缺开始。过去存在覆盖空档的职位现在得以无缝填补。
"如果我知道这个职位难以填补，通常需要90天才能填补，我就需要现在开始规划。或者如果我知道有人即将退休，我可以做好准备。"
——Brittani Whitney，Auto Club Group HR优化经理
2. 员工保留与流失
为了分析保留和流失情况，劳动力分析平台从HRIS、离职面谈、敬业度调查结果和薪酬方案中提取数据，然后将它们与绩效和任职历史叠加。
一家为美国40多个社区提供服务的医疗保健组织使用Visier来提前应对注册护士等关键职位的流失。他们没有仅仅跟踪流失率，而是精确找到了驱动流失的因素，并将首年流失率降低了14%，节省了1400万美元。
常用跟踪指标：
- 自愿流失率
- 首年流失率
- 遗憾流失
- 按经理划分的流失率
- 离职前信号时间
借助像Visier这样基于AI的平台，你可以更深入地分析这类数据，只需用通俗语言提问即可。
遇到高离职率问题？问问 Visier 的人力分析智能体 Vee，比较你的薪酬比率与每个团队的离职风险，以确定调整薪酬或薪酬方案是否是正确的方法。只需 30 秒。
3. 人才管理与继任计划
人力分析有助于技能差距分析、继任计划和绩效管理。公司可以将员工现有技能与未来需求进行匹配，以识别差距并制定有针对性的发展计划。
然后，预测分析可帮助您识别高潜力员工，并模拟各种继任情景。
常见跟踪指标：
- 板凳深度比率
- 按角色划分的继任覆盖率
- 内部与外部填补率
- 晋升准备就绪度
- 晋升前在岗时间
高级指标还可以将绩效数据与管理者效能、培训参与度、工作量分配和团队动态等因素联系起来，以确定驱动高绩效的因素。
4. 人力规划与情景建模
人力分析通过创建“假设”模型来帮助您规划未来的人力，这些模型展示了诸如招聘冻结和重组等事项的下游影响，让您在做出任何承诺之前就能看到结果。
常见跟踪指标：
- 员工人数与计划对比
- 未填补的职位需求
- 招聘速度与预测对比
- 管理幅度
- 每个情景建模的成本
Visier 的组织设计工具 让您能将当前状态和未来状态的组织架构与平台中的任何指标进行比较：成本、流失风险、技能等。在您做出任何更改之前，就能看到影响。
5. 员工体验与敬业度
我们自己的研究发现，89% 的员工表示曾在某个时候经历过职业倦怠，70% 的员工表示他们会离开当前公司，去一家能提供减少倦怠资源的公司。大多数情况下，这些都不会出现在离职报告中，直到为时已晚。
高级分析能力让您了解是什么驱动了离职，以便您主动采取行动，尽量减少辞职。它们还显示这些因素是否更集中在您业务的特定领域。
常见跟踪指标：
- 敬业度调查得分
- eNPS
- 离职面谈主题
- 职业倦怠指标
- 缺勤率
6. 管理总人力成本
成本治理是HR-财务协同在人力规划中最关键的方面。
您的人力分析平台从您的薪资和 ERP 系统中获取数据，并连同您的 HRIS 中关于员工人数和薪酬的数据一同评估。它提供一个财务部门可以信赖的单一、可审计的数字。用它来了解您人力的总成本，跟踪人均成本与预算的对比，并预测今年剩余时间的情况。
常见跟踪指标：
- 人均成本
- 人工成本占收入百分比
- 薪酬与预算对比
- 承包商支出
- 每个空缺职位的成本
真正的价值在于让高层领导清晰了解空缺职位、薪酬趋势或承包商支出是推高还是拉低了这些成本。有了这些信息，招聘和人员配备决策就能与财务部门所看到的数字保持一致。
Suntory 通过将 HRIS、ATS、预算工具和敬业度调查数据整合到 Visier 的集中系统中，构建了这一点。这让他们的领导层能够实时了解员工人数、空缺职位和薪酬成本，因此 HR 和财务决策都基于相同的数字。通过将他们的HRIS、ATS、预算工具和敬业度调查数据拉入Visier的集中系统。这使他们的领导层能够实时查看人员编制、空缺职位和薪酬成本，因此相同的数据推动了HR和财务决策。
7. 培养管理者
根据我们自己的研究，50% 的公司通过查看管理者的财务和生产力指标来衡量管理者的效能。这告诉您结果，但没有告诉您原因。
更有用的分析是着眼于上游：管理者是否因为直接下属太多而无法真正指导他们中的任何一个？他们团队的敬业度或离职率是否反映了这一点？
当您将管理幅度、直接下属人数和任期与团队层面的绩效、敬业度和留任结果一起分析时，您会发现有针对性的方法来提高管理者的效能。
常见跟踪指标：
- 管理幅度
- 每位管理者的直接下属人数
- 按管理者划分的团队敬业度
- 按管理者划分的团队离职率
- 管理者任期与团队绩效
Auto Club Group 使用 Visier 时就采用了这种视角。他们通过直接下属人数和资历评估每位管理者的工作量，以在压力影响到团队绩效之前标记出负担过重的管理者。然后，高级领导者会在需要的地方提供有针对性的支持。
“我们希望确保我们的管理者感到满意，因为他们对我们的组织至关重要。负担管理只是 Visier 帮助我们更好地了解员工的众多方式之一。”
——Brittani Whitney，Auto Club Group 人力优化经理
逐步指南：如何进行人力分析
良好实施人力分析涉及四个主要步骤。
1. 设定 SMART 标准和 KPI
首先要清楚您想从人力分析工作中获得什么。例如，如果关键业务成果是客户满意度高，那么利用人力分析来了解员工敬业度和离职率对客户满意度的影响显然是有用的。
您的目标应遵循 SMART 标准：具体、可衡量、可实现、相关和有时限。例如：“在 12 个月内将关键岗位的离职率降低 20%”或“在未来 24 个月内将领导职位的多样性提高 15%”。
2. 建立数据收集和整合
收集数据实际上并不难。难的是每个来源——您的 HRIS、您的 ATS、您的财务工具——都使用不同的字段、格式和截止日期来存储人力数据。在治理之前，您需要将这些数据纳入一个具有共享定义的单一模型中。
深度加时间与统一同样重要。流失模式、继任缺口和薪酬漂移只有在您能看到历史时才会显现。如果您的报告仅涵盖过去几个月，您将永远只能回答发生了什么，而无法回答正在发生什么变化。
这也是为什么把电子表格丢给 ChatGPT 不会得到真正的人力队伍答案。通用 AI 不了解你的汇报结构，也没有关于你组织的背景信息，包括定义。它无法确定一个人力信号如何与另一个信号相关联。它的输出不反映你组织的任何细微差别。
而且由于这些数据包括薪酬、绩效和人口统计信息，治理始终是首要关注点。治理意味着访问控制和审计跟踪，如果跨国运营，还要满足多层次的隐私合规法律。
3. 从数据分析中生成洞察
一张HR 仪表板告诉你团队的人员流动率上升了。它不会告诉你谁最可能离职、为什么，或者在下次一对一谈话之前该怎么做。这个差距正是大多数人力分析实践停滞不前的原因。
以下三件事可以弥合这个差距：
- 超越描述性和预测性分析。你希望得到针对经理面前实际情况的、具体的、受治理的建议。（Vee 在这方面做得很好。）
- 让“那又怎样”变得具体。不要只是笼统地说“流失风险高”，而是提供可操作的任务：哪些员工本周需要谈话？哪些角色的薪酬差距预示着离职？如果重组通过，你会在哪些地方失去覆盖？
- 用 AI 大规模地提供建议。不要只是把图表交给经理，让他们自己下结论，而是使用你的人力分析平台中的 AI 直接给出建议。
治理在这里是关键的区别因素。没有治理和准确数据的快速洞察不会改变行为。它们只会增加对信息的不信任，并减少领导者的支持。
4. 将洞察转化为影响
行动是任何组织最终实现变革所必需的。部分涉及文化：你希望培养数据素养并培养数据驱动的文化，这样你的 HR 团队就能理解业务决策背后的原因，并看到数据如何支持这些决策。
同时也要围绕它建立纪律。为干预本身指定负责人和目标。如果洞察是“这名员工有离职风险”，那么负责人是经理，目标是在周五前进行留任谈话。
然后与这些领导者建立反馈循环，并在干预产生效果后重新测量相同的指标。将变化（或没有变化）归因于旨在推动变化的行动。
人力分析工具，以下是需要关注的内容
AI改变了我们对人力分析工具的期望。曾经需要大量手工劳动的报告，现在必须作为一种持续进行的纪律，组织才能保持竞争优势。来自劳动力分析工具。曾经需要大量手工劳动的报告现在需要成为组织保持竞争优势的持续纪律。
在以 AI 速度运营的行业中，人力分析解决方案需要具备以下三个关键工具属性：
- 实时分析。工具必须随时间的推移捕获、存储和学习人力数据。询问它是否保留人力历史，而不仅仅是当前状态。处理留任风险、薪酬公平或继任计划的 HRBP 需要看到随时间变化的模式。今天人数的快照不会告诉你谁即将离开或原因。
- AI 和预测建模。寻找一种超越预测并进入 AI 驱动建议的工具，最好带有类似 Vee 的自然语言界面，能凸显与情况相关的具体因素和下一步最优行动。
- 伦理和数据隐私。不，你不能只是把电子表格扔给 ChatGPT。薪酬、绩效和人口统计信息高度敏感，因此工具需要访问控制、审计跟踪和跨司法管辖区的合规性。
我们已经发布了选择人力分析平台的完整指南。请查看以深入了解。
Visier 带您从人力数据到人力资源决策
说他们拥有做出有效人事决策所需一切的那 3% 的高管，并不是因为他们比其他人拥有更多数据而获胜。他们获胜是因为这些数据以可理解的方式传递给他们，而且仍有时间采取行动。
这就是建立真正人力分析实践的全部意义：缩小员工队伍中正在发生的事情与某人需要做出的决策之间的距离，在时机逝去之前。
Visier 连接了实现这一目标所需的系统、历史和 AI，这样你的团队就能花更少的时间连接各个要点，而把更多时间用于根据这些要点采取行动。
了解 Visier 如何将人力数据转化为您的企业可以采取行动的结论性见解。
人力分析常见问题
什么是人力分析的一个例子？
人力资源分析的一个很好的例子是预测可能空缺的职位并在职位空缺前开始招聘。汽车俱乐部集团分析了特定职位填补时间的的历史数据，以便他们的团队可以提前几个月开始招聘，并在另一个人离职时填补该职位。
另外两个例子：（i）根据敬业度和任职数据的模式，在员工辞职前标记有离职风险的员工，以及（ii）在决定是否实施招聘冻结前，对冻结带来的成本影响进行建模。
人力分析的主要目标是什么？
人力分析的主要目标是在人员分析平台内将你的人力数据转化为可操作的情报。它弥合了你的数字显示的内容与你能为改进这些数字所采取的行动之间的差距：从存储的人力数据转变为决策者可以采取行动的指导。
人力分析与我的 HCM 系统已经提供的报告有何不同？
你的 HCM 作为员工人数、薪酬、任职时间和绩效数据的记录系统。
劳动力分析将同样的数据与你的HCM不触及的财务、绩效和运营系统连接起来，然后利用这些额外的背景信息提供领导者可以采取行动的指导。换句话说，它不仅仅是他们必须自己解读的数字。
人力资源分析与劳动力分析有什么区别？
人力资源分析是内向的。它跟踪诸如招聘时间、培训完成率和HR案例解决等指标：这些指标特定于HR自身的流程。
劳动力分析更广泛。它将人力资源数据与财务和业务成果联系起来，以回答战略问题，比如招聘冻结如何影响收入目标，或者哪些团队的结构方式拖慢了业务。
劳动力分析如何提高员工保留率？
劳动力分析工具通过应用预测分析来标记有离职风险的员工，从而提高员工保留率。从那里，你可以采取有针对性的行动——如晋升或薪酬计划变更——以防止这种情况发生。
预测模型在员工数据中揭示模式，以识别有风险的个体，而相关性分析则揭示哪些因素最能预测辞职。
如何开始使用劳动力分析？
第一步是明确你要做出或改进的劳动力决策，而不是你想跟踪的指标。“今年将X岗位的流失率降低15%”给你一个构建目标。“更好地理解流失率”则不是。
从那里，盘点你的劳动力数据存储位置——在HRIS、ATS、薪资和员工敬业度调查中——并使用人员分析平台将其整合到一个模型中。一旦设置完成，你就可以开始考虑仪表板和AI功能了。
劳动力分析需要哪些数据？
要使劳动力分析有效，你需要HRIS和ATS输入、绩效数据、LMS数据、满意度和敬业度调查结果、流失率和保留率数据等。你所需的数据将与设定的目标直接相关。
热门话题
推荐资源
GenAI对劳动力分析的影响
将洞察转化为影响：10多个推动业务成果的人员分析故事
Visier研究：AI时代的战略劳动力规划
获取新闻通讯
立即订阅