文化行业

注册

 

发新话题 回复该主题

谷歌HR是如何践行数据分析文化的 [复制链接]

1#
白癜风如何根治 http://m.39.net/pf/a_6489068.html

好的企业文化都有相似之处,在硅谷工作过的同学都该知道,从OKR、信息透明、层级扁平乃至字节范儿这些组织管理方法在西方都有过更早的实践。今天推荐一篇HR专家行走的帆的文章,论述谷歌是如何通过数据分析来做人力资源工作的,可与今天在推行OKR的中国互联网公司做对比,相信会有非常多似曾相识的地方。PPT配图部分来自谷歌HR实习生陈书尧。

从07年-17年,在前任谷歌人力运营副总裁LaszloBock治下,谷歌在人力资源管理中沉淀出三大原则:只招那些最优秀的人才,对员工充分信任,数据驱动人才决策。

为了确保公司能够找到最优秀的人才,谷歌用了很多办法,比如:成立跨部门的招聘小组,不再让用人经理一个人说了算,而是动用集体的智慧来综合考察候选人的综合素质;把原来校园招聘的学校范围从所(美国)大学扩大到所;甚至不惜砸下重金,在内部设立了专门的招聘公司,等等。

因为对员工的充分信任,谷歌实行彻底的透明化管理*策:内部实行OKR的绩效管理方式,OKR本身就是一种透明机制,每名员工可以看到其他人的年度绩效目标;每周五举行公司全员大会,由公司创始人主持并回答员工的所有问题;每个员工都可以通过邮件直达公司创始人和CEO等高管;公司所有内部文件,只要不涉及到法律违规的内容,一律向员工分享,等等。

谷歌首先从人力运营部门自身做起:人力部门下设数据分析实验室,专门研究和分析各种于人相关的数据;其次,人力运营部人员的专业背景中,三分之一的人来自HR专业背景、三分之一来自咨询公司背景,另外的三分之一来自数据分析专业背景。

此外,谷歌还用了很多手段来实现数据驱动决策,哪怕是最基本的人事决策。比如:谷歌从前的招聘流程非常冗长,招聘一名员工平均需要经历15-25轮面试。后来,经过经验数据论证,面试4轮和更多轮次面试出来的员工,在实际工作中的业绩表现并没有太大区别。所以,今天谷歌的面试都不超过4轮。

谷歌HR是如何践行数据分析文化的?

行走的帆

谷歌自创立之初在公司文化上就深深地带有创始人的烙印,公司文化属于典型的工程师文化。公司内有一条不成文的规则,那就是任何决策不能拍脑袋,必须是数据驱动。每个人都必须学会用数据说话,用数据去说服别人,并用数据推动决策。

数据驱动一切决策,HR管理也不例外。

在谷歌最早的IPO招股书明书中这样写道:“我们不是一个传统意义上的公司,我们也不打算成为一个传统意义上的公司。”从HR角度来看,这也意味着谷歌的HR自公司成立的第一天起,也着力于将打造成为一个非传统意义的HR。其中最能凸显非传统的一点,就是HR需要完全通过数据来指导日常的所有工作和决策。

谷歌有专门的人力分析团队(Analytics),直接向公司人力副总裁汇报。分析团队的背景也特别:1/3的人有MBA学位,1/3有心理与行为学方面的博士学位,剩下的1/3拥有数据或统计分析方面的学位。

此外,在人力数据分析团队内部,分别有专人对接每一个其他HR职能部门,这样来确保每个职能都能够完全实现数据驱动决策。

谷歌在数据分析决策方面,专门开发了一套决策模型(AnalyticsValueChain)。

决策模型图如下:

第一步:看法和观点(opinion)

这一层主要是人最直观的主观看法。比如,人们常说:“我觉得应该是这样的,因为一直以来事情就是这么运作的。”这就是一种看法,它并不代表事实。从人力分析的角度来说,需要避免只凭直觉看问题,应尽量拿事实说话,做到超越直觉。

第二步:数据(Data)

HR各个部门原本都拥有大量的数据,比如组织内有编制、多少人员?一段时期内有多少人获得了晋升?多少人员离开了公司?

这些数据广泛地散落在组织各处。但是这些只是停留在原始数据阶段,尚无法被人所理解。只拥有数据并没有太大意义,因为数据本身并不能自动解决任何问题。

第三步:衡量(metrics)

衡量包括了具体的指标、比例等等。你可以定期把相关的数据发送给相关人员参阅,让大家获取信息了解组织内部正在发生什么。

然而,随着时间的推移,人们可能会对这些指标开始麻木,因为这些数据、指标并不能解决实际问题,无法帮助组织作出下一步的行动计划。

第四步:分析(Analysis)

分析可以帮助在不同的数据之间建立起来联系:数据和数据之间都有什么关系、接下来的发展变化趋势是什么、与之相关的都是哪些群体,等等。通过分析,进一步去挖掘数据背后的本质和成因。

第五步:洞见(insight)

通过对数据的分析,可以透过表面看本质,最终形成自己对某一事物的洞见。

第六步:行动(Action)

归根结底,数据分析的目的是要解决问题。基于对事物形成的洞见,接下来便可以有的放矢地制订行动方案,并付诸于实施,最终帮助解决组织存在的问题。

我们来看一个谷歌数据分析在实际工作中的经典应用案例。

谷歌有一个人力团队叫人员与创新实验室(Peopleandinnovaitonlab),工作是负责从长期角度解决组织中存在的人员难题,通过创新的解决方案来帮助组织实现变革。实验室曾经负责了一个管理者发展项目,叫氧气项目(ProjectOxygen)。

项目的起源很有意思:谷歌创立早期,创始人佩奇认为公司具有典型的工程师文化,不太理解到底管理者(peoplemanager)在组织中能够有什么大的作为。甚至觉得,管理者这种非常具有官僚特征的职位的存在,在组织中只会让人觉得碍手碍脚。

后来佩奇一声令下,我们干脆把管理者这种职位取消了吧。所有工程师一律向他本人汇报。接下来发生的事情不出所料,管理者岗位的取消并没有带来组织效率的提升,反而让组织陷入了巨大的混乱。无奈之中,谷歌后来又重新恢复了管理层。

经过这么一个事件的折腾,大家开始反思:为什么会一开始觉得管理层不重要呢?那不如来做个数据分析,看看管理层到底重要性在哪里。

当时,谷歌内部已经有一些与管理者相关的人力数据,一类是绩效反馈数据,这个是管理者对员工的自上而下的反馈;另一类是员工调研数据,这个是员工对管理者的自下而上的反馈。

接下来把这些数据切分出四个分位:尤其重点

分享 转发
TOP
发新话题 回复该主题