您的位置:

Google:人力资源专业已经是数据科学

时间:2022-03-29 11:56:37

图片来源@视觉中国

文|穆胜

根据知名雇主品牌咨询机构Universum Global发布的“2021全球最具吸引力雇主”榜单(World’s Most Attractive Employers),谷歌力压微软、IBM、苹果获得头名,成为了全球工科、IT专业、经营学学生最想去的公司。

谷歌作为科技巨头,推崇技术,“黑科技”层出不穷,本身就是行业标杆。而其工资待遇高,办公环境好,自然也会吸引大量人才。更重要的是,谷歌的人力资源管理也确有独到之处,他们信奉用数据说话、基于数据决策,这对于工程师们来说,无疑是具有巨大的吸引力。

01、人力数据实验室

1998年,拉里·佩奇(Larry Page)和谢尔盖·布林(Sergey Brin)共同创建了谷歌公司(Google Inc.),自身IT背景的创始人对公司的文化影响颇深,造就了其典型的“工程师文化”。据说,公司内有一条不成文的规则,那就是“任何决策都不能拍脑袋,而必须是数据驱动的。”

在这里,每个人都必须了解数据,学会用数据说话,用数据结论说服别人或是驱动决策,连人力资源管理也不例外。与众不同的人力资源管理也成了谷歌的核心竞争力之一。

说到谷歌的人力资源管理,那就必须要提到拉斯洛·博克(Laszlo Bock),这个被誉为谷歌“人力资源之父”的人。这位从2006年加入到2017年离开的前首席人才官、前人力运营副总裁,用十余年时间奠定了谷歌“人力资源运营”的基础理念和方法。

图1:POPS的功能架构

他上任的第一个举措就是把人力资源部门改成人力运营部门(People Operations)内部简称“POPS”。在这里,与传统人力资源部门的最大不同就是搭建了专门的人力分析团队(People Analytics),他们直接向HR SVP汇报,负责人力数据的分析,包括收集数据、设计算法,帮助决策等。

这支200多人的团队采取“三三三”配置:三分之一的成员是MBA背景,懂商业;三分之一的成员有管理咨询公司背景,有方法;剩下三分之一的成员是信息学、统计学背景,会算法。这样一个“懂商业、有方法、会算法”的多背景复合团队,被誉为“人力数据实验室”。

谷歌为了实现数据驱动决策,专门开发了数据决策模型(Analytics Value Chain),包含以下六个步骤:

看法(Opinion)——需求的开端,最直接的主观想法;

数据(Data)——获取主观数据,客观数据;

衡量(Metrics)——数据浅层呈现,包含具体指标、比例等;

分析(Analysis)——在不同数据间建立联系,分析变化本质、成因等;

洞见(Insight)——穿透数据分析结果,直达本质,形成专业洞见;

行动(Action)——将洞见付诸行动,切实解决组织的问题。

在这个模型的帮助下,人力数据实验室帮助谷歌发现并解决了很多组织上的问题……

02、纠正自以为是的“大聪明”

“对于公司来说,管理者有用吗?”

相信每个人心里都有自己的答案,但就目前绝大部分公司的组织设计来看,管理者的作用毋庸置疑。有意思的是,在谷歌创立早期,创始人佩奇认为管理者在组织中没什么用,甚至觉得这是官僚的体现,与工程师文化不符。然后,他就用“大聪明”的决策取消了管理岗位,结果可想而知,失去了管理岗位的组织陷入了“大混乱”,无奈之下,只得恢复了原有的管理岗位。

这里要回忆一下国内的“大聪明”。其实,这也是国内一众互联网大佬们创业之初的偏执经验。某朴实无华科技产品公司,也曾号称公司只有三个层级,不设KPI,只在乎开心地玩耍……但他们其实都不用翻墙,随手国内搜索引擎一查就能发现这种方式的问题。

我们按照数据决策模型的步骤对氧气项目简单做个解读:

回到谷歌。这样一番折腾之后,谷歌意识到“拍脑袋”的决策不一定靠谱,为什么不用数据解决问题呢?于是,一个知名的项目诞生了——氧气项目(Project Oxygen),也叫管理者发展项目。

基于氧气项目中的输出,谷歌不再坚持“管理者无用论”,他们也找到了优秀谷歌管理者应具备的特质,如懂得带教下属,对团队授权,关心员工事业成功,自身结果导向等。

之后,通过几项行动切实帮助组织发现并培养了大量合格的管理人员,也成为了谷歌获得如今成就的中流砥柱。

03、简化官僚化的招聘流程

“你想去谷歌吗?”

如果这个问题抛给一个相关专业的学生,大概率会得到肯定的回答。“全球最具吸引力榜单”也能说明这个问题。曾几何时,候选者需要通过12-14次面试,耗时半年以上才有可能从6000多人中脱颖而出,获得谷歌某个岗位的Offer,从而成为它的一员。

这一套繁琐的招聘程序被外界诟病,被视为谷歌的傲慢和自大。对于谷歌来说,多轮次的面试也造成了大量成本的浪费和部分优质人才的流失。终于在2011年,首席人才官拉斯洛·博克宣布谷歌将极大简化招聘流程。

这自然是人力数据实验室的功劳。他们在之前所有的面试数据的基础上,对谷歌的面试工具方法进行分析,对面试人员进行调研。大量的研究之后,人力数据实验室得出了4次面试是最优解。而后,这一研究成果被应用到实践上,谷歌的面试流程精简为平均4次,既优化了候选人的体验,也极大地节约了招聘成本。

这还没有结束,谷歌招聘流程之所以繁琐,是因为每年需要从100万到200万份简历中筛选出最适合的候选人加入谷歌。简化了流程但不能影响效果,如何设计招聘工作体系,将筛选的标准“塞”到四次面试流程里呢?在经过了一系列的研究分析之后,谷歌形成了自己独有的招聘工作体系,这也成了谷歌的标志之一。简单来说,有特点如下:

采用高度结构化的面试流程(Structured Interview),让信息标准化为结构化数据,便于进行高效决策。

建立谷歌的人员特质模型,统一评价标准,严格进行人员评价。该模型包含4个维度——岗位知识技能(Role-Related Knowledge)、通用知识能力(General Cognitive Ability)、领导力(Leadership)、谷歌范(Googleness)。

任用与否由招聘委员会集体决定(Hiring Committee),在数据的基础上,让熟悉谷歌的人用“感觉”来弥补单纯数据决策可能形成的漏洞,同时也避免招聘决策上的“一言堂”。

这极大地提升了招聘的效率,节约了成本,也保证了决策的公平性。大量企业竞相模仿,一时间,谷歌的招聘体系被奉为经典,成了“教科书”一般的存在。

04 究竟有多少算法?

“人力数据实验室究竟在研究什么?”

其实对于谷歌的人力数据实验室来说,一方面拥有全公司人力资源的所有数据,另一方面Google Geist这个为了解员工对于公司政策、工作环境、福利待遇等领域的满意度反馈工具也帮助其获得了大量的主观数据。利用这海量的数据,人力数据实验室为优化商业决定,内部流程和员工激励提供多样化的数据分析支持。我们来看看他们都算了些什么?

案例1:涨薪or奖金?

在2010年,经济衰退期时,谷歌决定提高员工收入来维持人员稳定。通过什么方式提升收入呢?由算法决定,根据人力数据实验室的研究,对员工来说,1美元的奖金等值为1美元,而1美元的基本工资的价值超过1美元。最终,在2010年秋天,谷歌宣布所有员工的基本工资提升10%。

案例2:谁最应该被赋能?

公司的培训资源总是有限的,为了让培训资源能够发挥最大的效果,将资源倾斜给哪部分人?这也是由算法决定的。根据人力数据实验室的研究,中层经理人差别是最明显的,最好和最差的中层对组织的影响差别最大,所以,培训那些水平较差的中层经理人投产比最高。结果,自2009年以来,每年中层经理人的反馈都有所改善。

这样的算法还有很多,人才保留算法、优秀人才绝对值、高效招聘算法……覆盖了人力资源管理的方方面面,极大地帮助了组织决策;除此之外,还有一些看似不那么重要的研究,比如餐厅排队多久合适,咖啡厅不同的咖啡该如何摆放等,也在一定程度上提升了员工的“幸福感”。

诚然,一定有人会说这些算法并不是完全准确的,甚至有些算法是有问题的,但这并不影响Google的决策逻辑和它今天取得的成绩。算法就是一个不断优化、持续迭代的产物。在创新的道路上,错误并不可怕,可怕的是缺少迈出第一步的勇气。

有人说,谷歌的成功是因为OKR,实际上,当你深入研究谷歌,就会发现OKR只是个形式,他们竞争力的内核还是数据和算法。这从拉里·佩吉选择Page Ranking技术作为创业赛道开始,就已经注定了。

05、HR如何走上数据化之路?

相对谷歌十几年前就走出的先锋实践,国内大厂似乎跟进得慢了一点。

一般来说,数据、算法(模型)是数据化的基础,二者缺一不可。对于那些大厂或者行业头部企业来说,数据自然是不缺的,算法也不是难以解决的。那么为何至今,国内也没出现一家人力资源数据化的标杆呢?

其实,他们缺少的是数据思维(Data Mind)。至今,仍有不少人认为人力资源是一个难以数据化的专业,在这种思维的加持下,自然很难找到算法;即使找到了,算法也仅仅停留在数理的逻辑上,缺少应用价值,也就失去了数据化的意义。说白了,大多数HR缺乏重塑人力资源专业的决心,还是在走改良路线,只是在用数据工具来包裹陈旧的人力资源工作模式,妄图为摇摇欲坠专业续命。

简单说,数据思维就是真正懂得数据的意义,解析数据间的相互关系,探索数据到决策的路径……还有最重要的,要有重塑人力资源专业的决心。正是基于这种理念,穆胜咨询长期致力于数据驱动人力资源效能的研究,原创了大量的指标、算法:

扁平化指数——衡量组织是否存在冗余。当该指数小于1时,则说明组织存在冗余,有大企业病的危险;

激励真实指数——衡量考核是否“真刀真枪”。当该指数小于5%时,绩效考核没有差距,失去了真正意义;

激励强度指数——衡量激励是否“真金白银”。当该指数小于8%时,分配没有差距,激励失去意义变的不公平;

……

要说这些指标的数学逻辑,其实并不难,但进入工作场景中,确实对企业帮助很大,这些指标让他们的决策有了数据依托。所以,数据思维才是打开HR数据化大门的“钥匙”。我们将自己研究的算法放到了每年发布一次的《中国企业人力资源效能研报》里,希望能帮助到更多的企业。

当然了,重塑人力资源专业的关键不能只靠咨询机构,企业才是关键。值得欣慰的是,很多企业已经行动起来了。根据穆胜咨询2020-2021两年发布的年度《中国企业人力资源效能研报》,2021年有50.1%的被调研企业重视数据化人力资源,并设有负责此项工作的专职员工或团队,用以沉淀人力资源数据。对比2020年,该比例上升了5个百分点。

图2:企业对数据化人力资源的重视及应用情况

资料来源:穆胜咨询《2021中国企业人力资源效能研究报告》

Google十几年前就开始重视人力资源数据研究,并设置了人力分析团队,他们是先行者,也享受了多年的数据红利。到了今天,越来越多的国内大厂已经在路上了(详见往期文章《观点 | 阿里腾讯们对HR动手了!我们盘点了26家大厂的数字化HR标准......》),人力资源与数据科学注定会走到一起,传统纯“靠手感”的人力资源管理必将做出改变。

关键词: 人力资源 人力资源管理 人力资源专业 数据驱动 三分之一

返回顶部