硬核：详拆组织诊断报告"三段论"

作者：益才发布时间：2023-09-13

组织在进行了体系化的数据搜集和治理，打下良好的数据基础后，则更关注数据的运用，尤其是如何通过数据分析帮助企业进行组织效能与人才管理决策。

如今大多数组织拥有人员分析团队，公司高管也将人员分析列为重点，几乎无人质疑数据分析的美好前景。不过许多领导者也不得不承认，所谓的“分析”其实只是基础报告，尚未产生深入且持久的作用，公司既没有将数据分析贯穿到日常组织管理流程中，也缺乏利用分析进行有效预测，推动决策制定的能力，面对复杂的分析技术和亟待统筹的整体局面，鲜有组织知道应当如何实施，众多HR在该阶段较为典型的困惑是：如何建设服务于组织效能的数据与分析模型，既能衡量组织发展、人才管理的工作成效，评估现状，发现问题，寻找差距；也能指向改进的依据，通过诊断评估发现的问题就是下一轮组织变革的目标。

益才D5-Pro平台基于“4-I螺旋”的组织诊断逻辑，展开项目整体规划，从调研准备、数据收集、整理分析、现状洞悉至优化改善，基于数据实现员工与组织的双向螺旋发展。

对于数据分析最常见的要求是“给我结论，而不是数据”。只有理解了分析背景以及分析结果的内涵才有可能得出结论，我们不能假定利益相关者能得出正确的结论，应该把得出结论作为我们的主要任务之一。对于企业高层来说，并不是为了看到这些数据，而是希望HR能够将数据反映出来的业务问题精准地识别出来，我们既要依靠数据来源提炼观点，又需要根据结论来提出建议，同时我们需要思考：“如果我的结论足够重要，需要加以重点说明，业务部门需要做点什么呢？”数据分析的目的是帮助业务部门提高绩效，所以虽然结论会引人注目，但根据结论提出的建议才是业务部门需要的，只有行动建议才能推动目标落地，卓有成效的建议性报告会成为推动变革的强大力量。要保证从结论中提炼出建议，清楚地描述每个建议，像撰写声明那样清晰、简洁，如“这个结论表明……，因此，我建议……”。

“4-I螺旋”组织诊断逻辑的价值在于打通了基于组织与人才数据的价值链条：数据生成报表，报表引发更加深入的数据挖掘和信息分析并产生分析结果，分析结果融入决策流程引发了具体的行动，进而产生价值和影响，实现“看见→洞见→预见”的数智化人才管理决策全过程。

看见：用数据说话，通过数据去看见组织的问题，发生了什么？

如何看见问题？——细化。

细化数据到不同部门、区域、岗位、层级，按类别显示数据、成本、时间、数量、效率，寻找明显的关联性和趋势，通过细化能够更加清晰地看到发生了什么，出现了什么问题。

“魔鬼藏于细节中”，譬如很多企业都分析过人才结构的数据，如果只是从整个组织的角度将人才数据类别做出分类，分布情况做出统计，显然无法得出什么结论，连评价好坏的标尺都没有，我们也无法知道什么类型的人才结构是一个最优的人才结构。

但将这些数据细分从部门、层级、区域等层面进行类比和交叉的时候，就会自然而然地反映出一些问题。早年腾讯就通过人才数据年龄结构的比对分析发现：全集团一两千名总监，30岁以下人数极少，这对于强调“活力、年轻化”的互联网巨头而言，细化到“年龄和层级”这两组数据，看人才结构的时候，发现出了问题，后来便有了“干部队伍年轻化”的人才举措。

通过细化人力资源各种不同的指标，我们可以进一步定位原因。例如：我们发现新员工无法通过试用期比例上升时，就可以把员工的数据具体细化到不同的部门或者不同的招聘人员，如果我们发现这种情况都集中在某个部门，那可能是部门管理的问题；如果是集中于某几位招聘人员，那可能就是招聘人员的技能问题。同样在分析离职率的时候，通过细化的方式，分类到不同的团队，我们才有可能进一步看到问题。

总体而言，“看见”问题相对容易，在一些数据分析工具中通常会提供分类切片的功能可以让HR从不同的细分维度来发现问题。HR团队需要持续追踪关键的人才数据，在此过程中持续地进行关联分析，一定要持续才会有价值。譬如持续追踪“组织温度”这一指标，然后细化到不同的一级、二级组织，部门，分公司，工厂去看，去对比的时候就会发现很多问题，那么就可以针对这些问题提出专门的改善建议，定期检核衡量，持续螺旋做出改善。

如图所示，该诊断报告的调研数据分析围绕以下3个方面展开：

总体特征分析,旨在从整体的角度把握组织的优势和短板。
机构特征分析,旨在把握各分支机构的提升关注点，并发现需要重点关注并提升的机构。
群体特征分析,旨在了解不同群体的特点，聚焦需要重点关注的群体及其提升的关键问题。

洞见：用数据诊断，透过数据表象去洞见本质，为什么会发生？

如何产生洞见？——穿透。

穿透表面数据看背后的原因，通过对大量数据进行筛选、分离、归类、整合等一系列“穿透”动作才能发现和聚焦问题根源所在。 “穿透”本质上是对数据核心意义的挖掘和探讨，是对问题的查找、判断、分析，可以知道“为什么会发生？”

很多HR在经营会议上已经开始进行数据性的汇报，所列指标众多，但大多数的指标还是停留在现象指标上，而不是基于数据的洞察，仅仅是过去一些现象的简单反映，不能真正定位问题，更无法找到解决方案。

所谓的洞察，是对特定场景中问题的特定因果关系的理解。一般而言，组织在日常管理中遇到的绝大多数有关联的变量关系都是相关关系，面对的问题并非绝对因果关系，也难以推导出因果关系。例如，公司薪酬水平低和员工离职率高之间应当具备一定的相关性，但并不能断定它们之间属于因果关系。仅依据统计数据和主观想象不足以得出事物之间的因果关系，想要识别两者之间的因果关系，必须严格地从理论上证明这两个变量之间存在因果逻辑，并且要排除掉第三个隐含变量导致这两个变量变化的可能性。组织管理的场景大多是非结构化的、模糊的、不确定的、灰色关联的，这就更需要我们突破简单线性思维的束缚，不局限于表象的推理逻辑，更全面地剖析各种因素之间的相关性。

数据无疑是可靠的帮手。穿透数据，借助联动、下钻、挖掘、预警等方法，挖掘事物潜在的关联性，在多种数据技术的探索过程中发现企业、组织、员工未曾意识到的新问题，为绩效改进提供机会或原因，可以基于战略和业务需求，围绕“组织效能与人效、战略人力配置、人力资源运行、人才管理价值”等核心维度，设计有用、有效的数据分析专题，在数据中发现问题，例如在某关键岗位的继任数据中看到异常情况，就可以有针对性地制作“岗位人才厚度”的问题分析报告。

其次，通过不同部门、区域、岗位、层级数据的对标分析，差距最大的维度往往意味着是公司相对人才供给较弱的区域，意味着该维度面临较大的问题和风险，需尽快分析产生原因并做出有针对性调整；如果正好是公司战略或战术核心人才，则需要重点加强，或者尽快调整负责人。

组织是一个系统，每一个节点都有相关性或因果关系，穿透数据其实就是透过现象看本质，不断找到根本问题的过程，找到影响企业发展的“痛点”，找到现象背后的问题及原因，才能真正解决问题。这也正是“组织诊断与发展”系统的关键价值——界定问题，解决问题。从界定制约企业发展的核心痛点出发，思考如何有效提升核心竞争力和发展效能。大数据的方式提高了人才决策的速度和有效性，减少未来用人方面的风险，确保人力及组织效能的产出。

预见：用数据决策，基于关键数据预见未来，将要发生什么？

如何预见趋势？——关联。

以“组织与人才效能”为效标关联数据，判断未来的趋势，预测可能的变化，进而做出预警以及有针对性的解决方案。

效标关联效度是统计学一个术语，又称为效标效度、实证效度，指测验分数与效度标准之间的相关程度。效度标准简称效标（criterion），是衡量测验有效性的参照标准，是独立于测验之外，能够体现测验目的的标准。测验分数与效标之间的相关程度用相关系数表示，称为效度系数。效度系数越大，测验的效度越高。因此，能否找到真实的效标是进行效标关联效度分析的关键。

在组织层面，衡量经营质量、管理效率的经济指标有很多，如很多企业都会用到利润率、毛利率、净资产收益率等。我们认为，在数智化人才管理领域，应更关注 “组织与人才效能” 这一效标，也就是广义上的人效，人均效率或人均效益的简称，指单位人数或单位人力成本创造的有效产出（有效产出一般指销售额、产值、利润额或净利润等）。从定义可以看出，该指标综合考虑了产出规模、人数和人工成本等因素，平衡了企业短期冒进和长期可持续发展。很多财务指标可以直接衡量企业的人效情况，从企业内部管理视角来看，敬业度、管理人才晋升率和高潜人才流失率是驱动人效的关键衡量指标。将不同人力资源的数据，人才的数据，组织的数据和“人效”做关联，判断人效的趋势，预测未来人效的增长或减少。

如图所示，通过对8个一级维度幸福指数和离散系数的交叉分析，可区分出：集中高分、分散高分、集中低分、分散低分4个区域。对应改善优化的视角，即区分为：绝对优势区、标杆区、劣势区、机会区。

传统管理模式人才数据获取较为困难，频率往往是一年一次，由此产生的人才管理决策严重滞后于企业战略发展需要。信息时代业务在线化主要处理的是静态数据和结构化数据，而数智时代通过节点级增强型管控，完成全过程、多类型、非结构化数据的采集，实现从结果静态化转向过程动态化；通过系统管理的方式，快速抓取人才数据，进行对比分析；通过数智化人才看板即时查看人才数据，洞察人才信息，提升管理效能，实现了从“管理滞后”到“即时管理”的突破。

针对诸如以上“关键趋势指标”展开长期追踪，除了预警之外，系统还会促动管理者行动并提供指标优化解决方案，这样HR无须多说话，但对管理者的影响、对组织和人才发展的影响却是非常即时和前置于财务结果的。

益才将于9月13号举办“组织诊断与发展”专项主题沙龙，期待您的参与！！！