

在线咨询

电话咨询

微信咨询



TOP

因为专注，所以专业

2022/08/18

数智已来，人才发展如何“弯道超车”？（上）

数字孪生，未来已来2021年，Facebook 创始人兼首席执行官马克·扎克伯格将公司名改为Meta，希望在未来用 5 年左右的时间，将 Facebook 打造为一家元宇宙公司，让元宇宙的概念进一步火上浇油。那么元宇宙是什么呢？1992年，美国著名科幻作家尼尔·斯蒂芬森推出了自己的小说《雪崩》，里面描述了一个平行于现实世界的网络世界，现实世界中的人，在元宇宙中都有一个“网络分身”，这就是元宇宙概念公认的开始。‍尽管现在众多公司提出元宇宙不同角度的描述，但是都有一个核心：就是需要一个沉浸感的虚拟“分身”。这个“分身”其实就是前些年已经火起来的“数字孪生”。“数字孪生”这一概念，已经迅速走出最早起源的制造业，应用到了智慧城市、智慧交通、智慧农业、智慧医疗、智能家居等行业，似乎成为各行各业实现数字化的灵丹妙药。益才首次将该概念应用到人才管理领域，结合近几年与众多行业标杆的实践，更让我们坚信“数字孪生”会是数智化人才管理这个赛道上极具代表性的发展形态。“数字孪生”顾名思义就是你有在一个在系统里面的双胞胎，只是他/她是用数据的形式存在，他/她能够实现人才数据的精准虚拟刻画，助力组织按需及时锁定关键岗位的优质人才，做到实时、立体、直观、全面、敏捷、高效的人才画像确认和精准岗位匹配实现------想象下，这个和你几乎一模一样的孪生兄弟/姊妹，在组织系统里的人才管理场景下会有多大的用武之地？“七力花瓣模型” 精准勾勒人才画像未来已来，我们来看下益才基于“数字孪生”理念的实践。人才管理强调将人看作有个性的人才，而不是单纯的资源或资本。何为人才？如何得知一个人是否是企业战略发展所需的关键人才，或是具备成长为优秀人才的可能性？如何能够呈现人才全部的、一模一样的信息？如何拍出人才的三维照片？——依靠清晰而明确的人才标尺，可以使得这一判断变得简单。益才提出基于组织适配性和岗位匹配性的人才画像框架，通过七力：文化力、匹配力、潜力、动力、效能力、能力和经历在人才管理系统中全息刻画人才。这正契合“数字孪生”中反复强调的“全息”(Holography)概念。“全息”特指一种技术，可以让从物体发射的衍射光能够被重现，其位置和大小同之前一模一样。从不同的位置观测此物体，其显示的像也会变化。因此，这种技术拍下来的照片是三维的。1947年，英国物理学家Denise Gabor（1900-1979）发现全息全息光栅图技术，并因此获得了1971年的诺贝尔物理学奖。“全息”一词的本意就是指全部信息。我们将其从光学领域迁移到人才管理领域。拉姆-查兰与比尔-康纳狄全合著的《人才管理大师》里指出：不要通过一些含糊的陈词滥调或者机械的测评方法去评估人才，看一个人的行动、决策和行为，将这些指标跟企业业绩有效地联系起来，了解一个人的核心价值观、信念与才能。“七力花瓣模型”有望实现这一理念。“七力花瓣模型”是在能力素质模型和任职资格要求基础上的升级，同时有机结合了个人的能力、工作承诺与业绩贡献，既系统全面又层层递进，兼顾人才的显性特征与隐性特质，从组织和岗位两个视角进行考量，考虑具体岗位对人才的要求，也考虑组织文化基因对人才的要求。全息化的人才数据呈现，将助力企业精准定义和识别高绩效人才，进而展开对于人才的选拔、测评、评价、发展等系列人才管理动作，得益于“数字孪生”等数智技术的有效应用，人才发展将迎来“弯道超车”的机遇：• 学习系统结合员工个人画像及行为数据，区分不同的用户群体，形成专门的用户标签（沉睡用户、活跃用户等），基于不同的用户标签，赋予不同的激活、引流手段，吸引学员的学习兴趣和关注；• 结合员工个人画像数据及行为数据，了解不同人群在学习内容上的偏好及学习习惯，建立人员能力画像，从而更实现精准推送学习资源，打造“千人千面”的学习界面；• 借助线上平台，将培训内容应用的全场景融入其中，在各个场景中借助模拟、考核等方式，形成学员的连续评估数据和行为反馈数据，利用数据更精准的设计业务场景需要的学习内容；• 利用AI陪练等方式，让学员的话术、语言学习能够实时得到评估与校正，从而实现行为改变；• 进行员工的学习行为和学习结果之间的数据分析，推送个人化的反馈，当数据积累到足够大时，洞察的准确度会越来越高，即可识别出个人的ZPD（zone of proximal development，最近发展区域），实现个性化发展。“立标定规”方能“自主化”近些年我们经常听到“以学员为中心”的呼声，但如果只是任由员工掌控学习节奏，选择学习内容，恐怕并不会达到想要的效果。相反，以学员为中心的学习并不总是自主的，它需要企业为每位员工制定不同的学习计划。其背后的逻辑是基于员工能力的测试，即评估员工已经知道什么，他们需要学习什么，以及他们如何学习效果最好。这种方式节省了大量时间成本，提高了参与度，并实现了知识的流动和保留。人才发展有其内在的一套严谨体系，由“分析和确认需求”“建立人才标准”“建立职位发展体系”“识别和选拔内部人才”等多个模块组成，结合企业实际情况对各个模块进行有机结合，才能让整个体系发挥作用。“立标准”“建跑道”“定规则”是人才发展的3个基础体系工作，也是组织效能在个体层面的直接反应。“立标定规”方能实现“自主化”！立标准-只发展对的人相信大家有这样的共识：选对人永远是企业的头等大事，方向不对，就会越跑越偏。我们尤其要清楚：发展一个不合适的人就是浪费企业资源。选对的人，是人才发展决定性的第一步。那么如何借助数智化技术得以实现？当前我们处于一个大变革的时代，业务环境频繁变幻，过去的、现在的业务不一定就是未来的业务。在进行人才识别时，不能仅考察其在现岗的表现，还要考虑未来晋升岗位所需的能力。对未来的胜任力模型进行客观的评估，做出数据驱动的内外任用决策。部分标杆企业会持续追踪一项类似“PT-3”的指标，该指标就是对组织3年内所需人才能力项的数据描述。正因为其不确定性，所以进行持续动态的追踪和匹配调整，以猎豹般的敏锐实现对未来关键人才的捕捉获取。选高潜的人。没有潜力的人，再怎么培养都是无效的。商业进化速度的加快压缩了每个人被发展的时间，要提升发展的效率，就应将发展资源和时间投注在那些能够为企业创造高投资回报率的人才，即高潜身上。“继任计划”是大部分企业梯队建设时采取的做法，指在本岗位任职者正常任职的情况下，各部门着力发现并培养本岗位后备人选的行为。后备人选一般来自于下一级岗位（往往也会适当考虑其他部门），作为本岗位的储备干部，并非取而代之，在发现并确认继任者后，结合各部门的人才发展与培养计划，给予后备人员更多的业务辅导、重点管理沟通和培训计划，使后备人选得到更大的提升，从而具备担任上一级岗位的资质和能力，是不断发现并追踪具有高潜质员工的过程，就像“人才孵化器”：企业通过有规划的培养过程提高学员准备度，同时提高调动意愿，进而实现“有人用，调得动”的局面。数智化人才管理平台内的“继任图谱”界面，即以人才地图为基础，结合公司业务条线、管理层级要求和其他人才综合特征指标，尤其是绩效管理体系输出的客观绩效为依据，形成人才筛选标准，将现有人才评估划分为各层级后备人员。继任图谱的价值在于：将继任计划跟岗位管理，职业发展通道，晋升管理做接口，可视化其联动更新情况。数智化系统会依据岗位的继任情况，智能显示“青黄不接、后继有人，良将如潮-----”等状态，及时预警企业人才队伍的健康状态，这一操作为人才发展的对象筛选提供了清晰的指令。益才数智化人才管理平台-发展模块的第一个管理动作便是“确定发展人群”，选人的重要性不言而喻，系统会结合企业内置的人才发展逻辑，譬如梯队类项目可依据继任图谱，结合人员胜任度、准备度选择参与发展项目人员，进入发展项目；也可依据不同发展项目的目标进行有针对性的人员选拔。

2022/08/15

究竟什么是数智化人才管理？（篇章三）

前两个篇章我们分别提到了：1、DTM是HR自身大数据基因的持续进化2、DTM的顶层设计-4F框架该章作为终篇，将DTM的“价值创造”梳理清晰，明白我们的战场在哪。站错了舞台，怎能不翻车？DTM价值创造很多企业已经具备了人才管理大数据的原始累积基础，正致力于DTM数字化人才管理平台的搭建，但受困于专注人力资源流程及事务，人才数据孤立无连接；无法提供场景预测，进行宏观层面的人才和组织决策；交叉分析的维度不系统，无法产生洞察性的输出。简而言之，底层数据标签模糊，无法进行诊断和预判。针对这些人才管理的痛点问题，DTM要在以下3个战场打出胜仗，用大数据、AI、系统平台等新技术武器高效解决人才管理难题，实现价值。一、打破数据孤岛，盘活组织人才大数据过去的信息化更多的实现了优化流程、沉淀数据等功能，但对于人才数据仍停留在数据孤岛的层面，虽然企业在进行人才盘点后得到了大量的数据，但是数据之间并没有打通，当企业需要调用数据进行决策时，往往要花费大量时间去处理、综合数据，但组织决策与人才决策不能基于零散的数据，多维数据的关联与打通才是人才决策或组织决策的关键。比如：一个非常有能力的员工，他对组织的敬业程度和满意程度，在很大程度上会影响员工的贡献度，因此，将员工的各种数据（如：绩效、学习、考试、岗位匹配度、素质测评、360测评、敬业度、满意度......）整合在一起进行关联分析，以立体、直观、全面的方式呈现人才画像，只有这样才好做出更为全面的组织优化方案。依托于系统平台和数据库，构建起全面具体的人才画像大数据档案，才能为业务提供人才决策。一时风靡的胜任力模型，在企业对人才的要求上表述得过于抽象，全面人才画像需要更加具体更加多元。试想一下，用“积极学习”指标给人才打一个分，模糊且无法应用，如果全面调出该人才过往学习经历的信息，当下参加人才培养项目的考勤率，作业得分等数据，业务成果，获奖数据等，是否能更好地描述该人才学习能力是否匹配未来企业的需要？人才管理的大数据包含两个方面：一是人才标准，即人才画像的维度本身是具体多元的。要用经验信息来代表人才的过去，用能力和绩效的数据代表人才的现在，用态度价值观的数据代表人才的未来。二是获得人才数据的来源也是多元整合的。既有评价中心对于能力的主观评估，也有绩效、表彰、荣誉、成果、工作行为等客观数据。只有这样海量且丰富，指向具体的大数据才能在系统里被AI不断学习和公式验证，为业务提供人才结构、数量、质量、匹配度，人才梯队完备度，以及关键人才与业务适配度等决策依据。做好数智化人才管理，除了硬件系统基础外，还需要有足够的“软件”，人才标签、组织标签的丰富程度决定了管理者能以多大视角看待个人与组织。扎实的人才定义技术、组织定义技术，人才标签、组织标签的丰富度和精准度都十分关键。在构建足够组织标签与人才标签后，不断收集数据，丰富数据，更新数据，在此过程中建立并强化持续一贯的人才管理观念。二、BI可视化,搭建驾驶舱智能决策系统对于人才管理系统，我们一直有个误区，认为系统管理者账号就是HR部门或大数据系统立项团队使用的，而忽略了为企业各级管理者们订制人才管理的使用界面，人才管理观念是要靠管理者们持续使用，系统强化的。对于业务管理者们而言，人才管理绝不是切片式的工作任务，也不是几个割裂的填表事项。在管理者们的人才界面里，要以组织结构图的形式，实时全局审视团队人才的动态，并且向管理者发出招聘、选拔、培养、激励、挽留的管理动作需求清单，帮助管理者建立人才管理日历以及全年大事记——这才是大数据及AI分析与决策对于管理者们提供的具体且实在的价值。DTM能实现各子系统数据的打通及交叉分析，从而帮助组织形成实时、立体、全面的人才评价看板，从“个人、组织、用人部门”等多个视角形成人才管理驾驶舱，看板内容包含人才结构、人力资本效能、队伍状态等信息，进而实现人与岗位、人与团队、人与组织的高度匹配，帮助组织在人才识别、人才考核、人才任用、人才培训及人才发展之间无缝衔接切换；管理者可以全面立体的了解到每个员工，不同部门，及整个组织的全面、动态的信息；决策者可以一目了然的了解组织各方面情况，提高决策效率与准确率，实现战略支撑。益才整合并联了各个系统后交叉分析，实现了BI可视化，形成个人和组织双重视角看板，支撑前瞻性的人才管理决策。1）个人视角个人视角页面综合了员工的个人信息、人才发展轨迹、岗位胜任度、个人测评数据、潜力评估、绩效数据等，交叉分析后形成人才画像。个人看板中的数据信息，可以清晰立体的呈现出人才的全貌，实现“数字孪生”。2）组织视角组织视角页面可以清晰的看到整个组织的继任地图，一目了然的了解企业现有人才梯队情况。同时对于人才比对、部门组织层面的人才落位，组织诊断结果都可形成清晰的透视，大大提高了企业人才决策的准确率与效率。三、立体全息指标诊断，动态预警组织健康度数智化人才管理更注重帮助企业快速对个人与组织进行分析诊断，你的组织健康吗？很多企业在运作过程中不觉得有什么大问题，但年初或年底复盘的时候，才会发现，原本自以为运转良好的企业，这里有问题，那里也有问题。当问题暴露后，很多管理者往往会陷入头痛医头，脚痛医脚的误区，根据现象结果去找问题，治标不治本。一个组织如果出现问题，原因通常不止一个，而且相互关联，需要从不同的视角切入，才能看清楚问题的本质所在。正确的做法，不是盲目动手解决，而应该从症状入手，找到病症的根源。这时候，我们就需要用到一个工具：组织健康度诊断。就像医生治病要先给你体检，我们在解决组织问题之前，也需要做一次组织诊断。组织健康度就相当于一面镜子，帮助我们去看到组织所存在的问题，透视组织的状况。益才认为一个健康的组织应当具备这样的基因：上下同心追寻共同目标，开放坦诚信任，拥有完善的人才管理体系，拥抱变化且持续不断的进行创新变革。具体而言，从以下4个维度展开：使命方向是组织的起点，当员工对组织的使命方向不了解的情况下，有时会不能很好理解自上而下的战略目标，在执行上也会出现理解不一。组织氛围是改变组织文化的出发点，组织文化包括长期积累下来的规范、价值观和信念。组织氛围代表了企业文化当前的状态，塑造企业文化要从改变组织文化开始。人才是企业最重要的资源，任何一个组织都不可能是完美的，而人才管理就是要让这个不完美的组织持续稳健的向前走的关键。创新是企业源源不断的变革活力，一家想要百年长青的组织，创新的土壤和氛围是十分重要的，积极拥抱变化，紧跟时代大环境转型发展。组织是一个复杂系统，它就像一个生命体，由若干子系统构成，当系统出现故障，需要对每一个子系统做细致的梳理，找出真正的诱导因素，对于管理者来说，最大的挑战，也正在于能否打开视野发现组织的关键症结。实时的组织健康度诊断可以有效的将人和业务结合起来，提升组织自身的免疫力。在业务变革之前，你也可以对团队进行诊断，为变革管理提供支持。DTM全景图对于从事人才管理的专业人士而言，今天的商业本质是模糊、复杂而混乱的——未来将依旧如此，这就需要我们重新思考应该由谁，在何处，以何种方式，与何人合作来完成工作。我们需要重新考虑企业该如何发挥领导力，如何实现个体的自我管理，如何在提高员工生产力的同时创造出新形式的价值；我们需要在企业内部培育更多的创新能力，具有更大的灵活性，并能够利用新技术与网络形成新的资本。这意味着我们的人力系统将大幅度被重新调整和设计，HR将无法再依赖传统的，很快将被淘汰的的企业组织结构，领导力和人才管理方式来实现对组织的商业影响力，因此我们可以说，人才管理这一个职能即使尚未达到危机状态，也处在了拐点上。总之，新时代时代背景下, “数智化人才管理”这个新瓶里装的不能还是人力资源职能管理的“老酒”,新瓶要装新酒，新酒就是全新的数智化思维和数智化理念, 是基于数字的、连接的、交互的、开放合作的生态思维。只有这样, 才能真正激发人的创新力, 才能真正激发人的潜能, 才能真正实现企业的创新与人才的驱动。在中国，益才作为数智化人才管理的先行者，提出了高绩效组织数智化人才管理的系统解决方案：打破数据孤岛，确保安全的数据治理以及BI可视化的数据决策驾驶舱。益才DTM数智化人才管理平台以大数据、云计算、AI等综合数字技术为底层支撑，集成了大量的模型、指标、题库、常模库和人才库；以九大系统为载体（talent profile@人才画像系统、素质测评系统、组织调研系统、360度评估系统、在线学习系统、在线考试系统、在线AC评价中心、在线盘点系统），打通”组织发展-定义人才-全面评价-人才培育-人才驾驶舱”的数智化人才管理全流程应用，搭建起驾驶舱智能决策体系，实现人才管理效能及组织效能的双向提升。

2022/08/15

究竟什么是数智化人才管理？（篇章二）

上章节开篇，我们提到DTM（数智化人才管理）是HR自身大数据基因的持续进化，大可不必焦虑恐慌，得有淡定的心态。今天我们来认识下“4-F框架”模型，从顶层思维上构建起对数智化人才管理的宏观认知，进而确保正确的姿势。DTM 顶层设计：4-F框架如何搭建或者升级各自企业的数智化人才管理平台？益才基于多类型企业DTM的实践，认为尽管不同行业企业有着各自的视角和侧重，但以下四个维度缺一不可。企业的数智化人才管理规划可结合“DTM 4-F”框架展开设计，展开：基础重构，数据连接，场景优化，智慧分析等系列工作，分别构建起“安全、数据、场景、智慧”的全系统服务支撑。益才提出的数智化人才管理“4-F框架”，由下到上依次为：技术层、工具层、应用层及决策层。技术层技术层分为两个部分：一是IT技术，即大数据、AI人工智能以及云计算等核心技术，以及PaaS和SaaS系统平台；另一部分是人才管理的专业技术，包括人才的各种指标库、模型库、题库、常模库、量表库等大数据库。这两个部分共同形成夯实的底层基座，是数智化人才管理的技术支撑。工具层技术如何转化成可使用的手段呢？益才从“组织诊断、定义人才、全面评价、人才培育”4个方面研发了系列的人才管理工具，包括但不限于：敬业度满意度调研、组织氛围调研、组织健康度诊断、talent profile@建模系统、敏捷建模工作坊、素质测评、360度评估、AC评价中心、在线考试、学习平台、团队GDP、个人IDP等等，形成了工具层。基于不同工具主题的数据驱动实现人才-部门-组织之间的各种连接，是数智化人才管理的业务支撑。应用层切实解决人才管理痛点问题是管理者们更为关心的。应用层即将工具层进行落地，实现人才管理的多场景应用，如：人才画像、招聘竞聘、人才盘点、组织健康度提升、敬业度满意度改善、梯队建设、学习发展、高潜选拔、干部管理等。根据企业对于人才的不同需求，实现面向人才管理的典型应用，完成人才的全生命周期管理，是数智化人才管理的服务支撑。决策层决策层汇聚了应用层的各种人才数据，形成企业自己的人才管理驾驶舱。组织视角:组织健康程度、组织效能、人才流动和人力资产等多项关键组织人才指标，形成了“智慧才报”系统；个人视角：经历、潜力、能力、动力、文化力、匹配力、效能力等多个维度的数据立体呈现人才的全息信息，形成了“数字孪生”系统。两个视角系统有效驱动组织的人才管理决策，是数智化人才管理的战略支撑。简单总结下：在“4-F框架”模型中，技术层是基础，工具层是手段，应用层是路径，决策层是目的。各企业可结合“4-F框架”层层分解，逐步递进，提高人才管理效能，规划更前瞻的组织人才管理议题，逐步实现数据驱动人才管理决策，落地组织战略。

2022/08/15

究竟什么是数智化人才管理？（篇章一）

“HR数字化转型、EHR、DHR、DTM------”这些词汇已成为近年来各大HR行业活动、论坛、人才峰会的标配，紧随着企业组织数字化转型的集结号，不冠以这些热门标签似乎显得活动价值不高，市场活动的吸睛标语无非是昙花一现，就怕当局者迷离了心智，混淆了视听，不仅没厘清概念，反而收获了一种混沌的占有感：都见过，不新鲜，我了解。益才将通过3个篇章分享对于“数智化人才管理”的研究与应用，本章为开篇。HR从业者对于EHR的概念并不陌生，许多企业都有自己的人力资源管理系统，DTM（Digital Talent Management）的概念相对新颖，免不了就有类似的困惑：DTM经常提到“人才大数据分析决策”，到底是什么样的人才大数据？怎么进行分析和决策？已经有了EHR平台，还需不需要DTM系统？是不是在原有EHR系统上加入人才盘点、360度测评等等人才管理的应用内容，进行功能完善就升级为DTM了?我们一起来梳理下这EHR和DTM二者的关系，缕完后，关于做法上的困惑也就明朗了。从几个真实的人才管理场景说起：比如你公司今天的战略中计划开拓东北大区，要找一个区域总统管东北这个市场，这个人需要有成熟的市场开发的经验，要有跨区域管理的经历，还得有调动的意愿，作为HR，你通过这几个关键指标和标签进行搜索，能够胜任这个东北大区老总的候选人立马被选出来，然后在这几个候选人里再去做比较分析选出一个合适的人，这种场景在DTM里面可以做到，在EHR里就很难实现。又比如说，我们去分析几个群体的人才状况：分公司的人才结构，业务事业部的高管队伍能力，集团公司的后备人才情况，那么你的分析报告中至少得包括：这些群体的共性短板，关键差异，针对性的培养和发展方案等。这样的一个目标在DTM里面可以实现，但是在EHR里同样难以实现。再比如说，分析公司的关键人才和核心人群的保留因素，进而制定公司的人才保留策略。DTM同样可以实现。由此可见，DTM的出发点是“人”和“人才”，关注人才的吸引、聘用、安置和保留，借助了数智化技术，在人才的数据、标签和组织里面不同的群体的关联交叉分析，精准不同群体的不同要求，并且在功能上紧密链接，围绕人才紧密耦合，完成持续人才供应的目标，宏观上形成组织层面人才管理的观点及洞见，进而实现人才决策和组织决策。相对较EHR，一个特别明显的差异在于：大数据分析决策在DTM里面能够极大的强化。从这个角度出发，我们就可以知道EHR和DTM的关系了，它们并不是一个相互替代，而是互为补充，并不冲突。举例，DTM强调人才全息数据的处理，特别强调“预测性数据”的搜集，但原有的EHR系统内已应储备了很多总结性或者说现实性的数据，我们只需要通过不同的人才标签，就可以将这些数据进行处理，在这个基础上进而实现类似“人才管理看板”等很多EHR系统实现不了的功能。DTM：HR自身大数据基因的持续进化建立人才大数据治理体系，是DTM极其基础、关键、核心的前提，具体而言包括四项工作：一是建立人才数据业务模型，确定人才数据类型和数据指标；二是明确人才数据来源，建立或重构基于数据管控的人才管理体系；三是建立人才数据管理模型，明确人才数据应用方向和模式；四是建立人才数据应用模型，构建基于数据分析的应用场景，基于管理预测的智慧解读。乍一看是个繁杂漫长的变革过程，但可别忘了HR领域天然带有大数据基因，数智化人才管理不是创造，而是传承和迭代。回溯早期的人事管理，我们会发现人力资源领域一贯注重人事类各种档案、信息、数字的管理，例如：考勤、工龄、司龄、薪酬奖金、绩效、360度评估，以及荣誉表彰次数等等，同时也可以将学历、职位序列、岗位价值等信息转化为等级数字用于计算。数智化人才管理（DTM）与HR们并非刚刚结缘，就像人工智能并非21世纪的产物一样，大数据和AI新技术为人力资源的各类档案、信息、资料库的管理唤起了新的生机。构建系统化、智能化的HR大数据平台帮助HR部门为组织带来增量价值，其实质是因时因地做出智能的人才管理决策，为企业战略、业务和经营持续提供人才梯队支撑，获取、发展以及留存所需的人才。所以面对数智化转型，HR部门大可不必认为这是一项全新的任务，而应是对现有人力资源管理体系的一次技术性升级迭代。HR们完全可以保有充足的信心，来完成这项时代要求下必须的任务。本章为“什么是数智化人才管理？”开篇，后续篇章将分享数智化人才管理的逻辑及价值应用，敬请期待！

2022/08/15

“你家的测评测得准不准啊？”

最近，接到一个HR小姐姐的电话咨询，“我们公司下半年计划做干部人才盘点，计划采购第三方人才素质测评工具，你们家的测评准不准啊。。。。。。？”已经八月，上海还是烈日炎炎，闷热的还是像“蒸桑拿”。而不少企业都紧锣密鼓地进入了年终人才盘点的倒计时，人才测评作为识别人才的重要工具自然不会缺席，但是，你真的了解测评吗？相信很多HR小伙伴们都用过人才测评。有些人测完,看完测评报告觉得很符合自己，测的很准啊，有些人却觉得太不靠谱了。为什么同样是测评,大家对它的看法如此极端化?现在，益才咨询顾问从以下几个方面跟你谈谈。测验是怎么编制的？什么是测验的效度？什么会影响测验的准确性？一、测验是怎么编制的？伴随着人才测评被广泛运用，人才测评的方法和技术也在不断创新。在人才测评的各项方法和技术中，心理测验因其科学性、客观性、标准性、经济性、高效性等诸多优点，始终担任着重要的角色。当然，只有一个设计良好的，拥有足够的信度和效度的测验，其测量的结果才有意义。那么，在心理测验在开发和应用的过程中如何确保测验的信度和效度就成了一个大问题。你正在使用的测试其结果准不准？通常而言，益才咨询心理测验的编制大致流程：理论模型建构à行为样本收集à题本编制à试测à项目分析与修订à再测à结果验证à常模编制à量表优化等诸多流程，并通过对收集到的大量的数据进行统计分析，以检验测验的心理测量学指标是否符合设定的要求。心理测验量表的建构首先需要有理论基础作为支撑，例如目前很多人格测验的编制是基于大五人格理论的。有了理论建构，就相当于确定了心理测验的开发方向。接下来就需要为心理测验所包括的各个维度收集行为样本资料，以为编写测验项目提供素材。测验项目编制好后，就需要通过试测来收集初始量表的测量数据。有了试测的数据，就可以进行项目分析，以筛选出符合要求的测验项目，形成正式量表。正式量表确定后，还需进行大规模的测试，通过对获取的数据进行统计分析，以验证量表的理论结构，并制定量表的常模。完成以上步骤后，一个心理测验量表才算编制告一段落。随着测评数据的不断积累，益才咨询顾问会根据测验数据对量表进行持续优化，优化更新常模，不断提高量表的信效度。二、什么是测验的效度？什么是效度，效度（Validity）是指测验有效地测量到其所要测量的目标的程度。因此，效度是衡量测验准确性的指标。每个测验根据一定的目的都会提出相应的测量目标，最后的测验结果能否准确地测出所要测的目标是测验组织者最关心的问题，也是衡量测验有效性的主要依据。对任何测量来说，效度都是极为重要的。在心理测量中，效度问题更为突出。在一般的物理测量中，测量者可以用一定的量具直接测量所要测的对象，测量结果偏离测量目标的现象较少发生，即测量效度一般都很高。心理测量的情况与以上情况不同，心理测量的对象主要是智力、能力倾向、人格等内部心理特质，只能通过间接测量的方法，即通过测量外部行为表现（包括言语、动作、表情等行为）去推断其内部的心理活动和心理特点，在这种间接测量中，完全有可能偏离原定的测量目标，因此必须考虑测量的效度问题。效度是一个相对的概念。效度的相对性表现在两个方面：一是任何测验的效度是对一定的目标来说的，因此测验只有用于与测验目标一致的目的和场合才会有效；二是测验效度通常用相关系数表示，它只有程度上的不同，而没有“全有”或“全无”的区别。在测量理论中，效度被定义为在一组测量中，与测量目标有关的真实方差（即由测量的变因引起的有效方差）与总方差（实得方差）的比值。效度的类型效度可以从不同角度加以考察，因而可以得到不同类型的效度。常见的效度即效标关联效度、内容效度。1．效标关联效度（Criterion-related Validity）。效标关联效度又叫实证效度，是以测验分数和效标之间的相关系数来表示的一种效度指标。所谓效标是指足以显示测验所欲测量的目标的变量，是用以检验效度的参照标准。例如，员工的年度绩效可用作员工招聘时素质测评的效标，两者的相关便是素质测评的效度指标，益才咨询在众多人才测评实践中，根据客户需求验证测评产品的效度，不断提升内外部招聘的精准度，提升招聘效能。效标关联效度可根据效标资料是否与测验分数同时获得，分为同时效度（Concurrent Validity）和预测效度（Predictive Validity）两类。同时效度指效标资料可以与测验分数同时获得，例如智力测验以学生当时的学业成绩为效标，由于学业成绩是现成的，所以这种效度称为同时效度。上面提到的素毛质测评的效度则是一种预测效度，因为效标资料在测评以后相隔一段时间后才能获得。效标（Criterion）是影响效标效度客观性和有效性的一个最重要的因素，因此效标的选择至关重要，一个好的效标必须具备以下条件：（1）有效性。即效标能最有效地反映测验的目标。（2）可靠性。即效标必须具有较高的信度，稳定可靠，不随时间等因素而变化。（3）可操作性。即效标可以客观地加以测量，可用数据或等级来表示。（4）经济性。即在保证有效性和可靠性的前提下，效标测量的方法越简单方便越好。智力测验常用学习成绩、教师的评定等做效标；能力倾向测验可采用特殊课程或特殊训练的成绩做效标；员工素质测验常以年度绩效做效标；学业测验常用教师的评定、历次测验的平均分、权威性测验成绩等做效标。2．内容效度（Content Validity）内容效度是指测验试题取样的适当性，也就是测验试题对想要测量的整个内容的代表性。例如，学业测验所要测量的整个内容就是教学大纲所规定的全部内容。当然这么多内容不可能在一次测验中全部测到，只能选择其中的一部分编成试题加以测量，这选择到的内容可看做整个内容（总体）的一个样本，这个样本对总体的代表性如何将影响测量结果与实际水平（即对整个内容的掌握水平）的一致性，因此内容效度是影响测验结果准确性的又一个重要指标。尤其在学业测验中更注重内容效度，因为这种测验的内容范围容易确定。检查学业测验的内容效度，一看试题的覆盖面；二看是否反映教学内容的重点；三看是否测量了各种教育目标，即是否对识记、理解和应用等各层次目标都有一定数量的试题加以测量。效度的评估（一）效标关联效度的评估方法效标关联效度有多种评估方法，下面介绍3种常用的方法。1．相关法。相关法是估计效标关联效度最常用的方法，它是求测验分数与效标资料间的相关，这一相关系数称为效度系数。当测验分数和效标资料都是连续变量时，计算效度系数用积差相关法。当测验分数为连续变量、效标资料为等级评定时，可用贾斯朋（Juspen）多系列相关。2．区分法区分法是检验测验分数能否有效地区分由效标所定义的团体的一种方法。例如，一批通过中考进入高中的学生，通过一学期学习后，根据期终考试成绩将他们分为高分组和低分组，然后分别计算高分组和低分组原来的中考平均成绩，并进行t检验，看两组平均成绩有无显著差异。为了更好地检验测验的效度，除了进行平均数差异的显著性检验外，还应该分析高分组与低分组分数分布的重叠量。分布的重叠量可通过计算高分组内得分低于低分组平均数的人数百分比和低分组内得分高于高分组平均数的人数百分比得出，百分比越高，说明两组差异越小，即效度较差。3．命中率法命中率法是当测验用来做取舍的依据时，用其正确决定的比例作为效度指标的一种方法。使用命中率法，可将测验分数和效标资料分为两类：一为成功，一为失败。若被试测验成功，效标资料中属失败，则称失误；若测验成功，效标资料中亦属成功，则称命中；若测验失败，效标资料中亦失败，则称命中；若测验失败，效标资料中属成功，则称失误。例如，测验分数和效标资料分类情况如下：总命中率与正命中率一般情况下不完全一致。正命中率高低常随划分测验分数成功与失败的临界分数的高低而变化。显然，临界分数越高，正命中率也越高；反之，临界分数越低，则正命中率也越低。（二）内容效度的评估方法评估内容效度的最常用的方法是请专家判断。就教育测验来说，一般由有关学科专家和有经验的教师在系统分析教学大纲、教科书和测验试题的基础上，对试题与原定内容范围的符合性做出判断。由于这种评估方法是一种逻辑分析，所以这种效度又叫逻辑效度。逻辑效度一般没有数量指标，有时不同的判断者对同一测验的内容效度会做出不一致的判断。为了提高判断的客观性，在判断之前，仔细定义内容总体，详细划分细纲目，分析试题所测的内容和认知目标，制定评定量表等都是很必要的。逻辑效度一般没有数量指标，有时不同的判断者对同一测验的内容效度会做出不一致的判断。为了提高判断的客观性，在判断之前，仔细定义内容总体，详细划分细纲目，分析试题所测的内容和认知目标，制定评定量表等都是很必要的。内容效度还可用求复本相关的方法来估计。如果两个独立取自同样内容范围的测验复本之间有高相关，这就可以作为评估测验内容效度的一个依据；若相关低，则说明两个测验中至少有一个缺乏内容效度。另外，再测法也可用于内容效度的评估：先让一组被试在学习有关课程内容之前进行测验，当被试学习了这些课程内容之后用同样的测验试卷再测，若再测成绩好，说明测验确实测量了课堂所教的内容，即内容效度好。三、什么会影响测验的准确性？（一）测验本身的因素测验取材的代表性、测验长度、试题类型、难度、区分度以及编排方式等都会影响效度。要保证测验具有较高的效度，要做好以下几点：（1）测验材料必须对整个内容具有代表性。（2）测题设计时应尽量避免容易引起随机误差的题型。（3）测题难度要适中，具有较高的区分度。（4）测验长度要恰当，即要有一定的测题量。（5）测题的排放按先易后难的顺序。（二）测验实施过程中的因素测验实施过程中的许多因素也会影响效度。例如，主试的指导语是否统一、正确，测验场所有无噪音和其他干扰因素，测验时间限制是否一致，等等。如果以上测验条件不标准化，就会使测验效度降低。（三）被试方面的因素被试的兴趣、动机、情绪、态度和身体健康状况以及是否合作等，都会影响测验结果的可靠性和准确性。

2022/05/25

与业务相融合：关键岗位识别

今天的人力资源管理，越发强调与业务的紧密融合。我们提供的所有人力资源服务都要围绕业务的需要，以助力实现业务目标为准则。关键岗位识别，不是一个新话题，它是人力资源与业务部门紧密融合的基础，也是共创的产物，在组织人力资源管理中一直发挥着重要作用，使人力资源工作事半功倍。人力资源伙伴们，你是否有遇到过这样的困境：招聘需求多，招聘团队忙得不亦乐乎，用人部门却始终抱怨人手不够耽误关键进度？个别岗位的缺口，招聘了大半年始终没有进展，而组织内部也没有合适人选能够替补，成了难啃的骨头？员工激励机制一直在优化却没有突出的成效，没有体现对于重点人群的差异化管理？专业技术人员对个人成长空间的认识有限，岗位间的学习发展路径不清晰？如果你也有遇到此类困惑，那下面分享的关键岗位识别的话题，期待为你带来一些灵感和启发。怎样理解关键岗位？首先，让我们拉齐对关键岗位的理解。关键岗位有三个特点，第一，它在组织业务流程中处于关键环节，第二，它对组织战略目标的实现，发挥着重要且必不可少的作用；第三，它的任职要求较特殊，较难在短时间内通过外部招聘或内部人员培养予以替代。结合这三个特点需要注意的是，首先，关键岗位的衡量，要基于组织的战略目标，组织在不同时期、不同的战略目标下，需要以发展的眼光去评价关键岗位，关键岗位不是一成不变的；其次，关键岗位衡量的对象是岗位，而不是岗位上的任职者，它不涉及岗位任职者的绩效表现，也与岗位上任职人数众寡没有关系。为什么要识别关键岗位为什么识别关键岗位，它怎样使人力资源的工作事半功倍？如前所说，今天的人力资源管理，越来越强调与业务工作的紧密贴合，组织业务目标的实现，在很大程度上有赖于对人力的派兵布阵。对于组织来讲，尤其是体量庞大的组织，其机构、岗位、人员众多，组织有必要通过科学的方法来识别哪些岗位对组织战略目标的实现、对核心业务流程的运行起到关键作用，进而在人力资源管理中更聚焦这些岗位，实行重点管理和差异化管理，以期保留和发展关键岗位的人才，支持企业的正常运转和长远战略目标的实现。基于关键岗位的识别，我们在人力资源管理中，能够明确哪些岗位应优先保证其稳定性和人才供给，继而在招聘工作中据此分配资源制定招聘策略；在人员培养发展工作中，能够明确哪些岗位需要重点培训，并考虑设计岗位的继任计划；在绩效管理中，能够明确哪些岗位需要承载差异化的绩效目标；在薪酬管理中，能够明确重点要激励和保留的对象，设计针对性的激励和保留计划。关键岗位的识别过程关键岗位的识别，首先应保证其科学性和准确性。关键岗位的识别，从准备基础信息开始。如前所述，关键岗位有三个特点，因此我们需要准备好相关基础信息，如组织战略目标、组织的核心流程、组织架构、部门职责、岗位职责等信息。然后，确定此次参与评价的岗位范围，人力资源部可以按职能或职位序列制定计划分批开展。成立专家评价小组，对专家进行培训使其了解岗位识别的总体操作过程，掌握打分规则。专家小组可以由组织的管理层、职能部门主要负责人、人力资源部相关人员组成。由专家小组充分讨论交流，确定评价的维度及各维度所占的权重。最后，由专家小组依据各岗位实际情况，对参评岗位逐一进行评价打分，所有专家的打分的平均值，作为该岗位的最终得分。按照得分的高低，输出此次评估的关键岗位列表。关键岗位的评价维度就关键岗位的评价，组织可根据实际情况选择合适的评价维度，目前在实践中运用较为广泛的是通过岗位的战略价值和岗位的可替代性两个大维度去评价关键岗位。具体地，岗位的战略价值，可以通过岗位的价值评估和岗位在组织价值链中所处的位置两个子维度来评价，前者体现了岗位与组织战略目标和关键成功因素的关系，后者体现了岗位在组织核心流程中所承担的角色；岗位可替代性，可以通过岗位任职要求的多样性与岗位工作的独立性，和岗位任职者一般得培养周期两个子维度来评价，即从入职到胜任岗位所需要的培训时长。其中，在岗位的价值评估方面，国内外已有很多经典的研究成果，包括由美国薪酬专家爱德华•海等研发的海氏评价模型、美世的IPE职位评估系统、翰威特的六因素评估法以及CRG岗位评价模型等，这些研究成果使我们能够比较准确地量化岗位的相对价值。但值得注意的是，这些理论模型也有其局限性，包括它们更多用于衡量组织内各岗位的相对价值，较少系统地结合组织的战略目标，因此我们在确定岗位价值的评价子维度时，应侧重与组织战略和组织关键成功因素的结合。如前所述，在确定关键岗位的评价维度和子维度后，还要根据组织的实际情况确定各子维度在大维度中的权重占比，以体现组织对关键岗位评价各要素的侧重。科学、准确地识别关键岗位，是一项基础而必要的人力资源工作，也是贴近业务的开始。同时，关键岗位的识别，不是一劳永逸的过程，它要随着组织战略目标的调整或关键流程的转变而做相应的动态评估和更新。益才数字化人才管理平台，正在将关键岗位识别从线下搬到线上，不仅突破了人员和地域的限制，也使得关键岗位的识别和更迭工作更加敏捷、精准和高效。如果有相关需要，欢迎联系益才的伙伴做进一步交流探讨！

2022/05/13

你离数字化人才管理有多近？

数字化，成了我们疫情期间铺天盖地的网课中的热门词汇，马云在前不久的短视频中谈他对疫情带来改变的看法，他认为疫情带来很多不确定性，但也无疑将加快整个数字化变革的进程，从之前需要30年提前到10-20年。疫情给我们带来的最大感触是太多的“不确定性”，有人说，疫情改变了我们的工作方式，后疫情时代，数字化工作方式将成为常态。益才认为，数字化变革是信息技术发展的必然趋势，对于企业来讲，数字化变革不是一种选择，而是在未来生存和发展的方式，疫情及随之而来的不确定性，只是催化了这一反应过程。后疫情时代，人力资源工作者面临的挑战？对于企业人力资源工作者来说，我们的工作本身具有特殊性，从人员招聘、人员培训到人员激励、人员发展，再到人力资源数据的分析与呈现，每个环节都要确保成果交付的精准性和有效性，而这一精准性和有效性除了依托于职业素养，还离不开我们与人在不同情境下的交流和互动。后疫情时代，在充满变化和不确定性的环境下，数字化如何帮助我们不折不扣地落实工作，保质保量地交付成果？数字化需要一个载体，那么怎样找到一个有效的数字化解决方案，它能为我们提供面对面工作所需要的工具与环境，使我们的人力资源工作在数字化世界里顺利高效地运转起来？这将是人力资源工作者在后疫情时代所面临的挑战。积极探索，做好工作思路重构和升级的准备在益才，我们合作过无数人力资源伙伴。我们发现，大多数人力资源伙伴自我要求高，TA们的内驱力彷佛与生俱来，乐于思考乐于学习，不断追求成长和进步；TA们关注员工的优势，像经营自己的家庭一样经营着人力资源管理工作；TA们对组织非常忠诚，天生具有难解难分、舍我其谁的使命感，希望为组织提供专业的、有开拓性的、有价值的工作成果。这不，疫情期间，很多人力资源伙伴主动找到益才，或寻求灵感，或寻求解决方案——在纷繁复杂的环境下，从人力资源的角度怎样助力企业数字化变革？有意落地数字化人才管理，助力企业提升组织和人才效能，该从哪里着手？你离数字化人才管理有多近？不止一位人力资源伙伴，在看了益才的系统演示后，感叹说益才的“智能人才管理驾驶舱”系统太了解企业了，它确实贴合组织运营的视角去做人力资源管理。当然，也有伙伴表示，这个系统所展示的数字化管理水平太高端了，而自己组织的现状差距太大。真的是这样吗？让我们看一下，你离数字化人才管理有多近！益才在以往文章中，有介绍过数字化人才管理发展迄今的各阶段。1.0阶段，企业有意识地积累丰富人才数据，但人才数据大多是彼此孤立的；2.0阶段，企业掌握一定的人才大数据，并且对人才数据进行整合和交叉分析，发现数据背后的问题；3.0阶段，企业聚焦组织和人才效能，人才数据将更智能、直观、高效地支撑人才决策和组织决策。伙伴们可以对号入座，看一下你的组织离数字化人才管理有多远，或者正处于哪个阶段。当然，益才认为，数字化人才管理不是完全按照上面的次序循序渐进的过程，它的落地更取决于我们管理者思维的转变。当管理者有意识将人力资本战略放在首位，对人力数据高度信赖和依赖时，数字化人才管理的推进必然会突飞猛进，同样，数字化人才管理工作的落地，也必将促进管理者思维的转变，提高管理者对人力数据的重视。企业问题太多，不具备数字化管理的基础？有伙伴说，我们已经部署了十来个信息系统，也积累了大量的人力资源数据，但是，各个系统之间的数据对接和同步，总让人筋疲力尽，是不是我们目前不具备数字化人才管理的基础？事实上，益才系统从架构设计之初就考虑到系统集成的问题，联通数据孤岛、构建数据仓库是它的基本功能。在益才提出的数字化人才管理“4F”模型中，技术层是基础层，包括IT技术和专业的人才管理咨询技术。在往上，第二层面是工具层，包括组织诊断与发展、人才评价、人才培育等工具，第三层面是应用层，支持企业中各种人才管理应用情境，最上面一层是决策层，包括“智能人才管理驾驶舱”，“数字孪生”和“智慧才报”等系统，支持企业人才决策和组织决策。益才认为，数字化不是信息化的升级，而是信息化的一部分。数字化的目标不单是提高效率，更重要的是，数字化人才管理聚焦组织和人才效能。数字化人才管理中，我们的工作成果交付更精准，如益才的“数字孪生”系统，使人员选拔、人员培养、人员激励、人员调配等工作更有“据”可依；同时，数字化人才管理为管理层提供可视化人力数据，如益才的“智慧才报”，支持实时查阅和挖掘数据，能够为业务决策和组织决策提供更全面、立体的支撑。益才相信，办法总比困难多，而解决问题最好的办法是真正了解客户的需求。如果你对数字化人才管理有需求或困惑，欢迎与益才共同探索解决之道。数字化人才管理，我们都在路上，它并没有我们以为的那么遥远。

2022/05/09

数字化人才评价，洞见人才价值

01人才测评是什么人才测评到底是什么，其实人才测评顾名思义就是一个“测”，一个“评”，及人才测量和人才评价。人才测量主要是指运用一些心理学、管理学以及其他相关学科的研究成果，通过一些手段如结构化面试、心理测验、以及一些情景模拟的方法对人的能力高低、性格特征以及行为风格等特质的测量。而人才评价是指将人才测量的结果与本岗位的要求，以及企业的文化特性、组织要求等结合起来，对人的素质、发展潜能以及性格特征等方面做出的比较科学的评价，这个评价结果可以为企业在选拔、用人、培养人提供有价值的参考。可以说人才测评是一门既古老又年轻的科学，虽有只有短暂的历史，却有漫长的过去。说古老，是因为人才测评的思想和实践可以追溯到两千多年前，东西方均已有非常朴实的人才测评的思想，比如公元前五世纪希波克拉底就提出气质类型学说，他认为人体内存在血液、粘液、黄胆汁、黑胆汁四种液体，根据这四种液体的含量可以将人分为四种具备不同性格特征的人。我国更是从两千多年前就开始有了考试，它也是统治者用以选拔官员的重要手段；说年轻，是因为科学的人才测评理论和技术开始形成和发展，只有一百年左右时间。1905年，法国心理学家阿尔弗雷德·比奈把智力看作是人的一种复杂的心理活动，通过观察多种简单的行为活动来检测一个人的智力水平，开发了世界上第一个智力测验--比奈-西蒙量表。从此以后，心理测验被公认为测量个体差异的有效工具，之后的几十年内，更是蓬勃发展起来大量认知测验、成就测验、人格测验、动机测验等。随着信息技术的发展，使得数据的搜集和汇总更加快捷，特别是近年来快速发展的人工智能、大数据、云计算等，使得传统的测评技术和方法面临历史性的飞跃。传统的人才测评仅通过被测评者的心理或行为数据，进而推断其能力素质；而未来的人才测评，将基于对被测者全方位的观察和行为的记录，针对海量数据常模的对比和分析，在此基础上得出结论。02人才测评的应用现代人才测评的应用范围是很广的，在人才管理的选、用、育、留各个阶段都可以使用到测评，如校招、社招中，传统的招聘中，对于应聘者的考察一般来自于简历，从个人的教育背景，工作经验，知识水平等方面来考察应聘者是否符合企业的需要。但对于他心理状态如何？他的思维灵活性如何？他的抗压能力如何？等都难以通过简历来评价，而应用了人才测评的工具则可以帮助企业“看到”这些难以触摸的信息，把一些不符合企业文化或岗位要求的人员在第一步就过滤掉，节省了大量的人力、物力。03人才测评的三大工具那么人才测评的工具有哪些呢？人才测评的工具常见的有三大类。第一类素质测评，素质测评是以提高人岗匹配为目标，通过测评个人的各项能力素质指标，进而预测个人绩效的方法。素质测评运用大量的自陈题、迫选题题、情景题、图形题、投射题等题目对被测评者进行考察，通过被测评者的回答对其相应的能力、个性、行为特质进行判断。通过科学统计、专业防伪等方法，使其能够公平公正，具有较强的衡量性；同时具有常模数据，可以知道自己在大数据人群中的相对位置，而不是仅仅是一个分值。其优点在于可衡量性，实施方便，可大批量开展，尤其在互联网技术支持下，可通过电脑端、手机移动端快速同时进行测评，是人才测评中使用较多的一种方式。第二类360°行为评价是指由自己、上级、同级、下级或者斜线上级等从全方位、各个角度来评估人员的一种手段。其评价结果也可用于能力发展、人才选拔和绩效考核等领域，从而为企业组织的人力资源管理决策提供参考和依据，帮助组织选择合适的人选，系统地降低错误雇佣为组织带来的风险。个人层面：360°了解自己，发现自己的优势和盲点，以作为绩效改善计划、个人职涯规划及能力发展的参考。团队层面：帮助团队成员了解他们的行为如何影响团队的顺利运行；提高团队成员之间的沟通，提高团队效能。公司层面：全面把握员工的状况；科学进行人才盘点和考核；精准培训需求诊断；强化文化联结，传递公司价值第三类评价中心又叫情景模拟测评，是指通过构建高仿真的职场情景，观察被测评者对情景的应对，以此考察被测评者能力素质的一种测评方式。比如角色扮演、即兴演讲、案例分析、模拟工作会议、无领导小组讨论等等。对于沟通能力、团队协作、人际敏感度、思维灵活性等等素质项，情景类测评具备问卷类测评无法比拟的优势，通过测评师与被测评者或被测评者之间的互动、反馈，被测评者相应的能力素质项能够有充分的呈现。当然，情景类测评也存在开发成本高、结构化程度低、评分者意见难统一等缺点。结构化面试指通过一对一或多对一的访谈了解被测评人的各项素质。企业在招聘过程中最常见的面试就属于访谈类测评，在访谈过程中，常用的测评技术为焦点行为事件访谈，通过聚焦于具体的行为事件来了解被测评人的各项素质。焦点行为事件访谈的信度和效度都比较高，缺点在于组织实施成本较高，而且技术本身存在难度，对测评师有较高的要求。04最后数字化不是一种选择，而是生存之道，未来的人才测评趋势必将越来越线上化，评价一个人的方式也会越来越全面。我们益才后续也会给大家分享更多的数字化人才管理的新鲜的案例和理念，如果大家感兴趣，欢迎关注益才数智化人才管理公众号，课程上线第一时间通知大家。

2022/03/21

数字化人才管理的4F模型

以移动互联网、云计算、大数据、AI人工智能等为代表的新一代数字化技术正颠覆着人们的生产和生活方式，正在重塑一切。新技术催生新的商业模式，新的经济形态，同时促进着传统经济体的转型升级。数字化转型已经成为大量企业的核心战略。有数据显示，全球1000强企业中的67%、中国1000强企业中的50%都会把数字化转型作为企业的战略核心。战略转型，人才先行。企业数字化转型，人力资源部门不应是被动的参与者，而应该是推动者和引领者。而人力资源部要做好的第一件事就是自身人才管理的数字化转型，即数字化人才管理。数字化人才管理到底是什么呢？顾名思义就是人才管理要数据化，首先要采集有效数据，比如组织氛围的数据，敬业度满意度数据，人才能力/潜力数据，绩效数据，领导行为量化数据，行业对标数据等等。其次，要对这些数据建立分析模型，采用相关分析，交叉分析，回归分析，对比分析等等分析方法，通过对数据的分析，发现经验不能触达到的部分，驱动更深入的人才管理洞察，得出更前瞻的人才管理建议和更科学的人才管理决策。那么人才管理的数字化转型该如何做呢？益才基于10多年来对人才管理领域的研究，提出了“4-F”数字化人才管理模型，如下图所示：技术层技术层分为两个部分，一是IT技术，即大数据、AI人工智能以及云计算等核心技术以及PaaS和SaaS系统平台。另一部分则是人才管理的专业技术，包括人才的各种指标库、模型库、题库、常模库量表库等大数据库。这两个部分共同形成有力的技术底层，支撑整体数字化人才管理。工具层技术层如何转化成可使用利用的手段呢？益才从组织诊断、定义人才、全面评价、人才培育，四个方面开发了一系列的人才管理工具，包括但不限于敬业度满意度调研、组织氛围调研、组织健康度、talent profile@建模系统、敏捷建模工作坊、素质测评、360度评估、AC评价中心、在线考试、学习平台、团队GDP、个人IDP等等，形成了工具层。基于数据驱动实现人才、部门、组织之间的各种连接，是数智化人才管理的业务支撑。应用层对于企业来说，切实的解决企业痛点是管理者较为关心的。应用层即将工具层实际落地来解决企业人才管理中实际面临的问题，如人才画像、招聘竞聘、人才盘点、组织氛围、敬业度满意度、梯队建设、学习发展、高潜选拔、干部管理等。根据企业对于人才的不同需求，构建面向人才管理的典型应用场景，实现人才管理全生命周期管理，是数智化人才管理的服务支撑。决策层决策层则是汇聚了应用层的各种人才数据，形成了企业自己的人才管理驾驶舱，从组织的角度说，如何评断组织健康程度、组织效能、人才流动和人力资产等，形成了智慧才报系统。从个人的角度说，从经历、潜力、能力、动力、文化力、匹配力、效能力，七个角度在衡量一个人的全息数据，形成了数字孪生系统。总结一下，在“4-F”模型中，技术层是基础，工具层是手段，应用层是路径，决策层是目的。用数据驱动决策，提前规避用人风险和解决人才管理难题，制定更前瞻的人才管理规划，支撑公司战略和人才战略的有效落地。在数字化人才管理方面，大部分企业及HR部门还没有做好充足的准备，一切才刚刚开始。随着未来10年传统行业数字化转型的快速推进，组织及HR部门数字化转型的必要性不断凸显。未来已来，能够率先实现数字化人才管理的企业，将受益于组织数字化强大的支撑，必将在数字化转型的浪潮中占得先机。

2022/03/08

数字勾勒人才画像

近期，益才开展了数字化人才管理系列课程第三篇——数字勾勒人才画像。在不到1个小时的课程中，王老师澄清了人才画像的几个概念，了解了胜任力模型的发展趋势，目前主流的建模方式，以及益才最新的研究成果——talent profile@人才画像系统实操演练。其课程主要内容如下：一、人才画像概述广义的人才画像，即数字孪生，益才通过七力花瓣模型（效能力、经历、能力、潜力、动力、文化力和匹配力）在系统中全面刻画一个人，以实现数字化人才管理。第二类人才画像是指基于岗位的人才画像，即任职资格。是指从事某一职种任职角色的人必须具备的知识、经验、技能、素质与行为之总和，如华为岗位画像，就是包括知识、技能、能力以及组织贡献。而狭义的人才画像，也是通常所说的胜任力模型，是冰山模型中冰山以下的部分，它对人的工作绩效起着关键作用，是区分表现优异者与表现平平者的关键因素。构建人才标准是企业科学人才管理的基础，人才标准贯穿于企业人才“选、用、育、留”的各个环节。明确企业人才标准，能够帮助企业内部做到识别、选拔有标准，考核、评价有尺度，任用、后备有依据、培训、培养有目标，职业发展有方向。三、胜任力模型的发展趋势胜任力模型的应用趋势是一个从复杂到精简的演变过程，VUCA时代，企业组织快速变化，使得在人才标准的选择上更趋向于关注共识的部分。企业可以根据基于公司需求或应用场景，可采用岗位胜任力模型或价值观测评等不同方式。模型构建的方式上变得越来越敏捷高效，从传统建模到敏捷建模工作坊，人才模型的构建从耗时耗力转变为敏捷高效，经过半天或者一天的敏捷共创，就可以构建出企业的人才模型。同时，业务部门的参与，也使得通过敏捷建模工作坊的方式构建的模型更容易获得认可，以及在企业内部推行。四、talent profile@人才画像系统在数字化时代，通过talent profile@人才画像系统构建人才模型，是企业数字化人才管理中非常重要的一个部分。它是以IT技术为手段，以指标库、模型库为基础，通过个人或团队建模，打破地域和建模人员限制，与业务部门达成共识，敏捷高效低成本的构建岗位人才画像。talent profile@人才建模系统丰富的模型库、指标库具备300+模型、200+模型结构、100+指标库，供建模参考，基本囊括绝大部分素质能力项，对于零基础人员也可以顺利参与建模；线上建模的方式打破了地域与人员的限制，个人建模和团队建模两种方式满足不同情况，不同企业的需求；通过talent profile@人才画像系统，企业可以多次建模，反复优化，以较低的成本投入，获得较高的成果；通过talent profile@人才画像系统构建人才模型，可直接应用于素质测评系统、360度评估系统、人才盘点系统等。五、人才标准的应用胜任力模型的应用场景贯穿于整个人才管理的选、用、育、留等环节，无论是招聘选拔、人岗匹配、人才盘点，人才培育等，都是以胜任力模型即人才标准为基础的。而系统建模则通过数字化的手段，与招聘、盘点、高潜、梯队等系统动态连接，最终将数据汇总于数字孪生与智慧才报系统，实现数字化人才管理，帮助企业提高人才管理效能，并支撑决策。

«
1
2
...
31
32
33
34
35
36
37
...
60
61
»