人力分析有助于企业提升人事管理水平吗?

人事決定的好壞直接影響著一個組織的成敗。但傳統上，這些決定的基礎大多是直覺和偏見，因而很容易出錯。但現在，企業開始利用資料，通過複雜的分析來處理諸如招聘、薪金裁定以及績效評估在內的各項事務；因為他們相信這麼做能夠提高他們的決策水準。 沃頓商學院2015人力資源分析大會今日於費城召開。沃頓商學院人力資源分析專案負責人、資訊管理學教授凱德•梅西（Cade Massey），以及管理心理學教授亞當•格蘭特（Adam Grant），與沃頓知識線上一起探討了為什麼以資料為驅動的人事管理方法會受到這麼大的關注。 談話內容經過編輯整理如下。 沃頓知識線上：去年我們討論人力分析這個話題的時候，正好是在你們會議開始之前；轉眼現在又到了你們會議召開的時候了。我感覺在過去的一年中，人們對於人力分析的興趣有了極大的提升。為什麼人力分析會變得這麼火呢？ 凱德•梅西：我同意你的看法，（這個話題）它確實火了很多。它最早是始於技術行業，然後在金融界得以發展。我的感覺是大家之所以欣賞它，主要原因在於它本身功能極為強大，但在過去卻並沒有被好好的加以利用。突然之間，他們意識到了其實我們習慣於在市場行銷或財務領域使用的這些工具也能用於招聘和定薪水這個環節。考慮到（招聘和薪金評定）對於一個組織的重要程度，人力分析之所以流行起來完全是因為人們意識到了它的潛能有多大。 沃頓知識線上：亞當，你就人力分析的流行有什麼看法呢？ 格蘭特：五年前我和凱德一起為谷歌工作時也才意識到有這麼個東西的存在。我們建立的這個人力分析團隊包含了許多傳統人力資源人士，諮詢顧問，工程師和許多我們這樣學習組織行為學的人在內。這個團隊最讓人激動的就在於他們能夠在針對那些以前基於直覺判斷才能解答的問題，通過跑試驗、收資料來發掘正確的決定究竟是什麼。穀歌在這一領域的成就廣為人知，這就讓其他的領導人開始思考：“為什麼我們沒有在做這個呢？我們不也該以證據為基礎來做重要決定嗎？” 梅西：我們應當把功勞歸給拉斯洛•博克(Laszlo Bock) ，因為他一直在推動此事。他是谷歌人力資源部門的頭頭，他也總是非常願意說：“嗨，這個是我們現在正在做的。這也是你應該做的方式。”向競爭對手這麼表態可不是很常見的。 沃頓知識線上：我發現人力分析中一件很有意思的事就是，過去很多基於直覺的人事決定現在更多的依賴於資料了。如果把招聘作為公司和員工之間接觸的第一點，你能跟我舉例說明一下人力分析對這一點造成了怎樣的變化呢？ 梅西：人們一直都希望能夠找到客觀的標準來找出誰會在他們的公司內表現得很出色。與其（把潛在的員工）叫過來面對面的交談，我們能不能收集有關他們大學的績點（GPA）、他們上過的學校以及他們過去的雇主的資訊，然後通過這些內容來預測他們未來的情況呢？如果能的話就太好了，是不是？也正因為你節省了很多時間，現在你就能更有效地處理所有的申請了。因此，這是極為有前景的一件事，也是非常有吸引力的。但也正是真要做到這一點非常酷男女，所以它的吸引力才這麼的大。一旦你成功的話，其前景是不可限量的。因而你做的任何事，只要能夠將其實現，其回報都將是極其豐厚的。目前還沒有什麼好方法出現。但將之實現之後的前景確實令人著迷。 沃頓知識線上：根據已有的證據，能否說明選擇上哪所學校很重要呢？ 梅西：這是每一個家裡有孩子在讀高中的家庭都在問的一個問題。孩子去普林斯頓還是去州立大學呢，這兩者的差別有多大呢？我還不清楚現在是否有證據能夠回答這一問題。 格蘭特：我在(勞動和公共經濟學)這個領域最喜歡的是凱洛琳•霍克比（Caroline Hoxby）的一項研究。如果我沒記錯的話，她的研究結果表明大多數情況下其實是選擇效果在作祟：如果你是從常春藤聯盟學校畢業的話，你通常會選擇更高收入的工作也會有更多的工作機會。但是在大學選擇招收你之前，所有讓你成功的因素都已經是有跡可循的。 梅西：優秀的大學也許要麼是通過他們（提供）的交際網路，要麼是通過培訓來讓學生獲得優勢。但這是一種固定思維。社會階層的差異確實有可能存在，但人們往往高估了這些差異。單個社會階層其內部的差異性也是巨大的。 沃頓知識線上：那麼假如說招聘已經結束了，現在到了入職的這一步。人力分析能夠怎樣優化入職過程呢？ 格蘭特：穀歌已經仔細地研究過這一點。他們通過（採取不同入職方式的）實驗來觀察究竟是什麼導致了差別的出現，並在過去幾年中一直在做這個事。他們意識到入職過程的重要性，也明白入職的重要性一直被嚴重低估了。我並不瞭解這項研究的細節問題，但是有這麼一個結論讓我印象很深刻。當他們審視那些影響你在穀歌前幾天或是前幾周表現的事情時，（他們發現）似乎最重要的事情就是你一定要在第一天就與你的經理會面。通常情況下作為新人，你會被派去各種不同的地方。但是根據已有證據他們表示，“我們入職的其中一項規定就是你要在第一天就去與你的經理會面。”而這也正是員工和雇主之間構建凝聚力的重要一環。 這並不是說我們之前並不知道讓員工認識他們經理是很重要的一件事。但我認為我們所有人，包括我自己在內，都嚴重低估了第一天這麼做所能帶來的效果。這也是我們從他們的工作那裡學習到的諸多事情之一。 梅西：他們提過另外一個明智的做法就是要明白，個人在企業裡的成功與否也常常取決於他們是為誰而工作。但是，員工自己並不能決定他們的領導是誰。這並不是入職的一環，但它確實是職業生涯早期需要好好考慮的一件事。如果事情不順，並不要只去責怪這個人。你在做出重大結論之前還是要考慮到不同環境下這個人的表現究竟會有何不同。這就是要系統化、科學化評估或是培訓員工的例子，我們不能堅持老式的思維方式、認為我們之前是這麼做就意味著現在也就要這麼做。 沃頓知識線上：我們現在越來越多地要處理團隊合作的問題。團隊內部成員往往來自不同的國家，或是分屬不同的年代。有時候甚至要讓嬰兒潮一代和千禧年那一代來相互合作。我們能從人力分析中來學習到什麼來創建一個高效的團隊呢？ 梅西：可以借鑒的東西太多了，這個話題能討論的東西非常多。舉個例子，就拿（研究心理學家）克里斯多夫•查布裡斯(Christopher Chabris)和他的同事有關團隊智商最近的成果來說。他們的工作很有意思，他們把團隊的生產率與個性特徵與團隊工作的比率相聯繫後發現，諸如團隊智商這樣的東西並不是簡單部分的總和。並不是說你把所有的聰明人放到一起他們就會做出最好的工作。團隊成員需要瞭解如何與他人合作、如何作為團隊的一部分來工作才行。個人智力的總和並不等於團隊的智力水準。 格蘭特：以此為基礎，是有辦法能夠通過團隊的構成來提高團隊智力水準的。我經常聽到的一種說法就是多樣性是非常有益的。毫無疑問，就不同的人所能帶來的獨特見解、觀點和技巧而言，我們能夠多樣性中收穫頗豐。但通過個性研究你就會發現，其實有些性格上的相似性往往比多樣性更為有益。 如果你看一下資料，外向性/內向性的差別是多樣性最為有益的地方。團隊中全是外向型成員的話基本上永遠不會開始工作。而全是內向型成員的話，團隊間就缺乏契合度。就資料而言兩者混合的團隊是最為有效率的團隊。但不要認為同樣的結論適用於其他的性格。舉例來說，如果考慮到諸如親和性，也就是喜歡一團和氣的性格，最糟糕的事情莫過於把他們放在持極端挑剔與懷疑態度的團隊之中。因為那些沒有親和性的人就會有時時如履薄冰的感覺，而那些有著親和性的人就會陷入如第二十二條軍規所描述的這種情景：“出於親和性的考慮，我要來迎合那些沒有親和性的人，跟他們一樣顯得沒有親和性，之後我就會憎恨起我自己。或者，我可以堅持要保持我親和性的特點，可這樣就太不親和了。”（在這種情況下，）其實有著相似的個性或是一貫交流的準則是相當有益的。我認為我們在團隊構成上要比以前想的更為周全才行。 梅西：人力分析的作用籠統來說就是讓我們更傾向於從細節上來研究這個問題，並且在理想的狀態下能夠圍繞著這點來做實驗。因此，我們不是要採取傳統的智慧，也不是要從過去帶過團隊的人寫的東西那裡來學習。我們要做的其實是收集資料，運行試驗，提出問題然後再解決問題。 沃頓知識線上：讓我們進一步討論有關多樣性的問題。舉例來說，現在有很多新聞報導是有關女性在高科技公司的問題，其中有一些話題是比較富有爭議性的。人力分析是否有什麼成果能夠表明性別乃至種族差異與個人表現的相關性呢？ 格蘭特：雪爾•桑德伯格（Sheryl Sandberg）（Facebook的首席運營官和暢銷書 Lean In的作者）是這項研究的靈魂人物。通過與雪爾共事，我從她那裡學到了很多性別問題的知識。她手下有一個非常優秀的研究員，來自斯坦福的麗安•庫珀(Marianne Cooper)，她與我們一起合作研究資料的真實意義。 我現在想說的是，目前還有很多還沒有被充分利用的學術研究資源。舉例來說，我們知道如何去設計績效評估體系，但它們往往注重於投入的功效，而不是項目之中人的作用。我們也瞭解如何吸引女性來申請高科技的工作，事實上招聘人員在其中起到了很大的作用。沃頓教授馬修•畢德威爾（Matthew Bidwell）在金融領域已經有所研究，女性之所以很少在金融界出現的原因之一就在於她們很少去申請非常高薪水的工作。其實女性申請者得到工作的概率要高很多，因為很多金融機構都很想解決性別問題，都想雇傭更多的女性員工。但很多情況下招聘官都是男性，她們往往一開始就會覺得受挫，“好吧，我是根本不可能得到這份工作的。為什麼要自找麻煩來嘗試呢？” 我覺得社會科學有關性別的研究結果和大部分組織實際所做的之間有著很大的鴻溝。我很高興能夠看到Facebook和穀歌在這一點上試圖取得進展。現在我們也已經注意到很多諮詢公司也將性別平等放在首要位置。我知道麥肯錫現在就在做這個事情。美世諮詢（Mercer）現在就有一個資料驅動的促進性別平衡的專案，我認為這一項目會在未來數年內就會得到發展。 沃頓知識線上：那麼有關績效評估和薪金裁定方面，人力分析有什麼要說的嗎？ 梅西：人力分析只不過是把過去從未用過的資料加以利用而已。就像“點球成金”電影裡的那樣，我們並不是借鑒傳統智慧後表示我們要找出證據來。這裡有著心理學與人們的固有偏見之間的交集。我們真正的動力在於我們可以切實地利用這些工具來提高我們的決策水準。 績效評估是一個典型的例子，因為這個領域裡存在著太多的偏見。但我們也不應過分宣揚人力分析的作用，因為它畢竟只是把心理學中我們已經知道了幾十年的東西借鑒過來的一個工具而已。因為我們變得更為嚴謹，也想要改善這一流程，我們才能夠揪出其中的一些偏見。保持獨立見解就是一個例子。我並不會因為你怪罪亞當，我也就去怪罪他。我們（也）不能把一個人不相關的資訊帶進來，因為根據幾十年的研究結果顯示，我們一旦知道了某些事情之後就很難把它（從我們的思維中）分離出來。 格蘭特：凱德說的東西揭示了整個事情的全貌。我們剛剛談到了穀歌在激發大眾對於人力分析領域的重要作用，但我認為“點球成金”和體育運動分析的流行也很可能起到了催化效果。 梅西：是的，職業體育在利用這些工具上早就走在了非職業體育領域的前端，因為職業體育自身就是建立在運動員個人的表現上的。他們能夠很準確的找到投入，也能很清楚的看到產出。如果現在看看體育分析的現狀的話，你就會發現這些工具已經預判未來十年內的狀況。甚至僅僅是嚴謹程度和科學程度上來說他們都出於領先的地位，因為二十年前計算棒球資料的那些傢伙們早就對此得心應手了。 沃頓知識線上：穀歌在我們的對話中已經出現了好幾次。有沒有其他的公司或者組織在這個領域也做的很好的？一般企業能從他們的經驗中學到什麼呢？ 梅西：有一些企業已經研究這一領域很久了。德勤會計師事務所很久以前就有了勞動力分析的做法。高盛在過去幾年中也發起了很大的相關項目。瑞士信貸對一些全職做此事的人很感興趣。強生公司也是。亞當肯定知道的更多。 格蘭特：我就補充幾個不同行業的例子吧。為美國而教（Teach for America），尤其是在招生領域就是個例子。他們已經數年通過追蹤雇傭所需的資訊來評估誰會成為明星教師，誰又會一直堅持下去。捷藍航空在這個領域也是遙遙領先。好幾個不同的領域都有人在做。我最喜歡的就是認可領域。要如何才能構建科學的認可體系，來確保自己知道何時給予他人認知和表揚呢？這種認可是要公開的還是要私下的呢？ 梅西：為美國而教實在是一個好例子，因為我們在談論谷歌和高盛時，你並不一定能想到非盈利行業。但是他們是在招聘領域做的最好的。如果要我說誰是最為瞭解自己招聘程式的企業的話，一定非他們莫屬了。現在他們已經很得心應手了，因為同樣的工作他們每年要審閱五萬到六萬份簡歷，有這樣的流量實在是再好不過了。我能告訴你的是，沃頓MBA招生部門就是從為美國而教那裡學習並優化了自己的流程的。 沃頓知識線上：招聘到最合適的人的秘方究是什麼呢？ 梅西：要認識到你自己永遠是不正確的，你的工作也是遠沒有完成的。秘方就在這兩件事上。對於為美國而教來說，他們也聲稱自己的工作永遠也沒有完成。因為它並不是一個一年的項目就結束了。而且他們的信念就是：“這些是我們的標準，那些是我們的目標。但我們知道它們都是錯的。”這就保證了進步的持續性。這種謙恭的態度對於分析來說相當寶貴，因為我們不能對自己的模型過於有信心。你需要謙恭的態度來說我們是錯的，我們知道我們是錯的。 沃頓知識線上：保持謙卑總體上是一件好事。 格蘭特：是的。而且我認為這是人力分析所類屬的循證管理領域基礎的一部分。 傑夫（傑弗瑞）•費佛和鮑勃（羅伯特）•薩頓教授（作家，斯坦福大學教授）一直說，如果你想保證分析的正確性，你就要保有智慧的態度：也就是願意根據手上所有的最好的資訊來採取行動，同時還要不斷地懷疑你所知道的一切。正像凱德所說，我們很容易就會丟掉保持懷疑的那部分。 招聘領域還有這麼一件事讓我大開眼界。根據（賓夕法尼亞大學心理學教授）Rick Jacobs和他的同事的資料顯示，不合適的招聘結果其成本是一次成功雇傭的三倍。我認為許多的選擇其實更多的是擇出而不是選入。你總會面對錯誤決定的後果。但是招進一個不合適的人選然後再替換掉；或是做出許多彌補措施，這麼做的風險更大一些。這也就是我認為大家應該更為關注的地方。 沃頓知識線上：讓我們換個角度，從你們作為研究人員的角度，你們認為你們想要解決的大問題是什麼？你們瞭解的事物中最讓人感到驚訝的地方在哪裡？ 梅西：我工作中有一部分就是我們現在所說的話題：如何讓人們更加接受分析學。我們有些任務是預測市場或者價格的未來變化，或者預測員工未來的表現。你手上可能有了一些演算法，但大多數情況下你都要將這些演算法和專業性的判斷聯繫起來。這與個人還是電腦無關，要想達到最好的結果就必須將這些聯繫起來。人們還不習慣從電腦那裡獲取意見，尤其當他們是該領域的專家時更是如此。我們正在試圖瞭解這中心態。是什麼讓人們不願去獲取這些意見以及我們能做什麼來消除這種抵制情緒。 格蘭特：我現在比較感興趣的事是合作負擔的事情，也就是我們要不斷的參加會議、回復郵件，相互依賴程度過高導致沒有人能夠知道要怎麼處理這件事。所有人都認為合作很好，但每個人都被合作弄得不堪重負。 我目前正在與（佛吉尼亞McIntire商學院管理學副教授）Rob Cross做一個項目，主要研究下列問題：如果你就組織網路進行分析的話，你主要的知識、建議和專業性的獲取管道是哪裡？Rob發現有一定數額的人會把你的名字寫下來。一旦這個數字太大，你就會有深陷焦慮和超負荷的風險之中。問題就在於這個數字究竟是多少呢？如果所有人都指望你的幫助，這無疑是致命的。我感興趣的就是如何重新分配這些尋求幫助、指導和溝通的需求，這樣就不會它們就不會集中在某一個兩個人身上了。 沃頓知識線上：這真的很有趣。最後一個問題。考慮到人力分析的現狀以及當前該領域的知識水準，你認為最大的知識差距在哪裡，又要怎麼做來彌補這些差距呢？ 梅西：要我說，差距就在於效率上：不是說能夠更高效的處理數位，而是能夠真正給組織帶來變革上。華麗的模型或是數學上的推斷並不是關鍵，關鍵在於如何將它們轉化為行動。在你能夠闡述你的結果之前，你的模型無論做的多好都沒有意義。現在，每個人都癡迷於模型、資料和分析之中。但除非他們能夠切實的說服並改變一個組織，這些都沒有什麼意義。 格蘭特：從我的角度來看，人力分析最大的懸而未決的問題就是凱德現在正在努力解決的問題：為什麼沒有更多的企業在做這個？我們要怎麼樣才能讓高層領導意識到，僅僅因為某些變數難以衡量並不意味著就無法用科學的方法來處理它們呢？如何才能讓領導人認識到，我們手上有了更多的資料後並不意味著就會失去我們的工作。它只是提供了一個讓我們能做出更佳判斷的工具而已。 字數：6771