注意:kpi、分析预测分析——我们倾向于交替使用这些术语,但它们不是。它们是重叠的,但是你需要更多的技能沿着分析连续体移动.如果你正在考虑第一个分析项目,最好的建议是保留它简单易管理.一旦你有了一些经验,你准备好了,选择一些东西虽然很小,但可能会产生影响。下面这篇文章将帮助你决定解决哪些问题会有所不同——不仅仅是人力资源。
∼∼∼∼
1.确定要解决的业务问题.
几乎所有从事现代预测分析工作的人都讨论了对预测分析的需求已定义的业务问题在进行预测项目之前。然而,我在与企业交谈时遇到的第一个问题是,“我需要做一个预测项目,但我不知道该做什么。”
如果没有特定的问题需要解决,分析师或供应商所做的只是处理数据,希望找到一些有趣的东西。在没有特定目标的情况下处理数据是非常昂贵的,而且通常是对公司时间和金钱的低效利用。
考虑以下例子:
- 想象一下,在你决定想要什么样的房子之前,在网上搜索房子。你会发现一些有趣的想法,但没有什么能让你买房。
- 想象一下,阅读维基百科寻找一些“真相”,却没有定义你想要回答的问题。你会发现一些有趣的想法,但可能没有一个能告诉你你想要的真相。
在开始一个预测项目之前,你首先需要知道你在寻找什么。
2.决定您是想解决人力资源部门中与员工相关的流程问题,还是业务部门中与员工相关的业务问题。
人力资源问题的例子:预测谁将退休;预测哪种培训将产生最高的出勤率;预测你当前的招聘流程将如何影响歧视性的招聘做法;预测贵公司对工程师的需求
- 好处解决人力资源问题:你正在解决一个对你的部门有意义的问题(通常只对你的部门有意义)。
- 缺点解决人力资源问题的方法:其他业务部门对你解决人力资源流程问题所做的工作不太感兴趣。
很难量化解决人力资源流程问题对业务的影响。
劳动力问题的例子:预测哪些求职者将成为空缺销售职位的顶级销售生产者;预测哪些呼叫中心代表将很适合成为呼叫中心经理;预测哪些卡车司机会发生更多的事故。
- 好处解决劳动力问题:你将解决一个问题对整个企业都有意义因为它很可能会影响收入或成本。这将为您的项目提供更多的可视性,并为正在进行的预测工作提供额外的资源。
- 缺点解决劳动力问题的方法:在他们看到你能做的影响收入和成本的工作之后,你可能会从企业那里得到更多关于预测性工作的请求。
3.将人力资源数据与业务线数据结合起来.
如果您希望预测和解决业务领域的劳动力问题(例如增加销售额、减少错误、增加每天的呼叫次数等),业务领域的数据存在于软件系统中业务部门,而不是人力资源部门.例如,销售业绩或每天的通话数据存在于销售运营或呼叫中心或其他一些非人力资源数据库中。
如果没有销售部门的销售数据,你无法预测哪些销售候选人将实现销售业绩。您需要使用业务线数据以及人力资源数据。除非你只想预测一些影响人力资源的事情,否则你也需要来自业务线的数据。
4.超越预测趋势。“个人”预测能带来最大的投资回报率。
许多部门多年来一直在预测趋势——事实上,我们听说的许多预测项目实际上都是老式的预测项目。我们需要超越预测,提供能让高管们兴奋的投资回报率。
文章继续如下
预测的例子包括:
- 预测未来通货膨胀率。
- 预测产品需求。
- 预测未来1 - 5年的劳动力趋势,以便制定计划。
- 预测下个季度,明年的销量。
虽然预测是非常必要的,但它与现代预测分析计划有很大不同。为了获得现代预测能力的投资回报率,组织需要转向对个人的预测。
预测“个人”的例子包括:
- 预测哪个特定的求职者很有可能是一个优秀的或最差的求职者。
- 预测哪个特定的潜在客户会点击优惠券并购买优惠。
- 预测哪个特定的供应商将会破产。
预测到这种粒度级别的能力应该是现代预测项目的目标。投资回报率较高,因为它有助于您的公司针对高成本或高收入的潜在目标采取具体行动。
5.不仅仅是预测现有员工的离职风险。在雇佣应聘者之前,对他的潜逃风险做一个预测。
许多公司将预测现有员工的离职风险作为早期预测项目。这让我想起一家银行预测哪些贷款会失败后他们已经贷款了。感情延伸之后就是错误的时间。太迟了。
现代预测分析允许你预测“之前”。这就是重点。在犯错之前预测一下。银行花了很多精力来创建预测模型,在他们延长贷款之前预测你还款或违约的概率。