如果有一件事是大多数经理都会同意的，那就是他们通常对过去发生的事情的分析不感兴趣。他们希望自己的分析能够反映当下正在发生的事情。
但正是因为大多数敬业度调查都是在过去进行的，所以许多经理对它们持批评态度。
毕竟，他们为什么会对反映人们六个月前感受的数据特别感兴趣呢?
实时数据是事情发展的方向
对即时性的追求就是为什么像MS Viva这样的工具——它提供了新型的实时信息——被证明是非常令人兴奋的人员分析专家和经理。
特别是，它是关于团队的信息合作这将是一个丰富的研究领域。
注意:在我们进入分析之前，有一点很重要，那就是无论何时我们在查看员工数据时，都必须解决隐私和治理方面的关键问题。这是一个太大的话题，不能在这里讨论，但我们不详述它的事实并不意味着低估它的重要性。任何被认为是间谍或微观管理的分析都不会受到欢迎。另一方面，如果经理们发现这对他们有帮助，那么你可以期待得到积极的接待。
对于剩下的部分，我们假设你的人员分析团队已经很好地解决了隐私和治理问题。
协作分析开始告诉你更多
要开始研究协作分析，最简单的方法之一是研究人们如何在会议中花费时间。
以下是一些你可以参考的东西，以及它们可能提供的见解:
- 在反复的会议上花费了多少时间?(可能的见解:“看看这个，我的关键人员花了三分之一的时间在重复会议上。这就是他们总是落后于实际工作的原因吗?”）
- 一对一花了多少时间?(可能的见解:“我相信经理和员工之间一对一的会面很重要，但当我回顾这些数据时，我不得不承认，我这样做的次数远比我想象的要少。”)
- 有多少冗长的会议?(可能的见解:“我知道有时会议需要很长时间，但我知道，根据经验，2小时的会议通常意味着事情搞砸了，所以让我看看为什么我们要开这么多这样的会议。”）
- 有多少大型会议(如超过6人的会议)?(可能的见解:“大型会议对我的团队来说很少有效，我们为什么要一直开呢?”）
数据的解释
分析中最酷的部分是对数据的解释。
对于上述任何一种衡量标准来说，什么样的数字才是一个好的数字并不明显。
这总是取决于上下文。对于一个团队来说合适的数字可能并不适合另一个团队。理想的数字在不同的团队中会有所不同;项目开始时的会议与结束时的会议性质是不同的。
文章继续如下
讨论结果
对分析专业人士来说，解读这些数字的最佳方式是与经理坐下来讨论结果。
随着时间的推移，分析专家将开始收集不同情况下的最佳实践，并将成为更好的教练，向经理们指出协作数据，表明哪里有改进的机会。
然而，我们认为我们必须通过对话来发现这些最佳实践;我们根本没有足够的上下文洞察力和准确的性能数据来让某种机器学习算法为我们找到最佳实践。
会议分析只是协作分析的冰山一角。
这是一个值得研究的丰富领域。这也是一个很好的机会，可以花时间与管理人员讨论他们关心的数据，并立即采取行动。
如果你能创造一个在这方面工作的机会，我们相信你会发现这对你自己和公司都有好处。
