分析是关于聚合的。我们观察许多员工的行为,并将其总结为单个数字,如“不当行为案例”、“平均旷工率”、“福利总成本”等。
当我们看到相当多的员工时,这种聚合效果很好。然而,当您更精细地切割数据时,您可能会遇到问题。
例如,假设你正在查看不当行为的数量。也许有75个,比去年增长了10%左右。为了深入挖掘,你按部门进行切割,发现一个部门负责其中的12起案件,比其他任何部门都多,所以你开始怀疑部门经理是不是做错了什么。
你急于了解到底发生了什么,就进一步挖掘数据,发现了一些不同寻常的事情:12起不当行为案件中,有8起涉及过去3年聘用的员工。
现在你觉得你学到了一些重要的东西。通过研究各种数据切割,您发现了一个真正的不当行为热点。你把这个交给部门经理。他们会怎么说?
“给我看看你说的八个人的名字,”经理可能会说。这不是不合理的要求。
当经理看到这八个人的名字时,通常会对每一个人的情况做出独特的解释。从总体上看,该部门最近聘用的不当行为确实有问题。但在个人层面上,每一种情况似乎都是合理的,与其他所有情况无关。
继续下面的条
加入美国9月23日 - 24 24为IRE Digital - 人才收购专业最有洞察力的活动!
谁是正确的?是分析师发现了一个统计异常值,还是经理能够解释每个实例?
对于这个问题没有一个普遍的答案。我们所知道的是很可能从经理的角度来看每个案子都是独一无二的,毫无关联的。这不是分析师的职责。分析师指出了一个令人不安的异常现象,但这要由经理来决定这个发现是否指向一个真正的问题。
然而,这个决定不能仅限于直接的部门经理,因为他太接近情况,无法做出公正的判断。我们需要一个人力资源业务合作伙伴或经理的经理来确定这些案例之间是否存在一些共同线索——比如对新员工的筛选不足。如果是这样,那么这是需要解决的问题。
对于分析师来说,他们应该意识到从汇总数据到个人数据之间的鸿沟,并意识到到那时他们的工作已经完成。当经理开始讨论个别情况时,重要的是让其他更接近情况的人来决定是否潜在的问题导致了标记的异常。