人力资源技术市场庞大且不断增长,没有放缓的迹象。2019年,仅人力资源云解决方案的市场规模就达到1480亿美元,普华永道对人力资源领导者的一项调查发现,74%的人计划在2020年增加人力资源技术支出。他们最关心的是吸引和留住顶尖人才,帮助员工发挥他们的潜力。作为回应,分析和指导平台出现了爆炸式增长,这些平台让用户能够通过分析电子邮件、聊天信息和日历等数字通信,被动地了解工作中的数字关系信息。
这些平台根据它们摄取的信息类型分为两类。一些测量元数据(或“数字废气”),而另一些则使用机器学习模型来分析消息的实际内容。
与此同时,人力资源技术正变得高度个性化。新的人力资源工具寻求个性化个人如何接受职场培训,公司如何雇用新员工,或者如何将现有员工与新的职业机会相匹配。这些技术可以通过使招聘、培训/学习和晋升过程符合特定员工的兴趣和优势,从而提高员工的敬业度。这对企业有很大的好处:根据报告,员工参与度高的公司的生产率要高出22%盖洛普的数据员工离职的首要原因是他们已经停止了发展。超个性化可以解决这些问题。
回到我的第一点,问题变成了:这两种类型的分析和指导平台(元数据或消息内容分析)哪一种更个性化?虽然测量元数据可以产生一些有用的信息,但我相信测量消息内容的意图可以创建更有效的指导和分析工具。以下是这两个过程是如何工作的,以及为什么我认为内容分析是实现超个性化目标的更有效的选择。
关于数据
您可以将元数据视为关于其他数据的数据。因此,例如,对于电子邮件,元数据将包括电子邮件的发送者、任何收件人和发送电子邮件的时间。有了这些信息,人力资源平台就可以知道人们是否在下班后聊天,谁在和谁发信息,以及两个人交流的频率。但是元数据并不能捕捉对话期间发生的事情——只能捕捉对话发生的情况。依赖于元数据的工具可以测量诸如某人有多少条一对一的消息,某人下班后发送消息的频率,以及某人与他或她的团队沟通的频率。这是很有价值的信息,但最终,这些工具不能告诉用户任何关于内容所以它们所能提供的是有限的。
其他工具使用机器学习和自然语言处理模型来分析消息的内容,并确定消息的意图和语气。这使他们能够衡量诸如响应性、礼貌、征求意见、给予认可和请求反馈等事情,这些都不能单独从元数据中收集。这种分析可以产生更多可操作的见解,帮助用户更好地理解他们与团队成员的关系(例如,他们是否努力给予团队足够的认可,或者他们是否花了很长时间来响应消息?)这种分析还可以针对那些已知具有积极下游效应的特定行为——也就是领导的“软技能”。最后,与仅基于元数据的组织网络分析相比,利用消息内容可以提供对公司文化更丰富的理解。让我们更详细地了解这些差异。
可操作的见解,以帮助人们领导
自我意识对管理者来说是一个至关重要的工具,它与管理绩效、领导效能和报告满意度高度相关。可以分析信息内容的人力资源工具可以通过向用户展示他们的坏习惯来帮助他们培养自我意识。元数据分析可以揭示其中一些习惯,比如下班后发太多信息。但其他的,比如询问团队成员的意见,并对他们的意见做出深思熟虑的回应,则需要进行内容分析。此外,如果没有管理自我意识,就无法实现包容,即每个员工在组织中都感到受到重视和尊重,并享有平等的机会。例如,经理可能没有意识到,他或她更多地向男性员工征求意见,而不是向女性员工征求意见。这种行为妨碍了包容的环境,但在不了解偏见的情况下是无法改变的。
培养软技能
测量信息内容的能力可以发现并鼓励对员工有积极下游影响的领导行为。例如,表达怀疑、请求反馈和分享意见等行为可以促进团队中的心理安全。这个概念来自哈佛教授的工作艾米·埃德蒙森,意味着成员觉得团队是一个可以承担人际风险的安全环境。
在2012年,Google发现心理安全是高绩效团队最重要的特征。信息内容分析可以显示领导者什么时候会采取促进心理安全(或其他可取的特征,如同理心)的行为,并鼓励他们更频繁地这样做。从长远来看,这将使他们的团队更有效率。挑选出这些行为需要一定程度的细微差别,这是元数据分析无法提供的。
公司文化
加州大学伯克利分校哈斯商学院副教授Sameer B. Srivastava表示,2017年发表了一篇论文分析在一家大约有600名员工的公司5年来捕获的电子消息内容(而不仅仅是元数据)。他的分析着眼于组织文化适应,或“文化契合度”,随着时间的推移,基于员工如何适应和遵守同事的说话习惯。查看消息的意图可以让团队建立这样的模型,以显示公司的整体文化。例如,一家公司可能重视积极性和鼓励,但其经理却难以摆脱工作,经常工作很长时间。
这家公司会有更高比例的“给予认可”信息和更高比例的下班后发送的信息。另一家公司可能在这些类别中得分较低,但却有更协作的文化,这反映在分享信息和征求反馈的信息中所占的比例很高。许多人力资源和人员分析团队会发现这种类型的分析很有价值,但如果没有详细的消息内容分析,就无法完成。
随着人力资源技术的不断发展和更多的解决方案进入市场,请记住,并不是所有的解决方案都在“底层”工作,组织应该选择最适合他们需要执行的分析类型的选项。最让我兴奋的是,这个领域还很年轻,我们进行这种分析的能力还在不断发展!想象一下这样一个未来:当员工在Slack上报告完成一项任务后,管理人员可以得到实时提示来识别员工,或者当用户在电子邮件中做出承诺时,一个“待办事项”列表会自动填满。还有哪些方法可以利用数据让员工的工作体验更顺畅、更高效?
本文作者约瑟夫•弗里德是数字领导力平台的联合创始人兼首席执行官培养.弗里德曾在几家专注于在线学习和人力资源技术的初创企业工作或领导,拥有纽约大学(New York University)的MBA学位,并在加州大学伯克利分校(UC Berkeley Extension)授课。最近,该公司获得了800万美元的融资。