迎接2019的第一条锦鲤——百度、辉瑞、拜耳的数字化先锋尝试

在数字时代,能实现持续高质量发展的锦鲤只有一条:将数字化能力建设到底。

迎接2019的第一条锦鲤——百度、辉瑞、拜耳的数字化先锋尝试

2018/12/18 by  张宏

两周前,在外资医药医疗行业人力资源年会论坛上,我与三位HR Head——百度共享服务中心的Collin Wang、辉瑞的Michelle Zhang以及拜耳的Annie Wang进行了一场有关“数字化技术在人力资源领域的应用”的对话,其中内容非常精彩,我做了点总结和大家分享。

互联网信息技术的发展和广阔的人口红利,各种创新的商业模式和数字化应用场景,使中国积累了全世界最丰富的未来石油——海量数据。建立数字化组织已经成为不可逆的大势。提前布局,挖掘数据金矿并利用数字化技术,在分析、诊断、洞见和预测等获得区隔优势,不仅能驱动企业在不断变化的市场中的业务结果,更能帮助企业在深度VUCA环境中把握可控的组织、社会和人力资本。

大数据是算力、算法和专业行业知识紧密融合的新型学科,事实上三者能力都具备的复合人才少之又少。数字化组织不是简单的几个幂指性人才的堆砌,更是组织文化和能力的再造、数字化思维和意识的培养、以及数字化行为的强化。

拜耳医药建立了数字化社区,邀请非本行业的具有杰出数字化理念和实践的代表来企业分享,拓宽员工对数字化思考的界限和疆域,并推出“高管反向教练”项目推动企业高管的数字化领导力,为每位六零七零高管配备一个九零后数字化导师,并在全球范围内进行导师资源交流。让那些互联网原住民参与重要的业务和管理决策,吸收他们的新思维和新视角。最新的怡安翰威特洞见分析显示,外资大健康行业领头高增长企业更意愿提拔用好85后(比行业多6%)和招募90后员工(比行业多5%)。
 
辉瑞设立首席数据官Chief Data Officer,直接向总裁汇报。从组织设置和组织运行流程上明确了大数据职能的战略定位和资源保障,因为大数据的管理一定是跨领域和跨部门职能的。辉瑞的离职率预测器就是该部门和人力资源合力设计的。
 
百度在五年前成立了AI实验室,布局AI技术的研发和人才,目前已建立起全球领先的人工智能服务平台。在数字化过程中,百度总结出四项核心组织能力:迭代能力、学习能力、沟通与协作能力、能转化落实客户需求的产品化能力。特别是产品化能力,产品经理岗位是数字化组织中分量最吃重的,它的定级定位和组织安排直接决定了数字化组织中长期的发展能力,在严重缺乏复合型的大数据幂指性人才情况下,选用具有战略高度的产品经理,打造开放文化,撮合算力,算法和行业专家一起协同合作是目前的共识,这四个核心能力构成了优秀数字化人才的画像,在百度内部,也将这四项能力作为人才招聘、选拨、培养、任用的主要考量维度。

怡安翰威特最新的《数字化准备》报告中也明确指出,除了关键岗位的核心数字化人才(指的是具有特殊的学科背景的数字化专才),其余大部分员工的数字化培养和发展,从本质上讲就是指员工能否借助技术手段工作。无论技术如何变化,岗位如何发展,符合以下胜任力模型的员工将能适应数字化环境,并茁壮成长。

数字胜任力.jpg

对企业而言,可以利用这一胜任力模型评估在岗员工,然后采取培养措施,弥补员工现有胜任力与预期水平的差距。当然,首先一步应该是评估管理人员,帮助他们制定培养计划,高层管理人员应起到示范作用,进而推动所有员工适应数字时代的工作方式。

其次,如果现有的招聘手段和流程已无法有效检测候选人上述能力的时候,则需要配合使用迭代型人才测评与发展工具,调整选拔流程,确保新聘员工切实具备这些胜任力,建立数字化人才的有效筛选机制,推动组织的数字化转型。

AI已经是HR工作场景的一部分

人工智能已经快速被应用于人力资源的日常管理中,AI场景会应用主要运用于人才选拔,发展和共享服务中心。
筛选简历是招聘团队的痛点之一,辉瑞已经开始用机器筛选简历,招聘经理输入职位介绍后,机器自动去简历库里匹配,并推送给招聘端。尽管目前仍然有部分掣肘的因素,比如由于验证步骤的存在,机器在外部网站下载简历时遇阻,JD的不精准导致机器推送到招聘端的建立匹配度低,机器对确切语义的理解力不够等等,但是随着机器学习能力的不断提升,这些问题都将被解决。

基于人工智能技术的视频面试或人机对话,突破了传统面试的地域局限,大大提升了面试效率。拜耳医药六个月的实践表明,使用人工智能面试的员工在试用期通过率更高。

再如,拜耳在组织内部上线Ask Me的应用,员工在任何地方、任何移动设备上,都可以向HR提问相关问题,这个应用成功的基础是“越多人使用,回答准确率越高,回答所需时间越少”,背后的逻辑是机器学习的不断优化。百度的机器答疑在2017年的时候,问题解决率已经达到56%。

640.jpg

大数据的4V特点——规模庞大(Volume),种类繁多(Variety),变化频繁(Velocity)及价值巨大但价值密度低(Value)引导着优秀人力资源职能在这个领域的先锋尝试。不同于市场上司空见惯的员工流失率预测模型,辉瑞不仅仅研究大量的员工历史数据,包括年龄、工资待遇、福利、绩效、地理分布等静态历史数据,它还根据不同业务部门汇集的员工行为数据,比如员工如何报销的,如何申请样本产品等等来进行画像总结。这些实践和很多互联网企业根据员工如何使用饭票和车票等行为数据作离职预测相类似,试图发现类似超市里面尿布和啤酒销量强相关的隐藏知识。辉瑞深信这个模型的准确性经过两年可以达到85%。

当数字技术和人类智慧叠加后

毋庸置疑的是,引入人工智能后,一部分基础性、重复度高、规律性强的HR工作将由效率更高的机器取代,而与人高度互动的职位,例如HRBP,员工关系岗位将具有不可替代性,并且需要和机器合作提升效能。此外,管理机器的HR岗位也将应运而生。
 
很明确的一点是,HR部门的优势不在于技术,而在于管理判断和业务判断,把管理场景转换为大数据专家能够理解的内容,请他们去建模,将是未来HR有效运用数字化协助业务获得成功的关键。
 
而提升机器的学习能力与结果的精确性,则需要人工智能专家和行业/业务专家的共同合作,由行业/业务专家提供相关变量,选择有价值的维度。我和怡安翰威特vidAssess视频招聘产品架构师Achim Prouss就机器学习招聘专家如何评判求职者的对话非常有趣。如果没有招聘专家的专业干预,机器需要至少5000份(越多越好)以上的面试资料输入才可以归纳总结并作出正确筛选,如果招聘专家告知机器关于打分的主要规则,机器只需要150份左右的面试资料输入就可以大幅度地接近人工的打分准确性。人工智能专家通过近似处理、增量计算和多源归纳,减少机器无效分析的消耗,帮助机器变得更聪明,在演绎和归纳中找到平衡点,提升计算效能。
 
特别需要强调的是,企业必须坚守大数据分析的红线,明确数据采集与分析的范围,并加强对数据隐私的保护与网络安全建设。百度明确规定不能通过公司和私人办公工具,包括邮件、微信和微博来爬取员工具体的交流信息作为行为数据。

无论是对组织还是对个人而言,在数据与机器的时代,能实现持续高质量发展的锦鲤只有一条,那就是:将数字化能力建设到底。
 

张宏

怡安翰威特大中华区首席执行官、怡安全球合伙人

联系我们
怡安翰威特中国 Aon Hewitt China
上海