優秀的HR都愛關注“行走的帆”

本文為作者陳書堯（Ellen）在HR成長部落2019年6月23日的人力資料線下活動分享文字實錄。（文末有福利彩蛋）

大家好，簡單介紹一下我自己：我現在是美國強生全球HR領導力發展專案的一員，今年5月畢業於美國威斯康星大學麥迪遜分校，獲得MBA學位。在MBA學習期間，很榮幸於去年5—8月份加入谷歌總部，作為人力資源部非美籍的實習生參與到谷歌運營的專案中。我之前在中國，在光輝國際和禮來公司的HR部門工作。

我今天的內容包括三方面。首先，我們從瞭解谷歌開始，看看這家公司的各個方面。其次，我們看看谷歌為什麼做得那麼好，為什麼每個人要跟他學。第三是我去年暑假在谷歌實習時親身參與和經歷的專案案例。

/ 1 /

關於谷歌

谷歌是一家非常年輕的公司，從成立到現在是21年。1998年的時候兩個創始人是斯坦福大學計算機學生，然後就做出了搜尋引擎，當時非常符合市場的需求，一路發展，2004年完成IPO初始上市，這為谷歌的發展奠定了基礎。所以完成上市的谷歌開始了買買買的行為，後來分別購買了Youtube，這是影音市場最大的領域。然後2016年購買了摩托羅拉的移動資料業務。非蘋果手機中的安卓就是谷歌的產品。

截止2018年，谷歌員工總數不足十萬，利潤超過了千億，公司利潤率30%以上，公司有錢了就想著去做一切對好的事情。

谷歌的文化能夠驅使員工使公司變得更好，讓所有員工有一心向前的方向。谷歌的使命是“Our  Mission  is to  organize  the world’s  information  and make  it  universally   accessible  and  useful”。它想編輯世界上一切關於資訊的東西，讓所有人想用就可以用。從谷歌成立到現在，它一直在演進自己的使命。

谷歌產品主要涉及八大領域，最大一塊是搜尋領域，然後是Youtube影音領域，最後是硬體產品。其他還有谷歌地圖、谷歌照片，還有Work  smarter，有一個玩笑說谷歌打死不用別人的產品。那我問同事日常要發郵件怎麼辦？他們說用Gmail。要做PPT，他們也有自己的軟體。

為什麼谷歌做得這麼好？就不得不提到兩個人。

Laszlo  Bock是谷歌人力資源之父，他從2006年加入到2017年離開，十餘年的時間奠定了谷歌HR執行的基礎和理念。Laszlo把HR在谷歌改成了叫People Operations部門，內部簡稱“POP”。POP團隊也有自己的願景，叫“找到人才，發展人才，讓他們長期在公司留用。”

另一個人是來自谷歌現在的人力資料分析團隊的副總裁，他說所有關於人的決定都是基於資料分析的。他2006年加入谷歌，2007年招聘進入谷歌，現在依然在谷歌服務。最後一個人叫羅森伯格。最後一個是範老師在公眾號上也有發過。

關於這些相關的文章感興趣的朋友可以點選連結閱讀：

1.谷歌人力運營副總裁離職創業

2.為什麼越來越多的領先公司不再把人力部門叫HR？

3.谷歌是如何應用資料分析來驅動人力決策的？

4.OKR課堂筆記

另外就是關於OKR的，這也是谷歌做考核的最重要手段。從上到下，各個部門都有自己的OKR，每個人都會設定OKR。谷歌希望員工考核能夠越來越簡單、越來越明亮。還要求員工為未來而戰，而不是亡羊補牢。谷歌喊出的口號是：在自己身上砸錢，讓員工變得更好。這是整個公司變得更好的前提，公司擁有世界一流的人力資源團隊，可以幫公司找到候選人——發現他們、發展他們並留用他們。

/ 2 /

人力資料分析落地

接下來看看如何將理念上的東西落實到公司運營中去。

People Analytic在谷歌無處不在。整個團隊200多人，直接彙報給谷歌的HRVP。成員首先是頂尖商學院的MBA畢業生，然後是前管理諮詢顧問，最後是擁有專業領域學位的博士生，比如說資訊學、統計學等。

此外，谷歌的人力團隊裡面也有專人具備People Analytics的技能，他們有需求時，不用求助於Analytics團隊，自己就可以完成資料分析、結果呈現和問題解決。

舉個例子，有個部門叫Strategy  Planning & Analysis（SP&A;），它會負責谷歌每一年對下一年的人力戰略規劃。還有個部門叫Talent Intelligence & Insights，它會負責谷歌在擴張過程中人力層面問題的分析。

比如說谷歌要在一個地區建廠，他們首先需要分析地址選在哪裡？選了地址以後是否有足夠多的高校保證？人才招募進來以後，谷歌的薪資水平能否保證是有競爭力的？等等。通過橫向、縱向的比較，最後為業務部門提供決策參考。

谷歌員工日常所認知的People Analytics概念中，離他們最近的是GoogleGeist。它是每年穀歌的大型問卷調研。2006年GoogleGeist上線前夕，公司創始人之一找到HR說，我們不知道員工對我們是否滿意，能不能告訴我員工是怎樣想的。於是就設計出了GoogleGeist的原型，一直到現在。

這是非常完善的調查問卷，涉及到員工方方面面，完成它需要半個小時。這不是強制性要求，大家可以猜猜回覆率有多少？市面上日常公司通過調研收集資料的平均回覆率是10—20%，谷歌達到了88%。所以說GoogleGeist是一項很強大的工具，可以瞭解一線員工心聲，並以此為依據改進下一年度對於員工的各項激勵措施。

/ 3 /

資料分析做什麼？

我們再來看看谷歌的People Analytics主要涉及哪些領域。

首先是商業決策。比如谷歌前一陣在臺灣成立了一個非常大的研發中心，資料分析的同事就要去研究在臺灣成立研發中心的可行性，什麼時間可以完成？團隊需要具備多少人規模？當地有沒有穩定的人才供應和儲備？把這一系列問題分析下來，最後給到業務層面一個答案。

其次是流程優化。大家都知道現在很火的一件事是在招聘中引入AI。很多科技公司或多或少之前都有嘗試，亞馬遜也嘗試過但是失敗了，因為他們沒有做好相關的資料分析。

谷歌有一個團隊去做歷史資料抓取，看看我的成功率多少、需要多少工時完成資料處理、人招進來後的留存率和績效如何，等等。然後還要選取樣本，因為人是這個世界上最不可控的東西。所以，他們一定要找到小團隊，十幾個人，這個團隊有最小的可控因素和捕捉資料。

基於這些資料，我們去和工程師團隊合作，研究一套對這個團隊來說最適合的AI產品。通過一段時間的試用和捕捉，再進行資料對比，最後告訴你在小範圍的應用情況下，AI到底有沒有對招聘流程進行幫助。有幫助的話，我們把時間放長，三個月或者是一年。然後把範圍擴大，從十幾、二十個人的團隊，擴充套件到更多的團隊，看看這個資料是否還具有可行性，這都為後續部門提供瞭解決方案。

還有員工福利，這是我在谷歌工作期間非常享受的地方。大家都知道谷歌為員工提供無限量的飲料、小食還有一日三餐。像我自己很喜歡吃，不停地吃，在這種情況下，員工的體形都容易發生令人不太愉快的情況，怎麼辦？又不能一刀切，因為谷歌就是以免費的食物出名的。

於是，人力資料分析團隊就去收集員工每天在不同時段的零食消耗量、消耗方式以及不同辦公室的零食有怎樣的消耗方式，然後拿著資料去跟行為專家、心理專家做探討。

最後的解決方案是做一些非常小的調整。比如說我自己特別觀察到一個落地的冷櫃裡面有上百個飲料，但是你目光視線看到的是果汁、咖啡等飲料。可樂都是在最底層或者是最邊角。我看到果汁還不錯就取了。他們把零食儲存在櫃子中，然後堅果是放在非常方便開啟的地方，而爆米花等這些可能要兩隻手。儲存櫃第一層永遠是能量棒和海苔這樣一些健康的零食。所以這裡People Analytics團隊又做了貢獻。

/ 4 /

資料分析案例

這個例項是我2018年暑假在谷歌的專案之一。谷歌每年超過250萬職位申請，但是招聘量不會超過1萬，這就決定了要在很短的時間內進行大量的篩選。谷歌為了保證公平性，專門成立了團隊，這個團隊的負責人我們叫Screener，由篩選員專門負責線上簡歷的篩選。

即便有這樣一個團隊，簡歷篩選也有無法及時處理的，而且不同的Screener之間準確度和速度千差萬別，谷歌這時候又想知道導致這些速度和準確率差別的因素是什麼？當中有沒有一些因素可以人為去改變和提升？如果有，這些因素的可信度多少？我要去做改變，應該是以怎樣的量去做一個基準線？

我們第一步是找到專案的負責人，去跟他們交流，看看他們在之前的專案過程中有怎樣的發現和成果，先將自己放在巨人的肩膀上。通過這些結果，我們整理出來60多個變數會影響工作效率。這60多個變數都是基於人的主觀認知，通過訪談方式得到的，這對我們來說沒有任何幫助。另外，一家公司再有錢，去改變60個變數也是不可行的。

到了調查問卷階段，通過設計調查問卷的方式，我們對於變數當中設計的具體資料進行樣本採集。儘量讓問卷時間變短，效率提高。最後的分析過程非常快，不到一天時間，我們就研究出了非常不錯的資料模型，把變數從60減到了只有7個可控的變數。這7個數據的可控變數搭出來的模型可以解釋整個團隊超過60%以上的員工行為，這在現實當中是非常理想的模型結果。

這個專案比較有意思的發現是：我們通常會假設速度和效率之間一定是有關係的，但是結果發現速度和效率其實一點線性關係都沒有。有的篩選員一天完成100份的簡歷篩選，他的準確率依然在20%以上；有的篩選員只完成30份，最終只有3份進入面試環節。

我們還可以假設，招聘的時候，很多人說我要找一個有業務相關經驗的，這樣效率高。但是我的分析告訴我不是這樣的，員工之前的工作背景、教育經歷、工作地點和最後樣本出來的結果，跟過程中間的效率和速度沒有關係。真正影響到這些人的工作效率的因素是工作習慣，還有谷歌給他們的培訓以及團隊的工作模式。

幾乎所有的7個可控變數，都可以通過一些簡單的微調，達到一個比較理想的結果，這是專案比較意外的地方，但卻是一個令人欣喜的結果。 

/ 5 /

總結

每個專案都起源於一個問題，然後我們需要找一些東西，支援完成資料分析的過程。首先是資料收集，資料無非來自兩大來源，第一是調查問卷，收集你公司現有員工沒有的資料。其次是通過公司資料庫，把歷史資料作為一個基準。

大家在收集資料時，一定要注意資料的及時性。因為人是一個最不可控的變數，你要確保在自己資料收集的過程中，收集的資料一定是在時間這條軸上跟目前的員工、公司狀況是最相關的。在處理調查問卷時，一定要注重回覆率，通常的回覆率15—20%，而谷歌可以做到88%。調查問卷在國外是專門的學科，大家研究怎樣提高回覆率。

完成這些以後，接下來最耗時的就是資料整理和分析。我們可能會用多元資料，通過怎樣的方式和處理，能夠把多元資料整理在一張表、一個平臺上、同一變數、不同價值鏈以後，你怎樣轉化，能夠讓它們在同一平臺上可以被分析到？在分析以後怎樣對資料進行清理？如果有壞資料你是剔除這個資料還是剔除一個沒有那麼相關的問題？很多小的方面需要大家通過不斷分析，去提高你的判斷力。

最後一步是資料分析。分析工具非常多，從入門級的Excel到非常時尚的Tableau，究竟哪個工具適合解決你當下的問題，需要具體問題具體分析。即便選擇了工具，還要考慮你有沒有能力利用這個工具去分析？

而且，並不是所有的東西是免費的。即使工具免費，人力成本也不是免費的。是不是真的有必要花一個月和一年的時間，讓團隊做這樣的分析？資料分析希望它不僅僅是停留在資料上，而是要提供預見。這個模型對我們的參考意義是什麼？模型是否具有可持續性？這些都是我們需要提前考慮的問題。

以上是我分享的內容，謝謝大家！

—— End ——

關於本次線下活動的其他文章：

（點選連結即可閱讀）

1. 記一次有趣、有料、好玩的線下活動

2. HR如何通過資料分析來提升人效？

課程通知：由本公眾號舉辦的、廣受學員好評的人力資料分析（HR Analytics）實戰訓練營將於7月19-20日在上海舉辦，課程及報名詳情請點選圖片檢視。

HR Analytics 實戰訓練營開始報名

福利彩蛋：分享本篇文章到朋友圈可獲得分享嘉賓Ellen《谷歌的HR資料分析文化》完整版PPT：）

需要不分組的真誠，保留2小時後再截圖發到公眾號對話方塊即可獲得~

歡迎在下方評論交流

如果覺得這篇文章對你有幫助

歡迎分享幫助更多人

微信搜尋公眾號

行走的帆

長按二維碼關注，從此擁有HR成長錦囊

喜歡的話，點下「在看」喲

朋友會在“發現-看一看”看到你“在看”的內容

確定