穿透数据是什么意思呀英语怎么说_王者荣耀穿透计算

图片来源@视觉中国

文｜穆胜

根据知名雇主品牌咨询机构Universum Global发布的“2021全球最具吸引力雇主”榜单（World’s Most Attractive Employers），谷歌力压微软、IBM、苹果获得头名，成为了全球工科、IT专业、经营学学生最想去的公司。

谷歌作为科技巨头，推崇技术，“黑科技”层出不穷，本身就是行业标杆。而其工资待遇高，办公环境好，自然也会吸引大量人才。更重要的是，谷歌的人力资源管理也确有独到之处，他们信奉用数据说话、基于数据决策，这对于工程师们来说，无疑是具有巨大的吸引力。

01、人力数据实验室

1998年，拉里·佩奇（Larry Page）和谢尔盖·布林（Sergey Brin）共同创建了谷歌公司（Google Inc.），自身IT背景的创始人对公司的文化影响颇深，造就了其典型的“工程师文化”。据说，公司内有一条不成文的规则，那就是“任何决策都不能拍脑袋，而必须是数据驱动的。”

在这里，每个人都必须了解数据，学会用数据说话，用数据结论说服别人或是驱动决策，连人力资源管理也不例外。与众不同的人力资源管理也成了谷歌的核心竞争力之一。

说到谷歌的人力资源管理，那就必须要提到拉斯洛·博克（Laszlo Bock），这个被誉为谷歌“人力资源之父”的人。这位从2006年加入到2017年离开的前首席人才官、前人力运营副总裁，用十余年时间奠定了谷歌“人力资源运营”的基础理念和方法。

图1：POPS的功能架构

他上任的第一个举措就是把人力资源部门改成人力运营部门（People Operations）内部简称“POPS”。在这里，与传统人力资源部门的最大不同就是搭建了专门的人力分析团队（People Analytics），他们直接向HR SVP汇报，负责人力数据的分析，包括收集数据、设计算法，帮助决策等。

这支200多人的团队采取“三三三”配置：三分之一的成员是MBA背景，懂商业；三分之一的成员有管理咨询公司背景，有方法；剩下三分之一的成员是信息学、统计学背景，会算法。这样一个“懂商业、有方法、会算法”的多背景复合团队，被誉为“人力数据实验室”。

谷歌为了实现数据驱动决策，专门开发了数据决策模型（Analytics Value Chain），包含以下六个步骤：

• 看法（Opinion）——需求的开端，最直接的主观想法；

• 数据（Data）——获取主观数据，客观数据；

• 衡量（Metrics）——数据浅层呈现，包含具体指标、比例等；

• 分析（Analysis）——在不同数据间建立联系，分析变化本质、成因等；

• 洞见（Insight）——穿透数据分析结果，直达本质，形成专业洞见；

• 行动（Action）——将洞见付诸行动，切实解决组织的问题。

在这个模型的帮助下，人力数据实验室帮助谷歌发现并解决了很多组织上的问题……

02、纠正自以为是的“大聪明”

“对于公司来说，管理者有用吗？”

相信每个人心里都有自己的答案，但就目前绝大部分公司的组织设计来看，管理者的作用毋庸置疑。有意思的是，在谷歌创立早期，创始人佩奇认为管理者在组织中没什么用，甚至觉得这是官僚的体现，与工程师文化不符。然后，他就用“大聪明”的决策取消了管理岗位，结果可想而知，失去了管理岗位的组织陷入了“大混乱”，无奈之下，只得恢复了原有的管理岗位。

这里要回忆一下国内的“大聪明”。其实，这也是国内一众互联网大佬们创业之初的偏执经验。某朴实无华科技产品公司，也曾号称公司只有三个层级，不设KPI，只在乎开心地玩耍……但他们其实都不用翻墙，随手国内搜索引擎一查就能发现这种方式的问题。

我们按照数据决策模型的步骤对氧气项目简单做个解读：

回到谷歌。这样一番折腾之后，谷歌意识到“拍脑袋”的决策不一定靠谱，为什么不用数据解决问题呢？于是，一个知名的项目诞生了——氧气项目（Project Oxygen），也叫管理者发展项目。

基于氧气项目中的输出，谷歌不再坚持“管理者无用论”，他们也找到了优秀谷歌管理者应具备的特质，如懂得带教下属，对团队授权，关心员工事业成功，自身结果导向等。

之后，通过几项行动切实帮助组织发现并培养了大量合格的管理人员，也成为了谷歌获得如今成就的中流砥柱。

03、简化官僚化的招聘流程

“你想去谷歌吗？”

如果这个问题抛给一个相关专业的学生，大概率会得到肯定的回答。“全球最具吸引力榜单”也能说明这个问题。曾几何时，候选者需要通过12-14次面试，耗时半年以上才有可能从6000多人中脱颖而出，获得谷歌某个岗位的Offer，从而成为它的一员。

这一套繁琐的招聘程序被外界诟病，被视为谷歌的傲慢和自大。对于谷歌来说，多轮次的面试也造成了大量成本的浪费和部分优质人才的流失。终于在2011年，首席人才官拉斯洛·博克宣布谷歌将极大简化招聘流程。

这自然是人力数据实验室的功劳。他们在之前所有的面试数据的基础上，对谷歌的面试工具方法进行分析，对面试人员进行调研。大量的研究之后，人力数据实验室得出了4次面试是最优解。而后，这一研究成果被应用到实践上，谷歌的面试流程精简为平均4次，既优化了候选人的体验，也极大地节约了招聘成本。

这还没有结束，谷歌招聘流程之所以繁琐，是因为每年需要从100万到200万份简历中筛选出最适合的候选人加入谷歌。简化了流程但不能影响效果，如何设计招聘工作体系，将筛选的标准“塞”到四次面试流程里呢？在经过了一系列的研究分析之后，谷歌形成了自己独有的招聘工作体系，这也成了谷歌的标志之一。简单来说，有特点如下：

• 采用高度结构化的面试流程（Structured Interview），让信息标准化为结构化数据，便于进行高效决策。

• 建立谷歌的人员特质模型，统一评价标准，严格进行人员评价。该模型包含4个维度——岗位知识技能（Role-Related Knowledge）、通用知识能力（General Cognitive Ability）、领导力（Leadership）、谷歌范（Googleness）。

• 任用与否由招聘委员会集体决定（Hiring Committee），在数据的基础上，让熟悉谷歌的人用“感觉”来弥补单纯数据决策可能形成的漏洞，同时也避免招聘决策上的“一言堂”。

这极大地提升了招聘的效率，节约了成本，也保证了决策的公平性。大量企业竞相模仿，一时间，谷歌的招聘体系被奉为经典，成了“教科书”一般的存在。

04 究竟有多少算法？

“人力数据实验室究竟在研究什么？”

其实对于谷歌的人力数据实验室来说，一方面拥有全公司人力资源的所有数据，另一方面Google Geist这个为了解员工对于公司政策、工作环境、福利待遇等领域的满意度反馈工具也帮助其获得了大量的主观数据。利用这海量的数据，人力数据实验室为优化商业决定，内部流程和员工激励提供多样化的数据分析支持。我们来看看他们都算了些什么？

案例1：涨薪or奖金？

在2010年，经济衰退期时，谷歌决定提高员工收入来维持人员稳定。通过什么方式提升收入呢？由算法决定，根据人力数据实验室的研究，对员工来说，1美的奖金等值为1美，而1美的基本工资的价值超过1美。最终，在2010年秋天，谷歌宣布所有员工的基本工资提升10%。

案例2：谁最应该被赋能？

公司的培训资源总是有限的，为了让培训资源能够发挥最大的效果，将资源倾斜给哪部分人？这也是由算法决定的。根据人力数据实验室的研究，中层经理人差别是最明显的，最好和最差的中层对组织的影响差别最大，所以，培训那些水平较差的中层经理人投产比最高。结果，自2009年以来，每年中层经理人的反馈都有所改善。

这样的算法还有很多，人才保留算法、优秀人才绝对值、高效招聘算法……覆盖了人力资源管理的方方面面，极大地帮助了组织决策；除此之外，还有一些看似不那么重要的研究，比如餐厅排队多久合适，咖啡厅不同的咖啡该如何摆放等，也在一定程度上提升了员工的“幸福感”。

诚然，一定有人会说这些算法并不是完全准确的，甚至有些算法是有问题的，但这并不影响Google的决策逻辑和它今天取得的成绩。算法就是一个不断优化、持续迭代的产物。在创新的道路上，错误并不可怕，可怕的是缺少迈出第一步的勇气。

有人说，谷歌的成功是因为OKR，实际上，当你深入研究谷歌，就会发现OKR只是个形式，他们竞争力的内核还是数据和算法。这从拉里·佩吉选择Page Ranking技术作为创业赛道开始，就已经注定了。

05、HR如何走上数据化之路？

相对谷歌十几年前就走出的先锋实践，国内大厂似乎跟进得慢了一点。

一般来说，数据、算法（模型）是数据化的基础，二者缺一不可。对于那些大厂或者行业头部企业来说，数据自然是不缺的，算法也不是难以解决的。那么为何至今，国内也没出现一家人力资源数据化的标杆呢？

其实，他们缺少的是数据思维（Data Mind）。至今，仍有不少人认为人力资源是一个难以数据化的专业，在这种思维的加持下，自然很难找到算法；即使找到了，算法也仅仅停留在数理的逻辑上，缺少应用价值，也就失去了数据化的意义。说白了，大多数HR缺乏重塑人力资源专业的决心，还是在走改良路线，只是在用数据工具来包裹陈旧的人力资源工作模式，妄图为摇摇欲坠专业续命。

简单说，数据思维就是真正懂得数据的意义，解析数据间的相互关系，探索数据到决策的路径……还有最重要的，要有重塑人力资源专业的决心。正是基于这种理念，穆胜咨询长期致力于数据驱动人力资源效能的研究，原创了大量的指标、算法：

• 扁平化指数——衡量组织是否存在冗余。当该指数小于1时，则说明组织存在冗余，有大企业病的危险；

• 激励真实指数——衡量考核是否“真刀真枪”。当该指数小于5%时，绩效考核没有差距，失去了真正意义；

• 激励强度指数——衡量激励是否“真金白银”。当该指数小于8%时，分配没有差距，激励失去意义变的不公平；

• ……

要说这些指标的数学逻辑，其实并不难，但进入工作场景中，确实对企业帮助很大，这些指标让他们的决策有了数据依托。所以，数据思维才是打开HR数据化大门的“钥匙”。我们将自己研究的算法放到了每年发布一次的《中国企业人力资源效能研报》里，希望能帮助到更多的企业。

当然了，重塑人力资源专业的关键不能只靠咨询机构，企业才是关键。值得欣慰的是，很多企业已经行动起来了。根据穆胜咨询2020-2021两年发布的年度《中国企业人力资源效能研报》，2021年有50.1%的被调研企业重视数据化人力资源，并设有负责此项工作的专职员工或团队，用以沉淀人力资源数据。对比2020年，该比例上升了5个百分点。

图2：企业对数据化人力资源的重视及应用情况

资料来源：穆胜咨询《2021中国企业人力资源效能研究报告》

Google十几年前就开始重视人力资源数据研究，并设置了人力分析团队，他们是先行者，也享受了多年的数据红利。到了今天，越来越多的国内大厂已经在路上了（详见往期文章《观点 | 阿里腾讯们对HR动手了！我们盘点了26家大厂的数字化HR标准……》），人力资源与数据科学注定会走到一起，传统纯“靠手感”的人力资源管理必将做出改变。