微软人力资源分析四步法

Ballmer是微软的业务总监，他把微软的成功归功于一下几个方面：绝佳的产品、清晰的商业模式和“拥有无与伦比才华的人才”。他拿着微软的人事档案阐述到：“在我看来，有些东西我的理解比地球上其他人都要好。”而对Ballmer的人才观起着重要作用的是一个关键人物——Dawn Klinghoffer，微软人才发展部门的资深总监。
　　
　　Klinghoffer是数学家出身，他十多年前加入微软，一开始是人力部门成员，现在已经成为30人团队的领导。她的团队具备用于人才分析研究的统计学、心理学、财务管理等综合能力。她认为，微软是数据驱动型的企业，每个人都强烈的想了解数据的每个方面，这就是她的团队专家的作用所在。
　　
　　Ballmer自己非常热衷于通过数据的“眼睛”了解他的团队人才，并且从未失望过。Klinghoffer对此较骄傲的是，“如果CEO来到我的办公室，他问我95%的问题我都能依据我们现在掌握的数据进行回答。我们已经建立了一套运转体系，我能敏捷快速地获取到数据，这些数据帮助我们精准地做出决定。
　　
　　HRBI（人力资本分析团队）拥有专家分析和研究微软人才库，这个部门的员工每年都要进行一次调研，微软这种深层次的人才分析被称为四步分析法，具体步骤如下：
　　
　　靠前步：数据收集
　　
　　微软对劳动力的规模和本质的理解深刻而准确，这要归功于数据化的人才分析方法。在人才分析中，你不需要牵扯一吨的数据。较重要的是两点：数据下隐藏着什么，你想用这些数据做什么。进一步说，你所期望报告的水准是什么，获得结果的期望投入规模是什么。显而易见的是，拥有更多的数据，你的报告也会更加丰富。当研究人才招募及保留问题时，Klinghoffer团队为了收集数据，用九年多的时间追踪了90,000名雇员。
　　
　　微软有足够的资源保障数据的数量和质量，小型企业则要当心在没有很多数据支撑的情况下贸然进行决策。Klinghoffer认为，为了强有力地支撑研究结果，你必须设定临界取样量，微软并不支持小于50人的样本量，任何研究对象理想的雇员取样量应当大于100人。并且为了让人力资本的研究结果具有意义，研究时应当对雇员进行分组，这样在追踪他们被雇佣后的行为成就时才能区分结果。然而这对于新建立的公司或小型公司来说并不容易。
　　
　　其次就是提高数据质量。数据较好的来源就是公司准确完整的信息系统或数据库，并且人力资源数据库应当包含所有的相关数据。Klinghoffer认为很多公司并不具备微软这样完备的数据库，当她与其他人力资源的管理人员接触时，发现人们现在遇到的两个主要问题就是数据数量缺乏和数据质量不高。甚至有些公司并没有一个集合所有人力资源数据的数据库，有的管理人员并不知道哪里去获得员工信息。很久以前微软就认为应当建立信息完整的人力资源数据库，至今已经建立了13年，微软从中受益匪浅。而其他75%的公司目前并没有类似的数据库。
　　
　　第二步：关键定义
　　
　　关键定义法在得到有意义的人力资本洞察报告中起着关键作用。在关键定义里数据分析的目标是什么同样很重要。例如Klinghoffer强调了在数据收集过程中，依据雇员不同的样本组区分不同的行为特征是非常重要的，微软把它定义为雇员特征。
　　
　　在微软，“早期离职成本”被定义为两年内对新员工的高投入成本（包括招聘成本，签约奖金/股权，搬迁成本，新员工低效率的适应时间，团队成员入职协助，面试循环时间，雇佣其他长久型雇员的机会成本等）。微软估算早期离职成本约为薪酬的150%，当然还要考虑其他的数据支持。任何其他公司同样应当了解他们在新员工上的投资回报率，以及收益成本平衡时间。基本上所有公司都可以建立他们自己的雇员特征数据，雇员特征数据结合了可获取的硬数据（例如销售额，人才保留率）、理论上可得到的软数据（例如同业研究报告）以及其他混合资料。
　　
　　第三步分析研究
　　
　　在分析过程中问题会不可避免地层出不穷，就像一旦你开始了分析，你较确定的是一定会有额外的问题产生。在这一步中很难得出一般性观点，因为具体研究议题需要特定的问题支撑，再依次结合不同的分析工具进行研究。企业在人力资本分析中将不可避免的出现不同的分析问题。例如上文分析的微软的雇员特征，如果你招聘的雇员来自不同的区域，不同的专业或者不同的经验水平，你可能在确定雇员特征时就要有所区别。如这名雇员有什么样的不同？这与他的职场机遇或弱点有联系吗？这关系到雇员的产出测量，即通过人力资源的行为特征衡量他对企业的业绩贡献