最近几年里，关于人才科学与分析的讨论日益激烈。最近该话题还出现在《时代》杂志上，封面上还出现了俄罗斯总理普京和Facebook的马克•扎克伯格，充分说明了人才分析已经成为热门话题。　

　　人才科学是一种实践，它使用数学原理、算法和大数据更客观地管理人才的发掘和聘用，实现长期留人。而预测分析则更加深入，它基于历史数据，使用客观原则预测未来。这些预测包括人才库管理、人力调度，更加以人为本。例如，为某一职位推荐更优秀的候选人，以及应设置哪些培训才能帮助员工在职业上获得更大成功等。　

　　 “员工保留”隶属于人力资本管理（HCM，Human Capital Management）的范畴。近年来HCM市场越来越关注人才科学和预测分析。有些HCM企业能够利用人力资源系统收集的员工离职数据预测员工离开公司的可能性。有些公司则使用应聘数据结合现有在职员工和绩效表现数据，预测谁更有可能离职。

　　何为人才流失模型？

　　企业内对员工流失的预测源自于对客户流动或者流失的研究。许多企业将客户流失作为关键的业务指标，并且对预测其何时以及如何发生非常重视。根据这一需求，企业就导致客户流失的原因以及解决或防止问题发生的策略制定了预测模型。与员工流动相似，企业会区分自愿和非自愿流失，区分可控因素（即客户离开后跑到竞争对手那里）和不可控制因素（即搬家、死亡）导致的流失。

　　客户不会毫无征兆地离开，一般都会有各种各样的原因。同样，员工也不是说走就走。他们离开是为了去更好的企业，追求更好的工作和薪水。由于离职成本以及对绩效要求越来越高，确保员工长期留职对企业来说意义重大。鉴于这些相似之处，HCM解决方案提供商可以利用与客户流失类似的研究和实践方法，去分析与员工流动相关的因素，并开发出预测模型。

　　什么样的模型才是正确的？

　　市场上的很多人员流失预测模型主要取自聘用后收集的数据。一旦员工进入企业，就会针对他收集各种数据。随着时间的推移和员工的不断增加，更多数据被添加到系统中，来开发和完善预测模型，然后重新应用于在职的员工，以确定其离职的可能性。最终得到的预测模型描述了导致员工流失的关键因素。这些因素包括各种原因，例如：长期得不到升职或薪酬与同事和市场相比差距较大等。

　　很多模型没有考虑员工在聘用后一开始是否适应工作，以及在应用过程中可收集到的其他特征。可以利用基于行为、认知和文化偏好数据的预测分析生成的数据来判断某个人是否适合某一职位。

　　对候选人进行准确和客观的行为测量后，下一个问题就是，“企业如何清楚地知道他们需要什么样的人？”这个问题产生了“人才科学”的一个关键组成部分，即定制“绩效分析”。Infor Talent Science™ 是一种获得专利的、基于云的 Predictive Talent Analytics™ （预测人才分析）解决方案，在评估新候选人之前，为每一客户公司的每个角色都创建了这一独特的基准。Infor的工业心理学家团队通过利用来自公司员工样本的绩效指标和行为数据以及大数据人力资源分析，来建立这些基准。这些数据相结合后，可以建立一种客观的基准，从而找出能够提高某一职位绩效的行为模式。　

　　要重点注意的是，这些基准的建立依赖于员工普遍的绩效表现，而不仅仅是表现最好的员工。为了建立准确的预测模型，还必须考虑样本中每个在职员工的行为和绩效，以便针对高绩效和低绩效的行为进行评估。例如，如果知道高绩效发会计师最关注细节，由此而只挑选关注细节的职位申请人，认为这样就能够为公司聘用更好的会计师——这样做是不客观的。正确的做法是要找到所有优秀会计师的共同属性。　

　　人才科学推动预测分析发展

　　通过成功的人才保留模型，企业能够找出产生高绩效和低绩效员工的主要原因，并把这些信息应用于应聘的过程。基于绩效的模型可以发掘到最适合职位的人才，与聘用后的数据预测分析相结合，就能够大幅度减少企业人员的流失，并促进企业长期的绩效增长。

　　关于作者　　

　　鹿崇先生现任Infor大中华区商业咨询总监。他在企业应用软件领域有超过15年的实战经验。鹿崇先生自2003年1月加入Infor至今。加入Infor之前，他曾在KPWOOD公司任系统工程师、SSA上海公司任职商业顾问，还曾在迅达电梯担任过项目负责人。鹿崇先生毕业于清华大学管理信息系统专业。