选择高价值HR项目的5种方法？
01
确定要解决的业务问题
在从事项目之前，从事预测分析的所有人都讨论了对已定义业务问题的需求。但是，我与企业交谈时遇到的问题是“我需要做一个预测性项目，但我不知道该做什么。”
如果没有要解决的特定问题，那么你的员工只做处理希望找到有趣事情的数据。在没有特定目标的情况下处理数据是非常昂贵的，并且通常会浪费你公司的时间和金钱。
例如：
想象一下，在决定要什么样的房子之前，先在互联网上搜索房屋。你会发现一些有趣的想法，但没有什么能让你“行动”购房。
开始进行预测项目之前，你首先需要知道要寻找的内容。
02
确定是要解决“ HR中与员工相关的流程问题”还是要解决“业务范围内与员工相关的业务问题”
例如：
Q：人力资源问题的例子：预测谁将退休；预测哪种培训将带来最高的出勤率；预测你当前的招聘流程将如何影响歧视性的招聘行为；预测贵公司对工程师的要求；
A：解决人力资源问题的好处：你正在解决对部门有意义的问题（通常仅对部门有意义）。
解决人力资源问题的不利方面：a）其他业务对你为解决人力资源流程问题所做的工作不会感到兴奋，并且难以量化解决人力资源流程问题对业务的影响。
Q：劳动力问题的示例：预测哪些应聘者将是公开销售职位的最佳销售人员，预测哪些呼叫中心代表将适合作为呼叫中心经理；预测哪些卡车司机会发生更多事故；
A：解决劳动力问题的好处：你将解决对整个企业都有意义的问题，因为这很可能会影响收入或成本。这将为你的项目提供更多的可见性，并为正在进行的预测工作提供更多资源。
解决劳动力问题的缺点：在他们看到你可以做的会影响收入和成本的工作后，你可能会从企业那里收到更多有关预测性工作的要求。
03
将HR数据与业务数据相结合
如果你希望预测和解决业务部门中的劳动力问题（例如，增加销售，减少错误，增加每天的致电等），则业务部门中的结果数据存在于业务部门中的软件系统中，而不是人力资源部门。
例如，销售绩效或每日呼叫数据存在于Sales Operations或Call Center或某些其他非HR数据库中。
没有销售部门的销售数据，你将无法预测哪些销售候选者将做出其销售数字。你需要使用业务线数据和HR数据。除非你只想预测会影响人力资源的事情，否则你也将需要业务领域的数据。
04
超越预测趋势
个体”预测可提供最大的投资回报率。
多年来，许多部门一直在预测趋势。实际上，我们听到的许多预测项目实际上都是较早的预测项目，我们需要超越预测范围，以提供可激发你的ROI。
预测示例：
预测未来的通货膨胀率？
预测产品需求？
预测未来1-5年的劳动力趋势？
预测明年下个季度的销售额？
尽管预测是非常必要的，与现代预测分析计划完全不同。为了获得现代预测功能的投资回报，组织需要转向针对个人的预测。
预测“针对个人”的示例：
预测哪个特定的求职者最有可能成为表现最好/表现最差的人？
预测哪个特定的潜在客户会点击优惠券并购买优惠？
预测哪个特定供应商将倒闭？
预测到此粒度级别的能力应该是现代预测项目的目标。ROI较高，因为它可以帮助你的公司以低成本或高收入潜力目标来采取特定行动。
05
超越对“现有员工”离职风险的预测
雇用候选人之前，要对离职风险做出预测。
许多公司专注于预测现有员工的离职风险，这是一项早期的预测项目。这让我想起了一家银行预测哪些贷款将在“已经”贷出资金后“失败”。关系扩展之后是错误的时间，太晚了。
现代的预测分析使你可以预测“之前”。这才是重点。在犯错误之前进行预测。银行投入了大量精力来创建预测模型，以预测你在发放贷款之前偿还或拖欠贷款的可能性。