直觉偏好型HR，凭经验、凭感知、凭主观判断。
数字型HR，对事实感兴趣，依赖数据，尊重规律；并拥有结构化、逻辑化、系统化的思维模式。
在这个日益复杂的环境下，企业成本居高步下、劳动力存量和结构发生巨大变化，新生代理念变化，过往的经验和直觉，逐渐失灵。HR必须向数据分析型转型和迈进。
但中国只有12%的HR职位要求懂数据分析，你做到了嘛？
2019年7月11日，「第三届南京人力资本创新峰会」顺利召开，共同探讨数字化时代的人才赋能方略，从容应对未来挑战。
盖雅工场劳动力管理专家邱伸在大会发表「裁员优化、税改、老龄化……复杂环境下 HR 如何搞得定」的演讲，以下为分享内容：
当今，我们正在面临前所未有的复杂环境，居高不下不的企业成本，以及前所未有的新一代劳动力，HR职业本身也在面临巨大的挑战，在这样复杂的情况下，HR该如何应对？
新一代的HR要从直觉型HR向数字驱动型HR迈进，HR应该对事实感兴趣，依赖于数据，会尊重规律，拥有结构化、逻辑化、系统化的思维模式。要贴近业务，对多渠道的数据进行分析。
在过去的五年里面，亚太地区数据分析HR的人数增长是70%，而在中国只有12%的HR职位要求非常懂数据分析。如果你是一名懂数据分析的HR，就意味着你站在了时代的前沿。
那么在数字化转型的过程中，盖雅能提供什么帮助？
盖雅工场推出了数字驱动的 IPO 模型，帮助企业从洞察、预测和优化三方面提升劳动力效能，打造高效能团队和敏捷组织。
洞察的目的是了解现在。如今，大量企业的报告是滞后的，如果要洞察，我们需要做建模，可视化以及归因分析。
什么是建模呢？每天员工会做出大量的行为，很多企业都要考勤，员工的工号、时间和排班计划等数据整理好，就可以变成可视化的数据，就能看到我们需要看什么，什么在发生，以及如何让它更好地呈现。今天的出勤率，有多少人迟到、早退、没有打卡，有多少人这月加班超过了60小时，有多少人连续6天上班……所有的数据都直接从考勤机连到我们的屏幕上。数据收集完毕后，我们会进行归因分析，我们要基于这些数据来做判断：这些事情发生的原因、效率如何改善、风险如何控制、如何保证我们整个运作过程中的合规等。
预测我们谈两个方向：一种叫管中窥豹，看到事情的一部分真相；一种叫一叶知秋，通过这部分真相来推我们未来会发生什么。
那么，我们来举个例子：下图是我们为客户做的预测，图中红色曲线是实际业务量，绿色曲线是预测业务量，由图可见两种曲线高度贴合，其中劳动力的预测高达83%，这基于强大的盖雅智能算法云引擎，以历史数据和多种关联因素为支撑，企业可以预测业务量并智能排班、实时精细化考勤和工时统计、优化提升销售绩效和工时效率，让企业降本增效，塑造劳动力的竞争优势。
优化的目的是帮助企业提升效能，比如我们有一家这样的客户：某超市在国内有八百家门店，两千个全职员工，三千个兼职员工，那怎么组合排班更优呢？我们会给他三种可能性的排班，包括成本优先、效益优先、员工满意度优先三种不同的方向，企业可以根据自身情况选择合适的方案以完成排班。
盖雅工场利用神经网络算法和机器学习，可以测算出动态劳动力工时标准，这个标准会根据不同日期、时间段、业务量、门店或组织，以及工作任务等维度而动态变化，更贴近实际业务场景，同时也不像传统测量那么耗时耗力。
劳动力管理，盖雅搞得定。
扫码免费领取资料
更多相关阅读：
