导语

人力资本是企业的核心资源，而网络科学方法的兴起和企业级聊天软件的普及，使得分析企业人力资本，找到组织中的关键节点、创新者、结构洞，成为可能。本文介绍了网络科学在企业人力资本分析中的应用，以及如何构建企业级的社交关系分析模型。

---

 

2018年11月，美国加州大学圣巴巴拉分校副教授Paul Leonardi和美国西北大学商学院和传播学院教授Noshir Contractor在《哈佛商业评论》发表文章《更好的人力资本分析》(Better People Analytics)。

 

研究者指出，使用来自员工的个人信息数据来进行人力资本分析受到了很多炒作，甚至赢得了主流的认可。然而，这些分析仅限于员工的个人属性信息，大多数公司对哪些人才维度会影响其组织绩效缺乏了解，因为他们忽视了员工之间的交流互动这样的信息的重要性。

 

研究表明，员工的成功与他们与别人的交流模式有关，这也是“关系分析“作为一个新领域的重点。关系分析的关键是要企业社交网络找到“结构特征” —— 社交网络中的模式，这些模式可以预测谁是“智多星”，哪些非高层领导的员工具有影响力，哪些团队将效率高，创新力最好，公司中存在的信息孤岛以及公司承受不起损失。

 

本文描述了需要关注与企业相关的社交网络结构特征、以及大多数公司建立关系分析模型所需的原材料：企业内部的交流数据。

 

人力资本分析：做或不做？

 

目前，超过70%的公司认为人力资本分析是当务之急。这个领域的案例分析，例如谷歌的氧气项目（Project Oxygen）找到了这家科技巨头的最佳管理人员的实践手段和策略，然后将其用于管理方面的辅导课程，以提高绩效低下的员工的业绩。再例如戴尔（Dell）为提高其销售人员的成功率所做的尝试，也表明了人力资本分析的力量。

 

但炒作出来的泡沫已经与现实大相径庭。事实上，在过去十年中，人力资本分析仅取得了微不足道的进展。印度的著名信息技术咨询公司，塔塔咨询服务公司（Tata Consultancy Services）进行的一项调查发现，只有5％的大数据投资投向了人力资源部门。德勤（Deloitte）最近的一项研究表明，尽管人力资本分析已成为主流，但只有9％的公司认为他们对哪些关于人力资源的维度驱动组织绩效具有很好的了解。

 

如果如贴纸所示，人力资本分析团队有图表和图形来支持它们，为什么企业没有遵循结果执行相应的策略和管理方案？研究者认为，这是因为，大多数情况下，人力资本分析都采用有限的数据分析方法，也就是说，当有关人与人之间的相互作用的数据同等重要时，他们仅使用有关个人的数据。

 

向关系分析转型

 

人与人之间的互动是我们称之为“关系分析”（Relational Analytics）的一门新兴学科的重点。通过将其纳入人力资本分析策略，公司能更好地找到最具创新能力、最具影响力、和最员工。公司还将了解他们无法承受失去的关键参与者以及组织中的孤岛。而用于关系分析的“原材料”已经存在于公司中。通过电子邮件交换、和公司内部的社交平台上的聊天和文件传输、创建的数据，是公司的“数字资产”。通过进一步的数据挖掘，公司建立起相应的、预测功能强大的关系分析模型。这是人力资本分析从基于问卷的回答向利用数字跟踪数据（Digital Trace Data）建立网络的转型。

 

目前的人力资本分析侧重于个体本身的特征和其他信息，这些信息都是独立于其他个体的，比如：年龄、种族、性别、受教育程度、奖金的多少、上下班的距离、缺勤的数量等等。而关系分析是把个体本身的信息考虑在内的条件下，更侧重于研究员工之间和对外的关系。

 

关于个人属性信息的分析是必要的，但还远远不够。个人属性信息数据的汇总看起来像是关系数据，因为它涉及一个以上的人，但事实并非如此。关系数据例如捕获一天中不同部门中两个人之间的通信。简而言之，关系分析是人类社交网络的科学。

 

数十年的管理学和组织传播学研究表明，员工之间的关系及其个人属性信息可以解释其在工作场所的绩效。关键是找到社交网络中的“结构特征”：与绩效好与不好相关的网络数据结构特征。就像神经科医生可以识别出预测双相情感障碍和精神分裂症的大脑网络中的结构特征，化学家可以查看液体的结构特征并预测其动态脆弱性，组织负责人可以查看公司社交网络中的结构特征并进行预测。

 

关系分析的六个结构特征

 

下面，我们就来看看关系分析的六个结构特征：

 

 

在应聘过程中，大多数公司试图通过教育背景、工作经验，性格、和智力等个人属性信息来找到“智多星”，也就是点子多的人。这些信息固然重要，但它们并不能帮助我们看到人们从他人那里获取信息或者他们的信息来源的多样性。点子很多的人通常将一个团队的信息与另一团队的信息进行综合，以开发新的概念，他们把在一个部门中的解决方案进行微调，放在另一个部门中解决问题。换句话说，他们在网络中占据中介（Broker）地位。

 

社会学家Ronald Burt制定了一项衡量指标，以表明某人是否处于中介地位。它被称为“局限性”（Constraint），表示一个人在收集独特信息时的局限性。在对银行家，律师，分析师，工程师和软件开发人员等不同人群的研究（Burt, 2004）之后，他发现，收集信息的局限性低的员工（不受小型，紧密的社交网络约束）更容易产生新颖的观点。

 

在另一项研究中，Burt跟随美国一家大型电子公司的高层，用关系分析来确定600多家供应链经理中最有可能提出提高效率的想法的人。他们使用调查从经理那里征集了这样的想法，同时在他们的网络上收集了数字跟踪信息。之后，高级主管对每个提交的想法的新颖性和潜在价值进行评分。结果发现，能够预测员工是否会产生有价值的想法的唯一个人属性信息是在公司的资历，并且其相关性不强。使用“信息局限性”这个关系分析的衡量指标则要强大得多：在网络中展现出来的供应链经理比具有高局限性的经理更有可能产生好的想法。

 

Paul在一家大型软件开发公司所做的研究（Rhee & Leonardi, 2018）证实了这一结果。该公司的技术研发部门是一个“山洞人的世界”（caveman world）。尽管它雇用了100多名工程师，但平均每个人只与另外五个人交谈，而五个人通常只互相交谈。

 

这种高信息局限性的社交网络在公司中非常普遍，尤其是那些分工明确的组织。但这并不意味着没有信息局限性低的人。有过软件公司的案例，关系分析能够帮助找出跨越多个社交网络的一些工程师。随后，管理层制定了相应的计划，鼓励这些工程师去做他们本来想做的事情，并很快看到他们关于产品改进想法的数量和质量都大大增加了。

 

 

提出一个好点子并不能保证它的落实。同样，仅依靠高管的命令，并不意味着员工会有效执行。实现想法需要企业中具有影响力的人。研究表明（Leonard-Barton & Deschamps, 1988），员工不是最容易被公司高层领导印象到，而是那些非领导角色中最具影响力的人。

 

如果是这样，高管应该只找出有影响力的员工，并说服这些人加入落实新的点子，就可以了嘛？错误。

 

与Paul合作的一家大型医疗设备制造商，在推出新的合规性政策时，尝试了这种说服有影响力员工的方法。为了散播对该政策的积极态度，管理团队与被最多同事评价为有影响力的员工分享了政策的好处。但是，六个月后，员工仍然没有遵循新政策。

 

为什么呢？关系分析中的反直觉的道理提供了一种解释：被大量同事称为有影响力的员工并不总是最有影响力的人。最有影响力的人是与他人（即使只有少数人）也具有紧密联系的人。而且，他们之间的紧密联系又与其他人之间有着紧密的联系。这意味着影响者的想法可以进一步传播。

 

影响力的社交网络结构特征称为“综合突出”（Aggregate prominence），它是通过测量一个人的人脉之间的连接程度以及人脉与他们的人脉之间的连接程度来计算的（搜索引擎使用类似的逻辑对搜索结果进行排序）。

 

于是，在医疗设备制造商的9个部门中，每个部门都通过关系分析确定了总突出得分最高的5个人。该公司询问他们对新政策的想法，大约四分之三的受访员工对此表示满意。该公司提供了可以减轻对政策变化的恐惧心理的信息，然后，等待结果。

 

六个月后，这九个部门中超过四分之三的员工落实了新政策。而在尚未使用关系分析的其余七个部门中，只有四分之一的员工有了落实。

 

 

我们可以用关系分析来衡量团队内部的化学反应、及其利用外部信息和专业知识的能力。

 

一项研究（Reagans, Zuckerman, & McEvily, 2004）分析了美国一家大型合同研发公司的1500多个项目团队。研究人员认为，获得各种信息、观点和资源的能力将改善团队绩效，故将人口统计学中的变量多样性对团队绩效的影响、与团队成员社交网络对团队绩效的影响进行了比较。结果显示，公司员工的多样性只真正表现在两类，即任期（tenure）和功能（function）。其他变量，比如，种族、性别和教育水平，已包含到职能这个变量中。但结果表明，这两个领域的多样性对绩效的影响很小。

 

不过，关系分析数据则提供更深入的洞察。研究人员发现，两个社会变量与更高的绩效相关。一个是内部网络密度（internal density），也就是团队成员之间相互联系的程度。高内部密度对于建立信任、承担风险、并就重要问题达成协议至关重要。另一个是团队成员联系的外部范围（external range），在具有较高外部影响力的团队中，每个成员都可以与团队外部的专家接触，这些专家不同于团队内部其他成员的联系人，这使团队能够更好地获取重要信息和资源。因此，高效团队的结构特征是高内部密度和高外部范围。

 

在此研发公司，具有此结构特征的项目组完成任务的速度要快得多。研究人员估算，如果公司30％的项目团队的内部密度和外部范围仅比平均值高一个标准差，则可将在17天内节省超过2,200个工时，相当于完成近200个其他项目。

 

 

具有高效结构特征的团队在创新方面遭遇“滑铁卢”，因为创新常常需要团队内部的一些分歧和冲突。

 

成功的创新团队有哪些其他条件？你可能会认为，将绩效最高的员工放在一起会产生最佳效果，但研究表明，这可能会对绩效产生负面影响。尽管常识是，当团队由不同观点的成员组成团队时更具创造力，但也有研究表明，团队成员的多样性并不是团队创新的良好预测指标，即使是将创新团队配备很多“智多星”，通常也不会取得比平均绩效更好的成绩。

 

但关系分析则用与团队效率相同的变量（内部密度和外部范围）来建立创新团队。但是，公式有所不同：创新团队的结构特征是高外部范围和低内部密度。也就是说，我们希望团队成员具有广泛且不重叠的社交网络以获取多样化的想法和信息。

 

为什么？团队内部紧密的互动会导致相似的思维方式和更少的矛盾。这对效率有好处，但对创新不利。最具创新精神的团队之间存在分歧和讨论，有时甚至是冲突，这些分歧和讨论会产生突破所必需的创造力。所以需要在创新和效率之间取舍，找到平衡点。

 

较高的外部范围不仅需要引入新的想法，还需要获得资源的支持。创新团队必须筹集资金，并销售他们的想法，因此，人脉广泛的外部人员会对他们的成功产生重大影响。

 

几年来，Paul与一家大型美国汽车公司合作，该公司试图改善其产品开发流程。每个全球产品开发中心都有一个由专家组成的团队来应对这一挑战。计划负责人指出，他们会选拔具有适当职能背景的人员，一贯地进行创新工作，并确保他们来自不同背景并且年龄不同。换句话说，研发中心是使用属性分析来形成项目团队的。

 

但是，新的印度研发中心的经理一直无法组建一支多元化的团队：该中心的所有工程师的年龄大致相同，背景相似，职级也差不多。发现了这个问题后，经理选择了在不同办公室从事项目、并在不同区域工作的工程师，从而自然创建了一个更多元的团队。

 

碰巧，这样的团队也显示出较低的内部密度。其成员可以自由辩论，并进行测试以解决意见分歧。一旦找到新的程序，他们便回到了外部联系上，利用他们作为有影响力的人，可以说服他人验证他们的工作。

 

三年后，印度研发中心的团队比其他任何团队都产生了更多的创新。五年后，它产生的创新点子和开发几乎两倍于其他所有团队的总和。于是，该公司开始用关系分析来补充其属性分析，以重新配置其他地区的创新团队。

 

 

每个人都讨厌信息孤岛，但这对于现代企业来说是难以避免的。随着组织内发展出来的专业知识领域、职能、以及部门和部门的协作几乎不可避免地变得越来越少，员工们讲的技术语言不同或目标相同。

 

我们通过衡量其模块化程度（Modularity）来评估组织内的信息孤立程度。最简单地，模块化是组内通信与组外交流互动的比率。当内部与外部的互动比率大于5：1时，该团队将处于不利状态。

 

最值得注意的信息孤立组织之一，是一个小型的非营利性消费者权益保护组织，该组织希望了解其网站访问量为何下降。芝加哥办事处的60名员工分为四个部门：业务，运营，市场营销、以及财务。每个部门对发生的事情都有不同的想法。

 

分析表明，所有四个部门的内部和外部联系比例均超过了5：1，最极端的情况是比率达到13：1。当然，运营部门的工作重点完全放在访问该站点的消费者的行为上，运营部门的员工收集了大量数据有关何时何地人们来站点评价公司。而其他部门甚至都不知道运营部门收集了这些数据，而且运营部门也并不知道其他部门可能会觉得这些有用。

 

为了解决该问题，该组织要求每个部门中的特定员工进行联络。他们召开了每周一次的会议，各部门的经理聚在一起讨论他们的工作。每次会议定不同的主题，与主题相关工作的下层员工也加入相应的会议参与讨论。

 

简而言之，这家非营利组织建立了部门直接交流的渠道。结果，运营部门了解到，营销和公关发现将特定行业中越来越多的投诉与某些天气模式和季节相关，因此运营部门的员工将这类信息考虑在他们的数据分析中，开始以新方式分析数据。

 

尽管“中间人”可以帮助将信息从组织的一部分转移到另一部分，但是过分依赖“中间人”会使公司脆弱。

 

以员工艾文为例，他曾是全球顶级消费品公司之一的包装部门经理、多个部门的联络人。他定期与世界各地的同行和供应商交谈。但在组织结构图上，阿文德没有什么特别的：只是一名工作能力较强的中层经理。公司面临像艾文这样的员工流失的风险，因为没有明显的特征表明他们的重要性，因此公司要等到消失后才知道他们的能力。

 

没有艾文，包装部门将缺乏稳健性。如果从其中删除节点（员工），则可以维护连接时，网络将很健壮。在这种情况下，如果艾文离开公司，则某些部门将失去与其他部门和供应商的所有联系。

 

并非艾文不可替代，他只是没有被“备份”。该公司没有意识到没有其他节点在进行他提供的必要的网络连接。这使它变得脆弱：如果艾文病了或休假，工作进程就会变慢。如果艾文决定不喜欢其中一个供应商并停止与之互动，工作进程就会变慢。如果艾文忙得不可开交，无法跟上他的许多人脉关系，工作进程也会变慢。

 

在Noshir向公司展示包装部门的这一问题的那天，他进入了一个装满蛋糕和糖果的董事会会议室。一位高级主管高兴地告诉他，该公司正在为艾文举办一个送别聚会，因为艾文正准备退休。聚会继续进行，但在公司了解到艾文的重要性之后，他们达成了一项协议，将艾文留了几年，同时，利用关系分析提供了一些继任计划，以便多个人可以担任他的职务。

 

思考与结语

 

隐私泄露丑闻频出，从剑桥分析到谷歌的“南丁格尔计划”，公司收集关系数据带来了新的挑战。尽管大多数雇佣合同都赋予公司记录和监视在公司系统上进行的活动的权利，但一些员工仍认为被动收集关系数据是对隐私的侵犯。公司需要制定关于数数据收集与分析的明确的人力资源政策，以保护员工的知情权、帮助员工理解公司的决定。

 

人员分析是一种制定循证决策的新方法，可以改善组织。但是在早期，大多数公司都将重点放在个人属性分析上，而不是他们与其他员工的关系上。利用关系分析，公司可以发现员工，团队或整个组织实现绩效目标的可能性。他们还可以根据员工网络的变化或特定的管理需求，借助算法的力量，来调整员工分配。关系分析增强公司的决策标准，建立更健康，幸福、生产力更高的组织。

 

相关文献：

 

[1]. Burt, R. S. (2004). Structural holes and good ideas. American journal of sociology, 110(2), 349-399.

 

[2]. Reagans, R., Zuckerman, E., & McEvily, B. (2004). How to make the team: Social networks vs. demography as criteria for designing effective teams. Administrative science quarterly, 49(1), 101-133.

 

[3]. Rhee, L., & Leonardi, P. M. (2018). Which pathway to good ideas? A n attention‐based view of innovation in social networks. Strategic Management Journal, 39(4), 1188-1215.

 

[4]. Leonard-Barton, D., & Deschamps, I. (1988). Managerial influence in the implementation of new technology. Management science, 34(10), 1252-1265.

 

[5]. Leonardi, P., & Contractor, N. (2018). Better people analytics. Harvard Business Review.

 

原文地址：

https://hbr.org/2018/11/better-people-analytics

翻译：吴雨桐

审校：刘培源

编辑：张爽