用算法和員工對話

陸易

每天，全世界的人要發送超過2000億份郵件，無數條微博、朋友圈。單單通過人力沒辦法從這些龐大的數據里找到頭緒，把信息中的主題和眾多信息所呈現的趨勢連接起來。不過，人做不到的事，計算機正在慢慢學著做。

經過超過10年的研究，研究人員已經成功開發出一些計算機程序，能夠獲取大量信息，并通過抓取的數據理解一個想法或者一個產品所激蕩起的人類情感。有了這種技術，老板們可以聽到員工們真正的心聲。

情感分析的出現和應用

情感分析又稱為傾向性分析或者意見挖掘，指的是計算機對帶有情感色彩的主觀性文本進行分析、處理、歸納、推理的過程。

這一技術首先被應用于市場調研。最初，公司運用算法來收集線上的客戶評論，以分析自己產品的用戶體驗或者了解競爭對手的產品特點。通過計算機算法所得到的信息比傳統的客戶調研（用戶填寫調查表，勾選滿意程度）能夠展示更多的用戶情緒和體驗信息。

后來，情感分析逐漸成為一個更大、更賺錢的產業。現在，一些初創企業專門為其他公司提供這種分析服務，而一些大的科技公司內部則自行開發了內部的情感分析軟件。

現在，許多企業已經開始面向內部員工使用這些情感分析技術。英特爾、IBM、推特等公司已經開始用軟件來了解自己的員工，了解員工們對于工作的感受，并且能夠通過算法盡早發現在年度評價中被忽略的問題。

企業了解員工的新途徑

一個企業想要發現運營中存在的問題其實并不容易。管理者需要運用社交傾聽的能力，引導下級真實地反映自己的所思所想，還要有效地摘除冗余的馬屁、無用的意見，最終篩選出真正有效的建議。這既考驗管理者的智慧，又占據著公司精英的寶貴時間，繁雜低效。但決策者如果因此就不去了解員工的思想，就不能及時發現公司存在的問題，也就很難做出正確的決定，經營的狀況很可能會因為某個工作節點的失誤而走向滑鐵盧。現在有了情感分析技術，過去花一兩個月時間都不一定做得到的事情，依靠技術就能夠實時反映出問題，了解員工的真實想法。

美國著名的社交網站推特公司雇傭了一家分析公司專門對員工的工作情況展開調研。調研每年進行兩次，內容包含許多開放式問題。推特每個月向1/6的員工發送這些調查表，增加了開放性問題的比例。分析公司的分析工具會仔細從這些開放性問題的回答中摘取重要信息，進行分析，將得到的結果提供給高管參考。

其他公司關注于正式審核或調研以外的信息材料，比如員工閑聊的內容。員工的不滿或者意見通過統一的調查表格很難看得出來，為了了解員工的真實想法，以及驗證公司政策的實際運行效果，IBM公司多年來在公司內部的社交網絡平臺收集員工發布的個人狀態和他們的評論。

IBM公司的這個平臺叫做“連接”，IBM公司遍及全球170多個國家的38萬員工都在使用這一平臺。它集合了臉書、云盤和維基百科的多種功能，員工可以在這個內部平臺上發布狀態，評論他人發布的內容，設立群組。他們采用一款內部開發的情況分析工具——“社交脈搏”監測員工發布的狀態和他們的留言，找尋數據的流向，標注大家普遍反映的意見趨勢。

去年，IBM甚至做出調整，將這個程序加入到員工績效考核體系。人力資源部門專門建立了一個論壇，對設立新系統征求反饋意見和建議，他們收到了幾十萬條回復。IBM沒有依靠人力去梳理這些回復的內容，而是通過社交脈搏來獲取需要的數據。這一軟件成功幫助公司了解到一些員工的不滿：員工不希望用曲線評分標準（又稱正態評分，不是按照實際表現的成績，而是按照一定的正態分布劃定等級，并不能準確反映出員工的績效）來衡量他們的表現。因此，公司立即做出回應，廢除了這一舊制度。

要了解，也要尊重

上文所說那個幫推特分析員工調查結果的軟件公司，還提供面向整個工作和社交網絡的反饋分析服務。他們的一種產品能夠進行“員工敬業度跟蹤”，隨著時間變化追蹤員工的情緒，判斷其處于積極情緒還是消極狀態當中。公司領導可以運用這個產品中的搜索功能，查看員工的情緒狀態分析，因人制宜地分配工作或者發布消息，避免效率低下或者造成不必要的沖突。

體察員工的情緒狀態和真實意見固然是出于好的意圖，但是一不小心就可能踩過界，窺探到別人的私人空間。如果把信息挖掘的來源從員工調查表和員工反饋拓展到社交媒體監察，很容易侵犯員工的個人隱私。正是因為這樣，IBM限制其數據來源，只從全公司共享的文章和評論中獲取數據，不觸碰郵件、對話框或者私人小組的互動內容。

亟待改進的分析技術

現階段，情緒分析技術還很不成熟。計算機理解人類自然語言的能力還很有限，想要準確理解人的意思非常困難。一項研究測試了基本分析工具分析郵件信息內容的能力，發現分析工具理解人類意圖的準確率不超過30%（不過，讓兩個人來做同樣的事，準確率也只能達到75%）。依靠計算機算法來進行情感分析雖然便捷高效，但是僅僅依靠這一技術似乎是不夠的。

檢測人類元素仍然是情緒感知算法中非常重要的一項工作。即便是IBM公司用了3年的社交脈搏軟件也需要人類參與輔助工作。該系統需要一組人類分析師定期檢查系統所辨認的信息流，確保系統在得出結果并送交給管理者之前能夠正確理解數據。

機器學習技術的發展使得計算機算法理解人類文字的能力已經有了很大程度的提升，但是研究者們不局限于這一種途徑，許多科學家已經開始找尋各種新手段來優化情感分析技術。兩位印度的計算機科學家去年發表了一篇論文，提議采取新的方式確定員工的態度和幸福感——面部識別。他們所創造的系統在每次員工進入公司的時候采集他們的面部信息，辨別他們的情緒是開心、傷心、沮喪還是憤怒，這樣可以根據這些數據來優化分析生產率和員工績效。