基于大數據挖掘分析的人力資源效能分析模型設計

張小暉 俞濤 郝潔

摘要：針對電信運營商長期以來用工總量大、人力資源效能低的問題，積極探索和開展人力資源領域數字化轉型實踐。依托數據中臺的集約化能力，整合拉通全域數據，基于大數據挖掘分析結果，建系統上手段，全生產場景嵌入賦能，聚焦不在崗和低產能人員，嚴格考核退出，提高用工效率，提升員工產能，關注一線群體產能與薪酬分配一致性，推動獎優罰劣和按勞分配，激發員工活力，最終實現用工配置—產能—薪酬的“三透明”。

關鍵詞：數字化轉型數據中臺數據賦能產能提升

中圖分類號：N945.23文獻標識碼：A ? 文章編號：1672-3791（2022）01（a）-0000-00

Design of Human Resource Efficiency Analysis Model Based on Big Data Mining Analysis

ZHANG Xiaohui ?YU Tao ?HAO Jie

（Digitization Department of Hebei Branch of China United Network Communication Co.， Ltd. Shijiazhuang， Hebei Province，050011 China）

Abstract： Aiming at the problems of large total employment and low human resource efficiency of telecom operators for a long time， we actively explore and carry out the practice of digital transformation in the field of human resources. Relying on the intensive ability of the data center， integrate and connect the global data， build systematic means based on the analysis results of big data mining， embed empowerment in the whole production scenario， focus on off-duty and low productivity personnel， strictly assess and exit， improve employment efficiency， improve employee productivity， pay attention to the consistency between the production capacity of front-line groups and salary distribution， and promote reward for the good and punish the bad and distribution according to work， Stimulate the vitality of employees and finally realize the "three transparency" of employment allocation， capacity and salary.

Key Words： Digital transformation; Data center station; Data enabling; Capacity improvement

1電信運營商人力資源領域存在的問題分析

運營商人力資源領域多年積累的“灰犀牛”問題，已成為阻礙企業改革縱深推進和實現高質量發展的關鍵因素。主要存在以下幾方面問題。

（1）人頭數不準。基礎信息靠手工統計，層層上報數據不準，多頭來源差異大，往年統計人員，3個部門3個數，相差達上萬人。

（2）科學配置成空話，人力資源效率低。數據不透明導致始終弄不清各個崗位配置了多少人？多少人在崗？多少人干活？干的什么活？干的怎樣？掙錢多少？導致只能被動接收低效結果，平均主義“大鍋飯”普遍，薪酬與產能一致性較差。

深入剖析上述問題，究其根源是管理能力薄弱、數字化技術手段落后。企業痛定思痛，從零起步，樹立治標更要治本的決心，以“員工數字化”為突破口，通過“人的勞動行為特征”進行大數據建模，積極構建全生產場景嵌入式人力資源賦能體系，探索實現用工配置、產能和薪酬分配的可視、可管、可控。

2基于大數據挖掘分析的人力資源效能分析模型的構建過程

在項目推進的過程中，經過不斷摸索，持續優化，最終將核心建設流程細化分解為業務調研、數據調研、崗位寫實、模型確定、數據采集、數據建模、結果透視7個步驟。

2.1起步：業務調研

業務調研是整個項目的起點，是產品研發前期的鋪墊性工作，也是最重要的基礎工作之一。調研摸底的內容全面、準確與否，直接影響著產品設計和開發質量的好壞，以及使用者對于產品的滿意程度[1]。通過大量的走訪調研，對于一線人員日常工作職責、工作項目及權重、關鍵行為動作、關鍵產出指標、崗位特征、工作成果衡量標準等內容有了較為深刻的了解，并據此整理形成調研結果文檔，作為后續工作開展的依據。

2.2摸底：數據調研

數據調研是另一項關鍵的基礎性工作，數據源是否具備決定了整個項目開發的可行性和后續推進方向[2]。根據業務部門提出的崗位職責模板及前期業務調研的結果，對各個崗位的數據指標進行梳理和拆解，拆解完成后，逐一確認數據指標的業務口徑、是否可落地、來源系統，上游系統數據源是否具備條件、數據質量如何、采用何種形式支撐，并初步制定數據接口的對接方式、周期、范圍等內容。通過多方協調、集中調度，最終完成數據層面的前期摸排，為下一步工作的推進打下了堅實的基礎。

2.3畫像：崗位寫實

崗位寫實是從業務和數據角度出發，針對不同崗位的人員，起始于上班打卡，終止于下班離崗，將此過程中的崗位行為進行全流程、多角度的覆蓋和畫像[3]。崗位寫實的目的一方面是以業務規范為指導，結合該地實際工作情況進行對標和修正，將同一崗位的工作流程、行為特征等進行收斂和聚攏，務求形成統一的指標標準和行為規范，以便后續系統落地實現的過程;另一方面，通過構建“千崗千面”的畫像體系，可以較為輕松地對相近崗位的工作內容和性質進行比較和判斷，并根據實際情況分拆為不同的崗位，避免出現崗位設置大而不專、針對性差等弊端。

2.4轉化：確定模型

在準備工作全部完成后，需要基于崗位寫實結果及數據調研情況，將前期的成果轉化為明確的崗位規則，并依據規則形成在崗模型、產能模型、活躍度模型、薪酬一致性模型等內容，同時實現不在崗原因分析、低產能人員分析等能力。以下是各個崗位的崗位特征和產能規則計算示例。

2.4.1營業員崗位

崗位特征：需同時滿足3個條件，不包含值班經理和廳經理， （1）歸屬為自有渠道或渠道類型為標準/旗艦/小型廳 ;（2）當月登錄系統合計次數>10 ;（3）營業積分>0 。

產能規則為：營業積分，剔除收入積分、渠道服務積分（有效代理點渠道積分、有效營銷APP渠道積分、有效連鎖渠道積分、有效末梢渠道積分、有效專營渠道積分）、質量管控積分（紅線管理積分、調整積分、投訴扣罰積分）。

2.4.2智慧家庭工程師方位

崗位特征：需同時滿足兩個條件：（1）在冊崗位為智慧家庭工程師;（2）各系統登錄次數≥10次或當月有裝維工單量 。

產能規則為：基本維護量100×區域系數[市區：1;縣城：1;農村（山地）：1.5;農村（平原）：1.2;城郊：1.1;農村（深山區）：2;水區：1.5;壩上：1.5]+寬帶裝移機量×3+IPTV裝移機量×3+固話裝移機量×1.5+寬帶修機量×2+IPTV修機量×2+固話修機量×1+營銷發展積分×0.2+系統登錄次數*0.5+系統操作次數×0.2 （系統登錄次數200次封頂、操作次數200次封頂）+運維工作量（自助割接工單+重保工單+完成作業計劃數+團隊和領導交辦積分，4項加和150封頂） 。

2.4.3渠道經歷崗位

崗位特征：需同時滿足兩個條件：（1）歸屬為有效社會實體渠道（包括專營店/專區合作廳/代理店）;（2）在系統中下掛渠道數>0（不含清算渠道、管理本部渠道、特殊渠道、白名單渠道），或下掛末梢渠道數>0（渠道狀態為正常） 。

產能規則為：渠道積分，包括價值經營積分、規定動作積分、有效渠道服務積分、巡店駐店積分，剔除質量管控積分、自有渠道規定動作積分、社會渠道服務積分、社會渠道除巡駐店之外的規定動作積分 。

2.4.4行業客戶經理崗位

崗位特征：需同時滿足兩個條件：（1）崗位角色為行業客戶經理;（2）登錄系統合計≥10次 。

產能規則為：傳統業務存量收入保有率*100+新增創新業務收入（云大物標準產品+IDC）/100+新增創新業務收入（項目制自研產品）毛利值/100×2+（項目制非自研產品）毛利值/100+移網業務發展出賬收入/100×3+固網業務發展出賬收入/100×3+商機錄入數×1（10分封頂）+商機轉化簽約個數×5+傳統業務逾期欠費考核積分 。

2.4.5投訴處理專家崗位

崗位特征：需同時滿足3個條件：（1）在冊崗位為投訴處理專家;（2）符合客服系統中負責投訴處理工作人員;（3）客服系統處理工單總天數≥7天 。

產能規則為：重大投訴處理量×2+面訪投訴處理量×15+普通投訴處理量（普通投訴，滿意的按1個，不滿意的按0.8，未評測按0.9計算）。

基于上述規則，在模型建立的過程中，將規則分解成了一個一個更低維度的指標，針對每個指標對應的口徑，提取該崗位可量化的結果數據及相關影響因素，構建出崗位分析評價體系，搭建崗位能力分析模型，實現各類人員的智慧人力管理視圖。

2.5匯聚：數據采集

根據前期梳理的結果，通過數據中臺，初步實現了多域數據的采集拉通，并按需進行融合加工，輸出相應的結果，以滿足人力資源效能分析模型的建設需求。截止目前，共涵蓋各類系統近百個，采集方式包括文件、Kafka、API三類，支持實時、分鐘、小時、日、月等多種采集周期。

2.6實施：數據建模

為了分單位分崗位進行產能與績效薪酬相關性分析，引進了皮爾森相關系數公式，采用相關系數模型，公式如下 ：

r（X，Y）=Cov（X，Y）/（Var[X]Var[Y]）1/2

文字描述：用X、Y的協方差Cov （X，Y）除以X的標準差和Y的標準差的乘積。

系數解釋說明：通過公式反映各崗位產能與薪酬的相關性，

其中：Cov（X，Y）為X與Y的協方差;Var[X]為X的方差;Var[Y]為Y的方差。

r取值范圍為[-1，1]，通過數據測算和數據公式經驗可以得出│r│>0.8為強相關，0.3<│r│<0.8為弱相關，│r│<0.3為不相關，以散點圖的方式直觀展示同工同績效執行情況[4]。

對于兩個變量X、Y，具體敘述如下。

（1）當他們的相關系數為1時，說明兩個變量變化時的正向相似度最大，即：你變大一倍，我也變大一倍;你變小一倍，我也變小一倍，也即是完全正相關（以X、Y為橫縱坐標軸，可以畫出一條斜率為正數的直線，所以X、Y是線性關系的）。

（2）隨著他們相關系數減小，兩個變量變化時的相似度也變小，當相關系數為0時，兩個變量的變化過程沒有任何相似度，也即兩個變量無關。

（3）當相關系數繼續變小，小于0時，兩個變量開始出現反向的相似度，隨著相關系數繼續變小，反向相似度會逐漸變大。當相關系數為-1時，說明兩個變量變化的反向相似度最大，即：你變大一倍，我變小一倍;你變小一倍，我變大一倍，也即是完全負相關（以X、Y為橫縱坐標軸，可以畫出一條斜率為負數的直線，所以X、Y也是線性關系的）[5]。

以上就是薪酬一致性相關系數公式的理解，簡單的總結如下。

（1）分子的協方差用來得到相關性。

（2）分母的標準差用來消除量綱（或變化幅度）的影響。

在此案例實施過程中，可以把每個員工看做一個點，看看每個點是否都在正相關的線上。系數=（產能和崗位平均產能的差值×薪酬和崗位平均薪酬的差值除以人數）/（產能和崗位平均產能的差值的平方/人數）×（薪酬和崗位平均薪酬的差值的平方/人數）[6]。

2.7展現：結果透視

數據建模完成并確認無誤后輸出透視結果，主要包含日透視和月透視，日透視包含實時在崗情況、實時上崗率、實時產出情況等，月透視包含但不限于在冊在崗分析、產能構成分析、薪酬一致性分析和人員畫像等。同時根據面向的對象不同，開發了大、中、小屏不同的版本，確保應用效果最大化。大屏為視窗，方便各級管理者隨時掌握總體情況;中屏為核心，面向各級主管，PC版全面聚焦不同專業線用工視圖、產能視圖和薪酬視圖關聯分析和展示;小屏為抓手，面向一線人員，手持版展現每個員工的實時在崗行為、低產能、不在崗等信息，同時根據員工能力短板推送相應的策略，幫助員工快速提升個人業績水平。

3結語

此案例是電信運營商運營管理數字化轉型的一次成功實踐。依托大數據分析的精準施策，科學配置工作量與用工量之間的關系，逐步解決人員底數不清，配置不透明，分配不公的矛盾;解決用工總量大與部分崗位人員緊張的矛盾;解決新陳代謝率低，隊伍板結化突出的矛盾，并已取得了突出的成效。

參考文獻

[1] 劉玉霞.大數據應用與人力資源市場監管體系優化分析[J].今日財富，2021（15）：215-216.

[2] 盛華挺.基于大數據視域的智慧人力資源管理研究[J].企業改革與管理，2020（22）：99-100.

[3] 賈友軍.組織戰略視角下人力資源效能提升研究[J].現代商業，2020（13）：66-67.

[4] 江巍，王二寶，高楊.運用大數據提升軍事人力資源管理效能[J].通訊世界，2019，26（1）：318-319.

[5] 寧本榮.人力資源管理的新時代風險挑戰與化解戰略[J].領導科學，2020（24）;91-94.

[6] 吳永強.基于心理契約的員工關系管理有效性研究[J].經營與管理，2021（10）：85-92.