Adobe的股票
或有工人的数量持续快速增长,因此许多公司现在拥有远程员工和全球劳动力,管理队伍的劳动力变得更加复杂。商业领袖没有最新的见解从范围广泛的劳动力数据源不能正确执行他们的计划。
“它变成了一个战略优势的公司有足够的正确的数据,”达斯汀·伯吉斯说,高级副总裁箴无限北极星HCM组,劳动力技术提供商,帮助来源,跟踪和分析劳动力队伍。“如果你没有足够的数据提取和机制,确保数据及时、准确和公正——你不会那么聪明或竞争性采购候选人的时候,不管你的公司的具体流程。”
困难从全球大流行已经加剧。的挑战——包括即时和now-sustained远程员工、供应链延迟,工人分类问题,新的工作场所安全协议,更多的就业选择找工作,和其他人——创造了意想不到的,有时是多方面的,相互关联的问题。
,在一切之上,一些企业面临大量的裁员或辞职。
底线是,公司需要高效、有效的方法来吸引、保留和重新部署人才尽管目前气候。的秘密武器来解决所有的这些,与传统的或有员工管理问题,是劳动力数据。
但不是任何数据。公司需要积累大型数据集,解决他们的具体需求,然后能够分析数据战略,导致商业智能支持劳动力或有项目管理和更大的业务决策。
更多地了解将数据和分析纳入的影响或有工作计划,和伯吉斯我们说更多,他是高级副总裁PRO无限的北极星HCM组。
问答与PRO无限劳动力数据
在非雇员劳动空间,当前的谈话似乎包括说服数据以某种形式或另一个。企业如何获得他们所需要的数据,为什么合作重要?
达斯汀·伯吉斯:数据一直是我们的客户感兴趣,但现在肯定更相关。公司访问大量的定量和定性数据,这可以让他们了解很多新的角落或有劳动力的项目管理。因为我们获得这么多数据,它必须使用的方式,真正给组织带来的价值。这意味着研究所变化有合适的合作伙伴。
有许多组织提供数据和分析咨询、和他们非常擅长他们所做的事情。然而,他们不理解我们的数据空间的行业专家。他们的建议来改进操作和降低成本最终会增加摩擦和时间来填补。
我们相信提出建议如何优化劳动力队伍应该来自那些了解下游影响被建议通过数据的变化。很关键的工作与解决方案提供商,全面理解和解释数据,所以可以做出明智的决定,最好的满足您的组织的目标。
大多数公司使用内部和外部的组合数据,但是所有的管理,洁净,评估价值和有效性,解释和分析。还应该考虑安全。随着世界变得更加紧密,有更多的数据,带来更大的安全问题,需要专家监管导航。公司在国家和全球最新的参数在数据收集、安全和隐私,这需要技术和专家的合作伙伴,可以实时更新操作。
概念的收集、分析和整合劳动力数据到程序操作似乎是件很难的事。公司开始在哪里可以在他们需要的时候建议关于如何改变现有的业务吗?
有许多路径进入谈话和许多的信息来源。行业分析师和机构像花事项或新航可以帮助企业更好地理解空间的和球员。那么重要的是拥有正确的对话与技术和解决方案提供商,以及其他公司采用了类似的解决方案集。
公司需要评估的专业知识的广度和范围,全球能力,技术产品和合作伙伴。只有通过对话——无论是RFP的过程中,正式的信息收集采访或更随意的谈话——消息灵通的决定。
我们通常先讨论你的组织的挑战,是采购什么类型的职位,未来需要已确定,百分之多少的劳动是偶然与全职,哪些数据已经被收集并用于基准测试。不存在放之四海而皆准的蓝图,因为每个组织设置不同。和现有的公司规模不是一个指标项目的成功。有时大公司难以控制他们的庞大计划。我们进入每种情况准备发现尽可能多的相关信息和数据,然后建立一个个性化的方式来帮助我们的客户实现他们的商业目标。
有这么多的员工可以从内部和外部来源的数据。公司应该寻找什么类型的数据来支持他们的业务目标?
通常,公司转向自己的内部系统的基本层的数据。通常是最值得信赖的来源可以来自多个部门如财务、人事和采购。申请人提供的数据可以包括跟踪、发票、支付存根,供应商付款,1099年代,徽章和权限发布和撤销、或其他帮助建立非雇员工人的地位和数量。
外部数据可以来自许多来源。等我们获取数据从公共网站LinkedIn和其他招聘网站。美国劳工统计局(Bureau of Labor Statistics)提供了一个服务,它允许我们将在其他类型的公共信息。
我们也支付各种审查来源的数据给我们的客户在许多方面更完整的信息。我们发现,当地市场数据是非常宝贵的,因为它允许我们评估geography-based候选人供给和需求,当地竞争和利率。这是至关重要的,当你设计雇主品牌战略,特别是如果你有一个健壮的远程工作。当公司拓展新国家,例如,当招聘决策数据是绝对必要的。
我们从网络收集的一部分,数据可信的合作伙伴。我们的网络超过10000员工的公司坐落在世界各地提供了当地的市场情报,对趋势告诉我们,监管改革和受欢迎的技能。
总的来说,我们拉来自大约40000数据源的数据,这意味着必须有一个强大的数据验证的过程。任何解决方案公司选择管理他们的数据必须是技术驱动的,因为庞大的数据量太大接受人工审核。技术应该包括控制数据可以合成为现有系统,从风险提供保护。
现有的数据量似乎无穷无尽,这也让感觉有点势不可挡。为什么它是重要的有这么多不同的数据来源?
公司受益于使用广泛的数据地址他们的当前和未来的需求。是很重要的组织看看各个组件如何融入更大的决策过程,以确保他们正在考虑所有的组件,可能会影响他们的业务目标。
现在,多样性,股本和包容(DE&I)是新兴的数据主题,无论行业。从历史上看,大多数组织跟踪供应商多元化,但谈话已经实质性转向候选人和工人。这种变化创造了一个灰色地带周围可以被追踪到,什么可以问,什么应该自我报告。大多数组织依靠自我报告和一定程度的推断多样性指标验证;他们也开始跟踪进度。无论什么类型的DE&I数据我们的客户正在寻找他们想要的信息,这是实现目标的关键。
直接采购数据也更加重要,因为工人们更多的选择和正在看雇主品牌做出自己的决定。这个地区发生了改变传统的employer-of-record服务提供商解决方案,利用人工智能和机器学习促进候选人匹配。
技术允许公司搜索更广泛、更深层次的人才池和调整改变工作描述有变化时,候选人的反应或任何其他更改公司需要和候选人的可用性。解决方案提供商应该监控品牌运动的成功,在市场利率变化和员工的满意度。
工人的经验,与雇主品牌,应该是每个公司的一个组成部分的数据,这样他们就可以真正理解什么是工作,什么是不安全的。我们促进NPS调查和其他信息收集工具引起数据整体满意度之类的问题,工人想要什么类型的好处,他们如何发现剩下的角色和他们的兴趣后一项任务已经结束。
重新部署对我们来说是一个有趣的用例,因为要想成功,它需要非常强大的数据。公司可以节省资金,减少时间,减少新员工培训时间,确保更好的文化适合如果他们能重新雇用工人已经熟悉和满意他们非雇员的经验。有健壮的数据可以告诉经理谁即将结束的合同,谁是适合即将到来的机会,一个工人的表现和当前法案率。使用这个数据可以有效地支持计划中有更少的滞后招聘和减少停机时间。
最热门的话题也许我们已经看到在过去的几个月里已经支付平价,但我们把它看作一个更广泛的问题。虽然我们绝对看股票支付,确保每个工人支付相同的利率相同的工作,我们也看看工作平价,组件的谈话有时被忽视。箴无限,这意味着我们利用人工智能和机器学习,确保应急工作描述是相等的,其中包括合同工和全职员工。
我们的技术确定是否有与技能方面,角色职责,教育需求和其他因素在整个工作分类。通过考虑到奇偶校验工作,公司可以妥善解决平价和股权问题,降低风险。
一旦一个组织决定将数据合并到现有的业务,他们应该寻找关于集成和互操作性吗?
是至关重要的,企业有能力进入其内部系统和有效地使用数据。在谈到数据人才,可以来自众多的部门和来源。现在正在注意到特定的技术,但这种选择需要用清晰的理解需要捕捉的类型的数据。和不能忽视的一点是,这些数据将在组织增加价值和在每个不同的流程。有一个正确的位置插入数据,它将影响决策,它必须及早插入过程中适当地通知这些决定。这是一个关键组成部分,因为它是一个对数据的访问,但如果不是可用之前的决定,它不能提供价值。
当寻找解决方案提供商,公司应该期待什么关于评估他们的现状吗?有常见的技术组件,在成功的项目中发挥作用?
公司成功地采用数据和利用技术解决方案,他们的供应商应该有一些评价机制来确定他们现有的系统和流程与他们想要的地方。我们看一下现有的劳动力队伍管理项目的成熟度和提问什么样的技术,管理程序,将一个新项目的目标。没有一个最佳方法建立和维护一个基于数据的程序,但有一定共性,是成功的。
这个品牌工作室后写的箴无限。
讨论: