企业为数字化做好准备了吗?

十分之七的人力资源(HR)主管表示,该职能已华体会体育彩票全站经准备好进行改造,但改变我们的工作方式并不容易。在与Workday执行董事Greg Pryor的对话中,IBM人才和转型实践管理合伙人Amy Wright分享了关于大流行、人力资源3.0和人力资源关键需求的启发性调查结果。

由于商业世界发现自己处于一个新的前沿,而且没有一个经过验证的剧本,我们通过一系列的五场对话将变革者聚集在一起。这些对话被称为CHRO Connect五个企业和个人的必要条件我们认为改变工作世界的因素包括:包容、数字化、赋能体验、敏捷组织和必要的技能(形成了首字母缩写IDEAS)。帮助人力资源领导人解决这些紧迫的需求,我们将分享见解从这些事件。

在我们关于数字化的对话中,Workday执行董事格雷格•普赖尔与IBM人才与转型业务管理合伙人艾米•赖特进行了对话。她从最近的一份报告分享见解,《加速迈向人力资源3.0:变革时代的10种转变方式》其中包括对来自十多个行业的1500多名人力资源主管的调查结果。

“仅在过去两年中,女性担任经理和更高级领导职位的人数就下降了5%。”

艾米·赖特管理合伙人IBM人才与转型

以下是他们对话的重点内容,为清晰起见进行了编辑。观看记录在这里

普赖尔说:在报告中,7的人力资源高管表示功能再造的时机已经成熟,但只有约10%的人力资源高管今天住3.0人力资源。你能告诉我们人力资源和人力资源的主要差异2.0是3.0 ?

怀特:首先,我想介绍一下向HR 3.0转变的重要性。在大流行期间,我们做了另外两项研究。我们调查了员工的计划、技能以及他们在疫情期间的工作感受。一个令人惊讶的结果是,四分之一的员工预计在2021年更换雇主,四分之一的员工预计在2021年更换职业。此外,另一项研究表明,由于如此多的妇女由于与大流行病有关的原因离开了劳动力,我们劳动力中妇女的代表水平大约是1988年的水平。我们已经失去了阵地,在过去的两年里,女性担任经理和更高级领导职位的人数下降了5%。这些发现提高了人才在工作场所的重要性——员工经验的重要性,以及将其提升到足够有意义的水平,这是人们留在自己公司的原因,或者他们可能选择加入另一家公司的原因。

现在再来看看研究本身:研究显示,表现优异的公司与表现平平的公司之间存在着巨大的差异。优胜者是那些从收入、利润和销售增长的角度看都比其他公司表现更好的公司。它表明,只有10%的公司达到了我们所说的人力资源3.0。

那么,什么是HR 3.0呢?1.0在很大程度上是在HR——我在HR工作了很多年——被亲切地称为人事管理的时候。这更像是一种合规、管理驱动的功能。随着2.0和互联网的引入,我们转向了共享服务,我们专注于数据的一致性,能够在全球范围内建立公共数据和人力资源信息系统。它使我们能够专注于流程效率。3.0是向数字化的转变——使用数据为员工提供非常个性化的、消费级的体验。它是在增强智能等领域使用数据的能力,不仅可以对你的员工使用关于过去的分析,还可以使用数据和增强智能(AI)预测未来可能发生的事情。

“技能的半衰期正在急剧下降,而人们在职业生涯中需要再技能培训的次数正在增加。”

艾米·赖特管理合伙人IBM人才与转型

向3.0的转变使公司拥有更可持续的劳动力模式和灵活性。虽然只有10%的公司能够一路走到3.0,但所有公司都在走同样的道路。

普赖尔说:的障碍是什么?为什么没有更多的人更积极地进入你所描述的3.0世界?

怀特:这很难,对吧?这不仅仅是,“嘿,我们有一个项目。让我们今年升级到3.0。”我们正在改变我们的工作方式——整个公司,不仅仅是人力资源部门,以敏捷的方式运作。因此,这些功能边界甚至存在于传统上被视为不那么困难的过程中,如入职培训,它涉及IT功能,安全,人力资源等,降低了这些障碍。你之所以能够做到这一点,是因为你以敏捷的方式运作,以设计思维为核心。使用设计思维意味着一切都与员工体验有关,从这个角度来看,组织边界不再重要。它把你的数据放在一个一致的地方,可以以不同的方式利用。

它还需要文化变革;不同的、透明的领导行为;和与员工互动的能力在一个非常不同的会让路给有权先行者-尤其是重要的现在,我们中的许多人是虚拟和营造未来与你的员工。

普赖尔说:在研究中,你确定了五个关键的必要条件,其中之一是由人工智能驱动的数据驱动决策能力。你能给我们举一两个让我们惊讶的例子吗?

怀特:其中一个有趣的研究发现是,表现优异的公司在分析和数据方面的投入是其他公司的四倍。这使他们能够做其他人没有能力做的事情。移动到3.0允许你以一种预测的方式使用数据,而不仅仅是报告过去,所以我们现在可以预测像减员这样的事情。公司可以根据其他具有相同特征的个人——地点、技能、薪酬、工作团队或其他可能的因素——推断技能并预测人员流失。公司也使用数据来确定哪些流程,如果有的话,有偏见嵌入。如果您可以使用数据来做到这一点,那么您就可以修复潜在的问题。

我们还可以使用数据和人工智能来确定我们需要学习哪些技能。例如,我的核心技能和你的不一样,我未来需要学习和成长的东西也不一样。我们也知道技能的半衰期是大幅下降,和人们需要的次数reskilled在他们的职业生涯是在增加1亿人需要reskilled在未来三年左右。这种获得更多技能的需求很重要,我们可以使用数据和人工智能作为一种方式,不仅可以帮助人们在未来保持竞争力,还可以帮助组织将个人的技能集与开放的职位相匹配。从基于角色的环境到基于技能的环境是至关重要的,因为技能差距对我们来说变得越来越重要。

更多的阅读