技能提供客观的数据基础和通用语言
从人员的角度来看,技能计划为员工和企业创造价值。从数据方面来看,大多数业务问题都可以通过技能数据来解决。客座作者兼人力资源思想领袖本·尤班克斯分享了他的见解。
从人员的角度来看,技能计划为员工和企业创造价值。从数据方面来看,大多数业务问题都可以通过技能数据来解决。客座作者兼人力资源思想领袖本·尤班克斯分享了他的见解。
这篇文章之前发表在社团的博客.
在工作场所讨论技能的时候,感觉就像是一个孤注一掷的命题。你要么做对了就能获得回报,要么做错了就再也没有机会解决技能难题了。我希望下面的这个比喻有助于说明为什么这根本不是真的。
一位陶艺老师站在她的教室前,告诉学生们,他们将在自己制作的陶罐上进行比赛。老师把学生分成两组:
第一组每天做一锅,每个学生可以提交他们最喜欢的一锅。
第二组将研究最佳实践,分析专家,并准备计划。然后每个人用他们所有的知识和能力制作一个罐子,并在30天的时候提交。
当要选出最好的罐子时,第一组包揽了所有奖项。
那么关键的教训是什么呢?我们都知道,在生活的许多方面,开始并改进是很重要的。没有人在第一天就跳上自行车骑10英里。没有人第一次坐在键盘前就能写出优美的小说。
我们通常想要等待并尝试着创造出完美的第一次射击,但通常情况下最好是从我们所知道的内容开始并不断迭代。
收入和留存率较高的雇主使用内部人才市场的可能性要高出40%。
发展以技能为中心的计划就是一个很好的例子。不可否认,有许多潜在的挑战,例如:
缺乏不理解技能数据用例的高管的支持。
员工数据来源混乱或不清楚。
来自经理的有偏见的评级和技能评估(如在我们系列的第一篇文章).
然而,正如上面的故事所说明的,采取一致的、有意识的方法最终会获得最好的结果。
我将更多地讨论技能计划的人的一面,以及它们如何为人员和业务创造价值,但首先我想解释技能数据的基本价值。几乎所有的业务问题都可以归结为技能数据。
客户服务问题。你的客户代表拥有或需要什么技能?
质量问题。团队缺少什么技能?
员工敬业度低。你如何认可和利用员工的技能?
技能不仅能解决这些问题,而且是可量化的数据点。它们是可测量的。当一件事可以被衡量时,它就可以被改进。
此外,这为业务中的决策和对话创建了一个共同的基础。而不是说,“我们的人不合格”,领导可以指出具体的技能差距和如何解决它。与其觉得在紧张的市场中不可能招到合适的人才,领导者可以强调现有的内部技能,并利用这些技能来解决眼前的需求。
每个利益相关者,从高管和人力资源到经理,甚至员工自己,都可以从这一基本层数据中受益。但它并不一定要让人感觉冰冷和临床——它也有真实的人类影响。
理解技能可以从多个角度创造价值。由于技能洞察,雇主和领导者从更清晰和更好的决策中受益。员工也有机会发挥自己的能力,发展自己的优势。
这里有一个有用的分类:
每个员工都有不同的技能和能力。然而,通常情况下,雇主对待员工就好像他们只是一堆技能的集合,他们只是在该员工的工作期间租用这些技能。但我们不能在购买劳动力技能的同时,把他们的希望和抱负拒之门外。我们必须看到更深层次的关系。
这就是基于技能的战略的真正价值所在。与传统的接班人计划不同,人才流动有一个关键的区别。在接班管理中,领导者根据自己的心血来潮挑选和调动人员。在人才流动是最优先考虑的业务中,员工在基于目标、抱负和愿望的职业道路选择上有发言权,这是在业务目标和需求之上分层的。
一个很好的例子发生在一家拥有近50万名员工的全球咨询公司。公司招聘人才的一个基本做法是,经理经常询问直接下属他们的个人和职业目标是什么。这个简单的做法导致了组织内人才的自然流动。我承认这听起来很简单,但当你考虑到CEO、CTO和CFO都是在多年前从培训生起步的事实,你很快就会明白这种方法有多么强大。
在人才流动是最优先考虑的业务中,员工在基于目标、抱负和愿望的职业道路选择上有发言权。
雇主如何以实际的方式使用技能的一个很好的例子是通过新兴的最佳实践人才市场.人才市场允许雇主为内部员工开放机会。这些可能是项目、特别团队、演出或其他短期需求。这样,员工就可以在他们合适的时候选择这些机会。
但它不止于此。根据我们的新研究,收入和留存率较高的雇主使用内部人才市场的可能性比表现较差的同行高出40%学习、人才开发和技能研究.
这是有道理的,因为人才市场是一个活生生的例子,说明了技能数据如何与企业的人才战略相交叉。许多已经采取这一步骤的领导者实际上看到了额外的价值。以这种方式使用技能不仅有助于让员工参与他们的工作,而且有助于他们的职业生涯,因为这允许他们利用自己的优势,发展他们在企业内的职业网络,并加强他们的经验。
Workday最近推出了一款人才市场该公司利用技能技术将员工与相关工作和成长机会联系起来,并帮助促进员工发展和分配人才。越来越多的公司在开发和利用人才市场,这让我感到鼓舞。吸引和留住人才的需求从未像现在这样迫切,人才市场正变得越来越重要。
在本系列的最后一篇文章中,我们将讨论人工智能和机器学习如何结合在一起,以各种前所未有的方式帮助我们利用技能数据。
更多的阅读