▲ 点击上方“盖雅学苑”关注公众号

回复“1”领取盖雅学苑精选文章电子书《激活》

这是盖雅学苑第338篇原创图文

这款应用，和真正的“离职预测”大相径庭

“离职预测”通过深信服的这款应用，走入了大众视野；但实际上，“离职预测”在很多企业中应用已久，不过和该款应用的“预测方式”大相径庭。

盖雅学苑早年的一篇文章中，曾罗列了IBM、Google等六家公司通过算法和技术预测员工离职的方法：数据真能预测员工离职？这六家大厂都做到了。

现在，在国内的一些大厂中，离职预测已经运用得相对广泛且成熟。不过，大家通常在说离职预测的时候，并非是指像深信服这样“通过搜索员工访问招聘网站、投递简历的行为记录，以预测离职倾向”这样简单粗暴。

出发点是什么？应该是修正管理，而不是监控员工

本次事件中，深信服为企业提供的所谓离职预测分析（“员工行为感知”系统），其实只是一项结果——这个员工要离职了，离职的可能有多大，但关于为什么离职，没有任何分析过程。

访问求职网站次数、聊天涉及离职关键词量、搜索离职相关关键词量以及简历投递次数……这些数据是“结果性”的，而非是“原因性”，它们并不能帮助企业管理做任何优化，唯一作用就是监控和掌控员工。

而通常情况下，一个真正离职预测算法模型，起码要包含数百个不同的数据因子。

就这些数据而言，大多数与公司的管理行为相关（例如大量的考勤数据、培训记录、差旅记录、绩效结果、会议记录、对职场、业务是否习惯、健康状况、人际关系、外部行业薪酬水平等）。以X度为例：

总之，企业利用“离职预测”的本意是：修正管理，优化组织，而非是监控员工。

正如Google将离职预测系统称之为“人才保留算法”，使用的目的在于：根据分析结果让成熟的管理者及时妥善地去介入协助、调整、沟通后，有效打消员工离职的念头。

数据来自哪里？应该是合法的，而不是非法的

离职预测虽然火热了很多年，但基本都是企业“自娱自乐”——预测分析在企业内部作为管理辅助方式。

而这次深信服将非法监控（员工不知情）取得的员工数据作为专利，作为商业盈利的手段。

预测结果怎么用？管理者要非常小心谨慎地用

这次事件的管理者对预测结果的处理方式，“非法采集员工数据”还被这位领导堂而皇之地说出来，才是事件发酵的直接原因。

而就我们访谈的企业而言，即使数据来源合法，运用算法预测的结果时，管理者也是极为小心谨慎的。企业推导出适合本企业的预测模型之后，还要经历漫长的验证期。

在预测模型修正和运用过程中，也需要更成熟的管理者适情况做出判断、帮助修正模型，而不是把算法的建议当作答案和员工沟通。

可以说，不成熟的管理者只会进一步加剧人与算法的冲突，最终被算法困住。

正如一位使用离职预测的HR说：

算法驱动管理，有更多正确应用姿势

算法和数据在管理中运用，一直争议不断：今有深信服做所谓的离职预测，前有亚马逊和俄罗斯的游戏支付公司 Xsolla用算法大规模裁人。

相比大量的不为大众所知的算法驱动管理的正面案例，这些极端的个例更容易引导大众甚至人力资源从业者；这些“算法充当东厂监管员工”的新闻，形成了大众对于“算法 企业管理”的粗暴且刻板的印象。

我们不可因噎废食，算法驱动管理，也是大势所趋。

除了离职风险预测外，算法在企业招人、员工评估、调薪、学习发展、劳动力管理相关的智能排班方面，也有了诸多成熟的应用。

我们只选取小部分“让算法入管理”的实践切片，供你了解。

国内很多企业已将算法运用人才招聘“劣汰”环节。

在既定的算法模型下，求职信息与岗位信息可以实现自动匹配、智能评估、双向推荐，系统完成了大量筛选后，再为HR推荐合格的简历。

例如谷歌用算法来预测应聘者在获聘后是否具有最佳生产力，来鉴别面试背后所隐含的价值，来显著缩短聘请员工的周期。

他们也利用算法来分析被拒绝的简历，来分辨出任何他们可能错过的卓越的应聘者，重新面试候选人后，他们最终聘请了其中的一部分。

算法来评估员工表现

百度将算法用于员工评估中，以确保更理性。

在员工评估过程中，通常依据很强的主观判断，也常因此引出很多争议。通过算法，HR可以通过研究分析内部的沟通工具、沟通频次、沟通时段、邮件的大小和频次等数据，再经由数据建模、机器学习、分析验证等步骤，用算法推荐出10个工作关系紧密的Peer。 

在百度的实践中，管理者或HR可以从这10个人当中选取5～7人当作Peer，既保证了客观公正性，又有适度的灵活性。

算法决定谁该被激励

IBM则将算法用于员工的调薪决策中。

为减少管理者决策的偏见，IBM 印度的数据分析团队向企业管理团队推出了薪酬预测算法，用以分析计算调薪人选和调整幅度。

预测模型通过综合考虑一些因素的权重，包括员工的技能掌握情况、学习能力、绩效、岗位影响力以及岗位流动率等等，算法综合计算得出谁该调薪、调多少。

不过仍保留管理者一定的决策权——针对算法提供的调薪名单，管理者依据自己的判断可以从中剔除算法推荐的人选，但不可以增加新人选。

Google也尝试通过算法帮助管理委员会决定谁该晋升，目前该算法主要运用于工程师的晋升决策中，以减少决策偏见和晋升委员会的工作量。

算法为内容审核团队排班

某生活方式平台则将算法用于内容审核团队的排班和工时管理中。

最近因为员工猝死事件将互联网大厂的内容审核团队，这一“不可或缺，却无人在意”的群体被带到大众视野，关于他们的工作量、工作时间、工作压力……如何更合理更科学地安排他们的工作成为讨论的热点，也是解决问题的关键。

与B站类似的某生活方式平台，在预见企业未来发展战略时，他们考虑到内容审核团队的不可或缺性，「算法」是他们选择的应对方式。

通过智能排班，该平台解决了“流量高峰低谷波动与内容审核员的班次和工作时间分布”的匹配性问题，同时智能排班也将合规性（如连续工作天数、相邻班次间隔时长、夜班之后必须休息）和员工的身体特征（孕妇、疾病史）列入排班算法计算规则中。

算法是修正管理的路径

不是替代管理的捷径

互联网发展二十余年，从中关村的几台电脑到庞大的大厂生态，环境每天都在发生着变化，牵动着数据、技术、算法与人性的冲突。

但最终，算法会成为修正管理的路径，还是替代管理的捷径？选择权在我们手中。

我们需要保证算法中数据的合法性、需要为算法注入善意、也需要看见算法背后的人性。如果用人单位只是想单纯地在法律框架内为所欲为，不注重与员工之间的连接和粘性，只讲“管理”，不讲文化，只讲要求，不谈人性，恐怕很难持续发展。

滥用数据和算法，困住的会是我们自己。

而相反，合情合理合法地借用算法的力量，则会让我们走得更远。

全文完——

盖雅学苑是以公益为发心的人力资源知识输出和交流平台，我们属于盖雅工场。