|
数字化转型引领HR突破瓶颈 ——把人数据化，把数据管理智能化的人力资源管理新模式 课程背景： 在大多数人的认知中，人力资源管理往往是“没完没了的沟通“、“繁琐的事务工作”和“大量的重复劳动”……诚然，在企业管理中，关于“人”的管理是最复杂、也是基础的要素，在企业的业绩和规模告诉发展的背后，人力资源工作者承担了太多压力和庞杂的工作量。 梁老师结合互联网企业的知识结构特质与工作经验，整合出了一套通过数学建模分析的方式，高效智能的管理操盘人力资源的办法，结合大多数人力资源工作者的工作环境，运用常见的办公软件——excel实现了“人才管理数据化，数据分析模型化”的智能型人力资源管理办法，可以有效的解决以下工作困惑： l 人力资源规划缺乏科学依据，靠“感觉” l 组织结构调整缺乏方法，靠“猜” l 招聘计划缺乏科学规划，靠“提需求” l 组织优化缺乏科学策略，靠“一刀切” l 薪酬设计缺乏系统思考，靠“市场反馈” 通过高效的智能化数据分析思路，也可以解决： l 减少反复无效的沟通会议 l 减少繁琐重复的事务工作 l 减少因为“ 缺乏依据“产生的沟通内耗 课程收益： ● 建立通过“数据分析“来进行人力资源全盘管理的思路和方法论 ● 学会“xpm矩阵人力成本模型”投入分析 ● 学会“人才结构模型”，能够计算出当前最适合的团队配置状态 ● 学会“人才盘点模型”，快速筛选高潜员工、问题员工和预淘汰员工 ● 学会“绩效改进模型”，快速锁定绩效改进目标，制定改进方案 ● 专业深度！一次建模长期使用，大大减轻人力资源管理日常繁琐工作！ 课程对象：有一定数据分析基础能力的人力资源工作者 课程时长：1-2天 6小时/天 课程特点： 课程类型—纯干货课！对学习者的“数据感”和“基础数学能力”有要求 课程设置—学员按照要求准备好一盘数据，现场进行建模和分析，确保理解、可操作、可复制学习成果。 ● 课程大纲 第一章：把“人”数据化 第一节：概念—打开新世界的大门 1. 工作的世界跟过去不一样了！（互联网化工作场景展示） 2. 欢迎来到大数据时代——“你”是哪些数据？ 3. 你知道吗？——人力资源工作场景的未来变迁 人力资源管理数据化——excel模型展示 人力资源管理智能化——python模型展示 人力资源管理ai化——未来场景憧憬 l 主要解决：拓宽视野，重新认识人力资源管理工作 第二节：实操—转化与建盘——把人数据化 1. 360考评的本质——人才数据化，你用对了吗？ 2. 360考评的误区与无效原因 l 形式大于目的 l “人情陷阱” l 成果数据没有应用 3. 三大人才维度数据的提取方式 l 能力维度 l 素质维度 l 经验维度 第二章：500强人力资源数据化的基础—xpm矩阵人力成本模型 第一节：人效——人力成本的核心 1. 人力成本的定义——企业为“员工”花的钱多吗？ 2. 人力成本的健康占比曲线——花多少钱在“人”上更合理 3. 人效计算公式——人力资源管理的支柱公式 l 主要解决：明白人力资源数据分析的核心就是提高人效，并清楚人效在不同阶段的变化和计算模型 第二节：XPM——矩阵分析模型的建立 1. 名企hr不会告诉你的薪酬计算原理 2. 矩阵数据思维——一切智能化的底层思维 3. 矩阵数据的要素解读 l X——矩阵薪酬的单位算子 l M——量化管理级别 l P——量化表现期待 4. 矩阵人力成本模型建模 5. 矩阵人力成本模型分析测算 l 人才结构健康值p/m的测算 l 人才结构健康值p/m的分析与修正 6．矩阵人力成本模型的分析结果应用 l 组织结构调整计划 l 绩效改进-组织结构调整 l 组织优化计划 l 招聘计划 l 内部提升及人员调整计划 第三章：原理繁琐事务，开启智能化人力资源之路 第一节：人力资源管理的本质——人才优化 1. 人才优化——针对不同人实现不同的管理策略 2. 人才优化的核心思路——九宫格人才分类 3. 智能与传统的碰撞——动态数据九宫格 4. 人才优化模型的数据建模 5. 见证奇迹的时刻——人才优化模型的运算与结果导出 第二节：人才优化模型算式与解析 1. 人才优化模型算式的三种形态 2. 人才优化模型的数据提取——360考评+xpm矩阵数据 3. 人才优化模型的数据建模 4. 见证奇迹的时刻——人才优化模型的运算与结果导出 l 绩效型高潜人才——培养与任用 l 均衡型高潜人才——提升与任用 l 管理型高潜人才——沟通与培养 l 绩效型问题人才——谈话与培训 l 均衡型问题人才——谈话与任务 l 管理型问题人才——谈话与疏导 第三节：人才优化模型与xpm矩阵的结合 1. 三种人才绩效结构的数据指征 l 内陷型（底层更加优秀） l 外突型（中层更加优秀） l 气球型（上层更加优秀） 2. 不同绩效结构的调整策略 l 结构调整 l 培训计划 l 招聘计划 l 优化计划 总结与展示——智能化人力资源的“未来策略”
| 
