數智化人力資源管理主編徐明霞

唐玉潔敬業度分析第十章第三篇場景篇1.了解組織行為中有關態度、組織、群體、個體等知識2.掌握有關敬業度構成維度以及影響因素等知識3.熟練掌握數據分析,熟悉因子分析與多重線性回歸等分析挖掘技能,分析并挖掘敬業度數據4.結合真實業務情況,熟練掌握數據分析與挖掘流程與規范學習目標知識結構圖引導案例捷勝信息技術有限公司的員工敬業度分析1.公司概況與現狀公司概況:捷勝信息技術有限公司(簡稱“捷勝信息”)是一家致力于交通出行智能終端設備和集軟件產品的研發、銷售、服務于一體的創業公司,成立五年來,公司以技術發展為第一驅動力,以良好的產品優勢獲得了市場的認可,度過了困難的初創期。組織與人員:公司現有人員367名,分為研發、市場推廣、職能等7個部門,推行扁平化的管理模式。公司今年持續獲得大額訂單,業務快速發展,人員規模預計增長100%以上。人員管理現狀:在業務蓬勃發展的同時,公司的人員管理上出現了一些不好的傾向,部分員工對公司的領導、文化、激勵、流程等方面提出了很多意見,人力資源部也時常聽到員工的抱怨。2.現有措施與任務要求采取的措施:在公司即將加速發展的關鍵時期,為提供良好的組織和人員保障能力,經管理層批準,人力資源部配合外部著名的人力資源服務公司怡安翰威特對公司進行咨詢診斷,并對管理層、員工進行了調研和訪談,以便快速有針對性地解決問題,提高員工凝聚力,為公司下一個五年的飛速發展、成為行業翹楚的知名企業而努力。收集數據和信息:咨詢公司對各部門共計35名員工進行了匿名訪談,形成了訪談記錄。在此基礎上,人力資源部和咨詢公司設計了敬業度調研問卷,以了解員工狀態,持續跟蹤提升敬業度,達成業務成果。引導案例續任務要求:人力資源部擬成立一個四人數據分析小組,根據收集整理的公司員工基本信息、敬業度調研數據等,通過數據分析挖掘人力資源管理中存在的深層次問題,提出改進建議,為今后發展奠定良好的基礎。3.組織結構圖4.訪談記錄表第一節業務理解第二節數據收集第三節數據預處理目錄第四節數據分析及挖掘第一節業務理解第十章第三篇場景篇(1)蓋洛普:在給員工創造良好的環境、發揮他的優勢的基礎上使每名員工視自己為所在單位的一分子,產生一種歸屬感,產生“主人翁”責任感。員工敬業度研究源于美國蓋洛普咨詢有限公司。(2)翰威特:員工敬業度是員工在情感和知識方面對組織的承諾和投入的程度,衡量的是員工樂意留在公司和努力為公司服務的程度,員工的敬業度受到多方因素的影響。(3)韜睿:員工敬業度是員工幫助企業成功的意愿和能力的強弱程度,從另外一個角度講,就是員工愿意將能夠自主決定的努力應用到工作中的程度,包括理性敬業和感性敬業兩類。(4)合益集團:激發員工工作熱情并將其導向組織成功的結果,它包含員工承諾與一個組織的情感紐帶,意欲留守在組織中和積極主動性愿意超越工作本身要求,做得更多、更好兩個因素。一、什么是敬業度1.敬業度與態度2.敬業度的兩個層面3.滿意度與敬業度關系4.主要咨詢公司對敬業度的定義敬業度卡恩(1990)將員工敬業度分為生理投入、認知投入和情感投入三個維度。馬斯拉奇(Maslach)(1997)等將員工敬業度和工作倦怠視為一個三維連續體的兩極,其中員工敬業度以精力充沛、工作投入和高效能感為特征,而這三個方面正好分別是精疲力竭、憤世嫉俗和低效能感工作倦怠維度的直接對立面,敬業度高的員工給人一種精力充沛的感覺,能有效地進入工作狀態,并能與他人和諧相處,而且自我感覺能夠完全勝任工作。肖費勒(Schaufeli)(2002)等認為員工敬業度包括精力充沛、奉獻精神和專心致志三個維度。二、敬業度構成維度與影響因素1.敬業度的構成維度二、敬業度構成維度與影響因素2.敬業度的影響因素(1)個體特征方面敬業度是員工個體對待組織和工作的態度,因而很大程度上受到自身特征的影響。(2)工作特征方面依據自我決定理論,員工有各種各樣的心理需求,他們希望從組織或者工作中得到心理上的滿足。個體與工作之間存在一種契約關系,這種契約關系取決于個體在與工作角色結合過程中的心理狀態。(3)組織環境方面國內外的許多研究顯示,組織的規模、發展前景、管理制度、企業文化、工作環境以及組織和上司對員工的支持等都影響著員工敬業度。第二節數據收集第十章第三篇場景篇一、敬業度數據收集1.敬業度調研問卷設計步驟確定敬業度構成維度與影響因素測量指標確定測量指標的數據特性與來源確定各指標數據采集方法與工具確定調查問卷格式圖10-1敬業度分析模型圖一、敬業度數據收集2.建立敬業度分析模型一、敬業度數據收集3.確定測量指標的數據特性與來源敬業度測量指標的數據特性與來源見表10-2。二、敬業度調研問卷設計通常情況下,員工敬業度調研分成五個步驟:1.設計敬業度問卷2.發放與填寫敬業度問卷3.敬業度問卷的回收與統計4.敬業度調研結果分析5.敬業度改進方案三、敬業度調研問卷制作2.操作步驟(1)單擊“開始任務”,進入分析云。(2)在左側選擇“數據填報”,單擊“+創建表單”,填寫“表單名稱”,選擇表單類型“自由表單”,選擇“公開”(圖10-2)。(3)進入“表單樣式”,在“全局樣式”中“表單標題”內容中輸入標題“敬業度調查問卷”。1.任務描述利用分析云“填報設計”功能進行敬業度問卷調研制作。圖10-2創建填報表單三、敬業度調研問卷制作②單選題設置:從“控件倉庫”中選擇“單選下拉”;在“標題設置”的“標題”欄中輸入該調研問題序號以及問題,在“選項設置”中輸入各個選擇項,“校驗設置”中選擇“該項必填”(圖10-3)。(4)進入“控件”,根據問卷題目類型從“控件倉庫”中選擇合適的控件,并在“控件屬性”中完善該表單格式。①描述框設置:從“控件倉庫”中選擇“描述控件”;選擇“控件屬性”,在“描述設置”里錄入該調研問卷的描述性內容“感謝您參與公司員工敬業度調研,完成本調查大約需要15分鐘。您的回答是匿名的”類似內容。圖10-3單選題設置三、敬業度調研問卷制作③矩形框單選題批量設置:從“控件倉庫”中選擇“矩形選擇”;在“標題設置”的“標題”欄中輸入“二、調研問卷”,提示輸入“下列問題中選擇你認為合適的選”(圖10-4)。圖10-4矩形框單選題批量設置三、敬業度調研問卷制作④在“行標題設置”中批量導入各個調研問題(將word中調研問題批量粘貼即可),在“列標題設置”中輸入各個選擇項,“校驗設置”中選擇“該項必填”(圖10-5和圖10-6)。⑤將容器高度設置為1200,表單樣式—全局樣式高度設置為1900,頁眉頁腳設置為“不可見”。圖10-5行標題設置圖10-6列標題設置(5)填報完畢所有調研問題后,先“預覽”,完善后單擊“保存”,并“發布”。第三節數據預處理第十章第三篇場景篇分析每個自變量x與因變量y的線性趨勢,即散點圖,發現并剔除強影響點。分析步驟:(1)有多少個自變量就需要觀察多少張散點圖,通過散點圖觀察變量間的趨勢是否存在線性相關關系。(2)記錄每張散點圖中的離群值,以備最后判斷回歸方程中是否存在“強影響點”。離群值,也稱逸出值,是指在數據中有一個或幾個數值與其他數值相比差異較大。離群值產生的原因大致有:(1)總體固有變異的極端表現,這是真實而正常的數據,只是在這次實驗中表現得有些極端,這類離群值與其余觀測值屬于同一總體。(2)由于試驗條件和實驗方法的偶然性,或觀測、記錄、計算時的失誤所產生的結果,是一種非正常的、錯誤的數據,這些數據與其余觀測值不屬于同一總體。(3)發現并剔除強影響點。繪制散點圖,觀察是否存在離群值,他們常常就是強影響點。一、數據特征分析1.數據線性趨勢之所以要求數據是獨立的,這與各統計分析方法的前提假設條件有關。數據獨立性是在收集數據時盡力保證的。2.數據獨立性二、數據降維1.因子分析概述(1)因子分析定義(2)因子分析目的因子分析是一種多變量化簡技術。目的是分解原始變量,從中歸納出潛在的“類”,相關性較強的指標歸為一類,不同類間變量的相關性較低。每一類變量代表了一個“共同因子”,即一種內在結構,因子分析就是要尋找該結構。①探索結構:在變量之間存在高度相關性的時候我們希望用較少的因子來概括其信息;②簡化數據:把原始變量轉化為因子得分后,使用因子得分進行其他分析,比如聚類分析、回歸分析等;③綜合評價:通過每個因子得分計算出綜合得分,對分析對象進行綜合評價。二、數據降維2.因子分析步驟(1)因子分析適用條件樣本條件:樣本量與變量數的比例應在5:1以上;總樣本量不得少于100,而且原則上越大越好。判斷條件:KMO檢驗結構,0.9以上非常適合因子分析,0.5以下不適合因子分析。Bartlett’s球形檢驗,P值小于等于0.05適合因子分析,否則不適合進行因子分析。二、數據降維2.因子分析步驟(2)因子分析操作步驟①單擊“開始任務”,進入“數據挖掘工具”界面。②數據源選擇“敬業度影響因素降維分析數據集”,配置模型選擇“降維—主成分分析”,選擇需降維的變量23個,選擇“正交旋轉”因子旋轉方法,單擊“保存”,并“開始建模”,單擊“查看訓練結果”。③查看KMO結果“總分”以及“顯著性”。若KMO檢驗結果小于0.5且切比雪夫關聯卡方的顯著性(即P值)大于0.05,重新選擇“因子個數”。若KMO檢驗結果大于0.6且契比雪夫關聯卡方的顯著性(即P值)小于等于0.05,說明適合因子分析,導出“解釋的總方差”表。④依次選擇不同的“因子個數”(從2到N),重復上述步驟,查看每次計算的“因子個數N”的“解釋的總方差”中最高“CumulativeVar”值,導出到Excel表中。當因子N減去因子(N-1)個的“CumulativeVar”值邊際增量最高時,N就是最合適因子個數。“CumulativeVar”成為“累計方差貢獻率”,當因子N減去因子(N-1)的“CumulativeVar”值邊際增量最高時,N就是最適合因子個數,通常情況下累計解釋的百分比值至少達到60%。“SSloadings”特征根大于1,該數值越大,說明該公因子重要性越高。⑤導出“最終結果”的Excel表格,在公因子中選出最大因子負荷項,匯總形成公因子名稱(圖10-7)。圖10-7導出最終結果二、數據降維2.因子分析步驟(2)因子分析操作步驟對每個自變量(驅動因素)的各個公因子(factorN)負荷值進行排序,選出其中最大的負荷值(負荷值最大的那個公因子是能夠解釋該驅動因素的最佳公因子);根據各個驅動因素的最佳公因子是否相同,將驅動因素劃分為N個類別;為各個類別的公因子賦予名稱(圖10-8)。圖10-8負荷值排序及賦名第四節數據分析及挖掘第十章第三篇場景篇一、數據可視化分析數據可視化分析1.員工基本信息可視化分析2.敬業度影響因素可視化分析3.敬業度構成維度可視化分析4.敬業度關聯數據集可視化分析二、數據挖掘數據挖掘模型有以下五種(1)線性回歸(2)貝葉斯與樸素貝葉斯模型(3)決策樹模型(4)聚類分析(5)文本分析(1)單擊“開始任務”,進入“數據挖掘工具”界面。(2)數據源選擇“敬業度降維數據”,配置模型選擇“線性回歸”,選擇合適的自變量與因變量,選擇“標準化”,單擊保存,并開始建模。(3)查看決定系數(R2)分值,判斷模型的適用性。(4)查