01/

定义问题：如何提升人效

发起数据分析项目，首要工作便是准确定义商业问题。

在2017年项目发起之初，绫致时装需要通过数据分析解决的问题古老而永恒——“如何提升人效”。只是在彼时的内外环境中，这个问题对于绫致尤为迫切。

绫致时装是一家总部位于丹麦的时装品牌，旗下拥有二十个欧洲畅销时装品牌。或许一些人对“绫致时装”四个字尚且陌生，但如果提起它旗下的具体服装品牌，相信一定都非常熟悉：ONLY、 JACK&JONES、VERO MODA、SELECTED等遍布国内各大商场的热门快时尚服装品牌，都来自绫致时装。

早在1996年，绫致时装便开始进入中国。2019年，已在全国500多个城市开设了7000多家店铺。这26年来，绫致中国一直保持创新、创业、变革的精神：他们早于天猫平台双十一活动之前，就建立了天猫店；他们是中国最早做O2O的公司之一；他们在阿里提出新零售概念之前，便已经开始了类似的实践。

这种创新、创业、变革的精神，是绫致旗下的众多时装品牌，能够在26年间保持生命力的重要因素。

但2017年、2018年前后，中国快时尚市场的活跃竞争者急剧增加，核心消费者群体也在发生更迭。这使得绫致时装的市场占有率下降，盈利能力下滑。

驱动企业发展的因素有三，市场、产品、人才，而作为人力资源部，要想发挥价值，核心切入点则在于“人才”。“丹总（Dan，绫致中国CEO ）当时找到我，说希望人力资源部做一个绩效激励的改进方案”，黎明识别出CEO的本质需求其实是“提升人效”，而这并非靠单一的奖金方案就能够解决的。

黎明想要做的，是通过人力资源数据分析，去进行诊断和分析，并提出解决方案。

02/

数据分析：找出效能的规律

前面讲到，绫致将目标锁定为“提升人效”。但这是个大课题，究竟该如何着手？

黎明相信，员工的效能是有规律的，如果找出规律，就找到提升效能的突破口。

早在100多年前，泰勒就通过分析工人的每一个动作（比如工人拿铁锹工作时铁锹的面积、每分钟铲土的数次）和产出的关系，来找出规律、提升产能。但相比制造业的生产线，零售行业的场景更加复杂——n个导购人员，n种的销售方式，n位客户，n³个组合方式就会有n³个结果。想要通过行为分析找出效能规律，难度非常大。

这时，一个朴素的想法是，是否可以通过将销售结果与人进行关联，通过挖掘分析，找出答案？幸运的是，绫致在2016年度完成了人力资源数字化平台的建设，黎明可以获得2016-2018三年的人员相关数据，比如销售成绩、年龄、性别、学历、入职时间等等。

▎数据分析目标1—识别关键人才

员工销售成绩会有怎样的分布？管理学理论中有一个原理是二八原则，在绫致的导购中，会是这样吗？带着这样的假设，黎明进行了分析。

他将人员按照销售业务降序排列，再将这个降序排列的表分为10段，再把每一段的人员，和对应的销售总成绩，做成折线图。如此一来，得到了这样的分析结果：

1. 头部40%的导购，产生了80%的销售业绩。

2. 尾部30%的导购，只产生4%的销售业绩。

尽管很多人知道二八原则，但鲜少有人在企业内部论证过。所以，当绫致通过数据分析将这样的鲜活结果摆在我们面前时，仍然会觉得很有冲击力。是否要择优汰劣，如何择优汰劣，成了识别关键人才后的课题。

针对优秀的导购人员，绫致快速推出了具有吸引力的短期激励政策。这一方面是为了留住优秀人才——毕竟从数据看，头部40%的导购中，前10%的单人效能又非常之高，留着他们非常关键；另一方面，是期望通过大幅激励头部导购，最大化发挥他们的榜样示范作用——在行业平均月薪3000-5000元的情况下，在绫致新的激励规则下，理论上可以有34位导购人员月薪超过2W，这对其他导购的刺激和牵引非常大。

针对尾部导购的比例、业绩情况和人员状况，通过数据分析，绫致人力资源部也有了更加清醒的了解。正如壁虎的尾巴，日常情况下，它其实具有存在的必要性，但遇到危险时可能需要将其断掉。借助数据分析，就能够清楚这个尾巴可以断的地方在哪儿、需要多久能够重新长出来。

▎数据分析目标2—描绘人才画像

头部的优秀导购被清晰识别出来了，那么他们是怎样的一群人？有什么共同特质？

黎明的猜想和假设是：女性的亲近感更强，所以女性导购的成功概率更高；绫致时装的消费者以年轻人为主，所以20多岁的年轻导购成功概率更高；绫致的竞品优衣库等快时尚品牌用人时侧重本科学历，所以学历高的导购成功概率更高。

但当将导购人员的数据进行相关性分析后，所得出的结论却与假设差异较大：数据分析显示，绫致时装的导购中，这样的人员成功概率最高：35岁左右，女性，有1-2子。至于之前猜想的是否学历越高绩效越好，数据分析则证明销售绩效与学历完全没有关系。

分析结果出乎意外，黎明也在思考原因，通过访谈和分析，他认为”35岁，有1-2子，学历一般“的女性导购，通常面临的压力更大，工作的驱动力就更强；另一方面，35岁左右的女性在人生阅历上相比年轻导购更丰富，对人的感知更为敏锐，这可以帮忙她们用更好的方式赢得消费者信赖。

这是成功导购冰山之上的可见画像，冰山之下的特质、动机、需求又是如何呢？绫致也计划和专业测评机构合作，进一步挖掘绫致优秀导购成功的冰山下的特质。

人才画像的数据分析，为绫致的人才招聘和培育提供了一个更清晰的方向，同时也使业务部门在识人用人时，认知更加开放——业务部门原来对top sale的想象，可能会局限于某一位典型的狼性top sale画像，在招聘是容易被“耀眼闪亮，擅长自我营销，擅长鼓励他人”类型的候选人吸引。当人力资源部将头部的销售人员数据和画像都拉出来时，却发现更多的业绩优秀的销售，平时并没有太多声音，甚至是低调平实内敛的。

“你拉出来后，我才想到他确实非常棒。我知道他卖得好，但没想到那么好”，当客观的数据摆到眼前，往往才能打破管理者关于成功者画像的刻板印象，才能提醒自己“成功的方式有很多种”，识人用人时更加开放和包容。

▎数据分析目标3—找出成为优秀导购的关键成功因子

描绘人才画像，可以帮助找到正确的人；识别关键人才，可以帮助激励好的人才。而对于一家企业，找到和激励好的人才很重要，但找到企业中使员工“向好”的关键因素，从而促使更多的中部人才转化为头部，更加重要。

基于这样的思考，绫致也进行了一些分析，黎明的思路是先从时间轴的角度去看——员工加入绫致后，需要多久，才能成为头部销售？

将三年的员工在职时长和绩效标签作比较后发现：

1. 员工一般入职3-4周可以达到标准的产能；

2. 员工至少需要9个月，才可能成为头部销售；

3. 三年间，员工9个月内成为TOP10%的概率在逐年降低，从5%降至4%，再降至2%。

接下来问题的关键是通过数据分析手段，找到驱动员工成为头部销售的关键因子。只有找到足够的CSF（关键成功因子），才能通过人力资源政策和措施有的放矢，瞄准关键行动，促进关键员工的成长和人效的全面提升。

绫致至少采用了以下分析手段，来寻找关键成功因子：

1. 验证分析。对于效能规律的观察和分析形成了关于成功的经验总结，但如何确保这种经验是否具有普遍性，值得深入研究。黎明开展了大规模的数据验证工作，将不同时间、不同品牌、入职时间差异、资源差异等变量因素考虑进去，通过细分纬度的比较、钻取，获取最真实的、可验证的结论。

比如，绫致员工的流动率是100%，为确定这个情况是否影响了数据分析的准确度，黎明尝试了很多方法去验证：① 看三年销售成绩分布的曲线是否趋同；② 看员工在什么时候可以达成稳定生产率；③ 看一年以上员工目前的分布情况。

2. 失效分析。失效分析是指通过对失败案例进行分析，从而反向验证结论或者总结正向经验的过程。通过观察三年数据，绫致团队发现了员工9个月内成为top 10%的概率在逐渐下降。究竟什么原因导致这样的“失效”？他们通过更加细致的历时性数据追踪和横截面数据比较，归纳了原因。

3. 田野调查。数据分析验证结果出来后，还会找到培训经理、业务负责人、品牌负责人进行多轮访谈，或深入个别团队进行更细化的焦点访谈和田野调查，通过定性研究方式来验证和解释结论。

“数据分析是为了找出真相，而不是验证‘我是对的’。前者才能真正解决业务问题，后者则容易使分析者掉入自己挖掘的陷阱中，从而有失客观、盲目乐观。”黎明在总结这个项目时说。通过不同的分析模式，也让结果更加客观。

03/

人力资源数据分析大有可为

在领英《2020人才趋势报告》中，有这样一个结论：近五年来，具备数据分析能力的HR专业人员的数量增长了242%。

报告说：过去十年，人才数据分析掀起了一场革命，开创了新纪元。唯一的问题是：这是一场属于少数精英的，而不是大众的革命。虽然一些企业已经从人才数据分析中受益多年，但大多数公司还在为基本问题苦苦挣扎。这种情况即将改变。

人力资源数据分析为HR打开了一扇证明和提升价值，助力业务决策的新窗。人力资源部有很多数据，学会对它们加以善用，会让HR工作更有效、更有说服力、更有战略性。

从直观数据结果看，绫致时装的这次探索结果，使其在疫情来临时，清醒、果断、平顺地实施了一项决策，进而节省了等值于100亿元销售额的成本；从隐形的价值看，这次探索结果，对绫致如何识别人、激励人、用好人，提供了更加清晰的思路。

管理是一门艺术，但科学分析可以让管理艺术的准确性更高。

对于HR，人力资源数据分析大有可为。