People Analytics PA 告诉你不用“卧底”也能抓摸鱼


上周你的朋友圈都在热议「张一鸣卧底公司群」?
张一鸣在飞书群里说员工上班时间“非常专注地聊游戏” , 他“卧底”在群里 , 说出了自己的观察 , “连续几天都在游戏群里这么活跃” , 这让他感到“非常意外” , 他发出自己的疑问 , “好奇 , 一大早到现在就在群里聊天的同学/部门是今天工作很闲吗 , 这很常见吗?”原文如下:
张一鸣为了试玩原神 , 在飞书找到这个群 , 发现上班时间群一直在闪 , 好奇这是因为部门员工都很闲吗 , 这样的现象是常见的吗 。
字节跳动员工也是人才 , 站出来“坦诚清晰”地专业回答 , 跑一下群的聊天记录 , 通过多个指标看看闲聊是否真的影响了工作效率 。如果确实影响了 , “那我支持HR部门出台相关政策整顿上班闲聊” 。
游戏群里还有人恶搞 , 直接跳出来让张一鸣退群:
员工让老板退群 , 这在互联网公司不是新鲜事 , 截图所示对话也只是发生在公司中的冲突的冰山一角 。
张一鸣的好奇没有得到解决 , 进而问了更争对性的几个问题 , 我们可以总结为:
1. 工作效率是否被影响
2. 群里的人是否和游戏部门或者和原神这个游戏有关
3. 群里的聊天是否耽误其他飞书回复
4. 是因为群人数多带来刷屏的错觉 , 还是群内的聊天频率的却偏高
张一鸣希望得到这些问题的解答 , 并且 HR 部门可以根据此采取行动 。其实真的张总不用“卧底”也能抓摸鱼 , 下面我们从数据的角度来分析一下:上面提到的这 4 个问题 , 都属于 People Analytics(PA) 人力分析范畴 。那么 PA 应该如何解答这些问题呢?怎样可以不利用聊天记录文本分析 , 保护员工安全感的前提下得出答案呢?
想要分析的结果产生洞见的两大要点是:合理性和可靠性 。
可靠性的很重要一部分取决于数据的来源 , 我们作为公司外部人员无法判断 。合理性则可以从数据点的选择中强化 , 我们从保护员工隐私、发现聊天规律、回答上述问题的角度出发 , 提出以下几个可行操作 。
1. 工作效率是否被影响
简单的说 , 我们想要知道员工加入群前后的工作效率比较 。但是如何确保compare apple to apple , 对比的合理性?
工作效率:工作效率可以参照公司现有的绩效考核框架 , 例如完成的交易量 , 完成的项目数
入群前后对比时间:根据部门业务不同 , 员工工作量可能有一定周期性 。我们可以根据一级周期性 , 确定观测时间段:例如某公司一般周一较空闲 , 周中特别繁忙 , 那么观测时间段可以以“周“为单位衡量 。该部门每个月月初较忙 , 我们可以用此二级周期性作为观测点 。
总结为下:假设员工 A 在 11 月 17 日加入该群 , 我们以「周」为单位 , 对比员工 A 在入群前这个月的月初一周工作效率( 11 月 1 日- 11 月 7 日)与入群后一月的月初一周工作效率( 12 月 1 日 - 12 月 7 日)2. 群里的人是否和游戏部门或者和原神这个游戏有关
有关这个概念很难界定 , 很多时候不是简单从项目小组、工作职位可以直接判定的 。我们可以用以下统计模型作一个初级的同类级判断:
统计所有游戏群该游戏项目组人数占群总人数的百分比
按顺序排列统计结果
判定原神游戏群在所有同类级群中的百分位
根据同类级比较判断 , 我们也许得出原神游戏群不具备特殊性 , 但它不直接等同于原神群的闲人不多 , 说不定一不小心你发现了字节的游戏群与同行业比闲人整体过多 。如果得出原神群具备特殊性 , 我们也需要结合业务成熟度判断该比例是否合理 。
数据分析一定是结合「数据」与「商业理解」 。3. 群里的聊天是否耽误其他飞书回复结合问题一提到的概念 , 我们需要确定入群前后的对比时间段 。如何判断是否被耽误可以用其他飞书的“平均回复的等待时间”作基量 。
4. 是因为群人数多带来刷屏的错觉 , 还是群内的聊天频率的却偏高同样考虑到问题一的对比时间段选择 , 为回答张一鸣的问题 , 我们可以选择他提问的时间为观测点:
工作效率:工作效率可以参照公司现有的绩效考核框架 , 例如完成的交易量 , 完成的项目数
【People Analytics PA 告诉你不用“卧底”也能抓摸鱼】假如张一鸣在 12 月 1 日“潜入”原神聊天群 , 以“周”为时间段计算此时距开群时间 。假设9月1日建群 ,  此时据开群过去( 12 月 1 日 - 9 月 1 日)/ 7 = 13周
统计所有游戏群在建群的第 13 周每天的总消息数/群人数
计算到第 13 周的平均值
对比原神群和剩余游戏群的平均值
如果原神群确实高于剩余游戏群的平均值 , 则说明该群确实刷屏
以上是基础的数据分析 , 我们需要注意控制时间地范围、对比的群体 。我们也可以在每个平均数的后面加上阈值 , 即通过计算平均方差(standard deviation) , 来更精确评估原神组和对照组 。但得出这些结论后呢 , So what?
如果是公司整体闲聊很多 , 人力部门应该怎么做?如果仅是该游戏群 , 那说明了什么问题?是游戏本身热度造成的 , 暂时性地闲聊 , 还是公司确实存在一部分喜欢闲聊的人?以上是我们根据张一鸣提出的问题 , 得出的分析思路 。
人力分析是一门艺术与科技结合的学问 , 如果张一鸣把问题抛向了你 , 你会选择哪些维度?你准备用哪些数据来测试原神群对公司效率产生的影响?
我们将于 1 月 8 日 - 9 日在杭州携手全球顶尖的

    推荐阅读