We're sunsetting PodQuest on 2025-07-28. Thank you for your support!
Export Podcast Subscriptions
cover of episode Noelle London - HR Tech 2024 - How AI is Shaping the Future of People Analytics

Noelle London - HR Tech 2024 - How AI is Shaping the Future of People Analytics

2024/11/26
logo of podcast HR Data Labs podcast

HR Data Labs podcast

AI Deep Dive AI Insights AI Chapters Transcript
People
D
David Teretsky
N
Noelle London
Topics
Noelle London: Illoominus公司致力于构建一个整合不同HR技术栈的平台,帮助企业整合员工旅程数据,并进行行业基准比较。该平台旨在使各种规模的组织都能访问并利用人才分析数据,从而做出更明智的决策。Noelle还强调了数据管理在人才分析中的重要性,以及如何通过产品规模化地分享信息来避免垄断问题,并实现HR领导者之间的有效协作。她认为,人才分析不再局限于大型企业,中型企业现在也有更多选择来获取洞察力和数据,从而做出更明智的决策。此外,Noelle还讨论了薪酬与人才分析的交叉,以及如何利用薪酬数据作为杠杆来应对组织快速变化带来的挑战,例如员工流失。她认为,将薪酬数据与员工旅程的其他方面整合起来,可以帮助领导者全面了解员工情况,从而做出更有效的决策。最后,Noelle谈到了AI在HR领域的应用,她认为AI应该首先用于消除HR中的行政负担,从而使HR能够专注于战略角色。她还强调了数据完整性和数据安全的重要性,并建议组织在应用AI工具之前,应确保数据基础扎实,并注意保护数据完整性,避免数据泄露。 David Teretsky: David与Noelle就人才分析的现状、薪酬与人才分析的交叉以及AI在HR领域的应用进行了深入探讨。他指出,许多组织尚未准备好充分利用AI,因为它们的数据基础还不够扎实。他强调了数据质量和完整性的重要性,并建议组织在应用AI之前,应确保数据基础扎实,这包括数据质量和完整性。David还谈到了如何将复杂的数据关系以更简单的方式向非专业人士传达,以及如何避免在进行人才分析时使用过于专业的术语。他认为,人才分析数据应该被整个HR团队所利用,而不是仅仅由专门的数据团队来处理。此外,David还讨论了如何使用AI来识别和纠正数据中的不一致性,从而提高数据质量。

Deep Dive

Key Insights

How is people analytics evolving in organizations?

People analytics is becoming more accessible to organizations of all sizes, not just large enterprises. Vendors are addressing data management challenges, and solutions are emerging that allow smaller companies to access insights that were previously reserved for large enterprises.

Why is the intersection of compensation and people analytics important?

Compensation data helps leaders manage rapid changes in organizations by using it as a lever to stabilize turnover and address attrition. It also allows for a more holistic view of the employee journey, integrating compensation with other HR metrics like engagement and retention.

What challenges do organizations face with AI in HR?

Many organizations are not ready for AI adoption due to weak underlying data foundations. Ensuring data health and integrity is crucial before leveraging AI tools, as poor data quality can lead to inaccurate insights and results.

How can AI help HR move beyond administrative tasks?

AI can automate repetitive processes and workflows, freeing up HR teams to focus on strategic initiatives. By reducing administrative burdens, HR can play a more significant role in shaping organizational strategy and investing in people.

What role does data integrity play in AI adoption for HR?

Data integrity is foundational for AI adoption. Without clean, consistent data, AI tools cannot provide reliable insights. Organizations need to focus on data hygiene and automation to ensure their data is ready for AI applications.

Why is HR often seen as administrative rather than strategic?

HR has historically been under-resourced and lacked the tools to be strategic. However, with the rise of people analytics and AI, HR is gaining the ability to contribute more effectively to organizational strategy and demonstrate the value of investing in people.

How can organizations prepare for AI in HR?

Organizations should focus on strengthening their data foundations, ensuring data health and integrity, and automating processes to prepare for AI adoption. This involves cleaning up data inconsistencies and ensuring that HR teams are equipped to use data effectively.

What is the significance of historical data in people analytics?

Historical data is crucial for proactive decision-making and trend analysis. Without it, organizations cannot fully understand patterns like turnover rates or compensation trends, which are essential for strategic HR planning.

Chapters
This chapter explores the current state of people analytics, highlighting its increasing accessibility to organizations of all sizes and the diverse range of vendors offering solutions. It emphasizes the shift from large, enterprise-level solutions to more options for mid-market companies, enabling better data-driven decision-making.
  • People analytics is becoming more accessible to organizations of all sizes.
  • Various vendors offer different solutions to address various needs.
  • Democratization of insights previously only available to large companies.

Shownotes Transcript

商业世界比以往任何时候都更加复杂。人力资源和薪酬的世界也变得越来越复杂。欢迎收听 HR Data Labs 播客,这是您了解人力资源内外专家最新趋势的直接来源。

收听我们探讨薪酬策略、数据和人员分析对您组织的影响。本播客由 Salary.com 赞助,Salary.com 是您获取薪酬及其他方面数据、技术和咨询服务的来源。现在,让我们欢迎主持人 David Teretsky 和 Dwight Brown。

大家好,欢迎收听 HR Data Labs 播客。我是主持人 David Tretzky,我们正在内华达州拉斯维加斯美丽的曼德勒海湾酒店现场录制 2024 年人力资源技术展。今天我与 Noelle London 共同主持。Noelle,你好,你好吗?我很好,感谢你的邀请。David,我们已经期待这一刻很久了。我知道。我们已经讨论过一段时间了。那么,你的公司 Illuminis 做什么呢?

我们是一个交钥匙式的人才智能平台。本质上,这意味着我们将无法相互通信的不同 HR 技术堆栈整合在一起。我们将它们放在一个地方,以便绘制整个员工旅程,公司可以一站式访问其整个员工旅程和跨工具学习。但他们也有机会了解同行在市场上的做法。

哦,很有趣。所以你们一路都在进行一些基准测试。非常酷。是的,而且在考虑 HR 领导者每天都在发生变化的事情数量时,非常需要这样的背景。

他们怎么能知道最佳实践是什么呢?什么是最佳实践?因为现在很多时候,当你提到最佳实践这个词时,人们会说,什么背景下的最佳实践?这意味着打电话给你的 HR 朋友,问他们,在这种特定情况下,你到底在做什么?对,从垄断的角度来看,这并不一定合法。对。

对。在某些方面,是的。但我认为,在产品方面真正令人兴奋的是,我们看到 HR 领导者彼此分享信息、互相帮助的同样的事情。当然。你如何通过产品大规模地做到这一点?当你通过产品大规模地做到这一点时,它就不再是垄断的了。它实际上被称为基准测试。

对。当你不知道公司名称时……而且它是聚合和匿名化的,那么它就公平竞争了。这很好。是的,所以,Noelle,你在 Illuminis 做什么?我是创始人和首席执行官。好的。就是这样。所以我们现在将更多地了解你,因为我们现在还将了解 Noelle London 不为人知的一个有趣的事情。关于我,没有人知道的一个有趣的事情……

我真的很喜欢寻宝游戏。我喜欢寻宝游戏。我会说,你知道,如果你正在沿着一条乡村道路行驶,右边有一家旧货店,

我会在那里找到一些宝藏。这对我来说很有趣。我们永远不应该一起上路。因为我做的完全一样。靠边停车,靠边停车。不,不,我喜欢做同样的事情。所以,是的,这将很危险。你找到的最好的东西是什么?事实上,我找到了两幅 18 世纪的肖像画。

在纽约州锡拉丘兹的一个庭院拍卖会上。好的。我有一栋 1775 年的房子。所以这些肖像画非常适合我的房子。现在,我不知道它们是否值钱,但它们对我来说很有价值。是的,而且当时的情况是……

帮助我姐姐搬家。是的。这对她的人生来说是一个非常感人的时刻。所以结果非常完美。你呢?你找到的一个有趣的东西是什么?我的不那么……也许那个不那么感人,但我确实有一只名叫 Hefe 的巧克力拉布拉多犬,我们找到一个复古的行李箱

那可能是 50 年代的,行李箱上写着“我去看奶奶”,所以它很适合装食物和所有东西,它已经成为一个行李箱,太棒了,太棒了,太棒了

这真的很酷。是的,这很有趣,每次我们看到它都会让我们笑。这真的很棒。我也应该这样做。虽然我的狗真的不和我一起旅行,但这真的很酷。是的,是的。

好的。现在让我们过渡到这次谈话的商业方面,那就是,让我们稍微谈谈……首先,显然,对于 Illuminis 来说,你们做了很多人员分析,很多 HR 分析。是的。那么,今天人员分析和 HR 分析领域发生了什么?这……

很有趣,因为我们正坐在……这是什么?你会称之为最大的 HR 技术展吗?这是最大的一个吗?好吧,这当然是世界上最大的 HR 技术展。但这可能是我参加过的最大的一个。我已经参加了 20 个了。哇。这是一个非常有趣的观点。这是一个非常有趣的观点。当我环顾展会上的所有这些公司时,我在想……

我认为数据部分是展会上的每一家公司都在努力解决的部分。我认为这是一个非常令人兴奋的时刻。

有时我会考虑有线电视业务以及捆绑和解绑的想法,这就像一个持续的循环。我认为现在关于人员分析真正令人兴奋的是,过去,也许有人认为他们只有两种选择。这些选择是,我可以使用一个端到端的平台,它将为我做所有事情。

这很难实现。或者我需要自己构建一些东西才能让它为我工作。这是一个非常耗时且昂贵的大型项目。所以对我来说,我认为真正令人兴奋的是,现在比以往任何时候都有更多的选择。当然。

因此,组织,特别是当我想到它时,我认为很多这些组织都认为我必须是一家大公司才能进行人员分析。我必须是一家大公司。我必须组建一个大型团队。我们将构建一个完全定制的东西。而现在我认为真正令人兴奋的是,你知道,我和 Illuminis 在这里,我们追逐那些中端市场客户,并且,

但是这些客户现在可以选择获得能够做出决策的洞察力和数据,而这些洞察力和数据过去只为非常大的公司保留。正如你所说,在这个展会上有很多不同的供应商。

他们指向企业的不同部分,无论是小型企业、中型 SharePoint 还是大型企业。有像 Viziers 这样的公司,它们是人员分析领域 800 磅的大猩猩,但你为这种解决方案付出了 800 磅大猩猩的代价。然后还有其他一些公司试图解决不同的问题,听起来你之前谈论的是一种更全面的方法

人员分析方法适用于人员分析中的许多不同学科。是的,我认为特别是,因此这些公司不必

坦率地说,大多数公司都无法支付 Viziers 的费用,也没有资源来使用这样的解决方案。因此,能够拥有并几乎使这些类型的见解民主化,对于那些无法负担得起的公司来说。我认为这令人兴奋的另一件事是,有了这些解决方案,这意味着,你知道,有时公司,

有,很难满足公司的所有用例,每个组织可能都有一个解决方案无法满足的不同用例。本质上,我们现在所说的意思是,使用帮助你最好地完成工作的解决方案,我们可以站在它们的上面。当然。好吧,如果你现在谈论人员分析,

思维过程。是的。有很多组织已经准备好进行某些人员分析,例如,员工流失率、招聘和离职等。他们过去从报告中获得的更多描述性统计数据,但他们还不够成熟。他们还没准备好。他们没有纪律。正如你提到的,他们没有人员来进行更复杂的报告。

是的。

到目前为止你听过什么?点击订阅,确保你不会错过任何节目。本播客由 salary.com 提供支持。现在回到节目。

我想问的下一个问题可能会占用我们一段时间,因为这是一个很好的问题,那就是超越炒作周期。是的。AI 将如何应用于 HR?你认为它将走向何方?AI 在 HR 世界中的作用是什么?你在上一个问题中关于 HR 被视为行政工作的说法。我认为这应该是首先要解决的问题。

因为 HR 不是行政工作。将 HR 视为行政工作的组织并没有真正看到……投资员工就是投资业务。所以我认为,正如我们刚才所说,HR 一直排在最后,无法获得能够帮助他们更好地完成工作的酷炫新事物。我认为首先应该解决的是 AI 的行政部分,以便 HR 可以专注于发挥战略作用,坐在 ELT 中,

帮助制定组织如何投资员工的战略。所以我希望,我的意思是,我今天甚至刚刚与一位 HR 领导者交谈,他正在说,我应该使用哪些工具来开始自动化这些流程?

有很多工具可用,甚至不需要你的预算,只要你按照在组织内应该使用它们的方式使用它们即可。是的。这就是我看到的未来。顺便说一句,你的 IT 部门想知道你是否正在使用这些东西,以及你如何使用这些东西。我已经进行了很多对话,其中一个根本原则是

我们必须非常小心地使用这些数据,我们告诉谁这些数据,我们把数据交给谁,我们如何公开我们可能向聊天机器人或 ChatGPT 4.0 或……

随便说吧,Gemini 或 Copilot 或其他任何人。但这现在正在我们的组织中以消费者的身份发生,甚至不仅仅是在企业层面。所以对我来说,整个……我知道我会这么说,你会生我的气。IT 或 HR 方面存在行政负担,需要压制

就像我们使用 BYO(自带设备)进行 iPhone 或智能手机或其他任何操作一样。有一个,你必须压制。人们不会将我们的组织暴露给外部世界。是的。是的。

甚至只是在聊天机器人中问一个问题。是的。我认为你是对的。所以不要立即下载所有工具。从你的 IT 团队那里获得一些指导,并依靠他们。我认为

就像回到这个成熟度曲线的想法一样,你知道,当指导到位时,有很多潜在的行政工作可以通过工具来自动化流程,例如工作流程,以实现很多行政工作,你知道,自动化。

从你的盘子里拿走,如果你愿意的话。但我认为,我认为正如你所说,有很多等待和观望的事情:我可以做什么?我不允许做什么?我应该把数据放在哪里?我不应该把数据放在哪里?我认为同样地,当我们开始考虑像,好的,

对。

但是你现在可以做一些事情来帮助你为此做好准备。这就是我们现在看到的最佳实践,即组织,你可能还没有达到那个阶段。没关系。这再次像一个成熟度曲线,我们都在一起走这条曲线。对。但是……

现在建立良好的基础数据非常重要。所以我们一直看到最小的东西,比如错别字,营销团队有三个 M 而不是一个 M。但回到关于 HR 分析的最早对话。如果没有这些基本数据,我不想说标准,用标准,对吧?

HR 分析也会变得更加困难。忘记 AI 了。是的。但是,你知道,让营销团队有三个 M,或者让 SR 代表高级,然后让所有其他高级人员用 S E N I O R 拼写出来。是的。我的意思是,问题之一是,这使得 AI 或帮助 AI 的人进行解释时,他们必须为此做额外的工作。

百分之百。我认为你以超越炒作开始这个问题。对。对。是的。超越 AI 的炒作,因为有些,你知道,我们每天都被问到,你知道,我预测这个的能力,我预测那个的能力。但是很多

大多数组织还没有准备好,因为数据没有到位。你可以购买这个房间里一个新的酷炫工具来做 AI。但是,如果你的基础数据基础不牢固,你就无法相信从中会得到什么结果。所以这就是我们现在谈论的大部分内容。我们现在正在与客户一起努力的是数据健康和完整性。因此,也有一些方法可以自动化

一些数据健康和完整性工作,以确保基础数据基础牢固,以便当你准备好时,你会感觉良好,并且这些结果是准确的。

我们做的一期播客,可能是一年半或两年前,与 Martha Curione 和 Adam McKinnon 一起,我们讨论了实际上训练机器人能够专注于数据并发现从 HR 数据角度来看不一致的数据模式。是的。

已经有一段时间了,事实上,我很快就会再次邀请 Martha。但她的观点是,他们的论点,他们的论点是,我们可以使用人工智能来寻找数据中不合理的模式,并帮助机器人实际解决我们潜在的数据问题,而不是……

花费数百小时的分析师或 HR IT 时间下载数据,你知道,下载基础表,确保它仍然准确。显然,人们会犯错误。我的意思是,AI 也会犯错误,但经过正确训练的 AI 比人犯的错误更少。所以我的意思是,我们甚至可以拥有,或者我们可以使用自动化,对吧?

让我们的生活更容易,当涉及到数据本身是否干净的基础数据时。是的。这感觉就像现在应该进行的对话,因为你的大多数高管可能都在问你正在做些什么来为此做好准备以及你如何处理它。

这似乎是你现在可以做的最好的事情之一,那就是让你的整体数据处于良好的状态,以便你做好准备。顺便说一句,这不是一次性的事情。这是一个持续的……

是的。这叫做卫生。这是需要发生的卫生。因为无论我们是进行福利登记、招聘某人、解雇某人,还是并购并将一家新公司添加到我们的组织中,这些都是……无论你是在添加新的 HRIS 系统,还是从旧的记录系统过渡到新的记录系统。是的。

我无法告诉你公司做了多少次这样的事情。即使在同一个提供商内部,也没有做基础工作来确保他们的模式。哦,是的。他们确保一切正常。或者,哦,你从一个四字符字段开始。现在他们可以为职位代码使用八字符字段。

好的。你会更新你的职位名称、职位代码和职位吗?不,不。但是,如果你想变得积极主动,你需要历史数据。对。你需要这些历史数据才能到达那里。

顺便说一句,我们可以做一个关于数据的完整播客。我很乐意再来。所以,我每天早上醒来都会思考如何改进数据,以便我们能够从中看到更好的东西并做得更好。所以……

我是一个极客。我也是。是的,我们应该来一次公路旅行,去一些商店。去淘旧货,谈谈一些人员分析数据。是的,没错。去旅行。是的,我喜欢这个主意。那将是一个播客,就像一个全新的播客。是的。是的,你刚才听到了。Noelle 和我实际上将要开始一个新的播客。我们将……

我们将把它命名为“巧克力实验室之旅”或“Hefe 畅谈”之类的名字。我们将继续完善这个名字。是的,是的。不,我们必须一起讨论一下。我们将在 HR Tech 大会上一起讨论。我们将在节目说明中让大家知道结果。Noelle,这太吸引人了。非常感谢你。这很有趣。谢谢你邀请我。我很荣幸。再说一次,我们必须请你回来。是的。我等不及了。再次感谢你。是的。保重。再见。

这是 HR 数据实验室播客。如果您喜欢这一集,请订阅。如果您认识任何可能想听的人,请将它发送给他们。感谢您本周加入我们,敬请期待我们的下一集。保重。