谷歌在資料分析決策方面，專門開發了一套決策模型（analytics value chain）。
谷歌自創立之初在公司文化上就深深地帶有創始人的烙印，公司文化屬於典型的工程師文化。公司內有一條不成文的規則，那就是任何決策不能拍腦袋，必須是資料驅動。每個人都必須學會用資料說話，用資料去說服別人，並用資料推動決策。
谷歌自創立之初在公司文化上就深深地帶有創始人的烙印，公司文化屬於典型的工程師文化。公司內有一條不成文的規則，那就是任何決策不能拍腦袋，必須是資料驅動。每個人都必須學會用資料說話，用資料去說服別人，並用資料推動決策。
資料驅動一切決策，hr管理也不例外。
在谷歌最早的ipo招股書明書中這樣寫道：「我們不是乙個傳統意義上的公司，我們也不打算成為乙個傳統意義上的公司。」從hr角度來看，這也意味著谷歌的hr自公司成立的第一天起，也著力於將打造成為乙個非傳統意義的hr。其中最能凸顯非傳統的一點，就是hr需要完全通過資料來指導日常的所有工作和決策。
谷歌有專門的人力分析團隊（analytics），直接向公司人力副總裁匯報。分析團隊的背景也特別：1/3的人有mba學位，1/3有心理與行為學方面的博士學位，剩下的1/3擁有資料或統計分析方面的學位。
此外，在人力資料分析團隊內部，分別有專人對接每乙個其他hr職能部門，這樣來確保每個職能都能夠完全實現資料驅動決策。
谷歌在資料分析決策方面，專門開發了一套決策模型（analytics value chain）。
決策模型圖如下：
第一步：看法和觀點（opinion）
這一層主要是人最直觀的主**法。比如，人們常說：「我覺得應該是這樣的，因為一直以來事情就是這麼運作的。」這就是一種看法，它並不代表事實。從人力分析的角度來說，需要避免只憑直覺看問題，應盡量拿事實說話，做到超越直覺。
第二步：資料（data）
hr各個部門原本都擁有大量的資料，比如組織內有編制、多少人員？一段時期內有多少人獲得了晉公升？多少人員離開了公司？
這些資料廣泛地散落在組織各處。但是這些只是停留在原始資料階段，尚無法被人所理解。只擁有資料並沒有太大意義，因為資料本身並不能自動解決任何問題。
第三步：衡量（metrics）
然而，隨著時間的推移，人們可能會對這些指標開始麻木，因為這些資料、指標並不能解決實際問題，無法幫助組織作出下一步的行動計畫。
第四步：分析（analysis）
第五步：洞見（insight）
通過對資料的分析，可以透過表面看本質，最終形成自己對某一事物的洞見。
第六步：行動（action）
歸根結底，資料分析的目的是要解決問題。基於對事物形成的洞見，接下來便可以有的放矢地制訂行動方案，並付諸於實施，最終幫助解決組織存在的問題。
我們來看乙個谷歌資料分析在實際工作中的經典應用案例。
谷歌有乙個人力團隊叫人員與創新實驗室（people and innovaiton lab），工作是負責從長期角度解決組織中存在的人員難題，通過創新的解決方案來幫助組織實現變革。實驗室曾經負責了乙個管理者發展專案，叫氧氣專案（project oxygen）。
專案的起源很有意思：谷歌創立早期，創始人佩奇認為公司具有典型的工程師文化，不太理解到底管理者（people manager）在組織中能夠有什麼大的作為。甚至覺得，管理者這種非常具有官僚特徵的職位的存在，在組織中只會讓人覺得礙手礙腳。
後來佩奇一聲令下，我們乾脆把管理者這種職位取消了吧。所有工程師一律向他本人匯報。接下來發生的事情不出所料，管理者崗位的取消並沒有帶來組織效率的提公升，反而讓組織陷入了巨大的混亂。無奈之中，谷歌後來又重新恢復了管理層。
當時，谷歌內部已經有一些與管理者相關的人力資料，一類是績效反饋資料，這個是管理者對員工的自上而下的反饋；另一類是員工調研資料，這個是員工對管理者的自下而上的反饋。
接下來把這些資料切分出四個分位：尤其重點關注最上面的25%和最底部的25%，然後具體來看每個分位的管理者具體的表現如何。相關的衡量指標包括了：團隊工作業績、團隊成員的幸福度打分、團隊成員離職率，等等。
經過分析，人們發現乙個管理者的表現好壞對以上指標存在巨大影響，最上面的25%的管理者的這些指標遠遠好於最底層的25%的管理者。最後的結論：乙個優秀的管理者對公司至關重要。
接下來一步的工作，找到可以幫助管理者提公升的方式，讓他們都可以成為優秀的管理者。
在這一步，谷歌做了兩項工作。第一項：設立優秀經理獎（great manager award)。如果要提名優秀經理，提名者必須寫清楚他有哪些具體的事例和行為表現。通過對所有提名的解碼，谷歌可以提取出優秀管理者的共同之處。
另一項工作，對所有經理開展面談。面談之前，面談雙方並不知道被面試者是否屬於優秀經理之列。所有面談結束之後，把面談結果彙總分析、解碼，從中找到優秀經理和非優秀經理到底都有哪些共同之處。
上述工作的產出，便得出了谷歌的優秀管理者所具備的8項行為特徵：
1. 是乙個好教練；
2. 對團隊授權而不是做細節管理；
3. 非常關心團隊成員的事業成功及個人福祉；
4. 工作成效高，並且結果導向；
5. 是乙個良好的溝通者，願意傾聽和分享資訊；
6. 能幫助下屬實現職業發展目標；
7. 能為團隊設定清晰的願景和戰略；
8. 具備重要的崗位技能，能對團隊提供建議。
此外，谷歌還提煉出了導致經理們陷入麻煩的3大原因：
1. 過渡期充滿挑戰（比如，突然被晉公升、被新招入並缺乏相關培訓，等）；
2. 在績效管理和職業發展方面缺乏一套持續穩定的方法和工具;
3. 在人員管理和溝通方面花了太少的時間；
有了以上發現之後，谷歌就開始通過以下渠道來定期評估和發展管理者：
1. 一年兩次的員工對管理者的向上反饋調研（聚焦在8項行為特徵方面）；
2. 每年的優秀經理頒獎，發現管理者中的典範；
3. 管理者培訓；
4. 新經理溝通課程，讓新經理知道公司對他們的具體期望是什麼。
最後，我們再用谷歌的資料分析決策模型來復盤一下整個專案過程：
1.看法- 大家覺得管理者對谷歌的績效沒有影響，貢獻不大；
2.資料- 組織內有大量跟管理者相關的資料，主要來自於績效管理和員工調研；
3.衡量- 大部分員工對經理的調研評分還不錯；
4.分析- 優秀經理擁有較低的員工流失率和較高的團隊績效；
5.洞見- 提煉出與管理者相關的8項正面行為和3大負面原因；
6.行動- 發起由員工打分的聚焦8項行為的管理者調研，建立機會幫助管理者之間相互交流最佳實踐。
資料分析
人力決策
決策模型
資料分析是模型驅動還是資料驅動
在討論這個問題之前，需要理解清楚模型驅動與資料驅動兩個詞的含義。到底什麼是模型驅動？從認識世界的角度來講，我們理解的制度 禮儀 道德等等，基本上都可以理解為模型，通過這些模型，我們可以清楚地明白哪些是好的，哪些是壞的，哪些該做，哪些不該做。然而在資料側，在業務理解上，也可以類似地理解。我們需要梳理一...
如何利用資料分析來提高專案成果
d1net觀察 大資料和相關業務正在逐漸顯現其價值，到2019年，全球大資料和業務分析的收入預計將增長到超過1870億美元，到2020年，專案管理行業預計收入將達到5.81萬億美元。下面是一些企業如何利用資料分析來提高專案績效的例項。gartner副總裁兼分析師ted friedman 以下三個趨勢...
如何自己找資料分析專案來做
知乎熱答 因為自己在工作中會處理許多酒店相關的資料，在看見這個資料集的時候，有種莫名的熟悉感。資料分為彙總版和明細版兩類。可從彙總版入手熟悉後，高階使用完整版挖掘更多資訊。calendar 資料為短租 時間表資訊，包括 時間 是否可租 租金和可租天數等等。neighbourhoods 資料為北京的行...