同程艺龙：多年沉淀，用People Analyics 解决业务管理痛点

许灵 | 同程艺龙 | SSC 数据负责人

数字化背景

同程集团自2013 年开启了人力资源信息化的历程，从2015 年开始自主研发人力行政系统，在HR 信息化路上已经走过了近7 年的时间。2018 年3 月，同程旅游集团下同程网络的板块和艺龙旅行网合并形成同程艺龙，同年，人力信息系统也进行了业务流程统一和数据套改，完成人力信息系统的融合。多年的系统运行经验与数据积累为People Analyics 的发展提供了一定的前提条件。在高管的大力支持下， SSC 与公司信息化部门协作，People Analyics 于2019 年逐步在企业中“落地生根”。

对People Analyics 的理解

同程艺龙认为，对于People Analyics，大部分企业在实践过程中已经有了类似的概念，也已有或深或浅的尝试，只是缺乏统一的名词。在同程艺龙的People Analyics 实践，是以支撑组织战略、解决业务问题为出发点，打通整合多处数据源，通过交叉的多维度的分析或基于数据模型，进行可视化的数据呈现，辅助于战略或决策的落地和人力资源管理。其根本目的是用于辅助企业的人力或业务战略的落地，也可辅助人力资源的日常管理。

People Analyics 主要包含以下几大特征：

以解决问题为出发点。区别于传统的运营性工作汇报或报表，PA 的初衷和目的，是解决问题，可能是解决公司层面战略落地的问题，例如，提高人效、快速拓展业务、降费增效等，可能是解决HR 日常工作中的问题，例如提升高绩效员工保存率、人才实时动态判断等。PA 不是为了做报表而做报表，而是为了解决业务痛点做数据支持，以终为始地进行数据分析。

◉ 打破数据壁垒，进行全面综合的交叉分析。通常分析透彻一个业务问题，仅通过单一模块的数据难以支持。需将人力资源主系统和其他周边相关的系统（如：绩效、培训、招聘、人才发展系统等） 的数据整合到一起，才能更好地挖掘相关问题背后的原因，进行综合的交叉分析。

◉ 不仅分析过去已发生的，更尝试预测未来。People Analyics 不仅用于了解已经发生的事情，更需要用于探索未来相关场景中某些事件的发生概率，如：离职风险预测，用工规模、人力成本预测等。

◉ 不少企业倾向于基于成熟数据工具或平台落地。原因其一是数据模型一旦建成，数据源时刻变化，但数据结论的实时性要求很高， 通常难以人工实时处理，大多基于系统模型处理。其二，成熟的BI 工具，可以让数据的视觉呈现方式可以有更好的表达。

发展People Analyics 前期准备

同程艺龙于2019 年6 月开始着手搭建内部的数据决策分析平台， 企业内也初步具备了数据化管理的意识。同程艺龙认为，能于该时间点启动People Analyics 主要取决于以下几大条件：

高层的关注和支持：People Analyics 的发展需要资源和成本的投入，如果管理层没有对于数据的关注和意识，自下而上推动该项目往往需要较长的时间和周期。同程艺龙的CHO、CTO、行政负责人等高管对于People Analyics 有较高的关注度和支持度，自上而下的推动使项目的边界较广，人力、行政都成为了People Analyics 所覆盖的领域。高管的充分支持也使相关资源的提供有了充足的保障，如：内部形成了稳定的研发团队来支持People Analyics 的发展。

          ◉ 内部数据文化和氛围的形成：仅数字化的工具和系统上线是远远不够的，还需要内部的人力资源从业者和管理者能够充分应用， 这就有赖于内部数据文化和氛围的形成。同程艺龙原本的行业性质决定了其拥有一定的“先天优势”，员工对于数据的认可与接受度均较高，并且在平时的工作中便具备用数据说话的意识。虽然已经具备了“先天优势”，但是同程艺龙并没有放弃“后天努力”： 建立沟通“听”到用户真实的声音。在People Analyics 开展之初，团队便自上而下地进行了一轮关键人物（如： CHO、HRD）访谈，了解关键人群对于People Analyics 的认知与诉求。同时，因企业发展方向、人力资源战略随 内外部环境不断调整变化，为了与业务部门始终保持“步调 一致”，数据决策分析平台在运营了一段时间后，一直持续 保持着和关键用户的沟通，并在运行一年之际，进行了用 户调研及回访。

          通过平台向用户“讲”清楚指标。同程艺龙数据决策分析平 台目前用户包括HR 条线和干部团队，为了解决用户在使用 数据平台的过程中对数据指标存在疑惑的问题，同程艺龙 主要通过产品端的触达来实现：在数据平台的每个指标上 均会有对该指标的具体描述、计算公式、统计口径等信息， 帮助用户更好地理解这些指标；另外在该产品的页面上， 用户也可以通过“在线反馈”功能，将疑问或需求直接传 达至后台的相关产品负责人。未来，同程艺龙希望将这一 功能做成实时的对话窗口，实现对用户问题的实时答复与 处理。

          （数据决策分析平台）

          信息化的程度和数据质量基础。如果一家企业尚未较全面地实现信息化，就意味着数据很难有长期全面的结构化、系统化的沉淀。在这样的情况下，如果要开展People Analyics 并非完全不可行， 但企业要付出的人工代价往往会特别高，需要大量线下数据的清洗和数据梳理、数据导入等工作。反之，若信息化程度高，上线系统的时间长，开展People Analyics 便会有更好的条件。同程艺龙于2017年初自主研发了新版本的主系统，直至2019 年的6月， 已经累积了近2 年的数字化运营经验和数据沉淀。

同程艺龙认为，若企业具备一定的条件，最好有专门的团队来搭建数据仓库。因为数据分析过程中，往往会涉及多个数据源， 数据源又往往来自于多个系统。若直接连接各个业务系统的数据库来进行数据的加工计算，计算量大，查询速度慢，对于业务系统也会造成很大的压力。同程艺龙采用的方式为将前端多个系统的数据抽取到数据仓库――即将数据仓库作为中转站使用。通常对于实时性要求并不是特别高的分析，往往前一天（T-1）的数据状态就可以满足管理者的管理诉求。只有对于小部分实时性要求较强的数据分析，同程艺龙才会直接查询业务系统的数据库并调用。数据仓库在这个过程中扮演着重要的作用，它使企业在使用数据进行分析时不影响业务系统的效率，保障数据计算的速度。

          同程艺龙还非常重视数据治理，在数据治理方面，同程艺龙从增量数据入口管控和存量数据质量检查两个方面做了严格的管理。为了长期保障数据质量，形成数据治理闭环，企业内部专门自主研发了数据治理平台，该平台主要用于对数据字段间的逻辑、规则进行实时的校验检查，并且将发现的问题形成任务分配至SSC 的相关负责同事处进行处理。

          （数据治理平台）

          组织一个专业的团队：同程艺龙的People Analyics 核心团队成员包括SSC 内的HR 信息化管理团队、SSC 一站式服务负责人、SSC 流程质量负责人，以及信息化部门的技术团队，也会协同COE、行政部门的管理者，共同确定数据展示方案。在这个团队中，SSC 一站式负责人与HRD、HRBP 之间有长期稳定的沟通渠道，因此能够较好地触达用户，例如新功能上线通知、指标口径说明等，通过与用户直接沟通，及时获取用户的反馈与需求。接触用户，才能更好的服务用户。另外，该团队还需要具备一定的数据可视化建模能力，即与业务沟通后，要能将业务问题转化为数据分析方案展示给用户。

具体实践场景

结合企业管理痛点和用户的需求，同程艺龙在People Analyics 的实践场景中优先选择了人才数据全景、日常考勤管理、数据预警功能进行了尝试与探索。

◉ 人才数据全景

人才数据全景主要解决了人才选用与评估的问题，该场景的应用与OD 部门合作开展，所要达成的目的为借助全景化的人才动态数据， 实现人才的实时管理。人才数据全景不仅解决了OD 在人才动态管理方面的痛点，同时又满足了大多数用户的需求。在2020 年6 月的用户调研中，75% 的用户表示期待员工数据全景画像功能。由于干部群体的数据相对更加丰富，因此从干部群体开始进行试点，未来人才全景画像也会覆盖全体员工。通过这一场景，企业在进行人才盘点时会更了解干部，上级也会更了解下级，员工对于自己当前的定位与优劣势也会更为清晰。

要形成这样的全景画像，同程艺龙主要选取以下指标来支撑这一场景：

          干部测评数据

          公司定期的干部盘点（如：九宫格的盘点结果等）

          干部的BP 和其上级对他的评价

          干部绩效、晋升、奖惩情况

          日常行为，如：出勤，请假，差旅等

          干部所带团队的成长、发展数据

          公司内外部的过往工作经历

          ……

以上数据均为整合在一个页面上进行呈现，形成完整的人才画像。

◉ 日常考勤的管理

2019 年6 月同程艺龙在企业内开展了一次调研，面向30 多位核心用户了解大家当前最关注的需求点。调研结果显示，大家最为关注的模块便是考勤。因此企业优先在考勤模块进行试水，制作了线上可视化的相关报表。企业内的干部可以实时熟悉、了解团队中的出勤、加班、请假的情况。在该模块，同程艺龙制作了多个看板，看板上可以了解到的数据信息包括：出勤时长、人均出勤时长的排名、大家申请加班的情况、出差的情况、已申请待休假的人员、已申请待出差的人员等。完善的考勤数据信息也确保了干部若出现人事异动，继任者可以在短时间内掌握现有部门的人事安排情况。

（数据决策分析平台）

数据预警功能

数据预警功能旨在让用户摆脱每日在OA 或PC 端上进行审批的繁琐，可以自行设置自己关注的指标。目前，该功能支持用户自主选择自己关心的数据指标，并基于自身管理需求设置属于自己的“预警线”，一旦指标达到了预警值，用户将在移动端收到异常数据消息提醒，实现管理上及时预警。该功能也是在2020 年6 月的用户调研中， 70% 的用户期望数据平台可以实现的，深受用户期待的功能。

助力业务决策

◉ 需求诊断

同程艺龙的场景需求主要来自于企业内真实的管理痛点，为了更好地了解这些需求，主要会有以下举措：

          关键用户调研，理解真实的管理痛点和需求。People Analyics 项目组通过在线问卷调研和当面用户访谈的方式， 深入了解用户想要的是什么，希望通过数据实现什么样的 管理，用户目前对数据平台的反馈如何；

          将用户痛点转化为数据化解决方案。调研获得的信息经过 团队的二次整理、分析、转化，提炼出关键问题点，形成 初步产品方案；

          在初步方案形成后，同程艺龙会在SSC 内部将该方案进行 讨论，SSC 的负责人及小组leader 提供建议和意见完善方 案，同时也会将产品方案与业务需求方再次沟通确认；

          方案确认后，People Analyics 团队便会将方案进行落地， 将其实现出来；

          落地上线后，用户可以在过程中通过平台反馈功能或直接 联系项目组，及时提供建议和反馈，帮助优化和丰富产品。

同程艺龙数据决策分析平台的产品研发，完全基于公司内部技术团队自主研发，具体包括：产品经理、技术开发人员、UI 设计师、研发的测试人员。

其他经验与建议

          若企业的数据文化较为薄弱，又需要去推动这样的文化的话，自上而下地推动往往“胜算”更高。前期可通过拉取系统数据手工出具数据报告的方式，让管理层从系统数据中看到管理价值，并且逐步建立管理层对系统数据质量的信任度。管理层关注系统数据价值、借助数据分析做决策了，内部自然逐渐形成“用数据说话”，基于数据向管理者汇报的状态。

          企业解决缺乏People Analyics专业人才的问题，主要有以下两种方式：内部培养与外部招聘。若考虑内部培养，可以先从企业内部找负责HR 数据处理的相关同事，内部培养的好处是这些人才往往熟悉整个公司系统中的数据结构，也了解管理者需要看到怎样的数据，对于内部数据指标统计口径非常熟悉。若内部没有合适的人选，外部招聘也不失为一种好的方式。外部招聘的人才通常对BI 系统的建设有更多的经验，也可以为企业带来更多数据分析维度的输入。

          People Analyics专业人才的特征理解业务。People Analyics人员需要站在用户的角度，站 在管理者的角度，站在HR 的角度考虑整体方案设计。

          沟通能力和调动资源的能力。People Analyics 项目需要大 量的沟通和调研，采集需求，需要与做HR 数据的团队保 持密切的沟通。同时，还需要与其他部门的资源调动，例 如行政部、薪酬绩效部等，需要获得业务部门的授权和支持。

          产品意识强，注重用户体验和细节。

          拥抱业务变化。业务战略在变化，数据维度也需及时调整 跟上业务的节奏。

          创新技术和思维的引入。