数智化人力资源管理-课件 10-敬业度分析

数智化人力资源管理主编徐明霞

唐玉洁敬业度分析第十章第三篇场景篇1.了解组织行为中有关态度、组织、群体、个体等知识2.掌握有关敬业度构成维度以及影响因素等知识3.熟练掌握数据分析,熟悉因子分析与多重线性回归等分析挖掘技能,分析并挖掘敬业度数据4.结合真实业务情况,熟练掌握数据分析与挖掘流程与规范学习目标知识结构图引导案例捷胜信息技术有限公司的员工敬业度分析1.公司概况与现状公司概况:捷胜信息技术有限公司(简称“捷胜信息”)是一家致力于交通出行智能终端设备和集软件产品的研发、销售、服务于一体的创业公司,成立五年来,公司以技术发展为第一驱动力,以良好的产品优势获得了市场的认可,度过了困难的初创期。组织与人员:公司现有人员367名,分为研发、市场推广、职能等7个部门,推行扁平化的管理模式。公司今年持续获得大额订单,业务快速发展,人员规模预计增长100%以上。人员管理现状:在业务蓬勃发展的同时,公司的人员管理上出现了一些不好的倾向,部分员工对公司的领导、文化、激励、流程等方面提出了很多意见,人力资源部也时常听到员工的抱怨。2.现有措施与任务要求采取的措施:在公司即将加速发展的关键时期,为提供良好的组织和人员保障能力,经管理层批准,人力资源部配合外部著名的人力资源服务公司怡安翰威特对公司进行咨询诊断,并对管理层、员工进行了调研和访谈,以便快速有针对性地解决问题,提高员工凝聚力,为公司下一个五年的飞速发展、成为行业翘楚的知名企业而努力。收集数据和信息:咨询公司对各部门共计35名员工进行了匿名访谈,形成了访谈记录。在此基础上,人力资源部和咨询公司设计了敬业度调研问卷,以了解员工状态,持续跟踪提升敬业度,达成业务成果。引导案例续任务要求:人力资源部拟成立一个四人数据分析小组,根据收集整理的公司员工基本信息、敬业度调研数据等,通过数据分析挖掘人力资源管理中存在的深层次问题,提出改进建议,为今后发展奠定良好的基础。3.组织结构图4.访谈记录表第一节业务理解第二节数据收集第三节数据预处理目录第四节数据分析及挖掘第一节业务理解第十章第三篇场景篇(1)盖洛普:在给员工创造良好的环境、发挥他的优势的基础上使每名员工视自己为所在单位的一分子,产生一种归属感,产生“主人翁”责任感。员工敬业度研究源于美国盖洛普咨询有限公司。(2)翰威特:员工敬业度是员工在情感和知识方面对组织的承诺和投入的程度,衡量的是员工乐意留在公司和努力为公司服务的程度,员工的敬业度受到多方因素的影响。(3)韬睿:员工敬业度是员工帮助企业成功的意愿和能力的强弱程度,从另外一个角度讲,就是员工愿意将能够自主决定的努力应用到工作中的程度,包括理性敬业和感性敬业两类。(4)合益集团:激发员工工作热情并将其导向组织成功的结果,它包含员工承诺与一个组织的情感纽带,意欲留守在组织中和积极主动性愿意超越工作本身要求,做得更多、更好两个因素。一、什么是敬业度1.敬业度与态度2.敬业度的两个层面3.满意度与敬业度关系4.主要咨询公司对敬业度的定义敬业度卡恩(1990)将员工敬业度分为生理投入、认知投入和情感投入三个维度。马斯拉奇(Maslach)(1997)等将员工敬业度和工作倦怠视为一个三维连续体的两极,其中员工敬业度以精力充沛、工作投入和高效能感为特征,而这三个方面正好分别是精疲力竭、愤世嫉俗和低效能感工作倦怠维度的直接对立面,敬业度高的员工给人一种精力充沛的感觉,能有效地进入工作状态,并能与他人和谐相处,而且自我感觉能够完全胜任工作。肖费勒(Schaufeli)(2002)等认为员工敬业度包括精力充沛、奉献精神和专心致志三个维度。二、敬业度构成维度与影响因素1.敬业度的构成维度二、敬业度构成维度与影响因素2.敬业度的影响因素(1)个体特征方面敬业度是员工个体对待组织和工作的态度,因而很大程度上受到自身特征的影响。(2)工作特征方面依据自我决定理论,员工有各种各样的心理需求,他们希望从组织或者工作中得到心理上的满足。个体与工作之间存在一种契约关系,这种契约关系取决于个体在与工作角色结合过程中的心理状态。(3)组织环境方面国内外的许多研究显示,组织的规模、发展前景、管理制度、企业文化、工作环境以及组织和上司对员工的支持等都影响着员工敬业度。第二节数据收集第十章第三篇场景篇一、敬业度数据收集1.敬业度调研问卷设计步骤确定敬业度构成维度与影响因素测量指标确定测量指标的数据特性与来源确定各指标数据采集方法与工具确定调查问卷格式图10-1敬业度分析模型图一、敬业度数据收集2.建立敬业度分析模型一、敬业度数据收集3.确定测量指标的数据特性与来源敬业度测量指标的数据特性与来源见表10-2。二、敬业度调研问卷设计通常情况下,员工敬业度调研分成五个步骤:1.设计敬业度问卷2.发放与填写敬业度问卷3.敬业度问卷的回收与统计4.敬业度调研结果分析5.敬业度改进方案三、敬业度调研问卷制作2.操作步骤(1)单击“开始任务”,进入分析云。(2)在左侧选择“数据填报”,单击“+创建表单”,填写“表单名称”,选择表单类型“自由表单”,选择“公开”(图10-2)。(3)进入“表单样式”,在“全局样式”中“表单标题”内容中输入标题“敬业度调查问卷”。1.任务描述利用分析云“填报设计”功能进行敬业度问卷调研制作。图10-2创建填报表单三、敬业度调研问卷制作②单选题设置:从“控件仓库”中选择“单选下拉”;在“标题设置”的“标题”栏中输入该调研问题序号以及问题,在“选项设置”中输入各个选择项,“校验设置”中选择“该项必填”(图10-3)。(4)进入“控件”,根据问卷题目类型从“控件仓库”中选择合适的控件,并在“控件属性”中完善该表单格式。①描述框设置:从“控件仓库”中选择“描述控件”;选择“控件属性”,在“描述设置”里录入该调研问卷的描述性内容“感谢您参与公司员工敬业度调研,完成本调查大约需要15分钟。您的回答是匿名的”类似内容。图10-3单选题设置三、敬业度调研问卷制作③矩形框单选题批量设置:从“控件仓库”中选择“矩形选择”;在“标题设置”的“标题”栏中输入“二、调研问卷”,提示输入“下列问题中选择你认为合适的选”(图10-4)。图10-4矩形框单选题批量设置三、敬业度调研问卷制作④在“行标题设置”中批量导入各个调研问题(将word中调研问题批量粘贴即可),在“列标题设置”中输入各个选择项,“校验设置”中选择“该项必填”(图10-5和图10-6)。⑤将容器高度设置为1200,表单样式—全局样式高度设置为1900,页眉页脚设置为“不可见”。图10-5行标题设置图10-6列标题设置(5)填报完毕所有调研问题后,先“预览”,完善后单击“保存”,并“发布”。第三节数据预处理第十章第三篇场景篇分析每个自变量x与因变量y的线性趋势,即散点图,发现并剔除强影响点。分析步骤:(1)有多少个自变量就需要观察多少张散点图,通过散点图观察变量间的趋势是否存在线性相关关系。(2)记录每张散点图中的离群值,以备最后判断回归方程中是否存在“强影响点”。离群值,也称逸出值,是指在数据中有一个或几个数值与其他数值相比差异较大。离群值产生的原因大致有:(1)总体固有变异的极端表现,这是真实而正常的数据,只是在这次实验中表现得有些极端,这类离群值与其余观测值属于同一总体。(2)由于试验条件和实验方法的偶然性,或观测、记录、计算时的失误所产生的结果,是一种非正常的、错误的数据,这些数据与其余观测值不属于同一总体。(3)发现并剔除强影响点。绘制散点图,观察是否存在离群值,他们常常就是强影响点。一、数据特征分析1.数据线性趋势之所以要求数据是独立的,这与各统计分析方法的前提假设条件有关。数据独立性是在收集数据时尽力保证的。2.数据独立性二、数据降维1.因子分析概述(1)因子分析定义(2)因子分析目的因子分析是一种多变量化简技术。目的是分解原始变量,从中归纳出潜在的“类”,相关性较强的指标归为一类,不同类间变量的相关性较低。每一类变量代表了一个“共同因子”,即一种内在结构,因子分析就是要寻找该结构。①探索结构:在变量之间存在高度相关性的时候我们希望用较少的因子来概括其信息;②简化数据:把原始变量转化为因子得分后,使用因子得分进行其他分析,比如聚类分析、回归分析等;③综合评价:通过每个因子得分计算出综合得分,对分析对象进行综合评价。二、数据降维2.因子分析步骤(1)因子分析适用条件样本条件:样本量与变量数的比例应在5:1以上;总样本量不得少于100,而且原则上越大越好。判断条件:KMO检验结构,0.9以上非常适合因子分析,0.5以下不适合因子分析。Bartlett’s球形检验,P值小于等于0.05适合因子分析,否则不适合进行因子分析。二、数据降维2.因子分析步骤(2)因子分析操作步骤①单击“开始任务”,进入“数据挖掘工具”界面。②数据源选择“敬业度影响因素降维分析数据集”,配置模型选择“降维—主成分分析”,选择需降维的变量23个,选择“正交旋转”因子旋转方法,单击“保存”,并“开始建模”,单击“查看训练结果”。③查看KMO结果“总分”以及“显著性”。若KMO检验结果小于0.5且切比雪夫关联卡方的显著性(即P值)大于0.05,重新选择“因子个数”。若KMO检验结果大于0.6且契比雪夫关联卡方的显著性(即P值)小于等于0.05,说明适合因子分析,导出“解释的总方差”表。④依次选择不同的“因子个数”(从2到N),重复上述步骤,查看每次计算的“因子个数N”的“解释的总方差”中最高“CumulativeVar”值,导出到Excel表中。当因子N减去因子(N-1)个的“CumulativeVar”值边际增量最高时,N就是最合适因子个数。“CumulativeVar”成为“累计方差贡献率”,当因子N减去因子(N-1)的“CumulativeVar”值边际增量最高时,N就是最适合因子个数,通常情况下累计解释的百分比值至少达到60%。“SSloadings”特征根大于1,该数值越大,说明该公因子重要性越高。⑤导出“最终结果”的Excel表格,在公因子中选出最大因子负荷项,汇总形成公因子名称(图10-7)。图10-7导出最终结果二、数据降维2.因子分析步骤(2)因子分析操作步骤对每个自变量(驱动因素)的各个公因子(factorN)负荷值进行排序,选出其中最大的负荷值(负荷值最大的那个公因子是能够解释该驱动因素的最佳公因子);根据各个驱动因素的最佳公因子是否相同,将驱动因素划分为N个类别;为各个类别的公因子赋予名称(图10-8)。图10-8负荷值排序及赋名第四节数据分析及挖掘第十章第三篇场景篇一、数据可视化分析数据可视化分析1.员工基本信息可视化分析2.敬业度影响因素可视化分析3.敬业度构成维度可视化分析4.敬业度关联数据集可视化分析二、数据挖掘数据挖掘模型有以下五种(1)线性回归(2)贝叶斯与朴素贝叶斯模型(3)决策树模型(4)聚类分析(5)文本分析(1)单击“开始任务”,进入“数据挖掘工具”界面。(2)数据源选择“敬业度降维数据”,配置模型选择“线性回归”,选择合适的自变量与因变量,选择“标准化”,单击保存,并开始建模。(3)查看决定系数(R2)分值,判断模型的适用性。(4)查