建構(gòu)人力資源巨量資料分析師積木職能模型之研究

建構(gòu)人力資源巨量資料分析師

積木職能模型之研究?

研究實施流程與步驟?

研究方法?

研究工具?

問卷對象與限制?

資料檢驗標(biāo)準(zhǔn)?

職能概述?

職能模型?

人力資源巨量資料分

析師之任務(wù)與職能?

描述性統(tǒng)計分析?

因素分析?

T檢定?

信度分析?

研究背景?

研究動機與目的?

重要名詞解釋?

研究結(jié)論?

管理意涵與建議05010302目

錄0423巨量資料分析已蔚為當(dāng)今顯學(xué)，無論是透過數(shù)字或文本型式呈現(xiàn)，

若未能掌握此潮流就無法于競爭中生存(康雅菁，2015)互聯(lián)網(wǎng)

巨量資料

人工智能全球化HRM4l《人資部門該分拆了》

(It'sTime

toSplitHR)l

希望企業(yè)人資長能如

同財務(wù)長般，成為董

事會很好的成員和值

得信賴的合作伙伴l憑借其能力將員工和

業(yè)務(wù)數(shù)據(jù)串起來，找

出企業(yè)的優(yōu)勢和劣勢，

匹配員工與其職位l提供企業(yè)策略在人才

方面的建議。l《2005年快速公司封面故事:為什么我們

討厭人力資源》(2005FastCompany

coverstoryWhy

We

Hate

HR)l過份側(cè)重于行動而非結(jié)果，故有效地運用

與理解資料，能提出

以結(jié)果導(dǎo)向為建議的

決策方案的能力，將

成為利害關(guān)系人對人

力資源從業(yè)者核心競

爭力的期待之一l贊同Charan對于人力

資源工作者不能有效

支持業(yè)務(wù)的抱怨l認為有60的%人力資

源工作者不能驅(qū)動組

織，但將這種不足正

向地看作是優(yōu)化的空

間。l

主張要教導(dǎo)而非辭退，

甚至對企業(yè)高層管理

者不給人力機會頗有

埋怨21世紀(jì)最性感的職業(yè)—資料科學(xué)家（Data

Scientist:

The

Sexiest

Job

of

the

21st

Century）l為何不把人力資源管

理部門炸掉算了?l

其認為人力資源管理

部門的存在毫無意義1996200520142014Thomas

A.Stewart

Keith

H.HammondsRam

Charan

Dave

Ulrich5運用動態(tài)的職能文獻觀點，產(chǎn)生人力資源

巨量資料分析師職能初稿依據(jù)多元資料分析方法與驗證人力資源巨

量資料分析師職能模型，作為個體與組織

的應(yīng)用參考6又稱海量資料或大數(shù)據(jù)

由具有鹿大資料量、高速度、多檬性、變異性等特徵

、

-

家標(biāo)準(zhǔn)技術(shù)研究所(NIST)職能Competency指在各種職位或職務(wù)所需的能力。職能又包括

:

職位所需的基本職能(basiccompetencies)、能產(chǎn)生高績效的差異化職能(differentiation

competencies)(

,

2013)職能模型Competency

Model系KSAO(知識、技能能力與其他特徵)

,

被視穩(wěn)在特定的工作,

職業(yè)或角色

中獲得成功的必要條件

。(Campion

et

al.,2011;Shippmann

et

al.,2000;Stevens,2012)積木職能模型

Blocks

Model?

基礎(chǔ)職能

:

個人效能學(xué)術(shù)及工作場所?

產(chǎn)業(yè)相關(guān)

:

行業(yè)技術(shù)與產(chǎn)業(yè)部門技術(shù)?

職業(yè)相關(guān)

:

特定職業(yè)知識、技巧及管理職能美國勞工就業(yè)與訓(xùn)練局(Department

of

Labor's

Employment

and

Training

Administration,ETA)04020103巨量資料

Big

Data7Competence從事一特定工作之能力theabilitytodo

a

particular

task

偏向功能領(lǐng)域

(functional

areas)theunderlyingcharacteristicswhich

allow

apersonto

performwell

inavarietyofsituation

behavioural

areasTrotterandEllison,

1997,p.36DelamareleDeist&Winterton，2005Competency8組織層次(organizationallevel)Prahalad&Hamel,1990O'Donoghue&Maguire,2005個體層次(individuallevel)David

C.McClelland,1973Lyle

M.Spencer&Signe

M.

Spencer,

1993910Gangani&

McLean

(2006)基礎(chǔ)職能專業(yè)職能個體職能Schoonver,StephenC.(1998)核心職能階層別職能角色別能Darrell&

Ellen

(1998)Cardy&Selvaeajan

(2006)核心職能模式:功能職能模式、:角色職能模式工作職能模式010203工作本位導(dǎo)向未來本位導(dǎo)向個體本位導(dǎo)向文化本位導(dǎo)向11040203專業(yè)職能數(shù)據(jù)分析設(shè)計與詮釋者

:

必須能運用分析技術(shù)影響決策

分析不僅是收集數(shù)據(jù),還需運用計分卡使用數(shù)據(jù)以改善

經(jīng)營決策。RBL集團與密西根大學(xué)共同主持的人力資源職能01核心職能管理職能12

(SHRM)13人才發(fā)展協(xié)會職能模型

(ATD)14ETA15考量到各項職務(wù)工作會隨著時空背景、科技與工具的進化，產(chǎn)生變化。RBL集團與美國人力資源管理協(xié)會的職能模型研究，縱然兩模型

都歷經(jīng)更迭優(yōu)化，但核心概念仍以個體式研究為主。人才發(fā)展協(xié)會的職能模型研究，相較于RBL集團與美國人力資源

管理協(xié)會側(cè)重個體演變來說，在2020年更新版本擴充了對組織

發(fā)展的影響說明。積木職能模型（blocks

model）能依據(jù)特定職務(wù)、工作團體、

組織、職業(yè)或產(chǎn)業(yè)去發(fā)展職能模型，彌補了其它職能模型的不

足，屬于一個較為完整且動態(tài)式的模型，故本研究選取此模型

為架構(gòu)主軸。-16Peter

Cappelli于《哈佛商業(yè)評論》（Harvard

Business

Review）發(fā)表「人力資源沒有大數(shù)據(jù)（There’s

No

Such

Thingas

Big

Data

in

HR）」，其核心觀點認為既有人力資源并不符合資料量大的特性，故毋需擁有技術(shù)高超的資料科學(xué)家JoshBersin在富比士（Forbes）雜志刊登研

究指出，已有百分之四的公司具有「預(yù)估性

分析」能力，意指能利用資料分析員工績效

的驅(qū)動力及留任的原因，藉由統(tǒng)計資料決定

僱用對象、根據(jù)數(shù)據(jù)給予客觀的績效敘薪等

且能善用巨量資料數(shù)據(jù)的公司績效能夠直接

反應(yīng)在成果上，其股票市值比起其他組織高出百分之卅，也更有辦法解決招募時碰到的

問題。17OCSO*NETUCAN18將重復(fù)者、類似者整合后從九十六項變成八十五項人力資源

26項任務(wù)

26項職能巨量資料分析師

16項任務(wù)70項職能19一設(shè)計調(diào)查或其他工具來搜集目標(biāo)職務(wù)的相關(guān)資料，并應(yīng)用抽樣技術(shù)來確定調(diào)查物件或

使用完整的列舉方法，如人員資格、績效標(biāo)準(zhǔn)、工作任務(wù)二建置職能數(shù)據(jù)庫，比較模型所使用的統(tǒng)計性能指標(biāo)，測試、驗證與重新制定模型以確

保準(zhǔn)確預(yù)測感興趣的結(jié)果，并運用程序語言編寫新的函數(shù)或應(yīng)用程序進行分析三使用算法配合資料與模型，進行人力資源配置與規(guī)劃內(nèi)(外部人口結(jié)構(gòu)改變)，勞動

市場的供需與成本控制四利用數(shù)學(xué)理論和技術(shù)，并配合數(shù)據(jù)分析的結(jié)果，提升招募征選的精準(zhǔn)度，A的I應(yīng)用；

訊息與管道，計算機化適性測驗(Computerized

adaptive

testing)五將算法應(yīng)用于預(yù)測模型，融入教育訓(xùn)練與個人職涯發(fā)展分析與評估，數(shù)字化訓(xùn)練與

學(xué)習(xí)之偏好或VR應(yīng)用六藉由數(shù)據(jù)整合與分析提供績效指標(biāo)與評估藉由數(shù)據(jù)整合與分析提供績效指標(biāo)與評估，

向關(guān)鍵利害相關(guān)人、終端用戶或管理層，發(fā)掘內(nèi)部高潛人才七建立收集資料的模式與模型，進行薪酬福利的調(diào)查、職場壓力或員工滿意度敬/業(yè)度

調(diào)查，員工協(xié)助方案的評估。八將特征算法應(yīng)用于建立預(yù)測勞資爭議之種類與預(yù)防申(訴/建議諮/詢的)模型。20初篩主要職能為自信心、正直誠實、服

務(wù)導(dǎo)向

信息科技應(yīng)用與語文能力、專案管理能力

人力資源概論

法規(guī)與風(fēng)險意識職業(yè)道德標(biāo)準(zhǔn)問題分析與危

機處理能力、抗壓性自我學(xué)習(xí)

自我

管理

主動積極

執(zhí)行力

適應(yīng)與彈

性、蓬慎細心、跨領(lǐng)域企圖心價值判

斷、成果導(dǎo)向、策略性思考

團隊意

識、薄通協(xié)調(diào)能力

財務(wù)管理暨成本效

益分析

資料分析工具

資料探勘基礎(chǔ)

知識、應(yīng)用統(tǒng)計學(xué)簡報技術(shù)資料視

覺化技術(shù)

決策支援系統(tǒng)、模型訓(xùn)練與

測試機制

作業(yè)研究與算法

,

計31

項

,人力資源巨量分析師之職能21l調(diào)整基本資料移除姓名與電子郵件增加問卷題達意愿與回收

;

增加年齡教育程

度、擔(dān)任主管職與否、從事人力資源工作內(nèi)容與日常工作使用大數(shù)據(jù)之估比

,

進一

步了解細部差異。l任務(wù)敘述調(diào)整,

將原本r建立收集資料的模式典模型

,

進行薪酬福利的調(diào)查職場

壓力或員工滿意度/敬業(yè)度調(diào)查員工協(xié)助方案的評估改為

r使用既有資料收

集的模式與模型進行薪酬福利的調(diào)查、職場壓力或員工滿意度/敬業(yè)度調(diào)查

,

員

工協(xié)助方案的評估

l

溝通各階層之職能放置合理性例如將產(chǎn)業(yè)相關(guān)職能中

,

產(chǎn)業(yè)通用技術(shù)職能之r應(yīng)用統(tǒng)計學(xué)」

或「人力資源概論置入基礎(chǔ)職能中的學(xué)術(shù)職能區(qū)塊。經(jīng)交互討論后

,

考量學(xué)術(shù)職能區(qū)塊

,

應(yīng)以各級學(xué)校通識類之課程或理論為佳故專項之課程

內(nèi)容

,

未必都能在學(xué)術(shù)環(huán)境習(xí)得故最終未做變更。l

強化或補充各階層職能內(nèi)容描述例如將基礎(chǔ)職能區(qū)塊r簡報技巧改為

r精熟

簡報技巧」

產(chǎn)業(yè)相關(guān)職能區(qū)塊r應(yīng)用統(tǒng)計學(xué)改為r具備完整統(tǒng)計分析概念」;

增加補充職業(yè)相關(guān)職能區(qū)塊r具備行業(yè)專屬知識」及「具備行業(yè)專屬技能J

O22文獻分析法（DocumentAnalysis）問卷調(diào)查法（SurveyMethod）23問卷對象屬同質(zhì)性較高本次問卷內(nèi)容并未調(diào)查任職公司規(guī)模人數(shù)及所屬產(chǎn)業(yè)別隨著時間推移

,

各機構(gòu)學(xué)者均陸續(xù)更新發(fā)表其研究發(fā)現(xiàn)或觀---

-

----

--

-

?調(diào)查時間03/23~03/27----

-.

樣本回收113/322；35%.

-

-

-

-

-

B

調(diào)查對象nonrandomsampling

目前實際從事本研究主題相關(guān)工作者2424信度

Reliability指對同一現(xiàn)象重復(fù)施測時所得到結(jié)果一致性的高低程度。Merchant(1985)認為最低可接受的系數(shù)標(biāo)準(zhǔn)為

0.5-0.6之間取樣適切性量數(shù)因素分析(KMO)量值介于0與1之間

,

數(shù)值愈靠近1

,

表示變項相關(guān)愈高

,愈適合進行因素分析

;

反之球形檢定

Bartlett’stestofSphericity此檢定法約略呈現(xiàn)卡方分飾(chi-square

distribution

,

χ

2)分飾

,

若變項間相關(guān)系數(shù)愈

高

,則所得χ

2

值將愈大

,

表示適合進行因素分析T檢定T-test主要用以檢驗兩組間之均值差翼

,

判定量值是否落在拒絕區(qū)域(p≤α),

一般p值<0.05

,

表示兩組有差異存在

ANOVA用來檢定三個或三個以上母體平均勤相等的假設(shè)010203040506IPA

重要性—績效分析法即可看出雨變項之間的關(guān)系主要是以重要性與績效急基礎(chǔ)的二維矩陣

。當(dāng)分析數(shù)值座落于不同象限的標(biāo)點位置點,25以女性填答者為主，占63.7%教育程度以碩士學(xué)位為大宗，占52.2%

年齡區(qū)段落在41到45歲，占23.8%人力資源年資超過十年，占55.7%

擔(dān)任主管職者，占53.9%日常數(shù)據(jù)使用占比為26%-50%，占40.7%2626-區(qū)塊內(nèi)容Cronbach's

Alpha

值基礎(chǔ)職能重要性0.856相關(guān)性0.882產(chǎn)業(yè)相關(guān)職能重要性0.878相關(guān)性0.884職業(yè)相關(guān)職能重要性0.862相關(guān)性0.864職能積木模型各階層之信度結(jié)果2727-Kaiser-Meyer-OlkinMeasureofSamplingAdequacy（取樣適切性量數(shù)）0.5160.383學(xué)術(shù)職能Bartlett’s

test

ofSphericity

Approx.Chi-Squre

（近似卡方分配）32.60553.611Df（自由度）66Sig（顯著性）00Kaiser-Meyer-OlkinMeasureofSamplingAdequacy（取樣適切性量數(shù)）0.6970.697職場職能Bartlett’s

test

ofSphericity

Approx.Chi-Squre

（近似卡方分配）99.09472.294Df（自由度）1010Sig（顯著性）00Kaiser-Meyer-OlkinMeasureofSamplingAdequacy（取樣適切性量數(shù)）0.5490.551產(chǎn)業(yè)通用技術(shù)職能Bartlett’s

test

ofSphericity

Approx.Chi-Squre

（近似卡方分配）93.65987.563Df（自由度）1010Sig（顯著性）00Kaiser-Meyer-OlkinMeasureofSamplingAdequacy（取樣適切性量數(shù)）0.8480.837產(chǎn)業(yè)專門技術(shù)職能Bartlett’s

test

ofSphericity

Approx.Chi-Squre

（近似卡方分配）454.254505.318Df（自由度）1515Sig（顯著性）00Kaiser-Meyer-OlkinMeasureofSamplingAdequacy（取樣適切性量數(shù)）0.5000.500職業(yè)特定要求Bartlett’s

test

ofSphericity

Approx.Chi-Squre

（近似卡方分配）70.9966.459Df（自由度）11Sig（顯著性）00Kaiser-Meyer-OlkinMeasureofSamplingAdequacy（取樣適切性量數(shù)）0.5000.500管理職能Bartlett’s

test

ofSphericity

Approx.Chi-Squre

（近似卡方分配）38.85118.73Df（自由度）128Sig（顯著性）00若KMO數(shù)值<0.500代表不適合

用因素分析。而Bartlett球形檢

定的統(tǒng)計數(shù)是相關(guān)矩陣的行列

式（determinant），經(jīng)過卡方（Chi-square,X2）轉(zhuǎn)換而得，若該數(shù)值越大考驗P值則越低，

表示母群各變項間相關(guān)越不可

能為零。若考驗結(jié)果統(tǒng)計數(shù)很

小則觀察值就很大（若>0.05），就無法拒絕母群相關(guān)矩陣為同

位矩陣之虛無假設(shè)。透過表右

檢定結(jié)果得知，除學(xué)術(shù)職能之

相關(guān)性外均適合進行因素分析。個人效能職能Bartlett’stestofSphericityApprox.Chi-Squre

（近似卡方分配）Df（自由度）Sig（顯著性）257.954360348.057360

-

KMO&

BARTLETTKaiser-Meyer-OlkinMeasureofSamplingAdequacy（取樣適切性量數(shù)）KMO與Bartlett檢定重要性相關(guān)性0.7700.837區(qū)塊281T檢定性別擔(dān)任主管職與否變異數(shù)分析教育程度年齡層從業(yè)年資日常數(shù)據(jù)運用比例2929按李克特五點量表之中間值區(qū)分，其調(diào)查結(jié)果顯示人力資源巨量資料分析師33項職能的重要性為4.11，相

關(guān)性為4.09，均高于量表中間值3，表示各填答者均

認為本研究之各階層職能要素內(nèi)容屬重要且相關(guān)，應(yīng)繼續(xù)保持。

-

IPA

3030l依性別或不同年齡段對人力資源巨量資料分析師的職能重要性，

看法沒有顯著不同l擔(dān)任主管職者認為基礎(chǔ)職能職-場職能的重要性明顯大于非主管職l碩博士生認為基礎(chǔ)職能個-人效能職能的重要性明顯大于大學(xué)學(xué)歷

填答者l

年資尚淺的人力資源伙伴認為基礎(chǔ)職能個-人效能職能的重要性遠

遠不及資深的人力資源老兵l日常使用數(shù)據(jù)約占工作量一半的人，認為基礎(chǔ)職能職-場職能的重

要性明顯大于日常使用數(shù)據(jù)約占工作量百分之二十五的人。-

3131第五階層—產(chǎn)業(yè)專門技術(shù)職能精熟作業(yè)研究與算法│精熟模型訓(xùn)練與測試機制│善用決策支援系統(tǒng)│精熟資料視覺化技術(shù)│精熟資料探勘基礎(chǔ)知識│善用資料分析工具第四階層—產(chǎn)業(yè)通用技術(shù)職能具備完整統(tǒng)計分析概念│具有財務(wù)管理暨成本效益分析技術(shù)│具有跨領(lǐng)域企圖心具有法規(guī)與風(fēng)險意識│具備良好人力資源管理與發(fā)展概第三階層—

職場職能具備團隊意識│具備問題分析與危機處理能力│具備職業(yè)道德標(biāo)準(zhǔn)│具備項目管理能力│具備服務(wù)導(dǎo)向做事態(tài)度第二階層—學(xué)術(shù)職能精熟簡報技巧│

具備溝通協(xié)調(diào)能力│

具備正確價值判斷能力│信息科技應(yīng)用與語文能力第一階層—

個人效能職能謹(jǐn)慎細心│適應(yīng)與彈性│執(zhí)行力│

主動積極│自我管理│自我學(xué)習(xí)│抗壓性│正直誠實│自信心管理職能

職業(yè)特定要求具備策略性思考以成果導(dǎo)向進行管理具備行業(yè)專屬知識

具備行業(yè)專屬技能32區(qū)塊

階層職能項目

重要性個人效能職能

謹(jǐn)慎細心

4.53基礎(chǔ)職能

學(xué)術(shù)職能

具備溝通協(xié)調(diào)能力4.64職場職能具備職業(yè)道德標(biāo)準(zhǔn)4.53產(chǎn)業(yè)相關(guān)職能產(chǎn)業(yè)通用技術(shù)職能產(chǎn)業(yè)專門技術(shù)職能具有法規(guī)與風(fēng)險意識精熟資料分析技術(shù)4.203.83職業(yè)相關(guān)職能職業(yè)特定要求管理職能具備行業(yè)專屬知識具備策略性思考4.154.18區(qū)塊

階層

職能項目相關(guān)性基礎(chǔ)職能個人效能職能學(xué)術(shù)職能

職場職能謹(jǐn)慎細心具備溝通協(xié)調(diào)能力具備