top of page
hero-bg-08.jpg
Profet AI Insight

透過我們了解最新資訊、產業觀點

AI 與 HR,能擦出什麼火花?


AI&HR

“招工”是近年來最火紅的HR議題。面對市場的變動、國際大廠的競爭、人力世代的斷層等等挑戰,不只員工的流動率顯著提高,企業光是要找到合適的人才也變的更加困難,更不用說要如何留住人才了。員工的離職,不只會直接造成額外的招募、培訓成本,企業內累積的經驗與知識也會跟著流失。根據美國人力資源管理協會(SHRM)的統計,重新招募一位員工的成本約是原離職員工總年薪的2/3;另一份由美國進步中心(CAP)的研究報告更近一步指出,若是資深、或高技術員工的離職,背後隱含的成本甚至可達總年薪的213%!值得慶幸的是,隨著企業數位轉型的日趨成熟、AI技術發展的日新月異、以及“AutoML”-”自動化機器學習”這項技術的興起,在這新時代遇到的難題,也有了新時代的解法。接下來我們不只會分享Profet AI如何利用AutoML來協助HR做聘用、留育人才等種種決策,在本篇 文章中也會分享2個具體的應用案例,供各位讀者參考!


AutoML於HR的應用與效益


針對AutoML在HR的應用與效益,簡單整理與描述:

  1. 招募、留才方面:透過預測留任率、留任天數,或是轉換議題變為員工與該崗位的合適度、資深員工離職率等等,可讓公司了解哪種人才適合留任、以及人才是否適任等等,用以協助HR進行創新人才佈局。

  2. 訓練方面:可進行關鍵人才、接班人才的預測以及要因分析。例如,透過模型,HR能知道哪些是成為某關鍵人才、或中間接班人的關鍵因子、能力,HR就能針對這些能力、以及表現、留任率較高的員工,進行相對應的培訓,達成創新培訓賦能。

  3. 數據驅動決策:HR過往大都是靠經驗來做決策,AutoML可協助HR提供數據面向的決策建議,還能進一部探討影響決策的關鍵因子,持續優化決策過程。

  4. 敏感資訊:HR的資訊通常相對機密、敏感,過去缺乏工具時,很難將HR的資訊外包給其他廠商進行建模;AutoML可將解決問題的主導權回歸到HR身上。


案例一:招聘新員工的“留任率分析”


任職於工廠的HR在招募現場員工時,最常碰到的難題之一,就是在經過發布職缺、審查資料、一連串的面試和培訓後,新員工卻做沒多久就離職了。接著,同樣的流程又得再重複一遍。如果HR在做招聘決策時,能先知道每個適任的應徵者期望的留任率、或是留任天數,就能大幅減少因新員工快速離職而導致的額外成本。利用Profet AI的虛擬資料科學家平台,HR只需準備好簡單的數據與表格,就能夠透過幾下輕鬆的滑鼠點擊,進而得到想要的結果。在此我們依照AutoML的解題流程,提供一個簡單的案例分享:


1.定義問題:在使用AutoML建模、解題前,最重要的事情就是定義好想要解決的問題。在此,我們想解決的

  1. 問題:“提高員工的留任率”

  2. 解決方法:“透過預測留任率,來錄取留任率較高的應徵者”

2.準備相關數據:Profet AI是所謂“結構化數據”的自動建模平台,將HR手上所具有的歷史數據,例如招聘員工的基本背景(如年齡、性別、通勤距離...),和應徵的職務內容(廠區、部門、製程...)等資料,以及該員工“試用期滿後是否留任”、“到離職前的留任天數”等。只需將數據整理成一個的簡單的格式,即可透過AutoML的工具開始進行自動建模與分析


預測留任率的範例數據集(欄位可根據手上計有的資料做增、減,這邊單純提供數據格式的範例):

預測留任率的範例數據集-圖1

3. AutoML自動建模:運用Profet AI平台,可以在沒有統計、或數據科學的背景下,透過簡單的幾下滑鼠點擊,來得到與一般數據科學家相當的建模結果。


4. 結果運用:所有的AI也好、模型也好,最重要點都在於“如何運用”。當我們完成建模後,就可 針對有意聘用的應徵者,填入上述表格的資訊。接著,系統就自動會給出一“留任率”的結果。以底下的案例來說,代表該員工會在任用後,會有80%的機率在適用期過後繼續留任!


預測留任率的範例數據集-圖2

案例二:如何利用AI對現有員工進行離職率的分析


HR會面對的另一個難題,就是資深員工、高技術員工的離職。關鍵員工的培養往往需要多年的投入,但這類員工很可能在技能成熟後,就被更大間的公司挖角,使得一般企業成為了大企業的培訓場所。透過AutoML,是否能建立出一個模型,讓HR提早知道哪些員工比較容易離職、被挖角,進而能更早的提出因應對策?要解這題,我們重複上述的步驟:


1.定義問題:

  1. 問題:“降低員工的離職率”

  2. 解決方法:“透過預測離職率較高的員工,來提早提出因應對策”

2.準備數據:準備相關數據。範例如下:


預測留任率的範例數據集-圖3

3.AutoML自動建模:運用Profet AI平台,可以在沒有統計、或數據科學的背景下,透過簡單的幾下滑鼠點擊,來得到與一般數據科學家相當的建模結果。


4.結果運用:完成建模後,就可針對現有員工,定期填入上述表格的資訊。系統會給出一個員工離職可能性的百分比。通常的使用方式會是,HR定期更新上述資訊,獲取離職率相關的資訊,接著針對離職率較高的員工,進行額外的會談、或用其他策略來進行留才。

預測留任率的範例數據集-圖4

隨著模型運用的成熟,將來還能持續加入新的特徵,以“薪資”來說,不只是薪資絕對值的高低有影響,市面上相同工作的薪資也是一個重要的參考指標。如果不是很確定額外特徵如何進行,Profet AI也有提供售後諮詢服務,可根據需求來做使用。


雖然理解上述的案例,但還是不確定如何開始,該怎麼辦?


若要直接做到上述的內容對公司現階段來說還有些困難,其實也不用擔心。Profet AI另有提供“AI黑客松“這樣一個工作坊的合作模式。在此方案中,會由Profet AI的專業顧問提供一個AI通識教育、議題尋找、動手建模的課程,讓公司成員透過與顧問的互動,快速了解何謂AI、有哪些應用案例,更重要的是,培養“數據應用“的概念,以及如何應用預測模型,讓AI與數據驅動決策的文化在公司內部生根,並使數位轉型的成果能夠開花結果。



 
 

Kommentare


bottom of page