谷歌真的使用算法决定人员晋升

　　Managershare：Google是一个由工程师成立的公司，目前也仍然由工程师统治。这家成千上万的大公司每年都要做出许多的人事决定：应该招谁？提拔谁？最好的人应该给多少薪水？
　　Prasad Setty是Google People Analytics团队的副总裁。7年前Google成立的这支团队的职责是收集和利用数据来支撑公司的管理实践。其使命很简单，即基于数据和分析做出所有的人事决定。在今年10月举行的Google re:Work大会上，Setty介绍了这支团队用科学来进行人力资源管理的一些做法。其结论是，算法虽好，可不能滥用，人事决定终归要有人来决定。
　　通常Google会找4、5个资深工程师组成委员会，由每个委员会审查一堆提名，经过很多次的对话后做出决定。Google的这个人员晋升评审流程相当复杂，要审查的材料和召开的会议太多，以至于连Google的会议室都不够用，所以要跑到附近的万豪酒店去开会。
　　因此，为了帮助减轻审查委员会的工作负担，早期时People Analytics团队开发出了一个算法来简化人员晋升的决策流程。这个算法是一个计算晋升可能性的公式，如下图所示，里面考虑了平均绩效、经理推荐以及个人推荐（Google允许员工自我推荐）三方面的因素（各赋予不同的权重，平均绩效权重最，其次是经理推荐，最后是个人推荐）。
　　通过与最后的晋升结果比较发现，该算法相当可靠，后台的测试结果很好，经历过多周期后仍表现稳定，其中30%的提拔案例决策准确率达到了90%。团队成员都很兴奋，以为自己因此能够节省委员会1/3的工作，让他们腾出时间专注于最困难的决定。
　　但是结果是那帮人根本不买账，不想用这个模型。因为他们不希望躲在黑箱背后，而是希望自己做出决定。因此这个算法从来都没有用来做过提拔决策。
　　Setty得出的教训是人事决策必须由人来决定。不过People Analytics仍然可以发挥作用，即用更好的信息辅佐决策者（用模型来检验自己的决策过程），但是不能用算法来替他们做出决策。
　　而且，这一洞察还帮助推动了Google人力资源和管理的办法改进。People Analytics在很多方面根本性的重塑了Google的招聘机制。比方说，现在Google已经不再强调GPA（盖氏人格评估）与毕业学校，而是更看重一些软性的特质，如＂谦逊＂、＂学习能力＂等。
　　People Analytics还通过数据分析总结出了伟大经理的8项特质：
　　1） 是一位好教练
　　2） 给团队授权，不做微观管理
　　3） 对团队成员的成功和个人幸福表达兴趣/担忧
　　4） 富有效率/结果导向
　　5） 好的沟通者—懂得倾听和分享
　　6） 帮助团队成员的职业生涯发展
　　7） 对团队有清晰的愿景/策略
　　8） 有重要的技术技能，可帮助团队提供建议
　　此外，Google还在内部寻找志愿者开展长期研究，设立了许多数据点来跟踪其数十年的职业生涯中工作表现、态度、信仰、问题解决策略、面临的挑战与抗压性等。尽管尚未确定能有什么发现，但是收集数据研究肯定是利用科学方法来研究人力资源问题的第一步。