人員數據分析的CRISP-DM模型如何證明人力資源實踐的有效性是重要且有價值，傳統上，研究人員通過使用調查，訪談或觀察收集數據來產生此類證據。借助這些數據，他們獲得了對勞動力的洞察力，并制定了切實可行的干預措施以改善結果。技術進步導致許多人力資源管理流程數字化，技術進步產生了組織控制的大量數據，例如曠工，績效數據等。這些數據為人力資源專業人員和學者帶來了機遇和挑戰。結果，人力資源管理正朝著“決策科學”方向發展，證明有關人力資本決策的質量是關鍵。如果做得好，這可以提高人力資本的戰略價值。但是，在數字化人力資源管理領域，我們如何確保決策所依據的證據是高質量的？我們如何確保我們測量我們打算測量的東西？我們能夠排除我們發現的其他解釋嗎？我們得出正確的結論嗎？并且我們能夠將此類知識推廣到其他上下文或案例嗎？我們將首先介紹經常使用的跨行業數據挖掘標準流程（CRISP-DM）。CRISP-DM模型解釋了進行數據驅動研究的（理想）過程。其次，我們將解釋什么是有效性以及它如何影響基于證據的人力資源管理決策的質量。我們將解釋三種不同類型的有效性-內部，外部和構造有效性。我們將以與人力資源分析相關的示例為例進行說明。然后，我們將針對每種有效性類型的證據提出建議。CRISP-DM模型具有五個不同的階段：問題識別，數據理解，數據準備，數據建模、數據評估。一、改善組織過程和結果從兩個階段開始。首先，存在商業，學術，社會或環境問題（第一階段）。確定問題是改進流程和結果的第一步。如果未正確識別問題，則改善的努力可能徒勞。第一階段還包括提出與該問題有關的（研究）問題。提出明確而精確的問題很重要，如果你的問題不清楚和具體，則很難真正回答問題，從而通過學習來解決問題。例如，一個問題可能太廣泛了（例如：誰是工作場所最具創造力的雇員？）。或者它可能包含一個隱藏的假設和一個問題（例如，為什么真正的領導比道德領導更有效？）。還是包含假設假設（例如：如果組織在1990年代擁有不同的領導者，該組織是否會更有利可圖？）。相反，一個好的研究問題是清晰，準確，具體的，并且需要一個迭代的過程。而且，最重要的是，可以通過學習來回答。如果我們看一下上面的例子，研究問題的更好版本是：與開放性得分低的人相比，對開放性得分高的員工會經歷更多的創造力嗎？”或“增強領導能力是否會增強員工在工作場所的創造力？”。其次，對數據有清楚的了解（階段2）。確定問題后，考慮可用數據非常重要。例如，數據是否代表你的研究問題中包含的變量？數據的質量是多少？數據是否代表你要研究的更廣泛的人群？數據是否處于正確的分析級別（例如，員工級別或匯總的組或部門級別的數據）？嚴格評估數據是重要的一步，數據質量將對結果產生巨大影響，并根據你做出的決定。二、有效性有效性是指你的研究聽起來如何。它涉及研究的設計和所使用的方法。那么我們什么時候可以說一項特定的研究是有效的呢？在有效的研究中，發現和結論真正代表了你聲稱要衡量的現象。有效聲明是難以（即使不是不可能）提出爭議的可靠聲明。有效性有助于我們思考重要的問題。我們測量了我們打算測量的東西嗎？我們可以排除其他解釋嗎？我們對得出的結論充滿信心嗎？我們可以將結果推廣到其他背景或案例嗎？還是針對特定情況？在做出數據驅動的決策之前，這些問題需要答案。有不同類型的有效性。以下三種類型與人員分析特別相關：1、 內部有效性：數據是否支持關于因果關系的主張？例如，我們訓練分類基于員工社交媒體資料的更改來“預測”營業額。這是否意味著確定的特征是人員流失的原因？如下所示，建立因果關系是必要的，但這不足以建立因果關系。2、 外部有效性：你可以在研究范圍之外應用結論嗎？例如，在實施領導力干預后，位于阿姆斯特丹的員工隊伍更加活躍。你能在東京或紐約獲得同樣的積極成果嗎？3、 構造效度：你衡量你打算衡量的內容嗎？例如，你測量員工敬業度，數據真的能捕獲參與度嗎？這個問題對任何決定的可解釋性都有重要影響。這再次說明了階段2對有效性評估的重要性。數據理解是決策質量的基礎。下面我們解釋三種有效性。我們將提供示例和建議，以改善數據驅動型決策中的示例。1、內部有效性邁克在一家大型跨國公司工作。該組織旨在提高員工的生產力。他們將檢查其后臺系統中的數據。目的是確定哪些行動會影響其員工的生產力。在對數據進行分析之后，他們得出結論，如果向邁克支付更高的薪水，他將變得更有生產力。在這里，數據表明薪水和生產率之間存在關系。但是得出結論認為應該提高工資以提高生產率還為時過早。當然，薪水增加時，員工的生產率可能會提高。但這實際上要復雜得多。有生產力的人可能已經獲得了更高的報酬，因為他們已經是勤奮的工作。他們可能會努力工作，因為他們喜歡自己的工作，而不管薪酬如何，或者他們的生產力可能會因為經驗而不是薪酬而增加。另外，薪酬與績效之間的關系只是偶然的問題，下次可能無法復制。因此，僅依賴于相關分析可能會描繪出錯誤的畫面。如果你不跟蹤分析步驟，則可能會傷害而不是提高生產率。那么，我們如何找出造成高生產率的真正原因呢？內部有效性是可以說你正在研究的變量以外的其他變量不會導致結果的程度。因此，我們希望能夠說，除了薪水之外，沒有其他原因會導致更高的生產率。不是個性，動機，經驗或純粹的機會。要確定薪酬會導致績效，我們必須滿足三個條件。首先，我們必須在薪酬和績效之間建立聯系。如果沒有關系，就不能是因果關系。接下來，我們應排除其他解釋。這涉及表明當我們將其與其他可能的原因隔離時，該關系仍然存在。如果我們回顧一下我們的例子，那么如果一流的機器負責生產力呢？在這種情況下，機械是生產力的“真正”原因，而不是報酬。因此，當我們僅檢查具有卓越機制的部門時，可以測試這種關系是否成立。然后我們可以排除上乘機械作為替代解釋。=J=J最后，我們必須證明原因先于結果。這通常是最難滿足的條件。為了提高生產力，應該在生產力之前進行薪酬。在時間2的薪水增加不能解釋員工在時間1的生產率。因此，我們需要對原因（工資）進行計劃中的更改。然后，我們需要檢查推定的效果（生產力）是否因此而改變。然后我們可以建立因果關系的“時間優先”。=J=J一種可能性是利用所謂的“預測試/后測試”設計。在此設計中，你在提高員工薪水之前先測量生產率。在其他所有條件都相同的情況下，在他們加薪之后，你可以再次執行此操作。這使得有可能檢查由于加薪而導致的生產率變化。測量之間的其他變量（例如動機和設備）應保持穩定。這樣，你可以隔離薪資對生產率的影響。當然，要排除所有其他解釋并不容易。但是，我們越努力，決策就越有效和有價值。2、外部有效性公司想測試一種特定的領導風格是否會使員工更加敬業。他們發現變革型領導與員工敬業度之間存在積極關系。像上述情況一樣，對于高參與度可能會有幾種解釋，想象一下，消除了其他解釋他們還可以說參與是變革型領導干預的直接結果。因此，我們可以聲稱該研究在內部有效。邁克和他的同事在阿姆斯特丹總部工作。這是否必然意味著對于紐約總部的員工而言，結果也是正確的？還是東京總部？換句話說，我們可以將結果推廣到不同的環境嗎？研究者稱之為外部有效性的結果可以推廣的程度。假設我們要增加不同地點（或不同團隊或單位）的員工敬業度。然后，我們應嘗試排除環境邊界條件。例如文化方面的內容，或勞動力的組成和背景。因此，如果我們想增加在紐約和東京的參與度，那么良好的外部有效性是關鍵。我們需要知道，變革型領導者在那里是否也受到贊賞。3、構造效度我們會衡量我們打算衡量的東西嗎？為了檢查員工的工作投入，公司使用年度員工調查。在這項調查中，他們衡量了幾種不同的員工態度和行為，包括敬業度。度量你打算量度的程度是結構效度。對于構造的有效性，一個重要的問題是調查是否實際衡量“參與度”。如果員工調查不能準確衡量員工敬業度怎么辦？那么不清楚參與度得分的含義，我們從數據中得出的結論也不準確。在一些員工調查中，所有問題的分數（用于衡量滿意度，敬業度等）都高度相關。因此，不清楚員工回答這些問題時的想法。分數代表滿意嗎？這意味著從中得出結論也是不可能的。使用經過科學驗證的措施是獲得良好結構有效性的簡便方法。這些措施都經過了廣泛的構造驗證過程。在此過程中，研究人員會丟棄與結構無關或無關的問題。通常，你可以免費在線找到這些措施，也可以購買許可證以使用這些措施。另一個發展是組織和學者在