人员分析是人力资源 (HR) 战略的核心。 公司严重依赖数据和分析来寻找和留住人才、提高敬业度并提高生产力。 然而，分析的好坏取决于数据的质量，数据的目标是无错误、值得信赖和透明。
根据 Gartner 的报告 报告数据质量不佳每年给组织造成平均 1290 万美元的损失。 数据质量差会加剧数据生态系统的复杂性，从而导致不准确的结果和糟糕的业务决策。
为了应对这些挑战，IBM 人力资源部和 IBM 数据办公室合作开发了 IBM 人员数据平台 Workforce 360 (Wf360)。
Wf360 提供一份涵盖职业、技能、绩效、学习和薪酬的综合人力资源档案，包含每日快照和历史数据。 Wf360 基于 IBM 的认知企业数据平台 (CEDP) 构建，编译来自 30 多个来源的数据，现在比以前提前 23 天向人力资源领导者提供每月见解。 灵活的应用程序编程接口 (API) 使技术团队和数据科学家能够大规模、低成本地部署 AI 解决方案，从而将交付时间缩短七倍。
Wf360 在一个平台上提供丰富的数据和人工智能驱动的人力资源体验，该平台符合当地隐私法规，无需专用基础设施。 例如，职位推荐帮助 180,000 名 IBM 员工寻找内部职业机会； 薪酬顾问向经理提供年度员工薪资计划增加的建议（注：经理做出所有最终薪资决定）； 绩效与技能指标衡量市场上技能的稀缺性。
尽管该解决方案能够有效地编译数据并向 HR 和 IBM 业务部门提供见解，但提高数据质量并减少数据的手动检查（这可能是劳动密集型且容易出错）仍然是一个挑战。
为了解决这个问题，IBM HR 和 IBM Data Governance 团队构建了一个解决方案，可以自动执行业务数据质量规则，同时增强对平台的信任，使用 IBM 知识目录，其运行范围为 Cloud Pak® for Data。
什么是数据质量？
数据质量 衡量数据集满足准确性、完整性、有效性、一致性、唯一性、及时性和适用性标准的程度。 数据质量对于 数据治理。 数据质量标准确保组织做出明智的数据驱动决策来实现其业务目标。
高数据质量使组织相信他们可以准确地解释数据并获得有意义的见解，从而提高整体业务绩效。 这有助于提高效率并创建智能工作流程，使员工能够将时间投入到高价值的任务中。
数据质量和人员分析
在数据质量方面，IBM 需要一种更主动的方式来监控数据的业务完整性。 举个例子：一个业务部门的总人数增加了 1%。 虽然从业务角度来看，这种变化可能是合理的（例如 IBM 刚刚收购了一家新公司，导致员工数量增加或任务变动），但分析数据的人力资源团队成员仍然需要一种方法来主动识别此类异常情况，以便正确沟通到高级领导。
凭借其自动化功能，IBM Knowledge Catalog 强制执行业务数据质量规则并识别异常情况。 这使得人力资源团队成员能够获得值得信赖的人才见解，准确地讲述公司发生的事情背后的故事。
在 IBM Knowledge Catalog 的帮助下，IBM HR 使用简单的界面建立了数十条数据质量规则，使他们能够持续监控错误。 每周都会针对 IBM 遍布 170 多个国家/地区的 250,000 多名员工运行数据质量规则。
通过利用这些功能，IBM HR 可以为领导者提供值得信赖的见解，并在数据异常影响客户之前主动检测和解决数据异常。 这有助于管理决策和数据驱动战略的成功实施。 与之前长达数周的时间相比，人力资源团队现在可以在几分钟（而不是几周）内完成这些任务，从而显着提高运营效率和敏捷性。
了解有关使用 Cloud Pak for Data 的 IBM 数据治理的更多信息
