“离职预测”通过深信服的这款应用，走入了大众视野；但实际上，“离职预测”在很多企业中应用已久，不过和该款应用的“预测方式”大相径庭。

现在，在国内的一些大厂中，离职预测已经运用得相对广泛且成熟。不过，大家通常在说离职预测的时候，并非是指像深信服这样“通过搜索员工访问招聘网站、投递简历的行为记录，以预测离职倾向”这样简单粗暴。

网传监测系统截图

出发点是什么?应该是修正管理，而不是监控员工

本次事件中，深信服为企业提供的所谓离职预测分析（“员工行为感知”系统），其实只是一项结果——这个员工要离职了，离职的可能有多大，但关于为什么离职，没有任何分析过程。

访问求职网站次数、聊天涉及离职关键词量、搜索离职相关关键词量以及简历投递次数……这些数据是“结果性”的，而非是“原因性”，它们并不能帮助企业管理做任何优化，唯一作用就是监控和掌控员工。

而通常情况下，一个真正离职预测算法模型，起码要包含数百个不同的数据因子。

就这些数据而言，大多数与公司的管理行为相关（例如大量的考勤数据、培训记录、差旅记录、绩效结果、会议记录、对职场、业务是否习惯、健康状况、人际关系、外部行业薪酬水平等）。以X度为例：

总之，企业利用“离职预测”的本意是：修正管理，优化组织，而非是监控员工。

正如Google将离职预测系统称之为“人才保留算法”，使用的目的在于：根据分析结果让成熟的管理者及时妥善地去介入协助、调整、沟通后，有效打消员工离职的念头。

数据来自哪里?应该是合法的，而不是非法的

离职预测虽然火热了很多年，但基本都是企业“自娱自乐”——预测分析在企业内部作为管理辅助方式。

而这次深信服将非法监控（员工不知情）取得的员工数据作为专利，作为商业盈利的手段。

“企查查平台信息显示，深信服曾于2018年3月申请‘一种离职倾向分析方法、装置、设备及存储介质’的专利，并于当年8月公开。

这套专利技术体系在员工未知的情况下收集员工上网行为数据中与离职倾向相关的行为数据，只要涉及求职方面的内容，都能够被监测和分析。

专利描述中详细介绍了监控系统的数据来源渠道——包括但不限于员工的QQ、微信、微博和其他针对求职需求开发的社交软件；以及各类邮箱渠道、招聘门户网站、搜索引擎……”

监控系统会从这些渠道中采集员工访问求职网站次数、聊天涉及离职关键词量、搜索离职相关关键词量以及简历投递次数等。进而根据数据分析员工离职倾向等级，并将这些有离职倾向的员工信息同步给购买服务的企业管理者。

律师表示：针对员工使用公司终端或网络的上网行为，未经个人信息处理告知程序或非基于合法必要人力资源管理条件下处理员工个人信息时，存在违反个人信息保护法的法律风险（信息来源：南方都市报）。

预测结果怎么用?管理者要非常小心谨慎地用

这次事件的管理者对预测结果的处理方式，“非法采集员工数据”还被这位领导堂而皇之地说出来，才是事件发酵的直接原因。

而就我们访谈的企业而言，即使数据来源合法，运用算法预测的结果时，管理者也是极为小心谨慎的。企业推导出适合本企业的预测模型之后，还要经历漫长的验证期。

在预测模型修正和运用过程中，也需要更成熟的管理者适情况做出判断、帮助修正模型，而不是把算法的建议当作答案和员工沟通。

可以说，不成熟的管理者只会进一步加剧人与算法的冲突，最终被算法困住。

正如一位使用离职预测的HR说：

“这个工具很Fancy，但在使用工具的过程中，我们依旧会遇到一些挑战。例如，有不成熟的Line Manager，当HR告诉他「团队里一位员工有离职倾向」。他迅速找到员工本人并对员工说「你最近怎么回事，HR告诉我你要离职」。”

算法和数据在管理中运用，一直争议不断：今有深信服做所谓的离职预测，前有亚马逊和俄罗斯的游戏支付公司Xsolla用算法大规模裁人。

相比大量的不为大众所知的算法驱动管理的正面案例，这些极端的个例更容易引导大众甚至人力资源从业者；这些“算法充当东厂监管员工”的新闻，形成了大众对于“算法+企业管理”的粗暴且刻板的印象。

我们不可因噎废食，算法驱动管理，也是大势所趋。

除了离职风险预测外，算法在企业招人、员工评估、调薪、学习发展、劳动力管理相关的智能排班方面，也有了诸多成熟的应用。

我们只选取小部分“让算法入管理”的实践切片，供你了解。

算法帮企业选人

国内很多企业已将算法运用人才招聘“劣汰”环节。

在既定的算法模型下，求职信息与岗位信息可以实现自动匹配、智能评估、双向推荐，系统完成了大量筛选后，再为HR推荐合格的简历。

例如谷歌用算法来预测应聘者在获聘后是否具有最佳生产力，来鉴别面试背后所隐含的价值，来显著缩短聘请员工的周期。

他们也利用算法来分析被拒绝的简历，来分辨出任何他们可能错过的卓越的应聘者，重新面试候选人后，他们最终聘请了其中的一部分。

算法来评估员工表现

百度将算法用于员工评估中，以确保更理性。

在员工评估过程中，通常依据很强的主观判断，也常因此引出很多争议。通过算法，HR可以通过研究分析内部的沟通工具、沟通频次、沟通时段、邮件的大小和频次等数据，再经由数据建模、机器学习、分析验证等步骤，用算法推荐出10个工作关系紧密的Peer。

在百度的实践中，管理者或HR可以从这10个人当中选取5～7人当作Peer，既保证了客观公正性，又有适度的灵活性。

算法决定谁该被激励

IBM则将算法用于员工的调薪决策中。

为减少管理者决策的偏见，IBM印度的数据分析团队向企业管理团队推出了薪酬预测算法，用以分析计算调薪人选和调整幅度。

预测模型通过综合考虑一些因素的权重，包括员工的技能掌握情况、学习能力、绩效、岗位影响力以及岗位流动率等等，算法综合计算得出谁该调薪、调多少。

不过仍保留管理者一定的决策权——针对算法提供的调薪名单，管理者依据自己的判断可以从中剔除算法推荐的人选，但不可以增加新人选。

Google也尝试通过算法帮助管理委员会决定谁该晋升，目前该算法主要运用于工程师的晋升决策中，以减少决策偏见和晋升委员会的工作量。

算法为内容审核团队排班

最近因为员工猝死事件将互联网大厂的内容审核团队，这一“不可或缺，却无人在意”的群体被带到大众视野，关于他们的工作量、工作时间、工作压力……如何更合理更科学地安排他们的工作成为讨论的热点，也是解决问题的关键。

与B站类似的某生活方式平台，在预见企业未来发展战略时，他们考虑到内容审核团队的不可或缺性，「算法」是他们选择的应对方式。

通过智能排班，该平台解决了“流量高峰低谷波动与内容审核员的班次和工作时间分布”的匹配性问题，同时智能排班也将合规性（如连续工作天数、相邻班次间隔时长、夜班之后必须休息）和员工的身体特征（孕妇、疾病史）列入排班算法计算规则中。

互联网发展二十余年，从中关村的几台电脑到庞大的大厂生态，环境每天都在发生着变化，牵动着数据、技术、算法与人性的冲突。

但最终，算法会成为修正管理的路径，还是替代管理的捷径？选择权在我们手中。

我们需要保证算法中数据的合法性、需要为算法注入善意、也需要看见算法背后的人性。如果用人单位只是想单纯地在法律框架内为所欲为，不注重与员工之间的连接和粘性，只讲“管理”，不讲文化，只讲要求，不谈人性，恐怕很难持续发展。

参考资料：

1.熊辉.百度人才智库（TIC）：引领人才管理人工智能化转型——离职预测准确率超过90%.哈佛商业评论.

2.《人力资源大数据运用实践：模型、技术和运用场景》.王爱敏,王崇良,黄秋钧,清华大学出版社,2017.

3.https://mp.weixin.qq.com/s/vU9q1v7z0gTL9RIkZcigXw，走好数字化转型之路：AI在HR中的应用实践

4.可监测员工离职倾向，3年只需4万元?深信服下架争议产品页面!知乎：从未用过，坚决反对