谷歌分析(Google Data Studio是一项什么样的服务？较谷歌分析有哪些区别？)

题图来自Unsplash，基于CC0协议

本文目录

正文

1、Google Data Studio是一项什么样的服务？较谷歌分析有哪些区别？

作为谷歌营销平台的一部分，该项目从 2016 年一直公测到现在。该公司称：

该平台允许同一组织内的人们“无缝实时协作”，根据亚航（AirAsis Group）的说法，其在过去 12 个月的时间里“取得了快速的发展”。

在 Data Studio 正式发布前，谷歌还在今夏准备了一系列的更新。该公司强调，其借助大数据源来获取实用的见解。无需编写任何代码，即可看到多个来源的可视化数据。

显然，这非常有助于营销及其他行业人员，相对更加快速地创建和分享全面的报告，从而“激发更加明智的商业决策”。更棒的是，谷歌宣布这项服务可以免费使用。

2、谷歌是如何通过数据分析来做人力资源工作的？

好的企业文化都有相似之处，在硅谷工作过的同学都该知道，从OKR、信息透明、层级扁平乃至字节范儿这些组织管理方法在西方都有过更早的实践。今天推荐一篇HR专家行走的帆的文章，论述谷歌是如何通过数据分析来做人力资源工作的，可与今天在推行OKR的中国互联网公司做对比，相信会有非常多似曾相识的地方。PPT配图部分来自谷歌HR实习生陈书尧。

从07年-17年，在前任谷歌人力运营副总裁Laszlo Bock治下，谷歌在人力资源管理中沉淀出三大原则：只招那些最优秀的人才，对员工充分信任，数据驱动人才决策。

为了确保公司能够找到最优秀的人才，谷歌用了很多办法，比如：成立跨部门的招聘小组，不再让用人经理一个人说了算，而是动用集体的智慧来综合考察候选人的综合素质；把原来校园招聘的学校范围从150所（美国）大学扩大到450所；甚至不惜砸下重金，在内部设立了专门的招聘公司，等等。

因为对员工的充分信任，谷歌实行彻底的透明化管理政策：内部实行OKR的绩效管理方式，OKR本身就是一种透明机制，每名员工可以看到其他人的年度绩效目标；每周五举行公司全员大会，由公司创始人主持并回答员工的所有问题；每个员工都可以通过邮件直达公司创始人和CEO等高管；公司所有内部文件，只要不涉及到法律违规的内容，一律向员工分享，等等。

谷歌首先从人力运营部门自身做起：人力部门下设数据分析实验室，专门研究和分析各种于人相关的数据；其次，人力运营部人员的专业背景中，三分之一的人来自HR专业背景、三分之一来自咨询公司背景，另外的三分之一来自数据分析专业背景。

此外，谷歌还用了很多手段来实现数据驱动决策，哪怕是最基本的人事决策。比如：谷歌从前的招聘流程非常冗长，招聘一名员工平均需要经历15-25轮面试。后来，经过经验数据论证，面试4轮和更多轮次面试出来的员工，在实际工作中的业绩表现并没有太大区别。所以，今天谷歌的面试都不超过4轮。

谷歌HR是如何践行数据分析文化的？

行走的帆

谷歌自创立之初在公司文化上就深深地带有创始人的烙印，公司文化属于典型的工程师文化。公司内有一条不成文的规则，那就是任何决策不能拍脑袋，必须是数据驱动。每个人都必须学会用数据说话，用数据去说服别人，并用数据推动决策。

数据驱动一切决策，HR管理也不例外。

在谷歌最早的IPO招股书明书中这样写道：“我们不是一个传统意义上的公司，我们也不打算成为一个传统意义上的公司。”从HR角度来看，这也意味着谷歌的HR自公司成立的第一天起，也着力于将打造成为一个非传统意义的HR。其中最能凸显非传统的一点，就是HR需要完全通过数据来指导日常的所有工作和决策。

谷歌有专门的人力分析团队（Analytics），直接向公司人力副总裁汇报。分析团队的背景也特别：1/3的人有MBA学位，1/3有心理与行为学方面的博士学位，剩下的1/3拥有数据或统计分析方面的学位。

此外，在人力数据分析团队内部，分别有专人对接每一个其他HR职能部门，这样来确保每个职能都能够完全实现数据驱动决策。

谷歌在数据分析决策方面，专门开发了一套决策模型（Analytics Value Chain）。

决策模型图如下：

第一步：看法和观点（opinion）

这一层主要是人最直观的主观看法。比如，人们常说：“我觉得应该是这样的，因为一直以来事情就是这么运作的。”这就是一种看法，它并不代表事实。从人力分析的角度来说，需要避免只凭直觉看问题，应尽量拿事实说话，做到超越直觉。

第二步：数据（Data）

HR各个部门原本都拥有大量的数据，比如组织内有编制、多少人员？一段时期内有多少人获得了晋升？多少人员离开了公司？

这些数据广泛地散落在组织各处。但是这些只是停留在原始数据阶段，尚无法被人所理解。只拥有数据并没有太大意义，因为数据本身并不能自动解决任何问题。

第三步：衡量（metrics）

衡量包括了具体的指标、比例等等。你可以定期把相关的数据发送给相关人员参阅，让大家获取信息了解组织内部正在发生什么。

然而，随着时间的推移，人们可能会对这些指标开始麻木，因为这些数据、指标并不能解决实际问题，无法帮助组织作出下一步的行动计划。

第四步：分析（Analysis）

分析可以帮助在不同的数据之间建立起来联系：数据和数据之间都有什么关系、接下来的发展变化趋势是什么、与之相关的都是哪些群体，等等。通过分析，进一步去挖掘数据背后的本质和成因。

第五步：洞见（insight）

通过对数据的分析，可以透过表面看本质，最终形成自己对某一事物的洞见。

第六步：行动（Action）

归根结底，数据分析的目的是要解决问题。基于对事物形成的洞见，接下来便可以有的放矢地制订行动方案，并付诸于实施，最终帮助解决组织存在的问题。

我们来看一个谷歌数据分析在实际工作中的经典应用案例。

谷歌有一个人力团队叫人员与创新实验室（People and innovaiton lab），工作是负责从长期角度解决组织中存在的人员难题，通过创新的解决方案来帮助组织实现变革。实验室曾经负责了一个管理者发展项目，叫氧气项目（Project Oxygen）。

项目的起源很有意思：谷歌创立早期，创始人佩奇认为公司具有典型的工程师文化，不太理解到底管理者（people manager）在组织中能够有什么大的作为。甚至觉得，管理者这种非常具有官僚特征的职位的存在，在组织中只会让人觉得碍手碍脚。

后来佩奇一声令下，我们干脆把管理者这种职位取消了吧。所有工程师一律向他本人汇报。接下来发生的事情不出所料，管理者岗位的取消并没有带来组织效率的提升，反而让组织陷入了巨大的混乱。无奈之中，谷歌后来又重新恢复了管理层。

经过这么一个事件的折腾，大家开始反思：为什么会一开始觉得管理层不重要呢？那不如来做个数据分析，看看管理层到底重要性在哪里。

当时，谷歌内部已经有一些与管理者相关的人力数据，一类是绩效反馈数据，这个是管理者对员工的自上而下的反馈；另一类是员工调研数据，这个是员工对管理者的自下而上的反馈。

接下来把这些数据切分出四个分位：尤其重点关注最上面的25%和最底部的25%，然后具体来看每个分位的管理者具体的表现如何。相关的衡量指标包括了：团队工作业绩、团队成员的幸福度打分、团队成员离职率，等等。

经过分析，人们发现一个管理者的表现好坏对以上指标存在巨大影响，最上面的25%的管理者的这些指标远远好于最底层的25%的管理者。最后的结论：一个优秀的管理者对公司至关重要。

接下来一步的工作，找到可以帮助管理者提升的方式，让他们都可以成为优秀的管理者。

在这一步，谷歌做了两项工作。第一项：设立优秀经理奖（Great Manager Award)。如果要提名优秀经理，提名者必须写清楚他有哪些具体的事例和行为表现。通过对所有提名的解码，谷歌可以提取出优秀管理者的共同之处。

另一项工作，对所有经理开展面谈。面谈之前，面谈双方并不知道被面试者是否属于优秀经理之列。所有面谈结束之后，把面谈结果汇总分析、解码，从中找到优秀经理和非优秀经理到底都有哪些共同之处。

上述工作的产出，便得出了谷歌的优秀管理者所具备的8项行为特征：

1. 是一个好教练；

2. 对团队授权而不是做细节管理；

3. 非常关心团队成员的事业成功及个人福祉；

4. 工作成效高，并且结果导向；

5. 是一个良好的沟通者，愿意倾听和分享信息；

6. 能帮助下属实现职业发展目标；

7. 能为团队设定清晰的愿景和战略；

8. 具备重要的岗位技能，能对团队提供建议。

此外，谷歌还提炼出了导致经理们陷入麻烦的3大原因：

1. 过渡期充满挑战（比如，突然被晋升、被新招入并缺乏相关培训，等）；

2. 在绩效管理和职业发展方面缺乏一套持续稳定的方法和工具;

3. 在人员管理和沟通方面花了太少的时间；

有了以上发现之后，谷歌就开始通过以下渠道来定期评估和发展管理者：

1. 一年两次的员工对管理者的向上反馈调研（聚焦在8项行为特征方面）；

2. 每年的优秀经理颁奖，发现管理者中的典范；

3. 管理者培训；

4. 新经理沟通课程，让新经理知道公司对他们的具体期望是什么。

最后，我们再用谷歌的数据分析决策模型来复盘一下整个项目过程：

1.看法- 大家觉得管理者对谷歌的绩效没有影响，贡献不大；

2. 数据- 组织内有大量跟管理者相关的数据，主要来自于绩效管理和员工调研；

3. 衡量- 大部分员工对经理的调研评分还不错；

4. 分析- 优秀经理拥有较低的员工流失率和较高的团队绩效；

5. 洞见- 提炼出与管理者相关的8项正面行为和3大负面原因；

6. 行动- 发起由员工打分的聚焦8项行为的管理者调研，创建机会帮助管理者之间相互交流最佳实践。