• real-time insights
    利用组织网络分析(ONA) - 衡量员工绩效并优化战略 作者: Maya Bodan, Don Miller, Sue Cantrell, Gary Parilis, 和 Carissa Kilgour 在快速变化的工作环境中,传统的办公室、工作时间和组织结构已逐渐失效,组织需要新的洞察力来理解、衡量和评估员工的绩效。特别是现在,了解人们如何互动、互动模式如何影响业务结果以及如何调整行为以改善这些结果变得更加重要。数据分析和人工智能 (AI) 的创新使这一切成为可能。 组织网络分析利用网络科学和特定指标来分析和可视化组织内部的沟通和信息流动。通过收集和分析调查和工作应用中的数据,组织可以利用数据、分析和 AI 的力量。组织网络分析揭示了传统组织结构图中没有的洞察力,例如人们如何协作、谁在决策中起到关键作用或者独立工作,以及关于信任和影响的情感。组织网络分析可以帮助领导者理解人际关系、可视化关系并找出成功的潜在障碍(图1)。 图1: 组织网络分析可以帮助发现组织内部的协作 衡量员工绩效 业务结果可以通过多种方式衡量。有时具体的定量指标是适用的;例如,一个专注于生产力的网络营销团队可能会强调点击次数、下载次数或发布的社交媒体帖子数量。改进指标,如“将网络流量增加X%”,使团队能够创新实现这一目标的方法。其他业务结果包括质量率和客户保留率的衡量。 然而,仅靠容易衡量的关键绩效指标并不能完整地呈现员工的生产力和业务影响。推动关系、发展和其他非量化人类结果的软性目标的结果对业务至关重要,尽管难以衡量。 雇主需要创造员工重视的工作场所。德勤研究显示,79%的领导者认识到他们有责任为员工创造价值,但只有27%的员工认为他们的雇主正在取得有意义的进展。在当前质疑面对面工作价值的环境中,量化人类结果带来了挑战。组织网络分析为领导者提供了分析洞察,优先考虑以人为本的指标,优化工作场所策略以提升整体员工体验。 理解个人员工绩效 组织网络分析 (ONA) 的洞察力在结合评估个人和团队绩效时尤其有用,这些绩效衡量会影响业务结果或生产力。 组织网络分析通过衡量与生产力相关的行为模式来评估生产力(需要对不同团队、职能和业务的生产力进行客观定义)。这些定义可以通过专家判断、焦点小组和访谈确定,或者通过数据分析进行量化。哪种模式是最优的取决于业务情况和需求。例如,有时,广泛的网络互动(与团队外部合作)是必要的,而在其他情况下,这可能会分散注意力——与直接同事合作是最好的(孤立的团队也可以是好的)。 非正式影响者通常不同于组织的正式领导者,他们可以提供关于如何独立于正式层级结构高效工作的宝贵视角。这些洞察力展示了员工人口在整个网络中的分布,以及职能、业务单元或地理位置等因素如何影响团队动态和生产力。在一个无边界的组织中,员工绩效超越了传统指标,突出了对非正式协作可见性的重要性。组织网络分析可以揭示隐藏的洞察力,展示信息在组织内部的真实流动方式,给领导者提供做出明智决策和优化员工绩效的洞察。 利用 ONA 优化工作场所策略 组织在平衡面对面和虚拟互动方面面临挑战。尽管许多组织鼓励员工返回办公室,期望面对面的互动能提升员工绩效和创新,但需要对人们如何实际工作的细致理解。高管希望办公室工作能激发创造力和联系,但往往面临昂贵的长期房地产承诺未得到充分利用的压力,这增加了定义办公室目的和价值的难度。通勤也会增加环境足迹,员工可能不愿失去灵活性。 通过组织网络分析,领导者可以回答一些关键问题: 有多少团队成员是共址的? 在什么情况下以及为什么需要共址? 什么工作可以或最好独立完成? 哪些工具和应用程序最能支持不同地点的工作? 一个重要因素是现场密度,它衡量一个人在办公室内近距离合作者网络的比例。更高的现场密度与更高的面对面工作的认可度相关。领导者可以利用组织网络分析的洞察来了解谁应该在一起工作以及何时在一起工作。理解这些非正式网络和影响范围可以为领导者解锁巨大的价值,以确定哪些团队应该共址以及共址时如何组织空间。通过虚拟方式沟通的独立工作者可能在办公室工作中看到的收益有限。有趣的是,新的数据显示“在松散联系网络中更可能产生创意”,这意味着与自己的直接网络外的合作可以促进创新。 结论 组织应负责任地使用数据、分析和 AI,以实时洞察员工在当今工作环境中的操作、协作和战略。这种改进的理解可以在多个组织层面支持价值创造和决策。组织网络分析提供了有关员工如何在混合工作模式和远程工作模式中跨职能和地理“边界”协作的绩效洞察,可以帮助领导层制定工作场所策略和政策。 作者 Maya Bodan Don Miller Sue Cantrell Gary Parilis Carissa Kilgour 贡献者 Yuki Iwase Shruti Kalaiselvan Ramyasri T M Brennan Conway Katherine Arriola 尾注 1 Deloitte, “Using network analysis to build an agile organization: Create organizational collaboration in a remote workplace,” 2020年10月27日。 2 Stephen Lancaster-Hall 等人, Humanizing productivity and performance: Productivity and performance in times of disruption, Deloitte, 2020; Deloitte, Beyond productivity: The journey to the quantified organization, 2023年5月。 3 Deloitte, Beyond Productivity: The journey to the quantified organization, 2023年5月。 4 Sue Cantrell 和 Corrie Commisso, “Outcomes over outputs: Why productivity is no longer the metric that matters most,” Deloitte Insights, 2023年7月19日。 5 Steve Hatfield, “Rethinking the ways we look at productivity in a Work from Anywhere world: How to evaluate remote worker productivity post-pandemic,” Deloitte’s Capital H blog, 2021年8月24日。 6 Worklytics, “12 metrics for more effective meetings,” 访问时间 2024年1月4日。 7 Deloitte Insights, New fundamentals for a boundaryless world: 2023 Global Human Capital Trends Report, 2023, 第80页。   来源:https://www2.deloitte.com/us/en/blog/human-capital-blog/2024/harnessing-organization-network-analysis.html
    real-time insights
    2024年06月19日
  • real-time insights
    赋能未来的工作:生成式AI驱动的组织网络分析和高绩效团队 Empowering the Future of Work: Generative AI-Powered ONA and High-Performing Teams 现代职场正经历从僵化的等级制度向敏捷、动态网络的转变。这一转变的核心动力是生成式AI驱动的组织网络分析(Organizational Network Analysis,简称ONA)。这种尖端技术使小型、专注且具备多学科能力的团队能够独立完成任务,正在重塑企业的运营方式。 敏捷团队的崛起 在当今快节奏的商业环境中,敏捷性的需求比以往任何时候都更为重要。公司正从传统的孤立结构转向小型多学科团队的模式。这些团队通常被称为“squads”或“pods”,它们的设计目的是灵活、专注和自主运作,其特点是能够独立运作,快速高效地交付价值。 挑战:应对复杂性 然而,创建和管理这些团队并非易事。在复杂的组织中,理解关系、专业知识和沟通渠道的相互作用对于构建有效团队至关重要。这正是组织网络分析(ONA)派上用场的地方。ONA提供了关于信息流动、关键影响者以及组织内沟通瓶颈的洞察。 生成式AI驱动的ONA:游戏规则改变者 生成式AI驱动的ONA正在彻底改变公司理解和优化内部网络的方式。通过AI分析和建模组织关系,这项技术提供了团队互动和协作的动态实时视图。 创建小型专注的团队 ONA帮助识别自然合作良好的员工群体。通过分析沟通模式和协作网络,AI驱动的ONA突出了与项目目标一致的潜在团队配置。这确保了团队是小型、专注的,并由互补技能的个体组成。 使用生成式AI驱动的ONA进行小队组建。来源:Cognitive Talent Solutions 生成式AI驱动的队伍组建建议。来源:Cognitive Talent Solutions 赋能自主决策 生成式AI驱动的ONA识别团队中的关键影响者和决策者。通过了解谁在群体中拥有“社会资本”,公司可以赋予这些个体代表团队做出决策的权力,从而促进自主性,减少对高层管理批准的依赖 通过生成式AI驱动的ONA识别非正式领导者。来源:Cognitive Talent Solutions 增强多学科协作 ONA揭示了跨职能连接,帮助公司创建带来多样专业知识的多学科团队。这促进了创新,并确保团队具备从头到尾完成任务所需的技能。 实时监控和调整 生成式AI驱动的ONA提供团队动态的实时洞察。通过持续监控沟通模式和协作指标,公司可以在问题升级前识别并解决问题,确保团队保持有效和专注于目标。 影响:驱动创新和效率 生成式AI驱动的ONA对团队绩效的影响深远。通过赋能小型、专注的团队,企业可以实现以下关键收益: 增加创新:多学科团队带来多样的视角,促成创造性问题解决和创新。 提高效率:自主团队能够快速决策,减少瓶颈,加速项目进程。 增强参与度:赋能的团队拥有更高的工作满意度和参与度,导致更低的离职率和更投入的员工队伍。 提高敏捷性:小型专注的团队能够快速应对变化的市场条件,提供竞争优势。 结论:团队合作的未来 生成式AI驱动的ONA是创建和管理高绩效团队的强大工具。通过理解和利用组织内的复杂网络,公司可以使小型、专注、赋能的多学科团队从头到尾独立运作。这不仅驱动了创新和效率,还为更敏捷和响应迅速的未来工作奠定了基础。 随着职场的不断演变,拥抱生成式AI驱动的ONA将是保持领先并构建在变化中茁壮成长的团队的关键。
    real-time insights
    2024年05月25日