肯耐珂萨发布大数据报告，提供全面“敬业度数据”参考

又出员工敬业度报告了，这次不是仅描述中国企业员工敬业度的群体画像，而是侧重于挖掘敬业度现状背后潜藏的驱动因素。

近日，人力资本云服务公司肯耐珂萨联合复旦大学智慧城市研究中心发布了《2018 KNX敬业度大数据白皮书》（以下简称“敬业度白皮书”），敬业度白皮书结果来自于对KNX积累的1030万员工敬业度调研大数据的深度实证研究。

因此我们也可以理解为，这份敬业度白皮书涵盖的范围是“驱动因素与员工敬业度的变量关系”和“适合中国市场的敬业度预测模型”，而非仅仅传统的分类走势。

企业文化、信息能力、领导者，敬业度驱动因素Top 3

影响员工敬业度的因素有很多，员工会根据他们所得到的资源、支持的程度来决定他们的工作敬业水平。与传统敬业度报告的差别在于，白皮书基于机器学习，解析出了驱动因素影响的中间层——即“领导者”、“信息能力”这两项因素除了自己本身影响敬业度指数外，它两还能同时通过影响其他的“战略”、“文化”，二次影响敬业度指数。

在六大维度中，“企业文化”是对敬业度提升最显著的因素；

“信息能力”是第二大驱动因素，但它对敬业度的直接效应并不强，而是通过影响“企业文化”、“战略明晰”这两个因素来提高员工敬业度；

领导者对员工敬业度也有着不可忽视的影响，排在第三位，它是通过“企业文化”和“战略明晰”来间接影响企业员工敬业度。

利用机器学习及早识别敬业度“特殊群体”

肯耐珂萨联合复旦大学智慧城市研究中心利用机器学习分析了超过1030万员工敬业度数据，创建了可以进行检测预警的算法，这是人工智能在敬业度分析的首次使用。

敬业度白皮书揭示了3条有效预测规则，这可以用来帮助企业判别“特殊群体”，并对“特殊群体”的敬业度特征进行预测。该算法无法从数据当中识别任何员工个体，因此无需担忧隐私问题。

此次构建的敬业度模型，通过“预测敬业度值”和“员工的实际敬业度值”对比，其预测准确率高达95%，在该模型基础上，机器学习可以通过规定不同类型的特殊群体，来推测识别他们的重要普遍特征，这将为企业的敬业度培养提供智能化改进建议。