本文譯自「麥肯錫季刊」
2003/12/27
企業需要新的方法挖掘出不為人知的專才。專業人才可能很難找到，即便是花費數百萬美元網羅世界級人才的大企業也難逃這樣的命運。一家生技公司的專案經理便有著這樣的經驗：
「專案剛開始時，我們需要熟知某種特殊蛋白質的專家。我們花了好幾個禮拜打電話給人事部、透過熟人打聽、翻遍人事檔案。最後，我們的結論是：沒有這種人才。三天後，我在電梯裡向同事抱怨這件事，身旁一位女性轉頭向我說：『我的博士論文就是以這種蛋白質為題。你想知道什麼？』」
這種毫無效率、到處碰運氣的做法絕不是運用企業資源的典範。專案經理不會在電梯裡揀到現金、店長不會坐在店裡思索存貨的下落、IT經理也不會一間間辦公室去清點多餘的電腦終端機。畢竟企業是要依循一套完善的流程，將資源（現金、存貨、設備）分配給所需的人。但人才的配置就未必如此。有的公司甚至不需要正式的流程來分配資源。對於組織結構較簡單的小公司，非正式的社會網路就足以有效地將專門人才與需求者接上線。各部門「互通有無」在這些公司是司空見慣的事。「如果我需要幫忙，我知道要找誰。」
但這種靠個人關係找人才的日子可能已經結束了。併購、擴張、全球化以及人員流動，無一不會削減非正式社會網路的作用。因此許多企業不願再仰賴到處碰運氣的做法來決定專業人才的交流。包括英國石油和IBM在內，有愈來愈多企業開始以更有系統的方式尋求並利用專才，以免生產力下跌、上市時間延遲、或競爭力遭到撼動。
然而這些公司卻一直未能找到一個最完美的方案。直到最近，企業仍依賴兩種傳統方式蒐羅專才：紀錄內部人才和建立專長資料庫，但其成效皆十分有限。書面文件只能反映一個人的部分專長，而專長資料庫也往往流於分類不當，導致其資料一開始就不合時宜。（某家大型高科技公司耗資數千萬美元開發出最先進的專才入口網站，但卻很少使用，更新的次數更是寥寥無幾。）
現在有一項新的解決方法將改變這一切。一般公司其實已經有追蹤員工學經歷的做法，包括他們參與過的專案、寫過的論文、在學校修過的課等。公司可以利用搜尋技術挖掘出這些資訊，用人才庫或靜態資料所做不到的方式，找出公司內部的專業人才。如果公司的資料系統允許的話，此一解決方案的成本其實很低，而且執行起來相當簡單。
背景資料
專業人才難尋，主要是因為專業知識不是三言兩語就交代得清。如果公司內八竿子打不著的部門同事問你的專長何在，你會如何回應？你可能會很籠統地回答「市場研究」或「臨床設計」。但如果問的人是你隔壁桌的同事，你可能會回答的更精確，告訴他你在市場研究中的專長領域，或是曾經手過的臨床實驗。對來自國外的同事，你的答案可能帶有地方性特色；如果是本地人，你可能會以產品為主說明你的專長。
這是因為「你有什麼專長？」這個問題的答案，要視問的人以及問的理由而定。這個問題本身就太過抽象，難以引出實質的回答。有專業知識需求的人，往往是為了在特殊情況下解決特定問題。資金、存貨、設備的質量不會改變，但專長的定義卻會因人事時地而有所不同。因此專業知識是一種相當難定位的資產。
此外，在大多數的情況下，尋找專業人才並不是要找出某一主題的世界級權威，而是要找出剛好能解決特定情況及特殊需求的人，之前那家生技公司就是一個例子。有時公司所需要的專長可能相當狹隘──也許是曾在某特定地區推出過產品的人，或是曾為某個潛在客戶服務過的人。這種專長對公司而言可能是最寶貴的，但也常是最不容易發現的，因為具有這類經驗的人並不認為這是自己的專長。
諸如此類的背景資料使得許多專長資料庫無法充分發揮效用。這些資料庫並不考慮員工之所以具備某項專長的背景資料，只言簡易賅地紀錄其專長領域。這種概要式的資料庫有其優點，特別是在專業人才不多的小公司，非正式的社會網路正可以補其不足之處。但是對於員工動輒上萬的大企業而言，就很難憑著簡短的摘要在公司內部搜羅出大量具有特殊背景的專才。
因此企業必須根據不同的情境與背景，界定其所需的專才。要怎麼做呢？
在對內搜尋專業人才的過程中，我們要看的不是個人對自己的評價，而是眾人對他們的口碑。在此不妨以一個類似的過程為例：徵才。企業之所以要徵才，乃源於特定的組織需求，因此也同樣是受限於特定的情境。企業在徵才時通常先迅速掃描應徵者的履歷表，看看是否有符合其工作需求之處。通過第一輪的應徵者須經過更主觀的評選過程，也就是面試和工作經歷查證（reference check），讓公司更完整地了解應徵者的經歷是否符合其特定需求。
行動勝於空談
在其他條件（基本資歷、薪資要求、與公司文化的相容性）都相等的情況下，具有相關工作經驗的應徵者較有可能獲得錄用。假設一家包裝食品公司準備推出一種鹹的零食上市，有兩名應徵者都具備產品管理經驗，但其中一名曾經在同地區成功推出一種洋芋片產品，這個人自然較能令雇主心動。
內部人才的搜索情況相當類似。有需求者必須知道這個人是否有資格「受僱」擔任此一專家的「職位」，因此會檢查應徵者過去的紀錄：家世背景、工作經驗、推薦人意見。有了這些資訊，專才的搜尋通常很有效率。在對外徵才時，應徵者可自行解讀自己的履歷表；但在公司內部，資料庫的資訊卻會經過相當精準的評估。公司可以透過公認的定義、流程與職權，從既有的資料中擷取更多更可靠的訊息。比方說在履歷表上，「領導專案團隊」這句話可以衍生出許多問題：專案規模有多大、執行期間有多長、有哪些成功之處？但在公司內部，同樣的一句話可以佐以更多的背景知識，因為公司內部的人對於該專案的細節與成果，甚至專案領導人所扮演的角色都知之甚詳。
這類資訊雖然不會在專長資料庫中出現，卻會散見於公司內部各種資料庫中，例如人事、會計、專利註冊等。但是在眾多資料庫中捕捉這類資訊卻相當費時費力，不但要取得使用各資料庫的管道，還要利用各種不同的流程（企業內網、致電給同仁）才能找到合適的人選，有時甚至徒勞無功。
相反的，今天的搜尋引擎可以在數秒之內檢索到數千筆，甚至百萬筆的資料，並與以排名。所有組成公司的共同經驗和員工的個人經驗的資訊，都可以在彈指間取得。企業不需要將就靜態的資料庫，簡化對於專才的需求，現在他們可以利用像Google一樣的先進專才搜尋工具。
搜尋專家
利用以企業軟體為基礎的解決方案，結合新式的搜尋技術、建檔功能和獨特的使用者介面，所謂著眼於改善專才搜尋流程的產業規模雖小，但已應運而生。例如有些產品運用自然語言剖析（natural-language parsing）技術，即可如梳子一般，自動過濾電子郵件、即時傳訊和其他類型的自我更新內容，篩選出個人的專長與興趣。
這類產品在許多方面的確超越了一般搜尋專才的方式，包括靜態的專才名錄等。尤其在對專才的需求既深且專的產業（例如軟體開發），這類產品可披露登錄人員過去工作的相關內容這類有用資訊，但無洩漏個人或機密資料之虞。有些產品甚至可將常見問題（FAQ）系統化，大幅減少專才回答這些問題的時間。
但是，面對眾多廠商推出的企業解決方案，公司本身有必要投入相當時間和心力，了解他們對是項技術的期望為何，再決定哪一家供應商的解決方案切合本身需求。部分公司發現有的解決方案將挖掘出員工私人的信件往來，有侵犯員工隱私權的疑慮後，便中止和廠商的討論。部分公司則對軟體搜尋的錯誤率偏高大失所望。由於廠商的技術仍仰賴公司獨特的專業需求、專業字彙和溝通方式，因此有可能無法以正確的方式，傳達正確的資訊。
有鑒於此，公司應從了解本身特殊需求著手。根據一些公司的成功經驗，最好的方式是自IT、知識管理和各業務線的職能部門，組成一個跨部門小組，提出三大基本問題：員工有哪些和特殊專長相關的需求？哪些資訊有助於他們滿足這些需求？這些資訊應如何傳達給員工？唯有這三大問題都有了答案，不論有無第三方供應商提供的解決方案，公司才能開始落實有效的專才搜尋系統。（下周待續）
（本文譯自「麥肯錫季刊」The McKinsey Quarterly 2003年第4季之“Do you know who your ex-perts are”一文）
文章定位：
