玩游戲，選雇員

2003年，邁克爾·劉易斯和他的暢銷書《點球成金》讓美國職棒大聯盟奧克蘭運動家隊的總經理比利·比恩成為了明星。在此前一年，比恩放棄了傳統靠球探選人的方式，轉而用一個哈佛畢業生研究出來的數學模型來挑選球員。接下來發生的事情成為了傳奇：作為一支小球會，運動家隊在那個賽季取得了103場勝利，跟豪門紐約揚基并列常規賽第一，而運動家隊球員的薪金總額只有揚基的1/3。在接下來的這些年里，球隊們也開始紛紛效仿，他們采用了更多更詳細的數據分析方法去判斷球員的賽場潛力和投資價值。

如果故事就到這里結束，那么這聽起來只是一個體育迷會關心的事情。然而，比恩和運動家隊的成功卻開啟了一個新世界：用大數據來管理人才。

對今天的許多人來說，大數據已經不再是一個陌生的概念。用來預測股票發展的數據模型改變了華爾街和全世界的股票市場，而通過人們的瀏覽記錄而推送廣告和購買建議也已經成為了新的營銷方式，不過，現在還很少人意識到，大數據也能改變企業的招聘和用人體系。

康奈爾大學產業與勞動關系學院教授約翰·豪斯肯特指出，近年來，市場對于“勞動力分析專家”的需求急速增加，而谷歌、惠普和英特爾等大企業則已經在人力資源部里組建數據分析團隊去管理人才。比利·比恩本人甚至出席了去年在德克薩斯州召開的企業人力資源管理研討會，并且發表了一席名為《“點球成金”走進人才市場》的演講，在全美的人力資源領域都引發了轟動。

游戲比學術成績更準確

在硅谷，有一家非常小的初創公司，它的名字叫Knack。跟硅谷許多其他公司一樣，Knack主要做的也是游戲，他們的產品包括迷宮解謎游戲《地下城涂鴉》和經營類游戲《芥末服務員》。不過，這些游戲并不僅僅可以用來玩，它們由一個神經科學家、心理學家和數據分析專家組成的團隊共同創建，可以用來測量人的潛力。

Knack的創始人蓋伊·哈弗泰克說，只要讓應聘者玩20分鐘這些游戲，招聘方得到的信息就比學術成績單或人格測試還要多。玩家在每一步之前需要思考多久，行動順序如何，如何解決問題等等，這些都會被游戲程序記錄下來。然后，這些數據將會被用來分析玩家的創造力、忍耐力、從錯誤中汲取教訓的能力、是否懂得分清輕重緩急，甚至是情商和性格。哈弗泰克說，最終的結果將是一個對于玩家心理和智力水平的完整評測，能夠判斷其是否有潛力成為一個領袖，或是創新者。

當漢斯·哈林賈剛剛聽說Knack的時候，他并不太相信他們所說的這些。哈林賈是石油業巨頭荷蘭皇家殼牌集團的一名管理人員，他所在的團隊是該公司的“變革小組”：在過去將近20年里，這個12人小組對該公司的發展方向和經營表現都有巨大的影響。該小組的主要任務是鑒別公司員工提出的項目策劃是否有價值，哈林賈和他的團隊會進行完整的沙盤推演，然后扮演風險投資者的角色，去與項目負責人見面，給他們提供少量的資金，讓他們先進行短暫的嘗試，并監控他們的進展。哈林賈說他們很擅長從中挑選出最出色的人選和項目，不過問題在于，這個過程需要花費大量的時間與精力—通常來說，一個備選項目的評測過程要花費超過兩年時間，而只有不到10%的項目能通過測試并投入研發。

所以當哈林賈聽說Knack的神奇游戲時，他雖然心有疑慮，但還是決定抱著試試看的心態來尋求“捷徑”。畢竟，如果Knack真有他們宣傳的那么好，那么這些游戲就可以幫助他們對項目負責人進行評測篩選，而他們團隊也可以將精力集中到更重要的地方。

哈林賈決定邀請所有曾經提出過項目策劃的人來進行這場玩游戲測驗。“變革小組”保存著這些年的所有資料，他們找到了1400名左右的策劃者來玩《地下城涂鴉》和《芥末服務員》。哈林賈將3/4的人的項目表現告訴了Knack，讓Knack能夠把游戲表現和項目表現做出對應，以判定影響因素和基準線。最后，哈林賈要求Knack對剩下1/4的人選進行分析，讓他們猜猜哪些人的項目做得最好。

當結果出爐的時候，哈林賈說，他的心跳都不由自主地加快了：Knack沒見過這些人，也不知道他們各自是什么職務什么背景，更不知道他們都提出了什么項目，但最終，他們評出來最優秀的10%策劃者，恰恰就是項目發展得最好的那些人。Knack根據哈林賈提供的3/4數據甄別出能在殼牌成功的六個要素：思路開闊（不排斥隨著意外的進展而做出調整）、情商高、以結果為導向、能從錯誤中學習到經驗、能兼顧多任務，以及謹慎。哈林賈說，這也正是他自己心目中的理想創新者形象。

哈林賈認為，Knack可以幫助他的“變革小組”排除80%的候選人—他們幾乎看上去都非常聰明、受過良好的訓練，而且履歷也非常不錯，但他們的項目就是沒辦法成功。哈林賈說，在排除掉這些“沒有希望的家伙”之后，他們就可以專注于那杰出的20%了。

在線問卷的玄機

哈林賈還需要說服他的同事在殼牌集團里推廣這種新型甄選人才方式，不過在計時工作（比如超市收銀員和電話客服等）領域，通過大數據分析來進行簡歷篩選已經相當流行。這些工作都有著明確的標準化規定，工作成績也有著清晰的指標，而且員工流動率極高—在美國，電話客服中心每年更換50%的員工也是常事。

早在上世紀90年代，大超市就已經開始采用心理測驗等方式來招聘收銀員，以減少監守自盜的幾率；不過，心理測試能夠掌握的信息遠遠不夠全面，而大數據的應用則讓他們有了另外一種選擇。2010年，施樂公司的客服部門開始采用一種新的在線評估方式來篩選應聘者。這種評估方式包含人格測試、認知技巧測驗和情景處理選擇題，在應聘者完成答題后，會根據算法自動將應聘者劃分為三個等級：紅色（不建議雇傭）、黃色（中等水平）和綠色（建議雇傭）。據了解，得分最高的候選人通常都具有一定的創造性，但并不過分好奇；他們會上至少一種社交網站，但不會超過四種。

施樂采用的這套在線評測系統由一家名為Evolv的小公司開發。這套系統能夠記錄下所有應聘者的數據，也記錄下所有最終受聘者的數據，也就是說，在它將測試結果和雇傭結果進行關聯比對的時候，將不存在樣本偏差。Evolv可以從這些數據中看出，對于銷售來說哪些要素最重要（決策力、空間定位能力和說服力），或者電話客服人員最需要什么（讓人感到親切）。根據每一家公司的需要，他們還可以改變問題，或者增加新的變量，去尋找最適合其職位的員工。比如說，有些技術崗位很看重應聘者答卷時使用的瀏覽器，因為有些瀏覽器的功能更強大，但并不是系統自帶的，你必須要自己下載安裝。

前所未有的獵頭革命

今年夏天，《大西洋月刊》需要雇傭幾個出色的軟件工程師，于是他們找到了Gild，一家專門幫助其他公司尋找程序員的獵頭公司。

在一間會議室里，Gild給《大西洋月刊》的管理人員們展示了一幅該雜志所在地華盛頓西北部的數字地圖，上面標注著若干個紅色小記號，這代表著在技術領域上符合《大西洋月刊》招聘標準的程序員。在每個小記號旁邊，都還有一個1到100范圍內的數字，用來表示Gild對該程序員在這些技術領域上的綜合得分。Gild表示，所有得分超過75的程序員都通過了Gild技術專家的編程測試。

Gild做到這一步并不容易。他們首先要搜集整個網絡，尋找所有的開源代碼，以及這些代碼的編寫者。他們會根據簡潔性、優美性、文檔注釋完備程度以及若干其他因素來評估這些代碼，并統計他們被其他程序員沿用的次數。對于那些為付費項目而寫的代碼，他們會注意看其完成時間等方面，以評估程序員的效率。另外，他們還會看類似于Stack Overflow這樣的編程問答網站，如果一個程序員給別人的建議得到了很多贊同票，那么他的得分也會相應提高。

不只如此，他們還會搜索特定程序員在社交網絡上的發言。Gild發現，專家級別的程序員和技術較差的程序員在某些用詞上是有差異的，于是他們可以將這些特定用詞納入評分范圍。

有趣的是，Gild還能夠給那些從未寫過開源代碼的程序員打分。Gild的首席研究員薇薇安·明表示，他們可以通過觀測這些程序員的網絡瀏覽歷史來進行分析。比如說，如果一個程序員去一個特定的日本漫畫網站，那么他的編程水平就有可能很高。

這是什么原因呢？“我們暫時并不清楚原因。”薇薇安表示，“不過這肯定不是一個偶然現象，因為我們數據庫里有600萬個程序員的資料，而數據分析顯示，喜歡這個日本漫畫網站和編程出色之間有著強關聯。”

消除雇傭偏見

美國社會學家威廉·懷特在1956年寫道，“組織需要的，是全能的人。”天賦卓越，技能嫻熟，資歷輝煌，性情合宜，為人謹慎，又要足夠忠誠—當時的企業認為，他們的雇員必須滿足這一切要求。在此后的這幾十年里，很多企業甚至在此基礎上要求更高。我們應該放棄這種要求，讓應聘者玩玩游戲就好嗎？那些用高級瀏覽器的人，就比用系統自帶瀏覽器的人更高級嗎？最令人擔心的是這樣一個問題：人力資源管理是人類歷史上最需要人際關系技巧的工作之一，我們應該將它交給機器去做嗎？那些數學模型可能會出錯，這可能讓一些人永遠地被排除在工作大門之外。

這些擔心是很自然的，但從另外一個角度來想，人因為帶有感情而必定存在偏見，我們過去的人才管理方式并不令人滿意。研究已經一再表明，高個子男人比矮個男人的職業發展前途更大，漂亮女人在職場上的普遍待遇更好（除非她們胸部太大）。擁有白人名字（比如Jack）的履歷更可能通過篩選，而黑人用首寫字母代替全名（比如用J.Martin代替Jamal Martin）后會得到更多的雇傭機會。一些特定職業也會存在思維定勢：在上世紀七八十年代，不少職業管弦樂團改用盲選的方式來甄選演奏者，此舉最初是為了防止指揮徇私，不過這卻帶來了一個令人意想不到的效果—女性演奏者被招募的幾率大大增加，因為在不知道演奏者性別的時候，評審官才意識到她們的才華。

你可以說，現在的社會已經比當時更開明，但偏見依然存在。最近，研究機構“公司執行委員會”（Corporate Executive Board）發布了一項針對人事主管的調查，其結果顯示，有74%的人最近雇傭的人在性格上“接近于本人”—很顯然，這并不一定是對公司最好的決定，尤其是當新員工職位要求相差甚遠的時候。

相反地，數據不會說謊。要想從數據中得到足夠可靠的結論，必須按照科學的方法研究足夠多的數據，這就是大數據之所以重要的原因。

Knack和Gild都是非常年輕的公司，他們都可能會失敗，但他們并不是唯一在進行類似嘗試的公司。他們的數學模型也可能隨著時間的發展而顯露出越來越多的瑕疵，但這也可能讓這些模型和這些公司變得更強大而且更聰明。我們當然也有可能在十幾二十年后發現，大數據人才管理策略只不過是歷史長空里的又一顆流星，但目前的跡象，以及這個策略“無偏差無偏見”的本質，都讓我們相信，它很可能是未來的潮流。

來源：《大西洋月刊》