“大數據”時代的人力資源管理創新

大數據時代，理解數據、運用數據、相信數據，將成為企業發展的新動力，也是企業管理者迫切需要掌握的一項能力。當前全社會多領域正經受著大數據浪潮的洗禮，人力資源管理領域也無法置身事外。人，作為企業中動態變化的一大生產要素，具有很強的不確定性，對人進行描述與評價一直以來都是企業管理中的一大挑戰。將“大數據”這一思想應用于人力資源管理領域，利用“大數據”的價值提升企業人力資源管理工作的效率，是大數據時代人力資源管理工作的一次革新。

人力資源管理中的大數據

人力資源管理中的“大數據”究竟包含哪些數據？從人才開發與培養角度加以分析，研究者認為可分為4個重要的維度：

原始數據：記錄員工基本信息

所謂原始數據，主要是指那些能夠真實反映員工自身素質的被數字化的“個人信息”。這些數據信息，就像是記錄員工成長軌跡的時間軸，忠實的記錄了員工各方面的原始能力情況，真實反映員工的個人素質，能夠在人才招聘的過程中，給予人力資源管理部門提供客觀的參考。具體而言，這類數據包括個人的基本信息，如年齡、學歷信息、專業、基本技術技能水平、崗位工作時間、工作年限、崗位級別、班組、現任職務等。

能力數據：再現員工受訓情況

原始數據記錄的是員工從事勞動之前已經產生的，能夠反映自身能力、素質的原始信息。這些數據能夠在一定程度上反映出員工在進入新崗位之前的能力水平，但是卻無法體現員工的動手能力，或者說無法準確反映出員工在當前階段的實踐能力。這種實踐能力的獲知，需要人力資源管理部門掌握能夠對員工的勞動能力進行量化分析的能力數據。具體地說，包括員工培訓經歷、接受專業培訓課程的時長、培訓考核情況、解決問題時的效率、參與競賽結果、獎懲情況等等。能力數據能夠在人力資源管理部門考核員工的崗前培訓效果等環節發揮巨大的作用，有助于讓人力資源管理部門客觀地了解員工的學習效果。

效率數據：展現員工工作效果

人力資源管理工作，除了員工招聘、進行工作考核外，了解員工入職后的工作情況，針對相關的情況制定人力資源的培訓計劃也是十分重要的內容。為準確了解員工日常的工作效率，科學地制定人力資源培訓計劃，人力資源管理部門需要了解能夠客觀反映員工工作效率的有關數據，這類數據主要包括工作任務完成效率、單項任務完成時間，甚至是壞件率、故障率等。

潛力數據：預示員工發展前途

在人力資源管理工作中，適時為企業發掘優秀人才也是一項十分重要的任務。要很好地完成這樣一項任務，人力資源管理部門就需要考核能夠反映員工發展潛力的潛力數據。這些潛力數據主要是指那些能夠比較客觀地反映出員工勞動效率的提升和勞動效果的提高，以及能夠比較客觀地反映員工勞動能力呈現出持續增長狀態的數據，例如工作效率提升率、收入漲幅水平、職稱提升頻率、業績提升率等。

人力資源管理大數據的挖掘

目前企業人力資源管理系統中的數據還遠構不成“大”，要充分發揮“大數據”的應用價值，首先需要我們進一步挖掘數據，努力收集和分析盡可能多的數據。針對上述人力資源管理工作中所涵蓋的4維度數據，在進行數據挖掘時應注意從這幾個方面入手開展工作。

尊重事實基礎上搜集

人才招聘是人力資源管理的第一步，要在這一環節便充分發揮“大數據”的價值，需要我們在日常工作中注意全面、廣泛地搜集員工的各項真實數據信息。這些信息既包括員工所提交的各類個人資料所反映出的原始資料信息，也包括與這些信息相關聯的，基于科學分析基礎上得到的一些綜合數據。這就要求人力資源部門的工作人員秉著“事無巨細”的原則，將所有可能搜集到的信息全部進行數據化處理，在意識上強化數據的全面性和廣泛性，避免因主觀判斷而導致數據的遺漏或弱化。

預見性地積累數據

人力資源部門每天會面對各種各樣的報表、大量的人員簡歷及統計數據，這些信息有助于做出更加理性的決策。傳統的人力資源管理系統主要關注于人力資源規劃、績效、薪酬、招聘、培訓及員工關系6大模塊，隨著不斷地推廣應用，這些模塊也得到了日趨完善。如果說，傳統人力資源管理是對人力資本的現狀進行管控，那么，進行人力資源的規劃與預測則是現代人力資源管理的一項重要職能。目前的信息管理系統，在預測企業未來的人力資源走勢，預判員工的成長曲線、離職傾向等方面十分困難。借鑒“大數據”理念，結合企業自身發展戰略目標和實際情況，從現有數據入手，制定科學、合理的大數據戰略規劃，不斷匯集、整理、分析和挖掘各項人事業務及組織人事信息，不斷探索人力資源管理系統的大數據管理，加強各類職能業務關系，用數據提升我們的管理“智慧”。

拓展獲取信息的渠道

目前在高等教育中所流行的大規模網絡公開課(MOOC)的教育模式可為企業的人力資源管理工作提供借鑒。MOOC是一種新興在線學習平臺，它一方面在更大范圍內為有學習需求的人們提供了獲取知識的機會，另一方面通過這個匯聚了眾多學習者在平臺上學習、使用，從而收集到更多學習者的行為數據，通過對群體行為的數據分析、找出規律，打造更好的在線平臺，提高學習效率。企業可以利用在線培訓，分析得出職工的培訓需求，進而使培訓工作變得更有針對性；開展在線能力測評，借助員工的業務能力、職場適應力、抗壓力等各方面的評估結果，為職工本人提供有利建議，并應用于培訓、選拔等多個環節。

利用大數據提升現代人力資源管理工作的效率，簡單的說就是將人力資源管理工作的每一步都建立在對客觀數據分析的基礎上。通過對相關數據的分析和整理，為人力資源管理工作的開展提供數據依據，并根據數據結果科學制定人力資源管理策略，包括為推動人力資源管理工作持續進步而進行分析和預測。目前在大數據的應用過程中，大數據人才的緊缺是一個世界范圍內的共性問題，為破解大數據時代的人才瓶頸，各國也正著手加快大數據相關人才的培養工作。在積極開展專業人才培養的同時，我們也看到了令大多數普通人感到高興的趨勢：一些全球頂尖的信息技術公司正致力于讓對大數據的利用更多地走入尋常百姓生活。微軟全球高級副總裁、大中華區董事長兼首席執行官賀樂斌表示：“微軟大數據愿景是，希望基于標準化的產品，使所有人都能夠在任何時間、任何地點利用數據，并更好地做出決策。任何人，只要他需要針對業務或日常生活做決策，就能夠獲取數據，并有工具幫他把這些數據變成有意義的數據，然后基于這些數據做出更好的決策而不需要其他人為他專門準備這些數據。”

案例1

讓所有人員決策都有數據支持

在谷歌，人力資源部門被稱為“People Operations”，簡稱“POPS”。POPS部門的核心是一項復雜的員工數據追蹤計劃，旨在通過數據分析更好地改善企業的人力資源管理。同時，谷歌還聘用社會科學家來對公司進行研究。例如，設計出更科學的薪酬福利計劃。此外，社會科學家和人力資源團隊組成PiLab（People Innovation Lab，即人力和創新實驗室）團隊，進行了數十項有關員工的實驗，以期找出有關管理大型公司最好的方式。例如，POPS部門旗下“人員分析”（people analytics）團隊通過數據分析精簡了公司招聘流程。面對每天都需做出數以千計的人員相關決定——應該聘用哪些人員，應該給他們什么樣的薪水，應該提升哪些員工，應該讓哪些人離職等等，谷歌正試圖在人員決策方面采取與工程決策相同的嚴格標準，讓所有人員決策都有數據支持。

案例2

利用大數據搜尋潛在求職者

相比通過大型電子招聘平臺和獵頭招聘，“員工內推”是企業進行招聘時效果最佳的一種方式，省時、靠譜、費用低廉。但由于種種原因，一般企業的員工內推比例只占所有招聘職位的20%左右，甚至更低。利用員工關系網絡進行人才推薦，是企業在進行招聘時效果最佳的一種方式。互聯網時代，每個人都在網絡上留下了大量的數據，其中包含著他的生活軌跡、社交言行等個人信息。人才雷達（Talent Radar）依靠對這些數據的分析，從個人的網上行為中剝離出他的興趣圖譜、性格畫像、能力評估，幫助企業更高效的實現人崗匹配。人才雷達通過搜索引擎自動匹配和推薦用戶社交網絡中更加匹配所招崗位技能要求的人才，并依照契合度來進行推薦排序，每一位被系統列出的推薦者頭像旁都會展現一個職業背景、專業影響力、好友匹配、性格匹配、職業傾向、工作地點、求職意愿信任關系、行為模式等9維的人才雷達圖，以方便招聘官挑選。通過這9個維度的建模畫像，人才雷達不僅能夠在節省成本的前提下幫助企業提高人才招聘的效率。同時，與傳統的獵頭業務相比，其采用群體智慧的方式能夠更廣泛和客觀地篩選人才，并且，由于其被動測量的方式也能在一定程度上避免直接面試時部分求職者的虛假表現，改變了傳統人力資源管理中缺乏數據憑直覺與經驗進行決策的不足。

案例3

新華社人力資源大數據實踐

新華社圍繞人力資源大數據進行了積極的嘗試。一方面初步建成了以《全國組織人事管理信息系統信息結構與體系標準》為基礎，涵蓋在職、退休，調轉、返聘、海外雇員、外籍專家等多類人員的人力資源數據庫。數據內容包括全社各類人員的基本信息以及相關業務信息，人均信息項近400項，累計數據量達到百萬級以上。與此同時，新華社還利用信息網絡不斷加強面向全體人員的信息在線采集以及在線業務辦理，大大拓寬“數據”廣度和維度，形成“以崗為點、以點結線、以線成網”的信息管理與服務平臺。另一方面，基于人力資源大數據的分析與研判已成為新華社人事管理工作的一項重要參考，例如針對近年應屆高校畢業生的招考趨勢分析；派駐國境外分社人員報考意向分析；人才隊伍建設總體情況分析等。

案例4

利用大數據進行學習行為分析

2013年以來，大規模網絡公開課(MOOC)浪潮席卷美國的教育領域，這種新型的智能在線學習平臺也成為高科技領域創新和投資的重點。普林斯頓、伯克利、杜克、香港理工等全世界30多所大學與著名的在線教育公司Coursera達成協議，通過其平臺免費開放課程。如今這些學校的課程能夠實現全球幾十萬人同步學習。分布在世界各地的學習者不僅可以在同一時間聽取同一位老師的授課，還和在校生一樣，做同樣的作業、接受同樣的評分和考試。一些學校看到了這種智能學習平臺的價值和潛力，也開始投資興建自己的獨立平臺。2012年5月，哈佛大學與麻省理工學院宣布投入6000萬美元開發一個類似平臺，并向全世界免費開放。2013年5月，我國的清華大學、北京大學、香港大學、香港科技大學、上海交通大學和復旦大學也先后加入MOOC平臺，清華大學更于同年10月率先發布了中國第一個MOOC平臺“學堂在線”。

MOOC，這一新興在線學習平臺與過去的重要區別在于：它顛覆了傳統的教育模式，打破了大學圍墻。世界范圍內的任何人只要有電腦上網，就能夠享有世界一流大學的教育。它為地球上各個角落的普通人提供了接受良好教育、實現夢想的可能。另一重要區別，在于其增加了行為評價和學習誘導的成分。向全世界的大學和學習者免費開放，讓最多的學習者在平臺上學習、使用，就可以收集到最多的數據，從而研究世界各國學習者的行為模式、打造更好的在線平臺。例如，通過記錄鼠標的點擊，可以研究學習者的活動軌跡，發現不同的人對不同的知識點有何不同的反應，用了多少時間，哪些知識點需要重復或強調，哪種陳述方式或學習工具最有效。記錄單個個體行為的數據似乎是雜亂無章的，但當數據累積到一定程度時，群體的行為就會在數據上呈現一種秩序和規律。通過分析這種秩序和規律，未來的在線學習平臺才能彌補沒有老師面對面交流指導的不足。

案例5

利用大數據篩選目標人群

在華東師范大學，一名女生因為減肥，5月份的飯卡消費較少，沒想到竟然收到一條系統短信：“同學你好，發現你上個月餐飲消費較少，不知是否有經濟困難？如有困難，可電話、短信或郵件我。如無困難，也請回復一下，以便下月不再重復問詢。”這個消息來自學校的困難生預警系統，這一學生餐飲預警系統是華東師大勤助中心預警系統的模塊之一，它對學生的餐飲消費數據進行統計分析，如果低于全校學生每頓飯消費均額的60%，這些同學就會進入進一步核查的名單。在經系統挖掘出一部分可疑的信息之后，學校還將通過人工進行精確的分析和考察。包括院系老師、學生本身、身邊同學，最后再到干預和關注的過程。華東師大勤助中心的預警系統通過分析行為數據，而讓對象選擇更具有精準性，是在數據挖掘和數據使用上的一次有意義的嘗試。該餐飲預警系統于2011年試運行，2012年9月正式運行至今預警人次已經達到200多人，21名學生從中受益。