讓大數據打出HR精細牌

沙太寶

若干年前，我曾聽過一個講座，主題為“大數據為何走不進人力資源管理”。若干年過去了，在調研中我發現，大數據仍然沒有走進人力資源的千家萬戶。大數據是什么？簡單來說，大數據就是大量的數據，其具有4V的特點：Volume（大量）、Velocity（高速產生）、Variety（多樣性）、Veracity（真實性）。進一步看，就是在某些領域通過傳感器和屏幕等入口自動高速產生了大量、多樣的數據，這些數據輔以合理的算法和強大的云計算能力，能夠告訴你這些領域的一切信息。人力資源管理是關于分配人和相關資源（培養、激勵資源）的工作，如果借助大數據，將人和其他資源數據化，再用算法進行匹配，顯然有無限的可能空間。

不能承受之重

了解了大數據的概念，企業的人力資源從業者（以下簡稱“HR”）能否推動企業走入大數據人力資源管理呢？相信許多HR都會搖頭說NO。我在軟件公司從業多年，深知大數據發展緩慢絕不是硬件的制約。在傳感器和屏幕遍布的今天，許多企業在硬件上已經具備了吸納數據的可能，有些企業也將數據吸納到了生產信息系統上。然而，數據卻遲遲不能為HR所用，我認為主要有幾方面原因：

第一，利益爭奪問題。如果完全實現大數據管理，那么人力資源部門就會全部掌握業務部門的生產數據，這就意味著業務部門的機構、編制、人員都會完全透明，這顯然讓業務部門處于被動狀態。舉個簡單的例子：某企業的銷售部季度銷售指標為20萬，部門人員數量為四人。如果計劃得當，安排精準，四個人是可以完成銷售指標的。但是銷售部為保留一定的空間，可以和HR談判，增加銷售人員的編制，這樣無疑會提升人力成本。但導入大數據之后，銷售部的各項指標都是透明的，再要增加編制顯然不易。我曾經調研一家企業，HR意圖建立大數據云平臺，這意味著幾個生產信息系統要與人力資源管理信息系統整合，但業務部門的負責人卻以保密原則為由拒絕了HR的要求。

第二，跨界的擔憂。要讓電工去做水工，讓踢足球的人打排球，讓專業的人做非專業的工作，HR一定不會愿意。加之許多媒體的宣傳側重點，HR是與人打交道的職業，他們整日深陷在基礎事務中，再高級一點，一些HR開始專修心理學、溝通學、職業生涯規劃等等，從這些專業來看，大多偏向文科，而如大數據之類的專業，大多偏向理科。面對龐大的數據，HR們對于提升處理數據的能力極其有限。盡管前景廣闊到可以讓他們成為企業的掌舵者，但這種角色的轉換也讓他們感到陌生與恐懼，與其如此，還不如將工作范圍保留在自己的“安全區域”。

第三，管理者的思維導向。這也是最重要的一點，當前國內企業，甚至國外企業，重視數據的老板并不多。即使許多高管們的辦公桌都擺放著許多關于大數據的書籍，但是他們內心深處依然是傳統思維。即使在最前沿的互聯網行業，也有凡客這樣因為不玩數據而使供應鏈失控的企業。這也不足為怪，因為凡客的成功并不是靠數據取得的。類似這樣的企業，一線的業務尚且不利用大數據，更何況二線的人力資源管理？但是，部門博弈和HR的恐懼偏偏需要強勢的高層管理來做頂層設計。因此，高層管理者的思維導向，決定了企業工具的使用情況。

探路者有經驗

上述原因使得絕大部分企業即便在大數據時代下，也無法真正感受到大數據的魅力。盡管如此，仍有一部分企業積極探索大數據的秘密，并已享受到其帶來的紅利。騰訊在人力資源領域的大數據實踐最早可以追溯到2012年，通過People Soft搭建起了HR的統一數據庫，并開展了第一期的數據清理工作。而完整意義上的HR大數據體系探索則到了2014年初，在人力資源共享交互中心（以下簡稱“SDC”）內部成立了HR大數據團隊。

騰訊的HR大數據平臺由應用層、功能層以及團隊三個部分組成。應用層主要解決HR大數據如何支撐HR業務的問題，闡述的是大數據的應用場景，以及需求如何被響應和落地。功能層主要解決HR大數據在后臺如何運作的問題，闡述的是如何去科學地管理和使用數據，保障數據的質量和價值，包括元數據管理、數據質量管理和邏輯建模規劃三大核心模塊。從應用層和功能層我們可以看到HR的大數據涉及了HR專業以外的IT系統、數據庫、數據分析、產品設計等多個專業，這也意味著僅憑專業的HR是無法搭建起HR的大數據平臺的。以騰訊SDC的大數據團隊為例，其成員由SSC（共享服務中心）、E-HR、區域中心的員工共同組成，是一個擁有人力資源、HR信息化、數據庫、HR咨詢復合工作經驗和背景的團隊。

筆者雖然不是人力資源工作者，但在軟件公司多年，接觸過各行各業的HR，在與他們交流的過程中，我深深地感到他們對新事物的向往、渴望。因此，我根據自身的行業和工作經歷，有幾點建議給到準備進行大數據探索的HR們。

第一，占有數量。以騰訊的某個HR大數據項目為例，一次調用的數據就超過了600萬條，400多個字段，一般的PC機以及Excel、spss等工具都無法支撐此種量級的數據挖掘，但是其量級又達不到使用TDW（騰訊分布式數據倉庫）的程度，加上數據敏感性等諸多因素，最終發現需要搭建用于HR大數據分析的服務器。

第二，質量決定價值。在一堆錯誤的數據中，你能指望得出正確的分析結果嗎？我曾接觸過一家企業，高層大力支持人力資源部開發行業數據，怎奈數據失誤，因此制定出誤導性戰略，給企業帶來巨大損失。

第三，活學活用。傳統的HR數據分析用得最多的統計方法就是描述統計、箱型圖等。因此許多HR還停留在“得公式者得天下”的思維。實際上，HR的大數據分析，相關性分析、方差分析、回歸分析、聚類分析、決策樹模型等用得會更多。其原因就像維克托·邁爾-舍恩伯格在其《大數據時代》中強調的，大數據研究的“不是因果關系，而是相關關系”。

對于企業的HR而言，當HR遇上大數據，我們更應該抓住這個機會，在大數據平臺能力，連接的效能，牽引HR方向這三方面尋求突破，進行創新性的研究和探索，提升HR之于企業的價值和影響力。

讓專業人做專業事

黨的十九大報告提出，要“推動互聯網、大數據、人工智能和實體經濟深度融合”，為“互聯網+”與行業發展指明了方向。

雖面臨諸多挑戰，但毫無疑問，大數據已為人力資源領域注入了新的推動力，催生出許多新的業態增長點。比如，科銳國際通過互聯網技術建立超過400萬人的中高端及專業技術活躍候選人才數據庫，與2000余家跨國集團、國內上市公司、快速成長性企業等建立長期合作關系。

通過數據對比，可以分析出互聯網技術帶來的效益增長，科銳國際推出的互聯網+靈活用工平臺“即派”，將“互聯網+”模式與“靈活用工”業務結合起來，通過數據化營銷、社群營銷觸及更多客戶。目前，“即派”業務平均每月人均可獲取7個有效職位，顧問月人均服務費收入達到4萬元。在技術的撮合下，一年就實現了線下發展7年的績效。

專業化程度不高一直是我國人力資源領域發展存在的不足。在大數據時代的背景下，重度垂直商業模式的創新和發展正推動這一問題的解決。這幾年，在招聘、獵頭、人事代理等領域崛起了一批專注于某一細分市場、能較好融合互聯網技術的創新型企業。例如，專注于中高端人才招聘的獵聘網、專做互聯網行業招聘的拉勾網以及深耕于人事代理的51社保等，這些公司以其對各自細分領域的深度關注，形成了“小而美”的優勢。

開發大數據，同樣也離不開政府的幫扶。以蘇州市相城區為例，近半年來，政府部門通過引入社會力量，有效破解工業企業資源集約利用、污染治理、人才引進等方面的難題，嘗到了精細化手段提升政府管理水平的甜頭。目前相城區1.2萬余家工業企業，已基本實現了數據導入全覆蓋，哪怕是對相城完全不了解的人，都可以通過該系統快速掌握全區工業經濟運行情況。打開電腦，登入“工業云圖”系統，全區工業企業的銷售、納稅、耗能等情況一目了然。每隔一段時間，蘇州市相城區經信局工作人員曹祺就要調出一些關鍵數據，分析判斷全區工業運行情況，為決策者提供參考意見。

有了這樣一個平臺，各部門信息壁壘被打破，同時為推進工業企業資源集約利用提供支撐。相城強調“畝產論英雄”和“創新論英雄”相結合，將多維度開展工業企業綜合評價，并基于評價結果實施綜合政策，以正向激勵和反向倒逼的方式推動企業轉型發展。

大數據終歸是人的伴侶。無論它能怎樣騰云駕霧，為人力資源管理服務是其應有之意。利用大數據引才匯智，或可“智造”出核心人才、精細人才、更專業人才。因此，政府和企業不僅要打好存量的人才牌，更要打好增量的人才牌。過往的標本式的HR們，一直深陷在六大模塊里，強化開發人才價值，但卻常常被企業詬病。為核心人才的選用提供一道“安檢門”，或有一天你也會喊一聲麥，“厲害了我的大數據”。