大數據在提升人事管理質量中的應用與思考

郝明哲 許佳

摘要：以鐵路組織人事管理信息系統為例，結合大數據分析的特點，介紹了大數據分析在人事管理中的應用方向，提出大數據分析在提升人事管理質量的思路，以期人事數據發揮更大的決策作用。

關鍵詞：人力資源管理 大數據分析 可視化

隨著“大數據”時代的來臨，人類生活、工作和思維都在發生著重大變革，各領域通過大數據技術在行業內的應用，力求進一步釋放數據所蘊含的潛在價值。人力資源管理理論和管理實踐的迅速發展，數據利用水平的提升成為傳統的人力資源轉型的關鍵，也是實現人力資源管理創新的重要途徑。

鐵路組織人事管理信息系統上線運營以來，為推動鐵路組織人事工作信息化提供了有力保障。迄今為止，系統已收錄全路6000個單位、200萬職工的基礎信息，以及大量的管理流程數據。對于已收集到的這些大量有價值的數據，如何利用大數據分析的理念和方法，進行分析、整理、挖掘、統計，使人力資源管理的理念、流程、制度、規劃及戰略決策更加規范化、科學化和高效化，更好地發揮數據價值，提升人事管理質量成為下一步工作的重點。

1 大數據分析的特點

（1） 全數據統計避免抽樣結果的片面性

原始的數據統計，基于成本和運算能力的限制，都是采用抽樣統計的模式。隨著科學技術的進步，計算機數據處理能力的增長速度則比世界經濟的增長速度快9倍。數據運算能力的爆發性增長，促使數據統計的樣本發展為全體數據，全體數據的分析結果更加準確，避免了抽樣統計數據的片面性，不容易受環境的影響，造成數據誤差。

（2） 從總結性數據分析向數據預測轉變

傳統的數據分析多是在數據生成之后的總結，管理上屬于滯后型;而大數據分析強調預測性，要實現前瞻性管理，利用這樣的相關性關系研究，利用數據相關性，預防或促成某些結果的發生。通過數據的挖掘找到與穩定性相關的典型特征，建立起穩定的數學模型。

（3） 挖掘數據之間的相關關系

在無法確認因果關系的情況下，通過大數據技術手段，挖掘數據之間的相關關系，預防或促成某些結果的發生。這樣才能更加高效迅速地應對信息社會“數據爆炸”和諸多涌現出來的“復雜性”很高的問題。

2 人力資源管理的數據現狀

目前的統計工作，仍是以收集和整理數據信息為主，大部分數據停留在人事資料的匯報和上報報表方面，統計出來的信息相對滯后、數據分析的維度單一，大量基礎數據并沒有發揮出應有的價值和作用。伴隨著現代化人事管理工作的不斷發展，人事統計也更加地全面和準確，在實踐中充分利用人事統計信息，可以為企業的健康發展提供良好的基礎。更好地利用信息數據開展決策，促進企業管理水平的有效提升，不斷推動企業人事制度的變革。

3 大數據分析在人事管理中的應用方向

在人力資源管理中，戰略決策的成敗依賴于大量的信息支撐，數據的分析、挖掘、建模、訓練、驗證、管理改進等一系列的完整活動，不僅要求實時掌握當前的動態情況，還需要對未來發展有一定的趨勢性分析，大數據技術通過匯聚更多的組織人事信息資源，實現對其中的組織、人員、崗位、業務等全面的關聯性分析，各項人才決策將更加有數可考、有據可憑。在傳統的人才選、育、用、留環節中，加強以大數據技術為依托，可以實現科學管理所要求的可測量、可記錄、可分析、可改善，從而大幅提升人力資源管理決策的準確性。

4 人事管理質量提升結合大數據分析的思路

針對不同的數據類型，人力資源大數據分析可以從以下三個角度入手：

（1）基礎數據分析：主要是對機構和個人的基礎信息的分析。機構信息主要是單位部門基本信息、編制信息、人員組成信息、上下級機構信息等數據。個人信息主要是人員基本信息、學歷信息、學位信息、資格信息、家庭信息、照片信息等數據，還包括黨組織和黨員的基礎數據。這些數據通常是唯一的或不經常變化的靜態性數據，是人力資源的最基本的信息數據，是大數據分析的基礎。日常工作中最常見的分析需求都是針對這些數據的分析。

舉例一：因組織人事部門工作保密性的需要，選取2016年的數據來進行分析。通過不同年份職工年齡分布情況對比發現，2015年底51～55歲職工35萬人（見圖1），按照現在男60、女55歲退休的標準，我們統計國鐵集團下所有干部數據，得到結果為：在2018年、2019年退休人數將達到一個小的高峰（見圖2）。根據數據預測顯示，人事部門就可以制定有針對性的工人聘干和畢業生接收計劃，實現對干部職工的有效管理，避免因為人員變動影響企業正常運營。

根據現有數據，對18個鐵路局45歲以上職工數作了統計，如圖3。

從圖3中可以看到，目前18個鐵路局中，有6個局超過45歲的職工占50%以上，年齡結構整體偏大，對今后幾年的畢業生招聘工作，提出了更高的要求。同時分析的結果可以用來指導我們的人員調整、生產力布局、畢業生招聘等工作的開展。（注：因保密工作需要，圖中鐵路局名稱以數字代替。）

舉例二：鐵路新招聘畢業生情況

從圖4中可看到，2017年和2016年相比，碩博高學歷人才招收沒有明顯變化，但高職生接收比例卻大幅增長。

分析圖5可以看到，前四類主專業學生接收比例占所有接收學生比例的80%以上。圖6為2011—2015年交通運輸專業畢業生接收情況。

交通運輸專業學生接收比例2014年以來大幅提升，其中部分路局2014、2015兩年增長幅度較大，見圖7：曲線3是全路交通運輸專業學生平均增長曲線，曲線1與曲線2是兩個增長幅度較大的路局。分析這五年的建設情況，可以發現這兩個路局2014年以來陸續有數條新建鐵路開通，所以儲備了大量交通運輸專業人員。按照數據分析的角度，可以將今后計劃增加運營里程數與增加人員儲備數量結合，制定出人員的最佳招收方案。

（2） 過程數據分析：這類數據的特點就是一直在不斷變化，來源于人力資源業務進行過程中產生的動態數據，數據量非常大，也是最需要進行大數據分析的地方。例如，干部任免、干部考核、人員調動、干部培訓、出國出境過程中產生的數據，以及由這些過程引發變化的人員變動信息、干部簡歷信息、職工培訓信息、考核信息、獎懲信息、出國信息、工資信息等。

舉例三：當前企業人員流失問題日益突出。人員流失并不可怕，可怕的是企業不知道是什么原因造成的流失，流失的狀態、結構、時間、規律又是什么，這些其實都可以通過對過程數據的分析來找出原因或者規律。首先，根據人員流動數據，制作出員工流失率曲線，根據人員培訓數據制作員工培訓曲線，根據工資變動數據制作出薪酬變動曲線，同理還可以做出更多的曲線。然后通過對這些曲線的對比，找出關聯度最大的兩條或者多條曲線，總結分析原因，有助于解決員工流失問題。

（3） 系統外數據的分析：這類數據往往是由企業其他部門掌握，或者企業外機構掌握，如果能夠取得這些數據，結合既有的人力資源數據，能產生1+1遠遠大于2的效果。比如生產經營數據、企業審計數據、安全生產監督數據等。

舉例四：將企業生產經營的各項數據指標進行提取分析，結合人事部門對企業領導人員的考察考核數據，可以精準地判斷出企業領導人員在生產經營活動中的能力特長，有助于企業內部更有效地進行人事布局、合理分工。

舉例五：財務數據與人事數據結合不僅僅能為人員管理提供便利，還能為財務部門提供有價值的結論和建議。通過對人工成本、勞動生產率的分析來驗證薪酬總量的合理性和科學性，判斷企業下一步是通過增加人員，還是通過提升效率，或者通過降低個體薪酬來擴大營業規模提升企業效益。不同層級、不同崗位人員薪酬的差異和企業經營業績的關系，和人員流失情況的關系，分析其相關性，找到最好最有效的改進方案。

通過對以上各類數據的深入分析研究，可以幫助人力資源管理部門更好地做到“明事實、察問題、預將來”，進一步提升人事管理質量。幫助企業更清楚地了解企業現實狀況是什么，更迅速準確地發現存在或者潛在的問題，應該怎樣做才能解決或者避免這些問題，人力資源部門可以對企業提出，由數據驅動、深謀遠慮的戰略規劃和決策建議。由此，人力資源部門對于人力資本的管理，可以達到其他專業部門同等甚至更優的專業水平，既能夠幫助企業合理使用人才、培養儲備人才、吸引外來人才，幫助員工進行職業生涯管理，更可以幫助企業在市場經濟的環境中，更好地做大做強。

參考文獻

[1] MAYER-SCHONBERGER V， CUKIER K. 大數據時

代：生活、工作與思維的大變革[M]. 周濤，譯. 杭州：浙江

人民出版社，2013.

[2] 李柯. 大數據時代人力資源管理的機遇、挑戰與轉型升級

[J]. 金華職業技術學院學報，2015，15（4）：35-38.

[3] PEASE G. HR的大數據思維：用大數據優化人力成本[M]. 趙磊，任藝，譯. 北京：人民郵電出版社，2018.