大數據驅動的智慧人力資源管理

文/王志輝

人力資源管理是在經濟學和“以人為本”思想指導下，通過招聘、甄選、培訓、報酬等管理形式對組織內外相關人力資源進行有效運用，滿足組織當前及未來發展的需要，保證組織目標實現與成員發展的最大化的一系列活動總稱。

傳統的人力資源管理方法依賴人力資源規劃、招聘與配置、培訓與開發、績效管理、薪酬福利管理以及勞動關系管理六大模塊，實現對人力資源的獲取、整合、保持、評價和發展，主要強調三方面內容：

（1）對人力資源的控制，即通過完善的制度和規范的流程實現人事管理的高效運作；

（2）對人力資源的服務，即通過專業理論和實踐經驗實現人力資源的效率最大化；

（3）對人力資本的預測和決策，即通過前瞻性的分析洞見實現投資收益的最大化。

相比于傳統人力資源管理方法，大數據驅動的智能人力資源管理具有以下優勢：

（1）依據大數據感知手段，對人力資本進行客觀分析和直觀展示，體現以人為本的管理思想，實現對人力資源細致且全面的洞察力。

（2）基于智能化分析方法，對人資管理進行定量評估和定性預測，提供宏觀和微觀的多層次分析，優化人資管理的前瞻性決策力。

1 大數據驅動的智慧人力資源管理

隨著企業管理中信息系統的廣泛普及，如人力資源管理系統以及互聯網人資相關信息的積累，人力資源已積淀了大量的數據。同時，現階段圖像分析、傳感數據分析等人工智能技術取得較大突破，使利用大數據驅動的智能人力資源管理系統解決當前人力資源管理的三大困境成為可能。

1.1 方案概述

如圖1所示為大數據驅動的智慧人力資源管理方案。遵從“人工智能+”的指導思想，使用“數據感知+知識認知”、“智能分析”、“精準洞察+決策支持”的設計思路。

“數據感知+知識認知”層由數據源和采集單元完成。數據源方面包括傳統的企業數據，如EHR數據、ERP數據、財務數據等；傳感數據包括考勤系統的圖像數據以及其他如活動軌跡數據；互聯網數據包括員工社交網絡數據、大型職業招聘平臺數據等。數據源中，傳統企業數據通常為面向業務流程的模式，將其轉化為面向員工的數據管理模式以更好地實現以人為本的人資管理思想。采集單元主要包括兩層邏輯，一方面采集和補充更多的數據提升數據感知能力，如面向人資管理的問卷調查、觀察、訪談等電子數據采集等；另一方面對已有的人資管理經驗知識進行建模，形成知識圖譜等認知體系，兩層邏輯的融合可最大程度地提升人資管理中智能分析的效果。

“智能分析”層以成熟的Hadoop和Spark平臺作為基礎支撐設施，重點是利用大數據統計、機器學習、數據挖掘、模式識別等分析方法和技術，構建支持實時分析和離線分析的人力資源分析模型。

“精準洞察+決策支持”層即利用各類智能分析模型，面向人資管理中獲取、整合、保持、評價和發展五個方面的需求，一方面提供定量分析的可視化洞察服務，另一方面為領導層和管理層提供定性分析的決策支持服務。

1.2 主要功能

1.2.1 智慧人力資源獲取服務

人力資源獲取主要包括人力資源規劃、員工招聘與挑選。人力資源規劃方面，基于對不同層級、不同部門的工作任務和現有員工的定量數據分析，以確定企業對人員數量和質量的定量需求，進而制定細粒度、精準化和個性化的人力資源規劃；員工招聘與挑選方面，首先通過頻繁項集和關聯規則分析等手段，進行深度挖掘以形成優秀員工的品質需求（如年齡、教育背景、工作經歷等），進而對目前互聯網大型職業招聘平臺進行對比分析，實現自動化、主動式、精準導向的人才招聘和挑選。

1.2.2 多粒度社交分析的員工整合

傳統的人力資源整合通過企業文化、信息溝通、人際關系和諧、矛盾沖突的化解等方式，使企業內部形成高度的合作與協調，提高企業的生產力和效益。智慧人力資源管理使用社交網絡分析方法，對公司內部不同粒度的員工群體和個人進行社交分析，包括群體目標、行為、融洽度以及個人態度、合作度的挖掘，以達到企業內部人力資源的多粒度整合和調控監管，如部門融洽度分析、小群體識別等。

1.2.3 基于員工離職預測的員工保持

人力資源保持的核心問題是如何避免優秀員工的離職，智慧人力資源管理通過對歷史員工離職數據進行模式識別，挖掘多變、精細的員工離職因素，使人力資源管理者能夠“未離先知”，對高離職可能的員工定向采取個性化留任策略，并在宏觀政策調優上提供決策支持。

1.2.4 基于員工畫像的員工評價體系

員工畫像分析根據員工的工作成果、績效評價、技能水平、工作態度等因素，將員工抽象為不同的類別標簽，對員工進行個性化評估。借助于大數據驅動方法實時高效的特性，員工畫像可以進一步引入時間序列因素，從而實現員工成長性分析的目標。此外，借助員工畫像的智能方法，有助于定量分析員工個人價值，以及定性識別企業優秀員工。

1.2.5 員工發展規劃的決策支持

借助于以上智能分析和決策模塊，實現員工職業未來發展的預測分析，進而對員工培訓計劃進行決策支持，個性化細粒度地提升員工的發展潛力。此外，大數據驅動的智慧人力資源管理可以借助考勤系統的圖像數據和員工活動軌跡的感知數據，對員工的情緒狀態、生活規律進行分析，從而在提升員工工作心情、保障員工個人健康等方面規劃員工發展策略。

1.3 其他技術

智慧人力資源管理同時支持多粒度、多刻面的描述統計量展示，并支持傳統定量人資分析方法的自動化、主動式服務，包括大數據驅動的相關分析、回歸分析、判別分析和時間序列分析。

2 智慧人力資源管理案例探索

2.1 二級公司人員引進標準問題

2.1.1 問題提出

二級公司往往是大型企業規模和利潤的增長點，如何更好地支持二級公司的高速發展是一直關注的議題。二級公司人才相對匱乏，最有經驗、最有人脈資源的人才一般都在40-45歲，超出總公司招聘的相應標準，人才引進難度較大。針對這個迫切的需求人力資源工作者應該如何處理？

2.1.2 數據整理與挖掘

為了回答上述問題，首先將各分公司對公客戶經理的數據進行整理，分別分析一級公司和二級公司對公客戶經理的特點，從而明確兩者是否應該采用差異化的政策標準

從對公客戶經理在各經營機構的年齡分布情況看，60%-70%的對公客戶經理集中在25-35歲，且二級公司30歲以下人員占比較高。這說明二級公司年輕人更多，但這并不能證明二級公司優秀人才引進困難，如果這些年輕人在二級公司可以做得很好，那么也不必修改政策，應該鼓勵二級公司招聘年輕的客戶經理，用更低的成本開展工作。

進一步分析優秀客戶經理的分布情況，二級公司中級及以上的對公客戶經理有50%以上都在35-45歲之間，而一級公司則是在25-35歲之間。這說明雖然二級公司25-35歲的人員較多，但真正業績突出的則是35-45歲的人員，而一級公司25-35歲的人員不僅數量較多，其綜合能力也較為突出。那到底是什么原因造成的？

進一步探討公司優秀客戶經理的特點。把學歷、行業經歷、專業經歷和入行經歷作為自變量，把客戶經理專業技術評定綜合得分作為因變量，用逐步帶入的方式進行回歸分析，看看不同經營機構影響客戶經理綜合得分的因素是什么。分析結果得出二級公司回歸方程為：綜合得分=69.83+0.663×專業經歷，R2（預測程度）= 0.213；一級公司回歸方程為：綜合得分=50.07+3.34×學歷+0.371×行業經歷，R2（預測程度）= 0.083。

由此可見，在二級公司專業經歷顯著影響客戶經理綜合得分，這也部分印證了二級公司所在地干得好的客戶經理均是做工作經歷較長的人員。而在一級公司情況則不同，進入回歸方程的是學歷和行業經歷，說明在一級公司影響其綜合得分的因素較多，其中較高的學歷背景及較長的行業經驗成為客戶經理獲得成功的重要條件。

2.1.3 結果解讀與政策建議

通過上述的一系列分析可以看出，一級公司和二級公司優秀客戶經理的成功條件不同，二級公司可能還是更多地采用關系型營銷模式，而一級公司正在向專業型營銷模式轉變，因此在現階段制定招聘標準時可進行差異化設計。

（1）在二級公司增加年齡的彈性?？梢赃x取95分位作為臨界點，以便覆蓋95%的優秀客戶經理。經測算二級公司中級及以上客戶經理入行年齡的95分位值為41.35歲，一級公司為40.45歲。因此，可以分別以42歲和40歲作為招聘的參考標準。

（2）在一級公司應堅持現有的學歷和年齡要求。針對一級公司均值差異檢驗表明，碩士研究生的業績顯著高于大學本科和大學?？?，而大學本科和大學專科間無顯著性差異。因此,可以通過大量引進碩士研究生進行系統培養，從而滿足未來的人才需求。

圖1：大數據驅動的智慧人力資源管理方案

當然，以上的分析與建議均基于現狀，最后的政策還需要結合企業未來的人才規劃綜合考慮后制定。

2.2 專業技術人員離職問題

2.2.1 問題提出

近年來同業間競爭日趨激烈，核心人才流失現象嚴重，各機構均反映剛培養起來的優秀員工很快就被別人挖走，這在一定程度上影響了公司業務的高速發展。那么，針對這樣棘手的問題人力資源工作者應該從何處入手避免核心人才流失？

2.2.2 數據整理與挖掘

對已參與專業技術序列評定的人員信息進行整理和分析，發現離職率最高的是C專業序列的人員，為8.89%，其他序列均在全行平均水平上下。因此，把C專業序列作為分析主體，盡量全的納入這個群體員工的各項信息，如性別、年齡、學歷、工作年限、入行年限、評定等級、行員等級變化等因素。采用Gini決策樹 計算方法，去探索影響C專業序列人員離職的因素。

通過計算各因素對離職率的影響系數，最終以行員等級是否變化、性別和評定層級作為樹節點繪制決策樹。

2.2.3 結果解讀與政策建議

通過上述的分析可以看出，不同類別的群體存在差異巨大的離職傾向。各機構應關注離職高發群體，并制定差異化的留任計劃和政策。同時，針對高關注員工存在的普遍問題，還需研究制定或修訂相應的政策制度，使其更能符合企業和員工的需求，激發員工動力。

如此一來，不僅能從前端盡可能地抑制離職行為的發生，防患于未然。同時,還能化解一些潛在的問題和矛盾，激發員工的工作熱情，進一步提升整體績效表現。

3 總結

本文提出一種大數據驅動的智慧人力資源管理方法，一方面有助于提升人力資源管理的客觀性、直觀性；另一方面通過對人資管理的定量評估和定性預測優化人力資源管理的前瞻決策能力。智慧人力資源管理進一步考慮的重點方向包括：一是培養數據意識，用數據說話；二是從某個領域開始，從描述統計開始；三是從描述統計到推論統計；四是從預測到決策。