運用大數據優化鐵路企業人才工作

文 / 夏彥凱

大數據的概念及特征

“大數據”作為一種概念和思潮，發端自計算領域，之后逐漸延伸到科學和商業領域。對于大數據的概念，可以從技術和管理兩個方面來定義。在技術方面，主要是從大數據獲取、儲存和應用的過程進行分析，比如麥肯錫提出：“大數據是一種數據容量超越了常規數據技術獲取、存儲、處理和應用能力的數據合集。”

在管理方面，主要是從大數據所蘊含的潛在價值以及能夠被挖掘出的可能性出發進行分析，比如國際數據公司（IDC）將大數據描述為：“大數據是最新的數據分析技術，它能夠實現高頻的數據處理，從體量巨大和類型復雜的數據中快速獲取價值，提高數據處理的效率”。

計算機和互聯網是當前社會發展的重要工具，改變了傳統工作方式且解放了勞動力，而大數據則是在此基礎上形成的更為先進的數據應用形式，最早的理念是由美國科學家提出。相較于傳統的數據應用，大數據更強調自身的數據廣泛性。但是傳統的計算機處理能力無法對海量數據進行即時化分析和管理，因此大數據和云計算兩項技術同時運用而生，這使得互聯網上的數據能夠得到有效優化并能在分析過程中形成多重價值。

首先，鐵路企業人才發展的經驗正在不斷累積，因此需要對傳統數據以及現代生產情況進行綜合對比分析，而大數據則可以在短時間內對海量數據進行處理并提煉最符合目前工作實際的需求數據。

其次，現在大數據應用不單獨依托行業內部的數據分析，而是整合鐵路行業以及科研前端的數據，讓技術與市場信息也融合到生產中，為鐵路人才發展長期規劃提供依據。

大數據的特征，目前普遍被認可的是麥肯錫公司提出的“4V”特征，即容量巨大（Volume）、種類復雜（Variety）、處理速度快（Velocity）、價值密度低（Value）。IBM在研究報告中提到大數據的特性還應該包括準確性（Veracity）。

弗雷斯特研究公司的分析師鮑里斯·埃韋爾松和布賴恩·霍普金又提出了易變性（Variability）。大數據需要特殊的技術來有效地處理大量的數據，合理利用大數據，可以實現低成本創造高價值。價值性是大數據最本質的特性之一，大數據之所以能夠得到各行各業的重視，主要原因就是其背后巨大的潛在價值。適用于大數據的技術，包括大規模并行處理數據庫、數據挖掘、分布式文件系統、分布式數據庫、云計算平臺、互聯網和可擴展存儲系統。

鐵路企業人才管理的現狀

近年來，我國鐵路事業取得了舉世矚目的成就，為社會經濟注入了強大生機和活力。伴隨鐵路事業的蓬勃發展，鐵路企業闊步推進公司化轉型升級，企業架構、管理方式等發生了前所未有的新變化，人力資源管理工作隨之面臨由此帶來的巨大挑戰。

在新的歷史條件下，鐵路企業必須放眼創新發展戰略目標，緊跟時代潮流，進一步改進人才管理方法、完善人才管理手段，提升人力資源尤其是核心骨干人才培養選拔使用的質量和效率。

總的來看，鐵路企業普遍建立了較為完善的人才工作體系，在人才選拔、教育培訓、管理考核等方面形成了較為完備的工作制度。但從工作方法手段上看，仍然存在以下不完善的方面：

一是各類人才數據信息采集不夠全面和及時，人才數據信息處理分析手段相對落后，在形成信息價值并對工作提供有效支撐方面存在短板。

二是數據共享機制不健全，不同的工作模塊分別獨立采集使用數據，產生大量重復工作；由于數據信息不對接，對人才全鏈條管理造成較大制約。

三是人才選拔、考核評價等工作采取人工對照政策分析判斷的傳統方式，處理事務性、重復性工作占用精力較大，工作質量和效率較低。

四是目前各類人力資源管理信息化輔助工具難以適應無紙化辦公要求，辦公效率較低，人力物力消耗大。

大數據技術用于人才管理的方法研究

人才是鐵路企業發展過程中的“大腦”，任何一個決定都會影響企業的未來發展，因此在當前大數據快速發展的背景下應注重鐵路企業高層對于人才管理的認知、改變傳統的思維方式。

在現代經濟發展浪潮下，必須注重鐵路人才管理工作的轉型才能更好的適應現代化的經濟發展趨勢，大數據人才管理可以為企業的長期發展提供重要數據依據，鐵路企業高層應將人才分析、人才數據整理以及當前人才市場變化數據對比等工作，放在同等重要位置，讓人才充分發揮自身的管理效能。

鐵路企業高層對于大數據背景下的人才發展轉型，應注重自身的理念學習、并強化鐵路企業發展戰略意識，并由上至下灌輸鐵路人才轉型理念，讓更多的鐵路中層干部支持人才管理工作，為人才管理轉型奠定扎實基礎。

建立人才大數據庫

在大數據諸多特征中，快速的海量數據檢索、豐富的數據涵蓋和較高的數據準確性最為關鍵；只有達到上述要求，才能有效滿足數據挖掘并形成數據價值的需要。過去幾十年來隨著信息技術的普及，人力資源管理相關領域都建立了傳統意義的管理數據庫；因此建立人才大數據庫不必從零開始，應立足于把現有各類人才數據庫整合利用好。

在建立人才大數據庫過程中，設置多維數據接口，通過跨數據庫搜集移植、人工填報維護等方式，全面采集人才基礎數據（主要包括年齡、職務、職稱、教育背景、專業技能、工作經歷、工作年限等）、能力數據（主要包括接受培訓情況、考核情況、獲獎情況、評先情況、學術成果情況、承擔重要任務情況等）、效率數據（主要包括單項任務完成時間、整體工作效率等）、潛力數據（主要包括履職表現、單位及群眾認可度情況等）。

標準規范的結構化數據是最易于挖掘使用的，而現實中遇到各類數據往往是非標準、非結構化的。對此，數據采集前和使用過程中都需要進行辨別修正，其中一個有效的方法是利用機器學習技術和AI算法，通過海量運算、數據積累和人機交互干預，準確理解辨別修正非標準、非結構化數據。

建立互動開放式信息平臺

按照人才管理工作流程設計信息平臺，開發人才數據采集、數據審核維護（其中包括所屬單位、集團公司兩個層面）、人才選拔、職稱評審、人才日常使用管理、考核評價等功能模塊。

人才管理工作流程雖具有一定的規律性，但并不是一成不變的，往往會因為政策的優化調整而發生變化；同時，由于人才工作本身具有復雜性特征，客觀上需要在實踐中持續調整、不斷完善。

因此，在信息平臺設計上應盡可能選取工作流程的最大合集，合集范圍內的功能模塊可自由組合使用；同時，構架上要考慮未來的可擴展性，保證基礎設置不需要經常變更，每個功能模塊之間減少依賴或耦合，以便對需求變更快速響應。

利用大數據技術優化人才選拔

從實踐角度看，現有各類人才選拔，對履職年限、能力素質、學術水平、業績貢獻、專業影響力等都做出了具體規定，運用傳統手段對選拔對象進行全方位考察了解存在較大難度；大數據條件下的人才選拔方法研究重點在于：依據政策要求分類建立人才評價模型，為人才甄別“制圖”“畫像”，在此基礎上通過對大數據庫中的各類數據信息進行挖掘分析，運用對應算法圈定合適的選拔對象，以此提升發現人才、識別人才的針對性和準確性。

利用大數據技術優化人才考核

人才考核是一個涵蓋計劃、執行、檢查、處理的PDCA循環管理過程，其精髓在于對考核對象的績效信息進行收集、組織、提取、整合、分析，并盡可能做出準確評價；由于這一管理過程本身具有相當的復雜性，傳統人工手段在實施精準有效考核方面存在較大難度，而大數據技術能夠有效提升考核的質量和效率。

大數據技術條件下優化人才考核的重點在于：在內容上，利用海量數據對人才實施多維度考核，以“觀察數據”來“考察人”，通過建立考核評價模型并對人才履職數據進行針對性地挖掘分析，對人才做出精準評價。

在時間上，利用信息技術實時性特點，變集中考核為動態了解掌握，通過日常搜集人才績效信息，隨時掌握人才隊伍整體及個體情況；在空間上，對各類人才進行橫向、縱向的全方位比較分析，精確掌握每個個體的績效提升水平及其在隊伍整體中所處的地位。

利用大數據技術優化人才發展規劃

以往技術條件下，由于數據信息匱乏、分析預測手段落后，導致人才規劃工作普遍缺乏科學、前瞻性，人才長期處于“自然成長”狀態，往往會造成人才整體和個體發展與企業戰略不契合不匹配的問題。

大數據技術的興起，為人才發展超前規劃提供了可能；運用大數據技術，不僅有利于超前發現人才，引導每一個人才個體瞄向未來發展規劃設計成長路徑，還能夠為企業超前謀劃人才工作、優化人才發展提供決策輔助。

結語

大數據時代背景下，鐵路企業人力資源管理工作應主動適應數字化轉型升級要求，充分認識大數據技術對人才發展所起到的顛覆性作用，運用大數據思維及其相關數據挖掘、AI技術等構建全新的人才工作格局，加快培養一支數量充足、結構合理、素質優良的優秀人才隊伍，在更高起點促進鐵路事業的創新發展，助力鐵路事業不斷提檔升級。