大数据为何走不进人力资源管理
当各行各业都在进行“大数据”升级时,HR能不能推动大数据走入人力资源管理呢?答案是:很难!
Managershare:大数据是现在的一个热门词,各行各业都想办法要融入大数据,人力资源管理也不例外。但要怎么玩却不是件简单的事。首先,应该把人数据化,清楚地知道“人是怎样的”。只有当HR用大数据把人力资源管理的大未来实现时,人力资源管理才将真正迎来下一站的“云时代”!
“博士,我们需要一个关于大数据(big data)人力资源管理的讲座!”这是2014年开年以来,我听到来自500强HR们的新需求,同时这也在所有需求中排名前Top3。是呀,大数据的魅力已经无需证明!渴望改变的HR们又怎么会放弃这样一个“杀手级”利器?
大数据的HRM大未来
大数据是什么?简单来说,大数据就是大量的数据,其具有4V的特点:Volume(大量)、Velocity(高速产生)、Variety(多样性)、veracity(真实性)。进一步看,就是在某些领域通过传感器和屏幕等入口自动高速产生了大量、多样的数据,这些数据辅以合理的算法和强大的云计算能力,能够告诉你这些领域的一切信息!
大数据不仅是数据量的庞大,其更是一种数据产生和处理的模式。由于是自动提取,保证数据源充分;由于是即时产生和处理,保证随时刷新;由于是全貌数据,保证永远不会出错。所以,这种模式在大多数领域都能够精准地指示资源分配。
人力资源管理是关于分配人和相关资源(培养、激励资源)的工作,如果借助大数据,将人和其他资源数据化,再用算法进行匹配,显然有无限的想象空间。其实,通过大数据实现资源的“可扩展获得”,提升资源的利用效率,也正是我在2011年提出的“人力资源云转型”。
具体怎么玩呢?
首先,应该把人数据化,清楚地知道“人是怎样的”,这包括,他的能力如何?行为特征如何?绩效表现如何?
基于这一基础,人力资源管理各大职能就能够显著提高效率。
在调配领域,如果将岗位数据化,明确每个岗位需要什么样的人,岂不是可以从容地招聘、调用企业内的闲置人员跨界协作?每个岗位都有最适合的人员,成本最低,效用最大。
进一步看,组织机构、业务流程、岗位系统不再成为员工释放能力的边界,员工还能跨岗位担纲其他角色,以网络化的方式无边界协作,进一步将人用到极致,将人工成本投产比放到最大。
在培养领域,如果将培训资源(培训内容、形式等)数据化,岂不是可以从容地组织、推送员工最需要的培训支持?每个人获得的培训都是高度定制化的、自己最需要的,且学来能用,用来能好,从学习到实践产出的过程几乎没有损耗。
在激励领域,如果将激励资源数据化,岂不是可以从容地推送各类激励套餐?每个人获得的激励都是高度定制化的、自己最需要的,同样的成本支出,每个人对于全面薪酬的感知可以放大到极限。
HR可能误会了大数据
事实上,专业一点的HR都玩数据,他们测试胜任力,评估岗位,考核绩效,利用数据进行决策。我也非常推崇这样的玩法,认为HR要用数据分析来为自己的岗位建立“技术刚性”。但不得不遗憾地说,这些玩法不是大数据。
从字面上理解,大数据的关键在于数据量庞大。涂子沛在《大数据》一书中有个定义,即指一般软件工具难以捕捉、管理和分析的大容量数据,数据量大到以“太字节(TB)”为单位。太字节是多大?1TB=1024GB。
一个万人的企业,即使你把胜任力、绩效、岗位、SOP等传统数据完全纳入,顶多只能用“吉字节(GB)”为单位,离“太字节”的体量还是相差甚远。
HR们以为数据量已经足够庞大,难以处理。实际上,这种数据量通过本地软件的计算能力(甚至直接用excel表)就可以解决,根本不需要运用到互联网上的云计算,这些显然不是大数据。
为何会达不到大数据的体量?关键还在于HR对于数据的理解,HR采集数据的传统思路是“先有思考框架,再收集相应数据”,数据大多来自数据生成之后,才用报表要求基层有选择地逐级上报,这大大损耗了数据量。
例如,考核某个员工的绩效,HR会在其工作完成之后才要求直线经理根据考核指标进行数据收集,而后计算汇总,最后上报人力资源部。
这种思路使得传统数据具有典型的“非大数据特征”,这大大制约了数据的威力。
其一,这些传统数据是“冷备份”而非“热备份”。
冷备份即生成之后再调用,成本极高,收集数据的过程已经让HR苦不堪言,他们需要不断催告业务部门,还要一遍一遍地付出教育成本,确保统计口径统一。
热备份则是数据随着工作流无意识产生,只要员工开展工作,自然有数据往“云平台”上跑,而且这些数据也能被平台的计算功能即时处理。
其二,这些数据是“报表数据”而非“源数据”。
报表数据是经过处理后的数据,例如某餐饮企业里,员工某天接待顾客的数量。而源数据则是指未经过处理的数据,是对于工作流全面的呈现。
同样用餐饮企业的例子,员工在某个具体时点接待了一个多大年龄的顾客(很大程度上意味着服务难度),客单价多少,接待时长多少,提供服务次数……员工A某天服务顾客数可能是员工B的两倍,如果我们仅仅关注这个报表数据,就可能得出A绩效优于B的结论。
但如果关注源数据就有可能发现,B服务每个顾客的接待时长是A的三倍,为每个顾客提供的服务次数是A的两倍……这些都是有价值的信息!NBA球队休斯顿火箭队的总经理莫雷正是基于这些源数据的分析,从低顺位(选秀时靠后的选秀机会)中选出了那些被报表数据淹没的高潜质球员。
其三,这些数据是“样本”而非“全貌”。
由于是在某个时点上针对某些领域提取数据,数据仅仅是样本,而非全貌。只要是样本,就有可能出现偏差。例如,有的咨询公司在为企业进行敬业度调查时,采用了采样方式,即使样本特别庞大,这也不是大数据。这种情况下,可能有抽样偏差,员工可能被问卷带着走,被访谈的气氛诱导,尽管我们可以通过各类技术去减少这些干扰。
但是,如果他们在论坛、微博、微信等社交工具上对所有员工的发言进行关键词的抓取和分析,甚至对于员工的行为进行各种分析(如早到时间、加班时间、协作次数、申请培训数量等),那才是大数据。这种情况下,几乎不可能出现偏差。
跨不过的坎
明白了大数据的思路,HR能不能推动企业走入大数据人力资源管理呢?
据我的观察,很难!这绝不是因为硬件的制约,事实上,在传感器和屏幕遍布的今天,不少企业在硬件上已经具备了吸纳数据的可能,有些企业也将数据吸纳到了生产信息系统上。我们要思考的是,这些数据为何进入不了人力资源管理信息系统?
这主要是因为三方面的原因:
第一是部门博弈问题。
业务部门将生产数据导入人力资源管理信息系统,对于人力资源管理的效率无疑是一个利好,但对于部门来说,意味着权力空间被挤占。
以前部门争取机构、编制、人员都可以保留一定的裕度,可以和HR们谈判,但导入大数据之后,他们几乎变成透明的,显然是弊大于利!我调研的一个企业,HR意图建立大数据云平台,这意味着几个生产信息系统要与人力资源管理信息系统整合,但业务部门的领导却以安全性为由拒绝了HR的要求。
第二是HR的恐惧。
要打篮球的人去踢足球,他们不会愿意。面对庞大的数据,HR们对于数据的处理能力决定了他们的地位。尽管前景广阔到可以让他们成为企业内的“上帝”,但这种角色的转换也让他们不安,与其如此,还不如将工作范围保留在自己的“安全区域”。
第三是领导思路问题。
当前,国内企业,甚至国外企业,重视数据的老板不多。即使在大数据如火如荼的今天,老板们办公桌都摆上了一本《大数据》,他们内心深处依然是传统玩法。即使在最前沿的互联网行业,也有凡客这样因为不玩数据而使供应链失控的企业。
这也难怪,他们过去的成功本来就不是靠数据,所以,他们的企业没有数据基因也正常,他们想象不出大数据的威力,就如同你无法向地上的猛兽描述天空的精彩。
这些企业中,一线的业务尚且不玩数据,更何况二线的人力资源管理?但是,部门博弈和HR的恐惧偏偏需要一个强势的老板来做顶层设计,如同亚马逊偏执狂一般的贝佐斯。
所以,大数据才会走不进人力资源管理。从这个意义上说,本文开头那些主动拥抱大数据的500强的HR们不愧是业界先锋,也许,只有当他们用大数据把人力资源管理的大未来实现时,人力资源管理才将真正迎来下一站的“云时代“。
数据分析咨询请扫描二维码
CDA数据分析师认证:CDA认证分为三个等级:Level Ⅰ、Level Ⅱ和Level Ⅲ,每个等级的报考条件如下: Le ...
2024-11-14自学数据分析可能是一条充满挑战却又令人兴奋的道路。随着数据在现代社会中的重要性日益增长,掌握数据分析技能不仅能提升你的就 ...
2024-11-14数据分析相关职业选择 数据分析领域正在蓬勃发展,为各种专业背景的人才提供了丰富的职业机会。从初学者到有经验的专家,每个人 ...
2024-11-14数据挖掘与分析在金融行业的使用 在当今快速发展的金融行业中,数据挖掘与分析的应用愈发重要,成为驱动行业变革和提升竞争力的 ...
2024-11-14学习数据挖掘需要掌握哪些技能 数据挖掘是一个不断发展的领域,它结合了统计学、计算机科学和领域专业知识,旨在从数据中提取有 ...
2024-11-14统计学作为一门基于数据的学科,其广泛的应用领域和多样的职业选择,使得毕业生拥有丰厚的就业前景。无论是在政府还是企业,统计 ...
2024-11-14在当今高速发展的技术环境下,企业正在面临前所未有的机遇和挑战。数字化转型已成为企业保持竞争力和应对市场变化的必由之路。要 ...
2024-11-13爬虫技术在数据分析中扮演着至关重要的角色,其主要作用体现在以下几个方面: 数据收集:爬虫能够自动化地从互联网上抓取大量数 ...
2024-11-13在数据分析中,数据可视化是一种将复杂数据转化为图表、图形或其他可视形式的技术,旨在通过直观的方式帮助人们理解数据的含义与 ...
2024-11-13在现代银行业中,数字化用户行为分析已成为优化产品和服务、提升客户体验和提高业务效率的重要工具。通过全面的数据采集、深入的 ...
2024-11-13在这个数据飞速增长的时代,企业若想在竞争中占据优势,必须充分利用数据分析优化其营销策略。数据不仅有助于理解市场趋势,还可 ...
2024-11-13数据分析行业的就业趋势显示出多个积极的发展方向。随着大数据和人工智能技术的不断进步,数据分析在各行各业中的应用变得越来越 ...
2024-11-13市场数据分析是一门涉及多种技能和工具的学科,对企业在竞争激烈的市场中保持竞争力至关重要。通过数据分析,企业不仅可以了解当 ...
2024-11-13数据分析与数据挖掘是数据科学领域中两个关键的组成部分,它们各有独特的目标、方法和应用场景。尽管它们经常在实际应用中结合使 ...
2024-11-13在如今这个数据驱动的时代,数据分析能力已经成为许多行业的重要技能。无论是为工作需要,还是为了职业转型,掌握数据分析都能够 ...
2024-11-13在如今这个数据驱动的时代,数据分析能力已经成为许多行业的重要技能。无论是为工作需要,还是为了职业转型,掌握数据分析都能够 ...
2024-11-13作为一名业务分析师,你肩负着将业务需求转化为技术解决方案的重任。面试这一角色时,涉及的问题多种多样,涵盖技术技能、分析能 ...
2024-11-13自学数据分析可能看似一项艰巨的任务,尤其在开始时。但是,通过一些策略和方法,你可以系统地学习和掌握数据分析的相关知识和技 ...
2024-11-10Excel是数据分析领域中的一款强大工具,它凭借其灵活的功能和易用的界面,成为了许多数据分析师和从业者的首选。无论是简单的数 ...
2024-11-10在快速发展的商业环境中,数据分析能力已经成为许多行业的核心竞争力。无论是初学者还是经验丰富的专家,搭建一个有效的数据分析 ...
2024-11-10