大数据时代的人才发展策略
从2012年始,大数据一词越来越多地被提及,人们用它来描述和定义信息爆炸时代产生的海量数据,并命名与之相关的技术发展与创新。哈佛大学社会学教授加里·金说:“这是一场革命,庞大的数据资源使得各个领域开始了量化进程,无论学术界、商界还是政府,所有领域都将开始这种进程。”人才发展同样如此,人才发展的量化研究及管理有利于推进人才发展的科学化、规范化和制度化进程。
将量化研究结果分析作为引才的“罗盘”,提高引才精度
基于量化研究结论的缜密思考,可以帮助人才工作决策及管理者找到一种办法,来同时促进社会组织和人才双方利益的增加。如,在我国东南部沿海地区尝试的“人才团队项目绩效评价”,就是人才发展量化管理的一个有效方法。通过包含数十项指标、体现人才项目效益的“人才项目绩效评价指标体系和标准体系”的评价与相应数学模型的测算,能得到各类人才团队项目绩效的量化分值,及其优劣的量化分析结论。人才工作决策及管理者和用人单位据此可以清晰地了解各类人才团队创新创业的成效和不足,人才团队也从中认识到自身的优势和缺失,进而制定绩效改进的方案。
严密的分析可以阻止人才工作决策及管理者采取一些武断和有害的行为,对人才创新创业产生帮助,使人才使用单位受益。仍以“人才团队项目绩效评价”为例:不少地区将预期绩效评价结果作为引才的“罗盘”。人才项目引进从产业需求出发,在项目申报之时就开展“预期绩效评价”。项目的评审认定按照绩效评价方法加以考量,并将项目“预期绩效”作为今后发展实绩的比对标杆。这样能够有侧重地推行“节点引才”,尽量避免“捡到篮里就是菜”,阻止“凭领导的好恶点人才”现象的发生。
将数量化思考作为人才管理“利器”,避免盲目资助
严格的数量化思考不仅有可能显示出一项对人才发展有负面影响的决策是质量低劣的,而且有可能揭示出一项不清醒的、依据不足的决策是错误的。以引进“高端人才”为例:有些不具备引进高端人才条件的地区,没有对本地区的人才和社会发展现状进行定量分析,盲目追求“海归”人才的引进。由于不能很好提供创新创业的各种平台及政策环境,致使“海归”人才无法展现和发挥其才智。“不清醒的、依据不足的错误决策”使该地区付出了昂贵的“学费”。
数量化思考可以使人们认识到一项特定的决策尽管符合人才发展的大方向,但是代价高昂。在没有进行分析的情况下,人们往往是低估而不是高估对人才管理所可能产生的成本。一些地区把绩效评价成绩单作为项目管理的“利器”,明确要求落户满两年的人才项目必须开展绩效评价。根据各项目绩效评价成绩单实行分类管理。评价优秀的项目给予重点鼓励与培育推进,评价不达标的项目要会同相关部门,与领军人才面对面沟通、一对一把脉问诊,深入查找问题症结所在,共同商议提出补长短板、解决制约瓶颈的“绩效改进计划”。在项目日常管理中,将项目绩效与兑现后续资助政策“绑定”,明确人才项目达到绩效评价相应条件、经验收合格后,方可享受后续相关资助政策,避免了“盲目资助”所产生的高昂成本。
用强烈的数据意识推进人才发展科学化
当前,不少部门的负责人数据意识淡薄,缺乏用数据来说话的素养。在日常管理上,也缺乏以数据为基础的精确管理,有时甚至是刻意回避数据。我国一些部门和机构对数据保存不够重视,对存储数据的利用率不高,有的拥有大量人才经济数据却既不公开,也不愿与其他部门共享,给人才量化研究带来困难。如果一位人事人才工作者对本部门负责地区的人才发展态势心中无数,言中无量,何以履职,何以作为?人才发展管理将日益基于数据和分析来实施,而并非基于经验和直觉,应该成为大数据时代人事人才工作者的行为意识;人才发展的量化研究,也应该成为大数据时代人事人才工作者的基本功和工作技能。
数据分析咨询请扫描二维码
统计学基础 - 理解统计学的基本概念和方法是数据分析师必备的技能之一。统计学为他们提供了处理数据、进行推断和建模的基础。 数 ...
2024-11-25数据分析师在如今信息爆炸的时代扮演着至关重要的角色。他们不仅需要具备扎实的数据分析技能,还需要不断学习和适应不断发展的技 ...
2024-11-25数据分析师的工作职责涉及多个关键方面,从数据的获取到处理、分析再到可视化,旨在为企业的决策提供有力支持。让我们深入了解数 ...
2024-11-25数据分析师:洞察力量的引擎 数据分析师的兴起 数据分析师行业目前正处于快速发展阶段,市场需求持续增长,薪资水平也有所提升。 ...
2024-11-25数据收集与整理 - 从各种来源收集数据,清洗和整理以确保数据质量和可用性。 数据分析与建模 - 运用统计学方法和机器学习模型对 ...
2024-11-25数据分析是当今社会中不可或缺的一项技能,涵盖了广泛的工具和技术。其中,掌握各种数据处理函数对于数据分析师至关重要。本文将 ...
2024-11-25“大数据治理”是一个涵盖广泛的复杂概念,其核心在于确保大规模、多样化的数据资源能够被有效管理和利用。不仅涉及数据的采集、 ...
2024-11-25一、引言 背景介绍 随着信息技术的快速发展和互联网的普及,大数据已经成为现代社会的重要资产。大数据的兴起不仅推动了各行各业 ...
2024-11-25《Python数据分析极简入门》 第2节 7 Pandas分组聚合 分组聚合(group by)顾名思义就是分2步: 先分组:根据某列数据的值进行 ...
2024-11-25数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22