大数据为何走不进人力资源管理？-CDA数据分析师官网

大数据为何走不进人力资源管理？

2014-12-04

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“。

CDA 数据分析师培训官网

CDA数据分析师考试相关入口一览（建议收藏）：

▷ 想报名CDA认证考试，点击>>> “CDA报名” 了解CDA考试详情；

▷ 想加入CDA考试题库，点击>>> “CDA题库” 了解CDA考试详情；

▷ 想学习CDA考试教材，点击>>> “CDA教材” 了解CDA考试详情；

▷ 想查询CDA考试成绩，点击>>> “CDA成绩” 了解CDA考试详情；

▷ 想了解CDA考试含金量，点击>>> “CDA含金量” 了解CDA考试详情；

▷ 想获取CDA考试时间/费用/条件/大纲/通过率，点击 >>>“CDA考试官网” 了解CDA考试详情；

大数据偏差云计算特征数据分析

数据分析咨询请扫描二维码

上一篇生意宝布局大数据市场_数据分析师

下一篇爱在西元前之概率统计版

大数据为何走不进人力资源管理？

CDA考试动态

CDA报考指南

热门栏目

最新资讯

数据分析师教程《Python数据分析极简入门》第2节 5 ...

数据分析需要学哪些方面

数据分析适合在什么单位工作

数据分析是什么工作内容

数据分析师需要掌握什么技能

数据开发和数据分析区别

数据架构师是干什么的

数据分析师需要具备的能力

数据分析师需要具备的技能有哪些

数据分析师需要具备的技能和能力

数据分析师的发展前景

数据分析师教程《Python数据分析极简入门》第2节 4 ...

数据分析师的工作内容是什么

数据分析师必须掌握的技能有哪些

数据分析入门难吗

数据分析能干啥

数据分析行业的前景

数据分析的常用方法

什么是企业数字化转型

女生做数据分析师最好去哪个行业