大数据:人才发展决策新“罗盘”_数据分析师
从2012年始,大数据(big data)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。
庞大的数据正在迅速膨胀,它决定着社会的未来发展。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。”
人才发展的决策同样如此:人才发展的决策也已经不能仅凭经验和直觉,而要依靠对人才经济的数据分析来得到。人才发展的研究与管理更是如此。
提高引才精度
人才发展决策及管理常常是困难的,因为它往往直接影响到人才个人及群体,并且通常是深刻地影响到他们的创新创业活动。同时,它往往又直接影响到用人单位,关系到组织目标的实现。
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,中组部在东南部沿海地区尝试推广的“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。各类人才团队项目的绩效通过包含数十项指标、体现人才项目经济效益、科技效益、社会效益的“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,得到各类人才团队项目绩效的量化分值及其优势和短板的量化分析结论。人才工作决策及管理者和用人单位据此可以清晰地了解和掌握各类人才团队创新创业的成效和不足,人才团队也从中了解和认识到自身的优势和缺失,从而在组织的支持下进行“归因分析”,进而制定绩效改进的方案。
严密的分析可以通过阻止人才工作决策及管理者采取一些武断和有害的行为,而对人才创新创业有所帮助,并且使人才使用单位受益。仍以“人才团队项目绩效评价”为例:佛山市南海区将预期绩效评价结果作为引才的“罗盘”。人才项目引进从全区的产业需求出发,本着“有所为有所不为”的原则,在人才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。人才“预期绩效评价”有侧重地推行“节点引才”,尽量避免“捡到篮里就是菜”,或阻止“凭领导的好恶点人才”现象的发生。
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经济和社会发展现状进行定量分析,也没有对引进高端人才的可行性进行定量研究,盲目追求“海归”人才的引进,以扩大“社会影响”,显现本届政府的“政绩”。由于本地区不能给“海归”人才提供其创新创业的经济平台、科技平台、产业平台及政策环境,致使“海归”人才无法展现和发挥其聪明才智,万般无奈之下,又只得“归海”。此项“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”,使“拍脑袋”决策者得以清醒,但为时已晚。
此外,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,但却是代价高昂的。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。江苏张家港市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,与领军人才面对面地沟通、一对一地把脉问诊,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。
因此,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。
量化人才发展
我国不少部门的领导人数据意识淡薄,由来已久,缺乏用数据来说话的的习惯和素养。在国家的管理上,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。我国人才数量居世界首位,将会成为产生人才经济数据量最多的国家,但我们对数据保存不够重视,对存储数据的利用率也不高。此外,我国一些部门和机构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,导致信息不完整,给人才研究带来极大困难。
“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广大组织人事人才工作者强烈的行为意识;人才发展的量化研究,也应该成为大数据时代广大组织人事人才工作者必备的基本功和工作技能。试想,一位组织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?
现时期人才发展的量化研究,包括整体综合研究和单项环节研究两大类型。其中,整体综合研究可以对区域人才发展态势、区域人才综合竞争力等方面展开研究;单项环节研究可以对区域的人才集聚度、人才集聚力、人才投入力度、人才流动态势、人才空间配置结构、人才发展平台、人才创新创业指数、人才发展环境指数、人才贡献率、人才使用效益、人才团队绩效评价、人才工程绩效评估等方面展开研究。
以人才贡献率研究为例。作为国家制定人才工作政策的决策者,作为人才资源开发与管理工作者,更为关注的是人才资源在经济增长和社会发展中的支撑作用和贡献度。具体地说,人才对经济发展做出了多大贡献?在每年的GDP中人才的贡献占了多大份额?更通俗地讲: 每年的“人才GDP”是多少?在这样的背景下,由此导出“人才贡献率”问题。
人才贡献率指标不能通过简单的数据统计得到,而是需要进行较为复杂的综合测算。研究人才贡献率的结果显示,人才资本增加的速度和积累的多少决定着人才资本增长对经济增长贡献率的高低,以及人才资本增加的速度和物质资本增加的速度是否保持了一个合理的比例。这一导向的目的是为了进一步落实科学发展观,强化科教兴国战略和人才强国战略的实施力度,推进人才“以用为本”理念的践行,引领我国人才事业的科学发展。
数据分析咨询请扫描二维码
《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数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21