当HR遇上大数据_数据分析师培训

一、人力资源管理的本土实践与挑战

“天下之物莫不有理，惟于理有未穷，故其知有不尽也。”

中国企业在改革开放一路坎坷走过三十多年的历程，在企业管理方面主要通过学习和借鉴西方管理哲学与理论，过程中也不断优化以适应中国商业环境和人文环境下运营管理的特殊性要求。人力资源作为其中一个管理模块，已经成为中国企业的日常管理中不可替代的职能，是企业战略落地的支撑要素。但在长期为中国企业，特别是民营企业提供管理咨询服务的过程中，我们认为民营企业人力资源管理的问题往往非常相似，如岗位职责不清、员工责任心不强、薪酬竞争力不足、绩效考核流于形式等等。这些表象问题是繁杂的、散点分布的，但其背后的内在逻辑是系统的。在企业不断成长壮大的过程中，人力资源管理必定随之进化以满足业务发展的管理支撑需求。而要从根本上完成从对企业家经验和直觉进行管理的依赖，转而依靠组织系统与流程制度进行管理，需要人力资源管理从理念、理论、工具、实操几个层面进行变革，而大数据及其实践为这一变更提供了可能的方向。

二、大数据的前世今生与管理价值

数据分析具有悠久的历史，20世纪40年代计算机的出现就是解决数据处理与分析的自动化问题。经过几十年的发展，20世纪70年代，关系型数据库的出现构成现代数据分析的基础。直至20世纪90年代商业智能（Business Intelligence BI）的出现，数据分析才真正用于商业决策，这是一个渐进、复杂的过程，其内涵和外延在不断动态演进。2011年EMC首先提出大数据的概念，随后IDC的《Extracting Value from Chaos》（译：《从混沌中提取价值》）一文奠定了当前大数据的基础，并提出三个重要论断：全球数据量大约每两年翻一番；2010年，全球数据量跨入ZB时代（注：1 ZB=1,000 EB=1,000,000 TB）；未来全球数据增速将会维持，预计到2020年全球数据量将达到惊人的35ZB！大数据的价值在于“大”，其意义有两层：第一，大数据时代的数据规模与结构是以往数据处理、数据分析，甚至商业智能（BI）时代所无法比拟的，由此可形成的信息量。第二，借助分布式计算和超级计算机等最新技术形成的数据处理和分析能力空前提升，使得大数据技术能处理更加复杂的业务模型，形成更为准确的业务判断，这被总结为大数据的4V特点：（容量大）Volume、（速度快）Velocity、（种类多）Variety、（价值高）Value。

数据量的极速增长、数据结构的丰富与异化，基于大数据技术的分析能力，其商业价值不仅体现在业务决策支撑的战略维度和市场预测的营销维度，在人力资源管理维度上大有可为。可以预见的是， 大数据理念和方法的运用，将解决了人力资源管理过程中的信息不对称和信息不透明问题，极大地改变人力资源管理的内涵和外延，并在理念与实际工作模式、工具与方法、理论体系三个层面上推动人力资源管理的变更和提升。

三、大数据对人力资源管理的变革与提升

1、大数据将改变人力资源管理的工作模式

在企业人力资源管理的日常工作层面，充满着各种挑战与繁杂事务，如招聘环节的主管随意性、绩效考核环节的事实与数据缺乏、员工职业发展规划的针对性较弱等难题。在为企业提供咨询服务的过程中，客户也常问起“公司员工流失率较高，是什么原因，主要是谁的责任”以及“如何测算员工的价值创造速率”等问题。

没有基于大数据的定量数据分析，这些问题的解决可以在“道”的层面进行原理性解释，给出方向性的解决方案，却无法从根本上解决问题。未来基于大数据的人力资源管理，在外部专业机构的协同下来完成工作。例如，各企业的HR部门将已发生的行为和现象等人工录入，并上传至云端。由专门的机构依据这些数据，进行排列计算，寻找出规律，制定出相应的规则，并将运算成果分享给各企业的HR部门。经过一定时日的积累，数据将越来越大，规律也就越来越准确，终将解决特定企业员工流失率高、员工价值创造率等问题，体现人力资源管理的新价值。因此，数据的质与量、业务分析模型的适用性将使大数据在人力资源管理“选、用、育、留”的各个环节发挥重要作用。从另一个角度而言，大数据与已有的数据分析在数据量、业务模型、算法、计算能力均有本质差异，这就要求企业人力资源管理工作需要调整工作惯性，改变思考方式：决策依据的转变，即借助大数据系统平台解决问题，从过去依靠经验和直觉，转变为依靠更加理性的数据分析与判断作为处理事务的决策依据；解决问题的系统性，即借助大数据系统平台分析结论的系统性，从解决人力资源管理单点问题，转变为综合思考，系统解决；收集过程数据的意识，即更加重视企业人力资源管理及相关领域的数据收集工作，并借助大数据平台进行整体处理。

2、大数据将改变人力资源管理的方法与工具

人力资源管理主要包含以下几个模块：招聘管理、薪酬管理、绩效管理、培训管理等内容，各管理模块均有较为成熟的工具和方法，但普遍缺少定量属性。大数据的方法和技术将改变工具在实际使用过程中缺乏量化判断依据与数据支撑的尴尬局面，甚至改变工具自身。例如，传统构建企业员工胜任力模型的方法是是通过对相同岗位的一批绩优人士的访谈，归纳其知识、技能、个性及身份背景等信息，再进行比对、筛选而成，在样本、维度、指标等方面有很强的主观性，因此在实际使用中作用有限。如果借助大数据来构建胜任力模型，那么对于单一企业而言，可以汇聚较长时间内相同岗位人员的一系列特征的大量数据，并从同行业众多企业中相同岗位人员特征的巨量数据。这些巨量数据在特征指标在分类、维度、细度等方面更细完备，除了现在通用的要素之外，还包括企业各时期的环境特点、制度特点、文化特点；全行业乃至宏观经济的特点、区域市场和大市场的特点；人员自身的行为和活动空间，人员所处的人际环境特点，甚至还部分可采集的家庭生活信息等。同时，在数据的采样量上也获得巨大跃升。利用大数据的理论和技术，在模型构建、算法规则、异构数据处理、要素采集等各个方面进行优化，寻找出一致性的关键指标。从统计学的角度，准确的采样对象、足够丰富的样本量以及严谨的模型，可以确保全新的岗位胜任力模型的准确性大幅提高，成为名符其实的选人和用人的标准。实际上，众多软件服务巨头已经布局基于大数据的人力资源管理服务市场。如，IBM以13亿美元收购基于大数据和云计算的人力资源软件商Kenexa；SAP斥资34亿美元并购云端运算型人才资本管理解决方案市场领导者SuccessFactors；Oracle最终19亿美元收购人才云管理服务商Taleo。同时，众多中小型公司ZALP、ZAO、数联寻英等也活跃在基于大数据的人力资源管理服务的细分市场。

在工具的使用方面，则如以上谈到，人力资源管理者需要逐步建立大数据思维，运用大数据的工具和方法解决问题。

3、大数据将改变人力资源管理的理论体系

实践与理论相互促进。人力资源管理的实践与工具不断吸收大数据的理念与方法，必将带动人力资源管理理论的升华。 现代人力资源管理理念源于上世纪60年代后工业时代，这一时期智力资本对经济增长的贡献率不断提高，人作为企业一项资源的特殊性和重要性不断得到加强，是以激励为核心、以人为本的战略导向的管理理念。在理论层面，主要是基于权变理论、委托代理理论、激励理论等完成人力资源管理方法论构建，这虽然解决了特定时期内人力资源管理的先导问题，却也导致现代人力资源管理体系在理论层面缺乏定量的理性因素，在企业人力资源管理的实际运用环节缺乏定量管理的理论指导，无法有效推动人力资源管理在“循人性、管人心”的前提下实现定量化、精细化管理。而大数据理论恰为其有益补充，不仅将深刻影响人力资源管理理论，也必将对企业战略管理、营销管理理论发展产生推动作用。例如，麦克利兰的成就激励理论，从心理学和管理学的双重视角分析了成就需求与工作绩效之间关系。但理论缺乏定量论证，而大部分为实例论证。在大数据时代，如果结合对巨量数据的分析，成就激励理论的主要观点将更为翔实和具有说服力，让理论在实战应用中的实用性和可操作性得以强化。

综上，借助大数据的理念和技术，人力资源管理将在实操层面实现管理内容从重视职能性问题向重视策略性问题转变，理从简单绩效考核向全面绩效管理转变，从简单的工资性激励向全面薪酬激励转变，在人力资源管理工具和方法层面实现从人工方式向数据化和平台化管理转变；在管理理论层面融入更多定量的元素，推动人力资源管理在大数据时代真正迈入人力资本管理的新阶段。