行业动态:大数据该如何走进人力资源管理? 管理学认为“管理部分是艺术，部分是科学”。相较于其它管理模块如制度管理、流程管理、产品管理、资产管理等针对物的管理，对人员的管理，艺术性成份体现的更多。多年以来，人力资源管理从业者常有的困惑是其价值难以被客观评估、人力资源的专业性难以得到充分认同。 近代管理实践中，心理学、行为学的研究成果逐步被应用到人力资源管理中，同时通过数据分析的手段来帮助人力资源管理决策，如此种种，增大了其科学管理的成份，使得人力资源从业者成为更“专业”的一个群体。 对此需稍作说明。在人力资源的选、育、用、留的各个环节中，以数据技术为依托的预测和评估已经相当普及。科学管理要求可测量、可记录、可分析、可改善。 在人才聘用上，通过能力测评、性格测试、特质分析、行为取向界定等，企业努力发现和预测候选人的外在未可见的动机、意愿、压力适应性等特点(所谓冰山理论，水面下隐藏的冰山信息更为重要)，帮助找到适合企业要求的“对”的人; 在人才选拔上任用上，通过测评工具，发现员工的潜力素质方向和差距空间将帮助企业界定员工的可发展性方向和制定发展规划; 在员工效能管理上，评估工具将帮助企业分析影响员工可持续敬业度(sustainableengagement)的关键驱动因子并籍此制定有效和趋向性的的激励机制，调节资源配置使得员工和组织的效能达到最大; 在领导效能提升上，通过对领导力风格的数据分析帮助企业构建合适的领导力文化，等等。科学管理在此体现的价值就是所谓让管理的艺术性更加富有“智慧”。 然而，现有数据分析技术的应用还不是完全意义上的“大数据下的人力资源管理”。在大数据时代，过往的人力资源管理实践还将有更大的颠覆和变化。大数据时代对人力资源管理的影响会是什么呢? 大数据通常是指所涉及的资料数量巨大、数据类别繁多、无法用传统数据库工具对其内容进行抓取、管理和处理的数据集。20世纪90年代，数据仓库之父比尔.恩门首次提出大数据概念，开始是用来描述为更新网络搜索索引需要同时进行批量处理或分析的大量数据集，后来不仅用来描述大量的数据，还包括处理数据的速度。 其具有4V的特点：Volume(大量)、Velocity(高速产生)、Variety(多样性)、Veracity(真实性)。也就是说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，能够告诉你其领域的本质的关键的信息! 大大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。大数据对于未来人力资源管理的影响可能有以下几个特点： 1、塑模——构建更科学的模型 定量化分析是科学管理的关键。其价值在于将正确的信息在正确的时间交付到正确的人手中。数据之中蕴藏着价值,关键在于发现其本质和其真实性。 过往人力资源所掌握的数据大多是结构化数据，构建测评模型的时候更多的是参考现有理论和业界最佳实践。大数据的海量非结构化数据(“源数据”而非处理过的数据)提供给我们突破现有理论不完善性的可能，在构建结果和成因之间关系模型的时候，大数据将更多呈现数据本质上的真实性，反映其真实关系，帮助我们在追求科学管理上更加“极致”。比如，未来大数据下企业将构筑的是人力资源商业智能(Human Resource Business Intelligence)。 区别于面向业务过程的一般性报表的电子人力资源管理，人力资源商业智能的价值在于通过其“多维数据”仓库功能，进行数据建模，提高大数据情况下的人力资源分析效率，使得人力资源管理体系能够找到不断调整与优化的方向与策略，更好的支持业务发展，真正适应企业整体发展战略的需要。 2、动态——适应人的不断变化的要求 人是最富于变化的。时间和环境都可能是造成人的变化的要因。大数据由于是即时产生和处理，保证随时刷新而且是全貌数据，使得过往对人员进行“拍照”似的静态分析变成动态分析。比如过往企业对组织进行一次员工效能分析和改善要持续半年到一年，通常只能每两年作一次，如果业务战略时过境迁，这种人员分析就是无效的。 在大数据时代，分析更快捷，行动更迅速，也包括提供更个性化的服务，资源分配更到位，所谓通过大数据实现资源的“可扩展获得”，提升资源的利用效率。 3、对标——打开视野 企业自身的数据价值毋庸置疑，但对比才能产生各大价值。现有企业实践中，苦于对标困难，没有公共数据库，没有行业相关数据库。有些咨询公司拥有十几亿人的部分特征数据，已是很难能可贵，但依然满足不了现实要求。在大数据下，可实现指向性选择对标，这种开放系统将极大地推进企业组织的发展和进步。 似乎大数据时代给我们描绘了一幅很美好的蓝图。但要实现大数据下的人力资源管理提升，困难也是很多的。 首先，要以开放的心态构建科学的数据平台，或者说企业要更加透明。数据是高价值资源，分享是互为价值的。整个社会体系是开放的体系，才能保证信息资源的共享。 其次，科学地分析平台。对海量数据进行深入数据挖掘，必须依托科学有效的分析计算平台和架构。比如云计算、云存储、虚拟化技术等。 无论如何，大数据浪潮正席卷而来，如果不想被它倾覆，就做一个潇洒的弄潮儿吧。 |
