大数据“绝缘”人力资源管理？.docVIP

大数据“绝缘”人力资源管理？ 　　“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Top3。 　　可是，虽然很多专业HR擅长利用数据，也有不少HR认为自己已经把大数据工作方式引入企业，但事实绝非如此。 　　何谓人力资源管理的大数据化 　　大数据有4V特点，即Volume（大量）、Velocity（高速产生）、Variety（多样性）、Veracity（真实性）。由于它是自动提取，保证数据源充分，随时刷新等特点，在大多数领域都能够精准地指导资源分配。 　　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。那具体该怎么操作？ 　　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？ 　　第二，将岗位数据化，明确每个岗位需要什么样的人，进而使组织机构、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。 　　第三，将培训资源（培训内容、形式等）数据化，便可组织、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。 　　第四，将激励资源数据化，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误会了大数据 　　事实上，专业HR都玩数据，他们测试员工的胜任力、评估岗位、考核绩效，利用数据进行决策。用数据分析来为自己的岗位建立“技术刚性”，难道这就是大数据吗？ 　　大数据是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“TB”为单位。而一个万人的企业，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“GB”为单位，体量相差甚远。HR们以为数据量已经足够庞大，难以处理。可实际上，这种数据量通过本地软件的计算能力（甚至直接用excel表）就可解决，根本无须运用到互联网上的云计算，这显然不是大数据。 　　为何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”，这大大制约了数据所能发挥的威力。 　　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。而员工在某个具体时点接待了某个年龄层的顾客，很大程度上意味着服务难度（如接待时长多少，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，可能得出A绩效优于B的结论。但若关注源数据就可能发现，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减少这些干扰。但如果他们在论坛、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（如出勤时间、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。 　　HR跨不过的三道坎 　　那么，HR能不能推动大数据走入人力资源管理呢？ 　　我认为，很难！这绝不是因为硬件的制约，不少企业已经具备了吸纳数据的可能。